新能源车赛道表现与细分介绍 [page::2][page::3][page::4][page::8]

• 新能源车赛道近3年表现远超沪深300，行业为资金重点配置标的。

- 新能源车产业链可分为上游（锂、钴、稀土等原材料）、中游（动力电池、电机电控等零部件）和下游（整车制造及充电桩）。

• 历史表现显示产业链细分赛道存在明显轮动，应利用该特点进行量化配置。

量化轮动模型构建及指标选取 [page::10][page::11][page::12][page::13][page::14][page::16][page::17][page::18]

• 选取宏观数据（货币供给、资源品价格、消费者指数）、细分赛道景气度财务指标、对应技术指标三大类指标。

- 对指标进行事件化处理，构建变化幅度、变化趋势持续性、近期高低位等信号事件。

• 通过风险调整收益（Sharpe比率）和经济逻辑筛选有效信号事件，剔除重复或样本过少事件。

- 上游、中游、下游分别筛选出18个有效信号事件，其方向及阈值详见多张表格。

有效信号事件示例及性能表现 [page::20][page::21][page::22]

| 指标类型 | 指标名称 | 信号事件名称 | Sharpe比率 | 事件方向 |
|----------|--------------------------|-----------------|------------|----------|
| 宏观数据与资源品 | 金融机构各项贷款余额同比 | 变动幅度003 | 0.664 | 正 |
| 景气度指标 | 成本费用利润率(Z-score2) | 0.559 | 正 |
| 技术指标 | CMO(变动幅度_01) | 0.791 | 正 |

• 信号事件同样适用于中游与下游，不同指标对不同赛道影响方向和强度有所差异。

- 绝大多数有效信号均表现正向，部分技术指标呈负相关以捕捉逆势机会。

轮动组合构建及表现 [page::24][page::25][page::26][page::27]

| 指标组合 | 总收益(%) | 年化收益(%) | 年化波动(%) | 最大回撤(%) | 日度胜率(%) | Sharpe |
|------------|-----------|-------------|-------------|-------------|-------------|--------|
| 细分赛道轮动组合 | 529.51 | 30.03 | 30.89 | 57.95 | 53.33 | 0.97 |
| 基准等权组合 | 304.00 | 22.06 | 30.68 | 60.44 | 53.07 | 0.72 |

• 量化轮动组合显著优于同样成分的等权组合，超额收益稳定，回撤更低，绩效更加稳健。

- 持仓分散有助于减缓回撤，回撤期持仓集中度持续降低。

不同指标组合对轮动效果的贡献 [page::28][page::29][page::30][page::31][page::32][page::33][page::34]

• 剔除宏观指标，组合收益最高，但最大回撤明显扩大，超额稳定性下降；

- 剔除景气度指标，组合累计收益下降最多，显示景气度指标对累积收益贡献较大；

• 剔除技术指标，表现中等，显示技术指标为重要但非决定因素；

- 完整指标组合下，收益/回撤的综合稳健度最佳，Sharpe达到2.03。

龙头股轮动组合表现 [page::35][page::36]

• 以各细分赛道龙头股构建组合也有显著提升，但整体绝对收益较轮动组合弱，表现出行业内龙头股成长有限。

打分择时组合显著超额收益 [page::37]

| 指标 | 数值 |
|------------|----------|
| 累积收益 | 2070.03% |
| 年化收益 | 32.00% |
| 波动率 | 28.52% |
| Sharpe比率 | 1.05 |

• 通过将上游、中游和下游信号得分加总超过阈值实行开仓，平仓则空仓，月均开仓约78%时间，获得远超市场的稳定收益。

新能源车产业细分赛道轮动模型详尽分析报告解构

---

一、元数据与概览

• 报告标题：《新能源汽车产业 细分赛道轮动模型“赛道” 量化系列之一》

- 作者及联系方式：任瞳（首席分析师，定量研究团队负责人），崔浩瀚（量化分析师）
- 任瞳联系电话：0755-83081468，邮箱rentong@cmschina.com.cn
- 崔浩瀚联系电话：021-68407276，邮箱cuihaohan@cmschina.com.cn

• 发布机构： 招商证券

- 发布日期： 2021年8月16日

• 研究主题： 新能源汽车产业链细分赛道的量化轮动模型构建及验证

- 核心观点摘要：
- 新能源车产业链在过去几年取得了显著超额收益，细分赛道（上游、中游、下游）之间存在轮动效应。
- 通过构建基于宏观数据、景气度以及技术指标的事件化信号，筛选有效交易信号，进行细分赛道权重动态调整，形成轮动组合。
- 该轮动组合在长期表现中有效提升整体收益及风险调整后表现，显著超出均等权组合与沪深300基准指数，验证了赛道轮动策略的投资价值。

整体上，报告意在传递新能源汽车产业链内部存在显著且可量化的轮动效应，通过细致的指标筛选、事件构造等步骤构建量化交易模型，能够实现超额收益和风险控制的双重目标。[page::0,2,38]

---

二、逐节深度解读

2.1 新能源车产业赛道基本面分析（页2-7）

• 细分赛道定义与产业链结构：

- 上游： 主要为原材料，包括锂、钴、镍、石墨、稀土等关键金属和材料，如PP/PE用于隔膜生产，稀土用于永磁材料等。宏观变量如资源价格、产能、PPI和货币供给等对这一层面影响明显。
- 中游： 包括动力电池及相关核心零部件和材料生产，涵盖正负极材料、电解液、隔膜等电池材料，以及电机电控和新能源汽车零部件。动力电池成本占整车约40%，为成本重心，且多个细分材料种类具有较大性能与成本差异。2023年为龙头企业如宁德时代海外布局关键期，将带动整体产业链格局变化。
- 下游： 整车制造（传统车企与新势力造车）、充电桩建设及配套服务（自动驾驶、车联网等）。政策引导对充电桩建设影响较大，消费需求增长带动整个下游扩张。

• 行业格局与投资主题：

- 新能源车产业链环环相扣，每一级赛道内各环节呈现不同发展态势。
- 不同细分赛道受宏观经济、政策及行业景气度影响各异，适合构建轮动逻辑。[page::3,4,5,6,7]

2.2 新能源车赛道近年表现与轮动特征（页2,8）

• 报告通过Wind资讯数据指出，过去三年新能源汽车及相关产业链指数均显著跑赢沪深300，其中中证新能源指数表现最佳。

- 产业链细分赛道历史净值走势显示，上游、中游和下游指数存在明显的轮动现象，即不同周期中不同细分赛道领先或落后，具有策略实施的空间与价值。

• 单次回撤有时幅度较大，提示风险管理重要性。

- 轮动逻辑基于产业链不同层面收到宏观因素、行业景气和股市层面影响不同来推断，不同赛道指标权重及信号存在差异。[page::2,8]

2.3 细分赛道轮动模型构建逻辑（页10-18）

• 模型框架与指标选择：

- 以“对产业分析推定影响因素逻辑”为起点，结合宏观因素（货币、PPI、价格）、资源品价格、行业景气度及股票市场层面进行指标筛选。
- 数据类型分三大类：宏观数据与资源品指标、景气度指标、技术指标。
- 宏观与资源品指标影响全部细分赛道但作用方向和力度不同，故不预设理论方向。
- 景气度指标来自细分赛道成分公司财务数据（如EPS、ROE、净利润、资产负债率等），设定理论方向，违背理论预期的信号剔除。
- 技术指标基于净值曲线演算（MACD, RSI等），无预设方向，捕捉价格层面信号。
- 指标事件化处理为核心创新：对指标趋势变化的非线性捕捉通过事件信号化处理，实现更准确的预测。

• 指标事件化分类及构建：

- 事件类型包括：
1. 变动幅度事件：当指标当期相较上一期变动超过设定阈值（从0.1%至10%多档测试）发出多空信号。
2. 趋势持续性事件：指标连续N期（N=1,3,6）上升或下降，体现短期至长期的趋势强度。
3. 近期高/低位事件：基于过去一年标准分（Z-score），标记指标处于高位或低位区间。
- 信号事件对应的买入或卖出信号以1或0计分方式记录。风险调整后的收益（Sharpe比率）用于信号的有效性测评。

• 指标筛选逻辑：

- 测试期间：2010年6月30日至2021年7月31日，数据滞后1个月处理。
- 依据：
- Sharpe比率绝对值大小（越大越优）。
- 经济学逻辑一致性，避免反直觉的信号入选。
- 重复相似信号只保留最高效信号以减少共线性。
- 开仓次数不少于10次保证统计学有效性。
- 结果以表格形式展示，上游、中游、下游各自筛选出的有效指标信号及其风险调整收益均有较好表现，部分技术指标如CMO表现尤为突出。[page::10,11,12,13,14,16,17,18,19,20,21,22]

2.4 轮动组合构建及表现（页24-37）

• 组合构建方法：

- 利用有效信号事件，每月最后一个交易日统计当前多头信号触发情况。
- 多头信号记1分，无信号记0分。
- 各细分赛道得分合计，基于得分比例分配仓位，实行月度调仓，放弃做空信号（受A股特性限制）。
- 对比等权组合与沪深300基准。
- 龙头股组合构建通过选择细分赛道内市值最大的前3只股票等权组合，依据获得信号做轮动权重调整。

• 组合表现核心数据与图表：

- 全指标组合轮动：
- 累积收益达529.51%，年化收益约30.03%，夏普比率达0.97，最大回撤57.95%（优于等权组合和沪深300）。
- 细分赛道加权组合对等权组合在收益及风险调整指标上表现均有显著超越。
- 剔除宏观指标组合：
- 累积收益提升至560.54%，年化收益30.93%，最大回撤59.9%，Sharpe提升至0.99，凸显宏观指标对稳定性的贡献作用有限。
- 剔除景气度指标组合：
- 累积收益514.81%，年化29.6%，夏普0.96，表明景气度指标对累积收益影响较大。
- 剔除技术指标组合：
- 累积收益532.45%，年化30.12%，夏普0.98。
- 综合比较显示：
- 完备指标组合超额收益稳定性最高，最大回撤最低，胜率和Sharpe亦优于其他组合。
- 剔除宏观指标对超额收益稳定性影响最大，剔除景气度指标则影响累积超额收益。
- 龙头股轮动组合虽有显著提升，但其绝对收益与波动率较细分赛道全池组合逊色，显示龙头股轮动策略依然有较大提升空间。

• 持仓分散与回撤控制：

- 回撤期间持仓多元化程度提高，减弱单一细分赛道回调的影响，提升组合稳健性。[page::24,25,26,27,28,29,30,31,32,33,34,35,36,37]

---

三、图表深度解读（精选数个关键图表）

3.1 过去三年新能源汽车指数表现（页2）

• 图表显示2018年初至2021年7月，国证新能源、中证新能源、中证新能源车产业三个主流新能源指数均显著跑赢沪深300，累计涨幅从低于1倍起步，至2021年达到2+倍的高位，验证产业景气与资本市场认可度。

- 该表现基于全球新能源车需求增长及产业链扩张预期，是模型赛道轮动研究的现实基础。[page::2]

3.2 新能源车产业链细分赛道历史走势（页8）

• 纵向观察，三大赛道平均收益走势呈明显波动，有明显回撤阶段。

- 横向来看，三大赛道表现交替领先，存在轮动关系，这为动态优化仓位提供策略依据。

• 等权组合收益曲线处于中间，说明基准配置没有捕捉轮动机会。轮动组合有较大挖掘价值。[page::8]

3.3 细分赛道轮动组合 vs 等权组合 vs 沪深300（页25）

• 轮动组合净值曲线明显高于等权组合与基准沪深300，显示策略有效实现在新能源细分赛道间动态调整的超额收益。

- 超额收益曲线（右轴）平稳上升，标明滚动策略持续有效。

• 这一实证结果是报告提出量化轮动模型的核心投资论据之一。[page::25]

3.4 不同指标配比轮动组合超额表现对比（页34）

• 表格汇总了包含全部指标，剔除宏观、剔除景气度与剔除技术指标4种配置下的超额收益、年化收益、波动率、最大回撤、日度胜率及Sharpe。

- 发现：
- 全指标组合在最大回撤（4.83%）、日度胜率（53.25%）和Sharpe（2.03）方面表现最佳。
- 剔除宏观指标组合累积超额最高（63.96%），但最大回撤提升明显（8.93%）。
- 剔除景气度指标，累积超额收益较低（52.41%），表明景气度指标对超额收益贡献最大。

• 该定量分析清晰说明不同数据类型指标对策略表现的不同贡献，指导未来指标优化和重点关注指标赋权。[page::34]

3.5 打分择时组合净值表现（页37）

• 打分择时组合净值显著超越等权组合，收益稳定率较高。

- 过去11年开仓次数约78%，充分参与市场波动，全年化收益达32%，波动率28.52%，夏普率1.05，表现稳健且亮眼。[page::37]

---

四、估值分析

本文报告未明确针对具体公司的估值模型、目标股价和评级，而是聚焦行业赛道的量化轮动投资策略。核心估值逻辑隐含于对不同行业赛道回报和风险统计特征的量化评估及组合优化配置。策略的“价值”体现于显著的超额收益和风险调控能力，而非传统的DCF或P/E估值模型。

---

五、风险因素评估

• 报告指出模型基于历史数据构建，存在未来宏观环境、行业结构和政策变化带来的模型失效风险。

- 细分赛道不同层面受到宏观经济、价格波动、政策调整等多重风险影响，如原材料价格剧烈波动、技术替代风险及政策扶持力度变化。

• 投资策略在回撤阶段虽通过持仓分散控制风险，但仍面临市场极端行情带来的潜在收益损失。

- 报告提醒投资者关注模型动态调整与定期验证，避免过度依赖历史参数。[page::38]

---

六、批判性视角与细微差别

• 模型框架创新但复杂度较高：事件化处理解决了非线性因果关系的识别难题，技术细节丰富，但实际操作和数据清洗成本较高，模型参数选择和阈值设置需谨慎，否则可能导致过拟合。

- 信号滞后及数据公布频率限制：指标均滞后1个月使用，短线快速变化的市场行情可能无法即时捕捉，影响实战敏捷性。

• 做空信号忽略的策略局限性：因A股空头机制不足，报告仅关注多头信号，可能限制收益空间，也增加回撤风险。

- 宏观指标贡献的复杂性：剔除宏观指标组合超额收益反而提高，提示该类指标对策略贡献存在折中，未来可考虑更细化的宏观因子过滤。

• 龙头股轮动组合收益较低：虽加权策略有效，但龙头组合理论上的风险收益权衡不佳，说明规模效应及行业竞争格局可能影响投资效果。

- 内在矛盾或数据质量风险：报告对事件筛选和多指标打分存在重复信号剔除，但具体算法细节和多重共线性处理未详细阐述，需关注潜在统计偏误风险。[page::19,34,36]

---

七、结论性综合

本报告立足于新能源汽车产业链，通过细分赛道（上游原材料、中游核心零部件、下游整车及充电设施）的系统分析与量化研究，构建了基于宏观数据、行业景气度、技术指标的“多事件”信号化体系，经过严格筛选和经济逻辑验证，形成了18个有效信号事件。

基于这些信号构建的赛道轮动组合，利用动态仓位调整，有效捕捉了细分赛道间的轮动节奏，表现出显著优于均等权组合与沪深300的超额收益和更优的风险调整性能（Sharpe比率最高达2.03，超过基准0.72倍）。不论是否剔除某类指标，组合均能保持较强的超额收益能力，表明模型稳定性和灵活性较强。

持仓期间的分散性控制使得组合在回撤波动阶段保持较低的风险暴露。龙头股细分组合虽表现好于基准，但绝对收益不及全产业链组合，说明大范围覆盖有更好收益扩展潜力。

总结起来，报告证实新能源汽车产业链细分赛道存在明显的轮动效应，借助科学的量化事件信号，投资者可以实现优化资产配置，增强收益和风险管理能力。尽管模型依赖历史数据，未来宏观及行业环境的变化是最大不确定性，但现有框架为新能源车主题下的细分赛道投资提供了重要的量化工具和投资逻辑参考，具备实际应用和推广潜力。

---

以上内容中的论点及数据均依据原文报告内容提取，附有原文页码溯源标注，确保引用准确与可追溯。

报告