• 数据来源与指标体系 [page::1]

- 供应链数据来源于秩鼎公司，覆盖A股、港股、美股及债券主体，数据质量高且可溯源。
- 采用AI与自然语言处理技术，结合股权穿透算法构建供应链关联指标体系。

• 行业供应链关联度构建与特征 [page::2][page::3][page::4][page::5]

- 从供应关系数量和合同金额两角度合成行业供应链关联度，合同金额加权更合理。
- 供应链关系近年数据量快速增长，行业间供应链关系更为清晰且整体相对稳定。
- 供应链覆盖面广，主体行业与多数行业均存在供应关系，且主体行业内部关联度较高。

• 供应链动量因子构建与理论支持 [page::5][page::6][page::7]

- 供应链动量反映物流（牛鞭效应）、成本资金传导及信息流动联动效应。
- 构建供应商动量因子和客户动量因子，利用行业关联度加权组合对手方行业动量。

• 供应链动量因子检验 [page::7][page::8][page::9]

- 不同时间窗口（60-120日）验证，70-100日窗口表现最优，100日窗口表现最佳。
- 供应链动量因子IC值均显著正向，供应商动量因子IC均值0.206明显优于客户动量0.116。
- 供应链关联度权重中以供应关系强度加权效果优于数量加权。
- 三类动量指标（传统、Rank、Shift）均有效，供应商动量采取传统动量表现最佳。
- 供应链动量因子优于行业主体自身动量，体现更全面价格信息增量。

• 分位数收益测试与策略回测 [page::9][page::10][page::11][page::12]

- 供应商动量Top组年化收益13.19%，夏普比率0.416；客户动量Top组年化收益8.37%，夏普比率0.226。
- 不同分组收益、夏普均表现线性递减，符合因子逻辑。
- 行业轮动策略基于供应商动量筛选前5和前10行业，样本内外均显著超越基准，最大优势表现为前5行业多头组合，年化收益达13.93%，夏普0.438。

- 客户动量轮动策略表现次之，年化收益7.43%，夏普0.187，样本外表现略逊供应商动量。

• 参数敏感性分析 [page::13]

- 策略对动量时间窗口参数敏感性低，供应商动量策略收益稳定略优于客户动量策略。

• 指数增强策略设计与表现 [page::13][page::14][page::15]

- 通过行业供应商动量因子对沪深300和中证500指数成分股进行行业权重调整，实现指数增强。
- 沪深300增强策略年化超额收益8.00%，夏普0.236，多空组合夏普达0.662。
- 中证500增强策略年化超额收益5.33%，夏普0.052，多空组合夏普0.548，表现稳健优于基准。

• 相关行业梳理与跟踪 [page::16]

| 序号 | 供应商动量行业代码 | 行业名称(供应商动量) | 客户动量行业代码 | 行业名称(客户动量) |
|------|---------------------|------------------------|--------------------|-----------------------|
| 1 | CI005023.WI | 房地产(中信) | CI005002.WI | 煤炭(中信) |
| 2 | CI005029.WI | 综合(中信) | CI005004.WI | 电力及公用事业(中信) |
| 3 | CI005008.WI | 建材(中信) | CI005021.WI | 银行(中信) |
| 4 | CI005009.WI | 轻工制造(中信) | CI005029.WI | 综合(中信) |
| 5 | CI005024.WI | 交通运输(中信) | CI005007.WI | 建筑(中信) |
| 6 | CI005015.WI | 消费者服务(中信) | CI005008.WI | 建材(中信) |
| 7 | CI005002.WI | 煤炭(中信) | CI005023.WI | 房地产(中信) |
| 8 | CI005030.WI | 综合金融(中信) | CI005001.WI | 石油石化(中信) |
| 9 | CI005005.WI | 钢铁(中信) | CI005011.WI | 电力设备及新能源(中信)|
| 10 | CI005014.WI | 商贸零售(中信) | CI005024.WI | 交通运输(中信) |

• 风险提示与声明 [page::0][page::16][page::17]

- 本策略基于历史数据统计与模型，如政策或市场环境变化，模型有效性可能减弱。
- 本报告不构成具体投资建议，投资者需结合自身情况谨慎决策。

《蓝海启航 系列研究之六：基于供应链动量的行业轮动与指数增强策略》深度分析报告

---

一、元数据与报告概览

• 报告标题：蓝海启航 系列研究之六：基于供应链动量的行业轮动与指数增强策略

- 作者及机构：招商定量任瞳团队

• 发布日期：2022年7月23日

- 报告主题：以秩鼎公司上市公司供应链数据为基础，构建行业层面的供应链关联度，设计行业供应商动量因子和客户动量因子，并基于此开发行业轮动策略和指数增强策略。

核心论点与结论

1. 行业供应链关联度通过供应链关系数量与强度进行合成，随着数据积累，行业供应关系日趋明晰且稳定。

2. 构建的供应商动量因子和客户动量因子在预测行业未来收益率方面效果优于行业主体自身的动量因子。

1. 分位数测试显示两类动量因子对行业组合表现具有明显区分度，顶层组合表现明显优于底层组合。

4. 供应商动量因子构建的行业轮动策略收益稳定且显著优于客户动量因子策略。

1. 基于供应商动量因子的指数增强策略在沪深300和中证500指数成分股中分别取得年化超额收益率8%和5.33%。

6. 报告同时列出了供应商动量与客户动量排名靠前的行业，便于动态跟踪投资机会。

报告强调策略的历史有效性不代表未来收益，风险提示详见末尾章节。[page::0,16]

---

二、逐节深度解读

1. 数据来源与供应链指标体系（第1-2页）

• 报告采用秩鼎公司供应链数据，秩鼎为领先的另类数据提供商，数据涵盖7000+上市公司，2万发债主体及130万非公众企业，并覆盖A股、港股、美股。

- 数据采集基于人工智能和自然语言处理技术，从公司公告、招标公告、审计报告等公开披露进行日度抓取，并结合股权穿透算法构建供应链关系。

• 严格数据质量控制流程：自动抓取→人工复核→指标合成→结果呈现，确保高透明度与数据可溯性。

- 指标体系涵盖两个大类：
- 全量数据：供应链产品、地域、事件类型、重点行业网络框架，多维度支持基本面与事件驱动分析。
- 公司数据：构建供应链图谱，披露供应商/客户数量、交易金额、有向关系和关联度因子，支持因子化应用。

• 以宁德时代为例，展示了详尽的供应商与客户交易矩阵与金额，表明数据的细致度及覆盖行业映射的能力。[page::1,2]

2. 行业供应链关联度的计算方法与特征（第2-5页）

• 计算方法：

- 基于供应关系数量：统计行业间公司间供应商关系的数量，直接计数反映联系紧密程度（示例图4）。
- 基于供应关系强度：以合同总金额（TCV）加权，反映核心企业的行业地位和供应强度，权重更合理（示例图5）。

• 时间序列特征：

- 数据量近年快速上升，覆盖股票标的由3600+增至4700+，且企业信息披露更透明。
- 图6（供应关系数量）与图7（供应关系强度）均显示房地产、建材、机械等行业间供应链数据量明显上升，供应链关系更清晰。
- 差异体现：供应关系数量显示行业内部关联度明细较高，供应关系强度则较为均衡，反映金额权重影响。

• 截面特征：

- 表1、表2展现多行业供应商关联度。行业间供应链覆盖广泛，行业主体通常与自身行业有更强关联。
- 如基础化工行业与自身行业有显著更高的供应关系数量关联度，且强度计算显示与其它行业关系较均衡。
- 房地产行业季度关联度走势（图8）稳定，最强关联行业为建筑，体现供应链关系强稳定性。
整体显示，基于金额加权的供应链关联度更具逻辑合理性，是构建动量因子核心指标。[page::2-5]

3. 供应链动量因子的理论基础和构建方法（第5-7页）

• 理论基础：

- 供应链动量因子归属供应链相关Alpha，相关学术研究表明供应链成员间存在显著的收益预测能力和价格联动。
- 价格联动来源分为三类：
1. 物流传导效应（牛鞭效应）：需求信息在供应链上传递加剧波动，产生价格滞后效应（图9）。
2. 成本/资金流传导：原材料成本变化和资金链断裂均会导致供应链成员价格联动（图10）。
3. 信息流传导：传递负面/正面信息时，供应链上下游股价同步受到影响（案例大众汽车排放丑闻，图11）。

• 构建方法：

- 核心数据为行业供应链关联度（供应商或客户方向）和中信一级行业指数收盘价，频率季度，2017-2022年。
- 计算对手方行业历史动量，采用三种动量定义：
- 传统动量：过去N日剔除最近20日后的涨跌幅
- Rank 动量：过去N日剔除后日涨跌幅排名均值
- Shift 动量：过去N日剔除后累计涨跌与每日涨跌绝对值之比
- 合成行业供应商动量因子和客户动量因子，以关联度加权对手方行业动量数值（公式详见报告）。

• IC检验：

- IC测试结果表明，供应链动量因子预测行业未来一季收益显著正相关。
- 以100交易日为窗口期时，供应商动量因子IC均值0.206，t值3.456，胜率85.7%；客户动量因子IC均值0.116，t值1.959，胜率71.4%。
- 供应关系强度计算的关联度因子表现优于基于关系数量因子。
- 三种动量指标均显著，供应商动量中传统动量最好，客户动量中Rank动量稍优。
- 供应链动量因子预测能力优于行业主体自身的动量因子，表明涵盖的行业间信息更丰富（表7）。[page::5-9]

4. 分位数测试与行业轮动策略回测（第9-12页）

• 供应商动量因子分成5组，Top组合年化收益13.19%，夏普比率0.416，Bottom组合分别为-5.5%和-0.4，呈现明显线性递减关系，净值曲线分明（表8、图12）。

- 客户动量类似，Top组合年化收益8.37%、夏普比率0.226，Bottom组合为-7.23%和-0.48，同样表现与排名一致（表9、图13）。

• 构建基于供应商动量和客户动量的行业轮动策略：

- 以样本内数据确定窗口长度和因子类型（最佳参数为100日传统动量）。
- 每季度调仓选择因子最高5及10个行业，等权配置。
- 成交价为当季第一交易日收盘价，单边费用0.3%。

• 轮动策略表现：

- 供应商动量策略2018-2022年全样本下5行业组合年化13.93%，Sharpe 0.438，显著优于行业动量和行业等权基准，多空组合表现尤佳（表10，图14）。
- 客户动量策略表现略逊，5行业年化7.43%，Sharpe 0.187，样本外表现逊于供应商动量（表11，图15）。
- 策略对动量窗口参数不敏感，供应商动量收益更稳定且更高（图16，图17）。[page::9-13]

5. 指数增强策略应用（第13-15页）

• 指数增强策略采用供应商动量因子从自上而下筛选行业权重，行业内个股按市值比例加权，季度调仓。

- 以沪深300为例：
- 指数增强组合年化收益8.02%，超额收益8%，Sharpe 0.236，高于基准沪深300仅0.02%，多空组合Sharpe高达0.662（表12，图18）。

• 以中证500为例：

- 指数增强组合年化收益4.18%，超额收益5.33%，Sharpe 0.052，依然优于指数跌幅（表13，图19）。

• 多空组合表现稳定且具有较高的风险调整回报，显示供应链动量因子在指数增强中有效增厚收益。[page::13-15]

6. 相关行业梳理及主要结论（第15-16页）

• 针对最新行情，列出供应商动量与客户动量排名前十的中信一级行业，便于市场观察与跟踪（表14）。

- 主要结论总结：
- 行业供应链关联度稳定，且行业供应链关联率以供应强度衡量更为合理。
- 供应商动量和客户动量因子均优于行业自身动量，且具备明显预测能力及分组表现区分度。
- 供应商动量因子驱动的行业轮动策略及指数增强策略均显著超额收益，且对窗口参数不敏感，具有较强稳定性。
- 指数增强策略在沪深300和中证500指数成分股均表现良好，年化超额收益分别约8%与5.33%。

• 报告提醒策略基于历史数据，未来效果可能因政策及市场环境变更而失效，且不构成投资建议。[page::15,16]

---

三、图表深度解读

图1、图2（第1页）

• 图1 展示秩鼎公司供应链数据处理流程，明确外部数据采集、人工校验和指标合成三个核心环节，确保清晰的流程逻辑和数据可信性。

- 图2 供应链指标体系示意，将全量数据分为产品、地域、事件、行业网络等维度，以及公司数据如供应链图谱、客户/供应商、关联度等，具备数据深度和应用广度支撑研究。

图3（第2页）

• 以宁德时代为中心，展示其供应商（62家）和客户（20家）详细交易金额及披露次数，体现该企业在行业内供应链中的地位，演示了数据颗粒度与实际应用的结合。

图4、图5（第2-3页）

• 图4 以简单网络结构展示供应链关联度计算思路，基于供应关系数量的计数，体现基础的数据统计原则。

- 图5 引入合同价值（TCV）权重，实现供应链强度加权计算，更真实反映核心企业对行业供应链的实际影响力。

图6、图7（第3页）

• 显示房地产-建材、房地产-机械、房地产-房地产三组关系随着时间的增长，供应链数据量显著上升，采用数量和强度两个不同尺度展示供应链关系信息积累的过程。

图8（第5页）

• 房地产行业前五大供应链关联行业趋势，表明建筑行业关联度最高且稳定在0.4，中证一级行业关联度稳定，验证供应链关联度的时间稳定性。

图9、图10、图11（第6页）

• 示意图分别解释供应链的三类价格联动效应理论基础：牛鞭效应（物流）、成本/资金流传导、信息传导，结合实证研究证实动量因子的经济理论支撑。

表3至表7（第8-9页）

• 供应商和客户动量因子IC测试详细结果：

- 不同窗口期、动量定义和行业关联度计算方式对IC的影响分析，支持最终选取100交易日、传统动量、供应关系强度作为核心建模参数。
- 供应商动量比客户动量预测能力更强，且两者均优于简单行业动量因子，体现供应链动量因子的信息增量。

图12、图13及表8、表9（第9-11页）

• 分位数回测测试显示不同分组的行业组合收益及波动性呈明显梯度，证明供应商与客户动量因子不仅统计显著，还具备实操选行业的能力，符合投资直觉。

表10、表11及图14、图15（第11-13页）

• 行业轮动策略回测结果：

- 供应商动量策略回报显著优于客户动量策略和行业动量基准，凸显供应商动量的有效性。
- 净值曲线显示不同组合明显分层，多空组合稳定上升，风险调整收益更优。

图16、图17（第13页）

• 策略对动量时间窗口敏感性检验，收益中枢稳定，体现策略对参数微调不敏感，具有良好稳健性。

表12、表13及图18、图19（第14-15页）

• 指数增强策略在沪深300及中证500成分股也取得了显著的超额收益，年化收益与夏普均优于基准。

- 多空组合仍展现优异风险调整表现，表现出供应链动量因子下游应用的较强实用性和有效性。

---

四、估值分析

本报告不涉及具体公司个股的估值模型（如DCF、市盈率等），而是从量化因子构建和策略回测视角出发，评估供应链动量因子的预测能力及其在行业轮动、指数增强策略中的应用效果。策略表现通过年化收益率、夏普比率、最大回撤等风险调整指标综合评估，体现了基于供应链动量构建策略的优越性。无估值模型分析。

---

五、风险因素评估

• 供应链动量策略基于历史统计与建模，存在模型失效风险，特别在政策环境和市场结构出现根本性变化时可能失去预测效力。

- 披露数据依赖公司信息披露的完整性与透明度，若披露偏差或不及时将影响数据质量及因子有效性。

• 行业间供应链关联度呈稳定性，但仍可能因宏观经济周期变化、行业结构调整等影响供应链网络，进而影响动量因子表现。

- 报告明确不构成投资建议，策略实施过程中需关注交易成本、流动性风险等实际执行风险。[page::0,16,17]

---

六、批判性视角与细微差别

1. 数据透明度与准确性：虽报告强调数据透明和人工复核，但供应链信息高度依赖公示数据，公司间隐性关系难以捕捉，可能造成数据缺失或错误，影响因子构建可信度。
2. 因子时效性与滞后风险：供应链动量利用过去100个交易日数据构建，当市场突变发生，因子滞后可能导致调整不及时。
3. 行业映射限制：基于中信一级行业分类，行业划分存在一定的粗糙度，可能掩盖行业内部异质性，影响关联度计算精细度。
4. 客户动量表现逊于供应商动量：持续出现，可能因客户动量信息传递链条更长或影响力分散，需进一步探究经济含义。
5. 样本外表现与经济周期关联：客户动量策略在样本外表现相对疲软，反映其受宏观环境影响较大，需谨慎对待。
6. 多空轮动策略的交易成本假设：采用0.3%单边成本，实际操作中低流动性行业可能成本更高，实际收益可能有所压缩。
7. 未涉及宏观因素融合：策略主要基于供应链数据及动量指标，未融合宏观经济变量，风险敞口及策略适应性待验证。

整体而言，报告严谨，直面数据来源及模型限制，提供了新颖且具实操意义的因子体系，然而投资者仍需注意上述潜在风险。

---

七、结论性综合

本报告基于秩鼎公司丰富的供应链数据资源，创新性地构建了涵盖供应商与客户两大方向的行业供应链动量因子，突破了传统单纯使用行业自身指标的局限。通过充分的IC统计检验和分位数回测，供应商动量因子表现尤为突出，不仅在预测行业未来收益上表现出显著正相关，也在分层回测中呈现截然不同的业绩表现，验证了其可靠性和实际投资价值。

基于供应商动量构建的行业轮动策略展现了高于传统行业动量策略的超额收益能力，且参数敏感性低，策略稳健性强。同时，供应链动量因子被成功应用于沪深300和中证500指数的指数增强策略中，显著提升了策略的年化收益和风险调整表现，充分体现了其在实盘管理中的应用潜力。

图表如图14（供应商动量行业轮动净值）、图18（沪深300指数增强净值）等均显示该策略与基准的明显分离能力，回测业绩稳定上升，回撤控制合理。供应链动量因子通过定量捕捉行业间供应链关系的价格传导效应，弥补了传统动量因子仅聚焦单个行业或个股的局限，为资产管理提供了增量信息。

报告严谨地识别了相关风险，指出模型适用性受政策、市场环境变化制约。投资者需注意数据本身局限以及策略实施时的交易成本压力。总体上，该研究为量化投资提供了创新视角和实用工具，行业供应链动量因子及其衍生策略值得行业关注和进一步深入研究。

---

参考图表精选

• 

-

• 

-

• 

-

• 

-

• 

-

---

（全文基于《蓝海启航》系列研究六：《基于供应链动量的行业轮动与指数增强策略》[page::0-17]）

报告