报告背景与研究框架 [page::1][page::2]

• 研究聚焦钢铁行业，采取基本面量化方法，重点突破子行业轮动和行业内选股两条路径。

- 行业内选股重点突破板材、长材、特钢三个子行业，铁矿石则采用业务营收占比简单优选策略。

• 选股因子基于行业特性先验选择并通过 RankIC 等统计指标进行回测验证，强调逻辑强度补足样本内统计偏差。

普钢行业选股策略构建与回测表现 [page::3][page::4][page::5][page::6][page::7][page::8]

• 普钢行业盈利能力整体较弱但盈利环比改善因子表现突出，费用管控能力以管理费用率最为有效，估值侧重PB（BP）优于PE（EP）。

- 三费（销售、管理、财务费用率）趋势图体现管理费用率是核心选股因子之一。

• 板材行业主要因子回测结果显示，roettmqoq因子年化多空收益率19.3%，管理费用率和BP因子表现稳健，综合因子年化多空收益率19.0%。

| 因子名称 | RankIC | 年化 RankICIR | 多空年化收益 | 多头年化超额收益 |
|--------------|-------|--------------|-------------|----------------|
| roettmqoq | 0.05 | 0.48 | 19.3% | 15.4% |
| adminexpratio | 0.02 | 0.19 | 12.0% | 9.2% |
| bp | 0.08 | 0.92 | 11.6% | 7.1% |
| 综合因子 | 0.03 | 0.33 | 19.0% | 11.9% |

• 板材综合因子及单因子多头组合累计超额收益持续上升，显示选股因子有效性。

长材行业选股策略构建及绩效表现 [page::6][page::7][page::8]

• 长材盈利因子中，roettmqoq及标准差表现较优，管理费用率和BP因子同样有效，综合因子年化多头超额收益达15.6%。

| 因子名称 | RankIC | 年化 RankICIR | 多空年化收益 | 多头年化超额收益 |
|--------------|-------|--------------|-------------|----------------|
| roettmqoq | 0.08 | 0.71 | 16.1% | 10.4% |
| adminexpratio | 0.01 | 0.05 | 9.0% | 4.7% |
| bp | 0.10 | 0.85 | 16.4% | 9.7% |
| 综合因子 | 0.00 | 0.00 | 36.9% | 15.6% |

• 长材综合因子多头组合累计超额收益显著，表明综合因子对选股具有良好的解释力。

特钢行业选股策略构建及回测结果 [page::8][page::9][page::10][page::11]

• 特钢盈利能力稳定性优于普钢，ROETTM波动率低的个股表现更好，成长性与营收增速环比变化为重要因子，管理费用率同样核心。

- 综合因子较管理费用率虽收益较低但更加稳定，年化多头超额收益16.7%。
| 因子名称 | RankIC | 年化 RankICIR | 多空年化收益 | 多头年化超额收益 |
|--------------|-------|--------------|-------------|----------------|
| roettmstd | 0.10 | 0.83 | 30.9% | 18.5% |
| operrevyoyqoq | 0.08 | 0.70 | 25.1% | 12.5% |
| adminexpratio | 0.04 | 0.41 | 28.6% | 22.1% |
| 综合因子 | 0.05 | 0.61 | 22.3% | 16.7% |

• 特钢综合因子多头组合累计超额收益呈现良好趋势，支持因子构建策略。

铁矿石行业选股简析 [page::11][page::12]

• 铁矿石因成分股数量有限，直接选取铁矿石业务营收占比较高的股票组成优选组合。

- 虽未实现超额收益，但组合更加纯粹反映铁矿石业务，避免掺杂非主业股票干扰。

综合策略表现与多层次增强 [page::12][page::13][page::14][page::15]

• 单独子行业选股策略累计收益超过643%，显著跑赢基准中信钢铁指数50%的表现。

• 结合子行业择时后，策略累计收益提升至1822%，年化收益40.5%，进一步放大超额 alpha。

• 叠加一级行业择时，月度超额收益胜率提升至83%，相比基础策略62%明显提高，收益更稳健。

量化因子与选股模型构建总结及风险提示 [page::14][page::15]

• 普钢关键因子：ROETTM环比变化、管理费用率、BP估值；

- 特钢关键因子：营收增速环比变化、管理费用率、ROE波动率；

• 铁矿石采用业务占比优选；

- 量化因子均通过MAD去极值、市值中性处理，综合因子以等权Rank序列加权构建；

• 历史回测结果验证上述因子有效，策略风险在于历史数据样本外失效风险。[page::0][page::15]

金融工程｜钢铁行业基本面量化之行业内选股研究—详尽分析报告解构

---

1. 元数据与概览

• 报告标题： 钢铁行业基本面量化之行业内选股研究

- 作者及联系方式： 陈奥林（分析师），徐浩天（研究助理）等，国泰君安证券研究所，2023年发布

• 研究机构： 国泰君安证券研究所，证书编号均齐备

- 报告主题： 聚焦钢铁行业内部选股，从板材、长材、特钢三个子行业建立选股模型，实现行业内基于基本面的超额收益

• 核心论点及目标：

本文通过结合行业基本面逻辑和因子回测，选取若干关键因子，构建针对板材、长材、特钢的选股模型，实现稳定的超额收益表现。普钢子行业因盈利能力、费用控制及低估值而产生alpha；特钢子行业基于成长、盈利稳定性和费用管控提取alpha。回测显示，单纯子行业选股策略收益显著，通过与子行业轮动和一级行业择时结合，收益进一步放大且收益稳定性增强。目标是通过量化选股提升行业配置的超额表现。[page::0-3]

---

2. 逐节深度解读

2.1 引言

• 关键论点：

当前“景气度投资”理念已深入市场，团队已构建了近20个行业的基本面量化择时模型，实现行业层面优选。本报告旨在回答：在行业方向判断之后，是否可通过行业内选股实现收益增强，而非仅仅配置行业指数。

• 推理：

1. 行业内存在不同子行业，具备差异化业绩比较优势，基于此差异可实现子行业轮动以增强收益β。
2. 在行业内部进行因子选股可获得α（超额收益），但样本量小带来统计稳定性挑战，因此采用基本面因子先验逻辑+IC辅助筛选模型。

• 方法论准备：

本报告作为行业内选股系列第一篇，聚焦钢铁行业的板材、长材、特钢子行业。钢铁特殊性体现于国企现象（政府补助影响），因此使用扣非净利润计算ROE避免估计偏差，对铁矿石因成分股稀少做特殊处理。[page::2]

---

2.2 基本面量化选股因子设计与普钢分析

• 因子选择与预处理：

因子涵盖盈利、成长、成本管理、偿债能力、估值、产能扩张、分红、研发投入等多个维度，采用MAD去极值和市值中性化处理，以提高数据的稳定性。特别对ROE使用扣非净利润，排除政府补助影响，提高盈利质量判断准确性。

• 普钢行业特征：

- 位于产业链中游，议价能力弱，盈利能力平均排名在行业中仅30%分位附近，表现周期性明显且常处于亏损状态。
- 产品高度同质化，企业无法差异化竞争，成本控制能力成为决定竞争优势的核心。
- 强周期属性导致市场不重成长，反而青睐低估值且高股息以获取安全边际。

• 关键数据说明：

- 图1展示板材与长材ROETTM分位数自2009年起低位筑底，2016年后有阶段性提升，近年再次回落，映射周期波动。
- 图2显示股息率分位数高，体现普钢行业高股息策略的重要性。

• 因子效果验证总结：

- ROE环比变化因子表现优于绝对值，表明市场更注重盈利边际改善。
- 管理费用率因子表现稳健优异，高度关联成本管控能力，并且成本因子中管理费用更优于销售成本等其他因子。
- 估值因子中市净率倒数(BP)优于市盈率倒数(EP)，符合钢铁周期行业盈利不稳定的特点。
- 股息率因子表现不稳定，未纳入综合因子权重。

• 图3、4显示近十年板材和长材行业三类费用率均呈下降趋势，管理费用率长期居高，体现管理效率对盈利的驱动力。

- 综合因子构建：
- 选用ROETTM环比变化、管理费用率、BP，因子相关性低，故简单等权加总构建综合因子，该策略能稳定带来超额收益。
- 表6-7和图5-6均显示综合因子回测表现稳定，且多头组合累计超额收益显著，尤其在长材行业表现更优。[page::3-8]

---

2.3 特钢行业分析

• 行业特性：

- 兼具周期性与成长性，产品附加值高，相关下游行业多，盈利能力相对稳定，是其竞争优势。
- 产品规格多，定制化要求高，研发投入成为长期竞争力保障。

• 实证因子表现：

- ROE波动率低（盈利稳定性）个股表现最佳。
- 成长因子（营收增速环比变化）效果显著，突出增速边际改善带来的选股价值。
- 管理费用率因子同样重要，且费用率水平在特钢行业中更高（如图7）。
- 研发费用率因子无明显选股效果，可能因数据频率低且仅年报披露。

• 综合因子构建：

- 选取ROETTM标准差（盈利波动率）、营收增速环比变化、管理费用率，按等权合成综合因子。
- 表10和图8表明综合因子超额收益稳定，虽然不及单因子中管理费用率表现突出，但综合策略体现了稳健性优势。

• 铁矿石行业：

- 由于样本量极少，采用铁矿石业务收入占比直接选股。
- 组合选取最高纯度个股（金岭矿业、大中矿业），保障业务主业纯粹性。
- 尽管组合未跑赢行业指数，但组合收益更为“纯正”，规避了非铁矿石业务类股票的影响。
- 图9显示公司优选组合与一级行业指数表现比较趋势。[page::8-12]

---

2.4 策略综合及回测表现

• 子行业选股策略表现：

- 将四个子行业（含铁矿石）多头股票组合等权合并，每月调仓。
- 2014.1-2022.12期间总收益达643%，远超同期50%的中信钢铁指数，显著跑赢基准，且超额收益稳定（图10）。

• 与子行业择时结合：

- 基于子行业景气度轮动模型分配行业权重，再在看好子行业内选股。
- 综合策略收益提升至1822%，年化40.5%，远高于50%同期基准。
- 图11显示强劲业绩表现，体现α与β双重收益增强策略的成功。

• 与一级行业择时结合：

- 在钢铁行业整体择时发出买入信号时买入综合策略，否则持有Wind全A指数。
- 结果显示择时加持使得策略月度超额收益胜率从62%提升至83%，收益越发稳健（图12）。
- 综合策略指数作为底层标的时，行业择时呈现更优表现，表明多层次决策带来更有韧性的收益。

• 总结表明多因子因子选股结合行业及子行业轮动、择时能够持续带来行业内部alpha提升和β增强。[page::12-14]

---

2.5 风险因素评估

• 模型失效风险提示：

- 所有模型和统计结果均基于历史数据，存在样本外失效的风险。
- 尤其选股因子稳定性与市场结构、行业景气度、政策环境等多因素高度相关。
- 因此尽管回测指标优异，未来表现存在不确定性和波动性风险。

• 无具体减缓策略，但基于多因素和多层级决策的模型构建本身即具备一定分散风险能力。[page::15]

---

3. 图表深度解读

图1：普钢行业ROETTM分位数走势（第4页）

• 展示板材和长材两个普钢子行业2009-2022年间扣非ROETTM的分位数。

- 2009至2015年盈利率极低，长时间分位数徘徊在近0水平。

• 2016年供给侧改革后，ROE分位数快速攀升达到峰值，反映阶段性盈利改善。

- 近年随着钢价下跌，盈利再次大幅回落，周期属性明显。

• 说明普钢行业盈利能力整体偏低且周期波动显著。[page::4]

图2：普钢行业股息率分位数走势（第4页）

• 股票股息率分位数基本维持高点，长材板材多次达到或接近最高分位，体现高分红特点。

- 在利润不稳定和周期性强的背景下，高股息率为投资者提供安全边际保障。

• 股息率作为稳定现金流信号，其表现虽不算最佳选股因子，但重要性不可忽视。

- 图形波动较大，暗示股息率在市场定价中的不确定性。 [page::4]

图3 & 图4：板材和长材行业三费（销售、管理、财务费用率）趋势（第5页）

• 三条线分别代表销售费率（蓝）、管理费率（红）、财务费率（绿）。

- 两图显示三类费用率自2010年以来整体曲线呈下降趋势，尤其2016年后管理费用率达到峰值后大幅下降。

• 管理费用率常年位列最高，反映管理效率和成本控制在钢铁企业中的关键地位。

- 销售费用率相对稳定，财务费用率波动较大，体现借贷条件和资本结构调节。

• 费用走势对应2016年供给侧改革和市场调整周期。 [page::5]

表2 & 表3（第6-7页）：板材与长材行业因子回测统计

• 多维度因子检验包括RankIC（相关系数）、RankICIR（年化稳定性）、多空年化收益及多头年化超额收益。

- 板材行业：盈利环比（roettmqoq）因子RankIC达0.05，年化多头超额收益15.4%，管理费用率（adminexpratio）表现稳定。BP估值因子表现优于EP。产能扩张及质量等因子表现负面。

• 长材行业：盈利环比因子效果更强（RankIC 0.08），管理费用率效果弱于板材但仍有效，销售费用率表现优异。

- 二者因子相关性矩阵低，因子构建适合等权加总，避免因子高度重复。 [page::6-7]

图5 & 图6（第8页）：板材及长材综合因子多头组合累计超额收益

• 图示综合因子及其组成单因子多个多头组合表现累积超额收益。

- 板材行业中，roettmqoq单因子表现最佳，但综合因子收益更稳定。

• 长材行业中综合因子整体超额收益表现明显且持续上扬，表现优于部分单因子。

- 体现综合因子在平衡各维度信息、稳健超额收益上的优势。 [page::8]

图7（第9页）：特钢行业管理费用率走势

• 显示特钢行业管理、财务、销售三类费用率趋势。

- 管理费用率明显高于板材、长材，达年中最高约6.5%，反映该行业对管理capex及研发投入需求大。

• 自2017年后费用率持续下降，可能反映行业降本增效或经营环境变化。 [page::9]

表8（第10-11页）：特钢行业因子回测统计

• ROETTM波动率（盈利稳定性）与成长性因子（营收增速环比）呈正相关，管理费用率同样贡献显著超额收益。

- 研发投入因子表现一般，数据频率限制明显。

• 综合因子收益虽稍逊单个最优管理费用率因子，但整体超额收益更加稳定。

- 展示了多因子综合策略依据市场逻辑的有效性。 [page::10]

图8（第11页）：特钢综合因子多头组合累计超额收益

• 综合因子表现较为平稳，累计超额收益最高达约7倍起点，体现盈利稳定与成长及费用管控三因子结合优势。

- 高频超额收益波动符合周期成长股特性。 [page::11]

图9（第12页）：铁矿石优选组合与中信铁矿石指数对比

• 蓝色线为优选金岭矿业、大中矿业等两只高纯度铁矿石股，红线为中信铁矿石指数。

- 优选组合收益整体低于行业指数，尤其2021年以后明显落后。

• 行业指数受成分内非铁矿石主营股（如鄂尔多斯）提振表现，优选组合更加专注主营领域但收益折中。

- 意味着纯粹标的选取虽提升标的质地，但不一定带来超额收益。 [page::12]

图10（第13页）：子行业选股综合策略表现

• 综合多子行业策略组合（绿线）累计收益远超中信钢铁指数（蓝线）及行业指数（红线）

- 显著提高超额收益，且收益曲线稳定上升，无明显回撤，显示策略稳健。

• 体现组合分散以及因子有效性的叠加效果。[page::13]

图11（第13页）：子行业择时+选股综合策略表现

• 结合择时信号，实现年化超40%，远高于其他策略。

- 主动择时增强了投资表现，表明市场周期切换对钢铁行业影响巨大。

• 策略累积收益曲线大幅领先，投资价值明显。 [page::13]

图12（第14页）：一级行业择时策略表现

• 行业择时模型结合策略提升月度超额胜率至83%，从62%跃升，风险控制与收益稳定性显著提升。

- 行业择时辅助多因子选股策略，综合收益更为稳健，建议全程跟踪用作行业配置工具。 [page::14]

---

4. 估值分析

本报告未涉及传统估值模型（DCF、市盈率倍数法）直接运用，但因子因包括BP、EP均为估值因子，反映市场估值风格影响。BP因子表现优于EP，显示周期行业中市净率估值比盈利估值更有效。组合因子采用简单等权加权，无复杂估值敏感度分析说明。估值判断更多体现在因子贡献和整体选股策略收益表现中。[page::3,6]

---

5. 风险因素评估

• 模型失效风险明确提醒：所有基于历史数据建立的量化模型在未来环境变化下存在有效性下降风险。

- 市场政策风险隐含：钢铁行业强周期性和政策导向性使得盈利模式和估值结构可能出现突变，影响模型表现。

• 数据及样本限制：铁矿石子行业因样本稀少难以深度建模，存在数据可靠性风险。

- 无具体风险缓释建议，提示投资者提高警惕。[page::0,15]

---

6. 批判性视角与细微差别

• 因子选择的先验性与数据驱动的结合是一种合理方法，但在样本规模小的子行业，因子稳定性仍有较大不确定性。

- 铁矿石标的优选虽提升标的纯度，但实际组合表现不佳，反映单一维度选股不足以保证超额收益，需结合行业景气度等其他维度。

• 综合因子在某些情形下收益不及单因子（如特钢管理费用率），显示等权合成未必总最优，缺乏敏感度分析。

- 模型高度依赖历史数据，较少考虑宏观政策、技术突破等非财务因素的影响，潜在影响因子解释力。

• 分析对研发费用因子的低频数据限制有识见，但未尝试频率转换或替代指标可能错失部分成长信号。

- 报告中未详细说明交易成本、换手率对实盘策略实现的影响，可能导致实际收益偏离回测。[page::2-15]

---

7. 结论性综合

本报告围绕钢铁行业中板材、长材、特钢三大子行业，采用结合钢铁行业特性的基本面量化选股方法，精选盈利环比变化、管理费用率、估值（BP）、成长性及盈利稳定性等核心因子进行建模。通过去极值、市值中性化处理及因子相关性分析，采用等权加权合成综合因子，实证验证其具备稳定的超额收益和收益稳定性。具体而言：

• 普钢子行业利润周期性强，盈利能力较低，盈能力环比提升及费用控制能力（管理费用率）是选股核心，低估值是配置安全边际重要指标，综合因子带来约15%的年化多头超额收益。

- 特钢作为周期成长混合型行业，盈利稳定性和成长性带来主要alpha，营收增速环比变化及盈利波动率、管理费用率合成因子可实现年化约17%多头超额收益。

• 铁矿石由于成分股稀少，采用主营业务占比直接筛选优质标的，虽然收益未超行业指数，但保证组合业务纯度。

- 行业内优选子行业标的组合回测表现优异，收益显著超过行业指数与基准， CAGR远超市场平均水平。

• 子行业选股与子行业择时结合极大放大了收益，并通过叠加行业一级择时，最大化策略的收益稳定性和超额胜率，月度超额收益胜率由62%提升至83%。

- 量化因子和策略依赖历史数据，存在模型失效风险提醒，整体框架适合行业内深度选股与配置提升，需注意模型更新和策略回测稳健性。

图表展示充分支撑了各因子的逻辑和预测的有效性，是本报告的强力支撑载体，特别是因子回测、费用率趋势及综合策略收益曲线，均显示本策略具备较强的稳健性和实际应用潜力。[page::0-15]

---

附：报告重要图片索引（均为相对路径）

• 图1 普钢ROETTM分位数

- 图2 普钢股息率分位数

• 图3 板材三费对比

- 图4 长材三费对比

• 图5 板材综合因子累计超额收益

- 图6 长材综合因子累计超额收益

• 图7 特钢行业管理费用率

- 图8 特钢综合因子累计超额收益

• 图9 铁矿石标的优选指数表现

- 图10 子行业选股综合策略表现

• 图11 子行业择时+选股综合策略表现

- 图12 择时策略表现

---

综上，本报告通过翔实的实证数据和合理的因子构建，有力论证了钢铁行业内选股在提升行业配置收益的有效性，结合择时信号的多层策略为投资者提供了业绩稳健优异的量化投资框架。

报告