行业配置是超额收益重要来源 [page::1]

• 超额收益主要来源于择时（资产配置）、行业配置和个股选择，行业配置贡献显著。

量化行业配置模型的多维研究方向 [page::2]

• 基本面包括宏观驱动与盈利估值视角，中观比较分析业绩预期差，技术面使用模式匹配，结合投资者行为。

宏观大类行业板块划分及历史表现 [page::4][page::5]

• 七大板块：上游、中游、必选消费、可选消费、防御、TMT、金融地产。

- 必选消费、可选消费和金融地产长期跑赢市场，上游和TMT个别年份表现突出。

宏观视角行业配置策略表现 [page::7]

• 2010-2020年周期分明，年化超额收益6.3%，2017年后随着机构影响力提升策略表现改善。

盈利估值视角下行业轮动逻辑与业绩弹性预期差因子构建 [page::8][page::11]

• 通过业绩质量定位→估值发现业绩弹性预期差→投资者情绪把握买点。

- 高业绩弹性预期差行业组合（G5）年化超额9.02%，结合情绪买点超额收益提升至11.18%。

技术面：基于模式匹配的行业配置策略 [page::14][page::17]

• 找出相似历史行情状态，预测未来行业表现。收益率窗口等参数综合加权提升策略稳定性。

• 2010-2020年回测，策略实现年化超额收益5.75%，信息率0.81，趋势行情表现更佳。

行业趋势动量模型：截面动量+时序动量+止损机制 [page::19][page::20]

• 利用行为金融学三阶段解释支持趋势持续，模型月度收益稳定性和风险控制优于传统动量模型。

投资者行为视角：公募基金持仓与行业配置的重要性 [page::22][page::23]

• 公募基金持仓规模持续扩大，重仓股在持仓中占比超过40%。

- 基金重仓股因子指数显著跑赢基准，行业配置显著影响基金超额收益。

投资者行为的逆向配置及多维综合策略表现 [page::24][page::25]

• 逆向配置（低配净增仓、超配净减仓）表现更好。

- 多指标综合视角下多头组合年化收益率22%，信息比率1.3，2020年超额收益达41.5%。

2021年行业配置模型最新观点及建议 [page::28][page::30]

| 模型视角 | 主要推荐行业 |
| -------- | ------------ |
| 宏观基本面 | 金融、地产、周期上游、可选消费 |
| 业绩估值比价 | 非银金融、电力及公用事业、机械 |
| 模式识别 | 食品饮料、国防军工、煤炭、传媒 |
| 趋势视角 | 有色金属、电力设备及新能源、国防军工、消费者服务、医药 |
| 公募持仓多维综合 | 食品饮料、家电、银行、消费者服务、电力设备及新能源 |

• 国防军工首次多模型推荐，周期消费及部分防御板块为重点关注对象。

- 风险主要来自宏观政策及市场预期波动 [page::28][page::30]

量化策略专题研究 —— 量化行业配置模型体系及最新观点详尽分析报告

---

一、元数据与报告概览

报告标题： 量化行业配置模型体系及最新观点
作者及机构： 中信证券研究部 量化与配置团队
发布日期： 2021年1月11日
主题范围： 本报告深度解读量化投资领域中的行业配置模型体系，涵盖宏观、基本面、中观、技术面和投资者行为等多角度的行业配置策略分析与实证研究，提供模型表现及应用的最新观点，服务于投资者构建科学的行业资产配置框架。

核心论点：

• 行业配置是资产配置中的重要一环，超额收益的三大来源包括择时（资产配置）、行业配置和个股选择，行业配置作为微观结构与宏观经济的纽带，是实现超额收益关键环节之一。[page::1]

- 通过宏观层面的周期与非周期启动判别，中观层面的业绩估值视角，技术层面的模式匹配与趋势延续，以及投资者行为的机构配置信号，实现系统化量化行业配置。

• 多角度模型均展示出显著的历史超额收益，且2020年投资者行为视角的配置模型表现尤为突出。报告提供最新的行业配置建议和相关风险提示。

---

二、逐节深度解读

2.1 为什么研究行业配置（第1页）

报告指出超额收益主要来自三个来源：择时（资产配置）、行业配置和个股选择，其中行业配置占据重要地位，具有相对确定性和可操作性。图示饼图清晰表达此三大来源的相对贡献，反映行业配置作为“超额收益三大来源”中的核心一环，强化了对行业轮动和配置策略研究的价值和必要性。[page::1]

---

2.2 量化行业配置模型的研究方向（第2页）

模型研究涵盖三个维度：

• 基本面视角

- 宏观驱动：通过自上而下寻找板块景气度的宏观驱动力量。
- 盈利与估值视角：中观层面对盈利预期差的比较与估值定价的挖掘。

• 技术面视角

- 历史重演与模式匹配：利用技术手段匹配市场历史相似状态预测未来。
- 强者恒强及截面与时序动量结合。

• 投资者行为视角

- 公募基金行业配置行为信号的提取与利用。

该体系理论架构完整，涵盖了自上而下和自下而上、定性与定量多重视角的量化分析思维，有利于捕捉不同市场环境下的行业超额机会。[page::2]

---

2.3 宏观驱动（第4-7页）

2.3.1 板块划分（第4页）

基于2005年1月至2019年7月的聚类分析，结合经济逻辑，提出七大板块划分：

• 上游（石油石化、煤炭、有色金属）

- 中游（基础化工、钢铁、建筑等）

• 必选消费（食品饮料、医药、农林牧渔）

- 可选消费（消费者服务、纺织服装、商贸零售等）

• 防御（交通运输、电力及公用事业）

- TMT（电子、计算机、通信、传媒）

• 金融地产（银行、非银行金融、房地产）

此分类结合了行业间的经济属性差异，为后续行业配置构建宏观框架，同时强调了部分行业聚类结果违背常规认知需调整的经济合理性。[page::4]

2.3.2 历史表现（第5页）

图表显示2005-2019年各大类行业相对中证全指的表现。

• 必选消费、可选消费、大金融等长期跑赢市场，如必选消费累计超额收益高达703.14%。

- 周期性板块（上游、中游）虽长期跑输，但在个别年份（如2007年上游超额收益66.9%、2013年TMT超额收益53.93%）表现抢眼。

• 行业组合构建采用月度再平衡方法，权重按行业流通市值占比分配，确保策略的市场代表性。

此数据进一步表明板块配置应动态调整，结合周期与非周期特征，增强模型适应性。[page::5]

2.3.3 配置逻辑（第6页）

核心Alpha来源为业绩相对优势：

• 经济增速上行，周期类板块业绩弹性更大表现相对优越，如上游、中游、可选消费；

- 经济增速下行，非周期类板块表现更稳定，具备防御属性。
同时TMT板块受风险偏好变化驱动显著，表现与市场情绪密切相关。
大金融板块（银行、地产）受政策周期影响显著，其业绩表现滞后于政策预期，宏观择时难度加大。

以上逻辑反映了宏观视角下行业轮动模型应基于经济周期属性差异、市场情绪及政策变量综合判断。[page::6]

2.3.4 策略表现（第7页）

2010-2020年，宏观视角行业配置策略年化超额收益达6.3%。
自2017年起，机构话语权提升，基本面溢价增强，策略表现进一步加强。
图示净值曲线显示策略净值领先中证全指，且大幅超过市场多阶段波动，表现稳健且渐近优势突出。

总结来看，宏观基本面视角具备中长期投资价值，且在结构性行情中表现尤为优异。[page::7]

---

2.4 中观比较 —— 业绩估值视角（第8-12页）

2.4.1 轮动框架（三层金字塔模型，第8页）

提出“业绩-估值-情绪”三级框架：

• Step 1：先通过业绩定位公司质量；

- Step 2：再通过估值判断未被市场充分反映的业绩弹性预期差；

• Step 3：最后结合投资者情绪把握业绩预期差的修复时点。

该框架强调业绩为根本，估值为过程，情绪为加速器，体现了量化行业轮动逻辑的完整路径。[page::8]

2.4.2 业绩趋势优于绝对业绩（第9页）

通过对行业成长差“成长偏离度”的时间序列标准化，形成成长偏离度指标。
高成长偏离度行业组合（G5）相对中证全指年化超额7.17%，信息比率0.87，风险控制良好。
该指标有效捕捉行业相对超额成长弹性，强调纵向趋势的重要性，避免盲目比较绝对业绩水平。[page::9]

2.4.3 估值陷阱预警（第10页）

报告通过TTM市盈率（PE）及市净率（PB）分组分析，发现：

• 无论是绝对低估值（PE、PB最低）还是相对低估值（PE、PB分位数最低）的行业，超额收益表现不明显或有限。

- 估值是“股价的绳子”，股价波动受其牵引但估值自身往往落后于业绩变化。

提示模型择时中过分依赖估值指标可能陷入“估值陷阱”，应辅以业绩指标更准确地把握赛道趋势。[page::10]

2.4.4 业绩弹性预期差及策略表现（第11-12页）

定义业绩弹性预期差为成长偏离度减去估值偏离度。
高业绩弹性预期差组合（G5）历史年化超额9.02%，信息比率1.16，超越单纯成长偏离度组合；加入投资者情绪（近1个月换手率减近1年换手率）买入时点判断后，年化超额进一步提升至11.18%，信息比率达到1.03。

该策略细化了行业轮动的买卖时点，反映了市场情绪在行业择时中的重要作用，同时表现也提示业绩与情绪叠加更有市场适用性。[page::11,12]

---

2.5 技术面篇 —— 模式匹配（第14-17页）

2.5.1 模式匹配基本逻辑（第14页）

基于“相似市场状态未来表现相似”的假设，筛选历史中相似的行业收益率模式，参考其未来市场表现预测当前市场的表现。
通过设置相关性阈值，确定相似交易期，形成定量可执行的模式匹配依据。

此策略体现了历史重演的市场经验主义假设，结合量化框架提供可落地的行业配置模型。[page::14]

2.5.2 案例解析（第15页）

2009年4月的煤炭有色金属行情通过模式匹配匹配到2007年8月的相似阶段，均表现了“中游行情向上游行情转移”的市场运行逻辑——工业生产需求提升驱动原材料价格上涨，验证了模型不仅捕捉表面收益率特征，同时映射基本面驱动。

此案例强化对模型解释力和实际应用价值的信心。[page::15]

2.5.3 子策略多元加权及策略表现（第16-17页）

结合不同参数（窗口长度、阈值等）的子策略组合，依照累计净值权重进行泛投资组合加权，实现策略稳定性与表现提升。
2010年-2020年实证显示，模式匹配策略年化超额收益为5.75%，信息率0.81，优势体现在趋势行情中，Beta端贡献显著。

综合多个参数避免单一参数过拟合风险，有利于模型稳健运行。[page::16,17]

---

2.6 行业趋势篇（第18-20页）

2.6.1 行为金融视角下的趋势形成与延续（第18页）

揭示趋势行为的三阶段心理解释：

• 趋势形成：投资者对新信息反应不足，锚定效应、处置效应和现状偏差导致趋势启动。

- 趋势延续：羊群效应推动更多行为者跟随趋势，形成强化。

• 趋势终结：价格偏离基本面过度，最终回归价值区域。

结合心理学理论解释趋势动量的形成机制，为动量模型的金融市场表现提供理论基础。[page::18]

2.6.2 截面动量+时序动量+止损机制（第19-20页）

图表显示传统截面动量在波动与回撤控制上存在局限，加入时序动量和止损机制后：

• 年化收益率由20.99%提升至32%；波动率由31.29%降低至25.94%；夏普比率和最大回撤均优于对比组。

- 月度收益表现更为稳健，减少月内大幅负收益月份比例，提高正收益月份稳定性。

该策略改善了风险控制，增强了动量因子的收益质量，为行业趋势配置提供有力工具。[page::19,20]

---

2.7 投资者行为篇（第21-25页）

2.7.1 机构话语权的提升（第22页）

数据显示2009至2020年间，公募基金净资产和A股持仓显著扩张，截至2020年三季度公募净资产达17.98万亿元，A股持仓3.87万亿元，机构投资者对市场影响力日益加深。

机构资金动向作为行业配置信号的重要来源日益凸显，为量化模型提供良好基石。[page::22]

2.7.2 行业配置的Alpha贡献（第23页）

• 基金重仓股占全部持仓比例高（超40%的基金比例超过50%），重仓行为时效性及操作性强。

- 公募基金重仓股因子指数长期稳定跑赢各大基准指数，体现行业配置对超额收益贡献更大于个股选择。

• 行业配置与个股选择超额收益正相关，行业效果更为显著。

强调了研究投资者机构配置行为对量化行业配置模型构建的重要性。[page::23]

2.7.3 逆向配置的表现（第24页）

多个图显示：

• 超配组合表现明显优于低配组合；

- 净增仓组合收益明显高于净减仓组合；

• 低配净增仓及超配净减仓组合显示“错配”效果，相对表现较差；

- 净增仓下跌行业与净减仓上涨行业组合表现对比，验证资金流动对行业轮动信号价值。

数据强烈指向逆向配置行为“含金量”更足，为模型设计提供逆势信号或仓位调整策略借鉴。[page::24]

2.7.4 综合视角策略表现（第25页）

综合多指标构建多头行业组合实现：

• 2009年至2020年10月期间，年化收益22.0%，超额11.2%，信息比率1.3，季度胜率约66.7%。

- 2020年表现尤为突出，年化超额收益高达41.5%。

• 净值曲线稳定提升，实证效果显著，强化了公募持仓行为视角下的行业配置策略有效性。

该综合策略为量化行业配置体系提供了强有力的实践验证。[page::25]

---

2.8 行业配置模型近期表现及最新观点（第26-28页）

2.8.1 2020年表现总结（第27页）

• 机构投资者行为视角的行业配置模型表现最优，年化超额41.5%；

- 宏观基本面和趋势视角的模型也表现优异，分别实现16.0%和13.3%的超额收益；

• 中观业绩估值和模式匹配模型表现相对较弱，出现跑输基准的情况。

此差异反映不同模型对市场环境适用性的差异，强调多模型结合的必要性，避免单一模型失效风险。[page::27]

2.8.2 2021年行业配置建议（第28页）

五大模型推荐行业存在差异且有交集：

• 宏观基本面偏好金融地产、周期上游（煤炭、有色、石油石化）和可选消费（家电、汽车）。

- 业绩估值视角建议关注非银行金融、电力及公用事业、机械等。

• 模式匹配视角推荐食品饮料、国防军工、有色金属、煤炭、传媒等。

- 趋势视角偏好有色金属、电力设备及新能源、国防军工、消费者服务、医药等。

• 投资者行为视角则集中于食品饮料、家电、银行、消费者服务、电力设备及新能源。

报告强调近期国防军工首次被多模型推荐，显示周期与新兴行业并举的配置思路，指明超级行业混合配置方向。[page::28]

---

2.9 结论与投资建议（第30页）

• 顺周期行业持续为多模型共同看好方向，如有色金属、食品饮料为3模型推荐。

- 消费者服务、家电、电力设备及新能源、煤炭、国防军工等获得至少两个模型支持。

• 风险方面主要揭示模型风险、宏观及行业政策调整风险与市场预期波动，提醒投资者关注系统性风险与模型适用边界。

- 鼓励结合历史报告继续深入行业轮动模型研究。

---

三、图表深度解读

以下对报告中主要图表示例进行解读：

1. 超额收益三大来源饼图（第1页）

清晰展示行业配置在择时、个股选择中的比重，图形对比直观表达了量化行业配置价值的重要性。

1. 各大类板块历史表现走势图（第5页）

实际收益随时间演变，必选消费和大金融呈长期上升趋势，周期类板块波动较大，明显体现周期性属性。图示辅助理解不同板块的收益分布与周期相关性。

1. 经济增长周期下上游与必选消费轮动（第6页）

结合经济增长因子与板块收益显示必选消费与周期上游在不同阶段的相对表现，说明宏观经济驱动下的行业轮动逻辑。

1. 业绩弹性预期差与投资者情绪下行业行业轮动策略（第12页）

净值稳定提升，超额收益显著，突显了情绪指标在行业轮动择时中的增益功能。

1. 模式匹配策略净值曲线（第17页）

显示策略通过历史相似行情匹配有效实现超额收益，波动及回撤多低于基准指数，证明模型稳定性和实战可行性。

1. 行业趋势模型收益与回撤对比（第19页）

传统动量与综合模型对比，综合模型控制最大回撤更佳，波动性更低，大幅提升收益风险比。

1. 投资者行为视角基金持仓及重仓股表现（第22-23页）

数据展示公募基金持仓规模快速攀升，重仓股因子指数表现显著优于基准，强化投资者行为分析价值。

1. 2020年各行业配置模型净值表现（第27页）

投资者行为视角曲线明显领先，宏观和趋势模型紧随，中观和模式匹配相对落后，符合策略性能评价。

1. 2021年各模型行业配置建议表（第28页）

清晰对比各模型推荐行业，直观反映共识和分歧，有助模型组合使用。

---

四、估值分析

报告主要通过业绩弹性预期差导出的盈利与估值比价视角进行定量估值分析，指出：

• 估值本身为结果，过度依赖估值指标（PE、PB）判断低估易陷估值陷阱；

- 结合盈利增速趋势与估值偏离度构造的预期差指标，为强化估值判断提供动力学视角；

• 融入投资者情绪辅助配置买入时机，提升择时能力。

虽然报告涉及时序动量、模式匹配等非估值指标，核心估值逻辑基于价值投资视角，对不同估值比较的陷阱和应用范围进行了细致分析，强化了业绩驱动和估值辅助的定价框架。

---

五、风险因素评估

报告明确提及下述主要风险：

• 模型风险：所有模型基于历史数据和统计假设，未来表现受市场环境和政策变化影响。

- 宏观和政策风险：行业政策和宏观经济调整可能突然改变行业盈利和估值预期，影响配置策略效果。

• 市场预期风险：投资者风险偏好和行为可能出现剧烈波动，带来情绪与情绪指标失效的风险。

报告未详细说明缓解策略，但模型间交叉验证、多维角度融合即为降低模型单一风险的重要缓冲。

---

六、批判性视角与细微差别

• 报告强调业绩驱动优先，但对估值指标的否定过于绝对，估值仍为重要风险管理工具，建议保留补充性判断地位。

- 模型表现虽整体良好，但2020年中观业绩估值和模式匹配模型表现不佳，显示模型的市场环境适用性存在差异，应关注动态调整和风险防范。

• 投资者行为视角成效显著，但未来可能受市场结构变化或监管政策影响，该视角信号的持续性风险需谨慎考量。

- 大金融板块择时问题提示宏观模型面临现实政策效应滞后和信息不完全的挑战，相关模型的实时性和敏感性需要加强。

• 组合的多模型综合共识建议较为保险，但同时不同模型建议内部存在明显差异，如何权衡与动态调整尚需实践。

---

七、结论性综合

本报告系统梳理了量化行业配置模型的理论架构、构建逻辑和实证表现，涵盖宏观基本面、中观业绩估值、技术模式匹配、趋势延续与投资者行为五个核心篇章。重点结论包括：

• 行业配置是实现资产配置超额收益的关键来源之一。聚焦板块经济属性划分，结合周期性与非周期性行业动态调整配比，宏观基础扎实，长期表现稳定。

- 业绩弹性、估值偏离和投资者情绪结合的中观模型有效捕捉行业轮动核心信号，在择时和行情拐点把握表现优异；仅依靠估值指标会面临估值陷阱风险。

• 技术面模式匹配模型利用历史“相似行情”进行前瞻性配置，实证显示策略稳定，尤其适用于趋势行情，但对非趋势行情适应性较弱。

- 行业趋势模型通过截面动量叠加时序动量与止损机制，大幅提升风险调整后收益并控制了最大回撤。

• 投资者行为篇揭示公募基金持仓数据丰厚信号，逆向配置行为富含Alpha，多维综合策略年化超额达11%以上，2020年表现尤为亮眼。

- 2020年，投资者行为视角行业配置策略最优，宏观基本面与趋势策略表现次之，其他策略表现欠佳，提示市场环境影响显著。

• 2021年行业配置建议体现多模型共识与差异，顺周期及防御兼顾，尤其国防军工首次多模型支持，反映产业政策和市场关注热点的变化。

综合来看，报告构建的量化行业配置体系理论严密，实证充分，且结合多角度、多模型动态调整，通过结构化分析和模型综述，建立起对中国A股行业配置的全面认知，具有较强应用价值。同时，报告对估值陷阱和模型风险保持合理警惕，配以详细数据和图表支撑，反映出良好的研究严谨性。

---

附录：重要图表示例展示

• 超额收益三大来源饼图（第1页）

• 各大类板块收益走势图（第5页）

• 宏观视角行业配置策略净值（第7页）

• 业绩弹性预期差与投资者情绪择时策略（第12页）

• 模式匹配策略净值曲线（第17页）

• 行业趋势综合模型风险收益对比（第19页）

• 公募基金规模及持仓（第22页）

• 投资者行为视角行业组合净值（第25页）

• 2020年各模型净值对比（第27页）

---

综上，报告通过逻辑严密的量化行业配置模型结构、丰富的大样本历史实证、细致的情绪和行为分析，系统阐述了行业配置在中国市场的有效路径和策略表现。同时以风险提示提醒投资者客观看待模型局限。整体是一份理论结合实证、数据支撑充分的高质量量化策略研究报告。[page::1,2,4-28,30]

报告