行业Beta值与收益差异分析 [page::2]

• 银行和农林牧渔行业Beta因子均较低，但农林牧渔行业收益高居行业前列，银行行业收益低迷。

- 说明行业内具有显著不同的收益构成，单纯从Beta角度无法完全解释收益差异。

行业股票数、市值分布及地域行业分布 [page::3][page::4]

| 省份 | 行业1 | 数量 | 行业2 | 数量 | 行业3 | 数量 | 行业4 | 数量 | 行业5 | 数量 |
|--------|-------------|------|-------------|------|-------------|------|-------------|------|-------------|------|
| 上海 | 计算机 | 24 | 房地产 | 23 | 机械 | 21 | 基础化工 | 21 | 交通运输 | 19 |
| 内蒙古 | 基础化工 | 5 | 有色金属 | 4 | 医药 | 3 | 煤炭 | 2 | 钢铁 | 2 |
| 广东 | 电子器件 | 93 | 机械 | 45 | 医药 | 43 | 计算机 | 42 | 通信 | 37 |

• 银行和非银金融行业市值占比最高，机械、基础化工和医药行业的上市公司数量居多。

- 不同省份具有特定行业聚集特征，反映自然资源和产业聚集效应。

行业因子显著性与绩效比较 [page::5]

• 大部分行业因子的t值显著度和绝对平均值显著高于风格因子。

- 风格因子夏普比率和信息比率表现优于行业因子，展现更稳定的收益。

• 行业因子波动大，构建稳定行业轮动策略难度较大。

简单行业因子与纯行业因子收益定义及性质 [page::6][page::7]

| 组合名称 | 市场因子 | 交通运输 | 传媒 | 农林牧渔 | 医药 | Beta | 市值 | 动量 | 波动率 |
|--------------|----------|----------|--------|----------|--------|-------|--------|--------|--------|
| 市场因子 | 1.000 | 0.036 | 0.024 | 0.019 | 0.066 | | 0.000 | 0.000 | 0.000 |
| 交通运输 | 0.000 | 0.964 | -0.024 | -0.019 | -0.066 | | 0.000 | 0.000 | 0.000 |
| 传媒 | 0.000 | -0.036 | 0.976 | -0.019 | -0.066 | | 0.000 | 0.000 | 0.000 |
| 农林牧渔 | 0.000 | -0.036 | -0.024 | 0.981 | -0.066 | | 0.000 | 0.000 | 0.000 |

• 简单行业因子收益是行业实际收益减去市场收益（带截距）。

- 纯行业因子组合在风格因子暴露为0，但对其他行业因子有暴露，是做多该行业同时做空市场的对冲组合。

• 不加截距的纯行业因子收益等于加截距纯行业因子收益加市场收益。

行业的风格偏离及收益拆解分析 [page::8][page::9][page::10]

• 大多数行业在多种风格因子上存在明显偏离，表现出各行业独特风格特征。

- 2019年来，农林牧渔行业纯行业因子贡献收益显著，风格因子贡献较低。

• 银行业收益主要受行业因子和风格因子双重负面影响，其中Beta负暴露显著拖累收益。

- 行业因子在组合收益归因中不可忽视，单纯观察风格因子暴露容易得出片面结论。

市场近期行情及行业表现回顾 [page::12]

• 上周A股市场总体普涨，偏向大盘价值股。

- 沪深300成长指数和中证100指数涨幅领先，380成长及价值指数涨幅偏后。

• 行业涨幅前三为家电、通信和煤炭，部分行业如商贸零售、房地产表现疲软。

市场风格因子表现及趋势分析 [page::13][page::14]

• Beta因子持续强势，表现优于其他风格因子。

- 规模、长期动量、波动率等因子近期表现较弱，存在较大波动。

• 高Beta和前期涨幅股票表现较佳，大规模、高换手、高波动股票面临回撤压力。

指数风险预测与收益归因 [page::15][page::16][page::17]

• 预测未来一个月指数年化波动率介于22%-31%之间，风险水平稳定。

- 大小盘、成长及价值指数存在显著风险差异，中小市值成长股风险较高。

• 表现最佳指数风格以大盘、低非线性规模因子暴露为主，表现较差指数偏中小市值及高非线性规模暴露。

- 指数风格因子暴露差异显著影响指数短期表现。

财通证券“拾穗”多因子系列报告（第10期）详尽分析报告

---

1、元数据与报告概览

• 报告标题：“行业的风格偏好：解析纯行业因子组合”（“拾穗”多因子系列第10期）

- 作者：陶勤英（分析师，SAC证书编号S0160517100002）、张宇（研究助理）

• 机构：财通证券股份有限公司

- 发布日期：2019年4月23日

• 主题：本报告深入探讨A股市场的行业因子（尤其是纯行业因子）与风格因子之间的关系及其对行业和整体市场收益的影响，重点分析为何Beta因子相似的银行和农林牧渔两个行业却表现出截然不同的收益表现，涵盖行业因子与风格因子显著性、收益拆解、行业风格偏离、市场风格解析、指数风险预测及指数成分收益归因。

- 核心观点：
- 银行和农林牧渔行业在Beta因子暴露都显著为负，但二者收益排名差异巨大，主要源于纯行业因子的不同贡献。
- 行业因子的统计显著性（t值）远高于风格因子，但行业因子组合的夏普比率低于风格因子，表明行业轮动策略构建今后难度大。
- 纯行业因子与简单行业因子间的区别及其对收益归因的重要影响。
- 市场风格呈现高Beta及前期涨幅股票获得超额收益。
- 指数未来波动区间处于22%-31%，中小盘及成长类指数波动较大。
- 行业因子在组合收益归因中不可忽视，单纯依赖风格因子分析是不充分的。

• 报告结构：序言和投资要点→目录→行业因子深入解析→市场行情回顾→风格因子解析及风险预测→指数收益归因→附录→声明

[page::0,1,2]

---

2、逐章节深度解读

---

2.1 行业的风格偏好：解析纯行业因子组合

2.1.1 相似的Beta，不相似的收益

• 数据揭示银行和农林牧渔行业的Beta因子暴露都较低（图1显示银行和农林牧渔Beta均低于1），但收益表现迥异：农林牧渔行业收益显著高于银行且排名靠前，银行收益靠后。

- 该现象引发行业收益来源的深度探讨：收益是来源于行业因子还是风格因子？

• 重点追问：行业在不同风格因子上的偏好，及行业收益拆解成纯行业和纯风格收益的比例。

（图1展示Beta与收益双Y轴柱状与折线图，银行行业Beta最低同时收益负，农林牧渔Beta较低但收益率高。）

[page::2]

2.1.2 行业股票数量、市值及地区分布

• 概览不同行业上市公司数量和市值分布，银行和非银金融虽上市公司少，却市值绝对领先（图2）。

- 股票数量最多的前三行业为机械、基础化工和医药。

• 地域分布与行业关联显著，如内蒙古、山东等地基础化工较多，长三角地区以机械行业公司丰富（表1）。

- 地区行业情况映射有助匹配行业特性与市场表现。

（图2为股票数量和流通市值双轴柱线图，银行市值第一；表1详列各省份前五行业及数量分布。）

[page::3,4]

2.1.3 行业因子与风格因子显著度及绩效比较

• 多因子模型回归结果显示，行业因子对股票收益的解释能力明显优于风格因子：

- 行业因子t值显著比例均 >50%，平均绝对t值 5.3；
- 风格因子显著比例和t值均低得多（图3）。

• 行业因子信息比率（年化收益/波动率）普遍低于风格因子（图4）。

- 结论：行业因子影响明显但方向不稳定，风格因子信息比率高且表现较稳健，反映行业轮动策略构建困难。

（图3为红色柱状t值显著比例，折线为t值绝对均值；图4为行业及风格因子信息比率条形图，风格因子表现相对更优。）

[page::5]

2.1.4 简单行业因子与纯行业因子收益

• 简单行业因子模型：行业因子采用0-1暴露，单一截距项与行业因子完全共线。常用约束是行业收益的市值加权均值为0，以求唯一解。

- 公式推导显示，带截距项的简单行业因子收益 = 行业实际收益 - 市场收益（行业实际超额收益）；不带截距项的简单行业因子收益即行业实际收益本身。

• 纯行业因子组合定义为在风格因子上的暴露为0，但不保证对其他行业因子的零暴露，导致其可视为对冲组合（行业做多，市场做空）。

- 表2展示市场因子、3个纯行业因子、4个纯风格因子组合的因子暴露，纯行业因子在非本行业上的暴露不为零，纯风格因子与其他因子暴露均归零。

• 结论：

1. 不加截距项的简单行业因子收益等于行业实际收益；
2. 加入截距项的简单行业因子收益为行业超额收益；
3. 加入截距项的纯行业因子收益为行业超额收益净化风格风险后的部分；
4. 不加截距项的纯行业因子收益为加入截距项纯行业因子收益加市场收益。

该部分阐释了行业与风格因子收益拆分的方法论基础，揭示了因子组合构建的数学关系及实际解读。

[page::6,7]

2.1.5 行业的风格偏离

• 分析2019年4月12日各行业在不同风格因子（Beta、规模、动量、波动率、流动性等）的暴露度（图5以表格形式呈现）。

- 行业风格暴露普遍明显，银行和农林牧渔均表现出Beta曝露为负，计算机、传媒、非银金融则偏高；规模因子与行业市值相关显著。

• 通过收益拆解模型，将行业收益区分为市场、行业和风格因子贡献，市场因子贡献对所有行业相同，重点比较行业与风格因子部分。

- 图6显示2019年起至4月中旬，市场因子贡献收益高达34.62%，农林牧渔和非银金融行业分别获得24.26%和13.63%收益，远超风格因子收益中的最高Beta的5.4%。

• 图7进一步验证估计收益（市场+行业+风格）与实际中信一级行业指数收益的高度相关（95%），支持模型的有效性。

- 图8揭示具体行业纯行业因子收益与纯风格因子收益分布：农林牧渔的收益主要来源于行业因子，而银行业风格因子和行业因子均为负收益，负的Beta暴露是银行市场表现偏弱的原因之一。

结论明确指出：仅依赖风格因子归因忽略行业因子的影响会导致误判。行业自身特质对收益贡献关键而且差异突出。

[page::8,9,10]

2.1.6 小结

• 银行与非银金融行业市值最大，机械、基础化工和医药行业股票数量居首；

- 行业因子在t值显著性上远高于风格因子，但行业因子策略夏普比率较低，反映策略构建难度；

• 行业因子的截距项及其收益拆分明晰，纯行业组合在风格因子暴露为零的定义下的含义与收益表现得到详细阐释；

- Beta因子相似的银行与农林牧渔两个行业因纯行业因子收益差异而导致收益截然不同；

• 行业因子不可忽视，不能单独根据风格因子对组合收益下结论。

[page::11]

---

2.2 一周行情回顾

• 市场呈普涨态势，风格上稍偏大盘价值。

- 沪深300成长指数领涨（周涨4.86%），380成长和380价值指数涨幅仅约0.7%。

• 行业涨跌排名中，家电、通信和煤炭涨幅靠前，商贸零售和房地产表现较弱。

图9、10分别展示主要指数及中信一级行业的周收益，直观反映市场和行业表现差异。

[page::12]

---

2.3 市场风格解析及指数风险预测

2.3.1 市场风格解析

• 采用Barra模型构建的多风格因子（Beta、规模、动量、波动率、非线性规模、BP、流动性、盈利、成长、杠杆）收益-风险归因模型。

- 风格因子收益分为日度累计和周度收益，两者高度一致（表3、图11）。

• 近一周，Beta因子反弹，非线性规模持续负收益，动量重挫。

- 最近一个月风格因子净值（图12）和累计收益（图13）显示：
- 高Beta和前期涨幅较高股票表现好；
- 大规模、高换手率、高波动股票面临更大回撤风险。

[page::13,14]

2.3.2 指数风险预测

• 使用多因子矩阵分解技术，将风险分解为共同因子风险与特质风险，并结合成分股权重估计指数整体波动。

- 未来一个月（2019.4.19-2019.5.23）指数年化波动预测区间为22%-31%（图14），与上周持平。

• 成长与中小板指数风险较大，大盘价值指数风险较小。

- 样本覆盖率高，指数成分股中90%以上股票纳入模型（图15），保证风险估计的广泛代表性。

[page::15,16]

---

2.4 指数成分收益归因

• 对上周表现最好的三只指数（沪深300成长、中证100、上证50）和最差的三只指数进行因子暴露分析（图16、图17）。

- 表4汇总主要指数风格因子暴露情况：
- 表现优异指数多为大盘股，非线性规模因子暴露度较低；
- 表现较差指数偏中小股，因非线性规模因子暴露较大导致收益下滑。

• 结论：市场风格的切换明显，投资者应关注指数因子配置的差异。

[page::16,17]

---

2.5 附录

• 附录一列示了使用的指数样本池，涵盖A股内主要规模和风格指数。

- 附录二详细阐述了风格因子的定义、计算方法及权重设置，如Beta采用半衰指数加权252天日度收益回归，规模为总市值对数，动量为过去累计收益率（剔除最近一个月），波动率包含DASTD、CMRA、HSIGMA，流动性等因子均作了市值正交处理。

这些细节确保了模型设计的严谨性和适用性，利于正确理解报告内数据指标的构造方式。

[page::17,18]

---

2.6 信息披露与免责声明

• 分析师声明独立职业操守。

- 公司资质合规，具备证券投资咨询资格。

• 评级体系明晰（买入至卖出，行业评级增持至减持）。

- 免责声明详述报告的使用限制和法律责任范围。

• 版权归属声明，强调报告的严肃性和合法使用。

[page::19]

---

3、图表深度解读

图1：不同行业Beta值及收益（2018.12.28-2019.4.12）

• 分类行业Beta值（柱状）与对应行业收益（折线）对比。

- 银行和农林牧渔Beta类似且低，收益却相差甚远。农林牧渔收益高达约60%，银行却录得负收益，直接印证报告论点。

• 说明单靠Beta难以解释行业收益差异。

---

图2：行业股票数量及市值分布（2019.4.19）

• 横轴行业，左轴显示股票数量（折线），右轴显示流通市值（柱状）。

- 银行市值最高，而股票数量不多；机械、医药数量多但市值次之。显示市值与股票数量差异明显。

• 支持行业结构对股票特性及指数影响的理解。

---

表1：不同省份包含上市公司前五行业及数量

• 多省份详列各省主要行业排名及数量分布，反映各地行业特色及聚集效应。

- 例如内蒙古以基础化工、有色金属多见，上海偏向计算机、房地产。

---

图3：行业及风格因子t值显著比例和平均绝对值

• 红柱为行业因子里回归t值显著比例，稳步在50%-80%之间；

- 蓝线为对应t值绝对均值，行业均在4至7之间，高于风格因子的普遍水平。

• 体现行业因子解释收益的统计优势。

---

图4：行业及风格因子的信息比率

• 各因子年化收益/波动率的比率，评估因子投资绩效品质；

- 风格因子普遍高于行业因子，反应行业因子方向不稳定性。

• 说明风格因子投资策略更容易获得持续回报。

---

表2：纯行业因子组合和纯风格因子组合在各因子上的暴露大小

• 描述不同因子组合间的交叉暴露关系，标明纯行业因子在本行业外存在小幅负暴露。

- 纯风格因子保持与其他行业/风格因子暴露为0，符合定义。

• 为理解纯因子组合设计和回归多重共线性提供基础。

---

图5：行业的风格偏离（2019.4.12）

• 真实数值数据表格式展示各行业在各类风格因子上的暴露情况。

- 明显显示不同行业偏好，例如，银行负Beta暴露且高规模暴露，农林牧渔负Beta但动量暴露为正且波动率高。

• 辅助定位行业特质及其对收益的影响。

---

图6：行业因子和风格因子收益（2018.12.28-2019.4.19）

• 红色柱状为行业因子收益，蓝色为风格因子其中一因子（Beta）。

- 市场因子大幅领先；农林牧渔与非银金融行业因子表现最佳，收益明显优于风格因子贡献。

• 强调行业因子对整体收益贡献的主导作用。

---

图7：估计收益与实际收益相关性

• 折线图展示模型估计收益与实际行业指数收益高度同步，相关系数达95%。

- 验证模型拆解的有效性和适配性。



---

图8：行业收益拆解：纯行业贡献及纯风格贡献（2019年）

• 红色柱状为纯行业贡献，蓝色折线为纯风格贡献。

- 农林牧渔行业纯行业贡献显著，负Beta未阻碍其收益，而银行风格和行业贡献均负，印证其表现不佳。

• 提示组合收益分析不可忽视多层面因子贡献。

---

图9、图10：一周主要指数及行业收益

• 反映市场整体行情和行业板块表现差异。

- 指数多个成长与大盘指数领涨，行业内家电通信煤炭强，商贸零售和房地产弱。




---

表3、图11：纯风格因子收益与对比

• 显示日度累计和周度收益一致性，同时演绎Beta因子回暖，非线性规模和动量因子承压。

表3节选的具体数据反映该周内因子收益走势。



---

图12、图13：最近一个月风格因子净值及累计收益

• 多风格因子净值走势呈现波动，其中Beta和成长表现良好，规模动量等相对弱势。

- 累计收益指标强调高Beta、历史上涨的股票表现相对稳健，而规模大、波动大、换手率高的股票风险回撤风险加大。




---

图14：未来一个月指数年化波动预测

• 展示样本指数未来一个月风险区间在22%-31%之间，造市告知风险水平保持平稳，成长及中小板指数风险更高。

---

图15：收益回归/风险预测样本股票占比

• 图表显示所有指数成分股和权重均高比例纳入回归分析，保证模型充分利用数据，减少样本偏差。

---

图16、图17：上周表现最好与最差指数因子暴露

• 使用雷达图对比“沪深300成长”、“中证100”、“上证50”等大盘指数与最差表现三指数风格因子暴露。

- 拘泥于非线性规模因子暴露是两者表现分化的重要因素。




---

表4：各指数在风格因子上的暴露程度

• 详细数值反映主要风格因子在多指数上的暴露状况，辅助透视风格偏好与收益表现的内在联系。

---

4、估值分析

本报告主要为多因子风格与行业因子分析，未涉及具体的公司估值模型和目标价预测，不包含DCF或市盈率估值计算内容，属于体系型风格策略与行业因子回归分析。

---

5、风险因素评估

• 风险提示明确强调历史统计数据有局限性，市场风格变化可能导致模型失效。

- 投资者需谨慎看待模型预测与投资决策的匹配度。

---

6、批判性视角与细微差别

• 报告客观深入，但行业因子与风格因子风险收益特性差异较大，提出行业轮动策略难度提醒，也间接指出仅靠纯统计显著性进行策略设计存在风险。

- 对于非线性规模及截距项影响的理解较为技术性，需投资组合经理具备相关数学背景。

• 报告中对行业贡献和风格贡献的假设建立在特质收益对组合贡献近似为零，实际市场中该假设可能因个股表现差异出现偏差。

- 指数风险预测基于当前样本股票权重，模型外样本或市场极端变化可能对预测准确性构成挑战。

• 收益归因虽详细，未重点讨论宏观经济、政策等非量化因子对行业收益的影响。

---

7、结论性综合

本报告通过广泛的数据分析和数学建模，提出了以下关键认识：

1. 行业因子在解释A股市场收益波动上表现显著优于风格因子，行业本身对收益的贡献不容忽视。 报告数据显示行业因子t值显著度高，且行业因子收益贡献明显，特别是农林牧渔行业收益极大地来源于其纯行业因子而非风格因子，令同Beta值的银行业收益大幅分化。
2. 行业的风格偏好明显且多样化，各行业在Beta、规模、动量等多种风格因子上存在不同偏离，导致不同组合的收益表现截然不同。 报告通过图表展示各行业具体偏离度，为投资者理解行业轮动与风格因素的共生关系提供了依据。
3. 纯行业因子与简单行业因子的数学区别及收益拆分给出系统理论基础，清晰界定了行业因子组合策略的构建逻辑和投资信号解读。 通过截距项的引入及纯因子组合设计，确保组合在控制风格暴露时保留行业特质。
4. 单一依赖风格因子进行投资归因面临高风险，应同时考虑行业因子作用以全面理解策略表现。 报告警示投资者不可忽视行业因子，尤其在分析组合相对收益时更需综合视角。
5. 近期市场风格表现以高Beta股票收益突出，指数波动区间稳定，但中小盘、成长类指数风险较大，投资环境复杂。 未来一个月的市场风险处于中高水平，投资者需警惕波动风险。
6. 指数成分收益归因分析表明大盘与中小盘指数在非线性规模等因子的暴露不同，是指数表现差异的根本原因。 投资者应关注风格因子配置的差异性，调整自身策略以适应市场风格轮动。

本报告通过严谨的多因子分析、详实的数据支持和系统模型运用，为投资者理解复杂的行业风格因子关系、指导组合构建和风险管理提供了宝贵参考。强调行业因子对收益贡献的重要性与风格因子不同的统计特性，有助于构建更具稳健性的量化投资策略。

---

总结性溯源引用

报告论述及数据均详见财通证券“拾穗”多因子系列报告第10期全文，核心内容主要源自[page::0-19]。

# End of Analysis.

报告