• 行业景气度模型构建框架 [page::0][page::1][page::2]

- 以宏观经济指标、产业链供需成本及行业基本面指标为输入，分为基本面同步景气指标和领先驱动指标。
- 应用多元线性回归构建行业综合景气预测模型，观测环比景气变化实现前瞻行业指数走势。
- 涵盖采掘、化工、有色金属等上游行业，逻辑清晰、指标丰富。

• 同步及领先指标选取与示例分析 [page::3][page::7][page::9][page::11]

- 采掘行业同步指标：ROA、毛利率、营业收入同比增长，领先指标如波罗的海干散货指数(BDI) [page::7][page::8]
- 化工行业同步指标：毛利率、销售费用比，领先指标如滚动市盈率(TTM) [page::8][page::9]
- 有色金属行业同步指标：毛利率、扣非净利润/净利润，领先指标如M1同比数据 [page::9][page::10][page::11]

• 行业综合景气预测模型回归效果与周期预测 [page::12][page::13][page::14]

- 多元回归模型拟合R²分别为采掘0.42，化工0.57，有色金属0.39。
- 最新预测显示9月采掘行业景气度预期涨幅近7%，化工及有色金属亦呈上涨趋势。
- 行业景气度环比增长排序：采掘>化工>有色金属。

• 基于景气度构建的行业轮动策略设计及表现 [page::14][page::15][page::16]

- 策略覆盖申万一级27行业，月频调仓，以板块内及全行业打分加权得分排序。
- 每月超配得分最高的5个行业，回测区间2007.1-2021.8。
- 策略年化超额收益达9.02%，各年份均保持非负超额收益，且回撤显著降低。
- 9月最新推荐超配行业：有色金属，商业贸易，电气设备，银行，机械设备。

• 量化因子构建与策略总结 [page::5][page::6][page::17][page::18]

- 采用多元线性回归模型综合领先指标构建行业综合景气度，是策略核心量化因子。
- 领先指标覆盖宏观、产业链多方面，保障模型前瞻性和稳定性。
- 策略实证结果充分显示量化行业景气因子轮动具有良好的投资价值。

广发金融工程：景气视角下的行业轮动策略——详尽分析报告

---

一、元数据与概览

• 报告标题：《精选量化研究系列之九：景气视角下的行业轮动策略》

- 作者及机构：广发金融工程研究团队，广发证券发展研究中心

• 发布时间：2021年9月9日

- 研究主题：基于行业景气度视角构建量化行业轮动策略，具体验证覆盖申万一级全部27个行业，重点剖析上游行业。

报告核心摘要

报告旨在重构行业轮动的量化框架，从行业基本面景气出发，构建领先指标支持的综合景气预测模型，最终形成行业轮动策略。策略聚合了宏观经济、行业基本面及产业链信息，有效捕捉行业景气度变化，以实现前瞻性行业配置。

• 策略基于行业“景气度环比涨幅”进行排序，采用板块内部与全行业双重评分加权（7:3），超配得分最高的5个行业。

- 回测区间覆盖2007年1月至2021年8月，策略实现全样本外稳定超额收益，年化超额收益率达9.02%，风险调整表现优异。

• 结合最新一期模型，推荐9月超配行业包括：有色金属、商业贸易、电气设备、银行与机械设备。

- 风险提示强调模型依赖历史量化数据，对极端市场情形可能失效。

总体看，报告展现了一个较为系统、科学的量化行业轮动构建思路，强调基本面逻辑与宏观产业链数据的结合，[page::0,14,15,17]

---

二、逐节深度解读

2.1 报告引言与行业轮动框架概述（第0-1页）

• 关键论点：建立完善的行业轮动框架需分析宏观环境、行业景气度及微观变化三大维度，前几期报告已解决宏观驱动及行业景气度分析问题。本篇着眼于申万一级所有行业的汇总，并以行业景气度的变化为核心设计轮动策略。

- 逻辑推理：宏观经济指标如GDP、PMI等为行业景气基础，结合行业需求、供给和成本，形成景气指标，进一步映射至行业指数表现。量化手段有助于多指标融合，解构行业动态。[page::0,1]

• 图1详解（第1页图）：

- 展示宏观指标（经济指标、货币政策、财政政策、通胀水平）通过需求、供给、成本影响行业利润（毛利率、产品价格），最终形成行业景气指标。
- 行业结构涵盖上游（采掘、化工、有色金属）、中游（材料与工业）、下游（商业与消费），支持行业重构、事件驱动和量化模型构建。
- 该框架体现因果链路及各层逻辑紧密联系，为后续模型搭建提供理论基础。[page::1]

2.2 景气指标与领先指标构建（第2-5页）

• 本质区分：同步景气指标反映企业盈利、成长等与行业指数的同步关系，但滞后；领先驱动指标则包括宏观经济因子、产业链变量等，能提前驱动基本面变动，对行业指数形成前瞻信号。
• 建模流程：

1. 选取解释度高的同步景气指标（盈利、ROA、毛利率等）。
2. 识别驱动同步指标的领先指标（宏观、产业链数据如产量、价格等）。
3. 通过多元线性回归将领先指标拟合为综合景气预测模型。
4. 对各行业综合景气度环比变动进行横向比较，驱动轮动策略设计。

• 产业链指标体系包括需求、供给、成本、销售渠道等，配合宏观指标形成完备数据库，并考虑数据发布频率（月频为主）及滞后处理。
• 数学模型：

\[
Yi = ai + \sum{n=1}^N \betai xi + \varepsiloni
\]
其中，$Yi$为行业i综合景气度，$xi$为领先指标变量，多元回归系数$\beta_i$反映指标影响权重。[page::2-6]

• 图3和图4说明：

- 描述领先指标怎样驱动需求、供给、成本等基本面，影响企业利润，进而传导至行业指数表现。
- 图示行业景气传导链条清晰，强调微观与宏观变量的桥接作用。[page::2,3]

2.3 行业案例分析（第7-11页）

• 采掘行业：

- 同步指标主要包括ROA、毛利率、营业收入同比增长。
- 领先指标示例：电煤价格指数、波罗的海干散货指数（BDI），BDI体现全球航运活动，反映产业链供需紧张度和前期需求变化。
- 图6 & 7展示指数与ROA及BDI的相关走势，体现领先指标能有效前瞻行业表现。[page::7,8]

• 化工行业：

- 同步指标包括毛利率、销售费用率。
- 领先指标较多，举例滚动市盈率（TTM），反映市场对该行业盈利预测与估值水平。
- 图8 & 9体现指标与行业指数的关联和动态相关性。

• 有色金属行业：

- 同步指标为毛利率、扣非净利润比等，反映盈利质量。
- 领先指标包括M1同比增长（月度货币供应），用以衡量货币宽松程度，是行业需求驱动的重要宏观信号。
- 图10 & 11展示指标与指数走势对比，支持领先指标的预测性作用。

总结以上，报告通过回归及相关性筛选，找到了能代表行业基本面且具有前瞻性的指标组合，为综合景气度模型构建提供坚实依据。[page::7-11]

2.4 综合景气预测模型构建与结果（第12-14页）

• 依托前述筛选的领先指标，使用多元线性回归构建每个行业的综合景气度，拟合优度分别达到：

- 采掘行业：R²约0.42
- 化工行业：R²约0.57
- 有色金属行业：R²约0.39

• 图12-14分别对应3个行业的行业指数与综合景气度走势，均显示较强的拟合关系，且最后阶段预测景气度均呈上升趋势，反映2021年9月看多预期。
• 图15集合比较三者最新环比增长，显示采掘行业领先，预期涨幅接近7%，其后为化工和有色金属，均处向上拐点。

这些图表直观支撑了模型构建的有效性和可操作性，预测指标与实际指数走势紧密呼应。[page::12-14]

2.5 全行业轮动策略设计与历史表现（第14-16页）

• 策略设计：

- 基于申万27个一级行业，剔除“综合”类。
- 以月末综合景气度数据为输入，分别执行分板块与全行业两层排序，打分范围1至10，最后加权合成行业得分（7:3权重）。
- 按得分排序，选出得分最高的5个行业进行超配，超配为等权重。
- 交易成本假设为双边0.3%。

• 回测结果（2007年初至2021年8月）：

- 策略年化超额收益达9.02%，相较于行业等权基准有显著超额表现。
- 最大回撤显著改善，且全回测年份均保持非负超额收益。
- 图16中红线（轮动策略净值）持续提升，远超灰色基准净值，蓝柱反映月度超额收益，波动合理。
- 分年度超额收益（图17）表明策略胜率高，且多数年份正超。

• 策略最新超配组合（第16页）展现了动态行业配置的实用价值，为实际投资提供有力指引。[page::14-16]

2.6 总结与风险提示（第17-18页）

• 强调深化行业景气度作为轮动策略核心，融合宏观与产业链指标，辅以稳健的回归模型，能有效识别行业盈利及成长趋势。

- 策略以月度定期调仓、景气环比涨幅排序为核心，历时15余年表现稳定，兼顾逻辑严谨与量化回测。

• 最新推荐行业显著包括有色金属、商业贸易、电气设备、银行及机械设备，反映当前行业景气分布。

- 风险提示明示模型依据历史量化数据，面对宏观剧烈变动和风格突变存在失效风险，建议投资者结合自身判断。

• 法律免责声明表明本报告及内容不构成投资建议，仅供参考。[page::17-19]

---

三、图表深度解读

图1（第1页）——行业轮动框架结构图

• 描述宏观经济指标经过需求、供给、成本三个维度驱动行业毛利率及产品价格，从而影响行业景气度及其市场表现。

- 支撑文本中关键概念，即行业景气度的形成需要聚焦宏观环境与产业链上下游逻辑，强化行业内部分细及全行业对比。

图2（第1页）——行业个股分布

• 展示各行业成分股数量及流通市值占比，蓝色柱代表股数占比，红色柱代表流通市值占比。

- 反映行业规模差异，有色金属、银行等行业流通市值占比较大，策略侧重考虑大市值行业更具影响力。

图3 （第2页）与图4（第3页）——景气指标研究流程与传导路径

• 图3阐明如何从宏观经济、货币财政政策及通胀视角，选择领先指标进行回归拟合，提炼综合景气度。

- 图4则细化了影响行业景气的具体传导链路，区分同步景气指标与领先驱动指标，突出消费需求与供给、成本的驱动功能。

图6-7 （第7-8页）——采掘行业典型指标动态

• 图6显示采掘行业指数与ROA指标走势高度同步，说明ROA为关键的基本面同步景气指标。

- 图7显示波罗的海干散货指数具备较强的领先特性，提前反应行业供需变化，对趋势预测有指导价值。

图8-9 （第8-9页）——化工行业指标表现

• 销售费用比指标与化工指数基本同步（图8），滚动市盈率则在部分时间点超前行业走势（图9），亦是较有效领先指标。

图10-11（第10-11页）——有色金属行业指标表现

• 毛利率显著反映行业盈利同步变化（图10），而M1同比作为宏观领先指标呈现较强领先性（图11），捕获需求层面的宏观驱动。

图12-14（第12-14页）——综合景气度模型拟合效果

• 各行业综合景气度与对应指数走势高度一致，拟合度较好，显示模型对行业周期捕捉能力强，具备实用前瞻功能。

- 不同阶梯的R²体现了模型对各行业的适配差异。

图15（第14页）——上游行业最新景气度环比增长对比

• 直观显示采掘行业领先，增长约7%，其后为化工和有色金属均呈向上拐点，强调行业景气驱动顺序。

图16-17（第15-16页）——行业景气轮动策略表现

• 图16表现策略净值累计上涨，超额收益持续，回撤较低且可控，验证了策略稳健性。

- 图17分年度超额收益显示策略在绝大多数年份实现正超额，风险收益特性优异。

---

四、估值分析

报告并未直接涉及公司个股估值，而重点在行业层面构建量化景气预测模型及轮动策略，利用领先指标多元线性回归形式拟合行业综合景气度，并以此驱动行业配置。

因而估值方法主要体现在以下方面：

• 领先指标通过统计相关性筛选，确保其对行业基本面景气的解释力；

- 多元线性回归模型通过数学形式将领先指标定量转化为行业综合景气度，体现行业内在盈利成长水平；

• 模型拟合优度（R²）作为估值模型有效性的衡量尺度。

报告着重评价了模型的拟合能力和预测精度，无涉及传统股票估值模型（如DCF或市盈率倍数法）及相应估值水平。

---

五、风险因素评估

报告明确提示的风险因素：

• 历史数据依赖性风险：模型严格基于历史资产价格与基本面数据，且计量关联基于稳定的经济运行环境。

- 极端市场环境变化风险：在宏观政策快速变化或市场风格剧烈扭转时，模型预测可能失效，导致策略表现下降。

• 数据滞后与采样频率问题：虽设计了月频调仓与数据校准，但部分指标数据更新滞后，可能影响模型灵敏度。

风险提示无详细风险缓解策略，仅要求投资者结合自身判断使用结果。

---

六、批判性视角与细微差别

• 模型依赖关系与潜在缺陷：

- 模型核心为多元线性回归，假设领先指标与行业景气间的关系线性且稳定，然而经济动态可能非线性且随时间变化。
- 部分领先指标与行业间存在共线性、异方差等问题未明确说明，可能影响稳健性。

• 行业覆盖限制：

- 主要侧重上游行业示例，虽然报告覆盖全行业但对中游、下游行业的深度剖析不足，未来研究可加强行业全貌。

• 数据来源和时效性：

- 指标主要来自Wind数据库，数据质量依赖原始统计，其缺失或误差对模型结果影响需进一步讨论。

• 表格与图片层面：

- 部分图表没有具体数值刻度和检验统计（如显著性水平），影响公式及模型信度评估的完整性。

总体而言，报告对中国市场行业景气轮动提供了合理量化框架，但仍需警惕模型的固有线性假设与宏观经济多变性。

---

七、结论性综合

本报告细致呈现了一个结构清晰、理论与数据扎实结合的量化行业轮动策略构建路径：

1. 核心逻辑：通过构建双类指标库——基本面同步指标与领先驱动指标，用多元线性回归整合成为综合景气预测模型，提升行业景气判断的前瞻性和准确性，抓住行业景气变化带来的投资机会。
2. 具体实践：以申万一级行业为框架，精选行业代表指标，特别在采掘、化工和有色金属行业做了深度剖析，展示指标选择、模型拟合及预测效果，验证景气度与行业指数间的高度相关。
3. 策略表现：策略以景气度环比增长排名为核心，辅以板块内及全行业双重排序，精选超配组合，回测效果突出。自2007年起至今稳定获得正向超额收益，风险控制优异，体现策略的稳健性与实用价值。
4. 最新超配行业：结合2021年9月模型数据，有色金属、商业贸易、电气设备、银行和机械设备被推荐超配，体现市场景气热点。
5. 方法学优势与不足：

- 优点：立足基本面，融合宏观多层数据，数学模型清晰，数据驱动强。
- 缺点：模型假设简化，部分指标更新滞后，宏观突变情境风险未充分对冲。

1. 图表贡献：

- 图1-4奠定理论框架，图6-11凸显指标洞察力，图12-14证明模型有效性，图15呈现行业动态，图16-17验证投资策略稳定性。

综上，报告为投资者提供了一套逻辑严密、效果验证良好的行业轮动量化工具，推荐结合实际市场状况灵活运用，谨慎防范模型局限与极端风险。

---

参考文献与标注

所有关键结论均基于报告第0-19页具体内容，引用详见对应页码标记。[page::0-19]

---

备注：本报告系对广发金融工程研究之《景气视角下的行业轮动策略》报告的深度解析与解读，意在帮助专业投资者全面理解报告方法与结论，辅助量化与行业轮动策略的实际应用。

报告