2023Q4及2024Q1万得全A及非金融ROE预测 [page::1][page::9]

• 预测2023Q4万得全A与非金融ROE分别为7.82%和7.27%，2024Q1分别为7.64%和7.19%，较上月预测有所下调，但整体盈利指标显示ROE开启上升趋势，支撑行业轮动策略。[page::1][page::9]

基本面量化框架及剩余收益模型 [page::3][page::4]

• 采用剩余收益模型，将公司价值拆分为账面价值加未来剩余收益现值，结合财务报表及分析师预期，构建基于ROE的行业景气度和盈利预测体系。[page::3][page::4]

行业轮动策略2024年初至今超额收益表现 [page::5]

• 行业轮动相对收益@基本面+量价组合年初以来实现7.57%的超额收益，重点配仓有色金属、石油石化、钢铁、纺织服装、银行和券商。[page::5]

宏观三周期分析：人口、产能与库存周期下行，盈利见底回升 [page::10][page::11]

• 人口周期自2010年顶峰回落，产能周期2021三季度见顶，库存周期同期见顶且回落，综合判断企业盈利于2023第三季度触底开始回升。[page::10][page::11]

中信一级行业动态景气度及产业链分析 [page::20][page::24][page::25]

• 基于财务数据、分析师预期和产业链投入产出，构造多维度行业景气度指标。当前景气度最高行业包括有色金属、石油石化、钢铁和纺织服装；产能扩张明显的行业有基础化工、电力设备及新能源、汽车和计算机。[page::20][page::24][page::25]

行业估值及估值分化趋势 [page::26][page::27]

• 市场整体估值持续处于历史极低位置，万得全A PB分位数为0.10%；行业估值分化指数显示估值分化程度下降后趋于平稳，食品饮料等行业估值仍较高。[page::26][page::27]

机构调研热点及关注度行业 [page::28][page::29][page::30][page::31]

• 当前机构关注度主要集中在非银行金融、传媒、综合金融等行业。钢铁、非银行金融、交通运输、通信、传媒行业热度持续攀升，机构持仓持续配置这些行业。[page::28][page::29][page::30][page::31]

行业交易拥挤度监测及流动性状况 [page::17][page::32][page::33]

• 交易拥挤度指标包括流动性、成分股扩散、波动率和成分股一致性。当前银行触发拥挤阈值，纺织服装和建筑处于持续拥挤状态，整体拥挤信号较少，暗示市场风险相对可控。[page::17][page::32][page::33]

单行业基本面量化示范：银行与证券行业择时策略 [page::36][page::37][page::38]

• 银行业基于信贷业务的量价质分析，利用风险调整净息差指标进行择时，当前处于利率上行阶段，看多银行做空万得全A。证券行业基于分业务营收增速策划择时策略，当前看多证券行业做空万得全A。[page::36][page::37][page::38]

风险提示 [page::40]

• 量化模型基于历史数据总结，未来可能失效。模型未考虑宏观环境、政策及突发事件变化，投资需结合定性分析和具体情形。[page::40]

证券研究报告详尽分析报告

——《行业轮动超额收益显著，看好大市值高分红国企基本面量化模型跟踪》中信建投证券，2024年02月04日

---

1. 元数据与概览

• 报告标题：《行业轮动超额收益显著，看好大市值高分红国企基本面量化模型跟踪》

- 作者及机构：王程畅（SAC编号S1440520010001）、徐建华（SAC编号S1440523100002），中信建投证券股份有限公司

• 发布日期：2024年2月4日

- 主题：基于基本面量化模型的A股行业轮动策略，重点关注大市值高分红国企，尤其是以上证50成分股为代表的国有企业，及中信一级行业配置推荐。

核心论点与评级：
报告认为当前A股市场整体盈利预测向下调整，市场已偏离历史规律，估值处于极低水平。基于基本面和量价信号的行业轮动策略2024年以来表现优异，远超万得全A指数7.57%的超额收益，重点看好有色金属、石油石化、钢铁、纺织服装、银行及券商行业。
无具体目标价，但行业配置持“看多”立场。风险提示量化模型可能失效，需关注宏观政策和突发事件。[page::0,1]

---

2. 逐节深度解读

2.1 摘要

• 盈利预测与市场情绪：

- 预测2023Q4万得全A整体ROE为7.82%，非金融股ROE7.27%；2024Q1预计分别为7.64%和7.19%。预期下调，反映市场悲观情绪，但当前估值（PB分位数0.10%）处于历史低点。
- 财务及分析师数据均指示产能和人口周期处于下降阶段，库存周期上行，但整体向2023Q4开始盈利回升。

• 行业配置亮点：

- 通过调研组合与多维指标判断，有色金属、石油石化、钢铁、纺织服装、银行及券商景气度较高。煤炭行业PB分位数突破50%，显示市场反应相对较高。
- 机构关注热点偏向非银金融、传媒及综合行业，钢铁、非银等行业机构关注度有提升。

• 风险

- 量化模型基于过去数据，历史有效不代表未来，存在失效风险。
此摘要明确行业推荐逻辑和整体市场判断。[page::1]

2.2 基本面量化框架

• 报告引用权益类资产定价理论和剩余收益模型阐述价值投资框架。

- 权益估值公式基础上，分解“价值”、“质量”、“市场”三大维度，质量包含盈利能力、盈余质量、资产结构，市场维度包含市场参与者信号、价格及情绪。

• 重点解释剩余收益模型（Residual Income Model），强调公司价值由账面净资产加未来剩余收益现值组成，着重净资产回报率（ROE）的预测。

- 具体用式子表达价值计算，以理性预期为基础，将ROE相较于资本成本的超额收益折现后加上账面资产，提供估值理论基础。
该模型是后文ROE预测及行业配置的理论支柱。[page::3,4]

2.3 行业轮动策略业绩与逻辑

• 图表显示，2024年初至今， 基于基本面+量价的行业轮动策略（红线）明显跑赢万得全A指数（蓝线），累计超额收益7.57%。

- 行业轮动策略核心在于多维度分析中信一级行业，动态调整持仓。

• 通过Wind-PMS组合公开，投资者可追踪具体持仓和历史表现。

策略实证显示量化模型在当前市场表现较好，支持核心观点。[page::5]

2.4 A股ROE及财报进度跟踪

• 报告详细介绍了财报、快报、预告及分析师预期数据发布时间表，强调结合三者提高盈利预测的时效和准确性。

- 建立预测框架：先预测净利润，再推算季度ROE，通过合成法计算中信一级行业整体盈利状况。

• 历史数据及最新分析师预期显示，2023Q4及2024Q1全A和非金融ROE下降，基于20年均值偏低，反映出市场整体盈利预期谨慎。

这些数据支持策略选股基于盈利预测的逻辑。[page::7,8,9]

2.5 经济周期与中国三大周期分析

• 历史五轮康波周期，典型周期时长为40-60年周期，周期分繁荣、萧条、回升等阶段。当前处于2008年-2020年康波衰退期，未来或由大数据和人工智能引领新康波。

- 中国特有的三大中短周期模式：人口周期自2010年达到峰值并下滑，产能周期自2021Q3见顶回落，库存周期2021Q3见顶持续回落至2023Q2。

• 基于人口学队列模型，核心劳动力和年龄结构均显示下降趋势，影响长期经济增长。

- 利用柯布-道格拉斯生产函数，论证技术进步与资本、劳动力共同驱动GDP增长，人口下降导致GDP增速进一步减弱，从而压制企业盈利及股市估值增长。
这些宏观周期为行业盈利与估值走势提供宏观基础。[page::10,11,12,13]

2.6 市场波动率与成交额分析

• 数据显示，上证50、沪深300期权VIX波动率抬升，反映市场预期未来波动增强。中证500和中证1000也显著抬头，收益率具有明显预期正向。

- 商品期权波动率中，黄金与铜处于历史低位，玉米、豆粕为中枢水平，显示不同资产波动特征分化。

• 市场成交额近期处于低位震荡，表明整体交易活跃度不足。

- 交易拥挤指标呈现，流动性、成分股扩散、波动率及成分股一致性信号较弱，市场拥挤度较低，暗示调整空间有限。
波动率和成交额分析佐证市场估值底部环境与投资机会。[page::14,15,16,17,32,33]

2.7 中信一级行业产业链与行业生命周期分析

• 通过2018年国家统计局投入产出表计算感应度系数、影响力系数、上游度等九个产业链指标，评判行业地位和产业链上下游关系。石油石化、煤炭、有色金属、钢铁等处于产业链上游，影响力大。

- 产业链梳理示意图展示各行业上下游关系及相互依赖，体现经济结构层次分布。

• 公司层面，基于现金流量中的战略投资净额衡量产能扩张状态。2023年基础化工、电力设备及新能源、汽车、计算机行业产能扩张显著，表明活跃度较高。

- 行业生命周期角度，战略投资净额增速数据揭示不同行业扩张或收缩阶段，为配置选择提供时间维度参考。
产业链与生命周期剖析为行业基本面量化模型提供结构和动态依据。[page::20,21,23]

2.8 行业景气度

• 报告提出基于三层次景气度构造体系：微观的财务复合指标、分析师预期修正、中观行业基本面量化修正。

- 统计数据显示，有色金属、石油石化、钢铁、纺织服装4个行业景气处于领先，煤炭景气度强但估值高。

• 景气度时间趋势显示景气从2022年上游向中下游扩散，当前仍聚焦上游周期行业。

- PB-ROE关系分析中，食品饮料、计算机等成长行业估值偏高，行业估值分化指数进入平稳期，表明估值分化回归理性。
景气度指标成为行业资产配置决策的核心参考。[page::24,25,26,27]

2.9 机构调研热度及市场关注

• 机构调研频率显示“非银行金融”、“传媒”、“综合”等行业机构关注较高。

- 机构调研内容词云反映热点聚焦于“品牌”、“产能”、“毛利率”、“新能源”、“蓝宝石”等关键词，标明关注公司成长性与盈利质量。

• 调研领域中“钢铁”、“非银行金融”、“交通运输”、“通信”、“传媒”板块关注度显著提升，反映资金轮动趋势。

- 基于调研问答记录，机构轮动策略最新持仓围绕煤炭、机械、非银行金融、交通运输与传媒行业，保持稳定仓位。
机构调研数据辅助验证行业配置有效性和资金关注趋势。[page::28,29,30,31]

2.10 低频交易拥挤度与策略应用

• 报告采用四个低频拥挤指标（流动性、成分股扩散、波动率及成分股一致性）判断行业拥挤度。

- 触发阈值信号和持续信号对市场热点度和资金流入提供预警。

• 当前银行行业处于触发阈值并且持续拥挤状态，纺织服装和建筑行业也显示拥挤状态。

- 拥挤行业通常预示短期波动趋势，结合基本面提升行业轮动策略的风险控制。
交易拥挤指标为量化择时和风控工具提供重要辅助。[page::32,33]

2.11 单行业基本面量化详解

银行业

• 业务结构包括信贷业务（70%营收）、中间业务（20%营收）、投资和其他。

- 关键分析指标为贷款总量及增速（量）、净息差（价）、信用减值（质），综合衡量风险调整后收益。

• 利润表勾稽关系展示信用风险对银行ROE影响，实体企业偿债能力变化直接影响银行资产质量。

- 银行业择时策略利用利率趋势：利率上升时看多银行相对万得全A，反之亦然。当前处于利率上升阶段，看多银行。

证券业

• 业务覆盖经纪、投行、自营、资管和信用，均与市场活跃密切关联。

- 择时模型基于分业务营收增速差值，增速上升时做多证券板块，当前信号仍倾向买入。
单行业量化为策略构建提供精细化因子和风险管理。[page::35,36,37,38]

2.12 风险提示

• 模型目前仅基于机构调研、拥挤度及历史数据，未充分考虑宏观环境、政策调整及黑天鹅事件。

- 历史规律不保，未来模型失效风险存在，特别是在突发不可预见事件时应结合主观、定性分析。

• 建议投资者审慎使用策略，结合基本面和宏观形势综合判断。

风险提示体现研究报告的谨慎性和合规要求。[page::40]

---

3. 重要图表解读

3.1 价值投资模型与剩余收益模型（图3-4）

• 通过公式展示权益定价依据净资产回报率及资本成本，明确了公司价值由账面价值和未来超额收益构成的理论基础。

- 该理论弥补现金流贴现模型不能直接利用财务报表信息的不足，方便结合行业与公司数据进行量化分析。

• 视觉上，图3流程清晰展现信息对股票价值的三个维度影响，图4公式明确印证估值方法的严谨性。[page::3,4]

3.2 行业轮动相对收益曲线（图5）

• 红线（行业轮动）连续跑赢蓝线（万得全A）且灰色区域（超额收益累计）明显扩张，印证量价结合的轮动策略有效提升收益。

- 曲线小幅波动显示策略在不同市场环境中的动态调整能力，有效利用行业景气度变化。

• 支持报告中强调的“量价+基本面”多维指标行业配置策略的现实表现优异。[page::5]

3.3 A股盈利跟踪计划和预测框架（图7-9）

• 图7详细展示财报发布节点，加快业绩预期的时间敏感性，有助快速调整盈利模型。

- 图8流程图说明如何优选数据来源层级（财报>快报>预告>分析师预期）做季度净利润和ROE预测，增强精准度。

• 图9时间序列图展示ROE预测与实际变化，2023Q3、Q4及2024Q1分析师预期趋势及预测偏差，凸显市场谨慎态势。

- 反映了基于实时数据融合的动态盈利预测能力核心。[page::7,8,9]

3.4 康波与中国三大经济周期示意（图10-11）

• 典型康波周期体现经济技术革命带来长期产能周期震荡，衰退期持续约7-12年，当前周期处于萧条末以AI、大数据为特征新周期起点。

- 中国库存、产能、人口周期波形明显，其中人口周期自2010年见顶回落，人口负增长给经济与股市带来结构性压力。

• 三周期错位影响短期经济波动和企业盈利，通过引入周期视角解释盈利底部行情的逻辑。

- 这些图形便于理解宏观对行业盈利与估值的影响机制。[page::10,11]

3.5 市场波动率与成交额（图14-17）

• 指数及行业VIX显示去年起市场波动预期明显抬升，上证50与沪深300部分回归低位，中小市值指数VIX高企，反映市场分化。

- 商品波动率历史分位数图表显示贵金属较平稳，农产品价格波动偏高，提示不同资产类别风险偏好变化。

• 成交额堆积图直观反映大盘中证500及中证1000等市值段交易占比，2023至2024年初成交量整体不足，支持流动性指标分析。

[page::14,15,16,17]

3.6 行业产业链指标与梳理示意（图20-21）

• 表20和产业链梳理图21具体列出产业链上下游关系，石油石化、煤炭为产业链上游行业，家电、纺织服装为下游。

- 各行业对应感应度、影响力、前后向联系、平均轮次和产业链位置定位，详细量化行业供应链依赖结构。

• 产业链关系对行业间投资联动机制和风险传递路径的理解至关重要。[page::20,21]

3.7 行业景气度综合指标（图24-25）

• 通过财务数据、分析师预期、行业基本面修正形成综合景气度，每个行业景气度变化趋势清晰展现。

- 目前有色金属、石油石化、钢铁和纺织服装行业景气度领先，煤炭虽景气但估值偏高潜在风险较大。

• 图27 PB-ROE散点图进一步体现估值合理性及分化状态，行业估值分化指数趋于稳定，反映市场理性修复。

- 这些图表为行业相对配置权重调整提供可量化依据。[page::24,25,27]

3.8 机构关注热词与调研持仓（图28-31）

• 机构调研频率历史分位数显示非银行金融、传媒、高科技行业关注度高且持续，显著提升的还有钢铁、交通运输等。

- 调研问答形成的词云揭示“品牌”“产能”“毛利率”“新能源”“蓝宝石”等主题频繁出现，体现行业成长性与盈利质素高度关注。

• 历史持仓明细及行业轮动策略反映机构对煤炭、机械、非银行金融、交通运输、传媒等行业稳定或增配。

- 基于机构视角，搭建行业热度与资金流向实时动态指标体系。[page::28,29,30,31]

3.9 交易拥挤度指标详解（图32-33）

• 交易拥挤度由流动性、成分股扩散、波动率、成分股一致性组成，手段低频且结合多指标确认，减少噪声误判。

- 当前银行行业流动性等多个指标触发阈值，处于拥挤状态，纺织服装和建筑持续拥挤预示短期资金关注。

• 拥挤信号可作为风险提示和择时辅助工具，帮助控制过热行业投资风险。

- 图33右侧持续拥挤信号保留10-30天，显示市场资金滞后效应和趋势延续性。[page::32,33]

3.10 单行业基本面量化模型框架与示例（图35-38）

• 框架自上而下覆盖行业基本面定性研究、产业链解构、需求与供给量化、模型建立与检验及择时选股。

- 以银行为例，强调信贷规模、净息差、信用成本为核心ROE驱动因素，利润表的关联关系解释资产减值对银行盈利的影响。

• 银行业择时模型依据利率水平做多或做空，当前利率上升看多银行。

- 证券行业基于市场活跃度，营收增速差值作为择时因子，当前阶段偏向做多证券。

• 这种行业深度量化为传统研究与程序化交易提供桥梁。[page::35,36,37,38]

---

4. 估值分析

• 采用PE（TTM）、PB分位数为主要估值指标，结合ROE指标分析行业估值合理性。

- 2024年2月，万得全A整体PB分位数仅0.10%，处于2005年以来极低区间，反映市场整体低估。

• 煤炭行业PB分位数高于50%，显示估值较高且市场为其预期较好。

- PB与ROE基本呈正相关，食品饮料、计算机因高ROE对应高PB，行业估值分化指数示估值分化程度经历下降后趋于平稳。

• 估值分位数及分化指数为顶层配置决策以及寻找潜在估值修复机会提供重要依据。[page::26,27]

---

5. 风险因素评估

• 量化模型基于历史和市场行为数据，未系统考虑宏观经济波动、政策调整和突发事件风险。

- 未来黑天鹅事件可能导致模型失效，报告强调需结合实地、主观和定性分析，并依据不同宏观情境进行盈利预测调整。

• 投资者需警惕模型的局限性，谨慎应用量化结果。

- 报告未提供详细风险缓解方案，但强调多维度综合分析和规律自适应是缓冲策略的关键。
风险提示强化投资者的风险认知与科学决策。 [page::40]

---

6. 批判性视角与细微差别

• 本报告依赖量化模型及机构调研数据，模型基于历史规律，如同报告所述，在宏观环境复杂性提高和突发事件频发的时代背景下，预测稳定性或面临挑战。

- 报告中行业配置依赖于分析师预期加总，预期数据本身可能存在偏差或信息滞后，尤其是在2023年盈利预期快速下调时，存在调整不足风险。

• 多处使用机构调研热度和拥挤指标作为信号虽合理，仍无法完全覆盖市场风险偏好突然变化的突发冲击。

- 报告强调周期底部判断，未来基于AI新经济康波仍存不确定性，实际行业表现有分化风险。

• 产业链分析仅基于2018年数据，实际产业动态可能发生变化，需日后更新。

- 报告整体量化框架系统且细致，但在宏观事件冲击方面适用性需持续跟踪验证。

• 评级与推荐较为稳健，未出现过度乐观的极端立场。[全文分析]

---

7. 结论性综合

中信建投2024年2月发布的《行业轮动超额收益显著，看好大市值高分红国企基本面量化模型跟踪》报告基于严谨的理论框架——剩余收益模型，结合A股市场实证盈利预测及细致的产业链分析，系统构建了多维度行业景气度和交易拥挤度指标。

通过对财务指标、机构调研数据与市场行为指标的有机融合，报告确认2023年末至2024年初A股盈利预测有所下调，但整体估值位于历史极低位，市场情绪悲观是布局机会。特别看好基于上证50等大盘高分红国有企业的表现，行业方面重点推荐有色金属、石油石化、钢铁、纺织服装、银行及券商。

量化策略实证显示，基于基本面与量价信号的行业轮动2024年初以来累计超额收益达7.57%，明显跑赢整体市场。结合宏观周期、人口与产能周期测算及机构调研热度，有效捕捉了行业轮动的内在动力。

风险提示明确指出量化规律有失效风险，并强调需结合宏观政策和市场突发事件进行判断。报告内容丰富且条理清晰，同时结合技术与基本面视角，适合作为量化策略框架的参考典范。

总体而言，报告展现了一个理性、系统、科学的行业轮动量化策略，支持稳健看多大市值高分红国企及周期上游行业，推荐投资者重点关注相关配置机会。

---

图表展示

1. 价值投资模型示意（页3）

1. 行业轮动相对收益（页5）

1. A股ROE预测流程（页8）

1. 万得全A及非金融ROE预测趋势图（页9）

1. 康波周期示意（页10）

1. 中国三周期示意（页11）

1. 市场成交额分布（页16）

1. 低频拥挤指标及个数（页17）

1. 产业链梳理（页21）

1. 中信一级行业综合景气度（页24）

1. PB与ROE散点图及估值分化指数（页27）

1. 机构调研频率分位数（页28）

1. 交易拥挤度（页32）

1. 银行业基本面与利润表（页36）

1. 银行业择时示意图（页37）

1. 证券行业业务架构及择时策略（页38）

---

本分析基于中信建投证券发布的原始研究报告内容，以上观点、数据和图片均有详细页码溯源，方便准确引用与进一步研究。

报告