TMT产业被动资金覆盖及细分赛道概况 [page::2][page::3]

• TMT行业ETF布局数量多，截止2022年3月18日，有约60只股票型ETF布局于TMT行业，规模约783亿元。

- 半导体、计算机产业互联网及5G通信是被动资金配置重点，传媒细分赛道也具备潜力。

• 电子产业包括半导体材料、集成电路制造及消费电子多个领域，国产替代重要推动力量。

- 云计算、5G与智能物联持续推动计算机及通信产业升级，传媒领域布局云游戏、超高清视频与VR/AR等新技术。

历史轮动特征与产业逻辑分析 [page::4][page::10]

• 过去11年TMT出现多次大幅回撤，细分赛道间轮动明显，例如2013年传媒，2015年计算机，近年电子行情突出。

- 轮动产生根源包括生命周期周期与政策导向，5G行情为政策支持案例。

• 细分赛道独立行情明确，具备超额收益潜力。

细分赛道轮动模型构建框架 [page::12][page::18][page::19]

• 基于产业基本面推断影响因素，选取宏观、景气度、技术指标构建初步指标集。

- 指标进行非线性事件化处理，包括变动幅度、趋势持续性及近期高低位等信号事件类型。

• 对事件信号通过风险调整收益（Sharpe比率）进行有效性筛选，剔除不符合经济学逻辑、开仓次数过少或方向不稳定的信号。

有效信号事件甄选示例（电子赛道） [page::22]

| 指标类型 | 指标名称 | 信号事件名称 | Sharpe比率 | 事件方向 |
|--------------|-------------------------|-------------|------------|---------|
| 宏观数据与行业中观 | 移动互联网接入月户均流量 | chg0005 | 0.207 | 正 |
| 景气度指标 | ROE | chg0003 | 0.255 | 正 |
| 技术指标 | RSI | diff_3 | 0.257 | 正 |

• 其他细分赛道（计算机、通信、传媒）亦有各自显著有效信号事件。

- 指标信号覆盖宏观、景气与技术多维度，充分体现市场与基本面双重驱动。

组合构建及权重配置逻辑 [page::27]

• 各细分赛道基于触发的做多信号事件进行打分，忽略做空信号，得分比例转化为持仓权重。

- 按月调仓，计算加权净值及与行业等权组合进行对比。

量化轮动策略实证表现 [page::28][page::29][page::30][page::31][page::32][page::33][page::34][page::35][page::36]

• 细分赛道轮动组合总收益268.49%，基准组合134.94%，超额133.55%。

- 年化收益提升至11.23%，最大回撤60.14%小于基准65.60%，风险调整收益Sharpe比率0.355。

• 剔除不同类别指标后，策略表现差异显著，包含全部指标组合稳健优异，剔除技术指标虽提升收益但伴随更高风险。

- 赢家胜率和稳定性指标显示轮动策略更为有效。

结论与风险提示 [page::37]

• TMT细分赛道轮动策略基于完备的宏观、景气及技术指标事件化，筛选有效信号构建多空组合。

- 轮动策略相比等权基准组合，表现显著增强，风险调整后收益高，适合行业内部动态配置。

• 报告模型基于历史数据有效，但宏观与行业环境变化风险仍需关注。

招商证券：TMT产业细分赛道轮动模型“赛道”量化系列之三——深度分析报告

---

一、元数据与报告概览

• 报告标题：TMT产业细分赛道轮动模型“赛道”量化系列之三

- 作者：任瞳（首席分析师，定量研究团队负责人）、崔浩瀚（量化分析师）

• 机构：招商证券股份有限公司

- 发布日期：2022年4月10日

• 覆盖领域：TMT（科技、传媒、通信）产业细分赛道的量化研究与模型构建

- 主题与核心内容：本报告聚焦于TMT细分赛道的行业基本面分析及量化轮动模型框架构建，旨在通过宏观经济指标、景气度指标、技术指标的事件化信号筛选，实现对TMT细分赛道（电子、计算机、通信、传媒）进行量化轮动组合构建。报告强调TMT行业被动资金覆盖最高，具备丰富可轮动标的，且历史表现表明细分赛道之间存在明显轮动特征，量化事件信号能够有效捕捉行业走势，从而实现超额收益。针对轮动组合的构建方式和效果，报告给出显著优于等权基准组合的结论。

---

二、逐节深度解读

1. TMT赛道基本面解析

报告统计了截至2022年3月，TMT行业在ETF被动资金中的覆盖率极高，尤其是电子（半导体）、计算机（产业互联网）、通信和传媒领域。TMT行业ETF数量约60只，总规模783亿元，显示行业被动资金热度及产业规模庞大。这种高覆盖比例是轮动模型构建的现实基础，因为细分赛道资金分布具有代表性，具备量化分析和投资的价值。[page::2,3]

关键数据点：

• 华夏国证半导体芯片ETF规模最高达187亿元。

- 半导体、5G通信主题ETF规模较大，显示产业投资热点。

该章节还提及科技板块历史上曾有机构抱团现象（2014-2016年），基金重仓科技细分行业表现弹性较好。此情形与当前部分细分行业的重仓热点相呼应。[page::4]

2. TMT细分赛道产业描述

针对电子、计算机、通信、传媒四大细分赛道，报告详细介绍了其产业链结构、政策环境和市场动态：

• 电子：涵盖上游半导体材料/设备，下游消费电子等，国产替代推动发展。重点个股包括海康威视、立讯精密、京东方A等，流通市值规模在数千亿级别，PE存在明显分化，整体今年以来呈现下跌态势。[page::5]

- 计算机：云计算、5G和AIoT为核心驱动力。强调云游戏、云办公、云教育等需求趋势。重点公司如东方财富、科大讯飞及用友等均呈现一定估值泡沫风险，涨跌幅多为负。[page::6]

• 通信：围绕5G基础设施大规模部署，国家政策高度支持。关注通信终端及系统设备制造。部分设备商如闻泰科技、中兴通讯流通市值千亿，跌幅普遍，数据体现出行业周期压力。[page::7]

- 传媒：以云游戏、超高清视频、VR/AR为新领域，电影、广告受疫情影响逐渐复苏。市值较大企业如分众传媒、芒果超媒呈现较大波动，整体市场行情较弱。[page::8]

3. TMT细分赛道行情分析

通过图表显示2010年至2021年间TMT产业四大赛道股价走势，电子和计算机行业的弹性和高点频繁，传媒和通信则相对平缓但周期显著。报告指出2013年传媒强势，2015年计算机大涨，近年来电子表现更为突出，显示显著的产业轮动现象。[page::9,10]

4. 细分赛道轮动逻辑和模型构建

报告提出轮动模型的理论逻辑：

• 产业具有生命周期：不同赛道在不同周期拥有不同景气度和扩张阶段，反映在股价波动和资金配置上。

- 政策驱动因素明显，以5G建设为重要推手。

• 因此通过宏观、行业景气度及技术指标信号，捕捉细分赛道间轮动提高投资收益。

模型构建流程图详述了指标筛选的步骤：由产业影响因素推导至指标初选，使用事件化、信号化方法过滤指标，最后基于事件信号建立组合并进行评估。[page::12]

5. 轮动指标初步选择

• 宏观指标涵盖货币供应M2、社会融资、金融机构新增贷款、PPI、消费者信心、电信业务总量及移动互联网流量等，数据多存在一定时间滞后，月度数据滞后一周期，产业数据滞后一季度。[page::13]

- 细分赛道景气度指标聚焦于盈利能力（EPS、ROE、净利润等），成长能力，营运能力（存货周转、固定资产周转率等）及财务费用率等指标，均设定正向或负向理论预期。[page::14]

• 技术指标包括VRSI（量相对强弱指数）、DMA、MACD、ROC、MTM、TRIX等，通过各自的计算方法分析价格和成交量趋势，指标参数均采用默认设置。[page::15]

- 指标分配中，宏观与行业指标为四赛道共用，景气度和技术指标按赛道成份股个别提取计算。[page::16]

6. 指标信号事件化原因及具体构造

报告指出宏观和景气度指标对股价的影响多为非线性，单纯线性相关不足以捕捉趋势，且需关注指标达到某阈值后的实际影响。为提升预测力，将指标分为三类事件构造：

• 变动幅度事件：监测指标单期同比增长或下降超过多个阈值（0.1%-10%）。

- 持续趋势事件：连续N期指标上涨或下跌，N可为1、3、6月。

• 近期高低位事件：基于最近一年指标的Z-score进行阈值筛选（0.5、1、2）。

各信号事件用来发出多（做多）或空（做空）信号，筛选出有效信号后整合入模型。持有期普遍定为1个月，权重根据信号得分动态调整。[page::18-20]

7. 有效信号事件筛选

基于2010年1月至2022年2月期间数据测试结果，报告依据Sharpe比率筛选各赛道多空信号有效事件：

• 电子赛道：有效信号涵盖宏观数据（移动互联网户均流量、贷款余额同比、美元兑人民币汇率等）、景气度指标（ROE、EPS、净利润等）、技术指标（RSI、MTM等），大多数有效信号均符合经济学逻辑（正向或负向）且Sharpe比值达0.1以上，总体表现优异。[page::22]

- 计算机：部分宏观指标负面信号显著，如中关村价格指数、贷款余额同比和M2同比均对应负面表现，景气度多为正向指标有积极贡献，技术指标中MTM、VRSI表现较好。[page::23]

• 通信：手机产量及出货量指标表现正负参半，销售费用率、ROE、财务费用率等景气度指标表现积极。[page::24]

- 传媒：M2同比及美元兑人民币汇率等宏观指标表现负相关，销售净利率、销售费用率表现正相关，对传媒板块指导意义强。[page::25]

筛选强调事件数量不能过少（最少10次）及理论逻辑的符合性。

8. 组合构建

组合通过对各细分赛道当月是否触发有效做多信号打分，累积分值决定细分赛道仓位比例，月末调仓。例如某月电子得分5，传媒得分10，则传媒权重大相比其他赛道。组合收益以产业链指数等权组合作为基准进行绩效对比。[page::27]

9. 组合表现与指标贡献分析

• 包含全部指标的轮动组合对基准组合表现显著提升：报告数据显示，累计超额收益133.55%，年化收益11.23%，Sharpe比率0.355，优于基准组合7.22%年化收益、0.228的Sharpe，最大回撤60.14%也有改善，日度胜率达54.48%。[page::28,29]
• 剔除特定指标后的组合表现依然稳健：

- 剔除宏观指标的组合仍有75.55%超额收益，年化收益9.07%，最大回撤小幅上升。
- 剔除景气度指标的组合超额收益105.34%，年化收益10.51%，相对最大回撤有所扩大。
- 剔除技术指标的组合超额收益为202.04%，年化收益12.79%，最大回撤60.88%，表现最好但风险相对也略增。[page::30-35]

• 对比多指标组合的优势：完备指标组合最大回撤最小，波动率最低，Sharpe比率最佳，风险调整后收益最优。说明多维度指标协同作用能更好捕捉市场信号与行业走势，提升组合稳定性与抗风险能力。[page::36]

---

三、图表深度解读

图表1：TMT被动资金分布（页面2）

图表显示ETF资金在各中信行业的分布，其中TMT相关细分行业占比最高，尤其是电子（半导体）、计算机（产业互联网）、通信设备等，说明TMT行业资金热度高，这些细分领域ETF规模庞大，构成资金流向的主战场。

图表2：部分TMT主题ETF产品规模（页面3）

梯队中，华夏国证半导体芯片ETF规模遥遥领先，达187亿元，紧随其后的是国泰CES半导体芯片ETF和华夏中证5G通信主题ETF，紧扣行业热点投资方向。ETF净值均围绕1左右波动，显示基金资产净值稳定。

图表3：科技板块基金持仓集中度（页面4）

堆积图反映不同时间段主要板块（科技、金融地产、周期、消费）资产集中度。2013~2016年科技板块集中度明显攀升，尤其2015年牛市期间，可见科技板块的机构抱团现象，集中度指标表现为峰值。

图表4：细分赛道代表个股行情数据表（页面5-8）

详细列出电子、计算机、通信、传媒四大赛道内代表公司流通市值、PE和年内表现。多数赛道龙头企业市场表现相对较弱，反映2022年初整体估值压力与调整行情。

图表5：TMT细分赛道指数走势（页面9）

线图展示2010至2021年四大赛道市场表现，电子（红线）和计算机（蓝线）波动较大、出现多次高峰，传媒（黄色）和通信（灰色）相对平稳但周期性明显，行业轮动特征明显。

图表6：轮动逻辑示意图（页面12）

流程图清晰总结轮动模型逻辑：从宏观行业分析→指标初选→事件化信号构建→多空测试→组合构建→组合评价完备闭环。

图表7：轮动组合和基准组合净值及超额累积表现对比（页面28,30,32,34）

多张净值曲线图分别展示包含全部指标及剔除各指标类别后组合的表现。总体趋势组合净值曲线明显优于平均等权基准，累计超额收益明显，通过指标剔除测试，并非单一指标驱动，而是多指标协同提升了收益稳定性及风险控制。

---

四、风险因素评估

报告在总结中特别提到了模型基于历史数据的分析和提炼，存在的主要风险为宏观环境、行业政策或结构发生变化时模型失效的风险。投资策略面临以下潜在风险：

• 宏观经济周期大幅波动，影响行业景气度的持续性。

- 政策调整导致部分细分赛道受限或快速降温。

• 技术创新替代或行业重构影响历史指标的代表性和预测力。

- 量化模型因过拟合历史数据而难以应对未来意外冲击。

模型无法完全量化所有非系统性风险因素，且A股做空机制有限，策略以多头为主，潜在下行保护不足。[page::37]

---

五、批判性视角与细微差别

• 模型依赖历史数据，预测未来存在局限性。历史轮动现象以及指标有效性未必在未来持续，特别是在科技产业领域，技术变革速度快，可能导致部分历史指标失灵。

- 信号事件化构建虽有创新，但事件阈值的选择及多指标整合效果依赖于经验和统计测试结果，存在过度拟合风险，特别是在宏观指标这一类信号频率较低但影响范围广时。

• 组合调仓频率为月度，无法应对短期市场快速波动，可能在市场剧烈调整时滞后。

- 个股层面的基本面分析不充分，主要依赖行业级别指标，存在个股异质性未涵盖风险。

• 缺乏长周期多市场对比，及跨经济体模型适用性讨论。

---

六、估值分析

报告未涉及具体公司估值模型（如DCF、相对估值倍数法等）。但通过列举细分行业代表龙头企业PE(TTM)等指标，辅助投研参考。总体体现出电子赛道核心个股估值偏高（ROE和PE倍数较大），计算机及传媒行业估值呈分散状态。

---

七、结论性综合

本报告通过细致的产业分析和多维信号事件构建，建立了以宏观经济、行业景气度及技术面指标为核心的TMT产业细分赛道轮动模型。该模型针对电子、计算机、通信、传媒四大赛道，通过事件信号筛选和多空组合策略，实现了显著的超额收益和较优风险调整后回报。核心成果与洞察点包括：

• TMT行业是被动资金配置最密集的行业，尤其在电子（半导体）、计算机（产业互联网）、通信等领域，资金流量庞大，细分赛道有丰富可轮动标的。[page::2,3]

- 历史股价及机构持仓表现出显著周期性及不同赛道的轮动行情，适合基于周期及景气判断的量化轮动策略。[page::4,9,10]

• 轮动模型框架科学合理，利用行业生命周期理论和政策导向，综合宏观、景气度、技术指标选取18个有效信号事件，实证检验信号有效性并注重经济学逻辑与持仓稳定性。[page::12-25]

- 事件信号授予调仓得分，按得分调整四赛道权重，月频调仓，轮动组合表现持续优于等权基准，多指标组合平衡了收益与风险。包含全部指标的组合最大回撤最低（60.14%），Sharpe最高（0.355），显著增强投资组合管理效果。[page::28-36]

• 风险提示包括模型基于历史数据、宏观环境变化对模型适用性的潜在影响。投资者需关注未来宏观变化对模型效用的冲击。[page::37]

综上，报告严谨地论证了以事件驱动的 TMT细分赛道轮动模型的投资价值与实操意义，同时提出了相应的风险提示。该研究为行业轮动策略提供了量化支持与可复制框架，具有较强的应用价值和现实指导意义。

---

参考文献与数据来源

• Wind资讯

- 招商证券研究所

• 报告作者原创研究（任瞳，崔浩瀚）

---

（注：以上内容所有结论均基于报告本身内容，引用页码标明于句末，确保观点溯源准确。）

报告