2022年投资策略专题报告 基于周期嵌套景气比较的行业轮动框架分析

1.A 股策略概述

A 股的策略研究重点方向多年来历经起伏，从 04 年最早的主题策略主导、到 08 年宏观策略、09 年后 行业比较逐渐成为策略主攻方向，17 年以后市场开始侧重自下而上选股，阿尔法投资导向成为主流。 2020 年新冠疫情爆发后，由于经济周期的短期剧烈波动和美林时钟的迅速切换，自上而下的策略研 究重要性再度提升，与此同时赛道投资概念方兴未艾，但仍未脱离自下而上的投资范畴。

从上证指数近 21 年走势复盘来看，剔除两轮牛熊年份，年平均振幅在 28%左右，周期划分后，指数 统计区间内单边上涨/下跌/震荡分别为 5.6/5/10.6 年，上涨区间年平均/中位数涨幅分别为 25%/13%，这 意味着在大势研判层面上，A 股指数每年至少存在一个 13-14%级别的单边上涨/下跌，而 25%级别以 上的单边上涨/下跌并不会每年都会出现。对于投资者来说，指数层面的波动，无法拉开相对收益和 绝对收益。大势研判的超额贡献逐渐降低，且市场主要机构投资者一直保持中高仓位运作，愈来愈 少通过择时和仓位调整来获取超额收益，与之相反的是在高仓位背景下的行业仓位配置偏斜重要性 持续上升。

在一个 3-4 年的库存短周期中，按照流动性好转带动估值修复，业绩拐点驱动估值扩张的路径，行业 景气轮动大概出现 2-3 次。如果能跟踪并准确的捕捉信号，实现大幅超越宽基指数的正收益是可能的。 统计自 2018 年 11 月市场底至 2022 年 3 月一级行业相对全 A 区间涨幅，市场先后经历的主要行业轮 动有农林牧渔行业猪周期、电子行业半导体自主可控、食品饮料行业茅指数、医药行业疫情驱动、 供需缺口带动顺周期行业，电新等高景气行业宁组合等。2018 年 11 月迄今，沪深 300 指数累计涨幅 35%，基于一级行业且轮动一次的农林牧渔指数+电新指数累计收益率近 300%。

2.基于宏观周期定位的行业轮动

行业需求波动（产出缺口）所表征的宏观经济周期是影响行业间景气波动的核心因素之一，这一宏 观向中观传导的行业轮动，在我们自上而下的周期嵌套框架中，短周期/库存周期的变动对于整体需 求的波动判断具有指导意义。而周期嵌套框架下的中周期定位，对于优势行业的轮动配置具有方向 性的指导意义，主导行业的确认成为中周期视角下的决定性因素。长波的研究和应用更多在理解中 期经济运行基本特征及大类资产配置领域，其应用和研究是阶段性的，中周期主导产业和短周期库 存周期的研究和应用是自上而下分析的重点。

2.1 中周期—资本开支周期

中周期对于股票市场的中长期运行具有重要的指向意义。中周期的核心是固定资本支出和结构性的 产能扩张。主导产业在中周期的扩张中形成，中周期的主导产业对投资行业配置具有决定性的指导 意义。经济繁荣主要源于创新浪潮，设备投资或资本开支为中周期主要驱动力，设备投资快速上升 正是这一浪潮的反映。长波繁荣期朱格拉周期向上，设备投资在 GDP 占比上升。新冠疫情冲击后， 全球开启了新一轮主导产业中周期上行，本轮中周期内美国基建、地产将会成为资本开支的重要力 量，其次，以新能源、新材料，数字经济为代表的主导产业有望带来增量投资。这种中周期开启背 后的资本开支大幅扩张，与主导行业需求扩张、成本下行、渗透率的大幅提升及优越的金融环境密 不可分。

而一个十年左右的中周期又由三个短库存周期组成：第一库存周期通常是被动型的库存重建，最大 的看点是投资的大幅度扩张；第二库存周期通常为主动性的库存重建，即来自需求引致的扩张欲望； 第三库存周期处于中周期的中后段，货币政策收紧倾向下高流动性货币增速放缓，消费拉动支撑实 体经济，投资拉动已经不是经济中的主要特征。

2.2 短周期—库存周期

短周期驱动力量为库存变化。从产成品库存与原材料库存的变化关系看经典库存周期的四个阶段： 被动补库存（产成品库存堆积，但原料库存已经开始下跌）→主动去库存（经济预期趋于悲观，生 产开始收缩，产成品库存下降，原料库存也进一步下降）→被动去库存（需求开始好转，生产逐步 恢复，需求比生产恢复快，所以产成品库存下降，但上游原料需求开始上升）→主动补库存（总需 求明确扩张，预期乐观，产成品和原料库存一起上升。

由于前期刺激政策逐步退出，叠加需求放缓，当前全球已进入第一库存周期下行阶段，短周期定位 扩张早期->衰退早期。从工业企业利润数据看，中国已经进入去库周期，国内周期节奏领先海外 1-2 季度，当前已处于衰退后期->扩张早期阶段。

2.3 中、短周期历史表现复盘

主导产业驱动 10 年资本开支周期。2001-2007 年，传统经济结构高增时期从“五朵金花”到“煤电油运” 再到“煤飞色舞”，整体体现重工业顺周期板块贝塔。07 年后医药和消费展现了消费升级中周期贝塔， 13 年后新经济互联网巨头与近两年的硬科技展现出科技创新与制造业升级的贝塔，中周期的贝塔即 为主导产业的贝塔。

整体可见，2000 至 2020 年这二十年，A 股的行业轮动大体可以概括为两个中周期维度的轮动，从重 化工业行业轮动至消费升级的行业，而此期间大金融与大科技行业在这 20 年中也会根据短周期的阶 段性优势不断的穿插表现。

3-4 年库存短周期行业表现。通过对不同经济周期下占优行业的比较统计，周期能化板块在扩张早期 到扩张后期的区间内超额收益表现相对占优；地产金融行业在衰退早期到衰退后期区间相对占优； 消费行业则在扩张早期到扩张后期表现出色；以 TMT 为代表的信息技术行业在衰退后期到扩张早期 区间表现出色，其中具有代表性的软科技计算机行业在衰退早期录得 7%的平均超额收益，在衰退晚 期区间录得 13%的相对超额收益。

3.基于中、短周期景气比较的行业轮动框架

整体来看，行业比较方向的研究一直都是策略研究领域的难点，由于各行业驱动力和产业逻辑构成 的异质性较大，一直以来无法形成完全有效的范式研究框架，本篇报告我们仍然希望通过抓住主要 矛盾，适当阐明基于景气双维比较框架的输出有效性。

当前市场常用的行业比较方法包括估值分位比较、业绩估值匹配比较（PB-ROE,PEG）、景气比较及 宏观需求侧自上而下逻辑推演等方法，当通过行业比较进行行业配置时，并没有一个框架可以同时 完整的纵向覆盖业绩、估值和流动性这三个要素，也无法横向消除各行业之间的异质性。

在优先级和主导项上，我们认为行业比较的侧重点应首先聚焦在业绩景气端分析，其他因素更适宜 作为景气框架输出后的修正项。因此本篇报告我们将传统的景气比较进一步更新为基于时间序列的 中、短周期景气双维比较，以期更好消弭行业景气比较时的取舍模糊。

基于中、短周期景气比较的行业轮动框架：将行业的景气按时间跨度分为两维度，基于短周期景气 （1 年左右）和基于中周期景气（1-10 年）的进行行业配置，并侧重对不同时间维度的主要驱动力， 即短周期景气主要驱动力-次年 g，中周期景气主要驱动力-复合 g 进行连接和比较。

短周期的行业选择，即阶段性的行业配置是试图主动控制回撤，提升组合夏普比率的阶段性选择。

中周期的行业选择，是配臵层面的主线即底仓品种，是组合中长期复合回报的主要来源，但需要明 确的是即使选对中周期内的主导产业，期间也会阶段性的跑输，即一个明确的中周期内不可避免的 也会穿插其他非主导行业的短周期阶段性表现。

3.1 框架理论基础——DCF 三阶段模型

现金流量贴现法 DCF 是将企业未来特定期间内的预期现金流量还原为当前现值，因此理论上的贴现 值与市场价格构的差值大小构成了买入/卖出的基础（实际运用中，由于部分企业预期现金流存在不 稳固特征，因此 DCF 模型通常被市场限定用于具有稳定现金流特征的行业与公司）。

我们将 DCF 基础模型进一步拆分更新，对应的行业超额收益按归因可以分为分子端景气贡献和分母 端贡献两类：分子端景气贡献按时间周期分为短周期景气（次年 g）和中周期景气（复合 g）两段， 以更好的去对应短周期和中周期的行业轮动驱动力。而分母端主要由贴现率和通胀两要素主导。

鉴于市场对短端业绩的追逐，以及行业生命周期，三周期框架的定位衔接，我们将三阶段 DCF 模型， 重新划分为第一阶段（次年 1 年），第二阶段高速成长期（2-10 年），以及第三阶段稳态期。

更新后的 DCF 三阶段模型，整个定价的影响因素可以拆分为四个主导变量，分别为：

分子端：1）短周期近端业绩增速-次年 g；2）中周期高成长期复合增速-复合 g ；

分母端：3）稳定期业绩增速 CPI； 4）分母端无风险利率。

3.2 中短周期行业景气分析框架

在以上三阶段 DCF 理论基础上，框架将行业配置选择按时间序列进行划分：

【短周期——阶段性配置行业（即第一阶段，驱动力——次年 g）】对预期业绩/现金流不稳定，即业 绩具有周期性波动特征的行业，理论上此类行业依然适用于 DCF 模型，只是由于贴现参数设定不具 有可行性，实际定价中市场更关注其短周期（次年 g）业绩表现，即传统意义上的景气追逐。

【中周期——长牛行业（即驱动力——第二阶段成长性复合 g，或由此衍生出的第三阶段确定性）】 对于预期现金流稳定或具有高增特征的行业，实际定价中市场更关注其中周期业绩表现，及产业趋 势或产业赛道投资，过分重视短周期的业绩波动，反而易错失长期收益。

就长周期而言，考虑中国资本市场时间运行和市场化进程较短，在传统的策略分析中，对长周期的 研判更多基于对海外经验进行分析，从而得到一定参考示意，对投资参考意义贡献度相比中短周期 而言较低。因此实际投研中仍侧重中、短周期景气比较。

4.短周期次年 G 与中周期复合 G 的连接

在分两维度讨论的情况下，行业比较会出现同一时间维度内的割裂，无法比较特定时间范围内，次 年 g 业绩爆发性（短周期景气）与中周期业绩成长/稳定性行业（中周期景气）之间的配置性价比。 那么如何正确看待短期和中长期的关系？我们通过纵向和横向两个维度进行连接。

4.1 纵向比较：短周期决定方向，中周期决定幅度

我们认为：短周期相对景气决定短期方向，中周期景气决定长期方向和短期弹性幅度（估值溢价=± 成长性带来业绩溢价± 稳定性带来估值溢价）。

中周期和短周期的行业轮动收益来源：短期景气高，方向向上（主要来源于次年 g），但是幅度高 低取决于近端的估值扩张，这也对应当前市场投资者对于业绩溢价和估值溢价的关注，所谓业绩溢 价本质来源于业绩成长性（复合 g）溢价，估值溢价本质来源于业绩稳定性溢价。

回归到框架中，这种估值扩张表现的本质是第二阶段（成长性溢价）加速贴现或第三阶段（稳定性 溢价）加速贴现，即二阶段复合 g 带来的中周期现金流，在 Fv 快速折现；或三阶段稳定性久期提升 带来的现金流在 Fv 快速折现。

根据纵向连接框架，我们将短周期和中周期的衔接路径分为三种情况：

Ⅰ）短周期景气+中周期景气（阶段性戴维斯双击，Eg：20 年 21 年的赛道股）。情况Ⅰ的逻辑路径： 初始值次年 g↑---股价向上↑---复合 g↑逐渐被确认---二阶段现金流加速贴现到 Fv，表征为拔估值，近端 估值高↑---股价戴维斯双击向上↑。

Ⅱ）短周期景气+中周期一般（EPS 单击，Eg：21 年周期资源、海运）。情况Ⅱ的逻辑路径：初始值 次年 g↑---股价向上↑---复合 g↑无法被确认---二阶段现金流不加速贴现到 Fv，表征为近端估值越来越低 ↓---股价单击向上↑。

Ⅲ）短周期一般+中周期景气 （估值底有效，Eg：18 年 Q4 茅指数，核心在于买点）。情况Ⅲ的逻辑 路径：初始值次年 g↓---股价向下↓或震荡→---复合 g 仍然得到确认---二阶段现金流仍可贴现到 Fv，表 征为压缩近端估值/保持远端估值韧性---股价区间下行或震荡，对于中周期复合 g 仍然有臵信度的行 业来说，短周期的不景气反而是买点。

4.2 横向比较：景气间跷跷板效应

总景气为存量的概念下，市场习惯性去做景气追逐/或景气中避险，资金主动/被动向景气方向涌入， 非景气板块相对承压，其背后是预期 g 的裂口不断拉大，使得板块表现割裂加剧，行业轮动减速， 变成阶段性的行业趋势，当期高景气的行业持续受益。

当中周期景气行业出现短周期景气下行，或其他板块景气预期上升，强势景气行业会出现阶段性回 调（如 21 年 7 月 30 日后，21 年 12 月之后出现的高景气成长行业回调）。

我们选取电子/电新/军工三个行业相对万得全 A 收益拟合为高景气成长行业(A 行业)，选取建筑/建材/ 交运/家电/地产/银行 6 个行业相对全 A 收益拟合为低估值稳增长指数（B 行业），不难发现两者之间 相对走势在 12 年后呈现出了明显的负相关性，15 年熊市流动性扰动结束后，两类行业相对收益间的 负相关性进一步增强。从趋势上来看 AB 行业之间超额收益与其业绩增速差也具有明显的同向性。

5.业绩周期性波动(次年 G)维度下的阶段性行业轮动配臵

次年 g 增速是短周期阶段性行业轮动配置的主要核心参考因素。

5.1 次年 g 业绩增速的有效指引

对于业绩不具有稳态特征，较难刻画复合 g 或者说已经跨过高速增长期的行业，市场无法定价其二 阶段以及三阶段的贴现值，此时行业比较的定价基准，即侧重点为次年 g (或者说是短端业绩)。

我们统计了 2005 年迄今一级行业当年涨跌幅与业绩增速的历史表现，仅从一级行业当年业绩增速来 看，与涨幅对应的分布规律并不明显，即高增速并无法严格一一对应行业取得相对收益，少数低增 速行业也有可能实现收益靠前，但高增速行业整体取得相对收益的概率显著高于低增速，选取历史 每年业绩增速前 50%/40%/30%/20%/10% 行 业 （ 前 14/11/8/6/3 个 行 业 ） 平 均 收 益 率 与 后 50%/40%/30%/20%/10%（后 14/11/8/6/3 个行业）行业平均收益率相对比，仍然可以发现明显的分层分布， 中位数收益率也同样呈现类似的分布规律，即整体来看高业绩增速行业整体仍可贡献正超额收益。 即次年 g 高增速不是取得正相

5.2 次年 g 失效思考

22 年年初以来次年 g 预期高增速行业表现垫底，引发投资者对次年 g 失效的讨论。我们梳理了如下 几点原因以期修正：

正如上文所述，次年 g 高增速不是取得正相对收益充分必要条件，只是次年 g 高增速靠前的行业取 得正相对收益的概率明显高于低增速行业。但从概率高低视角来分析，个别年份也会出现胜率降低 的现象，例如 14 年的 TMT 科技行业， 17 年供给侧改革后的周期性行业。这背后的原因在于涨幅时 间节点及涨幅大小带来的统计偏差，13 年的 TMT，16 年的周期行业，这些当年强 g 行业年涨幅对业 绩端正反馈过强，使得强 g 行业在 13/16 年出现超涨，提前透支第二年涨幅，并反向贡献第二年跌幅， 如随后的 14/17 年中，尽管相关行业业绩增速分位仍高，但修正背景下并未能获得明显的正反馈。22 年迄今强 g 行业出现的下跌逻辑与 14 年的 TMT 行业/17 年的周期行业类似，也是由于此前强 g 行业涨 幅过大，且 22 年的 g 虽强但无法更强，使得在盈利端次年 g 无法更有效的对冲估值端系统性下行。

 后视角来看无论是 13-14 年的 TMT 行情还是 16-17 年的供给侧周期行情，当时市场给予相关行业的 乐观业绩持续增长预期后续皆被证伪，并未出现持续的业绩增长（无复合 g 逻辑），因此股价回调 后再难迅速修复。与之相反的食品饮料行业，业绩增速分位持续多年靠前，呈现出复合 g 的结果， 因此即使出现阶段性超涨后的回落，也会迅速修复。

次年 g 的大小往往是后验指标，站在 T 年 1 月时刻对 g 的判断往往来自于投资者和分析师的主观判 断，而从分析师盈利预期变动视角来看，年初对各行业的 g 预测（T 年 1 月）、年末预测（T 年 12 月） 与实际次年 g（T+1 年 4 月）仍然存在较大的偏差。年内涨幅居前行业更多来自于次年 g 年初/实际存 在较大预期差的行业，此过程中分析师盈利预测动态调整跟踪相较依赖静态的次年 g 预测做出的投 资决策更加重要。

次年 g 胜率相对较低的有 13 年（胜率差平均-15%）、14 年（胜率差平均 19%）和 16 年（胜率差平 均-2%），如果说 14 年还只是胜率降低但仍有效，那么 13 年 15 年更是胜率为负。复盘来看，盈利无 法成为当年主要股价驱动力的核心还是在于预期因子的强烈波动超过业绩因子成为主要支配因素， 与业绩基本面形成典型的错位。

13 年钢铁（业绩增速 NO.1）、非银（NO.4）、有色（NO.5）、建材（NO.7）、建筑（NO.8）、银行（NO.14） 为代表的大金融地产行业业绩增速整体居前，但实际股价表现较差，核心还是在于 13 年年初出 台的严厉的地产调控政策，《新国五条》的出台表明了政府对于地产行业调控的决心，尽管金融 地产相关行业业绩增速仍有惯性，但市场对金融地产行业的预期明显降低，叠加 13 年创业板成 长风格的强势，投资者倾斜性买卖更加明显。

14 年宏观经济下行压力较大，是典型的稳增长大年，13 年对地产行业的调控在 14 年经济下行压 力背景下再度被放开，市场预期重新修正，稳增长直接受益的建筑（NO.12）、银行（NO.15）、地 产（NO.20）尽管业绩一般，但还是在前年超跌与年内最终调控放松的背景下涨幅明显；14 年盈 利增速靠前的 TMT（业绩增速 NO.5/6/7）、电子（NO.13）等业绩居前行业表现不佳， TMT 行业在 经历了 13 年的牛市后，尽管业绩增速仍占优，但与此同时前期超跌的低估值行业遇到了稳增长 行情，因此出现了明显的跷跷板效应。

16 年业绩增速靠前的农林牧渔（NO.3）、国防军工（NO.5）、房地产（NO.7）、轻工（NO.9）、计算 机（NO.10）、消服（NO.11）、电子（NO.12）、电新（NO.14）相对全 A 全部录得负收益，而全年股 价表现靓眼的属于受益于供给侧改革的周期行业，16 年也是一个极值年份，是整体 A 股定价体系 转向龙头化的元年，龙头化较为明显的行业受益充分，而中小市值公司占比较多的行业在经历 13-15 年中小创结构性牛市后开始消化估值。

整体来看，对于次年 g 失效，首先是要明确的是高增速是一种高胜率而非躺赢，复盘近 10 年次年 g 高增速行业表现来看，个别年份胜率在上述（超涨、预期等）因素干扰下会有所下降，但复盘来看 这种失效往往是短暂的，阶段性的，在上述扰动因素消化完后，胜率仍会重新提升。

5.3 次年 g 预期差更加重要

前文所述，年度涨幅居前行业与与业绩排名（实际次年 g）的相关性进一步增强，不仅意味着与分 析师盈利预期（预测次年 g）的相关性增强，使得分析师盈利一致性预期这一指标的前瞻价值有所 提升。也意味着短周期行业景气追踪而言，跟踪分析师的一致预测增速变动（预测次年 g 动态跟踪） 成为较为直接的办法之一： 整体来看，分析师一致预期在年初预测值（T 年 1 月），通常高于当年实际业绩，除 17 年外，其余 四年年初预期增速初始偏离幅度在+15%-20%左右，随着时间逐渐向实际值靠拢修。

从行业静态增速预期视角来看，22E 年初业绩增速排名靠前的行业主要集中在高景气成长、TMT 科技 成长以及部分去年业绩基数较低的行业，如交运、商贸零售等。但就静态次年 g 预测对应的排名而 言，历史数据来看，年初分析师一致预测增速与年报公布的实际业绩增速对应的排名仍然存在一定 的偏差。

从不同行业预期增速排名偏移位数来看，过去五年，每年年初（T 年 1 月）行业预期增速对应的排名 较实际值排名偏离在 5-12 位，随着时间推移，年底（T 年 12 月）的行业预期增速对应排名较实际值 排名（T+1 年 4 月）的偏离可以缩窄到 3-6 位，五年数据平均年末/年初偏移可缩窄 3.2 位。行业间比 较可见 TMT 行业（通信、计算机、传媒）的年初/年末业绩增速排名偏离程度最高，显示出该类行业 的盈利预测准确度存在一定挑战。

年内行业最大预期差，即行业年内业绩增速排名跃迁情况（年底与年初行业预期增速排名相减） 与当年行业涨幅进行对比，可见明显正相关性，年初/年末排名上升或不变的行业（上半区），其行 业当年相对全 A 收益率占优的频次明显高于排名调降行业（下半区）。反映出年内业绩预期差对实 际投资具有较好的指引意义。另从分组统计视角来看，亦可发现年内排名向上跃迁的行业取得平均 相对收益的概率明显高于调降行业（16 年年初流动性背景下牛熊切换对盈利敏感性造成了一定扰动， 计算机-23%/传媒-25%，年初跌幅较大造成数据偏差）。在以上背景下，行业盈利增速调升/调降的动 态跟踪对短周期行业比较的重要性明显提升。

预测业绩对应的排名调升/调降也可以有效解释短期的行业涨跌情况。就短端动态跟踪视角对投资指 引的有效性来看，年内行业 g 动态排名与行业指数区间涨跌幅依然存在趋势性的同向关系，对大部 分行业来说，预测业绩排名的动态调升/调降，其区间涨跌幅也存在方向上的上涨/下跌。具体下沉来 看，我们发现这一结论似乎对 TMT 行业及当前的地产链相关行业解释性不足，这背后的原因是 1） 对 TMT 行业来说，如前期周报所述，其业绩预测排名历史横向比较来看属于偏差较大的行业且易受 事件驱动的影响，业绩的可测性及对事件驱动的敏感性使得股价涨幅与盈利的相关程度在 28 个行业 中相对垫底；2）对于地产链行业来说，存在着明显的预期先行现象，预期驱动股价先行修复，而分 析师盈利预测的调升出现正常的滞后性。

5.4 次年 g 的重要抓手-供需错配

供需端研究是行业比较领域的重要抓手，行业间周期性的业绩波动主要由于不同行业供给侧和需求 侧的周期性扩张/收缩共同导致。但细分来看，供需端研究需拆分为供需错配与供需格局优化这两种 维度分别进行讨论。

对于当年业绩的判断来说，侧重点在于关注短周期【次年 g】的供需错配，而供需格局的持续优化 更多是中期【复合 g】视角的关注重点。对于短周期阶段性配置的行业选择来说，业绩的稳定性并 非首要考虑的重点，这一阶段重点考虑的应是短端业绩（供需错配带来的）周期上行/爆发性，即其 启动前所存在的最大预期差。

在 GDP 此前高速增长阶段，经济周期波动所导致的需求变化，是自上而下预判行业轮动的重要依据。 随着 GDP 进入 L 型一横，经济周期扁平化导致需求端弱波动，宏观驱动的需求侧大开大合机会减少， 供给端格局变化对行业轮动的驱动力逐渐提升。我们引入需求侧波动和供给侧波动，构建四象限， 去判断供给格局变化对景气的影响：

1、 【次年 g】需求侧高波动背景下的行业轮动。总需求的上下成为主导变量，即宏观经济周期的上 下强波动成为行业轮动判断的主要抓手。Eg:疫情后，宏观经济周期波动明显加大，短周期走过 美林时钟的四个象限，提供了行业轮动判断的重要抓手，自上而下的宏观策略变得十分有效， 典型案例如 20 年集运周期的爆发。

2、 【次年 g】供给侧高波动背景下的行业轮动。总供给的上下成为主导变量，行业迅速面临出清或 产能过剩，如 17 年/21 年的周期行业，供给侧改革背景下的供给侧强波动，推动上游资源成为行 业比较领域的胜负手；猪周期同样属于供给侧强波动的典型行业，历年猪周期由于产能周期和 猪瘟形成供给侧强波，而需求侧长期稳定，虽然也有行业供需格局优化的逻辑，但对次年 g 维 度来说，行业贝塔短期内带来的超额收益更加明显。

3、 【复合 g】供需两侧弱波动背景下的行业轮动。当宏观经济波动不明显时，大类行业的轮动特征 变的不再明显，此时主导变量是结构性的需求变化和结构性的供给变化。如：结构性需求变化。 家电总需求不变，小家电结构性需求爆发；疫情以后，防疫检测疫苗新冠药等细分结构性需求 侧领域爆发；建材总供给不变，防水的行业供给结构发生明显变化。此阶段更需关注的是供需 格局的结构性优化。

4、 【次年 g+复合 g】供需两侧强波动背景下的行业轮动。通常发生在需求端爆发的初期，短期形 成供需错配，贡献次年 g，供给端逐渐跟上，中期逐渐进入供需格局优化，贡献复合 g。典型如 产业自身进入平价时代后引发需求端大幅提升的行业，如早期的苹果产业链、新能源产业链、 小家电行业等，重化工业也经历过类似路径，早期（2000-2010 年）跟随需求侧能在多个年份形 成次年 g，但后续无法展现出复合 g，仅部分行业如水泥、防水等，经过漫长的供给侧优化逐渐 贡献出复合 g。

具体案例来看，2020 年的集运行业是供需错配带动次年 g 预期差的典型案例，疫情爆发前，经过多 轮供给侧出清，行业供给格局逐渐改善，伴随着联盟化，大船化的趋势，供给端集中度逐渐提升， 结合行业对于需求端的判断，疫情爆发前行业供给端高波得到有效约束。疫情爆发后，欧美经济刺 激计划使得需求端发生大幅波动，形成明显的短期供需错配，航线价格大涨，驱动集运行业次年 g 大幅增长，形成年内较大的预期差与赚钱效应。

6.业绩稳定性/成长性维度下(复合 G)的主导行业底仓配臵

复合 g 增速是中周期行业底仓配臵的主要核心参考因素。

6.1 复合 g 业绩增速的有效指引

对于业绩具有稳态特征（稳定性），或高增长性(高成长性)的主导行业，侧重核心点在于对复合 g 的 判断，过度关注短周期内业绩波动（次年 g）反而容易错失中长期超额收益。 我们将 2002 年以来所有二级行业指数复合业绩增速与其年化涨幅进行回归，结果呈现明显的线性关 系，即中周期视角拉长来看，复合增速越高的行业，呈现出越高的复合回报特征，参考美股科技行 业长牛收益的归因也可以得到类似的结论（但值得注意的是，A 股的线性斜率明显低于美股，我们 认为这和市场成熟度以及 A 股退市制度不完善有关，即绩差未能得到更多负反馈。此外，行业层面 的相关性斜率也要弱于个股层面，这主要基于个股可以在行业贝塔基础上叠加了一层阿尔法收益）。

当整体经济结构波动不再剧烈，经济增速趋于扁平，市场逐渐趋近于成熟市场，参考美股成熟市场 经验（如美股 30 年的长牛行业-信息技术行业），业绩周期性波动带来的轮动机会和超额收益减少， 成长性复合 g 带来的超额收益贡献增多。这使得我们对此类蕴含复合 g 回报的配臵型行业筛选需要 首先明确驱动其长波繁荣的主要要素。

6.2 复合 g 赛道行业筛选框架-SCRIPS 要素纸条

17 年后以茅指数和宁指数为代表的配臵型赛道（行业）投资，其行业特点的表征应为业绩兼具稳定 性和成长性双重特质。我们对隐含高复合 g 潜质的配臵型赛道行业的定义为：在行业定义基本属性 的基础上，嵌入了更多的要素。我们对于隐含高复合 g 赛道行业的筛选跟踪框架主要聚焦六点要素， 即“SCRIPS”要素纸条： （S）Supply and Demand 供需格局持续优化。 （C）Ceiling 行业天花板/市场容量较高。 （R）ROE 高/趋势向上，相对盈利增速趋势向上。 （I）Industrial policy 政策支持&产业结构。 （P）Productivity 生产效率提升。 （S）Slipplied Bike Chain 产业链薄弱环节。

6.3（S）供需格局持续优化

前述短期供给错配与中长期供需格局持续优化之间的不同。前者属于次年 g 范畴，后者属于复合 g 范畴，前者侧重短期供给错配后的周期性把握（供/需一侧或两侧短期迅速变化引发错配），后者侧 重于供给格局改善后的成长性（供/需两侧缓慢优化）。周期性的供给错配，通常也会迅速回归供需 平衡，而中长期供需格局改善才有助于提升整个行业的景气水平，提高复合 g 判断的臵信度。

短期供需错配的研究还是由传统策略自上而下框架所侧重的需求侧高波动所主导，随着名义经济增 速所表征的需求侧陷入低波动，供需错配抓取的爆发性行业配臵机会减少，抓取难度有所增加。而 市场此前实际转向自下而上或赛道投资本质是行业比较重点转向研究中长期供需格局改善，特别是 供给侧的结构性优化机会，这种机会相较早期宏观经济大开大合引发的需求端高波，往往更多呈现 出慢变量与趋势性的特征，这也是茅指数在经济扁平化后持续长牛的原因内核之一。

6.4（C）天花板-水大才能鱼大

行业研究的终极思维应是假设该行业最终的竞争格局最终将走向寡头市场，这也意味着（在不同行 业盈利能力相同的假设下，即不变量），变量就成为市场空间/收入端的跨行业比较。空间天花板高 的行业其贡献出的利润绝对值水平将显著高于天花板低的行业，回报空间及市值上限也会相应更高， 因此不同行业之间的天花板比较和成长速度是具有研究意义的抓手之一。

投资者也通常依据终局假设下的市场空间确定潜在寡头公司的成长终局价值，定性评估长期赔率空 间。

以食品饮料行业为例，其二级行业主要有白酒、调味品、乳品、啤酒等，从各协会发布的行业年营 收估算，白酒行业/乳制品行业/调味品行业/啤酒行业分别为 6000/4000/4000/2000 亿左右，在证券化率 逐渐提升的背景下，各细分行业的总市值也呈现出白酒>调味品/乳制品>啤酒的特征。

新能源方面，全球主要经济体进入去碳周期，中国碳达峰碳中和目标的设定，2030 年非化石能源占 一次能源消费的目标为 25%，2025 年非化石能源占一次能源消费的比例有望超过 20%，据此可推算 十四五期间我国光伏+风电年均装机量预计应达到 130-160GW，市场天花板上限明显提升。

6.5（R）ROE 高/ROE 趋势向上

长期 ROE 近似等于长期回报，下沉到不同行业来看，部分高 ROE 行业对其股价产 生正贡献更多，部分高 ROE 行业回报存在贡献不足，但从 ROE 和年化回报的正相关性来看不难发现， 高 ROE 至少是高复合回报的充分不必要条件。而这种回报偏差产生的背后原因 1 是因为回报不足行 业的高 ROE 更多由高分红导致，而年化回报统计并不考虑分红收益。2 是回报不足的高 ROE 行业更 依赖于经营财务杠杆。3 回报偏差更多来源于不同行业间估值扩张/收缩带来的扰动。

6.6（I）政策支持&经济产业结构

6.6.1 政策支持分析框架

从研究可行性角度来看，政策分析是行业比较中仅次于分子端、分母端分析后第三大抓手。政策变 动可以在盈利和预期（影响估值）两个维度同时决定行业的超额收益表现。强执行力政府作为经济 政策和产业政策的制定者和执行者，通过产业规划、补贴、税收、行政便利、直接/间接融资工具等 多方面举措可以有效引导全市场资本流动方向。

A 股的政策分析框架大体可以分为三个部分：1 宏观政策；2 中观经济结构调整政策（包括资本市场 改革政策）：政策助力引导下，整体经济结构从重化工业到地产经济，到消费升级以及步入当前的 制造业升级、新能源，科技转型时代，而经济结构转型并非非黑即白，中观经济结构调整政策更多 在于各类经济驱动力占比的良性调节，促进经济长期健康发展是核心目标；3 细分微观产业政策，中 观经济结构调整政策是大方向上的指南针，同时经济结构调整政策也会通过先后嵌套各种细分行业 微观产业政策进行细调微调。总体来看，政策的转向与延续、政策的力度与空间是行业比较的重要 抓手。

6.6.2 产业结构研究

我国产业结构的长期演变趋势（即第三产业占比持续超越第二产业）未变，二产和三产共同构成我 国经济发展的双支柱。当前二产内部结构边际迅速发生变化（如能源结构变化：光伏风电替代火电； 汽车结构变化：新能源电车替代油车；芯片结构变化：国产芯片替代国外芯片），而能源总消耗量， 汽车总产销量，芯片总耗量并没有发生大的变动，更多反映的是二产内部明确的升级趋势，并不影 响二产三产对经济拉动占比的长期变化趋势。

制造业当前处于升级加速阶段，从中周期视角看，随着二产产业升级如火如荼的展开，（红色类） 中期景气度和产业内部替代扩张趋势仍较强。

长期以来，我国第三产业发展提升较慢，从结构来看受服务性消费不足的制约较为明显。站在更长 视角来看，服务业最终会发展为经济的第一龙头，而这样的产业格局变化，又注定会诞生众多的三 产（非金融地产）龙头。我们统计发现，当前 A 股市值前 50 名公司中，属于三产（非金融地产）的 龙头公司仅 5 家，占比十分之一，与产业结构发展趋势并不匹配。

因此从长期视角来看，涉及居民消费商品类支出的二产制造业（蓝色类），其产业结构份额的扩张 将保持稳健节奏，当前被资本市场略有冷落。涉及居民消费服务类支出的非金融非地产（粉色类） 三产产业，其在产业结构中的份额不断扩大是符合产业发展规律的大概率事件。美股近 30 年行业结 构变迁趋势来看，龙头公司权重逐渐从医疗保健和日常消费品行业向信息技术行业过渡变迁。

对我国产业结构变迁应把握趋势及当前时代各产业投资核心逻辑，即： 第一产业发展的核心逻辑是“保障供给安全”； 第二产业的核心逻辑切换到“制造业升级及产业链不被卡脖子的 hard tec”； 第三产业的核心逻辑除“消费升级”外，正在转向“中长期居民消费潜力的释放”。

6.7（P）生产效率提升

通过工业增加值视角，优选生产效率高，产业升级较为明确的相关行业。从更顶层的角度去考虑当 前制造业升级的背景，即大而不强。大而不强的核心指标之一是制造业企业整体工业增加值率较西 方发达国家仍然偏低。

对工业企业而言，其工业总产值只能反映其经营规模，而工业增加值及工业企业生产过程中新增加 的价值可以更好的反映工业企业的价值创造水平。用收入法计算，工业增加值率=工业增加值/工业 总产值，工业增加值=固定资产折旧+劳动者报酬+生产税净额+营业盈余；用报表中当期固定资产折 旧额+应付职工薪酬本期增加额+营业税金及附加+利润总额近似代表工业增加值，以其营业总收入近 似代表工业总产值，从而计算出相关行业或公司的工业增加值率。

从工业增加值估算的四个指标来看：1）单位产值中折旧所占比重。大量使用固定资产的产业工业增 加值率较高。2）单位产值中劳动者薪酬支出比重。即劳动者报酬高的产业的工业增加率较高。3） 单位产值中盈利能力所占比重，即盈利能力强的公司工业增加值率较高。4）单位产值中原材料成本 所占比重。单位产值中原材料成本所占比重越小，该产业的工业增加值率越高。反之，则工业增加 值率越低。

此前我国工业增加值率偏低，即大而不强，主因产业链结构未完成升级，在国际产业链分工中处于 偏中后段位臵。从上图测算可以看出，研发、设计和高端零部件制造、一般原材料生产、组装等完 整的生产环节工业增加值率呈现典型的下行。研发、设计和高端制造环节属于知识密集型产业，人 均薪酬相对较高，盈利能力更强，而产业链中后段人工薪酬较低，盈利能力偏弱，从而造成了我国 整体工业增加值率偏低，大而不强的现象。产业链补强路径下的行业选择是实现我国整体工业能力 从大到强式发展的必经之路，也是行业筛选比较框架下的重要抓手之一。

6.8（S）产业链薄弱环节

赛道和产业研究中，除了产业链补强，在全球化和外部环境压力加大背景下，产业链补缺不仅具有 安全上的战略意义同时也具有长视角下的价值创造能力。早在 14 年习近平总书记已提出总体国家安 全观概念，聚焦 11 个方向。进入 21 年后，从对俄制裁映射及进口金额角度，我们梳理了五个安全 角度：

农业安全方面：主粮总量基本无忧，海关数据显示我国近年大豆进口量达 1 亿吨，根据国家统计局 发布的我国大豆亩产数据，若弥补此产能缺口至少需 8 亿亩耕地种植大豆，但我国总耕地仅 20 亿亩， 从此角度来看，大豆的结构性供应安全仍无法得到满足。玉米供给自给率仍较高，但近年来随储备 下降，进口量开始提升，玉米的供给安全直接涉及到饲料粮安全，间接影响肉蛋奶等食品的供应。 在耕地面积难有进一步增长的背景下，单产的持续提高无论是对于农业企业的发展还是国内粮食供 应安全的保障都有积极意义，涉及的部分种子领域的差距是发力重点。

资源安全方面：我国能源资源较为匮乏，其中原油、天然气，铁矿石严重依赖进口，2021 年原油/天 然气/铁矿石进口依赖度分别超过 72%/45%/52%。而新能源中短期占能源消耗的比重仍然有限，传统 能源在经济性外的安全备份作用仍无法替代。 科技安全方面：在高新技术领域面临被“卡脖子”的困境，从华为、中兴事件到美商务部不断扩充“实 体清单”，俄乌冲突后，科技安全领域自主可控迫切性再度提升。半导体、光刻机、医疗器械、数控 机床，新材料等领域仍亟需持续突破。

信息安全方面：信息安全领域主要分为软件安全、硬件安全和服务安全，三者协同组成信息安全体 系。当前除了网络安全硬件（涉及芯片制造领域）外，软件端特别是在操作系统、数据库，工业软 件等领域市占率仍有明显替代追赶空间。

金融安全方面：本轮俄乌冲突中，西方国家对俄金融制裁手段及强度为金融安全领域的发展敲响警 钟，中国跨境人民币支付系统（CIPS）运营机构于 2015 年 9 月成立，截止到 2022 年 3 月，CIPS 共有 76 家直接参与者，1212 家间接参与者，迄今人民币在国际支付中的份额占比已逐渐提升至 3.2%，但 距离美元、欧元占比差距仍然较大。

编辑：999感冒灵