2022年股市分析工具 FESC行业轮动框架

一、行业轮动现象

多年来 A 股市场普遍存在着行业轮动的现象，2010 年以来中信一级行业的 历年收益对比，截止 8 月 30 日今年收益最高的煤炭行业（41%）在 2019 年（15%）与 2020 年（8%）的收益远低于所有行业的平均收益 28%、22%。而在 2019 年、2020 年表 现最好的食品饮料行业，在 2021 年与 2022 年的收益均小于所有行业的平均收益。2010 年历史平均收益最高的 TOP5 行业分别是电子（18%）、食品饮料 （18%）、消费者服务（17%）、计算机（16%）、电力设备及新能源（15%）。其中电子行 业在今年收益-26%是所有行业中最差，同时其在 2011 年（-39%）、2014 年（17%）、2018 年（-41%）均为当年排名较差的行业，由此可见行业选择所带来的 beta 收益在投资中占 据较大权重。

2021 年以来各中信一级行业的月度涨跌幅统计，红色渐变为绿色表示涨幅由 高到底排列。除了 21 年 4 月到 8 月的汽车、基础化工行业，21 年 12 月到 22 年 5 月煤 炭行业外，鲜有行业可以连续 4 个月以上涨幅在所有行业前 50%。 下面我们以 2022 年中报公募基金披露的持仓与其业绩做简要的分析来说明行业选择的 重要： 我们筛选所有的权益型公募基金产品共 4017 只，剔除其中规模不足 2 亿的产品剩余 2836 只，筛选其中二季度业绩排名前 100 只基金产品对其第一大重仓行业进行分析对比。

100 只产品中第一大重仓行业为电力设备及新能源的共有 53 只，第一大重仓行业为食品 饮料的共有 28 只，两个行业占比达 81%。二季度市场所有行业的平均收益为 3.97%，其 中食品饮料涨幅 21.19%排名第三，电力设备及新能源涨幅 13.88%排名第四。由此可见行 业选择对提高基金产品的业绩有巨大帮助。

但在现有的研究中，行业轮动的标的更多都是基于一级行业（中信一级或申万一级），然 而在实际的投资中不论是 FOF 产品或者股票基金等，投资者们都无法直接对一级行业进 行投资，故我们下文的研究会不仅涉及一级行业，另外还将轮动的标的下沉到二级子行 业。很多二级子行业有其对应的 ETF 产品，可以为做 FOF 产品的投资者提供帮助，另外 对于量化产品中的指数增强产品也可提供投资辅助。

2010 年以来中信二级行业的历年收益对比，截至目前中信二级行业共有 108 个 指数，其中在 2010 年至今有行情数据的行业共 46 个，其余均在 2017 年之后才有行情数 据，我们挑出来其中可以进行统计的指数进行比较分析。其中平均收益最高的是酒类子 行业，2010 年以来年平均收益为 26.4%，远超其他的子行业，可以看到其在 2013 年、2021 年、2022 年的收益都排名在后 50%中。平均收益最低的为石油开采指数，2010 年以来平 均收益-3.4%，然而其在 2021 年、2022 年收益分别是 42.1%、36%，连续两年均排名前 10，由此可知行业轮动不仅在一级行业上表现明显，在二级子行业上同样非常突出。

二、FESC行业轮动框架

我们之前基本面研究中关于 CANSLIM 系列的基本面选股策略在近几年表现非常突出， 其中 CANSLIM 1.0 策略自 2021 年 1 月至 2022 年 8 月 31 日绝对收益 14.76%，相对偏股 型基金超额收益 22.19%；CANSLIM 2.0 策略自 2021 年 1 月至 2022 年 8 月 31 日绝对收 益 40.89%，相对偏股型基金超额收益 48.32%；CANSLIM 3.0 策略自 2021 年 1 月至 2022 年 8 月 31 日绝对收益 55.6%，相对偏股型基金超额收益 63.03%。借鉴之前的研究思路， 对于行业轮动的研究我们从四个维度出发，分别是：行业的微观基本面、市场的情绪面、 分析师预期变化、分析师一致预期的调整，我们简称为 FESC，其中 F 代表基本面，E 代 表分析师预期变化，S 代表市场的情绪，C 代表分析师一致预期的调整。

对于 FESC 的四个维度，每个维度筛选各自的角度与指标进而对每个一级行业及二级子 行业进行评价。对于微观基本面的维度我们参考之前的多因子报告《基本面量化研究系 列——六维共振》中基本面研究的维度，分别从成长、盈利能力、营运能力、获现能力 来对行业进行分析对比；对于市场情绪的维度，我们主要从行业动量（参考《行业轮动 系列——“长短共振”动量效应探究》）与换手率两个角度进行分析对比；对于分析师一 致预期的调整维度，主要考察分析师对各行业的一致预期在最近一段时间内的上调幅度， 更多从定量的角度来进行分析；对于分析师预期变化的维度，主要考察分析师对各行业 内个股近一年的预期净利润、预期每股收益、预期净资产收益率进行上调的占比，更多 从定向的角度来进行分析。

（一）微观基本面维度

在对行业的微观基本面维度进行研究中，我们主要从四个角度来分析，即行业的成长角 度、行业盈利能力角度、行业的营运能力角度以及行业获现能力，对其中的每个角度从 现有的因子库中挑选测试结果较好的因子来进行评价。

1、成长类。2021 年以来市场中关于景气度赛道或高成长赛道这样的讨论持续不断，同时 A 股市场 2021 年来各板块之间的分化非常严重，究其原因在于近些年来市场中资金大幅增加，最 直观的表现为全市场的成交量相比以前年份明显增加，2021 年的全市场成交量是继 2015 年之后的第二高年份，今年到目前为止全市场成交量已达到历史第四高水平。而在“相 对排名”考核机制下多数机构投资者在进行投资决策时更侧重于考虑短期内（一年内） 业绩可以爆发的个股或者增速非常快的行业，进而导致市场中所谓的“抱团效应”。

公司或者行业的成长本身作为一个衡量个股投资价值或者行业投资价值的重要维度，在 如今这样的市场背景下成长性显得尤为重要。通过对因子库中成长类相关因子进行测试 最终我们筛选如下四个因子分别是：营业收入 TTM 环比增速的差分、利润总额 TTM 环 比增速的差分、归母净利润 TTM 环比增速及其差分。以上四个因子中有三个因子表示一 阶导数的差分，所隐含的经济逻辑便是增速的加速，因子大于 0 则代表行业的营收或者 利润的增速在加速，同时选用差分来进行处理也可以筛选出增速变化绝对值较大的一级 行业及二级行业。

成长类因子在中信一级行业上测试结果，对应的样本区间为 2010 年 1 月至今， 通过对比可知选用的四个因子的 IC 均值及中位数均超过 3.5%，IC 大于 0 的占比均大于 54%。其中利润总额因子的测试结果最佳，该因子 IC 均值及中位数均大于 6%，大于 0 比例更是超过 60%，年化 ICIR 也大于 1。效果相对较差的为营业收入因子，该因子 IC 均值及中位数分别为 3.7%、3.8%，大于 0 比例为 54.5%。

上文中提到为便于我们的模型信号更广泛的为投资者提供帮助，在研究中我们将研究的 标的下沉到二级子行业。但在研究中发现有些二级子行业相对较小，整个行业涉及的个 股不足 10 只，行业总市值不足 200 亿，对于这种二级子行业市场中不论是机构投资者还 是卖方的分析师等对其的关注度长期以来均非常低，机构在这类行业上的总体仓位非常 小，其研究价值相对较低，可投资性也较差。故我们对二级子行业先进行一次初筛，剔 除其中分析师过去一段时间覆盖较少的二级子行业。

中信二级子行业资产管理的成分股，该子行业截止目前共计只有 2 只个股分别 是鲁信创投、九鼎投资，两只个股总市值不足 170 亿（截止 2022 年 9 月 1 日），自由流 通市值仅仅 47 亿。对于这类二级行业机构的关注度自然不会很高，同时卖方分析师也很 少覆盖。在每个月末我们对每个行业的机构关注度指标_进行对比，筛选出全市场机构关 注度最高的前 60%的二级子行业作为下个月的目标子行业，从而进行测试。

表示中信二级行业成长类因子 IC 测试结果，对应的样本区间同样为 2010 年 1 月至 今，其中测试效果最好的因子为营业收入因子，该因子 IC 均值和中位数均大于 4%，同 时大于 0 占比为 61.2%，年化 ICIR 大于 1。归母净利润环比增速因子测试效果排名第二， 该因子的 IC 均值和中位数也均大于 4%，大于 0 占比为 61.9%。 成长类因子不论在中信一级行业或者二级行业上测试效果均显著， 完全符合作为备选因子的条件

成长类四个因子分 5 组之后的结果，其中基准表示所有行业的等权指数。通过 对比可知，虽然各因子效果最好的分组不一定是第 5 组，但年化收益率来看最高的分组 都在 4、5 组，同时第 4、5 组的最大回撤及夏普比率相比其他三组的结果更好。另外我 们发现此类基本面指标的换手率非常低，各分组年化双边换手率在 5 左右。

中信二级行业分 5 组之后的测试结果，对比基准为当期样本池内所有二级行业 指数的等权组合。在二级行业上的分组效果更佳显著。第 5 组的分组效果是每个因子中效果最好的小组。其中营业收入因子第 5 组的 年化收益达到 13.25%，夏普比率 0.6，相对收益年化超额收益 6.3%，双边换手率 6.46。中信一级、二级行业成长类因子多空分组结果对比，因为二级行业的分组线 性更明显。从而导致二级行业的多空分组结果相比一级行业会更好，但整体上每个因子 在中信一级行业和二级行业的多空分组对比均比较明显，多头效果明显优于空头效果， 且多空分组的收益主要来自于多头的贡献。

2、盈利能力。企业的盈利能力同样是决定企业价值的一个非常重要的维度，企业的盈利能力越强其对 股东带来收益的能力也越强，企业的价值从而能得到提升，同时企业的经营活动中的现 金流量也更加稳定，最终吸引更多投资者来购买并持有企业股票。以上的逻辑同样适用 于行业的投资中，盈利能力强的行业更容易受投资者青睐，未来行业继续增长的可能性 也更高。

我们对数据库中相关因子进行筛选，最终筛选出三个因子进行测试，分别是：财务费用 率 TTM 的同比变化（差分）、销售毛利率 TTM 的环比变化（差分）及成本费用利润率 的环比变化（差分）。上述三个指标均采用差分的方式来进行处理，主要包含了两种含义， 差分之后的正负可以衡量该指标的变化方向，比如销售毛利率 TTM 的环比变化大于 0， 则说明行业的毛利率是有所提升的，该行业可能处于发展阶段，该行业的可投资性相比 于环比变化小于 0 的要高。另外一种含义，差分之后的指标其绝对值也具有可比性，环 比变化绝对值更大的行业投资性价比是要明显优于变化较小的行业。

盈利能力类因子在中信一级行业上测试结果，通过对比可知三个因子测试的结 果均非常有效，其中成本费用利润率测试的结果最好，因子 IC 均值和中位数分别是 5.6%、 8.6%，IC 大于 0 的占比 61.9%；排名其次的因子是销售毛利率，该因子 IC 均值和中位数 分别是 5.6%、6.2%，大于 0 占比 63.5%。以上两个因子均是正向因子，财务费用率因子 为负向因子，该因子 IC 均值和中位数为-3.4%、-4.5%，小于 0 占比达 58.7%。

中信二级行业盈利能力类因子 IC 测试结果，其中测试效果最好的因子反而为财 务费用率因子，该因子在二级行业测试的 IC 均值和中位数分别是-7.2%、-7%，小于 0 占 比达 65.9%，年化 ICIR 为-1.157。排名其次的为成本费用利润率因子，其在二级行业上 测试结果与在一级行业上测试的效果比较接近。销售毛利率因子在二级行业上测试结果明显比在一级行业上测试的结果差，不过其 IC 均值和中位数也均大于 3%，大于 0 占比 超过 55%。

盈利能力类的三个因子分 5 组之后的结果，其中的基准表示所有的行业的等权 指数。通过对比可知，此类因子的分组线性效果较好，成本费用利润率和销售毛利率因 子的第 5组年化收益率均超过 10%，财务费用率因子的第 1 组的年化收益率也超过 10%。 另外可以发现此类因子的换手率非常低，双边年化换手率平均在 4 倍。

3、营运能力。营运能力是指企业的经营运行能力，即企业运用各项资产以赚取利润的能力。企业营运 能力的财务分析比率有：存货周转率、应收账款周转率、流动资产周转率和总资产周转 率等。这些比率揭示了企业资金运营周转的情况，反映了企业对经济资源管理、运用的 效率高低。企业资产周转越快，流动性越高，企业的偿债能力越强，资产获取利润的速 度就越快。 我们对数据库中的相关因子进行筛选，最终筛选出存货周转率的环比变化（差分）因子 进行测试，经济逻辑上存货周转率因子为正向的因子，周转越快企业的短期偿债能力也 就越强，其获取利润的速度就更快。对其做差分的处理后，一方面如果该因子大于 0 说 明企业的存货周转率在加快，企业的短期偿债能力在加强，另一方面差分的绝对值越大 表示其偿债能力变化更大，对应的其可投资价值更高。

存货周转率的环比变化因子在中信一级、二级行业上测试的结果，从测试结果 来看其在二级行业上测试结果略好于在一级行业上测试结果，二级行业的 IC 均值和中位 数都比一级行业测试结果高，年化 ICIR 同样在二级行业测试结果更好。存货周转率的环比变化因子分 5 组之后在中信一级、二级行业上测试的结果， 通过对比可知，其在二级行业上分组效果优于在一级行业上的效果。中信一级、二级行业营运能力因子多空分组结果对比，整体上存货周转率因子 在一级、二级行业上的分组效果均比较明显，其在二级行业上分组效果明显优于在一级 行业上的结果。

4、获现能力。获取现金能力分析主要是了解当期经营活动获取现金的能力。一般情况下，比率越高， 说明获取现金的能力越强。获取现金能力分析的指标主要有：销售现金比率、每股经营 现金流量和全部资产现金回收率等等。我们对数据库中的相关因子进行筛选，最终筛选 出经营活动产生的现金流量净额比经营活动净收益因子来进行测试。

经营活动产生的现金流量净额比经营活动净收益因子在中信一级、二级行业上 测试的结果，测试结果来看其在一级行业上测试结果略好于在二级行业上测试结果，一 级行业的 IC 均值 4%大于在二级行业测试结果 3%，一级行业的年化 ICIR（0.71）大于二 级行业的测试结果 0.64。获现能力因子分 5 组之后在中信一级、二级行业上测试的结果，其中的基准表 示所有的一级行业或二级行业的等权指数。通过对比可知，其在二级行业上分组效果优 于在一级行业上的效果。

（二）市场情绪维度

上部分我们主要从各行业的微观基本面角度来对一级、二级行业进行分析比较，本部分 我们从市场情绪维度（量价角度）来对各行业指数进行比较。我们主要从行业动量及换 手率两个角度来对比，选用指标分别是长期动量（过去 12 个月行业动量）与短期换手率 （过去 1 个月换手率波动率）。

（三）分析师一致预期的调整维度

对于分析师的预期我们选用朝阳永续数据库中的分析师预期数据，包括一致预期归母净 利润、一致预期每股收益与一致预期净资产收益率。在之前的多篇报告中我们对一致预 期数据进行过测试及构建模型，该类数据的效果虽然短期内可以会经历一定波动，但长 期跟踪下来在 A 股市场非常有效。 在这一部分我们采用之前 CANSLIM 系列报告中对一致预期数据的处理方式，选用 3 个 月的变化率对各行业的一致预期数据做处理，从而得到三个因子分别是：一致预期归母 净利润变化率、一致预期 eps 变化率及一致预期 ROE 变化率。

一致预期类因子测试结果均比较有效，其中效果最好的为一致预期归母净利润变化率， 其在二级行业上测试的 IC 均值和中位数分别是 5.8%、4.8%，同时大于 0 占比为所有因 子中最高（61.9%）；在一级行业上测试的 IC 均值和中位数分别为 5.3%、5.8%，同时大 于 0 占比为 57.9%。一致预期类的三个因子分 5 组之后的结果，通过对比可知，虽然各因子效果最 好的分组不一定是第 5 组，但年化收益率来看最好的分组均属于 4、5 组，同时第 4、5 组的最大回撤及夏普比率相比其他三组的结果更好。对比之前的因子此类因子的换手率 相比基本面因子的换手率略高，但相比市场情绪类因子则较低。

（四）分析师预期变化维度

在上文部分我们从行业整体一致预期的角度来进行分析，利用个股的基本面数据首先合 成行业的基本面数据，从而构建一致预期变化率因子。在此部分我们首先计算个股自身 的一致预期变化，进而合成行业的一致预期变化。另外，该部分的侧重点在于定向分析 个股的一致预期变化方向从而合成行业整体的变化。跟上部分类似我们同样筛选一致预 期净利润、一致预期每股收益及一致预期净资产收益率三个角度来进行分析，构造各行 业一致预期上调占比因子。

IC 的测试结果来看，该类因子的测试结果均比较显著，对比可以发现每个因子在二级行 业上的测试效果明显优于其在一级行业上的测试结果。其中效果最好的因子为 roe 上调 占比因子，该因子在一级行业与二级行业上的 IC 均值均大于 7%，大于 0 的占比也是超 过 58%。分析师预期变化类的三个因子分 5 组之后的结果。该类因子的分组区分度非常 的好，第 5 组年化收益率均超过 11%，同时夏普比率也是各自分组中最高的小组。该类 因子的换手率相比上文中一致预期变动比例因子的小。二级行业的测试结果来看，该类因子的分组更有效，第 5 组年化收益率同样均超过 11%， 最大回撤、换手率相比其他小组都更小。多空分组的结果来看，该类因子的多空分组在一级、二级行业上的分组均非常明显，各 个小组的多头年化收益率均超过 11%，其中收益主要来自于多头组合的贡献。

三、构建行业轮动模型

（一）构建组合因子

上文中对 FESC 行业轮动框架中每个维度进行详细介绍，此框架主要从四个维度来对所 有的一级行业及二级行业进行评价，我们将上文提到的 17 个因子全都纳入进行综合打分， 将各个指标的得分进行平均来当做总得分。

1、中信一级行业轮动结果。组合因子在一级行业上测试 IC 结果，IC 均值和中位数分别是 9.6%、9.7%，大 于 0 占比达 62%，年化 ICIR 为 1.36。各项指标来看，效果非常的显著，相比之前每个维 度的单因子的结果均有明显的提升。表组合因子在中信一级行业上测试的 IC 时序结果及分组效果，可以得出 组合因子的 IC 半衰大于 4 个月，可见该因子的有效性持续较长。从各分组相对基准（等 权行业）的超额收益可以看出组合因子得分最高分组相对较稳定，其第 5 组的年化收益 率超过 17%。另外，从测试结果来看第 5 组的双边年化换手率仅 6.2。

2、中信二级行业轮动结果。组合因子在二级行业上测试 IC 结果，IC 均值和中位数分别是 8.5%、8.9%，大 于 0 占比达 61.2%，年化 ICIR 为 1.34。各项指标来看，效果非常的显著，相比之前每个 维度的单因子的结果同样均有明显的提升。组合因子在中信二级行业上测试的 IC 时序结果及分组效果，可以得出 组合因子的 IC 半衰为 3 个月，该因子的有效性持续较长。从各分组相对基准（等权行业） 的超额收益可以看出组合因子得分最高分组表现非常稳定，其第5 组的年化收益率超过 20%。另外，从测试结果来看第 5 组的双边年化换手率仅 8.7。

（二）2022年以来每月信号

行业轮动模型历年来收益结果对比，二级行业除 2018 年没有跑赢等权行业外其 他年份都有超额收益。另外，不论一级或者二级行业除 2018 年外其他年份的收益均为正 收益，2022 年至 8 月 31 日收益分别为 7.07%、3.2%。

四、总结

结合之前在选股研究中的经验，本报告尝试将其融入到行业轮动的框架中。本报告的主 要结论如下：

多年来 A 股市场普遍存在着行业轮动的现象，不论在一级行业或者二级行业中，鲜有行 业可以连续 4 个月以上涨幅排在全行业头部。另外对公募基金披露的中报持仓跟其业绩 的对比，可以发现规模在 2 亿以上业绩排名前 100 名的基金产品中，他们的持仓有明显 的行业偏好，第一大重仓行业为电力设备及新能源，第二大重仓行业为食品饮料，两个 行业占比达 81%。二季度市场所有行业的平均收益为 3.97%，其中食品饮料涨幅 21.19% 排名第三，电力设备及新能源涨幅 13.88%排名第四。由此可见行业选择对提高基金产品 的业绩有巨大帮助。 我们之前基本面研究中关于 CANSLIM 系列的基本面选股策略在近几年表现非常突出， 借鉴之前的研究思路，对于行业轮动的研究我们从四个维度对行业进行评价，分别是微 观基本面维度、市场情绪维度、分析师一致预期维度及分析师预期变化维度。

对微观基本面的研究中我们主要从三个角度来分析，即行业的成长角度、行业盈利能力 角度以及行业的营运能力角度。通过对各角度的因子进行测试，其中成长角度的四个因 子是其中效果最好的因子，一级行业上 IC 均值及中位数均超过 3.5%，IC 大于 0 的占比 均大于 54%。同时，该维度因子整体分析效果较好，二级行业上分组效果明显优于一级 行业上分组效果。 市场情绪维度中主要考虑量价因子，分别是长期动量（过去 12 个月行业动量）与短期换 手率（过去 1 个月换手率波动率）。其中长期动量的测试结果偏正向，IC 均值和中位数 均大于 6%，同时 IC 大于 0 占比分别为 57%、58%；换手率因子的测试结果偏负向，该 因子在一级行业上测试效果比在二级行业上测试效果更为显著，在一级行业上 IC 均值和 中位数分别为-3%与-7%，小于 0 占比为 58%与 54%。

分析师一致预期调整维度中主要对比三个因子，分别是一致预期归母净利润、一致预期 每股收益与一致预期净资产收益率。三个因子测试结果均比较有效，其中效果最好的为 一致预期归母净利润变化率，其在二级行业上测试的 IC 均值和中位数分别是 5.8%、4.8%， 同时大于 0 占比为所有因子中最高（61.9%）；在一级行业上测试的 IC 均值和中位数分别 为 5.3%、5.8%，同时大于 0 占比为 57.9%。 分析师预期变化维度中，我们对以上三个因子构建每个行业每期上调占比因子，该类因子的测试结果均比较显著，其在二级行业上的测试效果明显优于其在一级行业上的测试 结果。其中效果最好的因子为 roe 上调占比因子，该因子在一级行业与二级行业上的 IC 均值均大于 7%，大于 0 的占比也是超过 58%。

最后，按照上文提到的四个维度共计 17 个因子全都纳入到最后的打分体系中进行综合打 分，按照每期的综合打分我们构建组合因子，同时每期的推荐行业即综合打分之后的得 分最高前 20%行业。该组合因子在一级行业上 IC 均值和中位数分别是 9.6%、9.7%，大 于 0 占比达 62%，年化 ICIR 为 1.36。多头组合年化收益率 17.35%，夏普比率 0.75，最 大回撤 40.9%发生于 2015 年下半年。在二级行业上测试 IC 均值和中位数分别是 8.5%、 8.9%，大于 0 占比达 61.2%，年化 ICIR 为 1.34。多头组合年化收益率 20.57%，夏普比 率 0.87，最大回撤 37.8%发生于 2015 年下半年。 轮动模型历年来收益结果对比，不论一级或者二级行业除 2018 年外其他年份的收益均为 正收益，2022 年至 8 月 31 日收益分别为 7.07%、3.2%。

编辑：JACK