本周收益率表现最好的三个行业是国防军工（6.7%）、通信（5.9%）、建材（5.7%）。收益率表 现最差的三个行业是煤炭（-1.4%）、银行（-1.0%）、食品饮料（0.7%）。30 个中信一级行业平均 周收益率 3.0%，近 1 月平均收益率 3.3%。
（一）估值预警系统概述
为了规避行业高估值风险，我们采用各行业近 6 年的 PB（剔除极端值）作为样本数据，计算当前 各行业 PB 在样本数据中的分位数，越靠近 0 表示估值越低，越靠近 1 表示估值越高。当某个或某 几个行业的拥挤度过高，出现极端估值时，模型将不对该行业进行测算。 具体实施步骤如下： 步骤 1：时刻 t，剔除近“6 年”滚动窗口中最高前 10% PB，以保证稳健估计（注：如果窗口期包 含 2015 年股灾，那么当前估值永远可能不是极端高估值）； 步骤 2：计算当前 PB 处于剔除极值的窗口分位数，若行业的滚动 6 年稳健 PB 分位数高于 95%，该 行业则会被剔除，不参与各分项策略的测算。
（二）当前预警信号
观察各中信一级行业滚动 6 年稳健 PB 分位数结果可知，本周商贸零售、计算机、有色金属、国防 军工、石油石化、电子行业当前 PB 估值高于过去 6 年 PB 估值（剔除极端值）95%分位点，触发 高估值预警。
（一）S1 高景气行业轮动策略（周度）概述
行业盈利景气度追踪模型是通过 wind 分析师一致预期滚动行业数据建立的多因子模型。该模型旨 在挑选出当前盈利预期向上的行业。 本策略尝试通过盈利预期的原值、斜率和曲率三个维度来描述盈利景气度的变化趋势，具体操作时 可根据分析师预期数据构建三大类因子： 1. 净利润预期同比与预期 ROE 相关指标，代表 3-5 年的赛道概念； 2. 景气度变化因子，为一类因子的季度变化，反映各行业的中短期景气度变化； 3. 短期情绪因子，为二类因子的月度变化，反映景气度变化的斜率，即加速上升或减速上升 我们以“单因子年化超额>3%”为条件筛选备选因子，再通过“分层聚类法”将备选因子分为 8 类 并优选每类中超额收益最高的因子进行 rank 等权复合，形成复合因子。剔除估值过高的行业后，每 周选取因子值最高的 3 个行业等权持有。
（二）S2 隐含情绪动量策略（周度）概述
隐含情绪动量策略主要针对“市场估值常跑在可获取卖方盈利预期具体数字之前”的困境，构建 “跑在盈利预期数据公布之前”的情绪动量策略。 动量/反转效应在微观层面主要体现为“量与价的博弈”。策略认为从微观角度，股价的波动可以 被拆解为两种正交的情绪贡献，即已经反映在换手率变化中的“预期内情绪”和面对各种未证实传 闻下的“隐含情绪”（市场对“常规换手交易对股价正常推动”之外的定价）。
（三）S3 宏观风格轮动策略（月度）概述
宏观风格行业轮动策略首先借助当前各宏观指标及指标与四种行业风格（高 beta、高估值、12 个月 动量、高波动率）收益的相关性对四种行业风格多空情况进行预判。再通过各中信一级行业在四种 风格的暴露程度对各行业的契合程度进行排序。 基本面指标体系构建：从“经济增长”、“通货膨胀”、“货币”、“信贷”和“市场情绪”优选 宏观指标，并从“指标所处历史中枢定位”、“指标超预期”和“指标边际变动”三个维度刻画各 宏观指标。 行业风格体系构建：我们以中信一级行业为标的，计算行业在 t 时期基本面、估值、资金、量价等 维度的因子暴露。将各行业 t 时刻至 t+1 时刻的收益率与期初 t 时期各行业标准化后的因子暴露度进 行截面回归，来估算 t+1 期各风格因子的预期多空收益率。我们从因子“显著性”、 “稳定性”、 “ 低相关性”三个维度筛选，最终确定选择估值(value)、Beta（beta_1y）、3 个月波动率 （vol_3m）、12 个月价格动量（mom_12m)四个风格因子作为预测因子。 风格研判量化模型：我们将风格多空研判转化为二分类问题，同时将各宏观指标 3 个维度的子指标 进行哑变量处理，构建了一个等权投票打分的弱投票器，最终得到 4 个风格的多空预测。具体投票 器的构建方式请见对应深度报告。 风格优选映射至行业：将对应风格的多空预测（看多为 1，看空为-1，中性为 0）乘以各行业对该 风格的暴露度，得到各行业对该风格的得分。再对特定行业将 4 种风格的得分求和，最终得到总分。 我们将各行业的总分排序，每月选取总分最高的 6 个行业等权持有。
（四）S4 中长期困境反转策略（月度）概述
基于行业常在 2 年内存在动量效应，3 年以上存在反转效应的特征，我们采用“2-3 年反转”、“1 年动量”、“旬度截面低换手率”三个因子行业排序等权方式进行复合，构建“长期反转–中期动 量–低拥挤”复合策略。 动量因子：本策略在构建“1 年动量”因子时，需剔除最近 1 个月收益以规避短期反转影响。 反转因子：若当前时间为 T，使用 3 年前（T-36）至 2 年前（T-24）时间区间计算反转因子。 换手因子：采用各行业旬度自由流通市值换手率进行截面排序。 将三因子等权 rank 复合，得到最终复合因子。每月选取最优的 5 个行业等权配置。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
