2022年投资策略：机构化加速与“研值”价值激增的年代

一、A股2022年整体展望

1.1、年内上市公司业绩景气度冲高回落

我们可以通过业绩预警数据，计算上市公司的景气度；定义上市公司景气度为业绩预告中“预增”、“续盈”、 “略增”和“扭亏”的整体占比，反映上市公司中业绩好转的比例。历史上看，当整体财报加总的盈利能力好 转或恶化时，景气度会同向变化，基本上是同步指标，但因为业绩预警数据相对财报披露时间更早，所以可以 作为跟踪指标，提前了解上市公司的盈利能力概况。 景气向上的公司占比自 2017Q4 持续下降到 2019Q3，2019Q4 景气度有所回升，2020Q1 因新冠疫情和相应 的隔离措施景气度大幅下行到 37.20%，此后连续回升至 2021Q1 的 78.09%，2021Q2-2021Q3 有所回落，景气度 分别为 72.95%、63.16%。

指数盈利方面，各主要指数的净利润年内同样呈现出前高后低的特点。三季报主板创业板业绩整体趋势性 回落，主板业绩回落幅度超预期，三季报整体增速 0%，虽有银行板块业绩回升至 15%，但大消费的医药食品业 绩增速显著回落拖累板块整体表现，而中游制造的家电、机械等也在原材料挤压下出现业绩增速显著下行，整 体业绩表现弱于预期；创业板累计净利润同也显著回落至 12%左右。对沪深 300 指数 21Q4-22Q4 的单季度净利 润同比增速情况，根据分析师预期数据拆分后的测算结果依次为 1.32%、5.59%、14.30%、12.38%、26.37%，呈 现明显的前低后高的特征。

1.2、外需加速回落将拖累国内经济

全球制造业 PMI 从 2021 年 5 月的 56 小幅下降至 2021 年 10 月的 54.3，可见全球经济在 2021 年仍维持相 对强劲的状态，但随着全球信用周期见顶回落以及中国经济下行的滞后影响，预计 2022 年全球经济继续下行， 而大宗商品快速上涨接近 2 年后，对中下游的需求将是巨大冲击，需求回落又进一步带动价格下降，因此 2022 年全球经济可能逐渐从量跌价升转向量价齐跌，经济回落速度可能加快。

2021 年前三个季度拖累中国经济的主要是内需，出口则因为海外经济景气度维持相对高位以及疫情导致的 出口份额上升而保持火热。展望 2022 年，由于信用收缩的滞后冲击，内需仍有继续下行压力，但空间可能已经 不大，主要拖累将是外需，原因在于海外经济将在 2022 年显著回落，同时海外产出缺口回归正值后，出口替代 效益会减弱，出口回落压力将显著上升。

1.3、流动性宽松对冲经济下行，预计 A 股先抑后扬

资金面上，截至今年 10 月底，北上最近年初至今累计流入额达 3,246.87 亿元，大幅高于去年全年的流入水 平 2098 亿元，预计在美股具有调整风险的情况下，外资流入节奏加快或边际放缓。另一方面，今年以来两融余 额震荡攀升，9 月中旬冲高至超过 1.9 万亿后震荡回落，考虑两融的滞后性，后续可能延续回落趋势。

公募基金方面，2021 年 1-10 月，国内市场新成立基金 1495 只，募资规模 23805 亿元，其中，新成立的混 合型基金和股票型基金数量占比较高，分别达 50.43%和 27.29%；而新成立的混合型基金规模在所有新成立基金 中的占比最高，达 63.99%，股票型及混合型基金今年以来合计发行规模达 18480 亿元。但从时间序列上来看， 月度新成立基金的规模，10 月降至近两年的低位。

总体来看，2021 年经济虽然下行，但部分行业景气度独立于经济周期，导致市场大部分时候并不缺少热点。历史上，商品价格快速上涨 2 年后，A 股都会出现一波中期级别调整，原因就是价格对经济的反向毁灭机制， 而盈利下修的压力并未完全体现在 2021 年估值上，随着经济进入年度级别下行，大部分行业景气度可能不会有 很好的表现，结构性热点也会越来越少，指数在 2022 年会先有一波承压。希望来自于中国 QE 式宽松，由于流 动性在经济下行的第一年已经开始宽松了，如果这一趋势在 2022 年延续，那么在指数充分反映盈利下行的压力 后，估值抬升有望驱动 A 股出现反转。综合来看，指数在 2022 年将是先抑后扬，重心有望上移。

风格方面，大盘股在 2021 年的下杀中已经释放了一部分经济衰退和利率下行的风险，未来这两个利空的影 响边际减弱，而价格下行对于小盘股的压制在 2022 年会充分体现，因此，大盘风格会相对占优。2022 年全球 经济进入年度级别共振下行，通胀预期也将见顶回落，同时，美国经济存在衰退风险，在衰退预期里，成长风 格将扩散至全球，因此 2022 年 A 股成长相对价值风格将会相对占优。

二、量化视角下的行业比较与展望

行业基本面量化，基于行业研究员的研究和理解，梳理行业特有的的主要逻辑链、关键变量和投资主线， 发挥金融工程在数据分析、程序编写和模型建立方面的优势，建立量化模型，使得行业配置的推荐更加科学化、 系统化。对于价值投资者来说，可以从量化的角度去理解一个行业的主要逻辑链，甚至启发他们将自己的投资 逻辑设计成量化模型，辅助决策；对于量化投资者来说，可以提高对行业特有基本面信息（如关键指标、行业 特有逻辑链）的认识，以便设计量化交易策略的时候把行业的一些基本面信息、指标加入到模型中。

2.1、外资分行业资金净流入回顾

陆股通中的香港中央结算系统参与者可根据席位编号分位直接结算参与者（以券商类机构为代表）、托管商参与者（以银行类机构为代表）等。

对不同类型外资的统计显示，2021 年 1-10 月，对券商类外资，累计净流入比例较多的行业包括：电子、银 行、基础化工等，累计净流出占比较多的行业包括：食品饮料、非银行金融、医药等；对银行类外资，累计净 流入比例较多的行业包括：电力设备新能源、计算机、基础化工等，累计净流出占比较多的行业包括：食品饮 料、家电、汽车等。对外资整体，累计净流入比例较多的行业包括：电力设备新能源、计算机、基础化工等， 累计净流出占比较多的行业包括：食品饮料、非银行金融、家电等。

从相关性来看，券商类、银行类、外资整体的分行业净流入与行业同时段涨跌幅的相关系数分别为 0.457、 0.501、0.517；秩相关性分别为 0.410、0.577、0.557。 而对比 2021 年 1-10 月与 2020 年全年，可以发现外资整体在科技板块如电力设备新能源、计算机、电子等 行业上维持大幅净流入，在消费板块如食品饮料、家电、消费者服务等行业上仍净流出；而在银行、农林牧渔 等行业趋势从净流出转为净流入；在医药、汽车、钢铁等行业，趋势从净流入转负。

2.2、银行

银行的业务，按生意的本质可以分为信贷业务、中间业务、投资业务和其它业务。信贷业务占比最高，贡 献 70.22%的营业收入；中间业务次之，贡献 20.22%的营业收入。对于信贷业务，主要从“量、价、质”三个角度来分析，“量”即商业银行的总资产规模及其增速，“价”为净息差，“质”为贷款减值损失，我们用风险调整 净息差（净息差-信用成本）指标来综合考虑“价”和“质”。

从银行和实体企业利润表之间的勾稽关系来看， 银行贷款是对实体的债权，实体企业财务费用中的利息支出和手续费支出分别对应银行的利息净收入和非利息 收入；只要企业未倒闭，就需要向银行按时足额支付本息，财务费用波动相对净利润波动要小；当企业净利润 长期为负时，就存在破产和违约可能，银行发生贷款本金损失的概率加大，需要计提信用减值损失或资产减值 损失。实体企业的盈利能力影响银行的盈利能力，而银行的盈利能力影响其信贷规模并进而影响货币供给。（报告来源：未来智库）

2.3、房地产

房地产周期表现为房地产业在经济运行过程中交替出现扩张与收缩的阶段。房地产的开发周期主要包括： 拿地-开工-施工-预售-竣工-交付等，一般需要 2-3 年左右的时间，远高于传统商品的生产销售周期，而销售单价 之高与消费频次之低，均与行业的特殊性息息相关。

2.4、建材

建材细分子行业主要包括：水泥制造、玻璃制造、玻纤、管材、耐火材料和其他建材。

2.5、化工

化工细分子行业主要包括：石油化工、化学原料、化学制品、化学纤维、塑料和橡胶，其中化学制品行业 的再细分子行业最分散，包括聚氨酯、农药、玻纤、氮肥、民爆用品、纺织化学用品、复合肥等。

考虑石脑油裂解产品价格对盈利的领先性，当其滞后的变动方向为正时做多石油化工行业，反之做空；当 前做多石油化工行业。

2.6、农林牧渔

农林牧渔细分子行业众多，包括：养殖（畜养殖、禽养殖、水产养殖）、饲料（水产料、畜禽料）、种子（玉 米种子、水稻种子、辣椒种子）、果蔬饮料（番茄酱、苹果、葡萄干）、一般农产品加工（棉花、白糖、粮油加 工）和捕捞（远洋捕捞）等。主要子板块构为畜禽养殖业和饲料行业，与生猪产业链有非常高的关联。

三、多因子挑战与细化

2021 年以来，市场风格频频发生急剧切换，这为传统的低频量化选股带来了新的挑战。我们在今年来，从 多个角度尝试进一步拓展我们的多因子选股体系和框架。不仅完成了相应因子库和体系的更新，同时也在研究 领域深入挖掘，成果斐然，主要成果如下：一是对传统因子的不断跟踪，继续跟踪效果较好的传统因子；二是 基于我们深耕的分析师预期数据，从预期调整与预期调整增强两个角度对选股策略进行了进一步优化和跟踪， 跟踪效果较为显著；三是从分析师预期数据中提取具有较好效果的分析师因子，并持续跟踪之前构建的表现优 秀的高频因子。

3.1、多因子表现回顾

盈利因子多空收益累计表现：市值等权下的盈利因子整体表现稳定，能带来长期的多空收益。但 21 年以来，盈利因子出现明显回撤。

成长因子多空收益累计表现：市值等权下的成长因子历史上表现稳定，基本保持着向上的趋势，表现较为突出。成长因子在今年三季度 迎来一波爆发，之后有小幅回撤，建议持续关注。

财务因子多空收益累计表现市值等权下的财务因子中，长期来看表现均较为一般。

估值和规模因子多空收益累计表现：市值等权下，估值和规模因子中 PB 和 PE 因子相对稳定，但自 2010 年底以来震荡明显，今年以来波动更为 显著。

市场因子多空收益累计表现：整体而言，六大类因子中，市场因子表现最好。同时市值等权下的市场因子一致性很高，且均自 2014 年 12 月开始有明显的加速。MACD、一个月日均换手率、三个月日均换手率在 2015 年 11 月略有回撤，但在 12 月 迅速回归。今年以来，市场因子也出现了明显波动，大部分因子在经历回撤之后均逐渐恢复。

分析师预期因子多空收益累计表现：分析师预期因子长期以来有稳定的多空收益差。从历史上的表现来看，分析师评级因子本身好于评级变化 因子，其中一个月评级变化因子在 13 年以后多空收益差不明显。今年以来，分析师预期因子表现的波动相较于 其他大类因子波动较小。

3.2、分析师预期调整选股的深度全面思考

3.1.1 分析师预期调整事件

分析师预期调整主要包括三方面信息，分别是盈利（净利润）预期调整、目标价格调整以及投资评级调整。 其中，对于目标价格调整，目标价格的上升意味着分析师给出了更高的未来股票预期，因此，我们定义分析师将股票从低投资评 级上调至买入为分析师投资评级上调事件。

另外，对于盈利预期调整，证券分析师由于对某个行业研究较为深入，与所研究行业的上市公司联系较紧 密，其掌握的行业和个股信息通常比其他人要多，分析师预期数据已成为投资者重要的信息来源。分析师预期 修正意为在一个时间段内，分析师或机构对之前预测值的调整。预期调整有一定的趋势性，当新信息出现时，有些分析师会运用该信息领先自己的同行对自己的预期进行调整，最后往往会伴随着其他分析师对自己的预测 进行同向的调整。在这一过程中，预期均值会伴随修正趋势进行变动。

具体表现为前一期预期均值的调整往往 会带动后一期预期均值继续往同向调整。分析师预期修正的调整对下一月的分析师预期值有着同向的影响。其 中，预期 EPS、预期净利润的上调和下调均有较强的趋势性，因此我们选取这两个指标作为后续模型的候选股 因子。

实际上，我们可以进一步将预期的上调细分为两个阶段：在上调第一个阶段，称为 P1 阶段，只有少部分分 析师对自己的预期值做出上调，大部分分析师并没做出预期调整，这样可以观察到预期均值出现上升，而分析 师间预期的分歧度也开始上升，我们以离散程度（预期标准差）来衡量分歧度，即预期离散程度开始上升；而 在上调第二个阶段，称为 P2 阶段，其他分析师也会逐渐上调自己的预期，最终所有的分析师预期将会接近一个 值，即我们可以观察到预期均值出现上升，而预期离散程度则出现下降。

经过历史样本内回测和样本外跟踪（自 2019 年 7 月 31 日开始样本外跟踪），分析师预期修正选股组合 2009 年 7 月 31 日至 2021 年 10 月 29 日，组合累计绝对收益 927%，相对中证全指累计超额收益 586%，年化超额收 益 17%，超额收益夏普比率 2.02，超额收益最大回撤 7.5%。另外，从 2019 年 7 月开始样本外跟踪（专题报告 数据截至 2019 年 8 月），截至 2021 年 10 月底，累计绝对收益 94%，累计超额收益 43%，样本外跟踪 27 个月只 有 5 个月超额收益为负，月度胜率 81%，回撤为-3%，样本外表现非常优秀。

我们基于最新 2021 年 10 月底的分析师预期数据进行选股，共选出 166 只分析师主动上调预期的股票（P1 阶段股票），其中有 26 只创业板股票，精选的 166 只分析师主动上调预期的股票里按照中信一级行业分类，其 中基础化工数量最多为 23 只，然后是电子 21 只和有色金属 16 只，短期我们也值得重点关注这些行业的表现。

3.1.2 分析师预期调整增强选股策略

分析师对于自身过去预测的调整往往意味着新信息的到来，而分析师对于不同股票的预测调整力度又能反 映出不同股票间的边际改善差异和分析师对于新信息的处理能力。进一步地，基于这种分析师调整幅度的差异 能够有利于我们构建选股效果较好的选股因子。因此，我们基于分析师盈利预期调整信息构造了分析师盈利预 期调整因子，分析师盈利预期调整因子反映了市场所有分析师对于股票盈利预期调整的中间水平。

然后我们在每月末，分别针对目标价上调事件股票池、投资评级上调事件股票池以及分析师预期修正策略 股票池，按照盈利预期调整幅度因子排序，选取指标值最大的 20 只股票，构建事件叠加盈利预期调整幅度因子 的选股组合。其中样本池踢掉了停牌、上市半年之内新股、ST 和当天涨跌停的股票，所得到的组合我们称为分 析师预期调整增强组合。（报告来源：未来智库）

经过历史样本内回测和样本外跟踪（自 2020 年 12 月 31 日开始样本外跟踪），分析师预期修正增强组合从 2010 年 1 月至 2021 年（截至 10 月底）11 年时间，组合年化收益 33.87%，相对中证 500 指数的年化超额收益 为 29.85%，相对沪深 300 指数的年化超额收益为 33.29%。2021 年组合绝对收益 52.59%；相对中证 500 超额收 益 36.44%，超额收益最大回撤只有 6.23%，夏普比率达 1.77；相对沪深 300 超额收益 60.95%，超额收益最大回 撤只有 10.14%，夏普比率达 2.14。

另外，从 2021 年 1 月开始样本外跟踪，截至 2021 年 10 月底，累计绝对收益 52.59%，累计超额中证 500 收益 36.44%，样本外跟踪 10 个月只有 3 个月超额收益为负，月度胜率 70%，回撤为-6.23%；累计超额沪深 300 收益 60.95%，样本外跟踪 10 个月只有 2 个月超额收益为负，月度胜率 70%，回撤为-10.14%，样本外表现非常 优秀。

我们基于最新 2021 年 10 月底的分析师预期数据进行选股，从 166 只分析师主动上调预期的股票（P1 阶段股票）中精选出了 20 只股票，其中有 2 只创业板股票，精选的 20 只分析师预期修正增强的股票里按照中信一 级行业分类，其中煤炭和基础化工数量最多为 5 只，其次是有色金属为 4 只，短期我们也值得重点关注这些行 业的表现。

3.3、分析师预期因子历史跟踪

分析师盈利预期调整因子表现出优异的选股能力。因子年化多空收益 16.42%，夏普比率 1.79，IC均值 3.94%， 年化 IC_IR 达到 2.16，并且自 2021 年以来的多空收益 30.02%。同时，分析师盈利预期调整因子的分层效果区分 度非常高。不同分组间具有单调的年化超额收益（相对中证全指），并且，Q1 组相对 Q10 组具有将近 17%的超 额收益（其中 Q1 超过 15%的多头超额收益，Q10 仅不足-1%）。因此这个因子的分层效果非常显著，并且多头效 果远远好于空头。

另外，我们也构建了一些其他的分析师预期因子，包括分析师预期调整类因子和市场一致预期调整类因子。 分析师预期调整类因子是覆盖过去三个月的预期调整所构建的调整因子，其具有更高的因子覆盖度和更强的因子表现。市场一致预期调整类因子是从市场所有分析师预期的角度对比了最近一个月与过去一年的预期变化幅 度，反映了市场所有分析师对于股票一致预期的调整水平。

其中，分析师预期净利润调整幅度因子年化多空收 益 16.99%，夏普比率 1.82，IC 均值 4.26%，年化 IC_IR 达到 2.10，并且自 2021 年以来的多空收益 27.32%；分析 师预期 EPS 调整幅度因子年化多空收益 13.81%，夏普比率 1.29，IC 均值 4.13%，年化 IC_IR 达到 2.12，并且自 2021 年以来的多空收益 32.71%；分析师预期目标价调整幅度因子年化多空收益 12.25%，夏普比率 1.12，IC 均 值 2.26%，年化 IC_IR 达到 0.78，并且自 2021 年以来的多空收益 15.10%；

市场一致预期净利润调整幅度因子年 化多空收益 15.86%，夏普比率 1.42，IC 均值 3.72%，年化 IC_IR 达到 1.31，并且自 2021 年以来的多空收益 13.60%； 市场一致预期 EPS 调整幅度因子年化多空收益 19.47%，夏普比率 1.14，IC 均值 3.94%，年化 IC_IR 达到 1.50，并 且自 2021 年以来的多空收益 28.84%；市场一致预期目标价调整幅度因子年化多空收益 10.06%，夏普比率 0.34， IC 均值 2.35%，年化 IC_IR 达到 0.56，并且自 2021 年以来的多空收益 24.06%。

3.4、高频类因子历史跟踪

流动性在金融市场中扮演着重要的作用，影响着市场效率和股票价格；在市场的微观结构中，流动性的重 要程度尤为凸显。因而流动性是在对股票定价的一个重要因素。我们根据报单数据建立买单流动性因子，具体 构建过程如下。 我们将用市价交易成本与限价交易成本之间差值百分比来衡量交易成本。对于限价交易成本，由于交易并 未发生，因而我们将假设买卖双方各付一半的交易费用，即用买一报单价格与卖一报单价格的均值 M 作为限价 交易成本。

对于买单流动性因子，其衡量的是发起市价交易的卖方所付出的交易费用；从短期来看， 较大 时，发起市价交易的卖方要付出较大的费用卖出股票，说明股票的买压更强，股票较难下跌，所以和未来短期 收益是正相关关系。 长期来看，值越大，说明流动性越差，流动性风险较高，会带有风险溢价，因而与收益正相关。

然后我们采用和之前报告同样的转换流程把高频因子转为我们常用的月度低频选股因子。最后我们对 2 个 高频买卖报单流动性因子进行单因子分析。具体回测时间为最近 10 年（2010 年 1 月-2021 年 10 月），样本池为 全市场，月频调仓。因子都做了市值和行业中性化处理。下面是 MCI_B 因子的效果，因子年化多空收益 18.49%， 夏普比率 2.18，IC 均值 4.75%，年化 IR1.88，并且自 2021 年以来的多空收益 9.91%，总体选股效果一般。

编辑：999感冒灵