一、完善行业轮动框架，探寻一致预期与公募持仓数据叠加效应：一个完善的行业轮动框架，通常涵盖对宏观变量的解读、对景气度的分析以及考虑个股微观特征等多个维度。报告寻求卖方与买方投研观点的相结合，其中以分析师预期因子对行业卖方观点进行刻画。买方观点则以绩优公募基金持仓变动数据进行刻画。买卖方观点有时会出现“打架”的现象，而二者形成共振时，其观点叠加可为行业配置提供参考。
二、基于买卖方观点，分别探寻行业配置规律：在一致预期因子库中，基于对各一致预期因子的IC、信息比的测试后，选取第三年的一致预期营业利润环比增速为策略使用的一致预期类指标。在基金持仓方面，选取2018年至2022年间的每个季度结束时，所有规模大于1亿元、过去一年的年化收益率超过池子内所有基金算术平均值15%的所有普通股票型、偏股混合型基金的重仓股持股信息，并按申万一级行业对个股持仓数据进行分组汇总，进而得到绩优公募基金持仓行业占比及其变化。由于公募基金的重仓股信息在每季度的第一个月月底才能取到，我们采取季度频调仓，分别在每个季度的第一个月月底取该月底第三年的一致预期营业利润环比增速前10名行业、最近季度的重仓股持仓行业权重变化量前8名行业，分别得到卖方及买方观点两个子策略，分别能够相对于所有行业等权作为基准，取得6.20%、5.91%的年化超额收益率。
三、寻求买卖方观点共振，构建综合策略：基于上述买卖方两个子策略，取第三年的一致预期营业利润的环比增速前10名行业和最近一期绩优公募基金持仓权重变动前8名的行业形成的交集，构建了基于31个申万一级行业的综合配置策略。2019年2月至2022年7月共3.5年的样本测算区间内，综合策略获得约21.5%的年化超额收益。
四、核心假设风险：
报告中的结论由历史数据回测得到，市场结构及交易行为的改变可能使得策略失效。因为量化模型的不同，本报告提出的观点可能与其他量化模型得出的结论存在差异。
一个完善的行业轮动框架，通常涵盖对宏观变量的解读、对行业景气度的分析以及考虑个股微观特征等多个维度。前期我们分别从宏观变量、行业指标等角度构造对行业轮动框架进行量化重构。本文基于买卖方观点叠加的逻辑，由于我们需要同时挖掘行业的“卖方分析师预期改善、买方公募基金增持”的特征，选取一致预期、基金持仓变动为研究对象，通过量化建模构建一致预期、基金持仓类因子，并合成综合的行业轮动策略。
本文分别在卖方分析师的观点和买方公募基金的观点方面，提取行业层面的一致预期数据与绩优公募基金持仓数据，并根据这些数据构建两类因子，为行业配置提供建议。在具体的一致预期因子构建中，考虑对第一年（ F1Y）、第二年（ F2Y）、第三年（ F3Y）的EPS、 ROE、营业收入、营业利润、营业利润占营业收入之比等指标的同比、环比指标进行测试，选取Rank IC、信息比、回测期间多头超额表现较好的指标作为一致预期因子。在公募基金持仓因子的构建中，提取绩优基金的重仓股数据，对重仓股的持仓市值作行业分类，并提取行业权重的变化，作为公募基金持仓因子。对绩优基金的选取进行规模、收益率等方面的多次参数调整，以寻找最能提升因子有效性的设置。最后将以上两个因子的多头组合取交集以形成行业轮动策略。 我们将从宏观与微观两个视角观察权益市场，宏观主要利用信用通胀周期进行分析，微观视角自下而上，估值、风险溢价、情绪、超买超卖、技术面等等。
从财报中提取已实现盈利相关数据并进行加工，可以构建财务因子。这些信息具有稳定性优势，但同样具有低频性、滞后性等问题。财报每年只发布3次，这意味着相关策略每自然年有效的调仓机会只有3次；财报披露日显著滞后于报告期，在此基础上构建的指标只能反映历史景气度，而无法反映当前的行业景气情况。本报告重点关注根据分析师一致预期数据识别行业轮动机会的能力，以捕捉市场（尤其是卖方分析师）对行业景气变化的预判。在具体的指标选取上，我们优先考虑第三年(F3Y)的分析师一致预期指标。入选的指标包括第3年的分析师一致预期ROE、 EPS、营业利润、营业收入、营业利润与营业收入之比、净利润的同比和环比指标。在具体的指标选取上，我们选取每个月月底的指标，并在次月的第一个交易日以开盘价进行调仓，每次调仓筛选指标排名在前6名的行业等权配置（以所有申万一级行业指数的等权配置为基准），通过IC测试和策略表现的对比来选取一致预期指标。以下是根据主要代理指标单指标IC测试和筛选出的前6名行业并进行等权配置的策略在2018年至2022年7月的月频调仓回测结果展示。为避免因子值差距过大造成的偏差，选取Rank IC为测试指标。
在以上各指标中，选取第3年一致预期营业利润环比指标，并在每月的第一个交易日根据上月月底的经该指标的前6名行业进行等权配置作为基于一致预期指标的月频策略。该策略在2019年2月至2022年7月间，能够取得约20.34%的多头收益率和8.83%的超额年化收益率。该策略的回测表现如下图表所示。
由于我们考虑从中长期的指标配置行业，适当降低调仓频率可以在保证一定的超额收益率的同时提高稳定性；同时，考虑到与我们将要引入的公募基金持仓因子的数据频率，我们考虑对之后用于行业轮动策略的一致预期类指标对应的行业轮动策略进行季度频率的调仓。我们选取第三年的一致预期营业利润环比增速作为行业轮动策略的指标。下图为2022年7月底第3年一致预期营业利润相对三个月前的增速。
由上图，我们可以看到，大部分行业在2022年5-7月间的一致预期营业利润增速都有上升，这体现了卖方分析师对市场整体的预期普遍转向乐观。分行业而言，纺织服饰、传媒、煤炭、汽车等行业的一致预期营业利润环比增长率最高；轻工制造、机械设备、有色金属、农林牧渔的一致预期营业利润环比增速为负。我们分别取该指标排名在前15、 12、 10、 8、 6、 5、 4、 3名的行业作季度频率等权配置，观察其回测期间（ 2019年2月至2022年7月）的超额年化收益率、信息比率指标。指标随配置行业数量的变化如下图表所示。
如上图所示，随着配置行业数的减少，整体而言，策略的超额年化收益率呈现螺旋上升的趋势，而波动率也随之上升。当取策略为等权配置第3年一致预期营业利润环比增速前10名行业时，信息比达到最高点（约为1.45），并随着进一步减少配置行业数量下降。此时年化超额收益率达6.20%，超额波动率达4.27%。我们定义每季度取第三年的一致预期营业利润季频环比增速前10名行业进行等权配置的策略为策略1.策略1设置如下：行业选择：行业分类采用申万一级行业分类，共31个行业；
调仓周期：每季度一次，在每季度第1个月的最后一个交易日进行调仓；
日期区间：2019年2月至2022年10月；
策略基准：行业等权基准；
策略设置：每季度分别取第三年的一致预期营业利润环比增速排名前10的行业对这些行业作等权配置。如果当期没有筛选出超配行业，取所有申万一级行业等权配置（即策略基准）。
以下是策略1在2019年2月至2022年7月间的策略净值图与分年度收益情况（该策略将与公募基金持仓指标对应的策略取交集，并作为基于买卖方观点叠加的行业轮动策略的基于分析师一致预期的子策略）。
策略1在回测期间（ 2019年2月至2022年10月）的每个年度均取得了正的年化超额收益，且呈现逐年上升趋势，在最近9个月取得了年化12.23%的超额收益。整体年化超额收益率约为6.31%，信息比率约为1.10.
公募基金重仓股持仓的情况于每季度公布一次，公布时间为每报告期结束后的15个工作日内（为了方便起见，我们将提取数据的时间节点取在每报告期结束后的月底，即1、 4、 7、 10月底分别取到最近一个季度的重仓股持仓情况）。接下来，我们对所有的普通股票型基金和偏股混合型基金进行筛选，以选取用于提取基金持仓变动指标的绩优基金池。筛选的相关标准包括基金规模、业绩回看周期、选取的绩优基金业绩范围。在根据一个筛选标准选取到基金池后，根据它们的重仓股公示情况，即可得到每个季度的绩优基金重仓股持仓行业分布，该分布的一阶变动即为基金持仓变动指标。针对不同的基金筛选标准，我们对指标的有效性作了敏感性测试。测试指标包括Rank IC、根据基金筛选标准提取的绩优公募基金的重仓股持仓行业权重分布季度频率变动指标选取的前8名行业的等权配置策略的年化收益率。部分测试结果如下表。
由上表结果，综合考虑公募基金持仓季度频率变动指标的Rank IC和前8名行业等权配置策略年化收益率结果，以回看2年期间的超额年化收益率15%以上、最小规 模1亿人民币以上的基金池为标准，对这些用于筛选的参数进行的调整均会降低公募基金持仓变动指标的有效性。
根据上述指标作为季频因子的IC测试、信息比、取前8名行业作等权配置作为行业配置策略时多头组合的超额年化收益率情况综合考虑，我们将筛选标准设置为：在最近报告期结束时规模不小于1亿元人民币、从最近报告期末回看过去2年内的年化收益率超过同类所有基金的年化收益的算术平均值15%以上的所有普通股票型和偏股混合型基金。以该筛选标准下筛选出的基金池为所有的绩优公募基金，其重仓股持仓行业分布数据即用来生成绩优公募基金持仓变动指标。我们根据该指标生成季度频调仓的行业轮动策略。
下图为2022年第3季度末，根据该标准下筛选出的基金池重仓股持仓行业权重分布与最新季度的变化.
根据上图可见，绩优公募基金对行业配置有明显的偏好。电力设备、有色金属、国防军工、汽车等行业是绩优公募基金重仓股持仓比重极大的行业，其中电力设备的持仓权重达到40%以上；最近季度（ 2022年的第二季度），交通运输、有色金属、汽车为主要的绩优公募基金增仓行业，其中在交通运输行业的重仓股持仓权重相比上个季度末净增加了2%以上。
与一致预期类因子类似，我们考察策略中等权配置行业数量与策略表现的关系。下图为取绩优公募基金持仓变动指标前15、 12、 10、 8、 6、 5、 4、 3名行业进行等权配置的回测期（ 2019年2月至2022年7月间）历史表现。
如上图所示，随着配置行业数的减少，总体而言，超额年化收益率、信息比率均呈上升趋势。当配置行业数降低到3个时，年化超额收益率、超额信息比率分别达.55%、1.46的极大值，这一表现要优于降低基于一致预期指标配置的行业数时的效果。故我们在合成策略时优先考虑减少该部分子策略配置行业数，即按绩优公募基金持仓变动指标配置的行业数。但当配置行业数从8减少至6时，超额年化收益率、信息比率出现下降。考虑到与基于一致预期指标的策略（策略1）合成后的策略效果，为了保证合成的策略在每个季度会有3-5个行业被等权配置，我们取按绩优公募基金持仓变动指标等权配置前8名行业的策略为策略2，作为基于买卖方观点叠加策略的基于基金持仓变动指标的子策略。策略2设置如下：
行业选择：行业分类采用申万一级行业分类，共31个行业；
调仓周期：每季度一次，在每季度第2个月的第一个交易日进行调仓；
日期区间：2019年2月至2022年10月；
策略基准：行业等权基准；
策略设置：每季度分别取绩优公募基金重仓股持仓最近一个报告期权重变动绝对数值前8名行业，对这些行业作等权配置。如果当期没有筛选出超配行业，取所有申万一级行业等权配置（即策略基准）。以下图表为取绩优公募基金重仓股持仓行业权重前8名的行业作等权配置的策略净值回测情况和分年度表现，该策略将作为买卖方观点叠加的行业轮动策略的基于公募基金持仓变动的子策略。
两类因子构建完成后，我们将两类相应的行业轮动策略的行业选取取交集，即得基于买卖方观点叠加的行业轮动策略。
根据一致预期类指标和绩优公募基金持仓变动指标的构建，我们分别得到了两个策略。在每年的2、 5、 8、 11月的第一个交易日，我们分别获取上述一致预期指标的前10名行业、基金持仓变动指标的前8名行业，并取二者的交集，以开盘价格等权配置这些行业对应的行业指数。如果交集为空（即没有选取到策略需要配置的行业），我们对所有31个申万一级行业对应的行业指数作等权配置。相关的流程如下图所示。
我们在这一部分结合历史上一些具体的行业配置案例，以说明买卖方观点叠加的时机与具体被配置的行业指数的走势之间的关系，并进一步映证我们所执行的交易策略在经济和市场逻辑上的合理性。公募基金持仓变动指标反映了上季度的行业配置权重的变化情况，具有一定的滞后性；一致预期指标则反映了分析师对行业景气情况的预判，具有一定的前瞻性。具体到行业的配置中，公募基金作为买方，往往也是对某个行业未来发展有了较好的预期，才会优先进行配置；尽管公募基金的配置不会实时公开，但绩优基金的选取已经作了一定的筛选，反映了优质基金的行业轮动能力，其仓位调整也可以作为行业配置策略“抄作业”的参考。二者的超配行业经常会在配置时出现一定的重叠，并反映整个二级市场对该行业的一致的乐观观点。我们首先以电子行业为例。电子行业在2019年11月至2020年7月间同时具有“分析师预期向好”、 “公募基金重仓股持仓权重增加”的特征，且连续三个季度被选中为基于买卖方观点叠加的行业轮动策略的超配行业之一。在超配的三个季度期间，电子行业分别列一致预期营业利润环比的第9、 6、 6位和绩优公募基金持仓变动的第2、2、 1位。在这一期间，电子行业指数涨幅达58.6%，而全行业平均涨幅仅为26.9%。
除了电子行业外，合成策略在一些其他行业的配置上也取得了一定的超额收益。如2020年11月至2021年10月间对基础化工行业的超配、 2020年8月至2021年4月间对社会服务行业的超配等。基础化工行业在超配的四个季度中分别列一致预期营业利润环比指标的第9、 6、 9、 7位和绩优公募基金持仓变动指标的第3、 3、 3、 3位，实现指数涨幅51.96%，同期行业等权基准涨幅为9.63%；社会服务行业在超配的三个季度中分别列一致预期营业利润环比指标的第9、 6、 9位和公募基金持仓变动指标的第6、 5、 4位，实现指数涨幅23.38%，同期行业等权基准涨幅为2.41%。
行业选择：采用申万一级行业分类，共31个行业；
调仓周期：每季度一次，在每季度第2个月的第一个交易日进行调仓；
日期区间：2019年2月至2022年10月；
策略基准：行业等权基准；
策略设置：每季度分别取一致预期类因子（第三年的一致预期营业利润环比增速）排名前10的行业和公募基金持仓因子排名前8的行业集合的交集，对这些行业作等权配置。出清之前已有的配置。如果当期没有筛选出超配行业，取一致预期类因子排名前10的行业作等权配置（即策略基准）。配置价格为开盘价，交易费率为0.03%。
从以下回测结果可以看到，在考虑结合一致预期和基金持仓两类行业配置策略对行业进行配置后，全样本年化超额收益率约为21.5%，信息比率约为1.64.
分年度来看， 2019至2020年间，策略的超额年化收益较高，可达30%以上。2021年至2022年间有所下降，但年化超额收益仍然维持在10%左右。
2019年2月以来，策略季度频率的行业配置及每季度的超额收益如下表所示。
2022年10月底，根据合成策略所得的最新一期推荐的超配申万一级行业为：银行、煤炭、通信及有色。在之前的策略构建部分，我们已经总结过最新一期的一致预期类指标和绩优公募基金持仓变动指标的行业排名情况。银行、煤炭、通信及有色分别是2022年3季度对第3年一致预期营业利润环比增速指标的第1、 2、 7、 9位和绩优公募基金重仓股持仓权重变动指标的第8、 5、7、 1位。明细数据如下表所示。
截至2022年10月底， 上期持仓组合累计实现收益率-13.03%，同期行业等权基准收益率-11.77%，实现超额收益率-1.26%。 基于买卖方观点共振的逻辑，我们开展了行业轮动研究，前期通过对一致预期类因子和基金持仓类因子的构建、测试和选取，并进行了策略的整合，形成了行业轮动策略。策略取得了稳定的表现。
本文研究出发点是基于买卖方观点的叠加，结合买方观点（基金持仓）和卖方观点（分析师一致预期）识别有效的行业轮动信号。在一致预期指标的选择上，选择具有相对稳定性的第3年分析师一致预期代理指标的一阶变动来反映卖方分析师对行业基本面变化的预判；在公募基金持仓变动指标的构建中，通过对基金池筛选的调整，选择较好的筛选标准以提高基金持仓变动指标对行业收益率情况的预测能力。在行业配置的策略的具体运作上，我们采用定期调仓的方式，以一个季度作为调仓的周期，在每个季度第二个月的第一个交易日进行调仓。各行业基于之前收集到的一致预期指标数据和公募基金重仓股持仓数据构建的因子，取第3年的一致预期营业利润环比增速前10行业、绩优公募基金重仓持仓权重变动值在前8的行业的交集，合成了行业轮动策略。
从结果来看，合成策略相比单个子策略的表现有较大的提升，这体现了买卖方观点之间的共振对行业轮动策略的有效性的贡献。
在构建一致预期类因子和策略回测过程中，使用的均是单指标数据。可以考虑先对一致预期类的因子采取多指标的加权，形成新的一致预期类指标行业配置策略，再与根据公募基金持仓形成的行业配置策略相结合。对公募基金持仓指标的获取频率也有提升的空间，可以通过回归等方法获得更高频的公募基金行业持仓信息，以构建调仓周期更短的策略，提升策略表现。此外，行业的划分维度可以从申万一级继续扩展到细分行业。
风险提示：报告中的结论由历史数据回测得到，市场结构及交易行为的改变可能使得策略失效。因为量化模型的不同，本报告提出的观点可能与其他量化模型得出的结论存在差异。本微信号推送内容仅供广发证券股份有限公司（下称“广发证券”）客户参考，其他的任何读者在订阅本微信号前，请自行评估接收相关推送内容的适当性，广发证券不会因订阅本微信号的行为或者收到、阅读本微信号推送内容而视相关人员为客户。
完整的投资观点应以广发证券研究所发布的完整报告为准。完整报告所载资料的来源及观点的出处皆被广发证券认为可靠，但广发证券不对其准确性或完整性做出任何保证，报告内容亦仅供参考。
在任何情况下，本微信号所推送信息或所表述的意见并不构成对任何人的投资建议。除非法律法规有明确规定，在任何情况下广发证券不对因使用本微信号的内容而引致的任何损失承担任何责任。读者不应以本微信号推送内容取代其独立判断或仅根据本微信号推送内容做出决策。
本微信号推送内容仅反映广发证券研究人员于发出完整报告当日的判断，可随时更改且不予通告。
本微信号及其推送内容的版权归广发证券所有，广发证券对本微信号及其推送内容保留一切法律权利。未经广发证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用，否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。
本篇文章来源于微信公众号: 广发金融工程研究
