股票配置价值凸显，相对看好价值风格

admin1年前 (2023-07-04)研报578

投资要点

从兴证金工中国经济先行指数的走势看，2022年5月以来指数走势有所企稳。截至2023年6月30日，5月先行指数构建所需数据已全部披露完毕。其中5月综合先行指数为97.44，相比4月数值97.79略有下行；5月实体先行指数为98.81，相比4月略有下行；5月金融环境指数为96.09，相比4月略有下行。我们同时给出了截至6月30日已发布数据初步构建的6月先行指数情况。从初步结果看，PMI有所回升，实体先行指数整体略有下降，金融环境和综合指数则略有上行。总体来看，当前处于国内经济复苏验证期，看平股票走势，而债券有上行空间。
截至2023年6月30日，兴证金工资产择时模型给出看平A股和看多债券的信号。因此战术配置组合中7月将标配A股资产，并配置长久期债券，并设定于2023 年7月3日收盘时进行调仓。具体最新权重分布请见本报告正文部分。
2023年7月我们建议配置的行业分别为：传媒、电力设备及新能源、机械、国防军工、计算机。从6月的表现来看，行业配置等权多头月度收益率为0.30%，剔除综合与综合金融行业后的28个中信一级行业的等权基准月度收益率为2.11%，月度超额收益为-2.41%。
截至2023年6月底，综合打分行业轮动模型 2022 年以来（纯样本外）的收益率为-7.52%，同期基准为-10.83%，超额收益 3.31%。从2014年初至2023 年6月底，模型年化收益达20.04%，同期等权基准为8.74%，并且策略相对于基准的月度胜率达65%左右。
截至2023年6月底，拐点趋势大小盘轮动模型给出大盘风格占优的信号，结构化成长价值轮动模型给出风格偏价值的信号。

风险提示：模型结论基于历史数据，在市场环境转变时模型存在失效的风险。

1、当前市场分析与展望

1.1 估值比较：股票性价比仍然偏高

从性价比指标看，股票当前依然具备较高配置价值。我们在报告《基于非线性性价比的股债轮动组合》中比较了多种计算股债相对性价比的指标，最终发现基于宽基指数股息率与长端国债到期收益率的指标对于股债未来相对收益预测力最高。

我们定义股票和债券的相对性价比为两者各自潜在收益水平的差值，分别用DIV和Y代表万得全A指数股息率和10年国债到期收益率，定义基于股息率的股债性价比指标为：

我们计算了性价比指标DIV_Y在每个时点所处的滚动4年历史分位数水平Q。并且为了更好地突出性价比指标在极端取值时的特征，我们对性价比分位数Q做非线性变换取二次幂。从下图可以看到，在历史上多次市场大涨前，比如2008年12月、2015年12月、2019年1月和2020年3月，股债性价比指标都处于历史较高的位置。

截至2023年6月30日，股债性价比分位数指标在100%分位点，处于历史相对极高的位置，表明股票具有较高配置价值，上行空间较大。

1.2 宏观跟踪：生产端有所回暖，

但PMI仍处于收缩区间

从当前的宏观状态进行分析，整体来看经济内生动力仍然不强，当前市场的生产和需求均处于弱势，经济修复速度放缓。6月制造业PMI录得49%，较上月环比回升0.2%；从分项来看，生产分项为50.3%较上月有所改善且重回扩张区间，但是需求仍然偏弱，PMI新出口订单和在手订单分项有所回落。

根据我们的相似性模型测算，与当前宏观状态相似的两个时间段分别是2015年和2019年下半年，但是从相似性绝对水平来看，这两个时段与当前的绝对相似度并不算太高。经济增长趋势的角度分析，2015年和2019年下半年的经济增长均进入平淡期且具有一定下行压力，我们认为与当前短期的市场状态均有一定的相似性。

从兴证金工中国经济先行指数的走势看，2022年5月以来指数走势有所企稳。截至2023年6月30日，5月先行指数构建所需数据已全部披露完毕。其中5月综合先行指数为97.44，相比4月数值97.79略有下行；5月实体先行指数为98.81，相比4月略有下行；5月金融环境指数为96.09，相比4月略有下行。
我们同时给出了截至6月30日已发布数据初步构建的6月先行指数情况。从初步结果看，PMI有所回升，实体先行指数整体略有下降，金融环境和综合指数则略有上行。总体来看，当前处于国内经济复苏验证期，看平股票走势，而债券有上行空间。

1.3 微观观察：6月市场维持震荡，

整体情绪未出现明显好转

我们使用市场两融数据、北向资金、主流宽基指数换手率、指数波动率、期权VIX和新成立偏股基金份额等数据多维度观察市场情绪。综合来看，无论是资金维度还是在交投维度，均显示6月市场情绪整体仍未出现明显好转。

截至2023年6月30日，两融余额为1.59万亿元，绝对数值略低于2023年5月的水平，同时A股自由流通市值小幅上升，整体而言，两融余额与自由流通市值比值有所下降，目前位于近10年以来26%分位点左右；在经历了1月的净流入巅峰，2月、3月的净流入放缓后和4月、5月的净流出后，上月A股外资转为净流入状态，6月共计流入140.26亿元，外资热情回升。

相较于2023年5月的水平，6月主流宽基指数的换手率均有所下降，其中中证500指数的换手率较上月下降超过20%；与历史纵向比较，仅Wind全A的换手高于近10年以来的中位数水平，创业板指、中证1000、中证800、中证500、沪深300的换手率均低于中位数水平。

6月各大指数震荡，宽基指数的波动均较上月有所上升；从时间序列来看，各指数波动率仍处于偏低水平，基本位于近10年以来的20%~30%分位点。截至2023年6月底，基于上证50ETF期权计算的VIX为14.39%，处于历史的15%分位点左右，显示期权投资者对市场预期无明显的系统性风险。

1.4 最新量化择时观点

从兴证金工量化择时模型看。截至2023年6月30日，兴证股票择时模型给出看平信号，债券择时模型给出看多信号，信号因子具体情况见下表。

2、7月行业配置建议

我们从残差动量、盈余惊喜、北向券商资金三个维度对中信一级行业进行综合打分。模型细节详见报告《基于盈余惊喜(基本面)、残差动量(技术面)、北向资金(资金流)的行业轮动模型》。模型2023年7月推荐的行业配置为：传媒、电力设备及新能源、机械、国防军工、计算机。

2.1 上月表现回顾、最新观点

和相关ETF产品推荐

我们首先对6月的行业配置建议结果进行回顾。从残差动量的维度进行观察，我们发现5月底电力及公用事业、非银行金融、电子、消费者服务、机械等行业的排名靠前，说明当时这些行业的收益率中有较大的部分无法被常见的风险因子解释。当一个行业呈现出较高残差动量（也即较高的异质收益），往往有一些独特的原因，这些原因在目前只为少数投资者所知晓，随着信息的逐渐扩散，较高的异质收益有望带动行业继续上行；从盈余惊喜维度分析，年报和一季报披露后，食品饮料、非银行金融、电力设备及新能源、农林牧渔、交通运输等行业盈余惊喜排名较高。最后从资金的维度，我们发现北向交易盘资金偏好电力及公用事业、电子、房地产、石油石化、消费者服务等行业。

因此，综合三个维度的打分，我们早先对于2023年6月在中信一级行业的配置建议分别是：房地产、消费者服务、电力及公用事业、电力设备及新能源、非银行金融。6月的行业配置等权多头月度收益率为-0.30%，剔除综合与综合金融行业后的28个中信一级行业的等权基准月度收益率为2.11%，月度超额收益为-2.41%。

2023年7月我们建议配置的行业分别为：传媒、电力设备及新能源、机械、国防军工、计算机。
首先从残差动量的维度进行观察，我们发现非银行金融、国防军工、传媒、通信、电子等行业排名靠前。以上行业呈现出较高残差动量（也即较高的异质收益），而较高的异质收益有望带动行业继续上行。

年报和一季报披露后，食品饮料、非银行金融、电力设备及新能源、交通运输、农林牧渔等行业盈余惊喜排名较高。受消费复苏影响，以食品饮料为代表的消费属性行业整体业绩均较历史有一定改善；非银金融一季度基本面改善，业绩提升明显；农林牧渔行业的盈利改善显著，主要是因为猪价价格变动和企业成本控制下，养殖板块盈利能力提升。

最后从“聪明资金流”视角分析，我们发现6月以来的北向交易盘资金偏好传媒、商贸零售、汽车、计算机、国防军工等行业。

综合三个维度的打分，我们最终推荐的行业为：传媒、电力设备及新能源、机械、国防军工、计算机。
进一步，我们基于行业指数与行业ETF之间的逻辑关系、收益率相关性、股票持仓相似性与流动性等维度综合考虑，构建了中信一级行业与行业ETF之间的映射关系，并根据每个月的行业轮动观点提供ETF推荐列表，供各位投资者参考，下表展示了2023年7月的行业ETF推荐名单。

2.2 行业轮动方法简介

根据对市场的观察和分析，我们结合技术面（行业残差动量）、基本面（行业盈余惊喜）、资金流（北向券商资金）三个维度构造行业轮动模型。这三个因子的具体逻辑与构造方式如下：

技术面（行业残差动量）：使用简单的截面动量进行行业轮动稳定性较差，可以通过回归先剥离风险因素的影响，再使用残差构造动量策略，在海外和A股的实证结果均表明残差动量因子较传统的动量因子有更高的收益风险比，并且能够有效应对动量因子在某些时期的崩溃。具体而言，我们将每个月的各行业指数收益率对Barra因子收益率（Factor-Mimicking Portfolio）进行滚动回归（回看12个月），并将回归后得到的当月残差作为该行业当月的残差动量。

基本面（行业盈余惊喜）：我们以盈余惊喜（或称之为标准化未预期盈余）因子（Standarized Unexpected Earnings, SUE）度量个股业绩超预期的程度，并以各行业指数成分股SUE因子的加权平均值衡量各行业的业绩超预期程度。我们认为，行业基本面归根到底都是行业成分股的基本面，并且行业盈余惊喜在横截面上具备较好的可比性。个股SUE的构造方法如下：

其中，Actual Earnings是个股最近一个财报季的盈利同比增加值；Expected Earnings是再往前回溯8个财报季，每个季报的盈利同比增加值的均值；Earnings Volatility是过去8个财报季盈利同比增加值的波动率，进一步合成行业层面的盈余惊喜因子。

资金流（北向券商资金）：根据中央结算系统参与者的不同，北向资金可被分为“北向券商资金”和“北向银行资金”。通常认为，北向银行资金倾向于长期资产配置，而北向券商资金以交易型为主，更符合“聪明钱”的特征，他们的交易行为可能包含了市场价格尚未反映的信息，因此可能对行业轮动具备启示意义。对每个行业，在每个交易日，构建如下变量：

由于不同维度的因子可能含有不同的信息，接下来，我们等权结合以上三个因子，构造综合打分模型。具体来看，我们每月末将28个中信一级行业[1]，根据综合打分排序分为6组，每组分别包含5、5、4、4、5、5个行业；选取综合打分排名最高的一组（5个行业）构建等权组合，持有一个月。同时，我们构建28个中信一级行业等权组合作为基准，将策略与基准进行比较。

2.3 历史表现回顾

2022年以来，市场出现了一定幅度的波动。综合打分行业轮动模型在2022年以来的17个月份中（均为样本外），有11个月份战胜等权基准。截至2023年5月，综合打分行业轮动模型2022年以来的收益率为-7.25%，同期基准为-12.68%，超额收益5.43%。

从历史回测来看，2014年1月到2023年5月期间，综合打分模型的年化收益率达20.28%，收益风险比为0.82；同期28个行业等权基准的年化收益为8.58%，收益风险比为0.36。策略相对净值的年化收益率为10.59%，收益风险比为1.22，最大回撤仅为12.56%。并且，策略相对于基准的月度胜率高达65%左右。

3、风格配置最新观点

3.1 成长价值轮动模型

3.1.1 最新观点

风格一般是指股票所具有的某种共同特征，而该特征驱动此类股票的收益率保持一定的相关性。从历史看A股成长和价值风格轮动特征明显，相对走势发生了多次反转，这意味着如果能够捕捉风格的转换将有力地提升组合收益水平。我们选取申万高低市盈率指数作为成长和价值风格的代表，从技术面、国内流动性、海外流动性以及股市反弹期等角度选取了6个对成长价值轮动具有预测力的因子，并通过结构化的方法合成单因子信号，构建了多维结构化成长价值轮动模型。具体可参考2022年8月5日的深度报告《风格轮动系列七：多维结构化成长价值轮动模型》。

需要注意的是，这里我们对深度报告中的模型结构做了微调，使之更加符合逻辑和信号稳健。具体而言，股市反弹期因子不再是单独的开关型因子，而是与其它三个主要因子在同一层级。同时股市反弹期因子的信号生成逻辑调整为若性价比大于过去4年90%分位点，则观察过去两月成长是否战胜价值且价值收益为负，若是则看好价值，否则看好成长。性价比位于其它分位点的情形信号生成方式不变。

结构化模型6月底给出风格偏价值的信号。具体来看，其中技术面因子风格均衡，主要是因为市场活跃程度换手率较低，而成长风格动量相对略占优。国内流动性因子风格偏成长，期限利差看好成长，信用扩张水平上行。海外流动性因子由于美债利率上行，依然给出看好价值的信号。股市反弹期因子显示股市整体性价已经处于极端高位，而前两个月成长表现较好因此给出价值优先反弹的信号。综合来看，各因子信号加总后认为价值风格相对占优。

3.1.2 模型历史表现

我们回测的时间范围是2013年底至2023年6月底，选取申万高低市盈率指数作为成长和价值风格的代表，使用成长和价值的月度调仓等权组合作为比较基准。从下方图表看，结构化多因子组合可以实现年化24.03%的收益率，0.96的收益风险比，最大回撤43.63%，均优于等权基准组合。结构化因子带来了18.19%的超额年化收益率，最大回撤为13.08%。相比等权多因子组合，结构化因子组合明显提升了组合收益率，且最大回撤有所下降，实现了更高的收益风险比。

从分年表现看，2014至2022的所有年份中，轮动策略均实现了正的超额收益。总体看结构化风格轮动模型具有较强的稳健性。

3.2 拐点趋势大小盘轮动模型

3.2.1、最新观点

我们从趋势和拐点两个维度出发寻找逻辑和实证上对于大小盘轮动有预测力的因子，并构建大小盘轮动模型。在趋势型指标方面，我们构建了流动性、经济增长和动量三个维度的指标。其中流动性我们使用期限利差和信用利差代表，经济增长我们使用房地产投资累计增速代表，动量我们用大小盘相对净值的均线突破捕捉。在拐点型指标方面，我们构建了市场拐点期和风格关注度拐点期两种因子。我们用股债相对性价比是否处于极端位置来判断股市整体的拐点。另外，我们使用大小盘的历史相对换手率分位数来捕捉风格关注度的拐点，相对关注度达到极端位置往往也是风格拐点的前兆。具体可参考2023年1月20日的深度报告《基于拐点+趋势的大小盘轮动研究》。

结构化模型6月底给出大盘风格占优的信号。具体来看，其中技术面因子偏向小盘。国内流动性因子偏向大盘，期限利差、信用利差偏向大盘。经济增长因子由于房地产数据下行，给出看好小盘的信号。股市反弹期因子显示股市整体性价已经处于极端高位，但前两月大盘下跌且小盘表现更好，因此给出大盘优先反转的信号。风格关注度拐点因子未达到极端水平，因此给出均衡信号。综合来看，各因子信号加总后认为大盘风格相对占优。

3.2.2、模型历史表现

我们回测的时间范围是2013年底至2023年6月底，选取申万大小盘指数作为大盘和小盘风格的代表，使用大小盘月度调仓等权组合作为比较基准。从下方图表看，结构化多因子组合可以实现年化18.87%的收益率，0.76的收益风险比，最大回撤53.10%，均优于等权基准组合。结构化因子带来了12.54%的超额年化收益率，最大回撤为10.00%。相比等权多因子组合，结构化因子组合明显提升了组合收益率，且最大回撤有所下降，实现了更高的收益风险比。

4、股债配置组合

4.1 组合构建方法

在每个调仓日，我们使用风险预算模型构建股债战略基准组合，然后根据股票择时信号对战略基准组合权重进行调整，并根据债券择时信号进行久期轮动配置，其中长久期债券用中长期纯债型基金指数（885008.WI）代表，短久期债券用短期纯债型基金指数（885062.WI）代表，从而构建中、低风险战术组合。组合具体构建方法请见附录。

4.2 历史表现

我们这里给出兴证金工股债配置组合自2014年1月2日至2023年6月30日的历史表现。

从图表看，股债基金指数配置组合中，战略基准组合实现了6.40%的年化收益和1.50的收益风险比。低风险战术组合年化收益率提升到7.22%，中风险战术组合进一步将年化收益率提升到8.73%，收益水平相当可观，证明了战术配置的有效性。

4.3 最新一期权重

截至2023年6月30日，兴证金工择时模型给出看平股票，看多债券的信号，因此战术组合中标配股票权重，并配置长久期债券。组合于7月第一个交易日收盘即2023年7月3日进行调仓。

5、附录

本报告的资产配置过程分为两个部分：战略资产配置和战术资产配置。我们假设调仓频率为月度，在每月底获得下一期组合最优权重，并在下月的第一个交易日收盘时进行调仓。

值得注意的是，本报告测算过程中使用的资产收益率数据包括两种：权重计算标的收益率和实际配置标的收益率。具体来说，我们先选定用于计算最优权重的各资产指数收益率数据，然后将根据指数计算出的权重应用于具体配置标的进行组合构建。

然后我们对战略基准组合权重进行战术调整，其中包括两步。第一步，我们根据股票择时信号进行战术权重调整，当看多股票时提高股票权重，看空股票时降低股票权重。第二步，根据债券择时信号进行久期轮动，若看多债券则配置长久期债券资产，若看空债券则配置短久期债券资产。

5.1 战略配置模型

风险预算模型是通过使每种资产对组合整体的风险贡献权重等于提前设定的风险预算来达到分散风险的目的。本质上，风险预算策略放弃了对回报率的预测而将重点放在了对风险编制预算的环节。

我们先引入风险预算（Risk Budgeting）的概念。我们用标准差来定义一个包含N个资产的组合的风险：

可以看出，各资产总风险贡献之和等于组合整体风险即组合波动率：

5.2 战术权重调整

若当前股票择时信号为看平，则不改变股票权重，股票目标权重等于原基准权重。

另外，在本报告多资产配置组合中，由于可能有多个同类型资产（如5种股票资产），这时单个股票资产的权重向上调整空间计算方法有所不同。我们先获得所有股票资产权重之和的向上调整空间，然后将此调整空间除以择时信号为看多的股票资产数量即得到每个股票的权重向上调整空间。

5.3 战术久期轮动

除了利用股票择时信号对战略基准权重进行调整，我们还可以根据债券择时信号选择债券配置标的，即进行久期轮动配置。

债券的走势主要受到基本面的驱动，包括经济增长、物价水平、资金面等因素；同时作为一种交易资产，债券价格也反映了市场中各方力量的博弈，投资者也可以从债券价格中挖掘市场情绪和风险偏好的变化。综合考虑各方面的影响，兴业证券金融工程团队使用实体经济、物价水平、债券估值、技术指标和短期资金流向指标构建了长期表现稳健的债券综合择时模型（详细内容请参见《系统化资产配置系列之十一：基于量化视角的利率债择时体系研究》2020-12-20），使用的择时因子请参见下表。

债券的久期表示债券的平均还款期限，久期越长表明债券对利率的敏感性越高，反之久期越短表明债券对利率的敏感性越低。在进行大类资产配置时，投资者可以根据债券的择时信号构建债券久期轮动模型，从而提高债券单资产的表现，策略的具体方案如下：当模型看多债券时，债券部分全仓配置长久期债券型基金；当模型看空债券时，债券部分全仓配置短久期债券型基金。

风险提示：模型结论基于历史数据，在市场环境转变时模型存在失效的风险。