• 行业景气度因子构建包含盈利类和质量类因子，盈利因子IC均值5.62%，多空组合年化收益率11.71%，夏普比率0.88；质量因子IC均值4.69%，多空组合年化收益率7.35%，夏普比率0.55[page::5][page::6][page::7][page::8]

• 估值动量因子基于市净率、市盈率、市销率倒数同比变动，IC均值6.84%，多空组合年化收益率9.82%，夏普比率0.58，表现优于传统价格动量因子，且波动率及最大回撤更低[page::9][page::10]

• 盈利、质量及估值动量三大因子相关性较低，通过等权合成构建景气度估值因子，IC均值提升至8.88%，风险调整IC为0.32，多空组合年化收益率18.54%，夏普比率1.11，表现明显优于单一因子[page::11][page::12]

• 基于景气度估值因子的行业轮动策略，以月度调仓选取顶尖1/6行业构建，期间年化收益率12.11%，夏普0.44，年化超额收益率6.20%，信息比率0.73；从分年度表现看近6年均保持正超额收益，2020年超额高达近20%[page::13][page::14][page::15]

• 将北上资金因子纳入组合中，形成景气度估值$+$北上资金因子轮动策略，使策略表现进一步提升，年化收益率达13.62%，超额收益7.68%，信息比率0.93，换手率略升至55.14%[page::15][page::16][page::17]

• 手续费对策略表现影响显著，降至千分之一时，景气度估值+北上资金策略年化收益率提高至15.14%，超额收益9.06%，信息比率1.10，表现更加优异[page::17][page::18]

- 3月行业推荐：煤炭、钢铁、有色金属、纺织服装、电力设备及新能源，给出对应多只ETF代码及基金经理便于投资布局[page::18][page::19]

基于多维度行业景气度与估值动量的行业轮动策略——深度分析报告

---

一、元数据与概览

• 报告标题：基于多维度行业景气度与估值动量的行业轮动策略

- 分析师：高智威

• 机构：东兴证券研究所

- 发布时间：未明确具体发布时间，内容涵盖至2022年3月1日数据

• 研究主题：行业景气度、估值动量因子构建与分析，以及基于此的中期行业轮动配置策略。结合北上资金因子，形成多因子综合模型，评估行业轮动策略表现及实际配置建议。

本报告深度探讨如何基于行业盈利水平、经营质量、估值动量三个维度构建行业轮动策略，并结合市场资金流向（北上资金）因子，优化行业资产配置。核心结论是：盈利、质量及估值动量因子均对行业未来收益有显著预测能力；通过等权合成三个因子构建的景气度估值因子较单个因子更稳定且收益率更优；行业轮动策略在历史回测中实现了12.11%的年化收益率和0.44的夏普比率，明显超越行业等权基准。同时引入北上资金因子后，策略表现进一步提升，年化收益率达到13.62%，信息比率提升至0.93。报告以多维度因子支撑策略设计，结合ETF推荐指导实际配置。

---

二、逐节深度解读

2.1 行业景气度与估值动量的背景与逻辑

行业景气度代表整个行业上市公司的整体经营表现，通常景气度提升意味着行业盈利能力增强，引发投资者关注及资金涌入，带动股价上行。估值动量则刻画估值水平变化趋势的持续性，即当行业估值开始上升，通常会有进一步提升趋势。此外，传统的价格动量反应价格走势，但价格变化包含盈利和估值两部分的因素，估值动量剔除了盈利因素影响，更纯粹地体现估值变化。此报告重点探索中期（季度、年度尺度）行业配置策略，结合盈利类与质量因子（反映景气度），估值动量因子，及市场资金动向三个维度构建组合因子，避免单因子的阶段性失效。

报告归纳东兴金工行业配置框架（图1）：

• 短期关注价量指标捕捉市场情绪波动；

- 中期重点考察行业基本面景气度和估值动量变化；

• 长期路径则结合经济周期分析筛选优势行业。

本报告属于系列中的第三篇，进一步细化并验证了基于行业景气度与估值动量的构建方法，为中期行业轮动提供了科学依据。[page::0][page::3]

2.2 因子构建框架与方法论

• 通过将个股财务数据进行汇总，形成行业统计指标。为避免季节性干扰，非点状指标（如营业收入、净利润）采用滚动四季度数据(TTM)；时点类指标（净资产等）采用期初期末均值。

- 四种合成方法用于个股数据聚合至行业层面：
- 整体法：行业内公司数据合计后计算因子；
- 中位数法：行业内公司指标中位数取值；
- 流通市值加权法：以个股流通市值为权重计算行业指标；
- 龙头股法：取行业内市值排前10%股票加权。

• 指标转化为同比或环比变化，用于捕捉指标边际变化特征。

- 以行业收益（中信一级行业指数）为目标变量，进行IC（信息系数）和分位数组合测试，验证因子的预测能力。

• IC定义为因子当期值与下一期行业收益排序的相关性，反映因子预测精度。分位数组合按因子值排序分6组（29个行业），做多最高10家，做空最低10家，评估多空组合收益表现和风险指标。[page::4][page::5]

2.3 盈利因子分析

选取5个盈利类因子衡量行业盈利水平变化：

• 毛利率变动（流通市值加权，环比）

- 净利率变动（整体法，环比）

• 净利润变动（流通市值加权，环比）

- 总资产收益率变动ROA（流通市值加权，环比）

• 净资产收益率变动ROE（流通市值加权，环比）

实验结果显示，单因子IC均值介于3%-5.04%，ROE变动因子表现最佳，IC均为约5.04%。合成盈利因子后，IC均值达到5.62%，提升有效性。多空组合年化收益11.71%，夏普比率0.88（相关图表图3、表5）。盈利因子分位数组合的年化收益存在一定波动，表现单调性一般，需要组合稳健化处理。[page::5][page::6]

2.4 经营质量因子分析

衡量行业中企业资产周转效率与偿债能力，因子包括：

• 总资产周转率变化（中位数法，环比）

- 存货周转率变化（流通市值加权，环比）

• 流动比率变化（龙头股加权，同比）

IC均值呈现3.39%-3.48%区间，合成后因子IC均值4.69%略低于盈利因子，多空组合年化收益率7.35%，夏普0.55，收益风险表现略逊于盈利类因子，但作为景气度补充维度仍重要。质量因子净值曲线较平稳，点明其稳定贡献（图4，表7、8）。[page::7][page::8]

2.5 估值动量及价格动量因子分析

构建估值动量因子，强调估值（非价格）变化的持续性和预测能力，使用：

• 市净率倒数变化（流通市值加权，同比）

- 市盈率倒数变化（龙头股法，同比）

• 市销率倒数变化（流通市值加权，同比）

价格动量因子基于行业指数120日、240日价格变化构建。实验显示，估值动量因子表现优于价格动量，IC均值6.84%＞5.67%，风险调整的IC更优。多空组合收益9.82%，略低于价格动量的11.14%，但波动率及最大回撤明显更低，夏普比率0.58优于0.54。估值动量和价格动量存在一定相关性（相关系数0.6341），但在收益风险的权衡上，估值动量更均衡（图5、6，表9-14）。[page::9][page::10]

2.6 复合景气度估值因子的构建与表现

鉴于盈利因子、质量因子及估值动量因子之间的秩相关系数较低（最大0.2249），报告以等权方法将三者合成为景气度估值因子，以增强因子稳定性和预测能力。

景气度估值因子测算结果：

• IC均值提升至8.88%，风险调整IC=0.32，显著强于单因子；

- 分位数组合测试显示良好单调性，从Top到Bottom年化收益明显递减；

• 多空组合稳健，年化收益18.54%，夏普比率1.11，最大回撤18.88%（表16-17，图7-10）。

因子表现说明合成后的复合因子捕捉了行业多维景气度和估值变动特征，具有较强的收益预测能力，为行业轮动策略提供坚实基础。[page::11][page::12][page::13]

2.7 行业轮动策略设计及回测

基于景气度估值因子：

• 每月初调仓，挑选排名前1/6（5个）行业，等权构建组合；

- 29行业等权作为基准比较；

• 回测区间从2010年1月至2022年3月。

策略表现出色：

• 年化收益12.11%，夏普率0.44，显著优于行业等权基准6.06%收益和0.24夏普；

- 年化超额收益6.20%，信息比率0.73；

• 月均双边换手率52.8%，体现调整频率适中；

- 大多数年份取得正超额收益，2020年超额收益约20%，策略表现稳定（图11-12，表18）。

2.8 合入北上资金因子优化策略

北上资金因子构建自资金持股偏好和流向因子，反映外资对行业偏好，过去四年有效性高，但从2021年初收益开始下滑。报告分析其依赖银行类配置型资金，转换市场情绪不够及时，导致短期失效风险较大。

将北上资金因子加入景气度估值因子体系，形成四因子综合模型：

• 北上资金与估值动量相关性较高（0.33），与盈利质量相关度较低，提供额外信息维度；

- 新策略回测表现优于单纯景气度估值因子：
- 年化收益率13.62%，超额收益7.68%，信息比率0.93（较景气度估值因子的0.73显著提高）；
- 月均换手率55.14%略有提升；

• 图13-15展示净值与超额净值提升，分年度超额收益在多数年份上涨明显，表明北上资金因子对策略有较好补充作用，提升基金及投资者的配置效率。[page::15][page::16][page::17]

2.9 手续费敏感性分析

分析选取不同手续费标准（千分之三 vs 千分之一）对策略表现的影响，结果显示：

• 费用降低显著提升策略表现，尤其超额收益和信息比率。

- 低手续费下：
- 景气度估值+北上资金因子策略年化收益增至15.14%，超额收益9.06%，信息比率提升至1.10；
- 单纯景气度估值因子策略收益也提升至13.55%，超额收益7.49%，信息比率0.88。

• 显示以ETF或低成本交易工具执行策略可显著降低成本，提高策略净回报。

2.10 当前最新行业推荐

依照景气度估值行业轮动策略，2022年3月重点推荐行业：

• 煤炭（盈利、质量、估值动量均排名前1/6）

- 钢铁（盈利、质量优异，估值动量排名较高）

• 有色金属（盈利突出，质量与估值动量适中）

- 纺织服装（盈利突出，质量空缺，估值动量较好）

• 电力设备及新能源（盈利和质量表现适中，估值动量突出）

报告同时提供针对上述行业的ETF详尽列表，支持投资者执行行业配置。（表22-23）[page::18][page::19]

2.11 风险提示

报告明确指出，所有模型结果基于历史数据和假设，政策变化、市场环境变化可能导致模型失效，投资者需警惕并持续跟踪市场风险。[page::0][page::20]

---

三、图表深度解读

• 图1（行业配置框架）：

通过齿轮象征显示短期价量、中期景气度估值及机构持仓、长期经济周期三者互动力，说明行业配置模型多维度、跨周期整合思路。

• 图2（因子构建流程）：

显示财务数据从个股TTM调整，合成到行业多种方法，转化同比环比，最终形成盈利、质量、估值动量因子的逻辑链条。

• 表1-2（合成方法与变化方法）：

清楚列出四种行业合成方法和同比环比用于计算指数因子的具体定义，奠定后续因子构建基础。

• 表3-4（盈利类因子定义及IC测试）：

多因子IC均为正，其中ROE变动表现最佳，合成因子表现稳定优于单因子，无显著负面期。

• 图3和表5（盈利因子分位组合）：

多空组合收益率11.71%，净值走势稳定上升，最大回撤仅16.5%，说明盈利因子预测稳定且收益可观。

• 表6-8及图4（质量因子表现）：

质量因子IC值虽略低于盈利因子，仍有预测能力，多空年化收益7.35%，夏普0.55，表现相对稳健，净值曲线连续且平顺。

• 表9-14及图5、6（估值动量与价格动量对比）：

估值动量IC均值6.84%优于价格动量5.67%，夏普更高，最大回撤小，表现更稳健，价格动量和估值动量因子相关度为0.63，具备一定互补。

• 表15（因子相关性）：

盈利-质量0.225，其他因子相关性极低，支持合成稳定。

• 图7-10及表16-17（景气度估值因子表现）：

IC均值大幅上升至8.88%，多空组合收益18.54%，夏普1.11，最大回撤18.88%，净值与IC弹性强，组合效果明显。

• 图11-12及表18（轮动策略回测表现）：

净值明显领先行业基准，年化超额收益6.2%，信息比率0.73，月均换手率52.8%，换手频率合理，年度超额收益稳定。

• 表19及图13-15（北上资金结合）：

北上资金与估值动量相关度较高，加入北上资金因子后，策略年化收益率提升至13.62%，超额收益7.68%，信息比率0.93，表现持续领先，换手率略升至55.1%。

• 表21（手续费灵敏度）：

手续费降低对策略效益有明显提升，特别对年化超额收益和信息比率贡献显著，支持ETF策略执行低成本要求。

• 表22-23（行业排名及ETF推荐）：

明确标示各推荐行业因子排名，搭配对应ETF名单，方便落地执行。

---

四、估值分析

报告的估值分析主要体现在对行业收益预测因子的综合价值体现，以及通过轮动策略表现折现收益。

• 估值动量因子采用市净率、市盈率、市销率的倒数同比变化测量估值趋势，剥离盈利增长影响捕捉估值本身变化；

- 估值因子与盈利及质量因子合成，实现多因子稳定组合，提高因子IC及收益风险指标，有效对冲个别因子阶段性失效风险；

• 估值动量因子波动较大，但结合盈利与质量因子后实现整体平滑，夏普比率提升至1.11；

- 行业轮动策略目标为通过每月调仓选取景气度估值因子前1/6行业，等权持有，实现结构性收益；

• 手续费敏感性分析体现策略在不同交易成本下表现差异，ETF等低费用操作可提升净效益。

总体估值分析展示出因子多元集成的优势，验证与实际组合策略收益的匹配，未直接使用DCF或市盈率静态估值模型，而是基于因子预测能力来驱动资产配置决策。

---

五、风险因素评估

报告风险提示聚焦以下几点：

• 历史数据基础与建模，假设未来市场环境与政策条件保持一定稳定，若政策或宏观环境发生重大变化，模型效用可能失效；

- 北上资金因子的短期失效风险，说明资金流动偏好可能受外部因素影响波动较大；

• 轮动策略月均换手率较高，可能带来交易成本和市场冲击风险，银行业务需低成本执行方案；

- 行业财务数据存在季节性和披露延迟，指标计算和因子构建带有一定的滞后性，可能影响短期预测准确性；

报告未直接给出缓解方法，但通过多因子融合、分位组合分散风险，且多维数据来源有助于风险对冲。投资者仍须审慎认知模型依赖性风险。[page::0][page::20]

---

六、批判性视角与细微差别

• 报告呈现的因子和策略均基于历史回测，虽然数据跨度覆盖了较长周期，但仍存在历史偏差、市场结构改变导致未来失效风险，尤其近年北上资金因子表现波动突出；

- 盈利和质量因子均采用财务披露数据构建，存在信息披露延迟风险，可能限制短期预测能力；

• 估值动量因子表现优于价格动量因子，部分因估值指标更稳定，但估值变化受市场情绪和宏观因素影响较大，存在噪音；

- 报告对策略换手率和成本做了敏感性测算，但没有深入讨论市场流动性风险、滑点及执行难度，尤其在极端行情下策略表现可能不同；

• 推荐行业的选择较集中于资源和新能源行业，短期内可能面临单一行业风险，组合的行业集中度未有明确说明；

- 报告中个别表格数据格式有小错误（如表16中的负收益率符号），不影响整体结论但需更正；

• 虽然报告强调等权合成因子提升稳定性，但未讨论因子权重动态调整可能带来的额外收益或风险；

- 北上资金因子虽有效，但对资金流向背后原因缺少深入剖析，未来资金偏好如何演变需持续观察。

综上，报告科学严谨，但因模型依赖历史数据，投资者应配合市场动态，避免过度依赖单一量化模型。

---

七、结论性综合

本报告系统构建并验证了基于多维度行业景气度（盈利+质量）与估值动量的行业轮动策略，展现了良好的预测效果和组合表现。核心发现包括：

• 盈利因子IC均值5.62%，多空组合年化收益11.71%，夏普比率0.88，反映行业盈利变动强预示收益潜力；

- 质量因子补充反映资产周转和偿债能力，虽IC略低，仍贡献7.35%年化收益和0.55夏普，提升模型稳健性；

• 估值动量因子IC均值6.84%，优于传统价格动量，风险调整角度表现更优，年化收益9.82%；

- 盈利、质量、估值动量因子相关性低，合成复合因子后，IC均值提升至8.88%，多空组合年化收益18.54%，夏普1.11，表现明显优于单因子；

• 基于景气度估值因子设计月调仓行业轮动策略，历史回测年化收益12.11%，超额收益6.20%，夏普0.44，显著超越行业等权基准，表现稳健；

- 纳入北上资金因子后，策略年化收益进一步提升至13.62%，超额收益7.68%，信息比率提升至0.93，表明资金流向信息对行业选择有增益；

• 手续费敏感性分析显示，低费用交易环境（如ETF）可进一步提升策略表现；

- 当前最新行业推荐侧重资源（煤炭、钢铁、有色）、纺织服装、新能源等高景气行业，配合丰富ETF选择，便利实际应用；

• 报告同时提示模型依赖历史与政策稳定性，存在失效风险，需理性识别与谨慎应用。

整体而言，报告基于细致因子构建和全面数据验证，支持投资者构建科学的中期行业配置方案，实现超额收益和风险控制目标，符合专业量化分析标准，推荐作为行业轮动策略规划的重要参考。

---

附重要图表示例：

• 图1 资产配置框架展示多周期多维度协同；

- 图3-6 盈利、质量、估值动量因子分位数组合性能曲线；

• 图7-10 景气度估值因子IC及多空组合表现；

- 图11-15 行业轮动策略及合入北上资金策略净值和超额收益表现；

• 表22-23 最新行业因子排名及ETF配置参考。

---

参考页码溯源

• 投资摘要与策略总体框架——[page::0][page::3]

- 因子构建与IC测试详解——[page::4][page::5][page::6][page::7][page::8][page::9][page::10]

• 因子相关性与合成景气度估值因子分析——[page::11][page::12]

- 行业轮动策略设计及回测表现——[page::13][page::14][page::15]

• 结合北上资金因子后策略优化——[page::15][page::16][page::17]

- 手续费影响分析及最新行业推荐——[page::17][page::18][page::19]

• 总结与风险提示——[page::20]

---

注：全文所有定量指标均取模型回测结果及公开数据统计，报告内容立足于历史统计规律，投资需谨慎考量市场环境变化风险。

报告