20160311-招商证券-基于同质性分析的行业特征研究_从波动分解角度剖析超额收益来源_19页_1mb

行业同质性分析与超额收益来源研究总结

核心内容

本报告基于因素分层识别模型，对个股的总体风险进行分解，将其划分为市场共性风险、行业共性风险和未识别风险三个部分。通过该模型，可以更有效地识别行业特征，提高风险解释度和模型有效性，同时保持各部分风险的正交性。报告还分析了不同行业的同质性水平，并探讨了其在行业配置、选股策略及指数产品选择中的应用。

主要观点

1. 高同质性行业：

   • 银行、非银金融、钢铁、采掘、国防军工等行业具有较高的行业拟合优度，说明其行业共性风险对个股风险的解释度较高。
   • 这些行业内的个股涨跌趋势与行业和市场整体较为一致，适合进行行业整体配置，以获取超额收益。
   • 配对交易策略在这些行业中具有更好的适用性和胜率。

2. 低同质性行业：

   • 综合、轻工制造、食品饮料、休闲服务、化工、汽车等行业具有较低的行业拟合优度，说明个股驱动因素差异较大。
   • 这些行业更适合通过选股来获取超额收益，而非行业整体配置。

3. 行业分类与同质性：

   • 行业划分的精细程度对同质性有影响，但过度拆分可能使行业分类意义减弱。
   • 部分低同质性的一级行业拆分后，可能产生一些同质性较强的子行业，但整体同质性提升有限。

4. 行业指数产品：

   • 市场规模较大的行业指数产品通常所选行业具有较高的行业拟合优度和行业共性风险占比。
   • 同质性较强的行业更适合作为被动指数产品的标的，因其行业特征鲜明，基准更具代表性。

关键信息

• 风险分解公式：
  $$
  \sigma^2[r_{i,t}] = \tilde{\beta}i^2 \sigma^2[r{M,t}] + \lambda_i^2 \sigma^2[r_{I,t}] + \sigma^2[\varepsilon_{i,t}^]
  $$
  其中，$\tilde{\beta}i$ 表示个股对市场的风险暴露，$\lambda_i$ 表示个股对行业的风险暴露，$\varepsilon{i,t}^$ 表示未识别风险。

• 行业同质性指标：

  • 行业拟合优度 $R_I^2$：市场和行业共性风险对行业内个股的解释程度。
  • 行业对市场 $\beta_I$：行业整体对市场风险的敏感度。

• 行业分类对同质性的影响：

  • 行业分类方式会影响同质性水平，高同质性行业对成分股变化更为敏感。
  • 拆分行业并不能显著提升整体同质性，反而可能削弱行业分类的意义。

• 行业指数产品应用：

  • 规模较大的行业指数产品通常对应高同质性行业，如银行、非银金融、国防军工等。
  • 例如：中证军工、中证银行、沪深300金融ETF等产品具有较高的行业拟合优度和行业共性风险占比。

行业同质性水平与 $\beta_I$ 分析

行业拟合优度聚类分析

• 行业分类方式对同质性影响：

  • 申万一级行业与中信一级行业在同质性水平上存在差异，部分行业拆分后同质性有所提升，但提升有限。
  • 高同质性行业对成分股变化更敏感，低同质性行业对成分股变化不敏感。

• 聚类结果：

  • 银行、国防军工、钢铁、采掘、非银金融等行业同质性较高。
  • 其他行业如综合、轻工制造、食品饮料等同质性较低，主要受市场和个股风险影响。

行业指数产品应用

• 行业指数产品所涉及行业：

  • 规模前列的行业指数产品主要涉及银行、非银金融、医药生物、传媒、国防军工等行业。
  • 部分指数产品涉及多个行业，如TMT、金融等，而有些则聚焦于细分领域，如精准医疗、环保等。

• 行业同质性与指数规模：

  • 同质性强的行业更容易形成规模较大的指数产品。
  • 行业特征鲜明的行业，其基准更具代表性，适合被动投资。

风险提示

• 本报告基于假设和模型构建，可能无法完全准确反映实际情况。
• 模型结果用于指导投资策略，但不能完全预测市场走势。

投资评级定义

• 公司短期评级：

  • 强烈推荐：股价涨幅超基准指数20%以上
  • 审慎推荐：股价涨幅在5%~20%之间
  • 中性：股价变动幅度介于±5%之间
  • 回避：股价表现弱于基准指数5%以上

• 公司长期评级：

  • A：公司长期竞争力高于行业平均水平
  • B：公司长期竞争力与行业平均水平一致
  • C：公司长期竞争力低于行业平均水平

• 行业投资评级：

  • 推荐：行业基本面向好，指数将跑赢基准
  • 中性：行业基本面稳定，指数跟随基准
  • 回避：行业基本面向淡，指数将跑输基准