行业配置系列5：高行业集中度主动量化选股策略-20230924-国联证券-23页_1mb

报告摘要

行业配置系列5：高行业集中度主动量化选股策略总结

核心内容

本报告探讨了在行业轮动策略基础上构建的高行业集中度主动量化选股策略，旨在通过增强选股因子提升超额收益。策略基于对行业配置对象的重新定义、多维度行业配置因子的构建，以及基于DCF三阶段增长模型对行业尾部风险的刻画，从而实现更精准的行业配置和个股选择。

主要观点

行业轮动策略表现：过去6年行业轮动+选股策略显著跑赢市场基准，2023年收益率为6.7%，超额收益稳定，最大回撤为17.60%。
市场结构变化：2022年宏观经济增速放缓，资金供给减少，市场流动性下行，导致指数增强类基金的alpha收益下滑。
行业配置因子：构建了包括基本面（如一致预期行业景气、超预期盈利、龙头效应、行业估值泡沫）和量价（如动量因子、反转因子、拥挤度、通胀beta）在内的多维度因子体系。
因子有效性检验：通过IC检验发现，龙头股因子、估值分位因子和成交额时序分位因子具有较强的单调性和统计显著性，而盈利因子和价格斜率因子表现较弱。
多空组合表现：估值分位tsrank因子、龙头成交额因子和换手率增量因子在全市场多空组合中表现较好，分别具有正向和负向的稳定收益。
选股增强组合：基于行业轮动策略构建的选股增强组合，通过剔除尾部10%的公司，并选择核心因子暴露前50%的公司，实现了较高的超额收益。
绩效表现：主动量化选股组合在2017-2023年间，平均超额收益显著，尤其在2022年达到48.54%，波动率控制良好。

关键信息

行业轮动策略框架：
- 重新定义行业配置对象，基于申万一级分类体系进行子行业标签化。
- 基于信用与盈利刻画宏观周期。
- 构建多维度行业配置因子，进行Fama-MecBeth框架下的统计检验。
- 剔除高估值泡沫行业以控制尾部风险。
行业配置对象拆分：
- 原始31个一级行业被拆分为48个行业组合。
- 拆分依据包括行业分化度、自由流通市值、成分股平均流通市值和一二级行业相关系数。
行业配置因子分类：
- 基本面因子：一致预期行业景气、超预期盈利、龙头效应、行业估值泡沫。
- 量价因子：动量因子、反转因子、拥挤度、通胀beta。
因子IC检验结果：
- 龙头股因子和估值分位因子具有强单调性。
- 价格斜率因子、换手率时序分位因子、成交额时序分位因子单调性较弱。
- 盈利因子和盈利因子2表现不显著。
多空组合收益：
- 估值分位tsrank因子多空组合收益率整体正向平稳。
- 龙头成交额因子多空组合收益率表现较好，超额收益显著。
选股增强组合构建规则：
- 选取top5行业成分股作为基础样本。
- 剔除尾部10%的公司。
- 核心因子为龙头股因子和估值分位因子，选取暴露前50%的公司。
- 加权方式为自由流通市值加权，再平衡频率为周频。
组合绩效表现：
- 2017年超额收益率达30.04%，信息比率为1.72。
- 2022年超额收益率为48.54%，信息比率为1.42。
- 2023年超额收益率为7.66%，信息比率为0.69。
风险提示：
- 量化模型基于历史数据回测，未来市场变化可能导致模型失效。
- 投资者需注意模型的局限性，结合自身情况独立判断。