行业轮动系列之二：周期视角下的行业轮动实证分析-20180306-华泰证券-71页-10mb

金工研究总结：周期视角下的行业轮动与配置模型

核心内容概述

本文从定性梳理和定量实证两个角度，研究了周期视角下的行业轮动规律，并构建了一个基于周期三因子的行业配置模型。通过分析基钦周期、朱格拉周期和库兹涅茨周期对A股市场的影响，提出了一个统一的周期视角，用于行业轮动规律的识别和配置策略的制定。

主要观点

1. 周期驱动因素：全球金融经济体受基钦周期（42个月）、朱格拉周期（100个月）和库兹涅茨周期（200个月）三个核心周期驱动，这些周期反映了经济基本面、市场估值水平和市场牛熊趋势。
2. 周期与资产配置：基于这三个周期，可以构建一个定量的行业配置模型，以期在不同周期阶段选择合适的行业配置策略。
3. 行业分类与轮动规律：通过行业聚类，将A股市场划分为六大板块：周期上游、周期中游、周期下游、大金融、消费和成长。不同周期阶段下，这些板块表现出明显的轮动特征。
4. 周期三因子模型：该模型通过傅里叶变换提取周期信号，结合高斯滤波进行周期分解，构建定价方程并预测未来走势，实现行业配置。

关键信息

• 行业配置模型表现：在单边千五的手续费下，该策略年化收益率达到28.89%，夏普比率0.85，年化超额收益12.86%，回测区间为2005年3月至2018年1月。
• 周期信号提取方法：
  • 使用高斯滤波提取21个月、42个月和100个月的周期信号。
  • 训练窗口长度统一设置为50个月，傅里叶变换补零至4096个点，高斯滤波器衰减系数设置为10。
• 周期视角下的行业轮动规律：
  • 库兹涅茨周期（200个月）反映经济基本面的长期趋势，决定投资风格。
  • 朱格拉周期（100个月）反映市场估值水平，与经济周期呈反向关系。
  • 基钦周期（42个月）反映市场牛熊趋势，决定短期方向。

行业轮动规律

库兹涅茨周期视角

• 上行阶段：周期风格占优，周期上游、大金融、周期中游、周期下游表现较好，消费次之，成长最弱。
• 下行阶段：非周期风格占优，成长和消费表现较好，周期风格表现较差。
• 历史阶段划分：
  • 第一轮周期：上升阶段（2000年1月-2007年10月），累计涨幅333.18%；下降阶段（2007年10月-2016年1月），累计跌幅-56.41%。
  • 第二轮周期：上升阶段（2016年1月-2018年1月），周期风格再次占优。

朱格拉周期视角

• 结构性抬升阶段：市场估值中枢提升，高估值组合表现优于低估值组合。
• 估值普涨阶段：市场整体估值提升，所有行业均有较好表现。
• 估值普降阶段：市场估值中枢下降，高估值组合表现较差。
• 结构性下杀阶段：市场估值分化，低估值组合表现优于高估值组合。
• 历史阶段划分：
  • 第一轮周期：结构性抬升（2003年11月-2006年5月），累计涨幅24.38%；估值普涨（2006年6月-2007年10月），累计涨幅261.72%；估值普降（2007年10月-2008年10月），累计跌幅-70.65%；结构性下杀（2008年10月-2011年12月），累计涨幅26.18%。
  • 第二轮周期：结构性抬升（2011年12月-2014年3月），累计涨幅-8.09%；估值普涨（2014年3月-2015年6月），累计涨幅155.87%；估值普降（2015年6月-2016年1月），累计跌幅-47.55%；结构性下杀（2016年1月-2018年1月），累计涨幅26.18%。

基钦周期视角

• 市场牛熊趋势：基钦周期反映市场短期方向，影响行业轮动。
• 历史阶段划分：
  • 第一轮周期：上升阶段（2000年1月-2003年12月），累计涨幅6.45%；下降阶段（2003年12月-2007年10月），累计跌幅-56.41%。
  • 第二轮周期：上升阶段（2007年10月-2011年12月），累计涨幅26.18%；下降阶段（2011年12月-2015年6月），累计跌幅-47.55%；结构性下杀阶段（2015年6月-2018年1月），累计涨幅26.18%。

行业配置模型

模型原理

1. 合成行业指数：在每个截面处，基于训练窗口内数据合成六大板块等权指数。
2. 提取周期信号：使用高斯滤波提取21个月、42个月和100个月的周期信号。
3. 构建定价方程：对每个板块的对数同比序列进行多元线性回归，训练定价方程。
4. 预测与配置：根据预测涨跌幅进行排名，进行相应的行业配置。

模型实证表现

• 年化收益率：28.89%
• 夏普比率：0.85
• 年化超额收益：12.86%
• 回测区间：2005年3月至2018年1月

参数设置与敏感性分析

• 训练窗口长度：统一设置为50个月，以平衡实时性和稳定性。
• 傅里叶变换长度：补零至4096个点，提升频域分辨率。
• 高斯滤波器衰减系数：统一设置为10，以保证模型稳定性。
• 参数敏感性分析：
  • 训练窗口长度对模型表现有显著影响，50个月表现最佳。
  • 周期三因子长度对模型表现也有一定影响，21个月、42个月和100个月表现最佳。
  • 高斯滤波器衰减系数设置为10时，模型表现最佳。

风险提示

• 模型基于历史规律总结，存在失效可能。
• 宏观经济的不确定性可能导致模型预测偏差。

结论

本文通过量化周期视角，深入分析了不同周期阶段下的行业轮动规律，并构建了一个基于周期三因子的行业配置模型。该模型在实证中表现出良好的收益能力和风险调整后收益，为投资者提供了新的视角和工具。