金工专题报告：基本面量化视角下的食品饮料行业选股研究-20180803-天风证券-24页-2mb

金融工程：基本面量化视角下的食品饮料行业选股研究总结

核心内容

本文从基本面量化角度出发，探讨了食品饮料行业的选股逻辑，旨在构建一个能够有效识别行业龙头并获取超额收益的量化选股模型。通过分析行业特征、公司研究逻辑及基本面指标的量化实现，进一步验证了这些指标在食品饮料行业的有效性，并构建了两个不同维度的选股模型进行实证。

主要观点

1. 行业特征：

   • 食品饮料行业具有龙头聚集性，行业集中度提升使得利润向龙头企业集中。
   • 行业存在发展初期、成长期和成熟期，各细分行业可能处于不同阶段。
   • 白酒行业属于可选消费品，具有明显的弱周期性；其他饮料和食品属于必需消费品，发展相对稳定。

2. 公司研究逻辑：

   • 公司发展依赖于行业空间与竞争格局，二者共同决定长期盈利能力。
   • 关键分析框架包括产品、渠道和经营管理。
   • 产品结构优化、渠道覆盖率和效率、以及经营能力改善是提升公司竞争力的重要因素。

3. 基本面逻辑的量化实现：

   • 预收账款变化率可衡量收入水平和渠道力度。
   • 应收账款周转率反映企业在产业链中的地位。
   • 存货周转率变化衡量经营能力的改变，收入为基础的存货周转率变化比成本为基础的更为有效。
   • 销售费用率与行业阶段密切相关，成熟期企业更注重费用控制。

4. 因子检验：

   • 市值因子波动性大，风险较高。
   • 基本面因子中，盈利（如ROE）、估值（如FEPTTM）和成长（如SUE）表现较为显著。
   • 技术类因子（如ILLIQ、TURNOVER1M）也较为显著。
   • 预收账款变化率（ADVYOY）和收入为基础的存货周转率变化（DELTAINVTURN2）在选股中具有较高的有效性。

关键信息

行业分类

• 食品饮料行业包括白酒、其他饮料（啤酒、葡萄酒、黄酒等）和食品（肉制品、调味品、乳制品等）。
• 白酒权重占比最高（59.45%），食品其次（34.69%），其他饮料最低（5.85%）。

选股模型

• 模型一：使用传统基本面因子（如估值、成长、盈利），年化超额收益为8.91%。
• 模型二：在模型一基础上增加预收账款变化率、应收账款周转率和存货周转率变化，年化超额收益提升至12.39%，收益更为均衡。

回测表现

• 2010年至2018年7月期间，量化模型的年化超额收益为8.91%。
• 基本面量化模型的年化超额收益为12.39%，在2012年和2017年表现有明显改善。

风险提示

• 市场环境变动风险；
• 有效因子变动风险；
• 优化模型失效风险。

行业与公司分析

白酒行业

• 高端白酒（如贵州茅台、五粮液）具有明显的品牌优势和渠道优势。
• 预收账款占比高，通常在15%左右，反映出其较强的销售能力和品牌影响力。

其他饮料行业

• 包括啤酒、葡萄酒、黄酒等，代表企业有重庆啤酒、青岛啤酒、张裕A等。
• 预收账款占比相对较低（约3.4%），行业增长趋于平稳。

食品行业

• 包括乳制品、肉制品、调味品等，代表企业有伊利股份、蒙牛乳业、海天味业等。
• 乳制品行业在2008年经历重大事件（三聚氰胺事件），之后行业集中度提升，龙头企业地位稳固。
• 调味品行业产品种类丰富，竞争激烈，企业需通过产品结构优化和品牌建设提升竞争力。

量化因子与模型构建

因子列表

模型构建

• 目标函数：最大化组合预期收益；

• 约束条件：

  • 市值约束：组合市值因子暴露与基准相同；
  • 行业约束：组合细分行业权重偏离基准不超过10%；
  • 个股权重约束：偏离不超过5%；
  • 仓位约束：权重和为1。

• 权重计算：以12个月因子IC均值/标准差（即IC_IR）为权重；

• 当因子IC均值方向与长期方向相反时，权重设为0。

实证结果

量化选股模型表现

基本面量化模型表现

• 年化超额收益为12.39%，各年度收益较为均衡；
• 2012年、2017年超额收益明显改善。

总结

本文从基本面角度出发，构建了食品饮料行业的量化选股模型，并通过因子检验和回测验证了其有效性。研究发现，基本面因子如ROE、FEPTTM、SUE等在选股中表现突出，而预收账款变化率、应收账款周转率和存货周转率变化也具有较高的预测能力。在模型构建中，通过市值中性、行业约束和个股权重限制，提高了模型的稳健性与适应性。最终，基本面量化模型在回测中表现出优于传统模型的超额收益能力，为其他行业的量化研究提供了参考。