浙商金工基本面量化系列合集：行业基本面量化投资框架-20230817-浙商证券-69页_2mb

金融工程深度：行业基本面量化投资框架总结

核心观点

• 行业基本面量化的核心在于对行业盈利预期核心驱动要素进行指标映射，具备清晰的逻辑架构，相较于“黑箱”模型，其样本外表现更为稳定。
• 基本面量化模型已覆盖近20个细分行业，涵盖周期、金融、科技、消费四大板块，实现对行业基本面景气边际变化的全面把握。
• 综合配置策略在2013年至2023年期间，年化收益为26.3%，相对等权基准和中证800分别实现14.4%和21.4%的超额收益，最大回撤分别为9.3%和7.1%，表现较为稳定。

主要观点与关键信息

1. 基本面量化框架理念

• 基本面量化是将主观逻辑进行量化表达，具备清晰的结构和可解释性，降低了过拟合风险。
• 通过识别行业的盈利核心驱动要素，并与高频指标形成映射，从而实现对行业景气的及时判断。

2. 周期板块

• 煤炭行业：价格为核心驱动因素，关注供需关系及库存变化，采用主成分分析法合成指标。
• 钢铁行业：钢价与行业ROETM具有显著相关性，通过房屋新开工面积、PMI新订单指数等指标刻画需求，采用主成分分析法合成指标。
• 水泥行业：关注需求与成本变化，采用等权加总方法构建景气度指标，通过库存与价格的反向关系判断需求变化。
• 玻璃行业：关注地产及成本端变化，采用等权加总方法构建景气度指标，价差指标与毛利率走势高度相关。
• 化工行业：分行业构建景气指标，采用等权加总方法合成综合景气指标，关注化纤和聚氨酯的景气变化。
• 通用自动化行业：关注下游需求及库存变化，通过主成分分析法合成指标，择时策略在主动补库存阶段表现较好。
• 工程机械行业：关注地产及基建需求，通过综合指标进行择时，策略在主动补库存阶段实现显著超额收益。
• 汽车行业：关注流动性及需求变化，采用主成分分析法构建景气指标，择时策略在流动性改善阶段表现突出。

3. 金融板块

• 银行行业：关注经济景气度及国债利率，通过主成分分析法构建景气指标，择时策略在经济景气度上行时配置银行指数，实现显著超额收益。
• 券商行业：关注流动性环境，通过综合流动性指标进行择时，策略在流动性宽松阶段表现优异。

4. 消费板块

• 消费升级趋势：通过消费结构升级与消费层次升级进行量化，关注消费者信心指数、国房景气指数等指标。
• 家用电器行业：关注地产及出口需求，结合原材料成本与人民币汇率变化，采用等权加总方法构建景气度指标。
• 食品饮料行业：以高端酒为核心，通过价格、经济景气及消费升级指标进行分析，择时策略在景气度上行时配置食品饮料指数，实现显著超额收益。
• 农林牧渔行业：关注猪周期及猪价走势，通过猪粮比价、生猪屠宰量等指标进行判断，采用主成分分析法构建景气指标。

5. 科技板块

• 通信设备行业：关注产业链各环节景气变化，通过主成分分析法合成指标。
• 半导体行业：关注产业链景气度，尤其是集成电路的主导地位，通过主成分分析法构建景气指标。
• 消费电子行业：关注下游需求与景气度，通过主成分分析法合成景气指标。
• 新能源汽车行业：关注成本结构与产业链景气度，通过主成分分析法构建景气指标。
• 光伏行业：关注产业链价格变动对业绩的影响，通过主成分分析法合成景气指标。

关键指标与方法

• 指标选取：根据行业特性选择供需、库存、价格、成本等维度的指标，部分行业采用等权加总或主成分分析法进行合成。
• 策略构建：基于指标的边际变化进行行业择时，每月月末调仓，根据景气指标的上行或下行趋势配置相应行业指数或全市场指数。
• 回测表现：各细分行业策略均实现显著超额收益，综合配置策略在2013-2023年期间表现突出。

风险提示

• 回测结果基于历史数据，不保证未来表现。
• 指标及模型基于量化方法构建，若分指标大幅波动，可能导致综合指标输出失真。
• 部分行业以单一子行业代表整体，存在偏差风险。
• 模型为行业逻辑的简化表达，可能存在偏差。
• 本报告不涉及基金推荐，仅提供量化分析框架。

总结

该报告系统性地构建了覆盖周期、金融、科技、消费四大板块近20个细分行业的基本面量化模型，通过清晰的逻辑架构与高频指标映射，实现对行业景气度的精准判断。各行业策略在回测中均表现出良好的超额收益能力，综合配置策略表现尤为突出。模型构建方法包括主成分分析法与等权加总，能够有效反映行业基本面变化。然而，需注意模型的局限性，包括历史数据依赖、指标偏差风险及市场环境变化可能导致的失效风险。