基于业绩趋势的行业轮动模型-20180227-光大证券-23页-1mb

基于业绩趋势的行业轮动模型总结

核心内容

本报告提出了一种基于业绩趋势的行业轮动模型，结合了业绩增长趋势分析与技术指标（动量、RSRS）的筛选机制，旨在识别未来可能实现高增长的行业并优化投资时机。

主要观点

• 业绩高增长行业具有显著超额收益：在中信三级行业中，业绩高增长的行业组合表现出显著的超额收益，且在业绩释放期（当季末）收益表现最佳。
• 业绩趋势模型的有效性：通过业绩增长速度与加速度两个维度进行分析，模型能够有效筛选出下期大概率高增长的行业，预测准确度超过47%。
• 样本偏差问题：使用业绩预告数据会引入样本偏差，影响模型的有效性，因此不建议用于行业轮动模型。
• 扣非归母净利润提升模型效果：使用扣除非经常性损益的归母净利润作为业绩代理变量，能够更准确地反映主营业务趋势，增强模型的有效性。
• 技术指标优化策略：结合动量指标和RSRS技术指标，可以进一步筛选出短期更具投资价值的行业，提升组合表现。
• 模型表现优异：叠加技术指标后的行业轮动策略在回测期内年化收益率达32.7%，年化超额收益为13.8%，信息比率1.89，月度胜率66.7%。

关键信息

1. 行业业绩刻画方式

• 行业整体法：将行业内上市公司的业绩加总，计算行业整体业绩增速。
• 中位数法：计算行业内上市公司业绩增速的中位数作为行业业绩增速的代理变量，更稳定。

2. 业绩趋势模型构建

• 业绩增长速度：TTM归母净利润相对于上一季度TTM归母净利润的增长率。
• 业绩增长加速度：通过回归模型计算，公式为：
  $$
  \operatorname{NetProfit}_t = \alpha \times t^2 + \beta \times t + c
  $$
  其中，$\alpha$ 为业绩增长加速度的代理变量。
• 分组方式：将行业分为9组，第9组为业绩增长速度与加速度均高的行业。

3. 参数选择

• N取10：在模型测试中，N取10时，业绩趋势模型的分组收益表现和预测能力最优。
• RSRS参数：n取10，m取500，以确保模型的稳健性和单调性。

4. 技术指标筛选

• 动量指标：剔除上一月涨幅前20%的行业，避免短期反转风险。
• RSRS指标：RSRS值越低，行业风险越大，需警惕；RSRS值越高，行业上涨机会更大。

5. 模型表现

• 年化收益：基于业绩趋势模型的行业轮动策略在回测期内年化收益达29.1%，叠加技术指标后提升至32.7%。
• 超额收益：模型的年化超额收益达13.8%，信息比率1.89，月度胜率66.7%。
• 样本外表现：2016年和2017年信息比率分别为1.35和1.87，月度胜率分别为66.7%和58.3%。

风险提示

• 模型基于历史数据构建，存在失效风险。
• 业绩趋势模型的有效性依赖于足够的数据跨度，N取10时表现最佳。
• 使用预告数据会引入样本偏差，降低模型的准确性。

模型应用建议

• 调仓周期：模型建议在业绩公告截止日（4月、8月、10月）进行调仓。
• 行业筛选：在高增长行业组合中，剔除上一月涨幅前20%的行业，以及RSRS指标值较低的行业，以提高策略的稳健性。

模型最新持仓行业名单

• 详见表17，模型最近三期行业持仓名单。

总结

基于业绩趋势的行业轮动模型通过结合业绩增长速度和加速度的分析，以及动量和RSRS技术指标，能够有效识别未来高增长的行业，提高投资回报率。模型在回测期内表现优异，但需注意其对历史数据的依赖性和潜在的市场变化风险。