基于一致预期基本面信息与估值匹配度的板块轮动策略.docxVIP

一、引言 一般而言，针对 A 股的研究可以按照自上而下的思路，将权益资产整体表现划分至大类板块层面，进一步可以划分至行业层面，然后精细到个股层面从而进行分析。同样按照自上而下的逻辑进行资产配置，其中关键环节之一则在于针对大类资产，尤其是权益资产内部的板块进行比较和筛选，从而得到风险收益比较高的板块进行配置，所以本文主要聚焦于 A 股权益类资产在大类板块层面的表现以及特征，并基于大类板块的一致预期基本面信息与估值匹配度对板块进行比较筛选，从而构建板块轮动策略。 市场上有着诸多专业型研究机构，其研究报告可以从一定程度上反应投资者对个股以及板块的一致预期。借助主动分析师的研判，结合定量的分析手段，捕捉从个股至板块的一致预测数据，从而丰富行业板块未来基本面信息，便于后续板块轮动策略的构建。其中一致预测的相关数据，以个券为例，来自于截止指定交易日，各机构对该证券的最近预测年度的预测每股收益的算术平均值。各机构研究报告都有一个相对有效期，只统计有效期在 180 天内的预测结果。最近预测年度，通常为研究报告中预测年份的最早年份；但会以个股的年报实际披露日为界，当年盈利公布之日，当年数据会被(原)次年数据取代。 二、根据行业指数特征提炼六大投资板块 在行业的选择上，以申万一级行业为基础类别，进一步的提炼大类板块，首先需要确定的问题是大类板块划分的数量问题，主要采取净值法进行分析。 大类板块数量的确定 文中选取申万行业一级指数近二十年的净值数据（从 2002 年 2 月-2022 年 3 月），利用主成分分析的方法来确定大类板块的数量。 在具体操作上，为了保证样本的全面性，分别选取近 20 年、近 10 年，近 5 年，近 3 年的时间区间进行计算。分别取前 4、5、6 个主成分特征值进行对比，在上述区间内主成分取到前 5 个主成分的时候，在短中长期四个不同的时间区间内，已经能保证解释程度在 85%以上，但近 20 年的数据结果上仅略超 85%，为了保证一定裕度，最终选取特征值数量为 6，即将 31 个申万行业指数划分为 6 个大类板块。 表 1：使用主成分分析对行业指数进行分析 主成分数量 近 3 年 近 5 年 近 10 年 近 20 年 4 89.59 84.82 85.69 83.73 5 90.71 86.42 87.00 85.22 6 91.72 87.82 88.20 86.56 wind， 大类板块划分以及对应指数构建 在确定好大类板块数量的基础上，考虑实际投资中的主要领域，分别将申万一级 31 个行 业对应的大类板块设置为消费、医药、金融、周期、科技与综合合计 6 个大类板块。然后 根据行业之间的特点属性，以及实际配置过程中的需要，将申万一级行业与 6 个板块进行对应。 表 2：大类板块与申万一级行业对应 板块名称 行业 消费 农林牧渔，家用电器，食品饮料，纺织服饰，轻工制造，商贸 零售，社会服务，美容护理 医药 医药生物 金融 银行，非银金融，房地产 周期 煤炭，基础化工，有色金属，建筑材料，建筑装饰，钢铁，机 械设备，汽车，石油石化 科技 电子，计算机，传媒，通信，电力设备，国防和军工 综合 交通运输，公用事业，综合，环保 资料来源： 利用行业指数数据，同时采用总市值加权法，采用月度再平衡的方式，每月月末根据行业总市值进行再平衡调整，得到 6 大板块指数走势，其中基点设置为 1。 图 1：六大板块指数走势 消费 close 医药 close 金融 close 周期 close 科技 close 综合 close 2.5 2.3 2.1 1.9 1.7 1.5 1.3 1.1 0.9 0.7 202201282021102920210730202110292021043020201030202004302019103120190430201810312018042720171031201704282016103120160429wind， 三、六大投资板块历史估值走势与业绩预期数据特征 一致业绩预测的原始数据来源，按信息含量完整度排列，分别是公司研究报告，行业研究报告(个股部分)，重点股票预测表中的信息。Wind 金融数据中按照上述逻辑对公开披露的研究报告进行了集中整理，所以本文使用的来自 wind 给出的一致预测数据。同时一般报告中股票预测普遍只有 EPS 而未给出相应的净利润，在一致预期具体指标筛选上，本文直接采用一致预测每股收益，同时未来消除极端数值的影响