2022年行业配置研究报告.docxVIP

2022年行业配置研究报告 1、 行业配置研究体系 国海行业配置研究体系由胜率和赔率组成，胜率和赔率是差异化的定价目标， 但两者之间又会相互影响。胜率强调截面上不同行业与其他行业的相对强弱关系， 追求组合跑赢基准的胜率，是一个比较出来的结果，本质是相对收益的逻辑；赔 率模型讨论预期收益，强调当下买入此行业的安全边际，注重远期的未来收益， 它只跟行业自身有关，本质是绝对收益的逻辑。这篇报告是我们行业配置系列研 究的第四篇，我们重点讨论如何在胜率和赔率之间寻求平衡。 海行业配置的研究框架是一个二阶模型，通过对赔率和胜率的刻画，寻求 一致性的定价要素，最终根据行业胜率和赔率在时间序列和截面上的状态做出行 业配置决策。二阶模型让我们更加清晰地看到决策路径以及行业配置背后的风险 和收益特征。 2、 为什么需要平衡行业胜率和赔率 只考虑胜率的策略存在赔率风险：胜率策略多头自 2021 年 Q4 以来平均赔 率快速下滑，这部分风险导致行业胜率策略超额收益在 2021 年 Q4 遭遇了历史 上的最大回撤。 只考虑赔率的策略存在胜率风险：考虑到赔率策略多头的平均胜率不高，市 场大多数时刻更偏向胜率，这意味着押注赔率的投资策略获取收益的交易效率效 率不高，在路径上，不考虑行业间的相对胜率存在显著的无法战胜其他投资者的 风险。 综上，行业配置中胜率和赔率是相辅相成的，共同决定了投资组合的风险收 益结构，优秀的投资策略需要平衡组合的胜率和赔率。 3、 胜率和赔率截面平衡 3.1、 交叉分组 根据行业的胜率和赔率排序，可以将行业分成四个象限，这本质是一种交叉 分组的方法。 象限图可以帮助我们判断每个行业所处的胜率、赔率位置，除此之外我们还可 以做进一步精细化的分析，每月末将胜率、赔率各自分成高中低三档，取两两交 叉，构建不同象限的胜率赔率组合，观察其超额收益表现。回测选取中信一级行 业除综合、综合金融外的 28 个行业，每月末确定标的，次月初第一个交易日开 盘价买入，基准为中信一级行业等权。 通过回测，我们发现中、低胜率组内行业赔率对行业收益的提升作用不明显。同样，中、低赔率组内胜率对行业收益的提升作用不明显。高胜率组内赔率分组效果明显，高赔率组内胜率分组效果明显，说明胜率赔 率是相互的补充：高胜率的边际提升在赔率，高赔率的边际提升在胜率。高胜率高赔率的行业绝对收益突出，相对收益也较为稳定。从 2015 年初至 2022 年 6 月底，高胜率高赔率组合年化绝对收益 23.7%， 相对基准的超额年化收益为 17.1%，信息比率达到 1.99。 3.2、 胜率与赔率的线性组合 交叉分组中高胜率高赔率组合表现优异，但分组交叉不能满足灵活多样的 行业配置需求，问题在于： 1) 高胜率高赔率的行业数量每期不可控，且平均来看数量不多； 2) 无法有效指导行业超低配。 针对这两个问题，一个解决办法是行业胜率和赔率做线性组合： 组合因子 = ?????? ? 胜率因子 + (1 ? ??????) ? 赔率因子，胜 率权重 从 0.1开始遍历到1.0，观察胜率赔率因子在不同权重下线性组合的超额收益表现。 观察发现，不同权重下的线性组合呈现不同的风险收益特征，组合超额表现 与胜率权重大小呈非线性关系：胜率权重较为均衡时较好，一方权重过大过小都 不好。以胜率权重 0.6 为例，胜率赔率均衡时能够达到较好的行业配置效果。 当然，线性组合也存在一定的问题，比如策略选到的可能是综合来看最优秀 的行业而非在每个维度都很优秀的行业，这与我们追求胜率与赔率平衡可能存 在矛盾。针对这个问题，我们观察因子线性组合后所选多头行业的胜率赔率分位 结构，以胜率权重 0.6 为例，前 6 名的行业其胜率赔率分位均比较靠前，维持在 80%左右，说明该组合实现了较理想的胜率与赔率平衡。 行业胜率赔率按照 0.6 和 0.4 的权重线性组合后因子分组单调，多空收益显 著，其中多头年化超额收益达到 14.4%，空头组年化超额收益为-5.9%。此外收 益累计曲线显示超额收益随持有月份的增加而增加，但是斜率存在快速衰减的结 构，所以从换仓频率来讲，月频换仓依然是比较理想的选择。 4、 胜率赔率平衡——更加多元立体的尝试 我们发现，行业胜率和赔率的平衡本质上是截面和时间序列这两个逻辑的平 衡，不仅可以考虑截面上的高胜率高赔率行业，还可以将时间序列结合起来，加 入胜率赔率边际变化的信息。如下图所示，可以寻找高赔率下胜率边际改善的行 业以及高胜率下赔率边际改善的行业。 4.1、 高赔率象限内胜率边际改善策略 在每月末首先选取赔率排名前 10 的行业，在这 10 个行业内选取胜率边际 改善前 6 的行业。我们发现组合相对收益不强，原因是容易选到胜率边际改善较 大但绝对排名靠后的行业。这表明对胜率而言，胜率排名靠后的