量化专题报告-量化大势研判：产业周期变革与资产全局比较.docxVIP

目录

见微知著的量化大势研判之路 3

风格判断的本质 3

资产比较的逻辑 5

产业周期与资产特征 6

不同产业周期行业的财务特征 6

产业现金流状态与其未来财务特征 7

产业现金流边际变化与其未来财务特征 9

2.1.3小结 11

不同产业周期行业的估值逻辑 12

不同产业周期行业的PB-ROE估值体系适用性 13

不同产业周期行业的PE-g估值体系适用性 15

股息率估值的特点 16

2.2.4小结 17

风格资产特征与资产全局对比 18

“有没有”、“贵不贵”和“挤不挤”的特征刻画 18

“有没有”：资产优势差 18

“贵不贵”：PE-g、△g、gf、PB-ROE 19

“挤不挤”：资产拥挤度 21

高股息类资产的选择与判断 23

资产全局比较框架落地 24

框架总结与完善方向 26

风险提示 27

见微知著的量化大势研判之路

风格判断的本质

中高频轮动模型的短有效期和弱解释度促使我们开始思考未来的Beta研究究竟应走向何方。无论是行业轮动还是风格轮动，月度或者周度的因子挖掘加多因子合成打分成为了大多数研究的基本范式。但固定的因子特征、精细化的模型和过高的判断频率无法对抗噪音巨大的现实世界，一个行业在一个很短的时间区间打败另一个行业的过程有太多偶然和离奇的因素。追求全样本的高拟合度可能获得的是噪音模型。

同时我们注意到，事实上各年的风格都有明显的主线，每年只要做对一两次关键的判断基本就能锁定胜局。因此轮动的判断理论上应该是低频而确定的，这与策略投资的目标不谋而合。王成在《策略投资》中是这样定义的：“策略投资试图解决的是市场中期和长期的趋势分别是什么，影响这个趋势的核心因素有哪些，在既定的市场趋势背景下，应该选择何种风格、主题和行业，以及应该选择何种投资组合。”是谓：“大势研判”。

但老一辈优秀分析师的大势研判框架主要聚焦在“自上而下”，以全局指导战略，而我们觉得不妨从“自下而上”的视角出发试试。全局性思维需要投资者考虑全面，既要了解影响市场的数量庞大的变量，又要清楚各个时间点起决定作用的变量是哪些，因此在历史样本有限的情况下永远需要准备应对从来没有出现过的情况。没有一点“悟性”是较难实际连续操作的。而我们觉得全局本身是由局部构成的，梳理清楚了所有的局部也就理解了全局，且局部有规范丰富的数据和样本，能够及时大批量的运算与跟踪，在清晰的对比下答案或许更易得出。当下许多人工智能的模型即采用了这种范式，通过“仔细估算”每个股票的涨跌概率就能推断出下一步的优势风格/行业，只不过判断频率较高并且还未成熟。

回到风格的定义，统计因子是否是合适的表达？学术界的风格定义发源于市场异象，即从发现一些能够被解释的市场收益后所逐步形成的一些特征刻画，但其着重于解释，并不注重判断。资产的底层逻辑变化在统计因子的固有表达过程中其原有逻辑或被扭曲和湮没，因此当我们孤立的改进或择时诸如市值、成长、价值、质量等单因子，期望找到恒久有效的“Alpha”时总会遇到“有效市场”阻力。因为有限样本下的统计极易过拟合。本．文．我．们．将．不．再．采．用．这．套．因．子．叙．事．。

风格判断本质上是希望找到一类特征的资产，并且这类资产未来可以跑赢基准获得更高的回报。因此风格判断的本质还是对于广袤的资产原野的一种全局比较，从而押中未来更有利的大方向。此处“大”不一定指很低的判断频率，而是指判断逻辑要显而易见。如果结论并不显然，要靠多种补充逻辑去综合判断出些微的优势，其意义也就不大了。而结论的显而易见建立在充分多维度的各类资产观察对比上的，这是量化的工作。

因此我们认为观察资产本身的变化趋势重于宏观预期到风格因子的博弈。宏观因素要不要考虑？很多时候我们认为是外部变量变化后带来了预期改变带来的风格改变，所以格外关注宏观叙事。但是风格的变化还是资产本身特点（无论实际抑或预期）发生了变化或者市场筹码结构发生了变化带来的。比如信用宽松与扩张利于成长风格，但只要基本面还未体现出变化，成长资产还未出现，则成长难有“提前”的超额收益，典型的如2019年。并且“自上而下”会产生无数层博弈叠加的问题，整体判断必须迭代非常快而且还不能过快。因此从资产本身机会的角度看问题或更有意义。从资产本身的维度来理解风格，我们不难发现：

①所谓的风格特征是股票本身生命周期演变的内在特征；

②风格是一个互相内嵌连续变化的东西，不是颗粒分明的二元论。

图1：股票风格特征变迁的内在演化驱动

资料来源：绘制

在后续研究过程中我们并不关心个股研究中可能出现的个例情况。当个别资产凸显出了某种投资特征，它们的价值是留给Alpha发现者的，从市场整体Beta来看，它仍然是“无声的资产”。

资产比较的逻辑

资产有好坏之分，资产的比较无非是以下两个问题：

①