1、从共同回撤到轮动速度加剧--行业轮动之殇

1.1、当前存在的问题

行业轮动作为获取超额收益的重要方式，市场关注度一直居高不下。兴证金 工团队在该领域亦展开了深入研究，构建了样本内外效果俱佳的综合行业轮动模 型，并在 ETF 上进行了落地。 近期随着市场主要矛盾的不断切换，存量资金博弈现象显著，行业轮动速度 加快，轮动的难度也随之加大。一方面，由于目前行业轮动策略的同质性较强， 当市场风格和强势行业突然切换的时候，共同的回撤让投资者深受其害。以 2021 年和 2022 年的四季度为例，由于市场风格与行业的切换（2021 年四季度是赛道 股（如新能源）的显著回调，2022 年四季度则是消费和金融风格的崛起）最终导 致了市场微观结构和产品均出现了投资者意料之外的表现，其中很明显的特征是 2021 年和 2022 年四季度股指期货均有升水现象，如中证 500 股指期货；前三个 季度表现好的包括行业轮动在内的量化策略在四季度纷纷回撤，如基于一致预期 数据选股的朝阳 88 超预期指数。

另一方面，市场轮动的速度持续提升使得行业轮动变成行业转动，在此背景 下如何获取行业维度的 alpha 成为了悬而未决的难题。为了直观展示行业轮动的 速度变化，我们基于申万二级行业指数（目前共计 125 个）构建了行业轮动速度 指数。具体构建方法如下：以月为时间窗口，计算上个月排名前 20 名的行业在本 月的排名位置，并计算这两个排名向量之差的分项绝对值之和，从而代表行业轮 动速度。 当某一行业的排名从全部行业的前 50%变化为后 50%时，表明这个行业的行情持续性偏弱，若短期内大部分强势行业都存在这个问题即意味着市场的轮动速 度过快。由于申万二级行业指数共计 125 个，我们不妨简单的理解，若上月涨跌 幅排名前 20 的行业在本月全部掉到后 50%，即行业排名平均变动大于等于 60， 那么行业轮动指数就在 1200 左右的水平。 下图展示了滚动 3 个月的申万二级行业轮动速度指数，不难看出从 2012 年以 来行业轮动的速度整体处于波动中。但是从 2021 年四季度以来滚动 3 个月的申万 二级行业轮动速度指数已经持续处于高位（等于或者超过 1200 的水平），截至 2023 年 1 月底，滚动三月的轮动指数为 1252.67，处于 2012 年以来的 97.76%分位点。

(相关资料图)

除此之外，行业轮动还有诸多亟待解决的问题：比如目前一级行业划分较粗 犷，不能完全满足精细化投研需求等，我们希望能在本报告中对以上问题展开尝 试和探索，为各位投资者提供一些研究思路。

1.2、我们的思考

所以整体而言，行业轮动的现状是：一方面已有的行业轮动模型同质性太强， 另一方面行业轮动的速度加快。如何解决这些问题呢？这是本文需要探讨的问题： 1、 行业轮动策略同质化较强：当前市场上主流的中低频行业轮动策略均基于行 业的基本面、技术面、资金面、分析师预期、市场情绪等维度构建多维度综 合模型。本文则不囿于此范围，另辟蹊径，我们从产业链、供应链等维度构 建行业的上下游或者相似关联关系，去寻找 Alpha 在行业层面的传导。 2、 行业轮动过快难以获利：从逻辑的维度分析，当行业轮动速度较快的时候我 们可能有两种思路，第一种是构建短期的反转策略，我们进行过测试发现效 果不佳，反复思辨后我们意识到反转正是行业轮动的原因而非应对方式；第 二种是从配置的角度去思考，在快速的轮动环境中，投资者可能会倾向于配 置当前业绩改善预期最为确定的行业或者预期业绩改善行业的上下游，从而 获得超额收益。3、 行业轮动的实操问题：我们在本篇报告中不再用中信一级或者申万一级行业 作为轮动的标的，考虑到实际投资更为精细化，我们选用申万二级行业作为 测算的标的（申万二级行业的行业组内同质性与组间异质性均优于中信二级 行业，更适合作为轮动标的），构建月频行业轮动策略。

综上，我们将基于行业之间的上下游、供需等关联关系进行不同维度的信息 对行业轮动进行探索，并深入思考行业轮动速度过快的问题，最终构建了基于申 万二级行业的综合轮动策略。本文具体内容如下： 第一章：介绍当前行业轮动普遍存在的问题，并提出我们的解决思路； 第二章-第五章：基于行业的产业链上下游、供应链供需关系、专利布局和分 析师的共同覆盖等维度构建动量溢出或景气度溢出策略； 第六章：基于以上因子构建综合策略，并根据行业轮动速度指数对策略进行 改进，避免在行业轮动加速时策略失效的问题； 第七章：总结以及未来展望。

2、基于产业链的行业传导效应探究

2.1、产业链数据介绍与传导逻辑

本文使用数库提供的产业链数据库，该数据由数库行业产品分类标准、产业 链上下游关系字典及公司产品收入及毛利构成三个部分组成。在产业链数据库中， 数库通过对 GICS 行业分类与公司披露的主营业务收入（半年报与年报）进行标 准化与本地化处理，将公司财报上数以万计的产品标准化为近 4000 个产品节点， 并细分为 7 个不同的层级。在标准化产品分类及层级后，数库根据个股每期报告 披露的各产品名称、主营收入和唯一主营收入等信息，将产品标准化后，计算出 个股在每个标准产品上的收入。基于这部分的信息，我们可以根据在不同时点每 一只个股的唯一主营产品（以 2021 年年报数据为例，全部 4963 只股票的唯一主 营产品业务占全部业务收入比例的均值为 76.22%，中位数为 77.18%），合成每一 个申万二级行业的标准化产品收入情况。 我们发现制造类行业比如通用设备、专用设备、汽车零部件、化学制品等行 业的唯一主营产品数量较多，银行类行业的唯一主营产品数量较少，这与行业内 个股数量存在明显正相关关系。

在得到每个行业所有成分股的唯一主营产品数据之后，我们可以根据数库提 供的产品上下游关系计算行业之间的上下游关系，值得注意的是行业之间的产品 关系错综复杂，并不是某行业的全部产品都是另一个行业的上游或者下游。举例 而言，假设行业 A 和行业 B 中的产品数据如下图所示，产品之间的箭头指向代表 了它们之间的上下游关系（箭头从上游产品指向下游产品），行业 A 中的产品 A、 B、D 分别是行业 B 中的产品 E、F、G 的上游，同时行业 A 中的产品 C 和 D 分 别是行业 B 中产品 G 和 E 的下游，因此我们需要用定量的方式来确定行业与行业 之间的产业链关联关系。

2.2、基于产业链传导的行业动量溢出策略

在本章中，我们将使用前文介绍的上下游关联度信息构建轮动策略。由于投 资者的关注有限，市场部分信息可能不能及时的反映到股价中，比如当某一行业 股价上涨的时候，由于需求或者供给端的刺激，它上下游的股价也有相应的上涨 机会，我们称之为动量溢出效应(momentum spillovers)，动量溢出效应在股票中已 经被多次证实存在，而且通过 2.1 的测算我们也发现了产业链上下游之间确实存 在一定的价格传导关系，在行业中是否也存在某些维度的动量溢出现象呢？我们接下来将测试基于产业链传导的行业动量溢出效应是否能带来一定的超额收益。

分年度来看，策略多头相较于基准的年度胜率为 55.56%，根据净值和分年度 表现不难看出，在 2015 年 8 月到 2021 年 8 月期间策略表现较为优异，从 2021 年 9 月以来的相对回撤非常明显，这与行业轮动骤然加速的时间段非常吻合，后 续我们将考虑改进该不足。

进一步为了统计策略的稳健性，我们还测算了多头选择 20 和 30 个行业时的 表现，整体而言都有一定的超额收益。

2.3、基于产业链传导的行业景气度溢出策略

在本部分我们考虑将动量溢出调整为景气度溢出，整体思路与上文非常相似， 只不过在计算产业链上下游动量的时候将行业月度涨跌幅调整为行业月度的景气 度改善幅度，我们在此使用过去 12 个月标准化之后的分析师一致预期 ROE 的月 度边际变化作为景气度变化的代理变量。 每个月根据产业链上下游景气度改善因子从高到低的排序，筛选出前 10 名的 申万二级行业作为策略的多头，全部行业等权为策略的基准。 在 2017/2/28-2023/2/28 期间（由于分析师一致预测 ROE 数据在 2017 年之后 才有），等权多头的年化收益率为 10.67%，收益波动比为 0.48；等权基准的年化 收益率为 1.40%，收益波动比为 0.07，多头相较于基准的年化超额收益率为 9.24%， 收益波动比为 1.08，月胜率为 59.72%，相较于动量溢出策略有明显的提升。

分年度来看，策略表现非常稳定，多头相较于基准的年度胜率为 85.71%，只 有在 2017 年略微跑输 1.74%。

进一步为了统计策略的稳健性，我们还测算了多头选择 20 和 30 个行业时的 表现，整体表现较为稳定，相较于等权的超额收益非常明显。

3、基于供应链的行业传导效应探究

3.1、供应链数据介绍与传导逻辑

供应链与产业链数据具有一定相似之处，同时也有所区别：相同之处就是无 论是供应链还是产业链的关系都是有方向的，上下游和供需关系并不能随意调换 方向，不同之处在于供应链以公司作为节点，并将公司依据公司之间的业务联系 相连，记录了真实的业务往来；而产业链则以产业、产品间的上下游关系作为主 体对象，以产品之间的逻辑关系作为关联的依据。我们可以将上文中产业链动量 溢出的思路应用到供应链的思路中，当某行业动量效应明显的时候，会溢出至其 供应链的上下游行业，因此我们可以构建行业轮动策略。 首先对供应链的数据进行简单的介绍，对于每家上市公司（主体公司），存在 为其提供原材料或服务的上游公司（供应商），同时存在购买其产品或服务的下游 公司（客户）。如果把每家公司看成一个点，两两公司供应关系看作有向边，将会 形成公司之间的供应链网络。秩鼎公司从各类公开披露信息如公司公告（定期报 告、临时公告等）、第三方披露信息（审计报告、招中标公告等）获取公司供应链 信息，并根据公司的实时股权比例设计股权穿透算法，覆盖历史数据的同时日度 更新新增数据。因此我们可以根据全部的供应-购买记录以及股权穿透数据计算两 两公司之间的供应-购买金额，进一步根据行业成分股信息得到两两行业之间的供 应-购买金额。

但是相比于产业链数据，供应链在个股上的覆盖度偏低，截至 2021 年底产业 链数据库中有将近 5000 家公司存在标准产品信息，但是截至 2022 年 11 月，供应 链的供应商和客户数量在全市场中的覆盖度明显低于产业链数据。

3.2、基于供应链传导的行业动量溢出策略

分年度来看，策略多头相较于基准的年度胜率为 57.14%，根据净值和分年度 表现不难看出，在 2017 年到 2021 年 9 月期间策略表现较为优异，在 2017 年-2021 年的 5 年之间只有 1 年略微跑输基准，年胜率达到了 80%，但是从 2021 年 10 月 以来持续回撤，这与行业轮动骤然加速的时间段也非常吻合。

至此，我们对于产业链和供应链数据的逻辑和动量溢价策略进行了详细的分 析，我们发现这两个策略的相对表现在 2021 年 9 月之前都非常稳定，在该节点 之后均发生了持续的回撤，我们认为这或许跟近两年来极致的行业轮动有关系。 在行业层面，对于其他的动量溢出因子表现是否也有类似的特征呢，我们又该如 何解决该问题，下文继续展开测验。

4、基于专利布局的行业传导效应探究

在专利维度，我们引入在《基于专利分类的专利动量因子研究》等兴证金工 深度报告中提及的 IPC 专利分类数据。根据 1971 年签订的《国际专利分类斯特拉 斯堡协定》，衍生了《国际专利分类表》（IPC 分类），这是目前国际通用的专利文 献分类和检索工具。国际专利分类系统按照技术主题设立类目，把整个技术领域 分为 5 个不同等级：部、大类、小类、大组、小组，分别对应着 8、145、670、 3,000+、10,000+个类别。

分年度来看，策略多头相较于基准的年度胜率为 66.67%，整体而言分年度表 现较为稳健，整体来看在 2014-2016 年间以及 2021 年 9 月以来没有获得明显正超 额，其他时段的表现相对较优。

进一步为了统计策略参数的稳健性，我们还测算了多头选择 20 和 30 个行业 时的表现，具体结果如下，可以看出多头组合相较于基准的超额收益和回撤控制 都有明显的改善。

5、基于分析师共同覆盖的行业传导效应探究

Ali and Hirshleifer (2019) 提出了基于分析师共同覆盖的关联动量，并认为它 能深层次刻画出上市公司的联系，在选股中的效果非常稳定。策略的逻辑也非常 简单，与某个股票关联的其他股票过去一段时间的收益率有能力预测该股票未来 的收益率。

分年度来看，策略多头相较于基准的年度胜率为 58.33%，可以看出策略在2015-2016 年间以及 22-23 年期间表现不佳。

进一步为了统计策略参数的稳健性，我们还测算了多头选择 20 和 30 个行业 时的表现，整体结果较为稳健。

6、基于多关联关系的综合行业轮动策略

6.1、综合策略构建思路

在对产业链、供应链、专利布局和分析师共同覆盖因子的动量溢出效应进行 分析后，我们发现这几个因子的简单融合或许并不是一套可行的方案，虽然从逻 辑上他们分别代表了不同维度的信息，但是经过前文的测算我们发现这几个策略 虽然在 2021 年之前的表现均可圈可点，但是 2021 年年底以来，他们的超额收益 不约而同地发生了回撤。经过前文的分析，我们觉得这可能与行业轮动速度加快 而上述各个维度的数据都是低频数据有关。 为了进一步验证上述猜想，我们将以上四个维度的动量因子标准化后等权得 到了简单综合轮动策略，并计算了该策略的月度超额收益率与申万二级行业轮动 速度指数的相关性，结果为-38.69%，两者回归之后相关系数显著为负（拟合优度 为 14.97%），数据证明在行业轮动速度较快时，动量溢出效应在选股中可能并不 会失效，因为有同行业内的其他股票可以选择，但是在行业维度轮动时却很难产生超额收益。

我们认为行业轮动速度加快的根本原因是存量市场中投资者的观点存在分歧， 导致行业投资主线不清晰。无论是传统的行业轮动因子还是在本文提出的关联度 动量因子都不适用于这种市场环境中，我们应该如何应对呢？从逻辑的角度思考， 在快速轮动的环境中，投资者可能会倾向于配置业绩预期显著改善的行业，但是 我们发现配置预期业绩改善行业的上下游比直接配置其本身效果更好，因此我们 在本文 2.2 章节中使用的传导方式，试图获取产业链上下游景气度溢出的收益， 而不再期待动量溢出的收益。 综上，我们可以结合动量溢出效应和景气度溢出效应构建基于多关联关系的 综合行业轮动策略。具体而言，我们在每个月末根据行业轮动速度指数是否大于 或等于 1200 作为判断当前市场状态的依据（为什么使用 1200 作为判定的标准请 参考文中 1.1 部分），若当前市场中的行业轮动速度较快时使用基于产业链传导的 景气度溢出策略筛选占优行业，反之若当前行业轮动速度并未过快时，我们使用 基于多关联关系（产业链、供应链、专利布局和分析师共同覆盖）传导的动量溢 出策略进行行业筛选。

6.2、综合行业轮动策略表现

我们在申万二级行业中构建了基于多关联关系的综合行业轮动策略，从 2013 年底年开始，每个月依据 6.1 中介绍的思路筛选出前 10 名的行业作为策略的多 头，全部行业等权为策略的基准。 在 2013/12/31-2023/2/28 期间，等权多头的年化收益率为 20.23%，收益波动 比为 0.73；等权基准的年化收益率为 8.38%，收益波动比为 0.35，多头相较于基 准的年化超额收益率为 11.16%，月胜率为 56.36%，整体来看超额收益非常明显。

分年度来看，策略多头相较于基准的年度胜率为 80.00%，只有 2016 年和 2019 年略微跑输基准，其他年份均有稳定的超额收益。尤其是从 2021 年四季度以来， 由于行业轮动加速带来的回撤问题得到了有效解决，策略的稳健性较强。

进一步，为了统计策略参数的稳健性，我们还测算了不同回看窗口以及不同 行业配置数量时策略的表现，可以看出无论时间窗口是 1 月、3 月还是 6 月，无 论选择行业多头数量是 10 个、20 个还是 30 个，全部能稳定跑赢基准，也能证明 我们的策略并不是参数挖掘的结果。

7、总结

本文利用产业链、供应链、专利布局和分析师共同覆盖等维度的数据刻画了 行业的上下游或者相似关联关系，并基于动量传导效应构建了行业轮动策略。在 此基础上，我们发现无论是传统行业轮动因子还是本文提出的相似动量因子，在 市场轮动速度较快的环境中更容易失效，因此我们根据行业轮动速度指数的大小 来划分市场状态，并在轮动较快的市场中使用产业链的景气度溢出效应来代替动 量溢出效应，显著改善了行业轮动策略从 2021 年 Q4 以来不稳定的问题，为投资 者从实操的角度提供了可行的思路。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）