一种行业轮动增强策略探索和二种低估选股思路验证

1、引言-深化本文为东北金工行业轮动系列报告第四篇，继续探究基本面研究可被量化分析挖掘的内容。本文以 2022/05/16 发表的报告行业生命周期&动态估值下的成长价值选股为依据，再次利用赛道的营收拆分和动态估值进行选股和行业轮动策略增强，寻找 beta 中的 alpha。本文的主要如下：第二章介绍了两种低估选股方法。第一种方法为根据上市公司赛道布局情况进行估值重构，并与预测估值进行对比，选择重构估值低于预测估值的股票构建组合；第二种方法延续行业生命周期&动态估值下的成长价值选股中使用的剩余收益估值模型，更新了权益成本的估计方法，采用“无风险利率+风险溢价”作为必要报酬率，其中“风险溢价=1/公允

2、市盈率”，并选择低估值股票构建组合。这两种方法充分考虑了行业和个股特性，以财务信息和行业属性为依据，分组结果较静态估值分组有较明显提升；第三章介绍了在非市场上涨带来的被动的“利润增速预期上修”为基础的行业选择策略中，叠加动态估值下行业估值状态，可相对使用静态估值有更好的增强作用。结果显示，由于低估选股方法在逻辑上跟贴近基本面研究思路，也因此无论是通过 横向比较并根据业务构成进行估值重构还是通过“公允市盈率”法计算不同股票合 适的折现率进而计算权益价值都比起传统静态估值进行选股的效果有所提升。而在 将低估策略拓展到行业中时，为了克服传统低估指标线性叠加到行业选择中效果不 突出的问题，我们选择了第

3、二章计算的动态估值基础上的低估指标并将其作为以盈 利上修作为行业景气判断的轮动策略的增强策略，在最终效果上，比起基础策略有 了较高提升。其中，估值重构方法下的全市场低估选股第一组年化收益为 18.61%，年化波动 27.08%，多空年化收益 14.46%，年化波动 10.95%，最大回撤 8.35%；动 态估值方法下的全市场低估选股第一组年化收益为 16.10%，年化波动 27.4%，多空 年化收益 13.49%，年化波动 7.90%，最大回撤 11.17%；两者结合选择 100 只股票风 险收益比更客观。行业轮动增强策略中，第一组年化收益为20.22%，年化波动26.72%，多空年化收益 9

4、.19%，年化波动 8.83%，最大回撤 9.77%两种低估选股思路验证根据业务构成对估值进行重构同行业成分股估值差异除了受到财务稳健性等因素影响外，还可能源自于赛道和业务布局多样化带来的估值重构。容易理解，“传统+新兴”模式相比起完全“传统”模式可享有更高的估值，也因此无论是横向或纵向进行估值对比时，需要将上市公司布局的业务情况纳入估值考量中。如图 1 所示，东方财富和中信证券均为非银行业龙头，两者市值规模相当，均为 3000 亿左右，历史和预测盈利增速虽有高低但仍较难完全解释估值接近 3 倍的差异。但从收入构成上，可以教清晰看出，相较于中信证券大部分收入来源于传统券商业务的情况，东方财富有

5、近 40%收入来源于线上基金代销和互联网金融服务，也因此“券商+互联网”双重特性下具备更高的估值空间。图 1：业务构成带来估值差异(数据日期:2022/8/15，报告期:2021 年报)数据来源：Wind,数库,估值重构流程在估值重构过程中，需要获取上市公司在年度报告和半年度报告中披露的业务构成和各部分营收收入拆分数据，由于半年度报告数据披露的颗粒度较高，本文仅使用年度报告披露信息作为未来一年业务拆分比例的依据。在估值数据的选择上，本文选择了预测 PE(未来 12 个月)数据，而非 PE_TTM，以未来定价的合理性作为判断依据。如图 2，重构流程如下：图 2：估值重构流程数据来源：在每个赛道中

6、，筛选出该赛道部分收入占上市公司营业总收入 60%以上的成分股作为该赛道的基础池，并以各赛道基础池的 PE_fwd 估值中位数作为该赛道的合理估值；根据上市公司营收构成比例，与赛道合理估值乘积求和，作为该上市公司的合理估值 PE_fair；计算各上市公司 PE_fair 与其 PE_fwd 的偏离程度，即sign(PE_fwd)*(PE_fair-PE_fwd)/abs(PE_fwd)作为指标，在同行业内进行排序分组，并构建各组等权组合；每年度更新营收占比信息，每月度计算排序。结果展示营业收入拆分数据起点为 2008 年年报，为了与 2.2 回溯周期匹配，本节回溯起点为2011/04/30，终

7、点为 2022/08/12。根据以上流程，各组分组回溯结果如下：图 3：估值重构分组回溯结果数据来源：Wind,数库,表 1：估值重构分组回溯统计指标年化收益年化波动最大回撤累计净值第 1 组18.61%27.08%33.24%6.906第 2 组14.93%27.80%33.02%4.816第 3 组13.08%28.29%37.87%4.008第 2 组8.73%28.79%53.90%2.572第 3 组2.23%29.58%67.15%1.279万得全 A5.67%23.77%48.44%1.894多空14.46%10.95%8.35%4.627数据来源：Wind,数库,动态估值我们在

8、 2022/05/31 发表的报告行业生命周期&动态估值下的成长价值选股中提出了使用剩余收益估值模型对股票进行动态估值，在该报告中使用的权益资本回报率统一为上证综指自 1990/12/19 至估值日的年化回报水平，虽然避免了 CAPM 方法确定各股票折现率时引入的新的敏感性和风险测量的不合理性，但也未针对股票的行业和风险特性区别计算必要报酬率。在本文中，我们参考部分业内人士提出的“无风险利率+风险溢价”的方法，其中“风险溢价=1/公允市盈率”，对各股票分别计算相应的权益资本回报率，重新根据剩余收益估值模型计算各股票的合理价值，并进行低估选股。风险溢价的计算在个股分析角度，上市公司财务稳定性、产

9、业链地位、所在行业增长前景、公司独特性等均影响该公司的折现率水平，也因此，公允市盈率的提出也以这些内容为基石。在参考资料中，作者使用标普 500 历史上的 PE 底线作为所有股票公允市盈率的起点(78 倍)，分配给各基本面信息不同程度的市盈率溢价，最终确定各公司的公允市盈率。例如，作者给与谷歌公司的最终公允市盈率构成为：基础市盈率 8+财务稳定性 2+卓越的市场地位(根据类波特五力分析方法)和盈利能力 9.8+优异的成长能力 3=22.8 倍。在本文中，我们对以上计算方法进行了一定调整，具体地，我们对权益资本回报率的计算选择以下方法：取风险溢价最低 6%，折算成约 16 倍PE，按 2)-5)

10、进行分配；基础市盈率：根据各行业历史最低 PE 作为基础市盈率，并调整到(0,10倍范围；财务稳定性：根据资产负债率、现金流稳定性和利润率稳定性进行判断，各指标同行业中排序进行(0,1之间打分，最终总分映射到(0,2倍范围；盈利能力：根据 ROE 进行判断，各指标同行业中排序进行(0,1之间打分，最终总分映射到(0,2倍范围；成长能力：根据预测两年复合净利润增速进行判断，各指标同行业中排序进行(0,1之间打分，最终总分映射到(0,2倍范围；对 2)-5)求和，并计算风险溢价；在无风险收益的选择上，我们根据一年期定存的历史一般水平选择了固定的2%，并在计算完成风险溢价后，即可求得每只股票每个截面

11、的权益资本回报率。图 4：风险溢价构成数据来源：回顾一下剩余收益估值模型的形式：00V B RE1RE22RENCVN(1 rE )(1 rE )(1 rE )(1 rE )NNREn Earnn rE * Bn1其中B 为账面价值，REn 为第 n 期的剩余价值，即当期利润中超过股东必要报酬率之外的溢价，CVN 为最终的持续价值，而rE 即为通过根据上述步骤计算的权益资本回报率。在上篇报告中，我们根据上市公司所处的赛道生命周期决定选择 2 阶或3 阶估值方法，在本文中，我们不再借助赛道生命周期信息，在计算完前三年的剩 余收益增速后，依据增速是否大于 10%作为是否进行增速下降的判断，若大于则

12、在 第 4-5 年均匀下降，并在第 6 年达到长期均衡增速水平，若小于则第 4 年开始以长 期均衡增速永续增加。在数据可得的股票池中计算完截面的股东权益价值后，使用 该价值与市场价格的比值进行排序分组。由于在折现率中已经考虑了行业估值差异，因此本小节回溯未在行业内部进行分组处理，而是选择根据数据可得性在股票池中 统一排序分组。图 5：一年期定存利率4.003.503.002.502.001.501.000.500.00定期存款利率:1年(整存整取)定期存款利率:1年(零存整取、整存零取、存本取息)数据来源：Wind,结果展示营业收入拆分数据起点为 2008 年年报，由于现金流和利润率稳定性计算

13、中使用了 8个截面的 TTM 数据，因此有效财务数据起点为 2010 年年报，也即回溯起点为 2011/04/30，终点为 2022/08/08。根据以上流程，各组分组回溯结果如下：图 6：动态估值分组回溯结果数据来源：Wind,数库,表 2：动态估值分组回溯统计指标年化收益年化波动最大回撤累计净值第 1 组16.10%27.14%36.35%5.583第 2 组12.11%25.51%36.12%3.694第 3 组10.13%26.95%47.18%2.998第 2 组5.23%27.62%58.08%1.775第 3 组1.65%28.07%63.13%1.207万得全 A5.67%23

14、.77%48.44%1.894多空13.49%7.90%11.17%4.304数据来源：Wind,数库,两组对比结果作为“股东权益内含价值/市场价格”选股的对比指标，我们在相同股票池中使用 BP在各行业排序分组，并进行了回溯。净值及风险收益指标如下所示。图 7：BP 分组回溯结果数据来源：Wind,数库,表 3：BP 分组回溯统计指标年化收益年化波动最大回撤累计净值第 1 组12.06%25.61%34.36%3.599第 2 组11.54%27.11%40.71%3.405第 3 组8.43%27.44%51.58%2.483第 2 组6.88%28.01%53.29%2.118第 3 组4

15、.96%28.05%64.38%1.728万得全 A5.67%23.77%48.44%1.894多空5.20%12.99%31.36%1.761数据来源：Wind,数库,从图 6 和图 7 的分组情况来看，虽然 BP 也保持了一定的区分度，但多空组合的稳定性相对较差，而根据动态估值选股的分组净值得到了提升，同时多空超额稳定性也较好。另外，我们同时沿袭了上篇报告中对所有股票使用上证综指年化回报作为折现率的方法，对同股票池计算了剩余收益估值结果，并在行业内部进行排序和组合。净值曲线及统计指标如以下图表所示。很明显，对股票使用同一的折现率效果也是不错的，虽然相对于使用风险溢价的方法收益略低，但超额稳

16、定性较 BP 估值方法仍有一定提升。虽然无论在权益价值还是企业价值的计算中，折现率对折现模型的影响较高，但对于绝对排序的影响相对可控，可以作为未来估值选股的考虑方案。图 8：使用上证综指年化回报作为折现率回溯结果数据来源：Wind,数库,表 4：使用上证综指年化回报作为折现率回溯统计指标年化收益年化波动最大回撤累计净值第 1 组15.02%26.50%35.73%4.924第 2 组10.67%25.82%41.83%3.189第 3 组8.89%26.91%47.38%2.644第 2 组6.36%27.63%57.14%2.026第 3 组4.08%28.34%63.20%1.589万得全

17、 A5.67%23.77%48.44%1.894多空9.60%7.92%9.70%2.822数据来源：Wind,数库,两种估值方法结合由于动态估值中使用到较多的预期数据，因此信息相对完整的股票数量较为有限，为了将两部分的方法进行结合，我们选择了两种方法下股票池的交集，并进行打分，将排序前 100 的股票等权组合结果进行展示，也因此本小节的净值结果与前两小节第一组的结果不完全一致。图 9：两种方法结合回溯结果数据来源：Wind,数库,表 5：两种方法结合回溯统计指标年化收益年化波动最大回撤累计净值估值重构13.98%26.03%33.57%4.455动态估值17.50%29.36%39.35%6

18、.303两者结合16.42%26.95%37.67%5.670万得全 A5.67%23.77%48.44%1.894数据来源：Wind,数库,从对比结果来看，两种方法各有短长，虽然均为合理价值的度量方法，但考量维度不完全相同，因此不同市场场景中表现有可能不完全一致，但通过两者的结合，可以得到更为可观的风险收益比。补充内容由于市场较关注特定指数成分股内选股效果以及指数增强效果，我们在沪深 300 指数上进行了一些测试。图 10 和图 11 分别为估值重构方法和动态估值方法在沪深 300内进行测试的分组效果，图 12 为按照沪深 300 成分股在各行业中成分数量等比例缩量至 1/3 并按照行业内部

19、等权/行业间遵从沪深 300 的行业权重和全部 100 只股票简单等权的两种回溯结果。从结果来看，以沪深 300 为股票池进行分组测试虽然具有一定的区分度，但多空超额在 2019 年之后波动较大；若按照沪深 300 在各行业分布的数量和权重进行选股和加权，比起沪深 300 指数本身有较高的累计超额，但是同样的，在 2019 年进入大盘成长风格主导的阶段后，超额波动幅度加大。但总体来看，作为 beta，以上两种方法在小范围内选股也仍有一定的效果。图 10：沪深 300 成分股内进行估值重构回溯图 11：沪深 300 成分股内进行动态估值回溯数据来源：Wind,数库,数据来源：Wind,数库,图

20、12：按沪深 300 行业数量和权重分布选股回溯数据来源：Wind,数库,一种行业轮动增强策略探索在提出了股票估值方法并进行回溯验证后，会比较自然希望将个体表现规律扩展到群体变化趋势中。但国内权益市场往往出现个体因子特性与行业因子特性背离的情况，其中最典型的即为动量-个股的短期反转效应较强，而行业的中短期动量效应较强，也因此作为动量策略负相关的低估策略较难在行业轮动中发挥效果。关于个股因子和行业因子表现背离的原因，本文不赘述，读者可在市场有效性学派和行为金融学派的研究中找到多种理论。但行业估值本身的参考意义也是非常重要的。在当前各行业、策略或金工研究中，也非常重视行业估值合理性，因此，本文将景

21、气轮动策略与估值水平结合，提出了行业轮动增强策略。具体地，我们首先设计了基础的行业景气度轮动策略-根据分析师一致预期盈利增速的上修判断行业是否存在景气修复或景气持续状态中，同时由于可能存在由于市场上涨带来的分析师“被动”或“过度乐观”而不断上修盈利预期的可能性，我们对比了将近期上涨行业剔除后重新排序的行业轮动结果。在这之后，我们结合了第二章计算的估值指标，来判断各行业当前是否处于合理估值，与增速上修结合打分进行轮动增强策略的回溯。过程中，我们同时对比了使用常用估值做结合的回溯结果，以强调第二章估值指标的确具备更好的增强效果。基础策略在行业景气判断中，常会用到对行业未来增速预期和增速的边际变化等

22、指标。考虑到增速自身有较大的行业属性，我们更关注增速的变价变化所显示的反转可能或加速情形。因此作为基础策略，我们首先测试了行业增速预期边际变化的分组排序结果，进而在此基础上不断增加增强方案。本文选定行业文类为中信一级行业，未纳入综合和综合金融，行业增速预期是根据各行业成分股按照市值加权计算得来，边际变化即近两月的增速差。作为最终方案的引言，我们使用简略的篇幅将准备工作和对比结果进行展示。如下 4 图分别为：根据增速差进行排序分组；为了避免由于成份股上涨带来的被动上调预期或情绪过度乐观而不断上修增速的现象，在剩余 28 个行业中剔除上月涨幅最大的 3 个行业后按照增速差排序分组；使用行业 PB，

23、增速差+行业 PB 历史分位数排序，并剔除上月涨幅最大的 3 各行业后按增速差排序分组；使用成分股市值加权计算行业 PB，增速差+行业 PB 历史分位数排序，并剔除上月涨幅最大的 3 各行业后按增速差排序分组。数据起点仍未 2011/04/30，PB 分位数的计算选择 30 个月起的扩展窗口，因此净值范围为 2013/07/31 至 2022/08/12。四张图结果显示，早期阶段使用盈利预期上调进行行业选择并非十分有效，尤其是在估值增长迅速和小市值表现优越的年份，但在回撤控制上，盈利预期向上变化的行业相对排名较差的行业是有一定优势的。在剔除掉近期的强势行业后，盈利预期上调的结果轮动结果有所提升。若进一步叠加行业静态估值，虽然收益上未得到答复改善，但第一组的表现领先性上更加突出。图 13：行业轮动基础策略图 14：行业轮动-景气上修+剔除高动量数据来源：Wind,数库,数据来源：Wind,数库,图 15：行业轮动-景气上修+行业 PB+剔除高动量图 16：行业轮动-景气上修+成分股 PB+剔除高动量数据来源：Wind,数库,数据来源：Wind,数库,增强策略如 3.1 中结果所示，结合行业估值水平，收益水平未有更好的改善，部分年份多空超额也出现了较大回撤，说明了将一般估值指标线性叠加到行业轮动策略中不一定