新行业比较框架之五：从一维到二维景气投资再解析

图表目录图表1.全A非金融累计盈利同比&TTM同比景气（HP-50中性）指数 4图表2.景气组1：g（单季）的投资效果 5图表3.景气组2：g（累计）的投资效果 5图表4.景气组3：边际g（累计）的投资效果 6图表5.三种g的优缺点 7图表6.一级行业景气投资有效性指数 7图表7.个股-行业景气投资有效性指数 8图表8.2024Q4以来，行业与个股景气投资有效性差值达到历史新高 9图表9.即使是TMT行业内的个股景气投资有效性也并不高 9图表10.近期，个股景气投资效果显著弱于行业景气投资 10图表扩散度等权加权指标12图表12.一级行业等权&加权扩散度（QoQ） 13图表13.PPI环比扩散指数 14图表14.离散度等权加权指标 15图表15.景气正向组离散度等权加权指标 16图表16.离散度与景气正向组离散度指标 16图表17.扩散度和离散度的主要区别 17图表18.扩散度和离散度（ALPHA）二维框架 18图表19.三段代表性象限 19图表20.2013-2015年：快速轮动象限 20图表21.2013-2014年牛市：结构牛转向全面牛 20图表22.二维框架效果全览 21图表23.景气正向组离散度与21图表24.TMT行业离散度有效性 22图表25.消费行业离散度有效性 22图表26.中游先进制造行业离散度有效性 22图表27.上中游周期资源行业离散度有效性 22图表28.离散度指标的有效性概览 23图表29.当前的扩散度与离散度指标上行背景更类似2013年 24前言探究策略视角的行业比较价值，从数据的可得性而言，财务数据虽然存在一定滞后性，但也是唯一具有横向及纵向比较价值的数据。更高频的替代指标是工业企业利润总额同比，可将盈利观察的滞后从季度级缩短至月度级，但工业企业利润总额同比数据仅对少数行业指数的盈利同比数据解释度高，因此本文仍着力从财务数据入手。传统的一维景气比较问题1.1：如何衡量整体景气？方法1：全A非金融累计盈利同比数据，本身就可以反映整体景气情况。ATTM数据进行HP滤波，以剔除短期噪声，并采用标准化方式经济含义，也可以对跨周期比较景气相对位置提供一定参考。图表1.全A非金融累计盈利同比&TTM同比景气（HP-50中性）指数100

HP全A非金融）景气指数_50中性（标准化逻辑） 全A非金融累计盈利同比增速（右轴

200%50为历50为历史均值水平150%8070100%6050 50%400%3020-50%102025Q320252025Q32025Q12024Q32024Q12023Q32023Q12022Q32022Q12021Q32021Q12020Q32020Q12019Q32019Q12018Q32018Q12017Q32017Q12016Q32016Q12015Q32015Q12014Q32014Q12013Q32013Q12012Q32012Q12011Q32011Q12010Q32010Q12009Q32009Q12008Q32008Q1注：指数高于50意味盈利周期项处于强于历史平均的扩张区间；低于50意味盈利处于弱于历史平均的收缩区间问题1.2：行业间景气如何比较？在行业景气比较上，通常以26个行业的盈利同比增速作为基础信号，这是一种典型的一维度刻画方式：每个行业在每个季度只有一个数值，分析者所能得到的只有一个关于强弱排序的列表。在这一框架下，市场叙事往往被简化为谁在加速，谁在下滑，行业配置也更多依赖于当期增速领先者可能继续跑赢的线性逻辑。这种比较方法有效，但过程中通常存在两个疑问：1）是单季盈利同比数据重要还是累计盈利同比数据重要？2）是绝对高景气重要，还是边际高景气重要？问题1.2.1：单季盈利同比数据重要还是累计盈利同比数据重要？以单季盈利同比数据分组和累计盈利同比数据分组后，分别计算累计净值，从结果看，单季盈利同比数据的复利结果，各个景气分组都略好于累计盈利同比数据。图表2.景气组1：g（单季）的投资效果景气TOP3组 景气TOP6组 景气TOP9组 景气TOP12组0 非景气B12组 非景气B9组 非景气B6组 非景气B3组00000002025Q32025Q32025Q12024Q32024Q12023Q32023Q12022Q32022Q12021Q32021Q12020Q32020Q12019Q32019Q12018Q32018Q12017Q32017Q12016Q32016Q12015Q32015Q12014Q32014Q12013Q32013Q12012Q32012Q12011Q32011Q12010Q32010Q12009Q32009Q12008Q32008Q1注：景气TOP3/Bottom3为当季盈利同比增速最高/低的3个行业，以其当季涨跌幅均值计算净值图表3.景气组2：g（累计）的投资效果景气TOP3组 景气TOP6组 景气TOP9组 景气TOP12组0 非景气B12组 非景气B9组 非景气B6组 非景气B3组00 00002022025Q32025Q12024Q32024Q12023Q32023Q12022Q32022Q12021Q32021Q12020Q32020Q12019Q32019Q12018Q32018Q12017Q32017Q12016Q32016Q12015Q32015Q12014Q32014Q12013Q32013Q12012Q32012Q12011Q32011Q12010Q32010Q12009Q32009Q12008Q32008Q1注：景气TOP3/Bottom3为当季累计盈利同比增速最高/低的3个行业，以其当季涨跌幅均值计算净值问题1.2.2：绝对高景气重要，还是边际高景气重要？持续买入高景气行业，从累计收益来看，效果良好。从景气分组后的实际投资效果来看，绝对高景气视角下的净值显著高于边际高景气视角，反映长期视角下，绝对景气增速的重要性，即意味着长视角下的EPS端的持续高回报。G1G12015Q1，有色扭G1（TOP3行业）组并不能更有效代表真实景气程度。图表4.景气组3：边际g（累计）的投资效果景气TOP3组 景气TOP6组 景气TOP9组 景气TOP12组0 非景气B12组 非景气B9组 非景气B6组 非景气B3组000000002025Q32025Q32025Q12024Q32024Q12023Q32023Q12022Q32022Q12021Q32021Q12020Q32020Q12019Q32019Q12018Q32018Q12017Q32017Q12016Q32016Q12015Q32015Q12014Q32014Q12013Q32013Q12012Q32012Q12011Q32011Q12010Q32010Q12009Q32009Q12008Q32008Q1注：景气TOP3/Bottom3为（当季-上季）累计盈利同比增速边际最高/低的3个行业，以其当季涨跌幅均值计算净值上述三种依据财务指标划分景气组的方法分别是：1）1：单季同比数据（QuarterlyYear-over-YearQ-YOY）2）2：累计同比数据（CumulativeYear-over-YearC-YOY）3）3：累计同比增速差值（ChangeinC-YOY）金融市场中的动量效应反映了市场对信息的渐进式消化。股价上涨通常由业绩超预期驱动。景气分组策略的有效性取决于指标能否捕捉到市场尚未定价的下一期动能。单季同比指标是加速还是放缓，从而最大程度地捕捉了边际变化。它是三种指标中，对当前信息最敏感的。信号强度最高，反映了最近三个月行业景气的边际变化。累计同比指标C-YOY：衡量年初至今的增长情况。Q2/Q3/Q4会包含前面季度的数据。当行业景气2/3/4能的能力，但它的价值在于该指标包含了一定的趋势价值信号。累计同比差值指标▲C-YOY：衡量增长率的变化，试图捕捉加速度或边际贡献。但累计同比差值指标不是一个纯净的加速度指标，它是一个复杂的比率差，其分子和分母都包含大量历史数据，导致信号被极度稀释和噪音放大。它选择出的高值行业，可能是因为其历史基数较小，而不是当季景气度最高。由于历史数据的高度相关性，相减操作抵消了大量的趋势信息，最终剩下的值对于下一期的预测价值低。趋势价值第三，边际价值第三。两方面都弱导致该指标的回测效果最差。图表5.三种g的优缺点指标趋势价值（稳定性/平均景气）边际价值（最新/爆发力）总体预测能力景气组1：QOY第二（信号强度高，有效指示下一期短趋势延续）第一（直接反映当季动能）最高景气组1：CYOY第一（最高稳定性，代表年初至今平均景气）第二（被历史数据稀释的边际动能）中等景气组3：▲CYOY第三（趋势被差分抵消，信噪比低）第三（信号被扭曲和稀释）最低银证券问题1.3：如何构建景气投资有效性指数？在上述三种景气组划分过程中，我们已经识别景气组1，即单季同比数据效果最佳，因此我们采取单季盈利同比数据构建景气投资有效性指数。景气投资有效性指数反映的是行业之间盈利增速的相对差异，以及市场对这种差异的定价意愿。图表6.一级行业-景气投资有效性指数单季度相关性一级行业景气有效性指数（4ma）60单季度相关性一级行业景气有效性指数（4ma）50%40%30%20%10%0%2025Q32025Q2025Q32025Q12024Q32024Q12023Q32023Q12022Q32022Q12021Q32021Q12020Q32020Q12019Q32019Q12018Q32018Q12017Q32017Q12016Q32016Q12015Q32015Q12014Q32014Q12013Q32013Q12012Q32012Q12011Q32011Q12010Q32010Q12009Q32009Q12008Q32008Q1图表7.个股-行业景气投资有效性指数30%

单季度相关性个股-景气有效性指数（4ma）25%20%15%10%5%20252025Q32025Q12024Q32024Q12023Q32023Q12022Q32022Q12021Q32021Q12020Q32020Q12019Q32019Q12018Q32018Q12017Q32017Q12016Q32016Q12015Q32015Q12014Q32014Q12013Q32013Q12012Q32012Q12011Q32011Q12010Q32010Q12009Q32009Q12008Q32008Q1问题1.4：为什么行业景气投资有效性高于个股景气投资有效性？反映2024Q3以来，景气行业中景气个股价格弹性，显著大于非景气行业中的景气个股。行业层定价越来越有效，而个股层面市场定价依然较为混乱。一方面，反映近年以来行业/赛道投资更佳获得青睐，另一方面，反映了近年指数基金（ETF）和量化策略的偏好，这些边际增量资金对个股景气度重视程度偏低，更偏好直接按行业进行配置。资金选择按行业流入，会推高该行业所有成分股的价格，使得行业整体的股价涨跌幅与行业整体业绩表现的相关性变高。一旦市场认定某个行业景气度高，资金会抱团推升该板块，使得板块的表现与其景气的有效性提升。2025Q22024Q42024Q22023Q42023Q22022Q42022Q22021Q42021Q2图表8.2024Q4以来，行业与个股景气投资有效性差值达到历史新高2020Q图表8.2024Q4以来，行业与个股景气投资有效性差值达到历史新高2020Q22019Q42019Q22018Q42018Q22017Q42017Q22016Q4偏离度（差值）（4ma） 偏离度（差值）（4ma） （4ma)2015Q42015Q22014Q42014Q22013Q42013Q22012Q42012Q22011Q42011Q22010Q42010Q22009Q42009Q22008Q4

2025Q32025Q12024Q32024Q12023Q32023Q12022Q32022Q12021Q32021Q12020Q32020Q12019Q3图表9.即使是TMT图表9.即使是TMT行业内的个股景气投资有效性也并不高2018Q32018Q12017Q32017Q12016Q3TMTTMT（4ma)2015Q32015Q12014Q32014Q12013Q32013Q1单季度相关性2012Q3单季度相关性2012Q12011Q32011Q12010Q32010Q12009Q32009Q12008Q335%30%25%20%15%10%5%0%-35%30%25%20%15%10%5%0%-5%-10%-15%30%25%20%15%10%5%0%20251220251217日9从一维到二维，景气投资再解析问题1.5：为什么景气投资，有时有效，有时无效？景气投资有效性指数无论是在一级行业层面还是在个股层面都存在显著的周期性波动，反映景气投资时而有效，时而效能下降。这是景气投资策略在现实市场中必然出现的现象。波动现象的核心是因为有效性周期的存在，反映了景气因子在不同经济周期和市场阶段中的变化。切换而发生周期性轮动。当宏观经济景气持续改善、企业盈利确定性高时，景气投资的有效性通常会增强，资金追逐业绩持续改善的行业和个股，景气指标的分组效果显著。当经济景气度见顶或开始下滑时，景气投资效能会明显下降，这是因为盈利预期开始恶化，高景气度往往意味着高估值，市场开始转向防御性或价值（低估值）策略，导致景气因子短期失效。在市场恐慌期，低估值和低波动因子往往表现更好，景气因子的回报被挤压。广泛认知并大量使用时，就会出现拥挤交易。大量资金依据同样的景气信号买入，导致景气组中的股票估值被推高，盈利预期被市场充分定价甚至过度透支。一旦景气度出现哪怕微小的放缓，或者出现一次黑天鹅事件，这些高估值的景气股就会面临较大的均值回归压力，导致景气投资指数急剧下降（如2016年、2020年的景气高点之后，都伴随着有效性指数的快速回落，或与当时市场对景气度预期过于一致、估值泡沫化有关）。剧烈或行业盈利变化无序时，景气指标的信噪比下降。此时，分组选出的高景气组可能是基于暂时的噪音或一次性事件（例如低基数效应），而非可持续的景气趋势。（开始形成时，市场对盈利指标的关注度会迅速提升，这里主要体现的是业绩增速的验证价值。在产真实数据来验证其增长的可持续性。此时，订单、营收和利润增速是为数不多的验证工具。具有高增速证据的企业，投资者或更会相信其现在的业绩增长将延续到未来，从而推高估值。更敏感，公募基金偏爱景气投资，倾向于选择具备高且持续盈利增速的行业和个股，因为这些股票获取超额收益的关键信号。被动指数基金，对行业业绩增速的敏感度则会降低，但当前正处于被动/图表10.近期，个股景气投资效果显著弱于行业景气投资40% 一级行业-景气有效性指数（4ma） 个股-景气有效性指数（4ma)35% 30% 25% 20% 15% 10%5%0%-5%2025Q22024Q2025Q22024Q42024Q22023Q42023Q22022Q42022Q22021Q42021Q22020Q42020Q22019Q42019Q22018Q42018Q22017Q42017Q22016Q42016Q22015Q42015Q22014Q42014Q22013Q42013Q22012Q42012Q22011Q42011Q22010Q42010Q22009Q42009Q22008Q4问题1.6：传统一维行业间景气比较的局限性一维度刻画有其固有优势，但也带有多个局限。首先，盈利总体增速只反映整体景气强弱，如果当期只有两三个行业处于高景气，而大多数行业仍然疲弱，那么单纯依靠增速高低并不能更好体现整体盈利周期处于扩张还是收缩阶段。其次，一维YoY无法观测行业间的结构性差异，它假定横截面的波动是均质的，但在实际市场中，结构分化本身就是驱动风格轮动、主线与超额收益的重要来源，而这种分化在一维增速序列中是被压扁的。第三，一维增速序列缺乏对景气面宽的刻画能力：两个季度的行业增速序列即便均值相同，但若一个季度是普遍改善，另一个季度是少数组别大涨但其余行业普遍下滑，其宏观含义和市场感受完全不同，但在一维逻辑下却难以区分。第四，一维度指标对极端值敏感，周期品或高波动行业可能由于基数效应产生剧烈波动，从而在排序中造成结构性的假信号，使得景气判断偏离真实的行业队列变化。一维增速只能反映每个行业自身的速度，却无法反映行业体系整体的形状。传统一维指标更多像是一个纵轴序列，只能捕捉单点强弱，而无法给出整个行业结构的几何形态，缺失了宽度、分布及结构。行业景气如果只用一维序列来描述，其信息量与真实市场结构相比往往会被压缩，也难以支撑当下更加结构化、分组化的A股行业配置需求。二维的景气衡量方法在景气分析中，除了观察全A非金融整体盈利的趋势以及行业盈利增速横截面的高低，更关键的是识别盈利的结构性特征。结构性景气并不来自全A非金融整体盈利的一维变化，而是由其内部行业之间的盈利改善路径决定。整体盈利只能反映量的变化，而行业结构中的景气差异才能刻画市场风格、景气扩散与行业结构强弱。因此，从行业颗粒度入手构建结构性景气指标，更能反映当期市场的真实运行状态。基于全A非金融的内部构成，我们使用26个中信一级行业（剔除银行、非银金融、综合、综合金融）的TTM盈利数据，构建两类结构性指标：扩散度（Diffusion）与离散度（Dispersion），分别衡量景气的面宽与结构强度。问题2.1：如何衡量结构性景气的扩散度？扩散度（Diffusion）——有多少行业的景气在改善？（景气面宽）观察口径1：行业盈利的同比Q-YOY扩散度反映的是行业层面的改善比例，本质上是观察：盈利处于改善的行业数量占比多少。它描述的是景气的面宽。当扩散度提升时，意味着盈利改善由少数行业扩展到多数行业，景气开始扩散回暖。当扩散度下降时，意味着盈利改善集中在少数行业，或只有少数行业在改善，景气分布不均匀，缺乏广度。即，扩散度告诉我们：景气是结构性的全面恢复，还是结构性的修复偏窄？（Equal-weightedDiffusion）26TTMQ-YOY>0%（WeightedDiffusion）。等权扩散度衡量的是有多少行业的（Q-YOY）加权扩散度A显著拉升整体贡献结构。市值越大的行业，其改善对整体扩散度影响越显著。从策略视角理解而言：扩散度高（大部分行业都在变好），意味着基本面改善具有普遍性。此时，系统性风险降低，市场更倾向于走全面修复/全面上行/指数行情，这是贝塔（Beta）价值的体现。扩散度处于低位或者在低位企稳，意味着基本面改善较为稀缺，市场可能表现偏弱（但在市场流动性充裕或盈利存在明显远端改善预期时，资金或会因资产荒而去抱团极少数变好的行业，从而形成结构牛）。图表11.扩散度等权&加权指标（Q-YoY）扩散度-EW-D扩散度-W-D100%90%80%70%60%50%40%30%20%10%2025Q2025Q32025Q12024Q32024Q12023Q32023Q12022Q32022Q12021Q32021Q12020Q32020Q12019Q32019Q12018Q32018Q12017Q32017Q12016Q32016Q12015Q32015Q12014Q32014Q12013Q32013Q12012Q32012Q12011Q32011Q12010Q32010Q12009Q32009Q12008Q32008Q1观察口径2：行业盈利的环比QoQPMITTM50PMI的指标。PMI本质上是一个扩散指数，通过企业对生产、订单、库存、就业等问题的问卷反馈生成。企业的回答只有三类：好（改善）、持平、差（恶化）。扩散指数的计算方式为：DI=好的比例+0.5持平的比例。在这种结构下，如果企业认为改善的比例与恶化的比例相等，即经济活动并无方向性的改善或恶化，扩散指数的值自然为50，恰好处于经济活动的持平点。因此，PMI>50代表改善占主导，经济处于扩张区间；PMI<50则代表恶化更广泛，经济进入收缩。这种统计机制决定了PMI的中心点是50，代表经济活动的中性状态，而非人为设定的景气门槛。从全A非金融景气构建角度看，PMI的这一结构与行业层面的盈利扩散度高度一致。本质上，两者都是以改善—持平—恶化来衡量景气的同步性和广度。PMI是宏观主体（企业）对经营改善的广度判断，盈利扩散度(QoQ)则是行业横截面盈利改善的广度衡量。因此，PMI可以视为宏观层面的广度型Beta指标，而盈利扩散度(QoQ)则是行业景气Beta的直接体现。图表12.一级行业等权&加权扩散度（QoQ）扩散度-W-DoQ） 扩散度-EW-DoQ）100%90%80%70%60%50%

扩散荣枯线40%30%20%10%2025Q2025Q32025Q12024Q32024Q12023Q32023Q12022Q32022Q12021Q32021Q12020Q32020Q12019Q32019Q12018Q32018Q12017Q32017Q12016Q32016Q12015Q32015Q12014Q32014Q12013Q32013Q12012Q32012Q12011Q32011Q12010Q32010Q12009Q32009Q12008Q32008Q1观察口径3：PPI分项扩散度我们用PPI涨价广度（或涨价扩散度）指标——即当期环比上涨的分项行业占比——来刻画价格上涨在行业之间的扩散范围。图表13.PPI环比扩散指数100%

PP环比扩散指数 PP环比扩散指数（12MA)90%80%70%60%50%40%30%20%10%0%2013-08 2015-08 2017-08 2019-08 2021-08 2023-08 2025-08问题2.2：如何衡量结构性景气的离散度？离散度（Disp）——行业间景气差异有多大？（景气结构性强度）观察口径1：行业盈利的相对增速（离散度）离散度（Dispersion）反映的是行业层面盈利表现的分化程度，本质上是观察：行业间的景气差距究竟有多大。它描述的是景气的强度与结构张力。当离散度提升时，意味着行业间呈现强者恒强、弱者恒弱的撕裂状态，景气分布极不均衡。当离散度下降时，意味着行业间增速差异收敛，景气分布趋于扁平。即，离散度告诉我们：当前的景气结构是一枝独秀/两极分化，还是均值回归？行业整体离散度统计的是26个行业在剔除极端值后的相对增速方差（基于截断后的数据，避免单一行业的巨额亏损扭曲整体结构），衡量的是全市场景气的横截面差异。该指标旨在刻画同一季度内，行业盈利增速偏离整体平均水平的程度。离散度越高，代表景气主线越尖锐，头部高景气行业与尾部行业的业绩鸿沟被拉大；离散度越低，代表行业间基本面缺乏显著区分度，各行业在增长速度上表现出同质化特征。从策略视角理解而言：离散度高（行业间景气差异显著拉大），意味着结构性主线清晰。此时，景气优势行业的比较优势被放大，市场往往演绎极致分化或赛道抱团行情，选对方向的回报率极高，这是阿尔法（Alpha）价值的体现。离散度处于低位或者快速下行，意味着行业间景气差异收敛（大家都差不多），市场缺乏鲜明的景气主线。此时，单纯依靠行业配置获取超额收益的难度大幅增加，资金难以在单一方向形成合力，行情往往呈现板块轮动过快或无主线震荡的特征。图表14.离散度等权&加权指标70%

离散度-W-DA) 离散度-EW-DA)65%60%55%50%45%40%35%30%25%2025Q32025Q32025Q12024Q32024Q12023Q32023Q12022Q32022Q12021Q32021Q12020Q32020Q12019Q32019Q12018Q32018Q12017Q32017Q12016Q32016Q12015Q32015Q12014Q32014Q12013Q32013Q12012Q32012Q12011Q32011Q12010Q32010Q12009Q32009Q12008Q32008Q1观察口径2：正向景气组的内部分化（正向离散度）行业整体离散度高反映的是当前的景气结构是一枝独秀或两极分化，无法剔除亏损行业的影响，因此我们编制正向景气组离散度，单独反映高景气行业的离散情况。正向景气组离散度，进一步聚焦于当季绝对盈利增速为正的行业内部，本质上是观察：景气优等生之间的业绩差距是否在拉大。它描述的是市场赚钱效应的集中度。当正向离散度提升时，意味着即便在赚钱的阵营里，分化也非常激烈，增长动力高度集中在极少数爆发性增长的超级主线上。当正向离散度下降时，意味着正增长行业之间的增速梯度较小，景气呈现多点开花的扁平特征。即，正向离散度告诉我们：当前的上涨是少数几个龙头的独立表现，还是所有景气行业的齐头并进？编制方法上，我们首先基于各行业当期原始归母净利润增速（RawYOY）的正负进行筛选，将原始增速>0%的行业划入正向景气组。随后，采用截断后增速（TruncatedRawYOY，上下限设为±100%）作为计算基础，计算该组内所有行业相对增速的样本标准差。（同样的，该指标也可进一步划分为等权和加权两个细分维度）。从策略视角理解而言：正向离散度高（优胜者内部差距悬殊），说明市场呈现显著的主线抱团特征。此时，全市场的赚钱效应并非来自普遍增长，而是被极少数超高增速的行业所主导。资金会为了追逐稀缺的极致弹性而高度集中，非主线资产即便业绩为正，也难有超额收益。正向离散度低（优胜者内部差距不大），说明市场赚钱是普惠式的。此时，并非只有3-5个行业在领跑，而是有更广泛的行业共同受益于宏观复苏或流动性改善。这种环境下，市场风格往往更加均衡，容错率相对较高。离散度（景气正向组）WDA)2025Q离散度（景气正向组）WDA)2024Q42024Q22023Q42023Q22022Q42022Q22021Q42021Q22020Q42020Q22019Q42019Q22018Q42018Q22017Q4离散度（景气正向组）EWD离散度（景气正向组）EWDA)2016Q42016Q2图表15.景气正向组离散度等权&加权指标2015图表15.景气正向组离散度等权&加权指标2015Q22014Q42014Q22013Q42013Q22012Q42012Q22011Q42011Q22010Q42010Q22009Q42009Q240%35%30%25%20%15%40%35%30%25%20%15%60%50%40%30%20%10%0%

2025Q32025Q12024Q3离散度（景气正向组）-WD离散度（景气正向组）-WDA)2023Q32023Q12022Q32022Q12021Q32021Q12020Q32020Q12019Q32019Q12018Q32018Q12017Q32017Q12016Q32016Q12015Q3图表16.离散度与景气正向组离散度指标WD图表16.离散度与景气正向组离散度指标WDA)2014Q32014Q12013Q32013Q12012Q32012Q12011Q32011Q12010Q32010Q12009Q32009Q12008Q32008Q120251220251217日16从一维到二维，景气投资再解析如何综合应用二维框架问题3.1：扩散度和离散度的策略价值是什么？扩散度与离散度并非重复刻画，而是从宽度与强度两个正交维度，立体还原了市场的真实面貌。扩散度（Diffusion）衡量的是方向的共识性。它关注的是行业景气变动的数量占比。解决的是景气是否具有普遍性的问题。当扩散度高时，意味着市场大部分行业的盈利都在改善，景气周期的覆盖面很宽，此时市场往往由Beta驱动，指数层面的赚钱效应较好。反之，当Diff下行时，说明周期修复斜率放缓或仍处于衰退阶段，行业景气的系统性改善动力偏弱。离散度（Dispersion）衡量的是幅度的背离性。它关注的是行业景气变动的方差大小。离散度解决的是景气是否具有极致性的问题。当离散度高时，意味着行业间旱涝不均，头部高景气行业与尾部差行业的业绩鸿沟被拉大。此时市场往往由Alpha驱动，结构性行情特征显著，选对赛道的回报率高，对选错的惩罚重。当Disp收敛时，行业间的景气分化度降低，更偏向同步波动。总结而言：扩散度决定仓位（赚市场的钱），而离散度决定了行业配置偏斜（赚结构的钱）。图表17.扩散度和离散度的主要区别问题3.2：如何构建扩散度Beta与离散度Alpha的二维框架？我们以扩散度（Diff）和离散度（Disp）为代表指标，构建行业景气的Beta–Alpha二维框架。1象限：Beta↑×Alpha↑】周期+结构共振（大概率为结构牛）景气特征：行业景气全面上行，强行业比弱行业更强，Beta+Alpha双抓。2象限：Beta↑×Alpha↓】周期性全面复苏（大概率为全面牛）景气特征：多数行业盈利YoY转正，行业景气一致上行，分化度低，市场风格偏均衡。3象限：Beta↓Alpha↓】周期同步转弱（全面防御阶段）景气特征：多数行业盈利下行，行业间景气差异不大，同步下行特征明显。4象限：Beta↓×Alpha↑】周期偏弱、结构亮点突出（弱结构行情）景气特征：多数行业盈利YoY回落，周期Beta偏弱。少数行业景气显著强于其他，分化度高。明确转向结构性Alpha行情，强调强者恒强。图表18.扩散度（BETA）和离散度（ALPHA）二维框架Beta↑+Alpha↓（高仓位）Beta↑+Alpha↑（双击）扩散度高：绝大多数行业转正离散度低：行业间增速差距不大全面复苏期景气共振期扩散度高：整体环境向好离散度高：且有强主线景气全面改善，风格走向均衡第II象限第I象限景气全面上行，强行业比弱行业更强Beta↓+Alpha↓（低仓位）全面衰退期存量博弈期Beta↓+Alpha↑（极致缩圈)扩散度低：多数行业盈利下行第III象限第IV象限扩散度低：多数行业承压离散度低：景气差异不大离散度高：极少数行业维持高景气缺乏方向，β和结构都弱少数行业独走的结构行情问题3.3：二维框架的历史有效性如何？第二象限的代表：2009年–2010年：四万亿背景下的上行市+全面牛2009年-2010年，扩散度攀升至高位，离散度偏低，偏向第二象限区间。所有行业在四万亿政策支持下迅速扭亏为盈，扩散度迅速修复上行（扩散度↑）。2009-2010年这轮行情，是一次典型的全面牛。一方面，在四万亿刺激及信用扩张背景下，盈利与估值修复呈现出宽基化特征，各个板块普遍获得可观涨幅；另一方面，从风格维度拆分，周期、消费、成长三大风格指数在本轮区间的累计涨幅大体接近，并未出现某一风格显著、持续压倒其余风格的单边驱动格局（离散度↓）。第一象限的代表：2016年–2017年：供给侧改革背景下的上行市+资源/白马结构牛2016年–2017年，扩散度和离散度皆攀升至高位，属于典型的第一象限区间。2016年–2017年，是扩散度及离散度同步抬升并维持高位平台的典型阶段。说明行业之间的景气在宽度和锐度上都出现显著改善。所有赚钱行业内部，贡献进一步集中在少数高景气+高权重的方向上。这与当时的叙事基本一致：伴随着前两年经济周期的走弱，2015年底中央首次提出供给侧改革，三去一降一补带动宏观经济大幅修复。供给侧改革压缩了钢铁、有色、煤炭等传统周期的落后产能，资源品盈利恢复；同时，以食品饮料、家电为代表的大消费白马，叠加部分高端制造、医药等方向ROE和业绩预期稳步抬升，估值与利润共振。这是一个非常典型的高景气白马抱团+供给侧改革的结构牛市。盈利、估值与资金行为在少数赛道上高度同向，指标层面的双高很好地刻画了这一阶段指数中枢上行且集中度较强的结构行情。第一象限的代表：2019年–2021年：科技/新半军/资源主线，2021成为极致结构市高峰2019–2021年，离散度与正向离散度再次出现显著抬升，属于典型的第一象限区间。扩散度方面：2019年，面对此前的经济增长压力，中美两国国债利率同步下行，国内信贷数据年初即开始发力，2019年全A盈利增速明显修复。2020年，随着年初疫情爆发，经济迅速进入衰退状态，但随后海外央行同步扩表，国内货币和财政刺激政策也迅速出台并推动景气修复。2021年，在上年Q1低基数背景下，仍保持修复态势。离散度方面：产业层面，5G发牌及中美科技摩擦促进科技成长风格在这一阶段初期明显占优。在新能源/半导体/军工等新主线崛起与上游资源（有色、煤炭、部分化工）价格上行的背景下，离散度明显上行，有阶梯式抬升的特征，反映出行业间的景气和股价表现开始快速分化。结构撕裂在数据和叙事上都表现得较为清晰。100%55%90%50%100%55%90%50%80%70%45%60%50%40%40%35%30%20%30%2019-2021Q1结构牛2016-2017结构牛2009-2010全面牛第1象限第1象限第2象限2025Q32025Q12024Q32024Q12023Q32023Q12022Q32022Q12021Q32021Q12020Q32020Q12019Q32019Q12018Q32018Q12017Q32017Q12016Q32016Q12015Q32015Q12014Q32014Q12013Q32013Q12012Q32012Q12011Q32011Q12010Q32010Q12009Q32009Q12008Q32008Q1扩散度-W-DA) 离散度-W-DA右轴)快速轮动象限代表：2013年-2015年：结构牛-全面牛-结构牛破灭2013年-2015年：扩散度抬升，离散度持续低迷。按照框架定义，这一阶段更多属于第2象限，即【Beta↑×Alpha↓】的组合，对应的是多数行业盈利YoY转正，景气全面复苏，行业景气一致上行，行业间景气分化度低。对应的A股市场表现应为：市场上行+风格偏均衡。但实际上，投资者或认为此处指标和体感有背离，即2013-2015年是较大的科技结构牛。这个体感的背离需要把颗粒度拆细来看：20132012年全年在前期刺激政策的铺垫下，整体仍呈现出弱复苏迹象，经济增长指数拐头向上，工业增加值2012年整体景气度大幅承压导致盈利基数较低，2013年，全A非金融整体在2012年低基数的背景下实现了弱修复，整体盈利增速实现同比正增，扩散度也同步显著抬升。对应的，指数层面的BETA修复具备一定合理性。2013年景气正向组离散度指标虽然偏低，但也属于底部抬升类型。即，在偏低的整体离散度中，TMT四行业的离散度贡献比重较大。因此，2013年科技行业出现离散度上行背景下的结构牛也具有合理性。20142Beta↑×Alpha年整体呈现出全面牛、均衡牛的特点。2015年，扩散度下行，离散度上行。符合第4象限，即【Beta↓×Alpha↑】的组合的对应特征，整体景气周期走弱、少数行业景气显著强于其他，分化度高，明确转向结构性Alpha行情，强调强者恒强，结构亮点突出（结构行情阶段），行情最终还是结束于景气下行。55%50%45%40%3555%50%45%40%35%30%2025Q12024Q32024Q12023Q3WDWDA2022Q32022Q12021Q32021Q12020Q32020Q12019Q32019Q12018Q32018Q12017Q32017Q12016Q32016Q1WDWDA)2015Q图表20.2013-2015年：快速轮动象限结构牛全面牛2014图表20.2013-2015年：快速轮动象限结构牛全面牛2014Q2013Q32013Q2012Q32012Q12011Q32011Q12010Q32010Q12009Q32009Q12008Q3100%90%80%70%60%50100%90%80%70%60%50%40%30%20%

140%120%100%80%60140%120%100%80%60%40%20%0%-20%-40%-60%2018-03上证指数2018-02上证指数2017-122017-102017-082017-072017-05"供给侧改革“蓝筹结构牛2017-"供给侧改革“蓝筹结构牛2017-022016-12创业板指2016→2016-10创业板指2016→2016-082016-072016-052016-032016-022016-012015-112015-09创业板指较上证指数超额（右轴）2015-08创业板指较上证指数超额（右轴）图表21.2013-2014年牛市：结构牛转向全面牛2015-图表21.2013-2014年牛市：结构牛转向全面牛2015-042015-03全面牛创业板、上证同涨2015-全面牛创业板、上证同涨2014-112014-092014-082014-06创业板大幅领先2014-04创业板大幅领先2014-022013-122013-11结构牛2013-09结构牛2013-072013-052013-042013-022012-122012-10000000000020251220251217日20从一维到二维，景气投资再解析Diff↓Disp↓3象限Diff↑Disp↑1象限Diff↑Disp↑1象限Diff↓Diff↓Disp↓3象限Diff↑Disp↑1象限Diff↑Disp↑1象限Diff↓Disp↓3象限Diff↑Disp↑1象限Diff↓Disp↑4象限Diff↑Disp↓2象限Diff↑Disp↑1象限Diff↓Disp↓3象限Diff↑Disp↓2象限Diff↓Disp↓3象限20242022-熊市2019-202120242022-熊市2019-2021结构牛2018熊市2016-2017结构牛2008缩圈2014全面牛20132011-2012熊市2009-2010全面牛2008熊市

80%

290%80%

70%

270%

60%

160% 50%50%

40%

140%30%

30%

020%

20%

02025Q32025Q12024Q32024Q12023Q32023Q12022Q32022Q12021Q32025Q32025Q12024Q32024Q12023Q32023Q12022Q32022Q12021Q32021Q12020Q32020Q12019Q32019Q12018Q32018Q12017Q32017Q12016Q32016Q12015Q32015Q12014Q32014Q12013Q32013Q12012Q32012Q12011Q32011Q12010Q32010Q12009Q32009Q12008Q32008Q1

万得全A（右2）问题3.4：离散度指标如何更好使用？PPIPPI上行阶段，行业盈利能力弹性增大。26PPI图表23.景气正向组离散度与PPI40%

离散度（景气正向组）-W-Dp4MA) 中国PP当月同比右轴，%) 121035% 8630% 4225% 0-220% -4-62025Q220242025Q22024Q42024Q22023Q42023Q22022Q42022Q22021Q42021Q22020Q42020Q22019Q42019Q22018Q42018Q22017Q42017Q22016Q42016Q22015Q42015Q22014Q42014Q22013Q42013Q22012Q42012Q22011Q42011Q22010Q42010Q22009Q42009Q22008Q4对此，我们可进一步将离散度指标的颗粒度做细。当整体离散度指标处于低位时，并非意味着完全TMT4个行TMT2013年的科技结构牛，以及本轮科技结构牛的说明性更佳。图表24.TMT行业离散度有效性 图表25.消费行业离散度有效性50%

TMT4行业（正向）

0

度贡献 消费7行业（正向）离散度贡献占

2.1045%40%35%30%25%20%15%10%5%

0TMTTMT4相对全A（右轴）0000

35%30%25%20%15%10%5%

0（右轴）0（右轴）0002009Q32008Q42008Q12009Q32008Q42008Q1

2025Q2025Q22024Q32023Q42023Q12022Q22021Q32020Q42020Q12019Q22018Q32017Q2023Q12022Q22021Q32020Q42020Q12019Q22018Q32017Q42017Q12016Q22015