金融工程CANSLIM行業(yè)輪動策略

1、國信金工 CANSLIM 行業(yè)輪動框架著名投資大師威廉歐奈爾（William J.ONeil）在其著作笑傲股市中對 CANSLIM選股法則進行了系統性闡述，在該體系中個股盈利、業(yè)績增速、價格趨勢、機構觀點等均是挑選牛股的重要秘訣。本文我們借鑒 CANSLIM 體系構建了適用于 A股市場的行業(yè)輪動策略，實證結果表明，該體系不僅在選股策略中保持著旺盛的生命力，在行業(yè)輪動策略中也有著優(yōu)異的表現。Crowd：行業(yè)擁擠度的興登堡預兆。借鑒“興登堡預兆”思路，將行業(yè)內成交活躍股中創(chuàng)新高和創(chuàng)新低股票數量差占比作為行業(yè)交易情緒是否過熱的觀察變量，有效避免了交易擁擠帶來的趨勢逆轉。Analyst：分析師預期視角

2、下的行業(yè)前景。從分析師預期視角觀察行業(yè)景氣度持續(xù)性，行業(yè)成分股的分析師認可度越高及分析師上調比例越高，表明該行業(yè)景氣度持續(xù)向上，有望獲得持續(xù)穩(wěn)健的超額收益。NotableProfit：亮眼的業(yè)績是景氣度的最好佐證。從利潤邊際改善、盈利能力邊際改善和工業(yè)企業(yè)利潤增速等維度，對行業(yè)基本面景氣度進行多維度衡量。Smart：來自聰明資金的啟示。從北向資金和超大單資金的最新動向，窺探聰明資金的市場偏好，聰明資金持續(xù)流入的行業(yè)受到的市場關注度越高，短期收益有望走強。Leader：做趨勢的朋友。從公募重倉股動量和成交量調節(jié)動量刻畫行業(yè)價格的強勢程度，走勢強勁的行業(yè)通常會在未來持續(xù)走強，與趨勢為伍是行業(yè)輪動策

3、略中需要恪守的準則。Institution：來自機構資金的觀點。從公募基金行業(yè)變動的買方視角和券商金股行業(yè)變動的賣方視角，探知機構資金的最新觀點，機構資金加倉的行業(yè)通常會在未來表現更優(yōu)。MacroPB：宏觀視角下的動態(tài)估值調節(jié)。在“信貸+貨幣”框架下引入趨勢變量，形成多維度動態(tài)估值調節(jié)方法。最終，我們綜合如上七個維度，構建了國信金工 CANSLIM 行業(yè)輪動策略。圖1：國信金工 CANSLIM 行業(yè)輪動框架資料來源：整理Analyst：分析師預期視角下的行業(yè)前景本文的行業(yè)輪動策略以中信一級行業(yè)為研究對象，由于“綜合金融”行業(yè)歷史數據較短、行業(yè)成分股較少，“綜合”行業(yè)成分股異質性較強、沒有明確的

4、行業(yè)歸屬，因此在后續(xù)的分析中我們將這兩個行業(yè)進行剔除，對剩余 28 個中信一級行業(yè)進行分析。如無特別說明，回測區(qū)間段均為 20130104-20220531。分析師預期體現了市場對于行業(yè)未來發(fā)展前景的展望，通常來講只有分析師一致預期向好的行業(yè)才可能獲得長期穩(wěn)健的超額收益，本部分我們從分析師預期視角出發(fā)，通過分析師認可度和分析師凈上調比例兩個指標觀察行業(yè)景氣度情況。分析師認可度： 分析師對歷史業(yè)績的二次確認在國信金工 2021 年 5 月 13 日發(fā)布的專題報告JumpFit 行業(yè)輪動策略中提到，景氣度預期具有一定的溢出效應，板塊內部某家公司的業(yè)績驚喜常常能帶動整個板塊的景氣度預期。基于這一觀察

5、，我們首先通過分析師研報標題是否含有“超預期、好于預期、高于預期”等關鍵字來篩選業(yè)績超預期樣本，隨后根據每個季報期業(yè)績超預期公司所屬的行業(yè)分布情況，來確定高景氣度行業(yè)。然而這種做法有如下幾個方面尚待改進：首先，與行業(yè)成分股數量相比，業(yè)績超預期股票占比相對較少，部分樣本股的超預期與否不足以完全表征整個行業(yè)景氣度情況；其次，若上市公司業(yè)績低于預期，分析師標題點評中也較少使用類似“低于預期”的表述，在實際應用中發(fā)現超預期樣本數量遠高于低于預期樣本數量。在國信金工 2021 年 5 月 12 日發(fā)布的專題報告基于分析師認可度的成長股投資策略中，我們通過盈余公告后分析師撰寫的研報標題中是否包含特定短語將

6、該研報劃分為分析師認可、分析師觀點中性和分析師不認可三類。如圖 2 所示，當分析師研報標題包含如“業(yè)績大幅增長”、“業(yè)績翻倍”等表述時，我們將其劃分為分析師認可報告；當分析師研報標題包含如“業(yè)績難以持續(xù)”、“拖累業(yè)績”等表述時，我們將其劃分為分析師不認可報告；否則，我們將其劃分為分析師觀點中性報告。圖2：分析師認可及不認可的刻畫資料來源：整理以 2021 年二季度煤炭板塊的走勢為例，如圖 3 所示，2021 年 4 月 25 日盤后，潞安環(huán)能（601699.SH）發(fā)布 2021 年一季報，2021 年一季度歸母凈利潤同比增速達到 126.23%。隨后，券商分析師相繼發(fā)布點評報告，對公司業(yè)績的高

7、增長給予確認。在 20210430-20210830 區(qū)間內，潞安環(huán)能區(qū)間上漲 64.02%，同期滬深 300 指數下跌 6.05%，超額收益達到 70.07%。圖 4 展示了同期中信一級煤炭行業(yè)（CI005002.WI）走勢，在 20210430-20210830 區(qū)間內煤炭行業(yè)上漲 35.64%，相對滬深 300 指數超額 41.69%。圖3：潞安環(huán)能 2021Q1 業(yè)績超預期圖4：中信一級煤炭行業(yè)走勢資料來源：WIND，朝陽永續(xù)，整理資料來源：WIND，朝陽永續(xù)，整理為了構建行業(yè)內分析師認可度指標，我們在每個財報季（4 月、8 月、10 月），回看過去兩個月發(fā)布正式財報、業(yè)績預告和業(yè)績快

8、報的公司，獲取其發(fā)布業(yè)績報告后 5 天內的分析師研報標題，隨后按照圖 2 所示的規(guī)則，根據研報標題是否包含特定短語將其劃分為分析師認可、分析師觀點中性、分析師不認可三類。對于每個股票，若分析師認可研報數量大于分析師不認可研報數量，那么該股票劃分為分析師認可的股票；反之，該股票劃分為分析師不認可的股票。那么，行業(yè)認可度即可表示為該行業(yè)內分析師認可股票數量與不認可股票數量之差，再除以行業(yè)內股票總數量，具體公式如下：Aambria aithe = a1 a2a3其中，a1表示行業(yè)內分析師認可股票的數量，a2表示行業(yè)內分析師不認可股票的數量，a3表示行業(yè)內股票總數量。圖5：分析師認可度因子分組凈值走勢

9、圖6：分析師認可度因子分組年化超額收益資料來源：WIND，朝陽永續(xù)，整理資料來源：WIND，朝陽永續(xù)，整理圖 5 展示了分析師認可度因子樣本區(qū)間段內在中信一級行業(yè)上的分組凈值走勢，在該區(qū)間段中，分析師認可度因子的 RankIC 均值達到 5.4%，月勝率為 55.8%，年化 RankICIR 為 0.67。圖 6 展示了分析師認可度因子進行五檔分組后全樣本區(qū)間內相對行業(yè)等權基準的年化超額收益，可以看到分析師認可度因子的分組單調性較好，多頭組合年化超額收益達到 5.54%，空頭組合年化超額收益達到-7.07%?？傮w來看，行業(yè)分析師認可度指標對行業(yè)下期收益具備較強的區(qū)分能力。分析師凈上調： 分析師

10、對未來業(yè)績的預測調整分析師研報標題反映的是分析師對已實現業(yè)績的觀點，而分析師對未來業(yè)績的預期則是行業(yè)景氣度能否持續(xù)的關鍵。本部分我們從分析師盈利預測調整出發(fā)，通過構建分析師凈上調比例因子，來觀察其對行業(yè)未來業(yè)績的預期變化。具體來講，賣方分析師會對上市公司的業(yè)績進行點評并對其進行盈利預測調整，如果分析師本次預測的利潤高于前次預測，即為分析師上調盈利預測；如果分析師本次預測的利潤低于前次預測，即為分析師下調盈利預測。我們篩選出個股過去 3 個月內賣方分析師進行了盈利預測調整的樣本，按照如下公式構造分析師凈上調比例因子：NNeapmai = pNtn aNtn + pNtn aNtnpNtn + a

11、Ntn1ttt其中，pNtn 表示過去 3 個月中盈利預測上調的樣本數量，aNtn 表示過去 3 個月中盈利預測下調的樣本數量。我們在計算分析師凈上調比例因子時添加了一個修正項，此項是為了避免上下調數量之差與上下調數量之和的比值一樣時無法進行區(qū)分的情況，此時我們給予分析師覆蓋數量更多的公司以更大的因子取值。此外，如果存在同一家機構在過去 3 個月中對個股的盈利預測進行多次調整的情況，我們取最近一次盈利預測調整作為樣本進行計算。對于行業(yè)維度來講，我們以行業(yè)成分股內的分析師凈上調比例因子的中位數作為分析師對行業(yè)前景的樂觀程度。圖7：分析師凈上調比例因子分組凈值走勢圖8：分析師凈上調比例因子分組年化

12、超額收益資料來源：WIND，朝陽永續(xù)，整理資料來源：WIND，朝陽永續(xù)，整理圖 7 展示了分析師凈上調比例因子樣本區(qū)間段內在中信一級行業(yè)上的分組凈值走勢，在該區(qū)間段中，該因子的 RankIC 均值達到 6.8%，月勝率為 58.4%，年化 RankICIR 為 0.97。圖 8 展示了分析師上調比例因子進行五檔分組后全樣本區(qū)間內相對行業(yè)等權基準的年化超額收益，可以看到因子的分組單調性較好，多頭組合年化超額收益達到 8.51%，空頭組合年化超額收益達到-8.55%?？傮w來看，分析師上調比例因子對行業(yè)未來收益具備明顯的區(qū)分能力，分析師上調比例較高的行業(yè)未來表現會明顯好于分析師上調比例較低的行業(yè)。N

13、otableProfit：行業(yè)基本面的多維度衡量亮眼的業(yè)績表現是行業(yè)基本面景氣度改善的最有利證明，本部分我們將從利潤的邊際改善、盈利能力的邊際改善和工業(yè)企業(yè)利潤增速等維度，對行業(yè)基本面景氣度進行多維度衡量。SUE： 業(yè)績的邊際改善Na Na標準化預期外盈利（Standardized Unexpected Earnings，簡稱 SUE）自 1974年被 Latane（1974）提出以來，在各國股票市場上的有效性都得到了驗證。如果上市公司實際公布的業(yè)績高于根據歷史數據線性外推的業(yè)績，則說明公司業(yè)績超出歷史預期，公司業(yè)績向好。如果行業(yè)內成分股的 SUE 指標均較高，則說明整個行業(yè)的景氣度在不斷提升

14、。個股的 SUE 因子計算方式如下：S =aNa其中，Na表示當期單季度歸母凈利潤， Na 為當期單季度預期凈利潤，aNa為未預期盈利的標準差。單季度預期凈利潤的計算方式為，去年同期單季度歸母凈利潤，加過去 8 期單季度歸母凈利潤同比變化的均值。未預期盈利的標準差計算方式為過去 8 期單季度歸母凈利潤同比變化的標準差。SUE 因子刻畫了當期盈利相比歷史單季度盈利平均水平的改善幅度。為了更加及時地反映行業(yè)內成分股的業(yè)績改善情況，我們根據最新發(fā)布的正式財報、業(yè)績預告和業(yè)績快報實時更新成分股因子值，并以行業(yè)內成分股的中位數作為行業(yè) SUE因子值。圖9：SUE 因子分組凈值走勢圖10：SUE 因子分組

15、年化超額收益資料來源：WIND，整理資料來源：WIND，整理圖 9 展示了 SUE 因子樣本區(qū)間段內在中信一級行業(yè)上的分組凈值走勢，在該區(qū)間段中，SUE 因子的 RankIC 均值達到 9.0%，月勝率為 64.6%，年化 RankICIR為 1.30，表現優(yōu)異。圖 10 展示了SUE 因子進行五檔分組后全樣本區(qū)間內相對行業(yè)等權基準的年化超額收益，可以看到 SUE 因子的分組單調性強，多頭組合年化超額收益達到 7.17%，空頭組合年化超額收益達到-5.83%?？傮w來看，行業(yè) SUE 指標對行業(yè)下期收益具備較強的區(qū)分能力。DeltaROEQ： 盈利能力的邊際改善Piotroski（2000）在其

16、著名的衡量企業(yè)財務質量的 F-SCORE 基本面模型中，采用當期 ROA 減去去年同期 ROA 來衡量企業(yè)盈利能力是否提升。在 A 股市場中，我們也可以構造類似的指標來衡量股票盈利能力改善情況。沃倫巴菲特曾說： “如果非要我選擇用一個指標進行選股，我會選擇 ROE。公司能夠創(chuàng)造并維持高水平的 ROE 是可遇而不可求的，這樣的事情太少了。因為當公司規(guī)模擴大的時候，維持高 ROE 是極其困難的事情”。做多股票的超額往往來源于兩種：1）企業(yè)高 ROE 水平回歸均值的節(jié)奏放緩；2）企業(yè)低 ROE 水平的快速提升。因此，當行業(yè) ROE 水平仍在上升階段時，表明該行業(yè)的內在價值還未觸及上限，行業(yè)景氣度仍在

17、持續(xù)提升?；诖?，我們可以計算個股單季度ROE 相對去年同期單季度ROE 的差值來衡量其盈利能力的邊際改善情況：ebamO Q = O Qa O Qa4其中，O Qa為當期單季度 ROE，O Qa4為去年同期單季度 ROE。為了更加及時地反映行業(yè)內成分股的盈利能力改善情況，我們根據最新發(fā)布的正式財報、業(yè)績預告和業(yè)績快報實時更新成分股因子值，并以行業(yè)內成分股的中位數作為行業(yè) DeltaROEQ 因子值。圖11：DeltaROEQ 因子分組凈值走勢圖12：DeltaROEQ 因子分組年化超額收益資料來源：WIND，整理資料來源：WIND，整理圖 11 展示了 DeltaROEQ 因子樣本區(qū)間段內在

18、中信一級行業(yè)上的分組凈值走勢，在該區(qū)間段中，DeltaROEQ 因子的 RankIC 均值達到 8.7%，月勝率為 63.7%，年化 RankICIR 為 1.21，表現優(yōu)異。圖 12 展示了DeltaROEQ 因子進行五檔分組后全樣本區(qū)間內相對行業(yè)等權基準的年化超額收益，可以看到 DeltaROEQ 因子的分組單調性強，多頭組合年化超額收益達到6.34%，空頭組合年化超額收益達到-7.23%。總體來看，行業(yè)DeltaROEQ指標對行業(yè)下期收益具備較強的區(qū)分能力。工業(yè)企業(yè)經濟效益： 產業(yè)鏈景氣度的中觀刻畫基于季度報告披露的業(yè)績數據是上市公司經營狀況的最直觀刻畫，然而季報數據披露頻率相對較低，且

19、存在一定的滯后性，信息的缺失和滯后為數據的使用帶來了一定的不足。隨著 A 股市場產業(yè)數據豐富程度的不斷提升，有大量的產業(yè)鏈高頻數據可以幫助我們提前探知產業(yè)鏈的景氣度變化。例如建筑、汽車、地產、航空等板塊會大面積發(fā)布產銷快報數據，上游能源、化工、有色金屬等企業(yè)有更高頻的價格數據來反饋價格及供需情況，消費、半導體等也存在大量產業(yè)鏈數據來跟蹤公司主營業(yè)務情況，因此我們可以嘗試借助更高頻的數據來跟蹤行業(yè)板塊的景氣度情況。本文采用統計局每月披露的工業(yè)企業(yè)經濟效益數據，作為產業(yè)鏈景氣度的中觀刻畫。統計局每月會對全國規(guī)模以上工業(yè)企業(yè)的財務狀況報表進行全面調查，并分行業(yè)公布營業(yè)收入、營業(yè)利潤、利潤總額等關鍵性

20、經營指標，這一數據可以在 Wind 終端的中國宏觀經濟數據庫（命令為：EDB）選擇下拉菜單為中國宏觀-工業(yè)-工業(yè)企業(yè)經濟效益指標：分行業(yè)中找到。在數據使用過程中，有以下幾點需要注意：發(fā)布時間：統計局通常于每月 27 號公布上月值，因此在數據的實際使用時需要滯后一個月。此外，由于 1 月份數據免報，其他月份均有數據，因此 1 月數據需沿用上一期的數據；統計口徑：所謂規(guī)模以上工業(yè)企業(yè)，是指年主營業(yè)務收入在 2000 萬元及以上的工業(yè)法人單位，其不僅包含產業(yè)內的上市公司，也包含非上市公司；可比口徑：規(guī)模以上工業(yè)企業(yè)利潤總額、營業(yè)收入等指標的增速均按可比口徑計算。報告期數據與上年所公布的同指標數據之間

21、有不可比因素，不能直接相比計算增速。其主要原因是：1）根據統計制度，每年定期對規(guī)模以上工業(yè)企業(yè)調查范圍進行調整。每年有部分企業(yè)達到標準納入調查范圍，也有部分企業(yè)因規(guī)模變小而退出調查范圍，還有新建投產企業(yè)、破產、注（吊）銷企業(yè)等變化；2）加強統計執(zhí)法，對統計執(zhí)法檢查中發(fā)現的不符合規(guī)模以上工業(yè)統計要求的企業(yè)進行了清理，對相關基數依規(guī)進行了修正；3）加強數據質量管理，剔除跨地區(qū)、跨行業(yè)重復統計數據；行 業(yè) 劃 分 ： 工 業(yè) 企 業(yè) 行 業(yè) 劃 分 執(zhí) 行 國 民 經 濟 行 業(yè) 分 類 標 準（GB/T4754-2017），在實際應用中我們需將其與其他行業(yè)分類進行對應。由于本文的研究對象為中信一級

22、行業(yè)，因此在使用工業(yè)企業(yè)經濟效益數據時，我們需要將國民經濟行業(yè)分類映射到對應的中信一級行業(yè)上，具體劃分如表 1 所示。其中，銀行、非銀行金融、房地產和國防和軍工 4 個行業(yè)沒有對應的國民經濟行業(yè)分類，在后續(xù)處理過程中我們以中位數進行填充。表1：國民經濟行業(yè)與中信一級行業(yè)映射表板塊中信一級行業(yè)代碼中信一級行業(yè)名稱國民經濟行業(yè)煤炭開采和洗選業(yè)煤炭開采和洗選業(yè)石油石化煤炭CI005001.WICI005002.WI能源CI005003.WI有色金屬化學原料及化學制品制造業(yè)周期CI005005.WI鋼鐵化學原料及化學制品制造業(yè)CI005006.WI基礎化工化學原料及化學制品制造業(yè)制造CI005007.

23、WI CI005008.WI CI005009.WI CI005010.WICI005011.WI建筑建材 輕工制造機械電力設備及新能源通用設備制造業(yè)通用設備制造業(yè)通用設備制造業(yè)通用設備制造業(yè)通用設備制造業(yè)可選消費CI005014.WI商貿零售紡織業(yè)CI005015.WI消費者服務紡織業(yè)CI005016.WI家電紡織業(yè)CI005017.WI紡織服裝紡織業(yè)CI005020.WI農林牧漁紡織業(yè)其他CI005004.WI CI005013.WI CI005018.WICI005019.WI電力及公用事業(yè)汽車醫(yī)藥食品飲料CI005024.WI交通運輸電力、熱力的生產和供應業(yè)汽車制造 醫(yī)藥制造業(yè)酒、飲料

24、和精制茶制造業(yè)鐵路、船舶、航空航天和其他運輸設備制造業(yè)資料來源：WIND，國家統計局，整理我們以工業(yè)企業(yè)經濟效益數據中的利潤總額累計同比數據作為度量產業(yè)鏈景氣度的關鍵變量，由于工業(yè)企業(yè)的劃分存在變動，當期數據和去年同期公布的數據并不可比，因此我們直接采用統計局公布的利潤總額累計同比數據作為行業(yè)因子取值。圖13：工業(yè)企業(yè)利潤增速因子分組凈值走勢圖14：工業(yè)企業(yè)利潤增速因子分組年化超額收益資料來源：WIND，整理資料來源：WIND，整理圖 13 展示了工業(yè)企業(yè)利潤增速因子樣本區(qū)間段內在中信一級行業(yè)上的分組凈值走勢，在該區(qū)間段中，該因子的 RankIC 均值達到 6.0%，月勝率為 56.6%，年化

25、 RankICIR 為 0.78。圖 14 展示了工業(yè)企業(yè)利潤增速因子進行五檔分組后全樣本區(qū)間內相對行業(yè)等權基準的年化超額收益，可以看到因子的分組單調性較好，多頭組合年化超額收益達到 6.22%，空頭組合年化超額收益達到-7.34%。總體來看，工業(yè)企業(yè)利潤增速較高的行業(yè)下期收益會比增速較低的行業(yè)表現更好。Smart：來自聰明資金的啟示北向資金北向資金是 A 股聰明資金的典型代表，北向資金流能夠實時記錄每日外資在個股層面的流向，能夠及時體現外資的市場觀點。歷史經驗表明，外資在行業(yè)維度上的選擇偏好往往具有較高的勝率，北向資金成交活躍、資金凈流入較多的行業(yè)往往能夠大幅跑贏行業(yè)等權指數。下面，我們將對

26、北向資金成交活躍度因子和北向資金凈流入因子的構造方法進行介紹。北向資金成交活躍度因子我們首先采用中央結算系統公布的陸港通通道持股數據，計算北向資金在過去一個月在各個行業(yè)上的成交活躍度，具體公式如下：Nhama= mti 6b流ia子a pamna其中，6b流ia子a表示過去一個月行業(yè)內屬于陸股通成分股股票的每日持股數量相較前一日的變動情況，pa表示過去一個月股票每日收盤價，mna 表示過去一個月行業(yè)中屬于陸港通成分股的累計成交金額。由于北向資金的數據限制，我們將回測時間調整為 20170101-20220531。圖 15 展示了北向成交活躍度因子樣本區(qū)間段內在中信一級行業(yè)上的分組凈值走勢，在該

27、區(qū)間段中，該因子的 RankIC 均值達到 15.2%，月勝率為 69.2%，年化 RankICIR 為 1.88。圖 16 展示了北向成交活躍度因子進行五檔分組后全樣本區(qū)間內相對行業(yè)等權基準的年化超額收益，可以看到因子的分組單調性較好，多頭組合年化超額收益達到 10.92%，空頭組合年化超額收益達到-8.90%，對行業(yè)的未來收益具有較強的區(qū)分能力。圖15：北向成交活躍度因子分組凈值走勢圖16：北向成交活躍度因子分組年化超額收益資料來源：WIND，整理資料來源：WIND，整理北向資金凈流入因子北向資金在不同行業(yè)上的凈流入情況體現了外資對于短期行業(yè)走勢的偏好，我們以過去三個月北向資金在行業(yè)上的凈

28、流入金額與行業(yè)自由流通市值之比構建北向資金凈流入因子，具體計算方式如下：NhaIaFb =6b流ia子a pa FheeMi其中，6b流ia子a表示過去三個月行業(yè)內屬于陸股通成分股股票的每日持股數量相較前一日的變動情況，pa表示過去三個月股票每日收盤價，FheeMi表示調倉日行業(yè)內屬于陸股通成分股股票的自由流通市值。圖 17 展示了北向資金凈流入因子樣本區(qū)間段內在中信一級行業(yè)上的分組凈值走勢，在該區(qū)間段中，該因子的 RankIC 均值達到 9.4%，月勝率為 67.7%，年化 RankICIR 為 1.42。圖 18 展示了北向資金凈流入因子進行五檔分組后全樣本區(qū)間內相對行業(yè)等權基準的年化超額

29、收益，可以看到因子的多頭表現較強，多頭組合年化超額收益達到 10.01%，空頭組合年化超額收益達到-2.17%，對行業(yè)的未來收益具有較強的區(qū)分能力。這一點與直觀的邏輯相符，北向資金大幅凈流入的行業(yè)表明外資對于該行業(yè)短期較為偏好，未來收益率明顯高于其他行業(yè)。圖17：北向資金凈流入因子分組凈值走勢圖18：北向資金凈流入因子分組年化超額收益資料來源：WIND，整理資料來源：WIND，整理超大單資金凈流入市場就像擂臺，資金為籌碼，價格則是不同資金博弈的結果，不同類別的資金流向往往能夠為我們提供窺探市場博弈過程的線索。Wind 數據庫中根據交易金額將市場訂單劃分為小單、中單、大單和特大單四種類別，其中小

30、單為 4 萬元以下的訂單，中單為 4 萬元到 20 萬元之間的訂單，大單為 20 萬元到 100 萬元之間的訂單，超大單為 100 萬元以上的訂單。通常來講，超大單的資金流向代表著機構投資者或者某類擁有特定信息優(yōu)勢的群體的觀點，因此我們重點考察超大單資金流在不同行業(yè)上的流入流出情況。誠然，僅僅根據訂單金額的大小將100 萬以上的訂單即認定為機構投資者或者擁有特定信息優(yōu)勢的投資者存在一定的不確定性?；诖?，我們在考察行業(yè)維度的超大單資金流向時，僅對該行業(yè)內部的公募重倉股和陸股通成分股進行分析。我們認為，超大單資金流的走向在機構投資者最為關注的股票池中將更具指導意義。我們首先獲取個股在過去一個月中

31、每日超大單資金凈流入金額，將其加總得到過去一個月超大單資金累計凈流入金額：NeaIaFb xbmh子ei = Oh流eh xbmh子eIaFb xbmh子ei,a OtaFb xbmh子ei,a= NeaIaFb xbmh子eiIaFb FheeMi其中，IaFb xbmh子ei,a表示股票 s 在 t 日的超大單買入金額，OtaFb xbmh子ei,a表示股票 s 在 t 日的超大單賣出金額，NeaIaFb xbmh子ei為過去一個月股票 s的累計凈流入金額，FheeMi為股票 s 在月末的自由流通市值，此處我們僅對行業(yè)成分股內屬于主動股基前十大重倉股或陸股通成分股的樣本進行分析。圖 19

32、展示了超大單資金凈流入因子樣本區(qū)間段內在中信一級行業(yè)上的分組凈值走勢，在該區(qū)間段中，該因子的 RankIC 均值達到 5.7%，月勝率為 62.8%，年化 RankICIR 為 0.76。圖 20 展示了超大單資金凈流入因子進行五檔分組后全樣本區(qū)間內相對行業(yè)等權基準的年化超額收益，可以看到因子的單調性較好，多頭組合年化超額收益達到 7.06%，空頭組合年化超額收益達到-2.50%。也就是說，凈流入資金占自由流通市值較高的行業(yè)其未來收益將高于凈流出資金占自由流通市值較高的行業(yè)。圖19：超大單資金凈流入因子分組凈值走勢圖20：超大單資金凈流入因子分組年化超額收益資料來源：WIND，整理資料來源：W

33、IND，整理Leader：做趨勢的朋友國信金工在 2021 年 12 月 13 日發(fā)布的專題報告動量類因子全解析中，對刻畫股票價格強勢程度的多個維度進行了介紹。在行業(yè)維度上，動量效應同樣存在。走勢強勁的行業(yè)通常會在未來持續(xù)走強，做趨勢的朋友、與趨勢為伍，是行業(yè)輪動中需要恪守的信條。Moskowitz and Grinblatt（1999）對美股市場的分析表明，行業(yè)動量是動量效應的主要來源。段丙蕾等（2022）等對 A 股市場的研究表明，A 股市場月度層面存在顯著的行業(yè)動量效應。我們以中信一級行業(yè)指數過去 6 個月的收益率作為傳統動量因子，考察其在行業(yè)輪動上的表現。圖 21 展示了傳統動量因子樣

34、本區(qū)間段內在中信一級行業(yè)上的分組凈值走勢，在該區(qū)間段中，該因子的 RankIC 均值達到 5.7%，月勝率為 59.3%，年化 RankICIR為 0.55。圖 22 展示了傳統動量因子進行五檔分組后全樣本區(qū)間內相對行業(yè)等權基準的年化超額收益，可以看到因子的分組單調性較好，多頭組合年化超額收益達到 4.43%，空頭組合年化超額收益達到-5.21%?？傮w來看，傳統動量對行業(yè)的未來收益具有一定的區(qū)分能力，但是穩(wěn)定性欠佳。圖21：傳統動量因子分組凈值走勢圖22：傳統動量因子分組年化超額收益資料來源：WIND，整理資料來源：WIND，整理公募重倉股動量向誠等（2018）對 A 股市場研究表明，投資者注

35、意力的有限性導致行業(yè)信息在市場中緩慢擴散，受關注度高、更早將行業(yè)信息反映在股票收益率之中的公司，會引領同行業(yè)內受關注度低的公司股票收益率，即行業(yè)內受關注高與受關注度低的個股之間存在收益率的領先-滯后（lead-lag）效應。事實上，同一行業(yè)內的不同公司在產業(yè)鏈上的地位通常存在差別，龍頭公司在產業(yè)鏈中通常具有更大的資金規(guī)模、更強的定價能力和更多的市場關注。在市場未對行業(yè)景氣度形成共識之前，龍頭公司相比非龍頭公司更容易享受行業(yè)景氣度向上初期帶來的超額收益。在市場對行業(yè)景氣度共識緩慢形成的過程中，龍頭公司動量對非龍頭公司動量起到牽引作用?；诖?，我們可以基于特定方法將行業(yè)內公司劃分為龍頭股和非龍頭股

36、，構建結構化動量因子，具體方式如下：SahtatheMn12t = Lem流ehSakea12t Ia流tiahrSakea12t其中，Lem流ehSakea 表示行業(yè)內龍頭股在過去 120 個交易日的收益率中位數，Ia流tiahrSakea 表示行業(yè)內全體股票在過去 120 個交易日的收益率中位數。對于龍頭股的劃分有多種方法，通常的做法是以過去一段時間的日均成交額、日均總市值、分析師覆蓋度等是否處于行業(yè)內領先水平作為龍頭股劃分的標準，其底層邏輯在于成交量越活越、總市值越大、分析師覆蓋度越高的公司受到的市場資金關注度越高，對行業(yè)其他成分股的牽引作用越強?；陬愃频倪壿?，我們認為在 A 股機構化

37、程度加深的當下，公募基金重倉股的動量行為同樣值得關注。我們首先獲取每個季度權益?zhèn)}位在 60%以上的普通股票型、偏股混合型、靈活配置型和平衡混合型基金（以下統稱為主動股基）的前十大重倉股持股市值，隨后我們將每個行業(yè)內公募持股市值前 30%的股票作為該行業(yè)內的公募重倉股樣本。最后，我們即可計算行業(yè)內公募重倉股與行業(yè)內全體股票的收益率之差，來刻畫行業(yè)內的公募基金重倉股動量。圖 23 展示了公募重倉股動量因子樣本區(qū)間段內在中信一級行業(yè)上的分組凈值走勢，在該區(qū)間段中，該因子的 RankIC 均值達到 7.7%，月勝率為 61.6%，年化 RankICIR 為 1.11。圖 24 展示了公募重倉股動量因子

38、進行五檔分組后全樣本區(qū)間內相對行業(yè)等權基準的年化超額收益，可以看到因子的分組單調性較好，多頭組合年化超額收益達到 9.15%，空頭組合年化超額收益達到-8.40%，對行業(yè)的未來收益具有較強的區(qū)分能力。圖23：公募重倉股動量因子分組凈值走勢圖24：公募重倉股動量因子分組年化超額收益資料來源：WIND，整理資料來源：WIND，整理成交量調節(jié)動量根據向誠等（2018）基于 A 股市場的研究成果，投資者注意力的有限性是行業(yè)動量形成的重要因素。當行業(yè)信息在市場中緩慢擴散時，行業(yè)動量效應逐步增強；當行業(yè)信息在市場中快速擴散時，行業(yè)動量效應逐步減弱。我們以行業(yè)成交量作為行業(yè)信息擴散程度的代理變量，當成交量較

39、少時，信息擴散相對緩慢；當成交量大增時，信息擴散加速?；诖耍覀儤嫿ǔ山涣空{節(jié)動量，其計算公式如下：ia流exeaTbtnea=ia流exeaa ia流exbtneanema ia流exeaTbtnea ia流 ia流exeaTbtneabtneMna =其中，ia流exeaa表示 t 日的行業(yè)收益率，ia流exbtnea表示 t 日的行業(yè)成交量，成交量調節(jié)動量即為每日的行業(yè)收益率與行業(yè)成交量比值的均值除以標準差。同樣的，我們考察過去 120 個交易日的成交量調節(jié)動量。圖 25 展示了成交量調節(jié)動量因子樣本區(qū)間段內在中信一級行業(yè)上的分組凈值走勢，在該區(qū)間段中，該因子的 RankIC 均值達到

40、 10.1%，月勝率為 63.7%，年化 RankICIR 為 1.04。圖 26 展示了成交量調節(jié)動量因子進行五檔分組后全樣本區(qū)間內相對行業(yè)等權基準的年化超額收益，可以看到因子的分組單調性較好，多頭組合年化超額收益達到 7.83%，空頭組合年化超額收益達到-7.51%，對行業(yè)的未來收益具有較強的區(qū)分能力。圖25：成交量調節(jié)動量因子分組凈值走勢圖26：成交量調節(jié)動量因子分組年化超額收益資料來源：WIND，整理資料來源：WIND，整理Institution：來自機構資金的觀點買方視角： 公募基金行業(yè)變動作為 A 股市場中最重要的一類機構投資者，公募基金的行業(yè)配置變動對于市場行情的結構化演繹起著重

41、要的作用。得益于龐大的資金體量、成熟的投研體系、高效的信息渠道和專業(yè)的投資判斷，公募基金在不同行業(yè)上的配置變化通常蘊含著豐富的市場信息。不過需要注意的是，由于公募基金在季報期僅披露前十大重倉股，而整體來看主動股基前十大重倉股的持股市值占全部持股市值的 50%左右，因此為了更為準確地度量公募基金在整體行業(yè)上的配置能力，我們需要對公募基金持倉進行還原。在國信金工 2021 年 12 月 16 日發(fā)布的專題報告公募基金持倉還原及其實踐應用中，我們采用三階段還原法，通過已知持倉、管理人持倉和回歸擬合三階段對公募基金的季度持倉進行補全。最后根據補全后的持倉，計算主動股基在中信一級行業(yè)上的整體配置比例。為

42、了衡量公募基金與市場寬基指數在行業(yè)上的超低配情況，我們將主動股基的行業(yè)分布減去中證 800 指數的行業(yè)分布，得到主動股基的行業(yè)超低配情況，隨后計算本報告期主動股基行業(yè)超低配情況相對上一個報告期的變化幅度，構建公募基金行業(yè)變動因子。與僅關注公募基金行業(yè)的變化幅度相比，減去中證 800 指數的方式可以在某種程度上避免相鄰兩個報告期某個行業(yè)大漲或大跌給行業(yè)配置占比帶來的影響。圖 27 展示了公募基金行業(yè)變動因子樣本區(qū)間段內在中信一級行業(yè)上的分組凈值走勢，在該區(qū)間段中，該因子的 RankIC 均值達到 4.6%，月勝率為 56.6%，年化 RankICIR 為 0.64。圖 28 展示了公募基金行業(yè)變

43、動因子進行五檔分組后全樣本區(qū)間內相對行業(yè)等權基準的年化超額收益，可以看到因子的單調性較好，多頭組合年化超額收益達到 6.25%，空頭組合年化超額收益達到-3.47%。圖27：公募基金行業(yè)變動因子分組凈值走勢圖28：公募基金行業(yè)變動因子分組年化超額收益資料來源：WIND，整理資料來源：WIND，整理賣方視角： 券商金股行業(yè)變動在國信金工 2022 年 2 月 18 日發(fā)布的專題報告券商金股全解析數據、建模與實踐中，我們提到券商金股組合既包含行業(yè)分析師對行業(yè)風格的偏好，又包含分析師對推薦時點的判斷。絕大多數券商的金股組合以月底形式推出，這意味著數據更新頻率更高、時效性更強，能夠更加及時地反映機構投

44、資者對當前市場的偏好及判斷。目前，絕大部分券商的月度金股穩(wěn)定保持在 10 只左右，但也有少數券商金股并不對行業(yè)進行選擇，而是在每個行業(yè)內各選擇 1-2 只股票、以全行業(yè)金股的方式進行推薦。在實際應用中，我們剔除月度金股數量大于 15 只的券商，對剩下的券商金股按照其推薦家數進行加權，構建券商金股行業(yè)權重分布。隨后，我們將券商金股本月權重與上月權重相減，構建券商金股行業(yè)變動因子。由于券商金股數據從 2018 年開始，因此券商金股因子的回測時間選擇為 20180102-20220531。圖 29 展示了券商金股行業(yè)變動因子樣本區(qū)間段內在中信一級行業(yè)上的分組凈值走勢，在該區(qū)間段中，該因子的 Rank

45、IC 均值達到 4.7%，月勝率為 56.6%，年化 RankICIR 為 0.78。圖 30 展示了券商金股行業(yè)變動因子進行五檔分組后全樣本區(qū)間內相對行業(yè)等權基準的年化超額收益，可以看到因子多頭表現較強，多頭組合年化超額收益達到 10.11%，空頭組合年化超額收益達到-2.94%。圖29：券商金股行業(yè)變動因子分組凈值走勢圖30：券商金股行業(yè)變動因子分組年化超額收益資料來源：WIND，美市科技，整理資料來源：WIND，美市科技，整理MacroPB：宏觀視角下的動態(tài)估值調節(jié)在經典的多因子選股模型中，低估值股票在未來的表現普遍好于高估值股票。然而在行業(yè)輪動模型中，估值因子的表現并不穩(wěn)健。圖 31

46、展示了傳統 PB 因子在中信一級行業(yè)上的多空相對凈值走勢，可以看到在該樣本區(qū)間內估值因子多空組合呈現出一定的周期性。我們以估值因子多空相對凈值與其滾動 120 日均值進行比較，若當前凈值大于 120 日均值，則定義為趨勢高估值狀態(tài)；若當前凈值小于 120日均值，則定義為趨勢低估值狀態(tài)?？梢钥吹?，2022 年以來市場整體處于低估值趨勢狀態(tài)。圖31：行業(yè)輪動中估值因子多空相對凈值走勢資料來源：WIND，整理事實上，不同的宏觀環(huán)境對于價值和成長的偏好存在明顯的區(qū)別，我們從信用周期和貨幣周期兩個維度進行分析：1）信用周期往往主導風格偏好，當信用周期處于擴張狀態(tài)時，市場風格傾向于進攻板塊，景氣度高的板塊

47、動量延續(xù)性較強；當信用周期處于收縮狀態(tài)時，市場風格傾向于防御板塊，低估值板塊更受市場的青睞；2）貨幣周期往往影響貼現水平，當利率趨勢下行時，市場流動充足，更利好高成長板塊的表現；當利率趨勢上行時，市場流動性收緊，更利好低估值板塊的表現。本部分我們將根據新增社融數據和十年期國債收益率走勢，對信用周期和貨幣周期進行劃分，并考察不同的市場狀態(tài)下估值因子在行業(yè)輪動策略中的表現?！?信用+貨幣” 周期劃分與估值因子我們根據每月新增社會融資規(guī)模指標進行三期MA 平滑，將 MA3 與去年同期MA3值進行比較，若當期新增社融 MA3 大于去年同期值，則定義為信貸擴張期；若當期新增社融 MA3 小于去年同期值，

48、則定義為信貸收縮期。圖 32 展示了新增社融 MA3 走勢與信貸周期劃分，可以看到這種方法可以有效識別我國信貸周期規(guī)律。我們根據十年期國債收益率走勢對貨幣周期進行劃分，若當前十年期國債收益率高于過去 120 日均值，則劃分為利率上行趨勢；若當前十年期國債收益率低于過去 120 日均值，則劃分為利率下行趨勢，圖 33 展示了十年期國債收益率走勢與貨幣周期的劃分。圖32：新增社融 MA3 與信貸周期劃分圖33：十年期國債收益率與貨幣周期劃分資料來源：WIND，整理資料來源：WIND，整理以信貸周期為例，當信貸周期收縮時，利好低估值板塊走勢；當信貸周期擴張時，利好高估值板塊走勢?；诖?，我們每月末對

49、當前所處的信貸周期進行劃分，若當前信貸周期為收縮時，給予低估值行業(yè)更高的得分；當信貸周期為擴張時，給予高估值行業(yè)更高的得分，圖 34 展示了信貸周期劃分視角下的估值因子累計凈值曲線。以貨幣周期為例，當利率趨勢上行時，利好低估值板塊走勢；當利率趨勢下行時，利好高估值板塊走勢?；诖?，我們每月末對當前所處的貨幣周期進行劃分，若當前利率趨勢上行時，給予低估值行業(yè)更高的得分；當利率趨勢下行時，給予高估值行業(yè)更高的得分，圖 35 展示了貨幣周期劃分視角下的估值因子累計凈值曲線。圖34：信貸周期劃分視角下估值因子累計凈值圖35：貨幣周期劃分視角下估值因子累計凈值資料來源：WIND，整理資料來源：WIND，

50、整理總體來看，基于信貸和貨幣周期對估值因子進行調節(jié)的方式都能夠獲得不錯的效果，然而這兩種方式在部分時期都出現了較大的回撤。例如進入到 2022 年，信貸周期和利率周期都顯示宏觀環(huán)境處于信貸擴張周期和利率下行周期，然而從估值因子的趨勢來看，市場處于趨勢低估值狀態(tài)。我們認為，趨勢是市場運行的關鍵，當市場處于明顯的趨勢狀態(tài)時，順趨勢的勝率往往高于逆趨勢的勝率。基于此，我們在原本的“信貸+貨幣”視角下引入趨勢，形成信貸、貨幣、趨勢視角下的動態(tài)估值調節(jié)方法。信貸、貨幣、趨勢視角下的動態(tài)估值調節(jié)我們首先根據新增社會融資規(guī)模、十年期國債收益率和估值因子多空相對凈值對信貸、貨幣、趨勢進行劃分，具體來講：信貸周

51、期劃分：若新增社會融資 MA3 大于去年同期值，則為信貸擴張期；若新增社會融資 MA3 小于去年同期值，則為信貸收縮期；貨幣周期劃分：若十年期國債收益率大于 MA120，則為利率上升期；若十年期國債收益率小于 MA120，則為利率下行期；因子趨勢劃分：若 PB 因子多空相對凈值大于 MA120，則為趨勢高估值；若 PB 因子多空相對凈值小于 MA120，則為趨勢低估值。由于國內貨幣政策存在一定滯后性，即政策常常跟不上基本面變化，從而使得貨幣政策在過于寬松或者過于收緊的環(huán)境中停留太久，因此我們主要以信貸周期為主要判斷依據，以貨幣周期和因子趨勢作為輔助劃分，流程圖如圖 36 所示，具體劃分細節(jié)如下

52、：若當前信貸周期處于緊縮期，則給予低估值行業(yè)更高的得分；若當前信貸周期處于擴張期，且利率處于下行期、因子趨勢為高估值，則給予高估值行業(yè)更高的得分；在其他的狀態(tài)下，不使用估值因子。圖36：信貸、貨幣和趨勢三維度視角下的動態(tài)估值調節(jié)資料來源：整理圖 37 展示了信貸、利率和趨勢狀態(tài)劃分下的估值因子累計凈值，總體來看基于三維度的判斷方式總體效果好于單指標判斷。圖37：信貸、貨幣和趨勢狀態(tài)劃分下的估值因子累計凈值資料來源：WIND，整理Crowd：行業(yè)擁擠度的興登堡預兆無論是基于行業(yè)景氣度、價格動量還是資金流向的策略，其本質上還是一種趨勢策略。然而，當行業(yè)內部交易過熱出現擁擠時，這種趨勢將很有可能發(fā)生

53、逆轉，從而給策略帶來較大的回撤。Menkveld（2015）認為當機構投資者將大量的資金集中于同一交易行為時，會引發(fā)資產價格發(fā)生大幅度的變動，其通過構造基于機構投資者的擁擠交易行為模型，對 1998 年的金融危機、2007 年的量化崩潰危機和 2008 年的金融危機展開了分析。Kinlaw（2019）認為擁擠交易通常會帶來資產價格泡沫，如果投資者可以提前識別泡沫，那么就可以在其中獲利。作者采用資產集中度（Asset Centrality）和相對價值（Relative Value）來構建擁擠度指標，并在美國市場上進行了實證。當前學術界和業(yè)界對于 A 股市場行業(yè)擁擠度的研究，通常是從行業(yè)估值分位點

54、、行業(yè)換手率、行業(yè)波動率、行業(yè)成分股收益率相關性等維度著手，構建擁擠度指標。然而這類指標通常會存在如下問題：1）選用指標并不能直接反映行業(yè)交易的擁擠程度：例如部分行業(yè)存在長期超額收益，其估值水平穩(wěn)步攀升，從而導致行業(yè)估值分位點始終處于歷史較高水平，但這并不意味著該行業(yè)始終處于交易擁擠的狀態(tài)；2）參數較為敏感：擁擠度指標往往是將當前的估值、換手率、波動率等與歷史情況進行比較，指標的設計對選用的時間窗口具有較強的敏感性；3）觸發(fā)頻次過高：通常來講，只有市場情緒過熱時才會出現交易擁擠，并非任何時刻都有行業(yè)處于過度擁擠的狀態(tài)，因此我們希望擁擠度指標觸發(fā)頻次較少，但準確率較高?；诖耍覀冊噲D尋找一種邏

55、輯簡明、計算簡單、參數較少的方式來刻畫行業(yè)擁擠度。興登堡預兆（Hindenburg Omen）是一種聲稱可預測美國股市出現股災的技術分析方法，由數學家米耶卡（Jim Miekka）于 1995 年發(fā)明，并以 1937 年墜毀的“興登堡號”飛船命名。米耶卡認為，正常情況下當股市行至高點，多數股票應處于高位；股市跌至低位，多數股票應處于低位，這是股市常態(tài)。如果股市在高位盤整時，股價創(chuàng)出一年新高與創(chuàng)出一年新低的個股均達到較高比例，同時反映市場廣度的麥克萊恩震蕩指標（McClellan Oscillator）為負數時，顯示市場正處于激烈分化之中，分化之后，市場可能出現大幅回落。在股票投資中，量是價的原

56、因，價是量的結果。當有大量資金在同一時刻涌入到同一板塊中時，往往會反映在價格的變化上。借鑒“興登堡預兆”的思路，當某一個行業(yè)內出現大面積成分股都創(chuàng)出過去 1 年新高時，往往說明該行業(yè)的短期交易情緒存在過熱的跡象。不過，由于各行業(yè)成分股數量存在較大的差別，為了反映市場資金最為關注的股票是否存在交易過熱的跡象，我們選取每個行業(yè)內過去一個月日均成交額處于行業(yè)內前 30%的股票作為行業(yè)內“成交活躍股”，隨后計算這些股票中過去一個月收盤價創(chuàng)出過去一年新高股票數量與創(chuàng)出過去一年新低股票數量之差占樣本股票的比例，我們將其記為“行業(yè)擁擠度興登堡預兆指標”：Hia流eatth子Ia流ex = NeHi子Ntn

57、NeLNtnNtn其中，Ntn 是指每個行業(yè)過去一個月“成交活躍股”股票數量，NeHi子Ntn為“ 成交活躍股” 中過去一個月內收盤價創(chuàng)出過去一年新高股票的數量， NeLNtn 為“成交活躍股”中過去一個月內收盤價創(chuàng)出過去一年新低股票的數量。若某只股票在過去一個月中既出現過一年新高又出現過一年新低的情況，我們將其記為創(chuàng)一年新低股票中。圖38：煤炭行業(yè)指數走勢與興登堡指標資料來源：WIND，整理圖 38 展示了煤炭行業(yè)指數走勢與煤炭行業(yè)興登堡指標走勢。可以看到在 2021 年9 月，煤炭板塊創(chuàng)新高比例達到 89%，說明短期交易情緒過熱，后續(xù)趨勢可能發(fā)生反轉。我們以行業(yè)興登堡指標作為衡量行業(yè)是否擁

58、擠的代理變量，當該指標高于 80%時，表明行業(yè)交易過于擁擠，短期需要回避。需要注意的是，為了避免市場系統性大漲（如 2015 年）導致大部分行業(yè)內成分股齊創(chuàng)新高的情況，若某一期滿足條件的行業(yè)大于或等于 5 個時，我們不對其進行處理。圖39：交易擁擠行業(yè)相對等權基準超額收益圖40：交易擁擠行業(yè)相對等權基準超額收益分布圖資料來源：WIND，整理資料來源：WIND，整理為了衡量擁擠度變量的有效性，我們對 2013 年以來滿足擁擠度條件的中信一級行業(yè)進行篩選，以月度為單位統計交易擁擠的行業(yè)在下個月相對行業(yè)等權組合的超額收益，其結果如圖 39 所示。在樣本區(qū)間內共有 22 個月份觸發(fā)了交易擁擠條件，圖

59、40 展示了該超額收益的分布情況，可以看到在觸發(fā)擁擠條件后，擁擠行業(yè)的期望超額收益為負，表明交易情緒達到頂點后行業(yè)指數大概率會出現回撤。圖41：行業(yè)擁擠度得分規(guī)則資料來源：整理為了便于后續(xù)綜合因子的構建，我們在對行業(yè)的擁擠度進行打分時遵循如圖 41所示的規(guī)則，具體來講：計算行業(yè)“興登堡”指標，若該指標大于 80%，則說明該行業(yè)觸發(fā)擁擠條件；若本期擁擠行業(yè)數量大于等于 5 個，則可能是由于市場系統性大漲導致，本期行業(yè)擁擠度指標均為 0；當本期擁擠行業(yè)數量小于 5 個時，給予擁擠行業(yè)一個極大負值（-999），從而確保復合得分時擁擠行業(yè)排名靠后。CANSLIM 行業(yè)輪動策略復合因子表現到目前為止，我

60、們介紹了擁擠度（Crowd）、分析師預期（Analyst）、基本面景氣度（NotableProfit）、聰明資金（Smart）、價格動量（Leader）、機構資金（Institution）、宏觀視角動態(tài)調整估值（MacroPB）等多個維度在行業(yè)輪動上的應用，如表 2 所示。接下來，我們從如上七個綜合維度出發(fā)，等權構建 CANSLIM復合因子。表2：CANSLIM 行業(yè)輪動維度綜合維度子維度計算方式Crowd擁擠度（創(chuàng)新高股票數量-創(chuàng)新低股票數量）/行業(yè)內“成交活躍股”股票數量分析師認可度（分析師認可股票數量-分析師不認可股票數量）/成分股數量AnalystNotableProfitSmartM