盈利和估值的切換宏觀環(huán)境如何向行業(yè)傳導(dǎo)

1、目錄不同行業(yè)對不同宏觀變量的敏感程度不同 7傳統(tǒng)能源行業(yè)收益對經(jīng)濟變化最為敏感 8TMT 板塊對流動性變化最為敏感 9上游周期板塊抗通脹能力較強 11不同時期市場對宏觀變量的關(guān)注重點不同 12對宏觀變量關(guān)注度的不同帶來受益行業(yè)特征的差異 12使用 Factor Mimicking 方法將低頻數(shù)據(jù)高頻化 13代理組合在部分階段體現(xiàn)了市場關(guān)注度的轉(zhuǎn)移 16通過市場關(guān)注點、宏觀變量預(yù)期和行業(yè)敏感程度給出配置建議 20盈利和估值的變化：宏觀環(huán)境與行業(yè)表現(xiàn)間的傳導(dǎo)鏈 22盈利波動大、低估值的行業(yè)受經(jīng)濟影響更大 22受流動性影響大的行業(yè)盈利、估值與流動性關(guān)系都較為密切 24通脹較高的時期高股息、低估值行業(yè)

2、受益 26根據(jù)行業(yè)主題的盈利估值特點進(jìn)行特征刻畫 26結(jié)合市場的關(guān)注點、變量的預(yù)期以及行業(yè)的盈利估值變化推薦行業(yè) 30宏觀敏感性與盈利估值特征的數(shù)量關(guān)系 30根據(jù)盈利估值標(biāo)準(zhǔn)選擇行業(yè)主題機會 31風(fēng)險提示 37圖表目錄圖 1：通過市場關(guān)注點、宏觀變量預(yù)期和行業(yè)盈利估值特征給出配置建議 6圖 2：資產(chǎn)配置時鐘下的板塊表現(xiàn) 7圖 3：我國高通脹期劃分（左軸單位：%） 11圖 4：2014 年第四季度至 2015 年第一季度漲幅前十的申萬二級行業(yè)對經(jīng)濟、流動性的敏感性得分 13圖 5：2017 年第一季度漲幅前十的申萬二級行業(yè)對經(jīng)濟、流動性的敏感性得分 13圖 6：經(jīng)濟變量與其代理組合變化 15圖

3、7：通脹變量與其代理組合變化 15圖 8：短端利率變量與其代理組合變化 16圖 9：長端利率變量與其代理組合變化 16圖 10：宏觀變量代理組合波動水平變化 17圖 11：從代理組合波動劃分市場的關(guān)注點變化 17圖 12：從滾動代理組合波動劃分市場的關(guān)注點變化 19圖 13：從滾動代理組合波動劃分市場的關(guān)注點變化（僅經(jīng)濟、流動性） 19圖 14：基于時鐘和宏觀變量關(guān)注點的行業(yè)配置組合凈值 21圖 15：鋼鐵、計算機行業(yè) ROE 與年度GDP 同比變化（左軸單位：%） 22圖 16：鋼鐵、計算機行業(yè)凈利潤同比與季度 GDP 同比變化（左軸單位：%） 22圖 17：鋼鐵行業(yè)盈利均值/波動得分 23

4、圖 18：食品飲料行業(yè)盈利均值/波動得分 23圖 19：實際 GDP 同比與基建投資完成額同比 24圖 20：計算機行業(yè)盈利、估值部分項得分 25圖 21：有色金屬行業(yè)盈利、估值部分項得分 25圖 22：有色、計算機行業(yè) PE_ TTM 與 1 年期國債收益率 25圖 23：有色、計算機行業(yè)凈利潤同比增速與 1 年期國債收益率 25圖 24：高端裝備制造指數(shù)三大宏觀敏感性特征 28圖 25：高端裝備制造指數(shù)盈利估值特征 28圖 26：網(wǎng)絡(luò)安全指數(shù)三大宏觀敏感性特征 29圖 27：網(wǎng)絡(luò)安全指數(shù)盈利估值特征 29圖 28：茅指數(shù)三大宏觀敏感性特征 29圖 29：茅指數(shù)盈利估值特征 29圖 30：基

5、于時鐘和盈利估值特征的行業(yè)配置組合凈值 33圖 31：交運行業(yè)三大宏觀敏感性特征（經(jīng)盈利估值計算） 34圖 32：交運行業(yè)最新盈利估值特征 34圖 33：基于時鐘和盈利估值特征的主題配置組合凈值 35圖 34：基于時鐘和盈利估值特征的配置邏輯 36TOC o 1-1 h z u HYPERLINK l _TOC_250022 表 1：對經(jīng)濟敏感程度最高/最低的一級行業(yè) 8 HYPERLINK l _TOC_250021 表 2：對經(jīng)濟敏感程度最高/最低的二級行業(yè) 9 HYPERLINK l _TOC_250020 表 3：對流動性敏感程度最高/最低的一級行業(yè) 10 HYPERLINK l _T

6、OC_250019 表 4：對流動性敏感程度最高/最低的二級行業(yè) 10 HYPERLINK l _TOC_250018 表 5：抗通脹能力最強/最弱的一級行業(yè) 11 HYPERLINK l _TOC_250017 表 6：待觀察的宏觀變量 14 HYPERLINK l _TOC_250016 表 7：最高的 5 個一級行業(yè)在宏觀變量上的暴露 15 HYPERLINK l _TOC_250015 表 8：基于時鐘和宏觀變量關(guān)注點的行業(yè)配置組合表現(xiàn) 21 HYPERLINK l _TOC_250014 表 9：基于時鐘和宏觀變量關(guān)注點的行業(yè)配置策略 2021 年以來行業(yè)選擇 21 HYPERLIN

7、K l _TOC_250013 表 10：對經(jīng)濟最敏感的一級行業(yè)的盈利、估值、股息分?jǐn)?shù) 23 HYPERLINK l _TOC_250012 表 11：對流動性最敏感的一級行業(yè)的盈利、估值分?jǐn)?shù) 26 HYPERLINK l _TOC_250011 表 12：抗通脹能力較強的一級行業(yè)的估值、股息率分?jǐn)?shù) 26 HYPERLINK l _TOC_250010 表 13：宏觀敏感性特征計算方法 27 HYPERLINK l _TOC_250009 表 14：盈利估值特征計算方法 27 HYPERLINK l _TOC_250008 表 15：宏觀敏感性最高的概念指數(shù) 28 HYPERLINK l _T

8、OC_250007 表 16：申萬一級行業(yè)宏觀敏感程度與盈利估值指標(biāo)的相關(guān)性 30 HYPERLINK l _TOC_250006 表 17：根據(jù)盈利估值在不同宏觀環(huán)境下的選擇標(biāo)準(zhǔn) 31 HYPERLINK l _TOC_250005 表 18：基于時鐘和盈利估值特征的行業(yè)配置組合表現(xiàn) 33 HYPERLINK l _TOC_250004 表 19：基于時鐘和盈利估值特征的 2021 年以來一級行業(yè)選擇 33 HYPERLINK l _TOC_250003 表 20：基于時鐘和盈利估值特征的行業(yè)配置組合年度表現(xiàn) 34 HYPERLINK l _TOC_250002 表 21：基于時鐘和盈利估值

9、特征的行業(yè)配置組合分年度超額收益 34 HYPERLINK l _TOC_250001 表 22：基于時鐘和盈利估值特征的行業(yè)配置組合 2017 年以來行業(yè)選擇總結(jié) 35 HYPERLINK l _TOC_250000 表 23：基于時鐘和盈利估值特征的 2021 年以來熱門主題選擇 35在重塑資產(chǎn)配置“時鐘”：經(jīng)濟預(yù)期與宏觀流動性中，我們通過經(jīng)濟前瞻指標(biāo)和復(fù)合流動性指標(biāo)構(gòu)建了兩維度的新資產(chǎn)配置時鐘，并發(fā)現(xiàn)權(quán)益板塊在各象限中存在一定的輪動關(guān)系。但根據(jù)觀察我們發(fā)現(xiàn)，同一個大板塊中的不同行業(yè)其實對宏觀變量的敏感性存在差異，對經(jīng)濟更敏感的行業(yè)在經(jīng)濟復(fù)蘇時將明顯更受益；而行業(yè)的宏觀變量敏感性實際上又與

10、其盈利估值特征密切相連：部分行業(yè)盈利水平波動大且變化與經(jīng)濟周期密切相關(guān)，因而體現(xiàn)了更強的經(jīng)濟敏感性；部分行業(yè)估值水平波動大、利潤長期空間大，因而可能體現(xiàn)更強的流動性敏感性。此外，市場對不同宏觀變量的關(guān)注程度也決定了不同時期行業(yè)盈利估值屬性的重要性變化。本報告中，我們嘗試通過數(shù)據(jù)分析行業(yè)的宏觀敏感程度，并探索盈利估值特征對如何決定最終體現(xiàn)的宏觀敏感程度，從而建立宏觀變量預(yù)判行業(yè)屬性刻畫受益行業(yè)選擇的行業(yè)主題配置框架：圖 1：通過市場關(guān)注點、宏觀變量預(yù)期和行業(yè)盈利估值特征給出配置建議資料來源：研究下面我們從宏觀敏感程度統(tǒng)計開始，逐步驗證配置框架的邏輯，并展示決策效果。不同行業(yè)對不同宏觀變量的敏感程

11、度不同統(tǒng)計經(jīng)濟、流動性、通脹指標(biāo)不同時行業(yè)的區(qū)分度，發(fā)現(xiàn)部分行業(yè)對經(jīng)濟變化十分敏感，抗通脹能力較強，但是對流動性并不敏感；部分行業(yè)對流動性非常敏感，對經(jīng)濟并不敏感。在經(jīng)濟預(yù)期+宏觀流動性時鐘的構(gòu)建中，我們曾經(jīng)將 28 個申萬一級行業(yè)分成六大板塊，統(tǒng)計了板塊在時鐘不同象限下的表現(xiàn)情況，發(fā)現(xiàn)板塊表現(xiàn)隨著時鐘象限的變化存在一定的輪動關(guān)系，例如經(jīng)濟復(fù)蘇開始時，順周期行業(yè)表現(xiàn)相對出色；隨著貨幣的收緊，金融板塊表現(xiàn)更優(yōu)；而隨著經(jīng)濟下行，科技、消費相對于其他行業(yè)的表現(xiàn)更為明顯：圖 2：資產(chǎn)配置時鐘下的板塊表現(xiàn)資料來源：研究但在統(tǒng)計中我們也發(fā)現(xiàn)，將行業(yè)通過聚類結(jié)合定性的方式合成為板塊后，板塊內(nèi)包含的成份數(shù)量較

12、多，而有些行業(yè)對宏觀環(huán)境的變化并不敏感，反而使得板塊在不同象限下表現(xiàn)的區(qū)分度較不明顯。因此，我們重新嘗試回到一級行業(yè)甚至更細(xì)分的二、三級行業(yè)的視角，觀察行業(yè)對經(jīng)濟、流動性等宏觀變量的敏感性。傳統(tǒng)能源行業(yè)收益對經(jīng)濟變化最為敏感首先，我們以季度實際GDP 的變化方向為基礎(chǔ)，計算各行業(yè)收益對經(jīng)濟變化的敏感程度。我們觀察以下幾組指標(biāo)：1）不同經(jīng)濟狀況下的月均收益差：經(jīng)濟上行時行業(yè)收益越高、經(jīng)濟下行時行業(yè)收益越低，行業(yè)對經(jīng)濟變化越敏感；2 ）經(jīng)濟上行時的上漲頻率：經(jīng)濟上行時行業(yè)的上漲頻率越高，行業(yè)受益于經(jīng)濟的程度越高；3）經(jīng)濟下行時的下跌頻率：經(jīng)濟下行時行業(yè)下跌頻率越高，行業(yè)受經(jīng)濟影響程度越高。對于 2

13、8 個申萬一級行業(yè)，我們首先對其按照三個指標(biāo)從高到低進(jìn)行 1 到 28 的打分，然后將三項得分加總，總分越低的行業(yè)代表綜合排名越靠前，其對經(jīng)濟的敏感程度就越高。我們將各項得分換算為百分位數(shù)后等權(quán)得到各行業(yè)對經(jīng)濟的敏感程度得分，對經(jīng)濟最敏感、最不敏感的 5 個行業(yè)如下：表 1：對經(jīng)濟敏感程度最高/最低的一級行業(yè)行業(yè)分位數(shù)得分經(jīng)濟上行平均收益經(jīng)濟下行平均收益經(jīng)濟上行上漲比例經(jīng)濟下行上漲比例鋼鐵15.487.93%-2.88%78.95%35.71%采掘21.437.21%-2.93%73.68%32.14%最高交通運輸26.197.06%-1.35%78.95%35.71%公用事業(yè)27.384.9

14、2%-1.03%84.21%32.14%建筑裝飾29.767.14%-1.94%73.68%32.14%計算機94.056.47%5.02%57.89%50.00%電子85.717.63%4.80%63.16%53.57%最低食品飲料83.337.67%4.71%68.42%57.14%通信82.143.93%1.42%63.16%42.86%電氣設(shè)備72.625.87%1.52%73.68%46.43%資料來源：Wind，研究數(shù)據(jù)自 2009.1 至 2020.12可以看到，鋼鐵、采掘等傳統(tǒng)周期資源行業(yè)對經(jīng)濟是最為敏感的，經(jīng)濟上下行階段的月均收益差超過 10%，而交運、公用事業(yè)等基建行業(yè)也對

15、經(jīng)濟十分敏感； TMT行業(yè)對經(jīng)濟敏感程度較低，食品飲料、電氣設(shè)備（含新能源板塊）對經(jīng)濟的敏感程度也不高。若進(jìn)一步拆成二級、三級行業(yè)，能源和基建板塊對經(jīng)濟變化更敏感、TMT 和部分消費板塊對經(jīng)濟不敏感的特點更為突出，對經(jīng)濟敏感程度最高、最低的各十個二級行業(yè)如下：行業(yè)分位數(shù)得分經(jīng)濟上行平均收益經(jīng)濟下行平均收益經(jīng)濟上行上漲比例經(jīng)濟下行上漲比例最高鋼鐵10.657.94%-2.87%78.95%35.71%煤炭開采14.438.50%-2.93%68.42%28.57%金屬制品14.789.43%0.07%78.95%35.71%工業(yè)金屬15.126.48%-0.04%78.95%28.57%航運17

16、.878.45%-2.85%68.42%25.00%造紙19.598.09%0.63%78.95%35.71%化學(xué)纖維22.6810.21%1.52%78.95%42.86%航空運輸24.4010.88%-1.98%68.42%35.71%高速公路25.097.08%-1.95%73.68%35.71%專用設(shè)備25.777.77%0.92%78.95%39.29%最低半導(dǎo)體94.857.70%7.14%47.37%53.57%飼料91.753.33%6.97%52.63%53.57%計算機應(yīng)用88.666.64%5.37%52.63%46.43%黃金87.293.55%3.03%47.37%4

17、6.43%醫(yī)療服務(wù)85.229.68%7.96%63.16%64.29%其他電子84.197.30%4.46%52.63%50.00%醫(yī)療器械84.197.07%6.47%63.16%53.57%動物保健80.767.37%5.41%52.63%46.43%餐飲80.073.52%1.23%52.63%42.86%電機78.355.66%3.42%68.42%53.57%資料來源：Wind，申萬宏源研究表 2：對經(jīng)濟敏感程度最高/最低的二級行業(yè)數(shù)據(jù)自 2009.1 至 2020.12TMT 板塊對流動性變化最為敏感與經(jīng)濟類似的，不同行業(yè)對流動性的敏感程度也并不相同。我們以利率、貨幣凈投放、超儲

18、率三者合成的綜合流動性指標(biāo)為基礎(chǔ)，我們觀察以下幾組指標(biāo)：1）不同流動性狀況下的次月月均收益差：流動性寬松時行業(yè)收益越高、流動性緊縮時行業(yè)收益越低，行業(yè)對流動性變化越敏感；2）流動性寬松時的上漲頻率：流動性寬松時行業(yè)的上漲頻率越高，行業(yè)受益于流動性的程度越高；3）流動性緊縮時的下跌頻率：流動性緊縮時行業(yè)下跌頻率越高，行業(yè)受流動性影響程度越高。對于申萬一級行業(yè)，我們同樣對其按照三個指標(biāo)從高到低進(jìn)行 1 到 28 的打分，然后將三項得分加總，總分越低的行業(yè)代表綜合排名越靠前，其對流動性的敏感程度 就越高。我們將各項得分換算為百分位數(shù)后等權(quán)得到各行業(yè)對流動性的敏感程度得分，對流動性最敏感、最不敏感的

19、5 個行業(yè)如下：行業(yè)分位數(shù)得分流動性松平均收益流動性緊平均收益流動性松上漲比例流動性緊上漲比例綜合22.622.04%-0.37%60.71%45.24%計算機22.622.84%0.75%62.50%42.86%最高通信25.002.29%-0.29%60.71%45.24%有色金屬26.191.28%0.09%64.29%42.86%傳媒30.952.08%0.07%57.14%35.71%休閑服務(wù)83.331.93%2.69%57.14%64.29%化工78.571.43%1.13%53.57%54.76%最低交通運輸75.001.13%0.49%53.57%52.38%食品飲料69.0

20、52.07%2.24%62.50%59.52%鋼鐵66.670.83%0.23%53.57%47.62%表 3：對流動性敏感程度最高/最低的一級行業(yè)資料來源：Wind，研究數(shù)據(jù)自 2013.1 至 2021.2從絕對得分來看，流動性對一級行業(yè)的區(qū)分度不如經(jīng)濟高。對經(jīng)濟不敏感的 TMT板塊在對流動性的敏感性上最為靠前，而對經(jīng)濟敏感的交運、化工板塊對流動性敏感度低，在不同流動性環(huán)境下的漲跌比例相當(dāng)。對流動性敏感程度前十、后十的二級行業(yè)如下：行業(yè)分位數(shù)得分流動性松平均收益流動性緊平均收益流動性松上漲比例流動性緊上漲比例最高黃金5.842.26%-1.16%62.50%35.71%商業(yè)物業(yè)經(jīng)營18.2

21、11.62%-1.29%58.93%38.10%動物保健19.934.08%0.04%60.71%47.62%多元金融20.961.72%-1.07%57.14%38.10%互聯(lián)網(wǎng)傳媒21.653.57%0.23%55.36%35.71%電子制造23.373.30%1.08%67.86%47.62%計算機應(yīng)用24.743.13%0.82%60.71%42.86%綜合27.152.04%-0.37%60.71%45.24%其他交運設(shè)備27.842.67%0.11%57.14%40.48%畜禽養(yǎng)殖28.522.44%0.49%60.71%47.62%最低電機88.661.53%1.32%51.79

22、%61.90%鐵路運輸87.970.30%0.37%44.64%52.38%旅游綜合80.072.39%4.06%58.93%66.67%機場75.601.63%2.33%58.93%57.14%食品加工75.261.50%2.77%57.14%54.76%化學(xué)制品74.911.57%1.30%57.14%59.52%酒店74.571.53%1.17%53.57%52.38%化學(xué)原料73.541.40%0.89%55.36%59.52%石油化工73.540.02%0.25%53.57%52.38%采掘服務(wù)73.200.07%-0.02%48.21%47.62%資料來源：Wind，申萬宏源研究表

23、 4：對流動性敏感程度最高/最低的二級行業(yè)數(shù)據(jù)自 2013.1 至 2021.2雖然黃金價格與美債利率有更強的關(guān)聯(lián)，但黃金板塊股票在對我國流動性的敏感程度上較高；TMT、化工、基建子行業(yè)的敏感程度與一級行業(yè)較為一致。上游周期板塊抗通脹能力較強雖然在過去十年中，高通脹階段并不多，持續(xù)時間也不長，但每當(dāng)流動性寬松、經(jīng)濟開始復(fù)蘇時，市場都會有階段性的通脹擔(dān)憂。因此，我們將 PPI 和CPI 同比均值連續(xù)高于 3%的階段劃分為高通脹期，用與 1.1、1.2 部分類似的方式對行業(yè)進(jìn)行打分排序，觀察哪些行業(yè)能夠在高通脹期體現(xiàn)較為出色的抗通脹能力。根據(jù) PPI 和 CPI同比數(shù)據(jù)，我們將 2010 年 1

24、月至 2011 年 12 月和 2016 年 12 月至 2017 年 12 月兩個階段定為高通脹期進(jìn)行觀察：圖 3：我國高通脹期劃分（左軸單位：%）資料來源：Wind，研究根據(jù)以上劃分，一級行業(yè)中與 PPI 構(gòu)成密切相關(guān)的上游周期行業(yè)抗通脹的能力最強，與 CPI 構(gòu)成關(guān)聯(lián)度高的食品飲料行業(yè)同樣具備較好的抗通脹能力，即在高通脹階段受到的不利影響最?。盒袠I(yè)分位數(shù)得分高通脹平均收益正常通脹平均收益高通脹上漲比例正常通脹上漲比例最強采掘16.67-0.85%0.82%45.95%49.54%有色金屬23.81-0.23%1.78%51.35%56.88%鋼鐵25.00-1.06%1.07%45.95

25、%53.21%建筑裝飾25.00-1.09%1.06%45.95%50.46%食品飲料27.381.50%2.18%62.16%60.55%表 5：抗通脹能力最強/最弱的一級行業(yè)行業(yè)分位數(shù)得分高通脹平均收益正常通脹平均收益高通脹上漲比例正常通脹上漲比例汽車89.29-1.28%2.34%40.54%62.39%通信75.00-1.29%1.38%29.73%58.72%最弱電氣設(shè)備72.62-1.14%1.99%37.84%56.88%化工71.43-1.58%1.89%43.24%60.55%輕工制造69.05-1.21%1.91%40.54%58.72%資料來源：Wind，研究數(shù)據(jù)自 20

26、09.1 至 2020.12由上可見，不同行業(yè)板塊對宏觀變量的敏感程度確實存在差異：上游周期行業(yè)具備抗通脹屬性，對經(jīng)濟變化敏感度高；食品飲料對經(jīng)濟、流動性的敏感度都不高，抗通脹能力較強；而 TMT 板塊整體對經(jīng)濟不敏感，對流動性的變化較為敏感。因此，若我們能在不同的宏觀環(huán)境下根據(jù)不同行業(yè)對變量的敏感度選擇合適的資產(chǎn)，相比僅依據(jù)時鐘象限的歷史規(guī)律，能獲得邏輯更清晰的自上而下的配置建議。不同時期市場對宏觀變量的關(guān)注重點不同對宏觀變量關(guān)注度的不同帶來受益行業(yè)特征的差異而除了行業(yè)板塊對宏觀變量的敏感程度有所差異，市場本身對宏觀變量的關(guān)注度也可能有所差別。例如 2014 年下半年牛市中，流動性環(huán)境寬松而

27、經(jīng)濟數(shù)據(jù)較弱，市場對流動性的關(guān)注度階段性地強于對經(jīng)濟的關(guān)注度，對流動性敏感的行業(yè)也在這一階段中表現(xiàn)更為出色，二級行業(yè)運輸設(shè)備在這兩個季度累計上漲 154%，而該階段表現(xiàn)較好的行業(yè)在對經(jīng)濟的敏感性上較為分散。而在 2017 年一季度，雖然流動性偏緊，但經(jīng)濟處于復(fù)蘇狀態(tài)，市場在該階段對經(jīng)濟、流動性的關(guān)注度都較高，表現(xiàn)較好的行業(yè)常呈現(xiàn)出對經(jīng)濟敏感、對流動性不敏感的特點。我們統(tǒng)計 2014 年第四季度至 2015 年第一季度、2017 年第一季度漲幅前十的二級行業(yè)對經(jīng)濟、流動性的敏感性（得分越低越敏感），繪制氣泡圖如下，可見 2014年四季度至 2015 年一季度表現(xiàn)較好的行業(yè)分布偏左，2017 年一

28、季度表現(xiàn)較好的行業(yè)分布偏右下角：圖 4：2014 年第四季度至 2015 年第一季度漲幅前 十的申萬二級行業(yè)對經(jīng)濟、流動性的敏感性得分資料來源：Wind，研究得分越低代表越敏感，氣泡大小代表漲幅的相對大小圖 5：2017 年第一季度漲幅前十的申萬二級行業(yè)對 經(jīng)濟、流動性的敏感性得分資料來源：Wind，研究得分越低代表越敏感，氣泡大小代表漲幅的相對大小若我們需要通過行業(yè)對宏觀變量的敏感程度做出行業(yè)配置決策，除了計算行業(yè)的特征，還需要對市場對宏觀環(huán)境的關(guān)注點做出判斷：當(dāng)市場重點關(guān)注經(jīng)濟的變化且預(yù)期經(jīng)濟處于復(fù)蘇時，建議配置對經(jīng)濟變化敏感的行業(yè)；當(dāng)市場重點關(guān)注流動性的變化且流動性寬松時，建議配置對流動

29、性變化敏感的行業(yè)。使用 Factor Mimicking 方法將低頻數(shù)據(jù)高頻化市場對特定宏觀數(shù)據(jù)的關(guān)注度的變化速度是較快的，而通過宏觀變量本身也較難判斷市場的關(guān)注點。因此，我們借助 Factor Mimicking 的低頻數(shù)據(jù)高頻化的方法，嘗試尋找能夠代表市場關(guān)注的宏觀因子的代理組合，從而以代理組合的波動情況推斷市場的關(guān)注點。Factor Mimicking 方法背后的邏輯主要是部分資產(chǎn)與宏觀因子的關(guān)聯(lián)性較強，資產(chǎn)的收益能夠被多個宏觀因子共同解釋： = + + + (1)其中為 t 時刻的資產(chǎn)收益， 為常數(shù)， +為間隔 h 時間后的宏觀變量，B 即為連接資產(chǎn)收益與宏觀變量的因子載荷，或因子暴露

30、。假設(shè)我們共有 m 個宏觀因子，需要得到第 k 個因子的代理組合，求解得到 n 個資產(chǎn)對經(jīng)濟的因子暴露后，即可通過以下優(yōu)化求解：min . . = (2) 為代理組合的權(quán)重向量，為第k 維為 1 ，其余維為 0 的 m 為向量；這樣求解的組合在第 k 個因子上有單位暴露。當(dāng)這一組合的波動較大時，證明市場預(yù)期被代理的宏觀因子可能有較大的變化，市場在這一因子上的關(guān)注度較高。在實際操作中，由于宏觀因子僅解釋資產(chǎn)收益的一部分，（1）式所代表的線性關(guān)系往往較弱，因此我們可先將宏觀因子向資產(chǎn)的主成分做一次投影，然后以擬合的宏觀數(shù)據(jù)再進(jìn)行（1）、（2）的計算。我們主要計算 4 個宏觀變量的代理組合：變量名稱

31、具體數(shù)值經(jīng)濟中國 OECD 領(lǐng)先指標(biāo)通脹（CPI 同比+PPI 同比）/2表 6：待觀察的宏觀變量短期流動性長期流動性1 年期國債到期收益率10 年期國債到期收益率資料來源：研究中國OECD 領(lǐng)先指標(biāo)雖然在領(lǐng)先判斷上略顯不足，但與我國 GDP 同比數(shù)據(jù)的整體走勢較為接近，且數(shù)據(jù)較平滑、頻率為月頻，因此我們在經(jīng)濟數(shù)據(jù)上采用這一指標(biāo)進(jìn)行后續(xù)的計算。我們采用的Factor Mimicking 的具體流程如下：以申萬一級行業(yè)為基礎(chǔ)資產(chǎn)，2009 年末起至 2019 年末每個月滾動計算過去 12 個月的累計收益作為收益率矩陣，標(biāo)準(zhǔn)化后提取 20%的主成分（6 個）；將 4 個宏觀變量以 0 為均值、0.

32、1 為標(biāo)準(zhǔn)差進(jìn)行標(biāo)準(zhǔn)化，然后使用Lasso 回歸分別將 4 個標(biāo)準(zhǔn)化后的宏觀變量向 6 個主成分進(jìn)行投影，得到宏觀變量矩陣的投影版本，以此作為新的宏觀變量矩陣，使用 Lasso 回歸的目的是僅保留與宏觀變量關(guān)聯(lián)度高的主成分，提高投影效率，參數(shù)選擇采用交叉驗證使得均方誤差最?。辉偈褂?Lasso 回歸將每個一級行業(yè)收益率（即 1）中的累計 12 個月收益率的向量）向投影，得到每個一級行業(yè)在每個宏觀因子上的暴露；最后求解在每個宏觀變量上有單位暴露的一級行業(yè)組合。為了提高宏觀變量對資產(chǎn)收益的解釋力并增強穩(wěn)定性，上述流程中我們兩次采用 Lasso 回歸，在 3）中我們得到的各資產(chǎn)的（1）式的平均2為

33、0.75，而若直接以表 6 的變量本身作為自變量進(jìn)行線性回歸，模型的平均2僅為 0.26。申萬一級行業(yè)休閑服務(wù)模型0.91經(jīng)濟-1.48通脹-4.15短端利率-13.38長端利率3.72汽車0.900.88-4.21-13.51-1.40電子0.83-0.68-2.54-12.547.92采掘0.830.23-2.90-9.89-7.52傳媒0.830.70-4.44-9.3312.56表 7：最高的 5 個一級行業(yè)在宏觀變量上的暴露資料來源：Wind，研究不同行業(yè)的因子暴露差異較大。針對 4 個宏觀變量，我們求解出 4 個代理組合如下：圖 6：經(jīng)濟變量與其代理組合變化圖 7：通脹變量與其代理

34、組合變化資料來源：Wind，研究代理組合數(shù)據(jù)自 2009 年末至 2021 年 2 月，左軸為組合凈值，右軸為 OECD 領(lǐng)先指標(biāo)值資料來源：Wind，研究代理組合數(shù)據(jù)自 2009 年末至 2021 年 2 月，左軸為組合凈值，右軸為（CPI 同比+PPI 同比）/2，單位%圖 8：短端利率變量與其代理組合變化圖 9：長端利率變量與其代理組合變化資料來源：Wind，研究代理組合數(shù)據(jù)自 2009 年末至 2021 年 2 月，左軸為組合凈值，右軸為 1 年期國債收益率（%）資料來源：Wind，研究代理組合數(shù)據(jù)自 2009 年末至 2021 年 2 月，左軸為組合凈值，右軸為 10 年期國債收益率

35、（%）需要注意的是，在擬合過程中，我們得到的是累計 12 個月收益率與宏觀變量的關(guān)系，組合在給定宏觀變量上有單位暴露不代表組合凈值與宏觀變量走勢一致。代理組合在部分階段體現(xiàn)了市場關(guān)注度的轉(zhuǎn)移雖然代理組合并不能代替宏觀變量的走勢，但我們能夠通過代理組合的波動來觀察市場不同階段關(guān)注的宏觀變量。從代理組合的構(gòu)建原理來看，代理組合累計一年的收益與宏觀變量度高，那么短期內(nèi)如果代理組合波動增加，說明市場對對應(yīng)的宏觀變量一年后變化的關(guān)注度可能在上升，市場可能在交易這一變化。首先，我們以經(jīng)濟變量代理組合為例，觀察組合的波動是否在不同階段有所差異。由于代理組合本身的波動有所差異，我們根據(jù)滾動 1 年的波動在過去

36、 1 年中的相對位置來衡量組合當(dāng)前的波動情況：組合當(dāng)前波動水平 = ()其中為當(dāng)前的組合波動（按 250 天的日收益率計算）， 為過去一年的波動率均值，()為過去一年的波動率標(biāo)準(zhǔn)差。4 個代理組合的波動水平變化如下：圖 10：宏觀變量代理組合波動水平變化資料來源：Wind，研究數(shù)據(jù)自 2011 年 1 月至 2021 年 2 月我們根據(jù)每個階段波動最高的代理組合，可嘗試劃分市場關(guān)注點轉(zhuǎn)移的情況：圖 11：從代理組合波動劃分市場的關(guān)注點變化資料來源：Wind，研究數(shù)據(jù)自 2011 年 1 月至 2021 年 2 月配合圖 9 和圖 10 來看，部分時段幾個代理組合的波動差異不大或都相對較低，市場

37、關(guān)注重點不明確，但也有部分時段某 1-2 個變量明顯受到關(guān)注。我們根據(jù)以上圖片信息梳理各時段的核心關(guān)注變量情況如下：2010 年末至 2011 年 9 月，市場關(guān)注重點在通脹，隨著高通脹的持續(xù)，市場關(guān)注度逐漸減弱，隨后關(guān)注重點轉(zhuǎn)向流動性；2011 年后期至 2017 年，經(jīng)濟處于下行階段，通脹多數(shù)時候處于低位，市場關(guān)注的重點多數(shù)時候都在流動性上，2011 至 2013 年受流動性逐漸收緊影響，權(quán)益表現(xiàn)相對較弱，而 2014 年中權(quán)益市場快速上漲的開啟與短端流動性密切相關(guān)，2015 年下半年至 2016 年，短端流動性偏緊的狀態(tài)也對權(quán)益市場有較大的影響；2015 年上半年出現(xiàn)了一段通脹為主要關(guān)注

38、點的階段：該階段通脹處于下降過程中，低通脹預(yù)期疊加寬松的流動性環(huán)境繼續(xù)推動權(quán)益估值提升；2017 年處于高通脹期，市場整體對通脹關(guān)注度更高，但各變量關(guān)注度整體都不高；2018 年市場對短期流動性和經(jīng)濟的關(guān)注度都較高，2019 年對經(jīng)濟的關(guān)注度明顯提升，疫情前市場開始關(guān)注復(fù)蘇拐點何時發(fā)生；受疫情影響，2020 年上半年市場的關(guān)注點階段性回到流動性， 并帶動權(quán)益市場的上漲；2020 年第三季度，市場階段性擔(dān)憂通脹，權(quán)益市場震蕩，但第四季度又轉(zhuǎn)向關(guān)注經(jīng)濟，該階段權(quán)益上漲也較明顯；2021 年 1 月 22 日開始，代理組合提示關(guān)注的重點轉(zhuǎn)向通脹，市場波動開始加大。從以上總結(jié)來看，權(quán)益市場的波動確實常

39、與關(guān)注點的變化有較為密切的聯(lián)系，這一點在 2014 年以來都有較明顯的體現(xiàn)。在 2.2 代理組合的構(gòu)建中，我們使用了較長的歷史數(shù)據(jù)進(jìn)行建模，因此圖 9-10中 2020 年之前的關(guān)注點劃分用到了一定的未來數(shù)據(jù)。雖然結(jié)論與市場環(huán)境匹配度較高，但我們?nèi)韵Ｍ麌L試減少未來數(shù)據(jù)的使用，因此我們嘗試從 2012 年末開始，每年末滾動使用自 2009 年起的數(shù)據(jù)重新計算代理組合的權(quán)重，重新計算后市場的關(guān)注點變化劃分情況如下：圖 12：從滾動代理組合波動劃分市場的關(guān)注點變化資料來源：Wind，研究數(shù)據(jù)自 2011 年 1 月至 2021 年 2 月如果僅關(guān)注經(jīng)濟、流動性的關(guān)注度，劃分情況如下：圖 13：從滾動

40、代理組合波動劃分市場的關(guān)注點變化（僅經(jīng)濟、流動性）資料來源：Wind，研究數(shù)據(jù)自 2011 年 1 月至 2021 年 2 月滾動計算后雖然代理組合的凈值有較大的不同，但在重要階段其波動中傳遞出的信息與之前差異不大：2014 年行情的啟動主要來自市場對長期流動性的持續(xù)關(guān)注以及流動性的放松；2015 年市場關(guān)注點開始向經(jīng)濟和短期流動性偏移；2017 年市場關(guān)注經(jīng)濟和通脹，2019 年開始經(jīng)濟復(fù)蘇成為主線。2020 年下半年至 2021 年，圖10 和 11 給出的結(jié)論略有不同，我們理解為對經(jīng)濟復(fù)蘇過程中可能帶來的未來的通脹問題存在一定擔(dān)憂。通過市場關(guān)注點、宏觀變量預(yù)期和行業(yè)敏感程度給出配置建議我

41、們通過Factor Mimicking 的代理組合了解市場的關(guān)注重點后，可以進(jìn)一步將市場的關(guān)注點、對宏觀變量的預(yù)期以及行業(yè)板塊對宏觀變量的敏感程度三者結(jié)合給出行業(yè)板塊的配置建議。我們嘗試自 2013 年以來結(jié)合市場的關(guān)注點以及重塑資產(chǎn)配置“時鐘”：經(jīng)濟預(yù)期與宏觀流動性中的經(jīng)濟和流動性觀點進(jìn)行行業(yè)選擇的嘗試，具體方式如下：根據(jù)時鐘的觀點得到申萬一級行業(yè)的經(jīng)濟、流動性得分：經(jīng)濟復(fù)蘇時行業(yè)經(jīng)濟得分為經(jīng)濟敏感性分位數(shù)得分（表 1 的分位數(shù)得分），經(jīng)濟衰退時為得分為負(fù)的敏感性分位數(shù)得分；流動性寬松時行業(yè)流動性得分為表 3 的分位數(shù)得分，緊縮時為負(fù)的分位數(shù)得分；將每個行業(yè)的兩部分得分相加并從低到高排序得到

42、當(dāng)前宏觀狀態(tài)下的行業(yè)排序（以經(jīng)濟復(fù)蘇+流動性緊縮為例，選擇的行業(yè)為經(jīng)濟敏感性高、流動性敏感性低的）；根據(jù)代理組合波動調(diào)整得分：當(dāng)過去一個月市場關(guān)注經(jīng)濟變化的時間高于70%時，將經(jīng)濟部分得分乘以 2 后與流動性相加；關(guān)注流動性的時間高于70%時，將流動性得分乘以 2 后與經(jīng)濟相加；否則不調(diào)整。以上兩組分別對應(yīng)不考慮與考慮市場對宏觀變量的關(guān)注點的組合，我們分別根據(jù)以上打分排序結(jié)果選擇行業(yè)：不考慮市場對宏觀變量的關(guān)注點時，選擇綜合得分前 10、兩項單項得分都在前一半的行業(yè)；考慮市場對宏觀變量的關(guān)注點時，選擇綜合得分前 10 、受關(guān)注變量得分前10、另一變量得分在前一半的行業(yè)。組合與行業(yè)等權(quán)基準(zhǔn)、Wi

43、nd 全A（近似于市值加權(quán)的行業(yè)指數(shù)組合）的表現(xiàn)對比如下：圖 14：基于時鐘和宏觀變量關(guān)注點的行業(yè)配置組合凈值資料來源：Wind，研究回測自 2013 年 1 月至 2021 年 2 月組合年化收益年化波動最大回撤夏普率不考慮關(guān)注點18.24%考慮關(guān)注點20.25%26.03%50.98%0.7027.18%52.19%0.74表 8：基于時鐘和宏觀變量關(guān)注點的行業(yè)配置組合表現(xiàn)Wind 全 A11.90%26.03%55.99%0.46行業(yè)等權(quán)10.54%24.49%58.93%0.43資料來源：Wind，研究回測自 2013 年 1 月至 2021 年 2 月此外，在對通脹擔(dān)憂較高的階段，我

44、們也可以在行業(yè)選擇的打分上再加入抗通脹的考慮，即根據(jù)通脹關(guān)注度，在 2017 年 2-3 月、2018 年 1-4 月，在得分上再加上通脹敏感度得分，則組合 2013 年以來的年化收益將被進(jìn)一步提升至 20.62%。組合 2021 年 14 月的配置主線均為經(jīng)濟復(fù)蘇+流動性收緊且經(jīng)濟關(guān)注度更高，行業(yè)選擇情況如下：12345化工鋼鐵 家用電器輕工制造公用事業(yè)編號2021 年 14 月行業(yè)表 9：基于時鐘和宏觀變量關(guān)注點的行業(yè)配置策略 2021 年以來行業(yè)選擇6交通運輸7建筑材料資料來源：Wind，研究盈利和估值的變化：宏觀環(huán)境與行業(yè)表現(xiàn)間的傳導(dǎo)鏈上一部分中，我們從宏觀環(huán)境傳導(dǎo)到行業(yè)配置建議的這一

45、環(huán)節(jié)主要采用了第一部分的打分結(jié)果，雖然統(tǒng)計規(guī)律在歷史上顯著程度較高，但主要仍基于行業(yè)歷史表現(xiàn)的統(tǒng)計。事實上，從宏觀環(huán)境向行業(yè)收益率傳導(dǎo)的過程中存在一定的中間變量。盈利波動大、低估值的行業(yè)受經(jīng)濟影響更大從傳導(dǎo)邏輯上看，當(dāng)經(jīng)濟處于復(fù)蘇狀態(tài)時，部分行業(yè)的盈利水平將有明顯的改善，例如上游周期、汽車等行業(yè)，這些行業(yè)的盈利水平波動大、盈利受經(jīng)濟影響大，也因此體現(xiàn)了對經(jīng)濟變化更敏感的特征。我們將鋼鐵和計算機兩個一級行業(yè)的年度 ROE水平、季度凈利潤同比增速的變化與GDP 年度、季度同比進(jìn)行比較，發(fā)現(xiàn)鋼鐵行業(yè)的盈利波動水平顯著高于計算機行業(yè)：圖 15：鋼鐵、計算機行業(yè) ROE 與年度 GDP 同比變化（左軸單

46、位：%）圖 16：鋼鐵、計算機行業(yè)凈利潤同比與季度GDP 同比變化（左軸單位：%）資料來源：Wind，研究資料來源：Wind，研究除了盈利波動更大，鋼鐵行業(yè)盈利變化方向也體現(xiàn)出了與實際GDP 同比變化方向較強的一致性。若我們計算28 個申萬一級行業(yè)的盈利均值、波動數(shù)據(jù)，我們發(fā)現(xiàn)鋼鐵行業(yè)在RO E、 EPS 的波動上都處于第一位，在凈利潤、凈利潤增速的波動上也都處于前五位。我們將各行業(yè)年度 ROE 的均值及波動、EPS 的均值及波動、凈利潤的均值及波動以及凈利潤同比的均值及波動分別進(jìn)行行業(yè)之間的排序打分，均值/波動越大分?jǐn)?shù)越高，其中鋼鐵和食品飲料行業(yè)的得分情況如下：圖 17：鋼鐵行業(yè)盈利均值/波

47、動得分圖 18：食品飲料行業(yè)盈利均值/波動得分資料來源：Wind，研究資料來源：Wind，研究兩個行業(yè)的得分情況有較大差異：鋼鐵行業(yè)具有明顯的盈利均值水平低、盈利波動大的特點；而食品飲料行業(yè)則明顯在盈利均值水平上更高，在盈利絕對水平上波動中等，盈利增速上波動較低。除了鋼鐵行業(yè)，表 1 計算的受經(jīng)濟影響最大的其他四個行業(yè)整體上也具有盈利波動相對較大、平均估值水平低、高股息的特點（下表中分?jǐn)?shù)經(jīng)百分制換算，分?jǐn)?shù)越高，波動、均值越大）：一級行業(yè)名稱凈利潤增速波動分?jǐn)?shù)凈利潤波動分?jǐn)?shù)估值均值分?jǐn)?shù)股息均值分?jǐn)?shù)鋼鐵89.2989.2964.2989.29采掘100.0092.8628.5796.43交通運輸5

48、7.1467.8617.8682.14公用事業(yè)17.8639.2935.7185.71建筑裝飾10.7164.297.1471.43表 10：對經(jīng)濟最敏感的一級行業(yè)的盈利、估值、股息分?jǐn)?shù)資料來源：Wind，研究以上對經(jīng)濟最為敏感的行業(yè)中，鋼鐵、采掘為上游周期行業(yè)，其余交運、公用事業(yè)、建筑行業(yè)可被歸為基建板塊，我國經(jīng)濟復(fù)蘇中基建往往扮演了重要的角色，幾次經(jīng)濟回暖中固定資產(chǎn)的投資額同比都有明顯的上升：圖 19：實際 GDP 同比與基建投資完成額同比資料來源：Wind，研究數(shù)據(jù)自 2008 年第四季度至 2020 年第四季度而基礎(chǔ)建設(shè)直接帶動了上游的需求，因此以上行業(yè)在歷史上體現(xiàn)了對經(jīng)濟變化最敏感的

49、特點。隨著基建、上游周期行業(yè)的復(fù)蘇，經(jīng)濟復(fù)蘇逐漸向其他中下游板塊傳導(dǎo)。基建行業(yè)常同時具備高股息、低估值的特點，當(dāng)經(jīng)濟處于復(fù)蘇狀態(tài)時，在盈利抬升的預(yù)期下，此類行業(yè)的估值水平也更具備吸引力。受流動性影響大的行業(yè)盈利、估值與流動性關(guān)系都較為密切在經(jīng)濟與行業(yè)表現(xiàn)之間的連接上，盈利是重要的中間變量，盈利與經(jīng)濟變化密切相關(guān)的行業(yè)更容易在經(jīng)濟上行時得到估值提升的機會，從而有好的表現(xiàn)。而宏觀流動性與企業(yè)表現(xiàn)之間的關(guān)系則在盈利、估值上都有所體現(xiàn)。從企業(yè)利潤的視角來看，持續(xù)寬松的流動性改善了企業(yè)的融資環(huán)境，同時經(jīng)濟復(fù)蘇也往往伴隨其后，企業(yè)的盈利狀況將有所改善，這也可以被認(rèn)為是盈利改善的貨幣現(xiàn)象；從現(xiàn)金流貼現(xiàn)的視角

50、來看，無風(fēng)險利率下行，現(xiàn)金流穩(wěn)定的企業(yè)估值將得到提升；從投資者的視角來看，寬松的流動性環(huán)境使得二級市場資金更為充裕，估值提升意愿增加。正是因為流動性向行業(yè)表現(xiàn)的傳導(dǎo)鏈相對復(fù)雜，行業(yè)對流動性的敏感程度差異相對于對經(jīng)濟的敏感程度差異也更小一些。我們觀察對流動性變化較敏感的計算機和有色金屬行業(yè)的盈利、估值及各自與流動性關(guān)系的得分情況，兩者的特征存在一定的相同和不同之處：圖 20：計算機行業(yè)盈利、估值部分項得分圖 21：有色金屬行業(yè)盈利、估值部分項得分資料來源：Wind，研究資料來源：Wind，研究上圖中“流動性凈利潤增速差分?jǐn)?shù)”與“流動性凈利潤差分?jǐn)?shù)”指流動性偏松和偏緊狀態(tài)下行業(yè)的凈利潤增速、凈利潤

51、的均值差在 28 個一級行業(yè)中的排名。兩個行業(yè)的平均估值、估值波動都處于較高的水平，股息率也始終在行業(yè)中排名靠后；兩者的利潤都與流動性有較大的關(guān)系，而有色行業(yè)的平均利潤、利潤波動高于計算機。圖 22：有色、計算機行業(yè) PE_TTM 與 1 年期國債收 益率資料來源：Wind，研究數(shù)據(jù)自 2009 年至 2021 年 2 月圖 23：有色、計算機行業(yè)凈利潤同比增速與 1 年期國債收益率資料來源：Wind，研究 數(shù)據(jù)自 2016 年至 2020 年第三季度從上圖來看，兩個行業(yè)的盈利與估值都和利率變化有一定關(guān)系。表 3 計算的對流動性最敏感的行業(yè)整體上也具有凈利潤波動高且受流動性影響大、平均估值水平

52、及估值波動水平高的特點（下表中分?jǐn)?shù)經(jīng)百分制換算，分?jǐn)?shù)越高，波動、均值越大）：一級行業(yè)名稱凈利潤增速波動分?jǐn)?shù)流動性凈利潤增速差分?jǐn)?shù)估值均值分?jǐn)?shù)估值波動分?jǐn)?shù)計算機綜合71.4385.7196.4371.4375.0067.8682.1482.14通信85.7189.2971.4357.14有色金屬傳媒96.4353.5796.4328.5792.8678.5792.8664.29表 11：對流動性最敏感的一級行業(yè)的盈利、估值分?jǐn)?shù)資料來源：Wind，研究通脹較高的時期高股息、低估值行業(yè)受益我們對通脹的關(guān)注主要基于 CPI、PPI，這兩個指數(shù)本身就與部分行業(yè)存在更強的關(guān)聯(lián)。例如，食品飲料、農(nóng)產(chǎn)品價格與

53、 CPI 高度相關(guān)，這些行業(yè)在高通脹期吸引力高于其他行業(yè)；大宗商品價格的上升可能帶來部分行業(yè)個股銷售額的上升，成為行業(yè)上漲的主要驅(qū)動力，則這些行業(yè)也會在高通脹期將具備更高的投資價值。從表 5 抗通脹能力較強的行業(yè)特征來看，這些行業(yè)高股息、低估值的特征相對較為突出：一級行業(yè)名稱估值均值分?jǐn)?shù)估值波動分?jǐn)?shù)股息均值分?jǐn)?shù)股息波動分?jǐn)?shù)采掘 有色金屬28.5767.8696.4392.8692.8692.8628.5742.86表 12：抗通脹能力較強的一級行業(yè)的估值、股息率分?jǐn)?shù)建筑裝飾7.1425.0071.4360.71鋼鐵64.2996.4389.29100.00銀行3.573.57100.0089.

54、29資料來源：Wind，研究根據(jù)行業(yè)主題的盈利估值特點進(jìn)行特征刻畫3.1-3.3 中我們通過計算 28 個申萬一級行業(yè)的多項盈利、估值指標(biāo)的均值、波動以及指標(biāo)在不同流動性環(huán)境下的差異的相對排名對行業(yè)進(jìn)行了一定的特征刻畫，并總結(jié)了經(jīng)濟、流動性、通脹向行業(yè)表現(xiàn)傳導(dǎo)的邏輯，這些數(shù)據(jù)結(jié)論一方面解釋了行業(yè)對經(jīng)濟、流動性敏感程度存在差異的原因，另一方面也能通過規(guī)律的總結(jié)進(jìn)一步提供宏觀視角下行業(yè)選擇的邏輯。事實上，類似于一級行業(yè)，我們也可以對任意市場關(guān)心的主題進(jìn)行盈利、估值特征的刻畫；相比于一級行業(yè)，我們對主題指數(shù)的估值、盈利特征往往不熟悉，通過特征刻畫可以對我們選擇受益主題有所幫助。下面我們以 Wind

55、熱門概念板塊指數(shù)系列為例，對成份股個數(shù)超過 20 只、基日在 2015 年 1 月 1 日之前的 81 條主題指數(shù)進(jìn)行特征刻畫。我們進(jìn)行宏觀敏感性、盈利估值特征兩個維度的刻畫，具體指標(biāo)和計算方式如下：指標(biāo)名稱經(jīng)濟敏感程度計算子指標(biāo)實際 GDP 同比上行對應(yīng)季度的指數(shù)平均收益；實際 GDP 同比下行對應(yīng)季度的指數(shù)平均收益；實際 GDP 同比上行與下行對應(yīng)季度的指數(shù)上漲頻率之差。匯總方式將 1、3 項分別在所有指數(shù)中從低到高排序、第 2 項從高到低排序，將三項得分加總后換算成百分制，得分越高說明經(jīng)濟數(shù)據(jù)方向變化時指數(shù)的收益區(qū)分度越高，對經(jīng)濟越敏感。流動性敏感程度綜合流動性指標(biāo)寬松對應(yīng)月份的指數(shù)平均

56、收益；綜合流動性指標(biāo)緊縮對應(yīng)月份的指數(shù)平均收益；綜合流動性指標(biāo)寬松和緊縮對應(yīng)月份的指數(shù)上漲頻率之差。將 1、3 項分別在所有指數(shù)中從低到高排序、第 2 項從高到低排序，將三項得分加總后換算成百分制，得分越高說明流動性環(huán)境變化時指數(shù)的收益區(qū)分度越高，對流動性越敏感。抗通脹程度高通脹時期對應(yīng)月份的指數(shù)平均收將 1、3 項分別在所有指數(shù)中從低到高排益；序、第 2 項從高到低排序，將三項得分加普通通脹時期對應(yīng)月份的指數(shù)平均收總后換算成百分制，得分越高說明通脹環(huán)益；境變化時指數(shù)的收益區(qū)分度越低，抗通脹高通脹與普通通脹時期對應(yīng)月份的指能力越強。數(shù)上漲頻率之差。表 13：宏觀敏感性特征計算方法資料來源：研究

57、以上宏觀敏感性計算方法和第一部分基本一致，此處為了展示的直觀我們將原先的排名越靠前越敏感改為得分越高越敏感，即將從高到低排序的部分改為從低到高。ROE 均值ROE 波動凈利潤均值凈利潤波動估值均值 估值波動 股息均值股息波動將指數(shù) 20142019 年的年度 ROE 平均后從低到高排名，平均 ROE 越高分?jǐn)?shù)越高將指數(shù) 20142019 年的年度 ROE 求標(biāo)準(zhǔn)差后從低到高排名，ROE 波動越高分?jǐn)?shù)越高將指數(shù) 20152020 年每季度滾動一年的凈利潤平均后從低到高排名，平均凈利潤越高分?jǐn)?shù)越高將指數(shù) 20152020 年每季度滾動一年的凈利潤求標(biāo)準(zhǔn)差后從低到高排名，凈利潤波動越高分?jǐn)?shù)越高將指數(shù)

58、 20152020 年每月的 PE 平均后從低到高排名，平均 PE 越高分?jǐn)?shù)越高將指數(shù) 20152020 年每月的 PE 求標(biāo)準(zhǔn)差后從低到高排名，PE 波動越高分?jǐn)?shù)越高將指數(shù) 20152020 年每月的股息率平均后從低到高排名，平均股息率越高分?jǐn)?shù)越高將指數(shù) 20152020 年每月的股息率求標(biāo)準(zhǔn)差后從低到高排名，股息率波動越高分?jǐn)?shù)越高指標(biāo)名稱計算方法表 14：盈利估值特征計算方法資料來源：研究根據(jù)以上計算方法，我們得到對經(jīng)濟、流動性敏感程度及抗通脹程度最高的 5個概念指數(shù)分別如下：經(jīng)濟敏感前五流動性敏感前五抗通脹能力前五指數(shù)名稱高端裝備制造指數(shù)一帶一路指數(shù)經(jīng)濟敏感程度指數(shù)名稱流動性敏感程度指數(shù)

59、名稱抗通脹能力86.42網(wǎng)絡(luò)安全指數(shù)83.95一帶一路指數(shù)90.5382.30高送轉(zhuǎn)概念指數(shù)82.72環(huán)保概念指數(shù)86.01銀行(一致評級)指數(shù)79.42智慧醫(yī)療指數(shù)82.30ST 概念指數(shù)81.89工業(yè) 4.0 指數(shù)79.01數(shù)字貨幣指數(shù)80.66白色家電(一致評級)指數(shù)79.84核電指數(shù)77.78量子技術(shù)指數(shù)76.95富時羅素概念指數(shù)77.37資料來源：Wind，申萬宏源研究表 15：宏觀敏感性最高的概念指數(shù)經(jīng)濟敏感程度高的行業(yè)集中在基建、制造，而流動性敏感程度高的指數(shù)科技占比較高。我們將經(jīng)濟敏感程度最高的高端裝備制造指數(shù)的特征繪制雷達(dá)圖如下：圖 24：高端裝備制造指數(shù)三大宏觀敏感性特征圖

60、 25：高端裝備制造指數(shù)盈利估值特征資料來源：Wind，研究數(shù)據(jù)自 2015 年至 2020 年資料來源：Wind，研究數(shù)據(jù)自 2015 年至 2020 年從盈利估值特征來看，該指數(shù)利潤波動水平較高、估值相對較低，與 3 .1 總結(jié)的特征相似。我們將流動性敏感程度最高的網(wǎng)絡(luò)安全指數(shù)的特征繪制如下：圖 26：網(wǎng)絡(luò)安全指數(shù)三大宏觀敏感性特征圖 27：網(wǎng)絡(luò)安全指數(shù)盈利估值特征資料來源：Wind，研究數(shù)據(jù)自 2015 年至 2020 年資料來源：Wind，研究數(shù)據(jù)自 2015 年至 2020 年網(wǎng)絡(luò)安全指數(shù)與高端裝備制造指數(shù)的盈利估值特征差異十分明顯，網(wǎng)絡(luò)安全指數(shù)的凈利潤平均水平和波動水平明顯較低，而