Workflow
基于财报盈利增速的行业配置模型
湘财证券·2025-11-07 19:47

根据您提供的研报内容,以下是关于报告中涉及的量化模型与因子的详细总结。 量化模型与构建方式 1. 模型名称:基于财报盈利增速的行业配置模型[3][7] * 模型构建思路:该模型以财报盈利增速作为筛选行业的主要正向标准,认为财报公布后,投资者会买入盈利能力强的行业[7][27];同时,结合估值和交易拥挤度作为反向风险指标,以控制风险[7][27] * 模型具体构建过程: 1. 选择指标:模型选取四个指标[29]: * 盈利增速指标(正向): * 净利润单季度同比 * 净利润单季度同比_边际变化(计算公式:边际变化 = 2025年Q3单季度同比 - 2024年Q3单季度同比)[15] * 风险指标(反向): * 估值分位数(PE_TTM历史分位数,计算窗口为2020年至今)[21] * 换手率标准差(计算窗口为过去3个月)[24] 2. 数据标准化:对每个指标在截面(所有申万一级行业)上进行排序(Rank),得到每个行业在每个指标下的排序值[30] 3. 权重设定:由于盈利增速是筛选的第一准则,给予两个盈利指标较高的权重(各0.3),两个风险指标较低的权重(各0.2)[30] 4. 计算综合得分:每个行业的综合得分由各指标排序值乘以其对应权重后加总得出[31],具体公式如下: 行业综合打分=0.3Rank净利润单季度同比+0.3Rank净利润单季度同比_边际变化+0.2Rank估值分位数+0.2Rank换手率标准差行业综合打分 = 0.3 * Rank_{净利润单季度同比} + 0.3 * Rank_{净利润单季度同比\_边际变化} + 0.2 * Rank_{估值分位数} + 0.2 * Rank_{换手率标准差}[32] * 公式说明:Rank_指标名 代表该指标在行业截面上的排序值。对于反向风险指标(估值分位数、换手率标准差),其排序为逆序(即数值越大,排序值越小)[30] 5. 生成配置建议:选择综合得分排名前五的行业作为模型的优选行业进行配置[7][32] 模型的回测效果 1. 基于财报盈利增速的行业配置模型[32] * 回测窗口:2025年11月03日至2025年11月07日 * 组合构建方式:等权构建优选行业指数组合[32] * 组合收益:2.38%[32] * 基准收益(Wind全A):0.63%[32] * 超额收益:1.75%[32] 量化因子与构建方式 1. 因子名称:净利润单季度同比[29] * 因子构建思路:衡量行业在最近一个季度(Q3)的净利润相对于去年同期的增长能力,是评估行业当期盈利状况的核心指标[10][29] * 因子具体构建过程:使用申万一级行业成分股的财务数据,计算行业整体Q3单季度的归母净利润,并与去年同期的归母净利润进行比较[10]。计算公式为: 净利润单季度同比=行业2025Q3单季度归母净利润行业2024Q3单季度归母净利润行业2024Q3单季度归母净利润×100%净利润单季度同比 = \frac{行业2025年Q3单季度归母净利润 - 行业2024年Q3单季度归母净利润}{行业2024年Q3单季度归母净利润} \times 100\%[10] 2. 因子名称:净利润单季度同比_边际变化[15][29] * 因子构建思路:衡量行业当前季度的盈利增速相较于去年同期盈利增速的变化,用于判断盈利增长的持续性和趋势强度,避免季节性影响[14][15] * 因子具体构建过程:计算当前报告期(2025年Q3)的净利润单季度同比与上一报告期同期(2024年Q3)的净利润单季度同比的差值[15]。计算公式为: 净利润单季度同比_边际变化=净利润单季度同2025Q3净利润单季度同2024Q3净利润单季度同比\_边际变化 = 净利润单季度同比_{2025Q3} - 净利润单季度同比_{2024Q3}[15] * 公式说明:该因子是增速的差值,反映了盈利加速或减速的状况[15] 3. 因子名称:估值分位数(PE_TTM)[21] * 因子构建思路:通过计算行业当前估值在其历史序列中的位置,来横向比较不同行业的估值相对高低,消除行业间绝对估值不可比的问题[21] * 因子具体构建过程: 1. 获取申万一级行业指数的每日PE_TTM数据,计算窗口为2020年至今[21] 2. 对于每个行业,计算其在最新交易日(2025年10月31日)的PE_TTM值在指定历史窗口内所有交易日数据中的分位数[21] * 因子评价:该因子是一个反向指标,分位数越高,代表估值处于历史较高水平,潜在风险可能越大[7][21] 4. 因子名称:换手率标准差[24] * 因子构建思路:使用换手率的波动性(标准差)来衡量行业交易的拥挤度,高标准差意味着交易活动不稳定,可能出现资金集中进出,暗示交易拥挤[24] * 因子具体构建过程:对于每个申万一级行业,计算其过去3个月内每日换手率的标准差[24] * 因子评价:该因子是一个反向指标,高标准差代表交易拥挤度高,是潜在的风险信号[7][24] 因子的回测效果 (注:研报中未提供各个因子单独的回测表现,如IC值、IR值等,仅展示了它们作为整体模型输入的应用结果。因此,此部分无相关内容。)