文章核心观点 - 行业盈利增长率是股票价值增长的核心驱动力，且比市盈率变化更具可预测性，预测盈利增速有助于增强行业组合收益表现[3] - 行业景气模型通过需求、供给等中观指标反映行业基本面状态，从而预测未来盈利表现，为股价收益预测提供支撑[3][9] - 大语言模型（LLM）可显著提高行业景气模型的构建效率，通过定性筛选和定量检验中观指标，实现模型在全行业范围的快速推广[4][5][17] - 基于LLM构建的行业景气指数对未来盈利增速有预测能力，其秩相关系数的均值和中位数均在0.25左右，并可应用于行业轮动策略以获取超额收益[5][26][40] 行业盈利预测的重要性 - 股票长期收益率可拆解为股息率、盈利增长率和市盈率变化，其中盈利增长率是核心驱动力[3][9] - 假设能提前一个季度预知未来行业盈利增速，并构建市值中性化的高增速行业组合，该组合收益表现整体优于行业等权组合和低增速组合[3][9] LLM赋能行业景气模型构建 - 在传统行业景气模型构建中，基本面逻辑定性分析与指标筛选环节耗时巨大，LLM可在此环节提高效率，快速识别核心指标[4][13] - 设计了一套构建流程：利用LLM对中观指标进行定性筛选，再经过定量检验（如格兰杰因果检验、相关性检验），最终合成行业景气指数[5][17][20] - 使用火山引擎DeepSeek-R1接口，对每个行业重复训练三次以降低随机性影响，每次选取近20个指标，并计算指标间相关性以保留高相关指标[18] - 对LLM初筛指标进行数据标准化和变形（计算同比、环比、五年分位数），并剔除极端值影响[20] - 通过LLM精筛和相关性测试双重判断指标对净利润的影响极性，最终每个行业筛选出近5个指标合成景气指数[23][25] 行业景气模型预测效果 - 构建了28个中信一级行业及对应的104个二级行业、271个三级行业的景气指数[5][46] - 不同级别行业的景气指数与未来盈利增速的秩相关系数均值和中位数均在0.25附近，显示出一定的预测能力[5][26] - 按景气得分将时间区间等分为五组，统计发现约80%的行业其分组未来盈利增速的单调性得分不低于0.5，表明景气指数分组预测效果显著[5][30] - 以有色金属行业为例，其景气指数与净利润环比和同比增速的秩相关性系数分别为0.50和0.63，走势近似[36] 行业景气指数应用与轮动策略 - 行业景气指数应用场景广泛，包括行业择时、行业轮动、行业景气选股和风险预警等[6][38] - 构建高景气行业组合（选择排名前20%的行业）回测显示，其在中信一、二、三级行业的年化超额收益率分别为2.4%、2.9%、2.8%[6][40] - 选择排名前10%的高景气行业组合，其年化超额收益率在中信一、二、三级行业分别可达1.2%、8.1%和3.1%[6] - 敏感性测试表明，二级和三级行业景气轮动的收益表现整体优于一级行业，可能源于更广的投资宽度[44][46] - 高景气行业组合相较于等权行业组合，长期收益表现较为稳定[50][53][55]