金融工程 | 证券研究报告 — 周报 2025 年 8 月 18 日 中银量化多策略行业轮动 周报 – 20250814 当前（2025 年 8 月 14 日）中银多策略行业配置系统仓位：非银行金融 （8.9%）、综合（8.5%）、通信（7.7%）、电子（7.6%）、有色金属 （7.5%）、银行（7.0%）、综合金融（4.5%）、传媒（4.3%）、汽车 （4.3%）、基础化工（4.2%）、机械（3.5%）、轻工制造（3.5%）、电 力设备及新能源（3.2%）、家电（3.0%）、煤炭（2.8%）、纺织服装 （2.8%）、农林牧渔（2.7%）、食品饮料（2.7%）、电力及公用事业 （2.7%）、石油石化（2.7%）、钢铁（2.7%）、国防军工（1.6%）、计 算机（1.6%）。 S1 行业盈利景气度追踪策略（周度）较基准超额收益为 2.2% 相关研究报告 《中银证券量化行业轮动系列（七）：如何把 握市场"未证伪情绪"构建行业动量策略》 20220917 《中银证券量化行业轮动系列（八）："估值泡 沫保护"的高景气行业轮动策略》20221018 《中银证券宏观基本面行业轮动新框架：对传 统自上而下资产配置困境的破局 ...

核心观点 - 当前中银多策略行业配置系统仓位最高的行业为综合（8.6%）、电子（7.5%）、有色金属（7.4%）[1] - 行业轮动复合策略今年以来累计收益16.4%，超额基准收益1.9%[3] - 单策略中S4中长期困境反转策略表现最佳，年初至今超额收益6.4%[3] - 本周收益率表现最好的行业是机械（5.4%）、有色金属（4.4%）、国防军工（4.2%）[10] 市场表现回顾 - 中信一级行业平均周收益率1.9%，近1月平均收益率4.2%[10] - 年初至今表现最好的行业是有色金属（33.0%）、国防军工（29.5%）、计算机（23.8%）[11] - 本周表现最差的行业是石油石化（-0.9%）、医药（-0.9%）、综合金融（-0.6%）[10] 行业估值风险预警 - 商贸零售、国防军工、传媒行业当前PB估值高于过去6年95%分位点，触发高估值预警[13] - 计算机行业PB分位数从69.4%上升至91.4%，当月变动22.0%[14] - 食品饮料行业PB分位数仅6.2%，处于历史低位[14] 单策略表现 - S1高景气轮动策略当前推荐行业：有色金属、通信、农林牧渔[16] - S2隐含情绪动量策略当前推荐行业：机械、计算机、纺织服装[19] - S3宏观风格轮动策略当前推荐行业：综合金融、计算机、传媒、国防军工[24] - S4中长期困境反转策略当前推荐行业：综合、汽车、电子、银行[28] - S5资金流策略当前推荐行业：煤炭、综合金融、钢铁、综合[30] - S6财报因子失效反转策略当前推荐行业：纺织服装、电力及公用事业、传媒[35] - S7传统多因子打分策略当前推荐行业：电子、电力设备及新能源、有色金属[41] 策略复合与配置 - 当前复合策略权重最高的单策略为S4中长期困境反转策略（21.3%）[56] - 复合策略近期加仓中游周期和中游非周期板块，减仓医药和地产基建板块[3] - 当前板块配置权重最高的是TMT（21.0%）和消费（19.0%）[58] 业绩回顾 - 本周复合策略收益1.8%，与基准持平[61] - S2隐含情绪动量策略本周超额收益-0.6%，但年初至今超额3.3%[61] - S5资金流策略年初至今表现最差，超额收益-1.6%[61]

报告核心观点 报告围绕中银量化多策略行业轮动展开，分析近期中信一级行业表现、各单策略表现及权重，进行行业估值风险预警，阐述策略复合方法与调仓规则，回顾复合策略行业配置与业绩[1][3][44]。 近期中信一级行业表现回顾 - 本周收益率前三行业为煤炭（10.5%）、钢铁（10.2%）、有色金属（9.6%），后三为银行（-2.1%）、通信（-0.6%）、综合金融（-0.1%）[3][11] - 30个中信一级行业平均周收益率3.5%，近1月平均收益率7.3% [3][11] 行业估值风险预警 - 采用各行业近6年PB（剔除极端值）计算当前PB分位数，PB分位数高于95%的行业不参与分项策略测算 [13] - 本周商贸零售、汽车、国防军工、传媒行业PB估值高于过去6年PB估值（剔除极端值）的95%分位点，触发高估值预警 [14] 单策略排名靠前行业及近期业绩表现 S1高景气行业轮动策略（周度） - 通过wind分析师一致预期滚动行业数据构建多因子模型，挑选盈利预期向上行业 [16] - 当前景气度排名前三行业为计算机、有色金属、钢铁 [17] S2隐含情绪动量追踪策略（周度） - 构建“跑在盈利预期数据公布之前”的情绪动量策略，获取“未证伪情绪” [19] - 当前市场隐含情绪指标排名前三行业为机械、计算机、综合 [20] S3宏观风格轮动策略（月度） - 借助宏观指标预判四种行业风格多空情况，对各行业契合程度排序 [23] - 当前宏观指标看多前六行业为综合金融、计算机、传媒、国防军工、电子、综合 [24] S4中长期困境反转策略（月度） - 采用“2 - 3年反转”、“1年动量”、“旬度截面低换手率”三因子等权rank复合构建策略 [28] - 本月推荐行业为银行、钢铁、建材、消费者服务、房地产、商贸零售 [29] S5基于资金流的行业轮动策略（月度） - 从“市场主力资金流向与强度”和“尾盘资金流向与强度”两个维度构建策略 [30] - 本月资金流入强度较大行业有综合金融、煤炭、消费者服务、国防军工、商贸零售 [31] S6财报因子失效反转行业轮动策略（月度） - 基于财报因子阶段失效构建行业轮动策略 [35] - 本月看多行业有食品饮料、石油石化、家电、通信、纺织服装 [37] S7多因子打分复合行业轮动策略（季度） - 季度换仓，剔除中证800中权重低于2%的行业，从四个维度优选因子等权rank复合 [41] - 本季度推荐行业有电子、电力设备及新能源、有色金属、家电、非银行金融、银行 [43] 策略复合 中银波动率控制复合 - 使用“波动率控制模型”，即“单策略负向波动率倒数”对7个单策略进行资金分配 [44] 调仓频率设定 - 每季度首交易日对7个策略分配资金并调仓，每月首交易日（除季首月）对6个周频、月频策略分配资金并调仓，每周四（除月、季首交易日）对2个周频策略分配资金并调仓 [48] 策略权重映射至行业 - 利用“负向波动率平价”得到单策略配置比例后，对各策略看多行业等权配置 [51] 单策略配置权重回顾 - 2025年7月24日各单策略权重：S1为13.7%、S2为11.0%、S3为8.0%、S4为21.4%、S5为15.0%、S6为12.1%、S7为18.7% [60] 复合策略行业配置与业绩回顾 行业仓位回顾 - 2025年7月24日仓位：计算机（9.6%）、钢铁（9.2%）等 [63] - 板块仓位：TMT（17.8%）、消费（20.5%）等 [64] 业绩回顾 - 本周行业轮动策略收益3.4%，中信一级行业等权基准收益3.5%，超额收益 - 0.1% [3][67] - 今年以来行业轮动策略累计收益16.4%，基准收益14.6%，累计超额收益1.9% [3][67]

量化模型与构建方式 1. S1 高景气行业轮动策略（周度） - **模型构建思路**：通过分析师一致预期数据构建盈利景气度追踪模型，从三个维度描述盈利景气度变化趋势[16] - **模型具体构建过程**： 1. 构建三大类因子： - 净利润预期同比与预期ROE相关指标（3-5年赛道概念） - 景气度变化因子（季度变化，反映中短期景气度变化） - 短期情绪因子（月度变化，反映景气度变化斜率） 2. 以"单因子年化超额>3%"筛选备选因子 3. 通过"分层聚类法"将备选因子分为8类，优选每类中超额收益最高的因子 4. 进行rank等权复合形成复合因子 5. 剔除估值过高行业后，每周选取因子值最高的3个行业等权持有[16] 2. S2 隐含情绪动量追踪策略（周度） - **模型构建思路**：通过剥离"预期内情绪"获取"未证伪情绪"，构建动量策略[19] - **模型具体构建过程**： 1. 将行业日度收益率对日度换手率变化率进行截面回归，残差即为"未证伪情绪" 2. 逐日计算各行业"未证伪情绪收益率"得到累计净值 3. 构建半个月和12个月动量因子 4. 将两者等权rank复合得到复合因子 5. 剔除估值过高行业后，每周选取因子值最高的3个行业等权持有[20] 3. S3 宏观风格轮动策略（月度） - **模型构建思路**：通过宏观指标与行业风格相关性预判风格多空，再映射至行业[22] - **模型具体构建过程**： 1. 从"经济增长"等5个维度优选宏观指标 2. 从三个维度刻画宏观指标：历史中枢定位、超预期、边际变动 3. 计算行业在基本面、估值等维度的因子暴露 4. 通过截面回归估算风格因子预期多空收益率 5. 筛选出估值、Beta、波动率、动量四个风格因子 6. 构建等权投票打分器预测风格多空 7. 将风格多空预测乘以行业暴露度得到行业得分 8. 每月选取总分最高的6个行业等权持有[23] 4. S4 中长期困境反转策略（月度） - **模型构建思路**：基于行业2年内动量效应和3年以上反转效应特征构建复合策略[27] - **模型具体构建过程**： 1. 构建三个因子： - "1年动量"因子（剔除最近1个月收益） - "2-3年反转"因子 - 旬度截面低换手率因子 2. 将三因子等权rank复合 3. 每月选取最优的5个行业等权配置[28] 5. S5 基于资金流的行业轮动策略（月度） - **模型构建思路**：从主力资金流向和尾盘资金流向两个维度构建策略[29] - **模型具体构建过程**： 1. 计算"机构单净买入金额"3个月移动平均与绝对值移动平均的比值 2. 统计尾盘资金流入的市值占比和成交额占比 3. 计算两个比例的月度差分并等权rank复合 4. 每月选取资金流入强度最高的5个行业等权配置[30] 6. S6 财报因子失效反转行业轮动策略（月度） - **模型构建思路**：基于因子有效性均值回复理论构建策略[34] - **模型具体构建过程**： 1. 筛选年化超额超过5.5%的"长期有效因子" 2. 从中筛选连续4个月跑输基准的"短期失效因子" 3. 按大类筛选窗口内年化超额最高的因子等权zscore复合 4. 若无满足条件的因子，则放宽至连续3个月跑输基准 5. 仍无则从"长期有效因子"中按大类选取最高超额因子复合 6. 每月选取因子值最高的5个行业等权配置[36] 7. S7 多因子打分复合行业轮动策略（季度） - **模型构建思路**：从动量、流动性、估值和质量四个维度优选因子构建策略[39] - **模型具体构建过程**： 1. 剔除中证800权重低于2%的行业 2. 从四个维度中各优选2个因子： - 动量：1年和3年收益率动量 - 流动性：自由流通股本换手率及其季度变化 - 估值：股息率3年排名百分位和PB边际变化 - 质量：ROE季度变化和明年预期ROE 3. 进行等权rank复合 4. 每季度选取因子值最高的5个行业等权配置[40] 8. 中银波动率控制复合模型 - **模型构建思路**：使用"单策略负向波动率倒数"进行资金分配[42] - **模型具体构建过程**： 1. 计算策略日度收益率下跌交易日的波动率： $$D=\{r_{i}|r_{i}<0,i=1,2,\ldots,T\}$$ $$\sigma_{D}={\sqrt{{\frac{1}{n-1}}\sum_{r_{i}\in D}\left(r_{i}-{\frac{1}{n}}\sum_{r_{i}\in D}r_{i}\right)^{2}}}$$ 2. 计算负向波动率的倒数并归一化得到资金配置比例 3. 按不同频率调仓： - 季度：对所有7个策略调仓 - 月度：对6个周月频策略调仓 - 周度：对2个周频策略调仓[46] 4. 将策略权重映射至行业权重[49] 模型的回测效果 1. S1 高景气轮动策略 - 近一周绝对收益：3.1%，超额：1.8% - 近一月绝对收益：5.2%，超额：1.8% - 年初至今绝对收益：6.4%，超额：-1.8%[65] 2. S2 隐含情绪动量策略 - 近一周绝对收益：-1.1%，超额：-2.4% - 近一月绝对收益：7.6%，超额：4.2% - 年初至今绝对收益：13.8%，超额：5.6%[65] 3. S3 宏观风格轮动策略 - 近一周绝对收益：0.0%，超额：-1.3% - 近一月绝对收益：5.9%，超额：2.5% - 年初至今绝对收益：10.8%，超额：2.7%[65] 4. S4 中长期困境反转策略 - 近一周绝对收益：2.0%，超额：0.7% - 近一月绝对收益：5.5%，超额：2.1% - 年初至今绝对收益：12.9%，超额：4.8%[65] 5. S5 资金流策略 - 近一周绝对收益：0.4%，超额：-0.9% - 近一月绝对收益：4.1%，超额：0.7% - 年初至今绝对收益：7.9%，超额：-0.2%[65] 6. S6 财报因子失效反转策略 - 近一周绝对收益：0.7%，超额：-0.6% - 近一月绝对收益：0.8%，超额：-2.6% - 年初至今绝对收益：8.7%，超额：0.6%[65] 7. S7 传统多因子打分策略 - 近一周绝对收益：3.0%，超额：1.7% - 近一月绝对收益：8.2%，超额：4.8% - 年初至今绝对收益：12.0%，超额：3.9%[65] 8. 波动率控制复合策略 - 近一周绝对收益：1.4%，超额：0.1% - 近一月绝对收益：5.3%，超额：1.9% - 年初至今绝对收益：10.1%，超额：2.0%[65] - 当前策略权重： - S1：14.3% - S2：10.5% - S3：8.1% - S4：21.0% - S5：15.0% - S6：12.2% - S7：18.9%[58]