金融工程深度·2020年中期投资策略报告：资本市场百花齐放，因子选股进入精耕时代

请参阅最后一页的重要声明 证券研究报告·金融工程深度•2020 年中期投资策略报告 资本市场百花齐放，因子选股进入精耕时代 核心结论 A 股自下而上分析：始于 2019 下半年的库存周期因疫情再次探底 ROE 从 2018Q2 高位 9.49%持续下行到 2020Q1 的 6.42，杜邦分析三项（销售净利率、总资产周转率和资产负债率）共同导致 ROE 下行；供需结构方面，在需求不足和投资不足同时存在的情况下，供需增速差2016Q3 至 2019Q4 期间一直维持正数，表明供给小于需求，企业的固定资产周转率持续提升；上市公司业绩预告方面，景气向上的公司占比自 2017Q4 持续下降到 2019Q3，2019Q4 景气度有所回升，2020Q1因新冠疫情和隔离措施大幅下行到 37.20%。 周期定位：基本面触底回升 周期定位方面，当前处于全球康波周期萧条，中国人口周期下行，复苏于 2016 年的产能周期和复苏于 2019Q4 的库存周期，因新冠疫情及隔离措施而受到紊乱，预测上市公司的 ROE 和归母净利润于 2020Q2见底，2020Q3 开启上行周期，并将持续到 2021 年。 行业量化基本面深度剖析与横向比较：战略做多电子、医药、食品饮料和建材；复苏初期，大市值板块中可做多地产 预测老 16 家上市银行未来两个季度(2020Q2、2020Q3)的 ROE 为 5.00%和 9.65%，对银行（中信一级）2020 年的估值为 7,604 点。由于 25-55岁人口从 2018 年开始下行，地产长周期下行；短周期依然支持看多房地产行业。当前处于猪周期顶部。我们挑选处于中周期产能扩张阶段的未来两年价值正增长和处于中周期产能收缩且具备高 ROE 和良好格局的行业；则对未来比较看好的行业有电子、医药、食品饮料和建材，作为长期战略配置的行业。 多因子选股视角的再开拓 陆股通数据的择时与选股实证：对“净流入占比”因子作分组考察，TOP 组合年化超额收益 22.32%，累计多空收益差 42.34%。在市值和行业中性前提下，将该因子应用于沪深 300 指数增强组合，则可获得8.69%的年化超额收益，信息比率 2.43。 分析师预期修正动量效应选股策略：我们用分析师预期均值和离散程度将分析师预期修正分段，其中第一个阶段（即分析师预期和离散程度均上调）的股票未来表现最好。因此我们采用多指标叠加选股法，将预期 EPS FY1、EPS FY2、预期净利润 FY1 三个分析师预期指标进行叠加选股。经过回测，组合年化超额收益 16.3%，超额收益夏普比率1.74，超额收益最大回撤 10.8%。 金融工程研究 丁鲁明 dingluming@csc.com.cn 021-68821623 执业证书编号：S1440515020001 陈升锐 chenshengrui@csc.com.cn 执业证书编号：S1440519040002 王程畅 wangchengchang@csc.com.cn 执业证书编号：S1440520010001 研究助理：胡一江 huyijiang@csc.com.cn 研究助理：郭彦辉 guoyanhui@csc.com.cn 021-68821629 发布日期： 2020 年 06 月 23 日 市场表现 相关研究报告 20.06.09 【中信建投金融工程】:行为金融学实证研究系列：前景理论因子的选股能力 20.04.12 【中信建投金融工程】:中国房地产行业择时和选股策略研究初探 20.04.02 【中信建投金融工程】:分析师超预期因子选股策略 -9%-4%1%6%11%2019/6/192019/7/192019/8/192019/9/192019/10/192019/11/192019/12/192020/1/192020/2/192020/3/192020/4/192020/5/19上证指数 金融工程研究 金融工程深度报告 请参阅最后一页的重要声明 分析师超预期因子选股策略：我们计算单季度的净利润超预期幅度 ESP 因子，然后进行条件选股：每月底根据EP_TTM 和过去一个月收益率两个风格因子限定样本池，然后选取净利润超预期幅度最大的 20 只股票，构建超预期 20 组合。从 2009 年 4 月至 2020.5，相对中证 500 指数的年化超额收益为 20.92%，相对沪深 300 指数的年化超额收益为 20.47%。2020 年的超额收益-4.85%， A 股质量因子有效性的根源：我们基于传统定价模型，将公司质量分为盈利、成长以及安全性三类。基于三类因子，最终发现将合成大类因子后的等权组合是最优的。质量因子 IC 达到 4.19%，IC_IR1.62。而质量因子与估值存在质量越高的公司估值相对也更高的特点。在结合估值因子后，质量+估值因子效果进一步提升，IC 达到6.51%，IC_IR2.77，信息比率提升到 2，月度胜率 67.57%。 行为金融学中前景理论因子的选股能力：我们从行为金融学的前景理论出发，进行两类因子检验：未实现盈利量 CGO 因子与个股前景价值 TK 因子。对于 CGO 因子，剔除反转因子后仍有良好效果：IC2.23%，多空年化收益11.97%。2016 年至 2020 年 5 月每年都收益显著。对于 TK 因子，我们基于 PB 对其修正：IC 提升为 2.92%，多空年化收益 7.91%，胜率接近 70%，同时其表现的动量效应与理论一致，即个股前景价值与未来收益正相关。 人工智能算法中 XGBOOST 算的的应用：我们对中证 500 指数和沪深 300 指数建立 Xgboost 指数增强模型。在对基础策略优化的情况下，中证 500 指数增强策略年化超额收益 10%，信息比率 1.4，跟踪误差 7.2%，2016 年以来最大回撤 7.8%；沪深 300 指数增强策略年化超额收益 4.6%，信息比率 0.70，2016 年以来最大回撤 22%。 指数增强策略跟踪效果：目前我们在跟踪的多因子模型共有四个，表现如下： 因子轮动下的 500 增强策略，年化超额收益 11.02%。信息比率 1.54； 因子动态调整的 500 增强策略，年化超额收益 10.50%，信息比率 2.09，今年以来超额收益 2.25%； 质量体系下的 500 增强策略，年化超额收益 12.02%，信息比率 1.68，今年以来超额收益 10.43%； 质量体系下的 300 增强策略，年化超额收益 8.94%，信息比率 1.54，今年以来超额收益 9.15%。 风险提示：模型为历史数据，存在失效可能。 nQqMnPuMxPaQ9R8OoMqQsQpPeRoOpRfQnPrN9PoPoRuOsRpNNZoPrQ 金融工程研究 金融工程深度报告