内容摘要
本报告首先从系列一的经济周期拆解与预测方法入手，构建了一个由同比和环比数据为输入变量的周期得分生成器。然后，将其应用于六维宏观经济数据与行业中观价格、营收、产成品存货数据，构建了宏观周期得分与行业中观周期得分。最后，在宏、中观周期得分行业轮动策略的基础上，构建了复合行业轮动策略：
首先，在系列一经济周期拆解与预测的基础上构建周期得分生成器，在短周期状态判断、数据变化斜率描述、周期状态打分上进行了升级和创新
周期得分生成流程共有四步：1）通过HP滤波+傅里叶变换两步法判断同比数据的中、短周期状态；2）对同比数据周期状态赋予分值，并进行合成与平滑；3）对环比数据状态赋予分值，并进行平滑；4）记同比数据生成得分为“周期方向得分”，环比数据生成得分为“周期斜率得分”，二者等权合成“周期得分”。
其次，对景气度、通胀、盈利、存货、利率、信贷周期打分，并构建综合宏观经济周期得分，结果与常见的领先和扩散指标高度相关，但更体现中周期变化。此外，在综合宏观周期得分的基础上，构建的行业轮动策略，策略表现优秀
六维宏观预测周期得分整体上较实际宏观经济数据走势呈领先性，综合宏观经济周期与OECD综合领先指标、制造业PMI均有正相关性，最新的宏观经济观点为“宏观基本面修复方向确定，但斜率仍低，整体尚未出现明显拐点”。
在每月底判断综合宏观周期得分的正负号，并计算历史上周期得分相同正负号月份的行业调整后月度收益率，然后选择排名靠前的行业进行配置。2013年以来，TOP宏观周期得分行业组的合年化收益率为18.39%，年化超额为10.20%。
然后，选择21个具有相对较高质量数据进行对应的行业为样本，对每个行业针对性地选择价格、营收、存货这三类中观数据，以此构建行业中观周期得分。此外，在行业中观周期得分的基础上，构建行业轮动策略，策略表现优秀
先对行业价格、营收、存货细分指标进行标准化，然后根据数据频率合成为标准化同比和环比指标，最后将合成数据输入周期得分生成器，生成中观周期得分。
每月月底进行调仓，根据行业的中观周期得分排序进行配置。2013年以来，TOP中观周期得分行业组合的年化收益率为14.68%，年化超额为6.49%。
最后，在行业宏观周期得分排名和中观周期得分排名的基础上，选择在两类周期排名上均靠前的行业进行配置，构建“精选”和“优选”组合，组合表现优秀
每月月底，称宏观周期得分排名和中观周期得分排名同时在前1/3的行业为“精选行业”，二者排名同在前1/2的行业为“优选行业”。2013年以来，“精选行业”和“优选行业”组合年化收益率分别为20.51%和14.89%，年化超额收益分别为13.32%和6.70%。
风险提示：本报告结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。
周期得分生成器与宏观周期下的行业轮动策略
1. 从周期状态判断，到周期得分生成器
基于上述周期得分生成器，我们将系列一中选择的六维经济数据进行周期打分，包括：以制造业PMI为底层数据的景气度周期、以PPI为底层数据的通胀周期、以工业企业产成品存货为底层数据的存货周期、以工业企业利润总额为底层数据的盈利周期、以国债收益率为底层数据的利率周期、以人民币中长期贷款余额为底层数据的信贷周期。从结果上来看，六维宏观预测周期整体上较宏观数据呈一定领先性。
除了对六维经济数据单独进行周期打分外，我们仍希望构建一个综合的周期得分。不过，如果要将这六维数据进行合成，核心问题是这六维数据是否具有可加性。从六维经济数据得分的时间序列走势上来看，我们发现两个特点：1）景气度、通胀、盈利、库存周期出现同向共振的情况较多，我们认为作为“实体部门”基本面情况的代理指标，这四类经济周期本身就与宏观基本面情况有直接的正向关联；2）流动性和信贷周期与其余四类周期在部分时间段存在错位，但整体上仍共振，作为“金融部门”基本面情况的代理指标，流动性和信贷周期并不能直接反应宏观基本面情况，而是需要一定的逻辑推演。例如，在利率周期下行的情况下，其通常反应的是市场对于经济基本面走弱的预期。因此，总的来看，我们认为这六维经济数据整体上是具有可加性的，但是需要从“实体”和“金融”数据两方面进行合成，具体合成方法如下：
综合宏观周期得分=0.5×Mean(景气度,通胀,盈利,库存)+0.5×Mean(流动性,信贷)
从综合宏观周期得分的走势上来看，我们给出最新的宏观经济观点为“宏观基本面修复方向确定，但斜率仍低，整体尚未出现明显拐点”，与一季度经济数据和投资者“体感”保持一致。
根据上述流程，我们设计以下基于综合宏观周期的行业轮动策略：
起止时间：2012年12月31日-2024年4月12日。未从宏观周期得分起点2011年开始的原因是统计历史周期情况需要一定的基础样本数量。 行业轮动对象：中信一级，剔除金融、地产、服务业（房地产、建筑、银行、非银、零售、消费者服务、传媒、综合、综合金融）。 调仓节点和权重：每月月底进行调仓，行业权重为组内均衡配置。
从分组收益率的结果上来看，整体呈现单调性，即距离相近的同类宏观周期历史内行业表现具有连贯性。从排名前4行业构成的组合表现上来看，2013年以来持续产生超额收益，TOP4行业轮动策略年化收益率为18.39%。
从宏观周期，到行业中观周期
对于单个行业而言，我们还能获得细化的中观数据，例如：各工业部门PPI、工业企业营收、工业企业产成品存货等。从方法论上来讲，只要我们将对应的同比和环比数据输入“周期得分生成器”就可以得出单个行业的中观周期得分。因此，行业中观周期构建的核心困难在于数据源的选择，以及用何种形式的数据放入周期得分生成器中。本文通过构建如下流程来对行业中观周期进行打分：1）将行业中观周期的观察维度分为“价格、营收、产成品存货”3类数据；2）在每类数据内有多个观察指标，对每个指标进行标准化；3）根据指标公布频率分为月度公布和日周度公布，对月度和日周度指标内部分别等权求和，再等权对月度和日周度综合指标进行合成；4）将上述标准化合成数据（同比和环比）输入到周期得分生成器中，得到行业中观价格、营收、存货周期；5）将价格、营收、存货周期等权合成得到行业中观周期得分。
那么为什么我们在观察行业中观周期的维度时，仅选择了价格、营收、产成品存货3个维度？核心原因仍是数据问题，除了这3类数据外，我们还能获取到零售、利润、投资等指标，但上述指标如零售数据等难以对标足够多的股票行业指数，又如工业企业利润总额数据等的同比和环比数据异常值较多，并不能完全支撑我们构建起一个相对较为完善的行业轮动体系。因此，我们当前只从价格、营收、存货3个维度构建行业中观周期。不过，我们对这个问题持开放态度，在未来研究中，随着有效数据不断挖掘，模型观察的维度仍可以得到扩充。
为了更好地观察行业中观周期得分的有效性，我们在这一部分选择了两个行业作为案例，一个是偏向价值风格的钢铁行业，一个是偏向成长风格的电子行业。
首先，钢铁行业的中观周期得分中，价格周期和营收周期得分表现出相对较强的同步性和领先性。具体来看，我们在价格周期中选择PPI黑色金属矿采选业、PPI黑色金属冶炼及压延加工业、PPIRM黑色金属材料类、铁矿石期货结算价、螺纹钢期货结算价作为观察指标，在营收和产成品存货周期中选择黑色金属矿采选业累计营收和产成品存货、黑色金属冶炼及压延加工业累计营收和产成品存货作为观察指标。
其次，从钢铁行业中观周期得分择时策略的绝对收益和相对收益上来看，该中观周期得分信号是相对有效的。其中，有两个时点值得关注：1）2018年上半年，钢铁行业中观周期得分开始持续为负，因此规避了后续接近2年的下跌行情。彼时国内方面，《关于做好2018年重点领域化解过剩产能工作的通知》、《打赢蓝天保卫战三年行动计划》等文件陆续发布，供给侧改革导致行业进入主动去库阶段，钢铁其余的整体营收情况受到较大影响。彼时海外方面，中美贸易战波澜不断，虽然钢铁产业在“2000亿”清单中仅占较小比例，但整体贸易环境的不稳定仍导致海外市场对中国钢铁产品的需求出现不确定性；2）2021年上半年，钢铁行业中观周期得分持续给出正向信号，该阶段配置钢铁行业获得明显的超额收益。彼时国内方面，《钢铁行业产能置换实施办法》出台，在经过了多年产能出清与行业整合后，钢铁行业整体走向高质量发展，并进入主动补库周期。彼时海外方面，2021年全球经济回暖，钢材需求增加，而供给端在多年出清后反而偏紧，导致供需失衡，钢铁价格大幅上涨。此外，受疫情和天气因素影响，澳矿供给收缩，铁矿石价格暴涨带动整体钢铁产品价格上涨。
其次，从电子行业中观周期得分择时策略的绝对收益和相对收益上来看，该中观周期得分信号在绝对收益上的把握相对较大，2016年后对相对收益的变化也开始呈现较强的信号意义。其中，有两个时点值得关注：1）2019年电子行业的中观周期得分转正较钢铁行业更早，主要原因是电子行业中观周期给出了营收增长和去库两个信号，也即进入所谓的被动去库周期。对于电子等消费制造业来讲，去库较补库而言是一个更加利好的信号，这一现象的根本是其作为需求驱动型产业，中游电子制造业的去库往往意味着下游终端消费品的需求较为旺盛。站在2019年的视角来看，彼时智能音箱、TWS耳机和智能手表在消费电子市场形成“三足鼎立”的局面，5G技术也开始走向普及，电子消费品以来一轮新的景气周期，带动中游电子制造业周期上行；2）2021年底至今电子行业周期得分始终未回正，消费电子市场进入存量时代，叠加疫情后全球供应链格局发生改变，零部件短缺和交货期延长使得行业景气度走弱。不过，从电子行业中观周期总分上来看，2023年下半年已经进入温和复苏阶段且有走向偏强周期的趋势。
由于每个月底每个行业都有对应的中观周期得分，因此基于中观行业周期驱动的行业轮动策略逻辑相对清晰，具体设计如下：
起止时间：2012年12月31日-2024年4月12日。 行业轮动对象：中信一级，剔除金融、地产、服务业（房地产、建筑、银行、非银、零售、消费者服务、传媒、综合、综合金融）。 调仓节点和权重：每月月底进行调仓，根据行业中观周期得分排序，行业权重为组内均衡配置。
从分组收益情况来看，中间组的超额收益并未明显分层，根本原因是当前中观行业周期得分并不是在每个行业上都有效。换而言之，当前行业中观周期底层数据选择基于主观逻辑，尚未对每个行业的周期变化都做到精准刻画。以电子、通信、计算机行业为例，当前该3个行业的底层数据均为“计算机、通信和其他电子设备制造业” ，但该数据系列仅对电子行业有明显效果，对通信和计算机行业的择时策略效果并不明显。后续研究中，我们会继续丰富单个行业的底层观察指标，争取对行业中观周期变化做出更精确的刻画。不过，从当前排名前4行业构成的组合表现上来看，2013年以来仍能持续产生超额收益，行业轮动策略年化收益率为14.17%。
宏、中观复合周期驱动下的行业轮动策略
1. 宏、中观复合周期驱动下的行业轮动策略构建与表现
在上述两部分内容中，针对单一行业既给出了宏观周期排名，也给出了中观周期排名，我们自然而然会发问，该如何结合这两个周期所给出的信号呢？在这一部分，我们根据宏观和中观周期的行业排名，设计了以下“精选行业”和“优选行业”组合：
精选行业组合：每月末，选择排名同时处于宏观周期得分前1/3（前7名）、中观周期得分前1/3（前7名）的行业等权配置。 优选行业组合：每月末，排名同时处于宏观周期得分前1/2（前10名）、中观周期得分前1/2（前10名）的行业等权配置。 需要注意的是，精选行业会出现无行业被筛选的情况，表明宏观和中观周期结合后无观点，该情况策略配置市场基准（21行业平均配置）。
为了更直观地展示行业选择的流程，我们选择2024年3月31日给出的行业配置组合作为案例进行展示。可以看到，在宏观和中观得分排名矩阵中，左下角的行业即为“优选行业”池，将排名条件进一步收紧后就形成了“精选行业”池。在2024年3月31日，“精选行业”为石油石化、煤炭、汽车、家电、交通运输行业，“优选行业”为石油石化、煤炭、汽车、家电、交通运输、农林牧渔行业。
从推荐配置行业数量上来看，2013年以来“精选行业”平均月度推荐数量约为3-4个，“优选行业”平均月度推荐数量约为5-6个。
从策略结果上来看，由于“精选行业”的筛选条件更为严格，2013年以来其年化收益率可达20.51%，“优选”行业组合的表现略差，年化收益率为14.89%。总的来讲，两类行业配置策略均较行业等权基准有显著的超额收益。
2. 部分时间段模型失效原因浅析
“精选行业”组合虽然整体上能持续提供超额收益，但是我们发现其在部分时间段仍未给出有效信号。除了前文提到的“当前中观周期观察指标仍有扩充的空间”之外，我们认为还有以下3个潜在原因，并对以下3个短期内的模型显著失效的原因进行解析：
2015年下半年（市场交易基于非基本面因素）：这一区间超额收益和绝对收益均出现较大回撤，主要原因是前期市场大幅上涨并非由基本面驱动。换而言之，市场实际走势已经脱离基本面情况，因此基于基本面数据所推断的行业配置信号很有可能与实际交易情况出现错位。 2021年末（市场交易领先周期变化）：该区间特征是行业收益率差异巨大，2021年Q4收益率截面波动率达10%。区间模型主要行业配置为煤炭、基础化工、有色金属，虽然这些行业并非收益最低行业，但较排名靠前行业的收益差异很大，导致模型超额为负。尤其是农林牧渔行业区间收益高达18%，但该行业在宏观和中观周期得分上均不高。回顾历史，21年猪肉价格持续下行，21年上半年猪肉股也的确见顶回落，从模型结论上来看复合基本面情况。但是，21年三季度猪肉价格快速下行却让市场产生了价格见底、行业产能出清的预期，猪肉股再次大幅上涨带动农林牧渔板块持续走强。 2023年末（市场交易基于错误共识）：主要损失来自于石油石化行业配置，2023年Q4石油石化行业收益率为-6.76%。事实上，石油石化作为国央企较为集中的行业，在近几个月“中特估”和“高股息”策略持续走强的情况下，模型结论给出的配置建议似乎符合直觉。但现实结论却告诉我们，石油石化行业指数至少在2023年底并没有想象中走的那么好，核心原因是当时美国通胀数据持续下行，市场实际在交易通胀降温和衰退预期，而石油石化行业中观周期得分却始终处于偏强水平。虽然从四个月后的今天来看，模型结论似乎做出了正确的判断，但也需要客观承认市场表现有时并不是全部由基本面驱动。
3. 总结与展望
本文主要完成了以下四项工作，完善并优化了基于宏观和中观周期的行业择时与配置流程：
构建了周期得分生成器，创新性地基于方向和斜率描绘周期变化，并综合了领先指标和扩散指标的构建方法。 根据六维经济数据构建了宏观周期得分，并基于此设计了行业轮动策略，TOP行业组合2013年以来年化收益率达18.39%。 根据价格、营收、产成品存货数据对21个行业构建行业中观周期得分，并基于此设计了行业轮动策略，TOP行业组合2013年以来年化收益率达14.68%。 基于宏观和中观周期排名矩阵，构建了“精选”和“优选”组合，2013年以来年化收益率分别为20.51%、14.89%。
除此之外，我们还总结了模型在部分时间段失效的原因，在后续研究中我们将在以下几个方向进行补充和拓展：
考察海外宏观周期得分与常见领先指标之间的关系，以检测周期得分生成器在海外市场是否依旧维持有效性。 行业中观周期的刻画仍有待丰富，包括单个行业有效指标的选择、行业周期观察的维度等。 对于金融地产以及服务业，可从不同角度构建另一套宏、中观周期得分体系。 在宏观和中观周期信号的基础上，加入交易型信号，以解决周期信号难以应对外生冲击以及短期市场观点转变的问题。
重要申明
风险提示
本文内容基于当前数据和现有理论构建模型，当市场出现异常波动或市场环境发生重大改变时，存在模型失效的风险。
分析师承诺
负责本研究报告全部或部分内容的每一位证券分析师，在此申明，本报告清晰、准确地反映了分析师本人的研究观点。本人薪酬的任何部分过去不曾与、现在不与，未来也将不会与本报告中的具体推荐或观点直接或间接相关。
本报告分析师
任 瞳 SAC职业证书编号：S1090519080004
王武蕾 SAC职业证书编号：S1090519080001
研究助理 王禹哲
免责申明
本微信号推送内容仅供招商证券股份有限公司（下称“招商证券”）客户参考，其他的任何读者在订阅本微信号前，请自行评估接收相关推送内容的适当性，招商证券不会因订阅本微信号的行为或者收到、阅读本微信号推送内容而视相关人员为客户。
完整的投资观点应以招商证券研究所发布的完整报告为准。完整报告所载资料的来源及观点的出处皆被招商证券认为可靠，但招商证券不对其准确性或完整性做出任何保证，报告内容亦仅供参考。
在任何情况下，本微信号所推送信息或所表述的意见并不构成对任何人的投资建议。除非法律法规有明确规定，在任何情况下招商证券不对因使用本微信号的内容而引致的任何损失承担任何责任。读者不应以本微信号推送内容取代其独立判断或仅根据本微信号推送内容做出决策。
本微信号推送内容仅反映招商证券研究人员于发出完整报告当日的判断，可随时更改且不予通告。
本微信号及其推送内容的版权归招商证券所有，招商证券对本微信号及其推送内容保留一切法律权利。未经招商证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用，否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。
