行業輪動研究系列之一：“預期成長”因子，破解景氣陷阱與低波迷局.pdf

行業輪動研究系列之一：“預期成長”因子，破解景氣陷阱與低波迷局。分析師預期成長類因子在行業輪動中的有效性下降。 分析師預期成長因子基于分析師對行業或個股未來成長性的預期數據構建，旨 在精準刻畫并捕捉高成長潛力標的。然而，自 2022 年以來，該因子的有效性 顯著下降，出現了較大回撤，背后原因值得深入探討，并尋求優化升級方向。

1) “景氣陷阱”：短期預期增速與股票回報的相關性減弱。景氣投資的核心在 于對實際基本面增速的預期，主要受新產業周期、創新周期及滲透率變化驅 動。然而，過去兩年經濟與產業周期雙雙下行，高景氣行業減少，整體行業盈 利增速放緩。盡管人工智能等主題投資仍處于早期，僅有如光模塊等少數細分 領域呈現基本面變化。

2) “低波迷局”：市場波動性下降對因子構建的傳統算法產生干擾。疫情后， 國內外宏觀環境復雜多變，"去地產化"背景下，GDP 長期增長中樞下移，市場 預期收益率走低，投資機會減少，A 股波動率處于低位，風險偏好下降。相應 地，分析師對行業增速預期的波動趨于平緩，部分行業的預期增速變化極慢， 傳統算法難以適應波動性降低的市場環境，景氣信號的識別變得更加困難。

如何破解“景氣陷阱”與“低波迷局”？

我們從三個方面對分析師預期成長因子進行了改進：

1）對自然年度進行匹配后滾動計算增速：針對行業內公司財報發布時間不一 致、日歷年度信息收斂等，我們選擇對自然年度進行匹配后滾動計算增速，相 比直接使用 wind 個股求和 FY2/FY1 因子，分析師凈利潤滾動未來 1 年增速因 子在 alpha 上有所提純，同時期多空收益回撤較小。

2）進行一階差分和波動率縮放：為了應對“景氣陷阱”，我們提出了對預期增 速進行“時序標準加速化”的改進方法。（a） 一階差分： 中期預期增長率可 通過短期增長加速度變化推測，因企業增長往往逐步放緩而非驟然轉變。以新 能源行業為例， 2021 年 9 月后，隨著電動車滲透率加速度見頂，盡管業績增 速仍高，估值已開始下滑，預期增長率仍領先，但加速度（△g）排名出現拐 點，預示長期預期和估值空間縮小。（b）綜合盈利水平和盈利能力預期增速： 長期來看，盈利水平和盈利能力是連接短期增速與長期空間的關鍵。成長期行 業依靠市場擴展推動每股收益增長，預期增速是股價主要驅動力；而在成熟行 業，能否提升盈利能力決定超額收益，ROE 高的企業在下行周期中抗風險能力 更強，延長回報久期，推動長期估值上升。（c）波動率縮放：周期性行業與穩 定性行業的波動性差異顯著，通過對各行業的增長率（g）值進行縮放，模型 更易捕捉到有效信號。這不僅減少了對極端數據點的敏感性，還提升了因子表 現的穩定性。

3）設置自適應的預期波動：為了應對“低波迷局”，分析師預期成長波動率顯 著下降，帶來了“除數效應”的影響，我們選擇行業自身的歷史均值波動率作 為基準，指示“正常情況下該指標的波動程度”，從而避免了因預期調整過分 緩慢所造成的持續極端分組問題。

改進預期成長因子及在行業輪動中的表現

改進預期成長因子 Rank IC 達到 8.24%，多空年化收益率 16.18%，夏普比率 131.40%，最大回撤 14.64%，多頭組年化收益率 13.55%，多頭組相對等權配 置超額達 210%，相對超額年化收益率為 8.47%。分組單調性較好，多頭組表 現突出，對初始分析師滾動增速因子 22 年后平臺期仍然有效。過去 2 年，多頭 組相較行業等權月度勝率達到 72%，多空組合正收益月度勝率 80%。