盈利和估值的切换：宏观环境如何向行业传导——数说资产配置研究系列之四

在《重塑资产配置“时钟”：经济预期与宏观流动性》中，我们通过经济前瞻指标和复合流动性指标构建了两维度的新资产配置时钟，并发现权益板块在各象限中存在一定的轮动关系。但根据观察我们发现，同一个大板块中的不同行业其实对宏观变量的敏感性存在差异，对经济更敏感的行业在经济复苏时将明显更受益；而行业的宏观变量敏感性实际上又与其盈利估值特征密切相连：部分行业盈利水平波动大且变化与经济周期密切相关，因而体现了更强的经济敏感性；部分行业估值水平波动大、利润长期空间大，因而可能体现更强的流动性敏感性。此外，市场对不同宏观变量的关注程度也决定了不同时期行业盈利估值属性的重要性变化。

下面我们从宏观敏感程度统计开始，逐步验证配置框架的逻辑，并展示决策效果。

1.不同行业对不同宏观变量的敏感程度不同

统计经济、流动性、通胀指标不同时行业的区分度，发现部分行业对经济变化十分敏感，抗通胀能力较强，但是对流动性并不敏感；部分行业对流动性非常敏感，对经济并不敏感。

但在统计中我们也发现，将行业通过聚类结合定性的方式合成为板块后，板块内包含的成份数量较多，而有些行业对宏观环境的变化并不敏感，反而使得板块在不同象限下表现的区分度较不明显。因此，我们重新尝试回到一级行业甚至更细分的二、三级行业的视角，观察行业对经济、流动性等宏观变量的敏感性。

1.1传统能源行业收益对经济变化最为敏感

首先，我们以季度实际GDP的变化方向为基础，计算各行业收益对经济变化的敏感程度。我们观察以下几组指标：1）不同经济状况下的月均收益差：经济上行时行业收益越高、经济下行时行业收益越低，行业对经济变化越敏感；2）经济上行时的上涨频率：经济上行时行业的上涨频率越高，行业受益于经济的程度越高；3）经济下行时的下跌频率：经济下行时行业下跌频率越高，行业受经济影响程度越高。

对于28个申万一级行业，我们首先对其按照三个指标从高到低进行1到28的打分，然后将三项得分加总，总分越低的行业代表综合排名越靠前，其对经济的敏感程度就越高。我们将各项得分换算为百分位数后等权得到各行业对经济的敏感程度得分，对经济最敏感、最不敏感的5个行业如下：

可以看到，钢铁、采掘等传统周期资源行业对经济是最为敏感的，经济上下行阶段的月均收益差超过10%，而交运、公用事业等基建行业也对经济十分敏感；TMT行业对经济敏感程度较低，食品饮料、电气设备（含新能源板块）对经济的敏感程度也不高。

1.2TMT板块对流动性变化最为敏感

与经济类似的，不同行业对流动性的敏感程度也并不相同。我们以利率、货币净投放、超储率三者合成的综合流动性指标为基础，我们观察以下几组指标：1）不同流动性状况下的次月月均收益差：流动性宽松时行业收益越高、流动性紧缩时行业收益越低，行业对流动性变化越敏感；2）流动性宽松时的上涨频率：流动性宽松时行业的上涨频率越高，行业受益于流动性的程度越高；3）流动性紧缩时的下跌频率：流动性紧缩时行业下跌频率越高，行业受流动性影响程度越高。

对于申万一级行业，我们同样对其按照三个指标从高到低进行1到28的打分，然后将三项得分加总，总分越低的行业代表综合排名越靠前，其对流动性的敏感程度就越高。我们将各项得分换算为百分位数后等权得到各行业对流动性的敏感程度得分，对流动性最敏感、最不敏感的5个行业如下：

从绝对得分来看，流动性对一级行业的区分度不如经济高。对经济不敏感的TMT板块在对流动性的敏感性上最为靠前，而对经济敏感的交运、化工板块对流动性敏感度低，在不同流动性环境下的涨跌比例相当。

虽然黄金价格与美债利率有更强的关联，但黄金板块股票在对我国流动性的敏感程度上较高；TMT、化工、基建子行业的敏感程度与一级行业较为一致。

1.3上游周期板块抗通胀能力较强

虽然在过去十年中，高通胀阶段并不多，持续时间也不长，但每当流动性宽松、经济开始复苏时，市场都会有阶段性的通胀担忧。因此，我们将PPI和CPI同比均值连续高于3%的阶段划分为高通胀期，用与1.1、1.2部分类似的方式对行业进行打分排序，观察哪些行业能够在高通胀期体现较为出色的抗通胀能力。根据PPI和CPI同比数据，我们将2010年1月至2011年12月和2016年12月至2017年12月两个阶段定为高通胀期进行观察：

根据以上划分，一级行业中与PPI构成密切相关的上游周期行业抗通胀的能力最强，与CPI构成关联度高的食品饮料行业同样具备较好的抗通胀能力，即在高通胀阶段受到的不利影响最小：

由上可见，不同行业板块对宏观变量的敏感程度确实存在差异：上游周期行业具备抗通胀属性，对经济变化敏感度高；食品饮料对经济、流动性的敏感度都不高，抗通胀能力较强；而TMT板块整体对经济不敏感，对流动性的变化较为敏感。因此，若我们能在不同的宏观环境下根据不同行业对变量的敏感度选择合适的资产，相比仅依据时钟象限的历史规律，能获得逻辑更清晰的自上而下的配置建议。

2.不同时期市场对宏观变量的关注重点不同

2.1对宏观变量关注度的不同带来受益行业特征的差异

而除了行业板块对宏观变量的敏感程度有所差异，市场本身对宏观变量的关注度也可能有所差别。例如2014年下半年牛市中，流动性环境宽松而经济数据较弱，市场对流动性的关注度阶段性地强于对经济的关注度，对流动性敏感的行业也在这一阶段中表现更为出色，二级行业运输设备在这两个季度累计上涨154%，而该阶段表现较好的行业在对经济的敏感性上较为分散。而在2017年一季度，虽然流动性偏紧，但经济处于复苏状态，市场在该阶段对经济、流动性的关注度都较高，表现较好的行业常呈现出对经济敏感、对流动性不敏感的特点。

我们统计2014年第四季度至2015年第一季度、2017年第一季度涨幅前十的二级行业对经济、流动性的敏感性（得分越低越敏感），绘制气泡图如下，可见2014年四季度至2015年一季度表现较好的行业分布偏左，2017年一季度表现较好的行业分布偏右下角：

若我们需要通过行业对宏观变量的敏感程度做出行业配置决策，除了计算行业的特征，还需要对市场对宏观环境的关注点做出判断：当市场重点关注经济的变化且预期经济处于复苏时，建议配置对经济变化敏感的行业；当市场重点关注流动性的变化且流动性宽松时，建议配置对流动性变化敏感的行业。

2.2使用FactorMimicking方法将低频数据高频化

市场对特定宏观数据的关注度的变化速度是较快的，而通过宏观变量本身也较难判断市场的关注点。因此，我们借助FactorMimicking的低频数据高频化的方法，尝试寻找能够代表市场关注的宏观因子的代理组合，从而以代理组合的波动情况推断市场的关注点。

FactorMimicking方法背后的逻辑主要是部分资产与宏观因子的关联性较强，资产的收益能够被多个宏观因子共同解释：

其中R(t)为t时刻的资产收益，μ为常数，F(t+h)为间隔h时间后的宏观变量，B即为连接资产收益与宏观变量的因子载荷，或因子暴露。

假设我们共有m个宏观因子，需要得到第k个因子的代理组合，求解得到n个资产对经济的因子暴露后，即可通过以下优化求解：

w(k)为代理组合的权重向量，β(k)为第k维为1，其余维为0的m为向量；这样求解的组合在第k个因子上有单位暴露。当这一组合的波动较大时，证明市场预期被代理的宏观因子可能有较大的变化，市场在这一因子上的关注度较高。

在实际操作中，由于宏观因子仅解释资产收益的一部分，（1）式所代表的线性关系往往较弱，因此我们可先将宏观因子向资产的主成分做一次投影，然后以拟合的宏观数据再进行（1）、（2）的计算。

中国OECD领先指标虽然在领先判断上略显不足，但与我国GDP同比数据的整体走势较为接近，且数据较平滑、频率为月频，因此我们在经济数据上采用这一指标进行后续的计算。

我们采用的FactorMimicking的具体流程如下：

1）以申万一级行业为基础资产，2009年末起至2019年末每个月滚动计算过去12个月的累计收益作为收益率矩阵，标准化后提取20%的主成分（6个）；

2）将4个宏观变量以0为均值、0.1为标准差进行标准化，然后使用Lasso回归分别将4个标准化后的宏观变量向6个主成分进行投影，得到宏观变量矩阵的投影版本，以此作为新的宏观变量矩阵，使用Lasso回归的目的是仅保留与宏观变量关联度高的主成分，提高投影效率，参数选择采用交叉验证使得均方误差最小；

3）再使用Lasso回归将每个一级行业收益率（即1）中的累计12个月收益率的向量）向投影，得到每个一级行业在每个宏观因子上的暴露；

 4）最后求解在每个宏观变量上有单位暴露的一级行业组合。

不同行业的因子暴露差异较大。针对4个宏观变量，我们求解出4个代理组合如下：

需要注意的是，在拟合过程中，我们得到的是累计12个月收益率与宏观变量的关系，组合在给定宏观变量上有单位暴露不代表组合净值与宏观变量走势一致。

2.3代理组合在部分阶段体现了市场关注度的转移

虽然代理组合并不能代替宏观变量的走势，但我们能够通过代理组合的波动来观察市场不同阶段关注的宏观变量。从代理组合的构建原理来看，代理组合累计一年的收益与宏观变量度高，那么短期内如果代理组合波动增加，说明市场对对应的宏观变量一年后变化的关注度可能在上升，市场可能在交易这一变化。

首先，我们以经济变量代理组合为例，观察组合的波动是否在不同阶段有所差异。由于代理组合本身的波动有所差异，我们根据滚动1年的波动在过去1年中的相对位置来衡量组合当前的波动情况：

其中voli为当前的组合波动（按250天的日收益率计算），col_bar为过去一年的波动率均值，std(vol)为过去一年的波动率标准差。

我们根据每个阶段波动最高的代理组合，可尝试划分市场关注点转移的情况：

配合图9和图10来看，部分时段几个代理组合的波动差异不大或都相对较低，市场关注重点不明确，但也有部分时段某1-2个变量明显受到关注。我们根据以上图片信息梳理各时段的核心关注变量情况如下：

 （1）2010年末至2011年9月，市场关注重点在通胀，随着高通胀的持续，市场关注度逐渐减弱，随后关注重点转向流动性；

（2）2011年后期至2017年，经济处于下行阶段，通胀多数时候处于低位，市场关注的重点多数时候都在流动性上，2011至2013年受流动性逐渐收紧影响，权益表现相对较弱，而2014年中权益市场快速上涨的开启与短端流动性密切相关，2015年下半年至2016年，短端流动性偏紧的状态也对权益市场有较大的影响；

（3）2015年上半年出现了一段通胀为主要关注点的阶段：该阶段通胀处于下降过程中，低通胀预期叠加宽松的流动性环境继续推动权益估值提升；

（4）2017年处于高通胀期，市场整体对通胀关注度更高，但各变量关注度整体都不高；

 （5）2018年市场对短期流动性和经济的关注度都较高，2019年对经济的关注度明显提升，疫情前市场开始关注复苏拐点何时发生；

（6）受疫情影响，2020年上半年市场的关注点阶段性回到流动性，并带动权益市场的上涨；

（7）2020年第三季度，市场阶段性担忧通胀，权益市场震荡，但第四季度又转向关注经济，该阶段权益上涨也较明显；

（8）2021年1月22日开始，代理组合提示关注的重点转向通胀，市场波动开始加大。

从以上总结来看，权益市场的波动确实常与关注点的变化有较为密切的联系，这一点在2014年以来都有较明显的体现。

如果仅关注经济、流动性的关注度，划分情况如下：

滚动计算后虽然代理组合的净值有较大的不同，但在重要阶段其波动中传递出的信息与之前差异不大：2014年行情的启动主要来自市场对长期流动性的持续关注以及流动性的放松；2015年市场关注点开始向经济和短期流动性偏移；2017年市场关注经济和通胀，2019年开始经济复苏成为主线。2020年下半年至2021年，图10和11给出的结论略有不同，我们理解为对经济复苏过程中可能带来的未来的通胀问题存在一定担忧。

2.4通过市场关注点、宏观变量预期和行业敏感程度给出配置建议

我们通过FactorMimicking的代理组合了解市场的关注重点后，可以进一步将市场的关注点、对宏观变量的预期以及行业板块对宏观变量的敏感程度三者结合给出行业板块的配置建议。我们尝试自2013年以来结合市场的关注点以及《重塑资产配置“时钟”：经济预期与宏观流动性》中的经济和流动性观点进行行业选择的尝试，具体方式如下：

1） 根据时钟的观点得到申万一级行业的经济、流动性得分：经济复苏时行业经济得分为经济敏感性分位数得分（表1的分位数得分），经济衰退时为得分为负的敏感性分位数得分；流动性宽松时行业流动性得分为表3的分位数得分，紧缩时为负的分位数得分；将每个行业的两部分得分相加并从低到高排序得到当前宏观状态下的行业排序（以经济复苏+流动性紧缩为例，选择的行业为经济敏感性高、流动性敏感性低的）；

2） 根据代理组合波动调整得分：当过去一个月市场关注经济变化的时间高于70%时，将经济部分得分乘以2后与流动性相加；关注流动性的时间高于70%时，将流动性得分乘以2后与经济相加；否则不调整。

以上两组分别对应不考虑与考虑市场对宏观变量的关注点的组合，我们分别根据以上打分排序结果选择行业：

1）不考虑市场对宏观变量的关注点时，选择综合得分前10、两项单项得分都在前一半的行业；

2）考虑市场对宏观变量的关注点时，选择综合得分前10、受关注变量得分前10、另一变量得分在前一半的行业。

组合与行业等权基准、Wind全A（近似于市值加权的行业指数组合）的表现对比如下：

3.盈利和估值的变化：宏观环境与行业表现间的传导链

上一部分中，我们从宏观环境传导到行业配置建议的这一环节主要采用了第一部分的打分结果，虽然统计规律在历史上显著程度较高，但主要仍基于行业历史表现的统计。事实上，从宏观环境向行业收益率传导的过程中存在一定的中间变量

3.1盈利波动大、低估值的行业受经济影响更大

从传导逻辑上看，当经济处于复苏状态时，部分行业的盈利水平将有明显的改善，例如上游周期、汽车等行业，这些行业的盈利水平波动大、盈利受经济影响大，也因此体现了对经济变化更敏感的特征。我们将钢铁和计算机两个一级行业的年度ROE水平、季度净利润同比增速的变化与GDP年度、季度同比进行比较，发现钢铁行业的盈利波动水平显著高于计算机行业：

除了盈利波动更大，钢铁行业盈利变化方向也体现出了与实际GDP同比变化方向较强的一致性。

若我们计算28个申万一级行业的盈利均值、波动数据，我们发现钢铁行业在ROE、EPS的波动上都处于第一位，在净利润、净利润增速的波动上也都处于前五位。

两个行业的得分情况有较大差异：钢铁行业具有明显的盈利均值水平低、盈利波动大的特点；而食品饮料行业则明显在盈利均值水平上更高，在盈利绝对水平上波动中等，盈利增速上波动较低。

除了钢铁行业，表1计算的受经济影响最大的其他四个行业整体上也具有盈利波动相对较大、平均估值水平低、高股息的特点（下表中分数经百分制换算，分数越高，波动、均值越大）：

而基础建设直接带动了上游的需求，因此以上行业在历史上体现了对经济变化最敏感的特点。随着基建、上游周期行业的复苏，经济复苏逐渐向其他中下游板块传导。

基建行业常同时具备高股息、低估值的特点，当经济处于复苏状态时，在盈利抬升的预期下，此类行业的估值水平也更具备吸引力。

3.2受流动性影响大的行业盈利、估值与流动性关系都较为密切

在经济与行业表现之间的连接上，盈利是重要的中间变量，盈利与经济变化密切相关的行业更容易在经济上行时得到估值提升的机会，从而有好的表现。而宏观流动性与企业表现之间的关系则在盈利、估值上都有所体现。从企业利润的视角来看，持续宽松的流动性改善了企业的融资环境，同时经济复苏也往往伴随其后，企业的盈利状况将有所改善，这也可以被认为是盈利改善的货币现象；从现金流贴现的视角来看，无风险利率下行，现金流稳定的企业估值将得到提升；从投资者的视角来看，宽松的流动性环境使得二级市场资金更为充裕，估值提升意愿增加。

正是因为流动性向行业表现的传导链相对复杂，行业对流动性的敏感程度差异相对于对经济的敏感程度差异也更小一些。

我们观察对流动性变化较敏感的计算机和有色金属行业的盈利、估值及各自与流动性关系的得分情况，两者的特征存在一定的相同和不同之处：

上图中“流动性净利润增速差分数”与“流动性净利润差分数”指流动性偏松和偏紧状态下行业的净利润增速、净利润的均值差在28个一级行业中的排名。

两个行业的平均估值、估值波动都处于较高的水平，股息率也始终在行业中排名靠后；两者的利润都与流动性有较大的关系，而有色行业的平均利润、利润波动高于计算机。

从上图来看，两个行业的盈利与估值都和利率变化有一定关系。

3.3通胀较高的时期高股息、低估值行业受益

我们对通胀的关注主要基于CPI、PPI，这两个指数本身就与部分行业存在更强的关联。例如，食品饮料、农产品价格与CPI高度相关，这些行业在高通胀期吸引力高于其他行业；大宗商品价格的上升可能带来部分行业个股销售额的上升，成为行业上涨的主要驱动力，则这些行业也会在高通胀期将具备更高的投资价值。

3.4根据行业主题的盈利估值特点进行特征刻画

3.1-3.3中我们通过计算28个申万一级行业的多项盈利、估值指标的均值、波动以及指标在不同流动性环境下的差异的相对排名对行业进行了一定的特征刻画，并总结了经济、流动性、通胀向行业表现传导的逻辑，这些数据结论一方面解释了行业对经济、流动性敏感程度存在差异的原因，另一方面也能通过规律的总结进一步提供宏观视角下行业选择的逻辑。

事实上，类似于一级行业，我们也可以对任意市场关心的主题进行盈利、估值特征的刻画；相比于一级行业，我们对主题指数的估值、盈利特征往往不熟悉，通过特征刻画可以对我们选择受益主题有所帮助。

下面我们以Wind热门概念板块指数系列为例，对成份股个数超过20只、基日在2015年1月1日之前的81条主题指数进行特征刻画。我们进行宏观敏感性、盈利估值特征两个维度的刻画，具体指标和计算方式如下：

经济敏感程度高的行业集中在基建、制造，而流动性敏感程度高的指数科技占比较高。我们将经济敏感程度最高的高端装备制造指数的特征绘制雷达图如下：

从盈利估值特征来看，该指数利润波动水平较高、估值相对较低，与3.1总结的特征相似。

我们将流动性敏感程度最高的网络安全指数的特征绘制如下：

网络安全指数与高端装备制造指数的盈利估值特征差异十分明显，网络安全指数的净利润平均水平和波动水平明显较低，而估值的均值和波动都明显较高，这也与3.2的结论相符。

我们再来看所有指数中年化收益最高的“茅指数”的宏观敏感性和盈利估值特征：

茅指数的经济、流动性敏感程度都相对较低，因为其在经济下行、流动性偏紧的阶段收益均为所有概念指数中最高的。从盈利估值特征来看，该指数相比其它指数长期具备高盈利、低估值的特征。

4.结合市场的关注点、变量的预期以及行业的盈利估值变化推荐行业

4.1宏观敏感性与盈利估值特征的数量关系

分别计算了行业/主题指数的宏观敏感性特征与盈利估值特征后，我们已经验证了一些从宏观向行业表现传导的逻辑，在经济、流动性向指数收益的传导链中，盈利、估值是十分重要的中间变量。部分行业的盈利波动较大、且盈利与经济复苏密切相关，这些行业与经济的关联度更高；部分行业长期估值较高，或其盈利、估值水平变化与流动性环境高度相关，这些行业的表现也较大程度受到流动性影响。正是因为盈利估值特征的差异，行业主题才会对不同宏观变量有不同的敏感性。

如果能够通过行业的盈利估值特征选择不同宏观环境下有优势的资产，宏观视角下选行业的逻辑将更为顺畅，我们也可结合行业/主题预期盈利、估值的变化来做出不同时段的行业比较与选择。

第二部分的行业组合中，我们主要通过行业的宏观敏感性特征与宏观判断进行行业选择，本部分中我们将尝试使用行业主题的盈利估值特征替代宏观敏感性特征进行行业选择，以进一步验证和指导宏观行业配置逻辑。首先，为了定量地决定宏观敏感性究竟与盈利估值的那些部分联系更紧密，我们计算28个申万一级行业的宏观敏感程度与盈利估值特征的秩相关系数，相关系数越高则说明该特征与对应的敏感程度指标关系越强。类似3.4中表14展示的方式，我们计算20个具体指标，具体结果如下：

从相关性来看，经济敏感程度高、抗通胀能力强的行业有一定的共性，即长期估值水平低、股息高、预期业绩好。当预期经济复苏时，预期利润改善的行业将有更大的吸引力。抗通胀能力强的行业平均利润相对更高，体现了通胀担忧下市场对确定性的追求。流动性敏感程度高的行业则有明显的实际盈利平均水平低、估值水平高、估值波动大的特点，流动性宽松时市场更关注长期的盈利空间。

各宏观变量状况相反时的选择标准相反。历史利润数据我们主要选择了历史净利润，以获得更多的数据点（ROE、EPS以年为单位，数据量较小）。

4.2根据盈利估值标准选择行业主题机会

确定了选择行业的盈利估值标准后，我们即可以每期根据宏观状态的判断和对应的选择标准进行行业选择，同时也可类似第二部分叠加市场对宏观变量的关注度调整不同选择标准的权重。

前面第二部分的组合在右边部分主要使用宏观敏感性进行决策，在使用时也用到了较长时间的历史数据；而有了盈利估值选择标准后，我们可使用盈利估值特征进行决策，同时避免使用未来数据。

首先我们仍以一级行业为例，根据表17计算各行业与经济、流动性、通胀挂钩的盈利估值得分，以经济为例，将各行业的当前PE、当前股息、截止计算日的股息波动、净利润波动、过去6个月的一致预期净利润增幅、营收增幅6个指标分别在行业间从高到低排序打分，然后将后五项得分加总减去当前PE得分，得到各行业与经济挂钩的盈利估值得分，排名越靠前的行业我们认为在经济复苏阶段越受益、在经济衰退阶段越不利。

我们尝试根据经济前瞻指标、综合流动性观点以及对应的盈利估值得分进行行业选择的测试，具体方式如下：

 1） 根据时钟的观点得到申万一级行业的经济、流动性得分：首先计算各行业与经济、流动性挂钩的盈利估值得分，预期经济复苏时行业的经济得分为其挂钩经济的盈利估值得分，即倾向于选择经济复苏阶段收益的低估值、盈利改善行业，衰退时相反；流动性宽松时行业的流动性得分为其挂钩流动性的盈利估值得分，即倾向于选择流动性宽松时受益的历史估值波动大、历史上估值和利润受流动性影响大的行业；将每个行业的两部分得分相加并从低到高排序得到当前宏观状态下的行业排序（以经济复苏+流动性紧缩为例，选择的行业为低估值、盈利改善、估值和利润受流动性影响不大的行业）；

2） 根据代理组合波动调整得分：当过去一个月市场关注经济变化的时间高于70%时，将经济部分得分乘以2后与流动性相加；关注流动性的时间高于70%时，将流动性得分乘以2后与经济相加；否则不调整；如果市场对通胀关注度最高，则在经济、流动性得分的基础上加上通胀得分。

由于这里我们全部使用截止调仓日可获得的数据，因此我们的回测从2017年开始，不考虑关注点（经济、流动性得分等权）、考虑关注点以及叠加通胀后的组合表现如下：

由于高通胀下受益的行业与经济复苏时受益的行业特征较相似，因此叠加通胀考虑后组合与之前较为接近，叠加通胀考虑后对行业低估值的要求更明显。

2021年以来的行业选择情况如下，主要为上游周期、基建：

以4月加入的交运行业为例，其经过表17计算的各项盈利估值特征和宏观敏感性情况如下：

该行业选择策略的分年度收益如下，组合每一年都稳定跑赢全A和等权组合：

考虑通胀后组合每年的超额收益情况如下：

组合2017年以来大致的选择情况如下：

进一步的，我们将选择的标的转换为3.4中提到的Wind热门概念指数，同样按照表17的标准以及与一级行业相同的行业选择逻辑，结果如下：

由于热门主题指数主要为近两年中比较热门的指数，在2019年之前表现相对较弱，以上主题组合在2019年以前也并没有明显效果，2019年开始体现了不错的选择效果，2021年以来的主题选择如下：

事实上，在3.4中我们也看到，主题指数的分布相对并不均衡，指数长期表现差异大，而以“茅指数”为代表的长期表现较好的指数在各阶段都有出色表现，对宏观变量不敏感，反而不易因为宏观环境的变化而被选择。因此，我们认为基于宏观视角的行业选择模型实际更适合作为“核心-卫星”中的“卫星”部分，帮助我们定量筛选出目前宏观环境下值得关注、可能受益的主题。

除了构建类似的行业组合，以上测试结果也向我们提示了有效的行业主题选择逻辑：

1）当预期经济复苏、流动性宽松时，推荐估值、盈利贡献都比较大的行业：盈利有望恢复、估值有上升空间；

2）预期经济复苏、流动性偏紧时，推荐估值较低、盈利能有改善、对流动性不敏感的行业；

3）预期经济下滑、流动性偏紧时，权益整体较弱，行业受益属性不明显，更适合配置长期盈利稳定的板块；

4）预期经济下滑、流动性偏松时，推荐估值贡献较大、利润与流动性关系密切的行业；

5）市场担忧通胀时，更关注高股息、低估值。

根据以上方案，我们可以在未来自上而下的行业配置观点中，结合宏观环境、市场对宏观环境的关注方向以及行业的特点，评估各环境、各时点可能受益的行业以及主题，在核心资产池的基础上叠加一部分宏观对冲机会，从而为我们的权益配置提供更细致的方案。

5.风险提示与声明

本文的分析以历史数据、数量化模型为基础，市场环境发生重大变化时模型可能失效。