对话华安基金张序：行业轮动模型在投资实践的应用
转自：市场资讯
行业轮动+多因子选股，捕捉结构性行情投资机会。
作者| 猫头鹰11号
编辑 |猫头鹰6号
支持| 猫头鹰捕基能手
随着市场趋于机构化，市场有效性不断提高，A股市场呈现出越来越明显的结构性分化行情。例如2022年股票市场虽然整体表现低迷，但是仍有一些行业表现突出，像煤炭等，所以只要能准确把握这些行业的上涨节奏，就能实现超额收益，因此行业配置的重要性愈发突出。
在A股投资研究中，行业轮动一直是一个非常重要的课题。为此，各大卖方的策略组和金工组都提出了许多分析框架和行业轮动策略，华安基金的指数与量化投资部也有着自己的一套行业轮动模型。
张序，华安基金指数与量化投资部基金经理，曾在高中物理竞赛荣获全国一等奖，保送中科大少年班统计学专业，加入华安基金前曾任UBS量化分析师，可以说是有着非常扎实的量化分析基础。
2017年2月，张序加入华安基金，目前管理华安沪深300量化增强、华安事件驱动量化策略、华安沪深300增强策略ETF这3只量化产品，基金总规模23.01亿元。其中，华安事件驱动量化策略在管理期间总回报达66.8%，显著跑赢基金基准，近1、2、3年收益率在偏股混合基金中，稳定在前10%。华安沪深300量化增强，过去3、5年在公募沪深300中排名前20%，2021年获英华奖∙年度最佳指数增强基金。
华安基金从2017年开始构建了这套行业轮动+多因子选股模型，2019年开始试水产品，并不断迭代，2021年在轮动策略加入风险类指标，2022年在轮动策略加入赛道中性、估值中性，有效筛除拥挤度过高和波动较大的行业，比如去年8月份提前减持新能源，分散到其他行业，相对来说在去年年底获得了比较可观的超额收益。
这种精准的操作，是怎么做到的呢？
近期，张序与猫头鹰研究院作了一次深度交流，分享了在过去几年的投资经验中，对行业轮动的理解，以及遇到问题之后如何改进并最后迭代成了目前的投资方法论。
以下为访谈精选，分为三个部分：
1、认知：行业轮动策略的特征
2、迭代：行业轮动策略构建的思考
3、实践：行业配置+量化选股贡献可观收益
01
认知：行业轮动策略的特征
猫头鹰：行业轮动策略的风险收益特征是怎样的?
张序：其实在2019年、2020年时候，行业轮动模型能贡献比较明显的超额收益。但是因为大家可能对风险的理解相对来说不够全面，可能把行业大的beta理解成alpha，导致了行业轮动模型过于集中到某一些行业中，使得行业波动比较大。所以我们需要去理解，行业轮动策略的风险收益特征到底是怎样的。
假设我们是从上帝视角来看，每个月选取表现前10%的标的，测算不同类别策略的风险收益“天花板”，比如大类资产选前10%的资产，行业轮动选涨幅前10%的行业，选股是选中证1800里前10%的股票，然后按相应策略持有的话，每年的收益率和波动率的情况，可以发现行业轮动策略的风险是介于大类资产配置策略和选股策略之间。
所以我们在做行业轮动的时候，首先要有一个风险收益刻画的认知，知道行业轮动策略是属于中等风险偏好投资策略，不要希望用它来跑赢选股策略，但是在波动率和回撤的控制上，可以战胜纯选股的策略。
猫头鹰:行业轮动策略还有什么特征？
张序：我们对比了大类资产配置策略，行业轮动策略和选股策略的方法论。
首先从大类资产配置策略来看，大类资产配置策略选择资产的样本数是比较少的，多半是在20个子资产以内，从统计学角度，属于小样本研究，小样本研究有一个问题，量化模型到投资实践的不确定性最大，所以就导致了真实投资的时候，它的表现不是特别好。这也是为什么很多大类资产配置策略，更多是通过宏观方法论辅助来做研究和投资的。
其次，行业轮动策略，像申万一级行业，就有30多个，如果我们对个别行业进行拆解的话，就是接近40个行业，它的统计学角度是属于中样本研究领域，它从量化模型到投资实践的话，相比于小样本会更精确一点，但是仍有一定的不确定性，所以相比于大类资产配置策略，我们可以加入比较多的定量模型。
而选股策略属于大样本研究，相对来说从量化模型到投资实践的精确度更高一点，所以我们在研究行业轮动策略的时候，量化和基本面分析结合，才能更好的降低模型实践的不确定性。
02
迭代：行业轮动策略构建的思考
猫头鹰:如何构建行业轮动方法论？
张序：在做行业轮动过程中，核心需要解决行业排序的问题，经过探索，我们最终是通过多因子框架来解决行业排序问题，多因子模型不仅能有效解决行业排序问题，而且将行业多维信息数据与行业观点相结合，来帮助我们预测行业未来的表现情况。
我们的多因子方法体系和股票比较类似，核心是如何寻找因子。我们根据因子属性，划分为了四大类因子。
第一大类是基本面因子，不仅包含行业成分股公司历史财务数据，还包含卖方分析师预期数据，以及通过我们自己的方法模型，结合宏观、中观和微观数据修正的盈利预测。
第二大类是资金类因子，比如公募资金仓位高频变化、北向券商资金、两融资金、ETF等资金动向交易热点等等。
第三大类是技术类因子，这类包含行业量价数据，以及股票对相关性、下行波动率识别交易信号等对未来行业比较有效的指标，这些都属于技术类的因子。
第四大类是风险因子，基于PEG模型、PB-ROE模型、市盈率历史分位数规避高估值、低性价比行业。这是我们在2021年2月份的时候加入进来的，主要是帮助我们尽可能避免选择过度拥挤的行业，在过去两年投资实践中，也是比较有效的帮我们做了行业筛选，比如说2021年8月份，通过风险类因子，我们提早把周期行业给排下去了。还有2022年8月份，也是通过这类因子，把新能源行业排下去了，帮助我们两次避免买入高拥挤的行业。
猫头鹰：你们的行业基本面类因子有何不同？
张序：基本面类因子在2020年以前表现亮眼，贡献了绝大部分超额收益，尤其是分析师预期。但是2020年以后因子波动加大，主要是由于卖方分析师预期因子的缺陷，一是A股市场分析师倾向于发表乐观预期而避免发表负面观点，造成分析师预期数据相对乐观；二是分析师预期变动相对滞后。
为降低分析师预期问题对投资的影响，我们也需要自己对行业进行更加深入的研究，更好更精确更及时的去对行业盈利预期有个更好的刻画。在这部分我们做了比较多的研究，也一直在不断完善这个体系。
对不同行业，按产业链进行划分，并且与该行业买卖方交流，梳理经验指标，通过模型进行筛选构建预测模型，预测每个行业未来一个季度盈利预期会是怎么样，来帮助我们对卖方分析师预期数据做补充，帮助我们更好地分析、去了解、去跟踪行业预期数据。
这样每个月通过这套方法论，我们对行业景气度有一个判断，相当于我们对每个行业有个景气度修正体系。
猫头鹰：这套方法论是如何迭代的？
张序：2019年起，在行业轮动实践中，总共有四次对策略稳定性考验。2021年2月、9月，2022年Q1、Q4。
在这个过程总我们有两次策略迭代：
1）2019-2021年2月前，行业轮动更多是寻找超额收益，但2021年2月后，机构高拥挤的行业，比如茅指数宁组合等机构资金比较集中的行业大幅回调，这个时候对行业轮动模型如何控制波动是一个比较大的挑战。我们的解决方案是在轮动策略中加入风险类指标，像拥挤度类的指标，避免选择过热行业的风险，在2021年9月周期的大幅回调中，也比较有效地控制了波动。
2）2022年一季度，高成长的新半军板块集体回调，我们分析，新半军分别处于不同的行业赛道，像新能源属于制造业，半导体是科技，军工也是偏制造业，虽然他们可能板块上有一定的集中度，但是在行业上的划分是比较开的，在这种时候出现回调反映出来，赛道股有大幅度波动的时候，行业轮动模型也会有大幅度波动的特征。所以我们2022年在轮动策略中加入赛道中性、估值中性风险控制方法论，去降低组合的波动，在2022Q4科技股+周期股大幅度波动的时候，有一个比较好的波动控制。
整体走下来，过去四年我们这个模型以中证800指数为基准，年化超额收益率是9个多点左右，夏普是1.2左右的表现情况。
03
实践：行业配置+量化选股贡献可观收益
猫头鹰：行业轮动策略投资实践的情况怎么样？
张序：2019年我们把行业轮动策略运用到了三类产品中。
第一个是华安事件驱动量化产品，这个产品近1、2、3年收益率在偏股混合基金中，稳定在前10%，并且按年维度，都跑赢了偏股混中位数。我们以偏股混合为基准，通过一些测算方法，去模拟出公募基金在每个行业仓位的平均值中位数情况，结合行业轮动模型来做行业偏离，行业偏离之后选出一个行业，在这个基础之上，再做量化多因子选股，最后得到最终股票投资组合。
第二个是沪深300量化增强产品，沪深300指数属于宽基指数，有很多行业，在这个时候做行业轮动，可以获得行业超额机会。沪深300指数相对于偏股混合更方便，每天都能拿到300基准的指数，测算出每个行业权重情况，结合我们的行业观点之后，对行业做超低配的偏离，偏离之后再通过多因子选股的方法来做增强，过去3、5年在公募沪深300中排名20%。
第三个是专户产品中，我们拿行业ETF做轮动，再通过股指期货做多头敞口控制，来做偏中性策略专户产品，在过去两年，每年都有正收益的表现情况，并且波动率都是4%左右。
猫头鹰：您觉得这套模型在什么样的市场环境中是最有效的？
张序：首先市场不要是单边的上涨行情，也不要是单赛道，比如2018、2019年消费行业的超额收益相对来说比较明显，大家更多把消费行业的beta属性理解成alpha属性，这个时候做行业轮动，可能比较难每个月都能选到消费行业，有些时候交易过热的话，我们可能就会剔出来，所以在这种情况下，大牛市或者是某些行业出现单边上涨行情，相对来说，行业轮动策略，没有这么明显的超额收益。
反而是在震荡市，市场上每个行业都有方向，或者市场比较难出现大涨或者大跌的时候，这个时候行业轮动方法论的超额收益比较明显，因为更好去捕捉到一些行业轮动行为，比如说每个行业都有机会，这个月这个涨得比较厉害，下个月这个涨得比较厉害的东西，它的拥挤度比较高了，可能有短期情绪的宣泄，下个季度又涨其他的，这个时候通过行业轮动模型可以做一些比较好的捕捉，来做超额收益。
更多基金经理
成长
朱建明 | 王斌 |杨瑨 | 李彪 | 陈良栋 | 张慧 | 蔡志文 | 李巍 | 杜猛 | 张弘 | 张朋 | 孟昊 | 于航 | 杨金金 | 李文宾 | 彭凌志 | 陈李 | 吴远怡 | 刘洋 | 梁皓 | 栾超 | 魏晓雪 | 钟帅 | 刘格菘 | 常亚桥 | 陈保国 | 廖瀚博 | 屠环宇 | 董晗 | 付娟 | 柳世庆 | 蒋茜 | 杨锐文 | 周奇贤 | 李晓星 | 杨栋 | 孙文龙 | 沈雪峰 | 张仲维 | 冯明远 | 许炎 | 赵剑 | 闫思倩 | 郑澄然| 施成 | 陆彬| 刘彬 | 蒋璆 | 沈成 | 袁争光 | 夏云龙
平衡
刘晓|王栩|郭堃 | 何奇| 张亮 | 胡宜斌 | 吴邦栋 |张城源 | 桑俊|顾耀强| 何以广 | 陈启明| 曲盛伟 | 王睿 | 王明旭 | 赵强 | 邬传雁 | 唐华 | 王华 | 陈鹏扬 | 杜洋 | 牛勇 | 许文波 | 孙芳 | 常蓁 | 魏晓雪 | 曹文俊 | 余广 | 胡涛 | 谢治宇 | 曾豪 | 王春 | 李永兴 | 杜沛 | 芮晨
固收
消费
吴尚伟 | 刘伟林 | 詹佳 | 苗宇 | 胡昕炜 | 孙轶佳 | 孙伟 | 安昀 | 郝旭东 | 季新星 | 吴越 | 刘方旭 | 陈璇淼 | 郑慧莲 | 黄文倩 | 黄韵 | 黄峰 | 王园园
价值
张昌平 | 程洲 | 董承非 | 林英睿 | 王海涛 | 黄俊岭 | 程琨 | 谭丽 | 韩冬 | 王延飞 | 周杨 | 李双全 | 李淑彦 | 周海栋
FOF
许利明 | 李彪 | 郑科 | 张晓龙 | 蒋华安 | 杨喆 | 周浦寒 | 于善辉 | 李少君 | 邓炯鹏
量化&医药&港股
陈元骅 | 高崇南 | 朱宝臣 | 邓默 | 雷俊 | 左金保 | 黎海威 | 宋海岸 | 曲径