证券研究报告 | 金融工程
行业动量、景气度与新闻情绪
专题报告
——多维度行业轮动体系探索
2021 年 02 月 24 日
任瞳
86-755-83081468
rentong@ cmschina.com.cn
S1090519080004
周靖明
86-21-68407742
zhoujingming@ cmschina.com.cn
S1090519080007
❑
行业轮动是一个亘古不变的热门议题。本文我们在传统的行业动量和行业
景气度的基础上创新性地引入了行业新闻情绪。尝试从动量、景气度和新闻
情绪三个维度出发构建多维度的行业轮动策略。
❑
我们以过去 12 个月的收益作为动量因子构建行业轮动策略。基于动量的行
业轮动策略多头组合年化收益率为 10.14%（同期空头组合年化收益率为
1.49%，基准组合为 6.64%）
，Sharpe 比率为 0.36。多空组合的年化收益率
为 7.89%，Sharpe 比率为 0.46。
❑
我们基于财务数据构建了行业景气度指标。基于景气度的行业轮动策略的
多头组合年化收益率为 13.92%（同期空头组合年化收益率为 2.18%，基准组
合为 6.64%）
，Sharpe 比率为 0.52。
多空组合的年化收益率为 11.24%，Sharpe
比率为 1.27。
❑
我们基于个股新闻数据合成了行业新闻情绪指标。自 2017 年以来，基于新
闻情绪的行业轮动策略多头组合的年化收益率为 10.76%（同期空头组合年
化收益率为 0.16%，基准组合为 3.20%）
，Sharpe 比率为 0.53。多空组合的
年化收益率为 10.29%，Sharpe 比率为 1.20。
❑
基于动量、景气度和新闻情绪三个因子的等权策略的多头组合的年化收益
率为 16.98%，Sharpe 比率为 0.88。同期等权基准组合年化收益率为 3.20%，
动量策略年化收益为 14.01%，景气度策略年化收益为 13.75%，新闻情绪策
略年化收益为 10.76%。
❑
基于行业景气度和行业动量的负面剔除策略的多头组合的年化收益率为
21.18%（同期空头组合年化收益率为-10.77%，基准组合为 3.20%），Sharpe
比率为 0.97，月度胜率为 68.09%。多空组合的年化收益率为 35.13%，Sharpe
比率为 2.78。
❑
基于行业景气度和新闻情绪的负面剔除策略的多头组合的年化收益率为
20.90%（同期空头组合年化收益率为-11.27%，基准组合为 3.20%），Sharpe
比率为 1.10，月度胜率为 65.96%。多空组合的年化收益率为 35.24%，Sharpe
比率为 3.62。
风险提示
本报告模型及结论全部基于对历史数据的分析，当市场环境变化时，存在
模型失效风险。
敬请阅读末页的重要说明
金融工程
正文目录
一、引言 ....................................................................................................................... 4
二、行业轮动策略梳理.................................................................................................. 5
2.1、行业动量策略 ....................................................................................................... 5
2.2、低频行业景气度策略——基于财务数据 ............................................................... 9
三、基于新闻数据的行业情绪轮动策略 ...................................................................... 12
3.1、由行业相关新闻构建行业新闻情绪指标 ............................................................. 12
3.2、由个股新闻情绪汇总构建行业情绪指标 ............................................................. 14
四、多维度行业轮动策略的构建 ................................................................................. 16
4.1、复合因子法 ......................................................................................................... 16
4.2、负面剔除法概述 .................................................................................................. 17
4.3、负面剔除法——景气度+动量 ............................................................................. 18
4.4、负面剔除法——景气度+新闻情绪 ...................................................................... 22
五、结语 ..................................................................................................................... 25
图表目录
图 1：2005-2020 年行业每年涨幅前三和后三名的平均收益之差 .................................. 4
图 2：1 个自然月动量策略组合净值表现 ...................................................................... 6
图 3：1 个自然月动量策略各组合年化超额收益率........................................................ 6
图 4：1 个自然月动量策略多空净值表现 ...................................................................... 7
图 5：12 个月动量策略组合净值表现............................................................................ 8
图 6：12 个月动量策略各组合年化超额收益率 ............................................................. 8
图 7：12 个月动量策略多空净值表现............................................................................ 8
图 8：行业景气度策略组合净值表现........................................................................... 11
图 9：行业景气度策略各组合年化超额收益率 ............................................................ 11
图 10：行业景气度策略多空净值表现 ......................................................................... 11
图 11：行业新闻情绪策略组合净值表现 ..................................................................... 15
图 12：行业新闻情绪策略各组合年化超额收益率....................................................... 15
图 13：行业新闻情绪策略多空净值表现 ..................................................................... 15
图 14：单因子和等权因子多头组合净值表现 .............................................................. 17
图 15：单因子和等权因子多空组合净值表现 .............................................................. 17
图 18：剔除法示例 ...................................................................................................... 18
图 17：基于景气度和动量的宽松剔除策略分组净值表现............................................ 19
图 18：基于景气度和动量的宽松剔除策略多空净值表现............................................ 19
图 19：行业景气度与行业动量的相关性分析 .............................................................. 20
图 20：基于景气度和动量的严格剔除策略分组净值表现............................................ 21
图 21：基于景气度和动量的严格剔除策略多空净值表现............................................ 22
图 22：基于景气度和新闻情绪的复合策略分组分组净值表现 .................................... 23
敬请阅读末页的重要说明
Page 2
金融工程
图 23：基于景气度和新闻情绪的复合策略分组多空净值表现 .................................... 23
表 1：2010 年-2020 年逐年收益率排名前十的中信一级行业 ........................................ 4
表 2：2005-2020 年 A 股市场各行业超额收益的 KW 检验 .............................................. 5
表 3：1 个自然月动量 IC 测试....................................................................................... 6
表 4：1 个自然月动量策略风险收益表现 ...................................................................... 7
表 5：12 个月动量 IC 测试 ............................................................................................ 7
表 6：12 个月动量策略风险收益表现............................................................................ 8
表 7：20 个财务指标明细说明....................................................................................... 9
表 8：单个财务指标风险收益表现 .............................................................................. 10
表 9：景气度 IC 测试 .................................................................................................. 11
表 10：行业景气度策略风险收益表现 ......................................................................... 12
表 11：行业新闻情绪数据示例 .................................................................................... 13
表 12：行业标签新闻情绪 IC 测试 .............................................................................. 13
表 13：个股标签行业情绪 IC 测试 .............................................................................. 14
表 14：行业新闻情绪策略风险收益表现 ..................................................................... 16
表 15：三个指标的相关性测试 .................................................................................... 16
表 16：三个指标的 IC 测试 ......................................................................................... 16
表 17：等权复合因子方式的 IC 测试........................................................................... 17
表 18：单因子和三种复合因子多头组合风险收益表现 ............................................... 17
表 19：基于景气度和动量的宽松剔除策略风险收益表现............................................ 20
表 20：基于景气度和动量的严格剔除策略风险收益表现............................................ 22
表 21：基于景气度和新闻情绪的复合策略分组风险收益表现 .................................... 24
表 22：交易费率敏感性测试 ....................................................................................... 24
表 23：2020 年行业景气度+新闻情绪策略多头持仓组合 ............................................ 24
Page 3
敬请阅读末页的重要说明
pOpRqOoMpPpOsNbRdN8OnPmMmOrQlOqQsReRmMsQ7NnMnMMYmQyQvPmPtQ
金融工程
一、引言
行业轮动是一个亘古不变的热门议题。在同一市场上投资不同的行业的收益差异如
此之大，让人不禁遐想，如果能准确地踩对行业的涨跌节奏，那无疑将带来巨大的回报。
回顾过去十年，行业涨跌分化的现象在 A 股市场上尤为显著，各行业在不同的时期都呈
现出了阶段性的投资机会，颇有一番“你方唱罢我登场”的味道。
1
表 1：2010 年-2020 年逐年收益率排名前十的中信一级行业
排名
2010
2011
2012
2013
2014
电子
银行
房地产
传媒
非银行金融
1
医药
食品饮料 非银行金融
计算机
建筑
2
计算机
传媒
建筑
通信
房地产
3
机械
消费者服务
银行
电子
银行
4
食品饮料
公用事业
综合
国防军工
交通运输
5
国防军工
房地产
家电
家电
钢铁
6
有色金属
石油石化
有色金属
医药
公用事业
7
农林牧渔
煤炭
医药
电新
国防军工
8
电新
家电
公用事业
综合
计算机
9
建材
纺织服装
电子
轻工制造
综合
10
资料来源：Wind，招商证券，统计日期 20100101-20201231
2015
60
25
32
87
82
24
19
28
60
53
24
12
19
30
31
22
8
16
27
25
16
8
13
23
24
15
8
10
23
22
14
5
10
22
16
13
3
7
17
12
11
3
6
15
10
9
2
4
8
5
计算机
消费者服务
通信
轻工制造
纺织服装
农林牧渔
电子
基础化工
综合
传媒
2016
74
71
63
45
42
30
29
28
22
19
食品饮料
家电
银行
煤炭
石油石化
建筑
钢铁
有色金属
建材
汽车
2017
21
15
14
14
13
11
6
6
5
4
2018
2019
电子
2020
食品饮料 消费者服务 食品饮料
电新
家电
银行
电子
食品饮料
煤炭
石油石化
家电
消费者服务
非银行金融 食品饮料
建材
国防军工
电子
农林牧渔
农林牧渔
医药
银行
非银行金融 非银行金融
汽车
钢铁
计算机
计算机
基础化工
建材
医药
医药
电子
有色金属
国防军工
通信
机械
交通运输
房地产
轻工制造
有色金属
53
21
44
65
43
18
44
65
17
10
32
58
17
9
24
49
17
7
20
27
15
5
19
27
13
5
19
12
10
3
10
11
9
2
2
10
4
2
0
10
我们对 2005 年以来中信一级行业每年涨跌幅排名前三的行业的平均收益与排名后
三的行业平均收益之差进行统计。过去十五年的平均收益之差为 84.50%，且近几年行
业平均收益差仍有增加的趋势。
图 1：2005-2020 年行业每年涨幅前三和后三名的平均收益之差
250.0%
200.0%
150.0%
100.0%
50.0%
0.0%
资料来源：Wind，招商证券，统计日期 20170101-20201231
进一步地，
我们采用 Kruskal-Wallis（KW）
法对各行业的收益表现进行差异性检验。
KW 检验是一种对三组或更多数据进行的非参数检验，可以用于检测总体函数分布的一
致性原假设和其替代假设。具体地，我们对自 2005 年以来的 29 个中信一级行业2逐年
超额收益表现进行了检验。如表 1 所示，除了 2005 年、2008 年、2011 年和 2018 年
1
2
为了方便展示，将“电力设备及新能源”称作“电新”，将“电力及公用事业”称作“公用事业”，下同
本文我们统一采用中信一级行业进行行业分类，并剔除了综合金融这一行业，下同
敬请阅读末页的重要说明
Page 4
金融工程
以外，其他年份的 KW 检验均通过 5%的显著性检验，表现各个行业的超额收益存在显
著的差异。同时我们也可以发现，在市场整体行情表现较好的年份统计量的值要明显大
于行情较差的年份。
表 2：2005-2020 年 A 股市场各行业超额收益的 KW 检验
年份
2005
2006
2007
2008
2009
2010
2011
2012
Statistic
26.40
60.00
72.07
36.26
56.45
78.53
26.96
42.70
pvalue
0.5511
0.0004
0.0000
0.1361
0.0011
0.0000
0.5206
0.0372
年份
2013
2014
2015
2016
2017
2018
2019
2020
Statistic
136.86
48.51
159.42
47.39
53.36
25.74
42.66
75.36
pvalue
0.0000
0.0094
0.0000
0.0125
0.0027
0.5872
0.0375
0.0000
资料来源：Wind，招商证券，统计日期 20050101-20201231
从前文的分析中可以看到，A 股市场蕴含着巨大的行业轮动机会。但是，与此同时
我们也必须认识到进行行业轮动存在的客观困难。一方面，与传统的多因子选股的模型
不同，行业轮动的整体截面更窄，容错的空间更小。这就给我们对行业收益的预测提出
了更高的要求。另一方面，虽然行业相关 ETF 工具越来越多，但是依然有很多行业没
有相应的直接投资的工具。因此，行业轮动策略的落地依然依赖于底层个股的选择。牵
一发而动全身，中观行业权重配置的变化将会带来底层个股持仓的调整。频繁的行业权
重变化必然带来更大的组合收益的波动以及成本的提升。这也是必须在行业轮动策略中
予以考虑的问题。
本文我们尝试综合多方面的影响因素构建一个多维度的行业轮动模型。首先，我们
考虑了经典的反映价格趋势的行业动量因素；其次，我们纳入了行业涨跌的核心驱动因
素——行业景气度；最后，我们也创新地引入了行业层面的新闻情绪来作为补充。下面
我们对这三个维度进行详细的分析。
二、行业轮动策略梳理
2.1、行业动量策略
行业动量策略是诸多行业轮动策略中较为常见的一种。其基本构建思路是“强者恒
强”，即看好过去一段时间表现较为强势的行业未来依旧能有较为出色的表现。虽然核
心逻辑较为简单，但这并不影响其成为一个有效的行业轮动策略。
构建因子
首先，我们构建行业层面的动量指标。我们采用过去一段时间的行业指数收益来刻
画行业的动量特征。当然，这里需要确定一个重要的参数，即回溯的期限。在 A 股市场
上，我们通常以 1 个自然月的动量和 12 个自然月的动量作为行业动量的构建回溯期。
其中，值得注意的是，在我们的研究过程中，我们发现一个月的动量与常用的过去 20
日动量在行业动量策略的表现上是存在显著差异的。这或许与投资者在交易周期上仍是
习惯以自然月作为回溯时限有关。
敬请阅读末页的重要说明
Page 5
金融工程
测试结果
在本节的测试中，我们将回测的区间设定为 2010 年 1 月 1 日至 2020 年 12 月 31
日，并按照月频进行调仓，即每个月末的最后一个交易日触发交易。交易的标的为除综
合金融后的 29 个中信一级行业。测试分组默认采用五分法，除第三组取五个行业以外，
其余分组取六个行业构成组合。组合内按照等权进行加权，并以所有行业的等权组合作
为比较基准。
⚫
1 个自然月动量
首先对动量因子进行 IC 测试，如表 3 所示，动量因子 RankIC 均值为 2.74%，ICIR
值为 0.09。
表 3：1 个自然月动量 IC 测试
RankIC 均值
ICIR
RankIC 胜率
T-value
P-value
2.74%
0.09
58.78%
0.99
0.3241
资料来源：Wind，招商证券，测试区间 20100101-20201231
图 2-图 4 展示了行业动量策略的整体表现，我们可以看到，行业动量策略是能够获
得一定的超额收益的。其中，多头组合的年化收益率为 9.26%（同期空头组合年化收益
率为 3.59%，基准组合为 6.64%）
，年化波动率为 27.97%，Sharpe 比率为 0.33。多空
组合的年化收益率为 4.76%，年化波动率为 16.77%，Sharpe 比率为 0.28。但值得注
意的是，1 个月行业动量近两年的表现有逐渐增强的趋势。
图 2：1 个自然月动量策略组合净值表现
3.5
图 3：1 个自然月动量策略各组合年化超额收益率
3.0%
多头组合
空头组合
2.62%
基准组合
2.0%
3
2.5
1.0%
2
0.0%
1.5
-1.0%
1
-2.0%
0.5
-3.0%
20100226
20100630
20101029
20110228
20110630
20111031
20120229
20120629
20121031
20130228
20130628
20131031
20140228
20140630
20141031
20150227
20150630
20151030
20160229
20160630
20161031
20170228
20170630
20171031
20180228
20180629
20181031
20190228
20190628
20191031
20200228
20200630
20201030
-0.10%
资料来源：Wind，招商证券，测试区间 20100101-20201231
敬请阅读末页的重要说明
-0.22%
-0.53%
-3.05%
-4.0%
多头组合
第二组
第三组
第四组
空头组合
资料来源：Wind，招商证券，测试区间 20100101-20201231
Page 6
金融工程
图 4：1 个自然月动量策略多空净值表现
多空收益率
多空组合
25%
1.9
20%
1.7
15%
1.5
10%
5%
1.3
0%
1.1
-5%
-10%
0.9
-15%
0.7
20100226
20100630
20101029
20110228
20110630
20111031
20120229
20120629
20121031
20130228
20130628
20131031
20140228
20140630
20141031
20150227
20150630
20151030
20160229
20160630
20161031
20170228
20170630
20171031
20180228
20180629
20181031
20190228
20190628
20191031
20200228
20200630
20201030
0.5
-20%
-25%
资料来源：Wind，招商证券，测试区间 20100101-20201231
表 4：1 个自然月动量策略风险收益表现
多头组合
第二组
第三组
第四组
空头组合
基准组合
多空组合
总收益
163.11%
91.13%
99.95%
97.34%
47.01%
101.92%
66.16%
年化收益
9.26%
6.11%
6.55%
6.42%
3.59%
6.64%
4.76%
年化波动
27.97%
26.44%
27.64%
26.68%
25.20%
25.72%
16.77%
最大回撤
51.73%
48.71%
53.94%
50.51%
50.28%
50.55%
27.86%
月度胜率
54.20%
55.73%
51.91%
51.15%
53.44%
55.73%
56.49%
Sharpe
0.33
0.23
0.24
0.24
0.14
0.26
0.28
资料来源：Wind，招商证券，测试区间 20100101-20201231
⚫
12 个月动量
因子 IC 测试结果如表 5 所示，12 个月动量的因子 RankIC 均值为 7.64%，ICIR 值
为 0.23。
表 5：12 个月动量 IC 测试
RankIC 均值
ICIR
RankIC 胜率
T-value
P-value
7.64%
0.23
59.54%
2.60
0.0104
资料来源：Wind，招商证券，测试区间 20100101-20201231
图 5-图 7 展示了 12 个月行业动量策略的整体表现。我们可以看到，12 个月行业
动量对行业收益同样具有显著的解释能力。其中，多头组合的年化收益率为 10.14%（同
期空头组合年化收益率为 1.49%，基准组合为 6.64%），年化波动率为 28.40%，Sharpe
比率为 0.36。多空组合的年化收益率为 7.89%，年化波动率为 16.99%，Sharpe 比率
为 0.46。但值得注意的是，在五分位组合的超额收益中，第二组的收益表现要优于多头
组合，结合实际市场分析，原因可能在于过去表现过好的行业可能会出现部分反转现象。
同时我们可以看到，12 个月的行业动量的整体表现相较于 1 个月的行业动量要更加稳
定。因此，后文我们在构建合成策略的时候，以 12 个月动量作为行业动量因子的代表。
敬请阅读末页的重要说明
Page 7
金融工程
图 5：12 个月动量策略组合净值表现
图 6：12 个月动量策略各组合年化超额收益率
8.0%
3.5
多头组合
空头组合
基准组合
6.44%
6.0%
3
4.0%
2
2.0%
1.5
0.0%
1
-2.0%
0.5
-4.0%
20100226
20100630
20101029
20110228
20110630
20111031
20120229
20120629
20121031
20130228
20130628
20131031
20140228
20140630
20141031
20150227
20150630
20151030
20160229
20160630
20161031
20170228
20170630
20171031
20180228
20180629
20181031
20190228
20190628
20191031
20200228
20200630
20201030
2.5
资料来源：Wind，招商证券，测试区间 20100101-20201231
3.50%
-1.21%
-4.83%
-6.0%
多头组合
第二组
第三组
第四组
-5.15%
空头组合
资料来源：Wind，招商证券，测试区间 20100101-20201231
图 7：12 个月动量策略多空净值表现
多空收益率
多空组合
2.5
20%
2.3
15%
2.1
10%
1.9
5%
1.7
1.5
0%
1.3
-5%
1.1
-10%
0.9
-15%
0.5
20100226
20100630
20101029
20110228
20110630
20111031
20120229
20120629
20121031
20130228
20130628
20131031
20140228
20140630
20141031
20150227
20150630
20151030
20160229
20160630
20161031
20170228
20170630
20171031
20180228
20180629
20181031
20190228
20190628
20191031
20200228
20200630
20201030
0.7
-20%
资料来源：Wind，招商证券，测试区间 20100101-20201231
表 6：12 个月动量策略风险收益表现
多头组合
第二组
第三组
第四组
空头组合
基准组合
多空组合
总收益
187.30%
283.32%
78.31%
21.72%
17.59%
101.92%
129.38%
年化收益
10.14%
13.09%
5.44%
1.82%
1.49%
6.64%
7.89%
年化波动
28.40%
26.60%
27.11%
26.47%
25.59%
25.72%
16.99%
最大回撤
56.41%
42.19%
54.20%
55.88%
51.67%
50.55%
40.99%
月度胜率
57.25%
58.02%
51.91%
48.85%
51.15%
55.73%
59.54%
Sharpe
0.36
0.49
0.20
0.07
0.06
0.26
0.46
资料来源：Wind，招商证券，测试区间 20100101-20201231
敬请阅读末页的重要说明
Page 8
金融工程
2.2、低频行业景气度策略——基于财务数据
行业景气度是反映一个行业整体发展现状的关键指标，同时也是基本面维度投资者
所考虑的重要因素。行业景气度的构建方法有很多种，本文将着重介绍一种基于财务数
据的低频景气度构建方法，并按照其景气度指标构建行业轮动策略。
因子构建
本次我们基于行业上市公司定期公告公布的财务数据，采用多个财务指标综合打分
的方法，量化考察各行业相对景气度情况。我们选用的 20 个财务指标如表 7 所示。
表 7：20 个财务指标明细说明
指标类别
成长能力
盈利能力
财务指标
计算方式
正负指标
单季度.营业利润合计
同比增速的环比增长
正
单季度.归属母公司股东的净利润合计
同比增速的环比增长
正
单季度.营业总收入合计
同比增速的环比增长
正
净利润合计
同比增速的环比增长
正
营业总收入合计
同比增速的环比增长
正
单季度.每股收益 EPS
同比增速的环比增长
正
单季度.净资产收益率 ROE
同比增速
正
单季度.销售净利率
环比增速
正
单季度.净利润率
环比增速
正
净资产收益率 ROE
同比增速
正
销售净利率
环比增速
正
成本费用利润率
环比增速
正
销售费用率
环比增速
负
财务费用率
环比增速
负
资产负债率
同比增速
正
流动负债
同比增速的环比增长
正
固定资产周转率
环比增速
正
存货周转率
环比增速
正
应收账款周转率
环比增速
正
总资产周转率
环比增速
正
资产结构
营运能力
资料来源：Wind，招商证券
敬请阅读末页的重要说明
⚫
上述所有指标均采用整体法计算。例如，销售费用率=单个行业的所有上市公
司销售费用之和/单个行业的所有上市公司营业总收入之和
⚫
计算方式主要根据财务指标的实际意义进行调整，例如，考虑营业总收入时，
考虑到行业周期性的季度变化，故采用同比变化的环比增速来进行刻画。当考
虑销售净利润率时，由于其分子分母都会根据季度发生变化，故可省去同比变
化计算，直接计算环比。
⚫
当考虑资产结构时，由于实际生产中合理的负债率上升，往往对应着整体行业
Page 9
金融工程
正在加大生产投入，景气度往往处于旺盛阶段，故相关指标也取正值表征行业
景气向好。在这里，由于我们考量的是整个行业，而行业整体的负债率往往较
为平稳，因此其传达出的生产增长信号要大于其象征的财务风险。
接下来，我们基于财务指标对行业作景气判断，对财务数据在时间截面上增速大于
过去时间序列上 0.1 个标准差的行业，我们认为该指标传递出景气信号，将该行业在该
指标上记为 1；将增速低于负 0.1 个标准差的行业，在该指标上记为-1；将增速介于正
0.1 一个标准差和负 0.1 个标准差的行业记为 0。这样做的主要目的是去噪音化，排除
掉增速变化较小情况的扰动。接下来，我们对这 18 个财务指标逐个进行简单的策略测
试，即在每个月末买入指标记为 1 的行业，等权加权，并逐月进行调仓。由于财务数据
是定期发布的，为了保证不会运用到任何未来函数，我们在每年的 4 月末、在 8 月末和
10 月末，分别根据当年的第一季度报、半年报和第三季度报得到的景气度指标进行调
仓（后文涉及到定期报告的数据处理方法相同）。单个指标测试结果如表 8 所示，20 个
财务指标的策略年化收益率位于 6%-11%之间，Sharpe 比率大致在 0.3-0.4 之间。
表 8：单个财务指标风险收益表现
财务指标
收益率
波动率
Sharpe 比率
单季度.营业利润合计
10.47%
25.80%
0.41
单季度.归属母公司股东的净利润合计
9.37%
25.95%
0.36
单季度.营业总收入合计
6.54%
26.24%
0.25
净利润合计
8.59%
26.61%
0.32
营业总收入合计
6.89%
25.72%
0.27
单季度.每股收益 EPS
9.10%
26.36%
0.35
单季度.净资产收益率 ROE
10.79%
27.19%
0.40
单季度.销售净利率
7.64%
25.96%
0.29
单季度.净利润率
8.11%
26.00%
0.31
净资产收益率-平均
8.67%
26.60%
0.33
销售净利率
9.80%
25.60%
0.38
成本费用利润率
8.75%
25.79%
0.34
销售费用率
7.48%
26.10%
0.29
财务费用率
7.71%
26.59%
0.29
资产负债率
8.77%
26.41%
0.33
流动负债
8.07%
26.75%
0.30
固定资产周转率
7.93%
20.88%
0.38
存货周转率
7.70%
21.19%
0.36
应收账款周转率
6.97%
22.10%
0.32
总资产周转率
7.89%
20.88%
0.38
资料来源：Wind，招商证券
最后，我们将每个时间截面上的 20 个处理过的财务指标进行加和，得到基于财务
数据的低频行业景气度指标。
测试结果
下面我们对所构建的行业景气度指标进行测试。与行业动量策略类似的，我们同样
敬请阅读末页的重要说明
Page 10
金融工程
将回测区间设定为 2010 年 1 月 1 日至 2020 年 12 月 31 日，并分五分组，按照月频调
仓。首先进行 IC 测试，如表 9 所示，景气度指标 RankIC 均值为 7.44%，ICIR 为 0.38。
表 9：景气度 IC 测试
RankIC 均值
ICIR
RankIC 胜率
T-value
P-value
7.44%
0.38
67.94%
4.31
0.0000
资料来源：Wind，招商证券，测试区间 20100101-20201231
图 8-图 10 展示了行业景气度策略的整体表现，我们可以看到，基于行业景气度的
轮动策略超额收益较为显著。其中，多头组合的年化收益率为 13.92%（同期空头组合
年化收益率为 2.18%，基准组合为 6.64%）
，年化波动率为 26.91%，Sharpe 比率为
0.52。多空组合的年化收益率为 11.24%，年化波动率为 8.88%，Sharpe 比率为 1.27。
并且，行业景气度策略在近几年的表现尤为出色，这也与近年来主动投资者所普遍采取
的景气度投资理念大行其道有很大关系。
图 8：行业景气度策略组合净值表现
4.5
图 9：行业景气度策略各组合年化超额收益率
8.0%
多头组合
空头组合
7.28%
所有组合
4
6.0%
3.5
4.0%
3
2.0%
2.5
2
1.04%
0.0%
1.5
-0.25%
-2.0%
0.5
20100226
20100630
20101029
20110228
20110630
20111031
20120229
20120629
20121031
20130228
20130628
20131031
20140228
20140630
20141031
20150227
20150630
20151030
20160229
20160630
20161031
20170228
20170630
20171031
20180228
20180629
20181031
20190228
20190628
20191031
20200228
20200630
20201030
1
资料来源：Wind，招商证券，测试区间 20100101-20201231
-4.0%
-3.90%
-4.46%
-6.0%
多头组合
第二组
第三组
第四组
空头组合
资料来源：Wind，招商证券，测试区间 20100101-20201231
图 10：行业景气度策略多空净值表现
多空收益率
多空组合
12%
3.5
10%
3
8%
6%
2.5
4%
2
2%
0%
1.5
-2%
1
0.5
20100226
20100630
20101029
20110228
20110630
20111031
20120229
20120629
20121031
20130228
20130628
20131031
20140228
20140630
20141031
20150227
20150630
20151030
20160229
20160630
20161031
20170228
20170630
20171031
20180228
20180629
20181031
20190228
20190628
20191031
20200228
20200630
20201030
-4%
-6%
资料来源：Wind，招商证券，测试区间 20100101-20201231
敬请阅读末页的重要说明
Page 11
金融工程
表 10：行业景气度策略风险收益表现
多头组合
第二组
第三组
第四组
空头组合
基准组合
多空组合
总收益
315.50%
96.81%
124.44%
34.46%
26.60%
101.92%
220.32%
年化收益
13.92%
6.39%
7.68%
2.75%
2.18%
6.64%
11.24%
年化波动
26.91%
26.48%
26.87%
25.05%
26.60%
25.72%
8.88%
最大回撤
42.35%
48.93%
48.67%
54.75%
61.92%
50.55%
10.88%
月度胜率
60.31%
52.67%
54.20%
52.67%
46.56%
55.73%
64.12%
Sharpe
0.52
0.24
0.29
0.11
0.08
0.26
1.27
资料来源：Wind，招商证券，测试区间 20100101-20201231
我们可以看到，基于低频的景气度的轮动策略能得到着较为优秀的风险调整后收益
表现。利用该方法刻画行业景气度的优点主要有，数据容易获得，可靠性较高，对行业
收益的解释能力较强。同时，该方法同样存在明显的缺陷，由于上市公司定期报告发布
具有一定的时滞性，通常该方法得到的景气度可能会滞后于行业的实际景气度。因此，
业内往往通过一些中观的高频数据来跟踪不同行业的景气度。比如，可以利用上下游产
品价格、企业产品产量、库存和销售量等及时更新的数据建立景气度。更高频率的景气
度指标理论上能提升对行业景气度判断的及时性。后续，我们将专门基于行业中观高频
景气来进行行业轮动策略的构建，也请投资者关注我们的后续报告。
三、基于新闻数据的行业情绪轮动策略
在之前我们的报告《
“蓝海启航”系列研究之二：新闻情绪数据在中低频 Alpha 中
的应用》中，我们基于 ChinaScope 提供的新闻情绪数据构建了个股层面的 Alpha 因
子。事实上，我们同样可以尝试构建行业层面的新闻情绪因子，并基于行业层面的新闻
情绪来构建行业轮动策略。
行业层面的新闻情绪因子的构建通常有两种思路。一种思路是直接基于行业相关新
闻来构建行业层面的新闻情绪；另一种思路是汇总各个行业中个股相关的新闻来构建每
个行业的新闻情绪。下面我们分别基于这两种思路来构建行业情绪因子并测试因子的有
效性。
3.1、由行业相关新闻构建行业新闻情绪指标
首先，我们从行业相关新闻数据来构建行业新闻情绪指标。ChinaScope 所提供的
行业相关新闻情绪数据的示例如表 11 所示。一条新闻数据包含的主要信息有：新闻指
向标签（chinesename）
，即新闻指向的行业；新闻发布时间（newsTs）
；新闻相关系数
（relevance）
，即新闻与其指向行业的相关性；新闻分类标签（Indicator），即该新闻舆
情分类，0 为中性、1 为负面，2 为正面；新闻分类详情（emotionDetail）
，即该新闻为
正面、中性和负面消息的概率。下面我们给出了基于行业相关新闻构建行业新闻情绪指
标的步骤。
敬请阅读末页的重要说明
Page 12
金融工程
表 11：行业新闻情绪数据示例
industryCode
chineseName
englishName
newsId
newsTs
relevance
emotionDetail
汽车
Automobile
24097266
0.29
0.88
EC004
电子制造
24097266
0.15
2
0.88
SW001
应用软件
0.29
2
0.88
FN021
商业银行
Electronic
Manufacturing
Application
Software
Commercial Banks
0.21
1
0.97
{2=0.8805000000000001,
1=0.1195, 0=0.0}
{2=0.8805000000000001,
1=0.1195, 0=0.0}
{2=0.8805000000000001,
1=0.1195, 0=0.0}
{2=0.0, 1=0.9685, 0=0.0315}
SS001
互联网软件与服
务
24097278
0.16
1
0.97
{2=0.0, 1=0.9685, 0=0.0315}
FA003
建筑与工程
1
0.97
包装食品与肉类
2020-0901T00:01:34
2020-0901T00:01:37
0.36
FP002
Internet
Software and
Services
Construction and
Engineering
Packaged Foods
and Meats
2020-0901T00:00:24
2020-0901T00:00:24
2020-0901T00:00:24
2020-0901T00:01:23
2020-0901T00:01:23
Indicato
r2
Weight
AC005
0.14
2
0.9
{2=0.0, 1=0.9734867433716858,
0=0.026513256628314157}
{2=0.896, 1=0.104, 0=0.0}
24097266
24097278
24097286
24097287
资料来源：ChinaScope，招商证券
因子构成
⚫
第一步，将数据库提供的行业标签映射匹配到中信一级行业。
⚫
第二步，我们在每个时间截面上，取过去 20 日的所有新闻数据。
⚫
第三步，剔除掉分类为中性的新闻，并以每一条新闻的正面概率 - 每一条新闻
的负面概率作为该条新闻的得分。
⚫
第四步，将所有新闻情绪数据按照行业分类加和，以每一个行业在该时间截面
上的总新闻情绪得分作为行业新闻情绪原始指标。
⚫
第五步，为了获得情绪相对的变化，我们基于第四步得到的行业新闻情绪原始
指标计算同比增速的环比，得到相对指标。
⚫
第六步，对行业新闻情绪因子做市值中性化处理，以剔除行业规模对新闻情绪
数据的影响 3。
因子测试
下面我们对得到的行业新闻情绪数据做 IC 测试。从表 12 所示结果可以看到，无论
是原始指标还是经过调整以后的相对指标，对行业未来收益率均没有显著的预测能力。
我们认为背后的原因可能与行业新闻情绪原始数据的生成有关。因为当某条新闻指向某
个行业标签时，该新闻可能依然包含了过多的与该行业无关的噪音信息。基于这些信息
分析得到的新闻情绪可能无法准确反映该行业的新闻情绪。
表 12：行业标签新闻情绪 IC 测试
指标
原始指标
RankIC 均值
-1.68%
值
ICIR
-0.08
胜率
53.19%
T-value
-0.53
P-value
0.6009
相对指标
-3.39%
-0.16
36.17%
-1.09
0.2811
原始指标中性化
-2.38%
-0.11
51.06%
-0.74
0.4643
相对指标中性化
-2.87%
-0.13
42.55%
-0.91
0.3665
资料来源：Wind，ChinaScope，招商证券，测试区间 20170101-20201231
3
原始指标与市值相关系数为 0.2690
敬请阅读末页的重要说明
Page 13
金融工程
3.2、由个股新闻情绪汇总构建行业情绪指标
下面我们考虑采取另外一种思路，即基于个股的新闻情绪来合成行业的新闻情绪。
因子构成
⚫
第一步，将数据库提供的个股标签按照中信一级行业指数成分股映射到相应的
行业。
⚫
第二步，我们在每个时间截面上，考察过去 20 日的所有新闻数据。
⚫
第三步，剔除掉分类为中性的新闻，并以每一条新闻的正面概率 - 每一条新闻
的负面概率作为该条新闻的得分。
⚫
第四步，在这里我们将所有的新闻情绪数据按照第一步得到的行业分类进行将
得分简单加和，将每一个行业在该时间截面上的总得分作为行业新闻情绪原始
指标。
⚫
第五步，将第四步得到的行业新闻情绪原始指标，计算同比增速的环比，得到
相对指标。
⚫
第六步，对因子做市值中性化处理，以剔除行业规模对新闻情绪数据的影响4。
因子测试
下面我们进一步对得到的行业新闻情绪因子做 IC 测试。从表 13 所示结果可以看
到，基于个股合成的行业新闻情绪原始指标和中性化处理后的相对指标对行业未来收益
率都表现出了较为显著的正向预测能力。但是，在对原始指标进行行业市值中性化处理
后，因子的预测能力出现了明显的下滑。这是因为原始指标与行业规模有较为明显的相
关性，而过去几年的大市值行业收益相对表现较好。因此，我们对原始指标做市值相关
性剔除，选用市值中性化处理后的相对指标作为行业新闻情绪指标来做后续测试。
表 13：个股标签行业情绪 IC 测试
指标
RankIC 均值
ICIR
胜率
T-value
P-value
原始指标
5.05%
0.25
51.06%
1.72
0.0920
相对指标
1.86%
0.08
57.45%
0.58
0.5651
原始指标中性化
0.48%
0.02
57.45%
0.15
0.8847
相对指标中性化
4.53%
0.22
61.70%
1.50
0.1417
资料来源：Wind，ChinaScope，招商证券，测试区间 20170101-20201231
测试结果
由于新闻情绪的数据回溯时间有限，因此我们将回测区间设定为 2017 年 1 月 1 日
至 2020 年 12 月 31 日。组合按照月度频率进行调仓。测试分组依旧采用五分法。
图 11-图 13 展示了基于行业新闻情绪因子的轮动策略的表现，我们可以看到，简
4
原始指标与市值相关系数为 0.6695
敬请阅读末页的重要说明
Page 14
金融工程
单的基于行业新闻情绪的轮动策略能够产生显著的超额收益。其中，多头组合的年化收
益率为 10.76%（同期空头组合年化收益率为 0.16%，基准组合为 3.20%）
，年化波动
率为 20.11%，Sharpe 比率为 0.53，月度胜率为 59.57%。多空组合的年化收益率为
10.29%，年化波动率为 8.60%，Sharpe 比率为 1.20，月度胜率为 65.96%。并且，新
闻情绪指标的多头组合能够获得显著的超额收益率。
图 11：行业新闻情绪策略组合净值表现
1.7
图 12：行业新闻情绪策略各组合年化超额收益率
10.0%
多头组合
空头组合
基准组合
8.0%
7.56%
1.5
6.0%
1.3
4.0%
1.1
2.0%
0.9
0.0%
-0.44%
0.7
-0.32%
-2.0%
0.5
-3.04%
-4.0%
-4.15%
-6.0%
多头组合
资料来源：Wind，ChinaScope，招商证券，20170101-20201231
第二组
第三组
第四组
空头组合
资料来源：Wind，ChinaScope，招商证券，20170101-20201231
图 13：行业新闻情绪策略多空净值表现
多空收益率
多空组合
1.6
1.5
10%
8%
1.4
6%
1.3
1.2
1.1
1
4%
2%
0%
0.9
-2%
0.8
0.7
0.6
-4%
-6%
资料来源：Wind，ChinaScope，招商证券，测试区间 20170101-20201231
敬请阅读末页的重要说明
Page 15
金融工程
表 14：行业新闻情绪策略风险收益表现
多头组合
第二组
第三组
第四组
空头组合
基准组合
多空组合
总收益
49.28%
-3.69%
11.27%
11.75%
0.64%
13.14%
46.83%
年化收益
10.76%
-0.96%
2.76%
2.87%
0.16%
3.20%
10.29%
年化波动
20.11%
17.49%
17.85%
18.49%
19.38%
17.95%
8.60%
最大回撤
28.34%
29.85%
34.82%
35.45%
40.21%
31.66%
8.86%
月度胜率
59.57%
51.06%
44.68%
48.94%
53.19%
57.45%
65.96%
Sharpe
0.53
-0.05
0.15
0.16
0.01
0.18
1.20
资料来源：Wind，ChinaScope，招商证券，测试区间 20100101-20201231
四、多维度行业轮动策略的构建
在本节中，我们将基于前文提到的动量指标、景气度指标和新闻情绪指标建立多维
度的行业轮动策略。
4.1、复合因子法
与构建选股因子的思路类似，我们尝试利用合成复合因子的方法构建多维度轮动策
略。由于新闻数据的可获取时间较短，因此我们统一将回溯测试时间设定为 2017 年 1
月 1 日至 2020 年 12 月 31 日，对上述三个指标在区间内进行因子相关性测试和单因子
IC 测试。
相关性测试如表 15 所示，可以看到，景气度和动量存在一定相关性，相关系数为
0.1997，
而新闻情绪与动量和景气度之间几乎不存在相关性。IC 测试结果如表 16 所示，
其中，动量的 RankIC 均值最高，但在其余测试结果中景气度表现更加优秀。
表 15：三个指标的相关性测试
动量
新闻情绪
景气度
动量
1.0000
0.0182
0.1997
新闻情绪
0.0182
1.0000
-0.0378
景气度
0.1997
-0.0378
1.0000
资料来源：Wind，ChinaScope，招商证券，测试区间 20170101-20201231
表 16：三个指标的 IC 测试
指标
RankIC 均值
ICIR
胜率
T-value
P-value
动量
13.92%
0.43
68.09%
2.95
0.0050
景气度
11.67%
0.72
76.60%
4.91
0.0000
新闻情绪
4.53%
0.22
61.70%
1.50
0.1417
资料来源：Wind，ChinaScope，招商证券，测试区间 20170101-20201231
接下来，我们将三个因子标准化后等权加权得到复合因子，并对复合因子先进行 IC
测试。测试结果如表 17 所示，总体来看，等权加权的 IC 表现要略优于单个指标的 IC
表现。进一步地，我们对等权复合因子按照前述的五分法和月度频率调仓进行分组测试。
敬请阅读末页的重要说明
Page 16
金融工程
表 17：等权复合因子方式的 IC 测试
指标
RankIC 均值
ICIR
胜率
T-value
P-value
等权复合因子
15.77%
0.63
72.34%
4.32
0.0001
资料来源：Wind，ChinaScope，招商证券，测试区间 20170101-20201231
图 14、图 15 展示了单因子和等权因子的整体表现，我们可以看到，等权合成的方
式能够使单因子策略得到一定的边际收益改善。其中，等权因子多头组合的年化收益率
为 16.98%（同期基准组合年化收益率为 3.20%，动量策略为 14.01%，景气度策略为
13.75%，新闻情绪策略为 10.76%）
，年化波动率为 19.34%，Sharpe 比率为 0.88，月
度胜率为 60.87%。
但在构建行业合成因子的过程中，我们发现在相关性程度不高的情况下，等权合成
因子法在选行业时的边际改善并不像在选股上那样显著。我们认为，出现主要原因在于
因子选股时可选标的较多，具有较为理想的标的宽度，这在量化投资上的具有重要的意
义。而选择行业时可选宽度较窄，简单的从数学上对多个因子进行复合的增强效果可能
会降低。因此，在多维度构建行业轮动策略时，更具有实际投资逻辑的复合方法可能会
比传统的复合方式更加有效。
图 14：单因子和等权因子多头组合净值表现
2.1
动量
景气度
新闻情绪
图 15：单因子和等权因子多空组合净值表现
等权复合因子
2.4
1.9
动量
景气度
新闻情绪
等权复合因子
2.2
1.7
2
1.5
1.8
1.3
1.6
1.1
1.4
0.9
1.2
0.7
1
0.5
0.8
资料来源：Wind，ChinaScope，招商证券，20170101-20201231
资料来源：Wind，ChinaScope，招商证券，20170101-20201231
表 18：单因子和三种复合因子多头组合风险收益表现
动量
景气度
新闻情绪
复合因子
总收益
67.21%
65.58%
49.28%
84.94%
年化收益
14.01%
13.73%
10.76%
16.98%
年化波动
21.04%
19.06%
20.29%
19.34%
最大回撤
36.77%
28.04%
28.34%
26.99%
月度胜率
58.70%
63.04%
58.70%
60.87%
Sharpe
0.67
0.72
0.53
0.88
资料来源：Wind，ChinaScope，招商证券，测试区间 20170101-20201231
4.2、负面剔除法概述
除了通过因子合成的方式之外，我们还可以通过两个指标结合的负面剔除法来构建
敬请阅读末页的重要说明
Page 17
金融工程
行业组合。负面剔除法需要选择一个核心指标和一个剔除指标。举例来说，以景气度为
核心指标，以新闻情绪为剔除指标。我们从行业景气度排名靠前的行业组合中剔除新闻
情绪偏负面的行业，从而得到多头组合。同理，从行业景气度较差的行业组合中剔除新
闻情绪偏正面的行业，从而得到空头组合。如图 17 所示，如果采取宽松的剔除法，我
们将得到行业 A+B 作为多头组合（即剔除后 1/3）
，组合 E+F 作为空头组合（即剔除前
1/3）
。在严格的剔除法下，将得到组合 A 作为多头组合（即剔除后 2/3）
，组合 F 作为
空头组合（即剔除前 2/3）
。
图 18：剔除法示例
资料来源：招商证券
核心指标的选择不仅是合成策略的逻辑基础，同时也将对合成策略的整体表现产生
最重要的影响。从前文的分析可以看到，景气度指标整体表现最为优异。同时，基于景
气度的投资也是目前投资者所主要采取的思维方式。因此，在下文的策略中，我们选择
整体表现最为稳定、变动频率较低的景气度指标作为核心指标，利用动量和新闻情绪分
别作为剔除指标，来构建行业轮动策略。
4.3、负面剔除法——景气度+动量
宽松剔除策略
首先，我们选出行业景气度排名前五和排名最后五名的行业构成候选多头组合和候
选空头组合，从候选多头组合中剔除行业动量排名最后五名的行业，剩下的行业构成最
终的多头组合；从候选空头组合中剔除行业动量排名前五名的行业，剩下的行业构成最
终的空头组合。基本构建思路是，在基本面景气程度较高的行业中，选出真正在价格趋
势上被投资者持续认可的行业。以基本面作为基础，以动量确认基本面。
策略测试结果
图 17、图 18 展示了基于宽松剔除法的行业景气度和动量复合策略的整体表现。其
中，多头组合的年化收益率为 19.36%（同期空头组合年化收益率为-9.09%，基准组合
敬请阅读末页的重要说明
Page 18
金融工程
为 3.20%）
，年化波动率为 20.01%，Sharpe 比率为 0.97，月度胜率为 68.09%。多空
组合的年化收益率为 30.35%，年化波动率为 11.23%，Sharpe 比率为 2.72，月度胜率
为 80.85%。但是，通过与原始单一维度策略的对比，我们可以看到，宽松剔除法相对
于单纯基于景气度的轮动策略而言，效果并没有显著的提升。
图 17：基于景气度和动量的宽松剔除策略分组净值表现
2.1
多头组合
空头组合
基准组合
1.9
1.7
1.5
1.3
1.1
0.9
0.7
0.5
资料来源：Wind，招商证券，测试区间 20170101-20201231
图 18：基于景气度和动量的宽松剔除策略多空净值表现
3.1
多空收益率
多空组合
景气度策略净值
16%
14%
2.6
12%
10%
2.1
8%
6%
4%
1.6
2%
0%
1.1
-2%
-4%
0.6
-6%
资料来源：Wind，招商证券，测试区间 20170101-20201231
敬请阅读末页的重要说明
Page 19
金融工程
表 19：基于景气度和动量的宽松剔除策略风险收益表现
多头组合
空头组合
基准组合
多空组合
总收益
100.14%
-31.18%
13.14%
184.26%
年化收益
19.36%
-9.09%
3.20%
30.53%
年化波动
20.01%
19.01%
17.95%
11.23%
最大回撤
22.76%
40.40%
31.66%
3.73%
月度胜率
68.09%
36.17%
57.45%
80.85%
Sharpe
0.97
-0.48
0.18
2.72
资料来源：Wind，招商证券，测试区间 20170101-20201231
在前文中，我们已经对行业景气度和行业动量做了相关性分析，从结果可知二者之
间存在一定的相关性。进一步地，我们展示了二者相关系数在时间序列上的变化，并构
建了一个相关系数在时间序列上的变化展示图。其中，月度相关性为每个月末截面上景
气度与动量之间的相关系数，相关性_TTM 为滚动 12 个月的相关系数平均值。从图 19
看到，景气度与动量之间的相关性在近几年趋于稳定，自 2016 年以来仅有两个月相关
系数出现微弱的负值，2020 年的相关系数平均值为 0.2599。
事实上，由于基于财务数据的景气度指标往往具有滞后性，而投资者往往通过更高
频的信号来提前去预判行业的景气。这就导致行业个股的股价走势通常领先于实际的景
气周期。同时，由于景气本身具有一定的持续性，因此高景气通常带来股价的持续上涨。
这就导致行业景气与行业动量两指标之间存在一定的相关性。而相关性的存在导致在宽
松的剔除法下二者结合的增强效果并不显著。接下来，我们按照较为严格的剔除法进行
新的结合尝试。
图 19：行业景气度与行业动量的相关性分析
月度相关性
0.70
相关性_TTM
0.60
0.50
0.40
0.30
0.20
0.10
0.00
-0.10
-0.30
20100129
20100531
20100930
20110131
20110531
20110930
20120131
20120531
20120928
20130131
20130531
20130930
20140130
20140530
20140930
20150130
20150529
20150930
20160129
20160531
20160930
20170126
20170531
20170929
20180131
20180531
20180928
20190131
20190531
20190930
20200123
20200529
20200930
-0.20
资料来源：Wind，招商证券，测试区间 20170101-20201231
严格剔除策略
同样地，我们选出行业景气度排名前五和排名最后五名的行业构成候选多头组合和
候选空头组合，从候选多头组合中剔除行业动量排名最后 50%的行业，剩下的行业构成
最终的多头组合；从候选空头组合扣中剔除行业动量排名前 50%的行业，剩下的行业构
敬请阅读末页的重要说明
Page 20
金融工程
成最终的空头组合。
策略测试结果
图 20、图 21 展示了基于严格剔除法的行业景气度和动量复合策略的整体表现。其
中，多头组合的年化收益率为 21.18%（同期空头组合年化收益率为-10.77%，基准组合
为 3.20%）
，年化波动率为 21.84%，Sharpe 比率为 0.97，月度胜率为 68.09%。多空
组合的年化收益率为 35.13%，年化波动率为 12.62%，Sharpe 比率为 2.78，月度胜率
为 85.11%。此外，相对于基于单一景气度的轮动策略而言，新的增强策略的收益有较
为显著的提升，同时严格筛选法也使得策略的波动率有一定的提升。
图 20：基于景气度和动量的严格剔除策略分组净值表现
2.3
多头组合
空头组合
所有组合
2.1
1.9
1.7
1.5
1.3
1.1
0.9
0.7
0.5
资料来源：Wind，招商证券，测试区间 20170101-20201231
敬请阅读末页的重要说明
Page 21
金融工程
图 21：基于景气度和动量的严格剔除策略多空净值表现
3.6
多空收益率
策略多空净值
景气度策略净值
20%
3.1
15%
2.6
10%
2.1
5%
1.6
0%
1.1
-5%
0.6
-10%
资料来源：Wind，招商证券，测试区间 20170101-20201231
表 20：基于景气度和动量的严格剔除策略风险收益表现
多头组合
空头组合
基准组合
多空组合
总收益
112.36%
-36.02%
13.14%
225.54%
年化收益
21.18%
-10.77%
3.20%
35.13%
年化波动
21.84%
19.20%
17.95%
12.62%
最大回撤
24.49%
45.35%
31.66%
6.52%
月度胜率
68.09%
31.91%
57.45%
85.11%
Sharpe
0.97
-0.56
0.18
2.78
资料来源：Wind，招商证券，测试区间 20170101-20201231
4.4、负面剔除法——景气度+新闻情绪
策略构建
首先，选出行业景气度排名前五的行业和行业景气度排名最后五名的行业构成候选
多头组合和候选空头组合。从候选多头组合中剔除新闻情绪排名最后五名的行业，剩下
的行业构成多头组合。从候选空头组合中剔除新闻情绪排名前五名的行业，剩下的行业
构成空头组合。策略构建的核心思路是，将财务基本面景气度较高，但新闻情绪已经明
显转为负面的行业从投资组合中剔除。利用时效性更好的新闻情绪进一步精选行业，可
以有效地弥补景气度指标存在时滞性的缺陷。
策略测试结果
图 22、
图 23 展示基于剔除法的行业景气度和新闻情绪复合策略的整体表现。
其中，
多头组合的年化收益率为 20.90%（同期空头组合年化收益率为-11.27%，基准组合为
敬请阅读末页的重要说明
Page 22
金融工程
3.20%）
，年化波动率为 19.00%，Sharpe 比率为 1.10，月度胜率为 65.96%。多空组合
的年化收益率为 35.24%，年化波动率为 9.75%，Sharpe 比率为 3.62，月度胜率为
87.23%。此外，该策略多空组合的最大回撤仅为 3.03%。无论是从绝对的收益还是从
风险的角度来看复合策略相对于基于单一景气度的策略的表现均有显著的提升。
图 22：基于景气度和新闻情绪的复合策略分组分组净值表现
2.3
多头组合
空头组合
基准组合
2.1
1.9
1.7
1.5
1.3
1.1
0.9
0.7
0.5
资料来源：Wind，ChinaScope，招商证券，测试区间 20170101-20201231
图 23：基于景气度和新闻情绪的复合策略分组多空净值表现
3.6
多空收益率
策略多空净值
景气度策略净值
14%
12%
3.1
10%
2.6
8%
6%
2.1
4%
1.6
2%
0%
1.1
-2%
0.6
-4%
资料来源：Wind，ChinaScope，招商证券，测试区间 20170101-20201231
敬请阅读末页的重要说明
Page 23
金融工程
表 21：基于景气度和新闻情绪的复合策略分组风险收益表现
多头组合
空头组合
基准组合
多空组合
总收益
110.43%
-37.43%
13.14%
226.62%
年化收益
20.90%
-11.27%
3.20%
35.24%
年化波动
19.00%
19.03%
17.95%
9.75%
最大回撤
19.55%
47.26%
31.66%
3.03%
月度胜率
65.96%
36.17%
57.45%
87.23%
Sharpe
1.10
-0.59
0.18
3.62
资料来源：Wind，ChinaScope，招商证券，测试区间 20170101-20201231
从前文的分析可以看到，基于行业景气度和新闻情绪的复合策略具有出色的效果。
但正如我们在本文开头所提到的，行业轮动策略尤其需要考虑换手提升所带来的成本提
升的影响。下面我们进一步对对该策略的多头组合进行交易费率的敏感性测算。假设每
个中信一级行业指数都有对应的 ETF 标的可以进行交易，手续费为双边计算，测算结
果如下表所示。可以看到随着交易费率由万分之五提升至千分之二，组合的年化收益由
20.18%下降至 18.23%。但是整体来看，轮动策略相对于基准和单一的景气度策略依然
就有明显的优势。
表 22：交易费率敏感性测试
交易手续费
总收益
年化收益
年化波动
Sharpe
万分之五
105.98%
20.18%
19.01%
1.06
千分之一
101.62%
19.53%
19.02%
1.03
千分之一点五
97.35%
18.88%
19.03%
0.99
千分之二
93.17%
18.23%
19.04%
0.96
资料来源：Wind，ChinaScope，招商证券，测试区间 20170101-20201231
最后，我们在表 23 中展示了 2020 年该策略多头组合每个月所持有的行业。
表 23：2020 年行业景气度+新闻情绪策略多头持仓组合
20200123
20200228
20200331
20200430
20200529
20200630
轻工制造
电力及公用事业
轻工制造
煤炭
医药
银行
电力及公用事业
电子
电力及公用事业
银行
基础化工
国防军工
电子
商贸零售
电子
基础化工
国防军工
煤炭
煤炭
商贸零售
商贸零售
医药
传媒
传媒
国防军工
20200731
20200831
20200930
20201030
20201130
20201231
医药
通信
电力设备及新能源
电子
消费者服务
钢铁
基础化工
电力设备及新能源
医药
电力设备及新能源
电子
电子
国防军工
计算机
计算机
钢铁
电力设备及新能源
电力设备及新能源
煤炭
汽车
汽车
有色金属
资料来源：Wind，ChinaScope，招商证券，测试区间 20200101-20201231
敬请阅读末页的重要说明
Page 24
金融工程
五、结语
本文我们尝试从动量、景气度和新闻情绪三个维度出发构建多维度的行业轮动策略。
从因子合成的角度，三因子合成策略的效果相比于单个因子均有明显的提升。此外，我
们发现基于行业景气筛选景气度较高的行业并借助新闻情绪进行负面剔除的策略能够
获得更优的效果。
A 股市场行业收益的巨大分化给行业轮动策略提供了广阔的空间，行业轮动策略也
受到了越来越多的关注。而各类行业指数基金及 ETF 工具的不断推出，也为进行行业
轮动创造了可能。后续我们将进一步完善我们的行业轮动体系，并定期发布行业轮动策
略的结果，也请各位投资者继续关注我们后续的研究！
风险提示：
本文的实证是基于历史数据得到的，当市场环境发生变化的时候，存在模型失效的
风险，文章结论不构成投资建议。
敬请阅读末页的重要说明
Page 25
金融工程
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。
任瞳：首席分析师，定量研究团队负责人，管理学硕士，16 年证券研究经验，2010 年、2015 年、2016、2017
年新财富最佳分析师。在量化选股择时、基金研究以及衍生品投资方面均有深入读到的见解。
周靖明：高级量化分析师，武汉大学金融工程硕士，5 年量化策略研究开发经验。研究方向是量化选股与创新基
金产品研究，在多因子选股，SmartBeta 产品等方面有长期深入的研究。
投资评级定义
公司短期评级
以报告日起 6 个月内，公司股价相对同期市场基准（沪深 300 指数）的表现为标准：
强烈推荐：公司股价涨幅超基准指数 20%以上
审慎推荐：公司股价涨幅超基准指数 5-20%之间
中性：公司股价变动幅度相对基准指数介于±5%之间
回避：公司股价表现弱于基准指数 5%以上
公司长期评级
A：公司长期竞争力高于行业平均水平
B：公司长期竞争力与行业平均水平一致
C：公司长期竞争力低于行业平均水平
行业投资评级
以报告日起 6 个月内，行业指数相对于同期市场基准（沪深 300 指数）的表现为标准：
推荐：行业基本面向好，行业指数将跑赢基准指数
中性：行业基本面稳定，行业指数跟随基准指数
回避：行业基本面向淡，行业指数将跑输基准指数
重要声明
本报告由招商证券股份有限公司（以下简称“本公司”）编制。本公司具有中国证监会许可的证券投资咨询业务资
格。本报告基于合法取得的信息，但本公司对这些信息的准确性和完整性不作任何保证。本报告所包含的分析基
于各种假设，不同假设可能导致分析结果出现重大不同。报告中的内容和意见仅供参考，并不构成对所述证券买
卖的出价，在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。除法律或规则规定必
须承担的责任外，本公司及其雇员不对使用本报告及其内容所引发的任何直接或间接损失负任何责任。本公司或
关联机构可能会持有报告中所提到的公司所发行的证券头寸并进行交易，还可能为这些公司提供或争取提供投资
银行业务服务。客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突。
本报告版权归本公司所有。本公司保留所有权利。未经本公司事先书面许可，任何机构和个人均不得以任何形式
翻版、复制、引用或转载，否则，本公司将保留随时追究其法律责任的权利。
敬请阅读末页的重要说明
Page 26