全球關注：構建行業景氣度指標

背景和意義

(資料圖片)

在經濟層面，中觀行業的表現日漸受到重視。目前，國內經濟正處于增長動能切換的關鍵時期。一方面，傳統產業增速回落帶動GDP逐年下降，使其代表性漸次減弱。另一方面，以數字科技、新能源、人工智能和生物醫藥為代表的新興產業方興未艾，盡管規模暫時難以媲美傳統產業，但發展前景廣闊，未來很可能成長為中國經濟的主導產業。因此在今后一個階段，總量型經濟指標的指示意義將逐漸下降，越來越難以很好地反映國內經濟出現的結構性變化。在這種情況下，我們就需要將關注的焦點下沉到產業鏈上，以中觀視角來觀察國內經濟的轉型和升級。而景氣度正好能夠集中反映一個行業生產經營活動的興盛和繁榮程度。

在投資層面，一些重要的基本面投資策略本質上都以景氣度為核心驅動因素。“美林時鐘”及其不同變體實際上均是將經濟、金融或政策周期與景氣度相關聯，進而形成不同的資產配置策略。困境反轉策略則是抓住相關板塊景氣度觸底反彈帶來的投資機會。而且，通過配置未來一段時間景氣度最高的板塊獲得beta收益，再通過個股調研和深度研究獲取alpha收益，已經成為許多優秀主動型基金經理的主要投資思路。研究顯示，復盤A股過去十多年的歷史，A股主要風格/行業的收益主要是盈利驅動，貢獻占比超過80%。在這樣的背景下，景氣度和板塊表現之間的正相關性大幅提升，對權益投資的指示性意義也更加明確。

在政策層面，行業景氣度能夠反映經濟的結構性變化，為宏觀調控和產業政策的進入或退出提供有價值的依據。例如，2012年以后，“四萬億”經濟刺激計劃的負面效應逐漸開始顯現，許多工業企業產能利用率、利潤增速和投資增速下滑，企業部門債務規模和僵尸企業數量明顯增加。這些中觀結構變化促使中央作出了推進供給側改革的決定。再例如，經濟發展規律和產業結構變遷規律是我國現階段進行產業結構戰略性調整的內在因素。一方面，前期主導產業增速放緩，后續發展空間有限；另一方面，戰略新興產業發展勢頭迅猛，未來增長空間巨大，有望成為新的主導產業。這些事實都能從行業景氣度中明確地反映出來。因此，行業景氣度能夠作為政策實施的依據和效果的印證。

指標和方法選擇

現有景氣度指標各有不足，難以完全滿足宏觀分析的需要。首先，目前使用最廣、權威性最高的景氣度指標是統計局發布的制造業PMI和非制造業商務活動指數。這類景氣度指數的不足之處在于行業細分度不高（15個），且數據需要額外收費。其次，不少行業都有自己的景氣度指數，如國房景氣指數等。但這類指數一是行業覆蓋面不全，二是構建方法不一致，相互之間的可比性不高。最后，工業企業景氣指數雖然能夠全面反映產業鏈景氣度，但數據是季頻，且有一定滯后性。這導致其有效性下降。

相對于學界，不同券商研究部門已經積累了一些實踐經驗，為后續研究提供了有益參考：

國君宏觀從量價入手，利用各行業工業增加值與PPI同比增速變動，將每個行業每月景氣度變動情況分為四類并賦值：量的升或降記為+2或-2，價的升或降記為+1或-1，組合得到：+1（量升價跌）、+3（量價齊升）、-1（量跌價升）和-3（量價齊跌）四種情況。（詳見《國君總量經濟指數系列（一）：行業景氣及其傳導，行業持續走弱》）

中銀宏觀關注制造業產業實力和產業潛力，考慮核心性、可獲得性、可比性和相關性等原則，確定了規模、盈利、負債和前景4個二級指標，并進一步細化為10個三級指標，包括總資產增速、營業收入增速、工業增加值速、固定資產投資增速、利潤增速、營業利潤增速、虧損企業單位數量增速、資產負債率、流動比率、研發費用占營收之比。然后進行標準化處理，并分別賦予每個三級指標 10%的權重。（詳見《我國行業發展不平衡的定量測算原因分析與潛在影響》）

華泰金工主要關注業績數據和一致預期。企業經營業績是用于描述行業景氣狀態，分析師一致預期數據是專業人士對企業經營狀態給出的評估。所有的景氣度指標數值被標記為1、-1和0，對應行業看多、看空和看平。（詳見《華泰基本面輪動系列之八：行業配置策略，景氣度視角》）

國盛量化認為，周期行業的景氣度指標包括內部因素和外部因素，前者分為產銷、價格和庫存三類，后者分為需求和宏觀兩類。部分指標需要進行頻率、季節和濾波調整。然后利用擴散指數法將行業周期分為擴張和收縮兩種狀態，類似PMI指數。（詳見《經濟周期波動分析與預測方法》）

廣發金工的主要思路是為各行業找到相關性及解釋度較高的基本面同步景氣指標和對基本面景氣指標具有顯著驅動效果的領先驅動指標，然后通過多元線性回歸，構造各行業綜合景氣預測模型。（詳見《重構行業輪動框架之五：匯總篇，景氣視角下的行業輪動策略》）

中金量化用行業利潤增速作為行業景氣度代理變量，選取相關性分析階段篩選出來的景氣度變量，計算各指標滾動3年的z-score值。若該維度數值與景氣度正相關，則保留。指標數值大于0計1分，否則計0分。最后加總所有保留維度數值得分得到該行業景氣度。可見，保留維度越多，景氣度得分越高。（詳見《如何量化跟蹤周期性行業景氣度》）

招商策略根據A股中報數據，分別計算行業營業收入、凈利潤、凈利率、ROE、中觀景氣、估值水平、公募基金持倉等七個指標的相應參數，并給予相應權重，得到各個行業的加權平均得分。

上述券商研究大致可以分為兩類：一類出自宏觀團隊，數據選擇側重中觀行業指標，優點是經濟基礎扎實，能夠直接反映行業整體的冷暖程度；另一類出自量化或策略團隊，數據主要來自上市公司財務報表，強調指標的同步性和前瞻性，主要反映上市企業的行業景氣度，期望直接落地到資產配置。

作為宏觀研究，本文將從中觀行業指標中選取相關變量，以求較為完整地反映全產業鏈景氣度的變化情況。在指標選擇上，景氣度的評價標準應當以生產、價格和盈利為導向，因此，量、價和利潤都是必備的基本要素。除此之外，本文還納入了產成品庫存、出口交貨值和固定資產投資三項指標。產成品庫存和出口交貨值反映了行業的產品銷售情況。盡管固定資產投資相對于量、價和利潤有一定的滯后性，但能夠反映生產經營者對行業前景的預期，因此被納入進來。上述六個指標均能夠細分至行業，且頻率都是月度，能夠相對較為及時地反映行業景氣度變化，而且具有較高的可比性。因此，本文選擇工業增加值、PPI、工業企業利潤、產成品庫存、出口交貨值和固定資產投資的分行業累計同比增速作為基礎指標。沒有選用當月同比和環比增速作為基礎指標的原因在于數據波動過大會影響景氣度的周期性特征。經過可比數據篩選，一共得到33個行業，時間區間從2018年2月至今。

在處理方法上，本文選擇主成分分析法（PCA）。《經濟周期波動分析與預測方法》一書中詳細介紹了主流的經濟景氣指數的構建方法，包括擴散指數、合成指數、主成分分析、SWI景氣指數以及MS-SWI景氣指數等方法。主成分分析是考察多個變量間相關性一種多元統計方法，研究如何通過少數幾個主成分來揭示多個變量間的內部結構，即從原始變量中導出少數幾個主成分，使它們盡可能多地保留原始變量的信息，且彼此間互不相關.通常數學上的處理就是將原來P個指標作線性組合，作為新的綜合指標。一方面，主成分分析法可以消除變量之間的相關關系，并變換成為彼此獨立的主成分。另一方面，在主成分分析法中，每個主成分的權重為其貢獻率，反映了該主成分包含的原始數據的信息量占全部信息量的比重。以此確定的貢獻率是內生的，因而更加客觀合理。這就是本文選擇主成分分析法的主要原因。

景氣度指標構建和結果解釋

主成分分析法的具體過程和內涵，本文不再贅述，網絡資源和各類相關書籍均有詳細記述。值得一提的是，由于產成品庫存增速上升并不產生有利貢獻，因此需要進行對應處理。本文的主要工作在于，利用Excel實現對基礎指標進行主成分分析，并將上述操作與Wind的數據更新公式進行對接，從而實現了行業景氣度的月度自動更新。這一操作的好處在于將工作程序化繁為簡，使得行業景氣度的變化更易被觀察。同時，也很容易進行基礎指標的增減和更新。利用Excel進行主成分分析的具體操作參見林澤陽（2012）和林建華（2015）。

本文將33個行業的景氣度按照產業鏈上、中、下游分列在圖表1中。8月，多數行業景氣度呈現回升態勢，主要得益于工業增加值、經營利潤增速和出口銷貨值的增長，以及產成品庫存增速下降的正向貢獻。尤其是隨著“CPI-PPI”剪刀差回正，中下游企業生產經營情況出現好轉，越靠近消費終端，行業景氣度改善越明顯。

進一步，本文利用行業景氣度及其變化搭建了一個十字坐標。其中，第一象限表示景氣度為正，且正在上升的行業；第二象限表示景氣度為正，但已經出現回落的行業；第三象限表示景氣度為負，且仍在繼續下滑的行業；第四象限表示景氣度為負，但已經出現邊際改善跡象的行業。

由此可見，對投資有較強指示意義的行業主要位于第一和第四象限。在第一象限，投資者看中的是持續高景氣度的行業。而在第四象限，投資者關注的是前期陷入困境的行業開始出現反轉苗頭。第三象限也值得適度關注，這里是未來出現困境反轉行業的搖籃。而第二象限處于景氣度下行階段，這里匯聚了投資者需要真正回避的行業。

后續研究方向

顯然，行業景氣度顯然不是研究的終點，這一指標更像是一個中間變量。對政策研究而言，行業景氣度能夠反映經濟的結構性變化，為宏觀調控和產業政策的進入或退出提供有價值的依據。對投資而言，行業景氣度是重要的策略構建輸入參數。后續可行的研究方向主要是兩個方面：一是根據基礎指標和行業指數的相關性對基礎指標進行優化和提純，并進一步細化基礎指標對行業景氣度的影響，以支持更加精準的投資策略構建；二是可以將行業景氣度納入多因子模型，考察其對不同行業權益類資產收益的貢獻度特征。

參考文獻：

[1]高鐵梅等. 經濟周期波動分析與預測方法[M]. 清華大學出版社, 2015.

[2]林澤陽. 主成分分析法及其EXCEL實現[J]. 寧波職業技術學院學報, 2012(5):5.

[3]林建華. 主成分回歸分析的EXCEL實現[J]. 寧波職業技術學院學報, 2015, 19(5):5.

（作者為宜信財富首席宏觀研究員）

標簽： 主成分分析 利潤增速 工業增加值 主導產業