金融工程研究金融工程专题报告 2 目录 1. 原油价格对股市的影响原油价格对行业的影响行业对油价的敏感性分析基于油价敏感性的行业轮动策略油价敏感性在选股中的应用油价敏感性因子油价敏感性

Size: px

Start display at page:

Download "金融工程研究金融工程专题报告 2 目录 1. 原油价格对股市的影响原油价格对行业的影响行业对油价的敏感性分析基于油价敏感性的行业轮动策略油价敏感性在选股中的应用油价敏感性因子油价敏感性"

宏用
5 years ago
Views:

[Table_MainInfo] 金融工程研究证券研究报告 [Table_Title] 相关研究 [Table_ReportInfo] 基于因子剥离的 FOF 择基逻辑系列十二主动权益型基金的因子剥离 218.8.4 行业轮动系列研究 13 剥离风格因素后行业超额收益的应用分析 218.8.3 行业轮动系列研究 12 行业量价因子的使用方法探讨 218.7.

1 [Table_MainInfo] 金融工程研究证券研究报告 [Table_Title] 相关研究 [Table_ReportInfo] 基于因子剥离的 FOF 择基逻辑系列十二主动权益型基金的因子剥离行业轮动系列研究 13 剥离风格因素后行业超额收益的应用分析行业轮动系列研究 12 行业量价因子的使用方法探讨 [Table_AuthorInfo] 分析师 : 冯佳睿 Tel:(21) fengjr@htsec.com 证书 :S 分析师 : 姚石 Tel:(21) ys1481@htsec.com 证书 :S 金融工程专题报告 218 年 8 月 12 日原油价格对行业和股票影响的量化分析 [Table_Summary] 投资要点 : 原油价格年初以来波动较大, 其涨跌对市场行业和股票有何影响呢? 本文将从量化的视角进行探讨原油价格对股票市场的影响原油和股票市场的关系相对复杂一般来说, 在油价上涨的中前期, 经济需求扩张, 企业盈利增长, 股市伴随油价上涨 ; 当油价上涨步入中后期, 一方面会导致企业生产成本增加, 利润降低, 另一方面会带来输入性通胀压力, 导致央行采取紧缩性货币政策, 股市往往下跌格兰杰因果检验显示, 原油收益率是股市收益率的格兰杰因 Wind 全 A 与滞后 5 阶的布伦特原油收益率序列的相关系数为 -.29, 负相关性十分明显我们构建的单因子择时策略在 Wind 全 A 上取得了一定效果, 多空年化收益率为 2.5%, 夏普比率为.65, 胜率为 61%; 多头年化收益率为 18.83%, 夏普比率为.95, 胜率高达 69% 原油价格对行业的影响通过构建行业收益率关于油价涨幅的回归方程发现, 与油价同期正相关性最强的中信一级行业为石油石化煤炭钢铁 ; 与油价同期负相关性最强的中信一级行业为建筑房地产非银行金融电力设备电力及公用事业综合在滞后一期表现显著, 均为负向此外, 油价对建筑汽车轻工制造电子元器件等行业存在非对称影响, 在 1% 水平下显著基于油价敏感性的行业轮动策略我们基于油价敏感性构建了行业轮动策略, 一级行业轮动策略月均 IC 为 4.96%,T 值为 2.49, 胜率为 62.16% 多空组合年化收益差为 8.6%, 胜率为 61.26%, 多头年化超额收益 2.91%, 空头年化超额收益 -5.4% 二级行业轮动策略月均 IC 为 4.13%,T 值为 3.9, 胜率为 61.26% 多空组合年化收益差为 1.5%, 胜率为 59.46%, 多头年化超额收益 3.26%, 空头年化超额收益 -6.75% 策略的空头效应比较明显, 而多头策略收益较低油价敏感性因子在风控模型中的应用我们从宏观多因子模型的角度构建了油价敏感性因子, 因子在前后两期横截面相关系数均值为.96, 稳定性较好, 且与常见因子的相关系数较低将个股收益率对该因子做截面回归,t 值绝对值序列的平均值为 2.5, 显著占比为 41% 在加入原有多因子模型后, 模型的 Adj-R2 由 7.32% 上升至 7.47% 我们将油价敏感性因子作为风险进行约束, 并与仅对行业和市值风险进行约束的指数增强基准组合做对比基准组合的年化超额收益率为 23.6%, 跟踪误差为 5.85%, 信息比率为 3.94 而加入油价敏感性约束后的组合年化超额收益率提高至 23.2%, 跟踪误差下降至 5.76%, 信息比率提高至 4.2 风险提示模型误设风险因子有效性变动风险

2 金融工程研究金融工程专题报告 2 目录 1. 原油价格对股市的影响原油价格对行业的影响行业对油价的敏感性分析基于油价敏感性的行业轮动策略油价敏感性在选股中的应用油价敏感性因子油价敏感性因子在风险模型中的应用总结与展望风险提示... 14

3 金融工程研究金融工程专题报告 3 图目录图 1 Wind 全 A 和布伦特原油走势对比... 5 图 2 Wind 全 A 与滞后 5 期的布伦特原油走势对比 ( 归一化 )... 6 图 3 原油价格择时策略净值... 6 图 4 布伦特原油与石油石化煤炭行业超额收益走势对比... 8 图 5 布伦特原油与房地产建筑行业超额收益走势对比... 8 图 6 布伦特原油与石油石化行业 ROE 走势对比... 8 图 7 布伦特原油与煤炭行业 ROE 走势对比... 8 图 8 行业轮动策略 1 多空净值... 9 图 9 行业轮动策略 2 多空净值... 9 图 1 基于滚动回归的中信一级行业轮动策略净值... 1 图 11 基于滚动回归的中信二级行业轮动策略净值... 1 图 12 油价得分因子多空净值图 13 油价得分因子月累计溢价图 14 油价敏感性因子 t 值时间序列图 15 油价敏感性因子与其他因子的秩相关系数图 16 指数增强策略净值对比图 17 指数增强策略净值对比 (218 年 ) 图 18 风控组合与基准组合的相对净值... 13

4 金融工程研究金融工程专题报告 4 表目录表 1 Wind 全 A 和布伦特原油的格兰杰因果检验结果... 5 表 2 全区间回归结果... 7 表 3 行业轮动策略收益表现... 9 表 4 基于滚动回归的中信一级行业轮动策略收益表现... 1 表 5 基于滚动回归的中信二行业轮动策略收益表现... 1 表 6 指数增强策略收益表现对比... 13

5 金融工程研究金融工程专题报告 5 原油价格年初以来波动较大, 本文将从量化的视角探讨油价涨跌对市场行业和股票的影响 1. 原油价格对股市的影响 25 年以来, 全球原油价格经历了几轮趋势性涨跌年, 随着中国印度等新经济体的快速发展, 原油需求飞速增长, 在地缘政治动荡, 原油减产的共同驱动下, 全球原油价格持续上涨 ;28 年金融危机后, 油价快速下行 ;28 年底伴随着 OPEC 减产和全球量化宽松开启, 原油价格探底回升 ; 年, 页岩油持续增产, 原油价格震荡 ; 在经济放缓, 页岩油供给攀升美元走强的背景下, 油价自 214 年下半年开始暴跌, 直到 216 年初开始底部回升在全球经济基本面复苏 OPEC 原油减产计划实施以及地缘政治动荡的影响下,217 年下半年油价上涨加速,218 年 5 月一度突破 8 美元 / 桶我国是石油进口大国,217 年对外依存度高达 67.4%, 油价上涨对 A 股市场影响几何? 从逻辑上看, 在油价上涨的中前期, 经济需求扩张, 企业盈利增长, 股市伴随油价上涨 ; 当油价上涨步入中后期, 一方面会导致企业生产成本增加, 利润降低, 另一方面会带来输入性通胀压力, 导致央行采取紧缩性货币政策, 股市往往下跌图 1 Wind 全 A 和布伦特原油走势对比布伦特原油 ( 左, 美元 / 桶 ) wind 全 A 指数 ( 右 ) 从统计上, 我们对二者进行格兰杰因果检验, 方程如下 : 其中分别表示 Wind 全 A 指数和布伦特原油主力合约的月收益率通过 AIC 准则确定滞后阶数为 5, 检验结果如表 1 所示, 对于不是的格兰杰因,F 统计量和 p 值分别为和.2, 在 1% 的显著水平下拒绝原假设, 表明原油收益率是 wind 全 A 收益率的格兰杰因表 1 Wind 全 A 和布伦特原油的格兰杰因果检验结果 1 阶 2 阶 3 阶 4 阶 5 阶不是的格兰杰因.689 (.7933).3355 (.7155) (.544*) ***) (.2***) 不是的格兰杰因.1619 (.688).194 (.8239).288 (.892).758 (.5591) 1.87 (.117) 注 :*** ** * 分别表示在 1% 5% 和 1% 的水平上显著

6 金融工程研究金融工程专题报告 6 我们将原油价格做滞后 5 期处理, 与 wind 全 A 作对比, 如图 2 所示, 二者负相关性十分明显, 收益率序列的相关系数为 -.29 图 2 Wind 全 A 与滞后 5 期的布伦特原油走势对比 ( 归一化 ) wind 全 A( 右 ) 布伦特原油 ( 左 ) 下面我们构建一个简单的择时策略 : 若 t-5 月油价下跌, 则 t 月做多 Wind 全 A, 若 t-5 月油价上涨, 则做空 Wind 全 A 或空仓, 策略净值如图 3 所示, 多空策略年化收益率为 2.5%, 夏普比率为.65, 胜率为 61%, 多头策略年化收益率为 18.83%, 夏普比率为.95, 胜率高达 69% 图 3 原油价格择时策略净值 1 9 多空净值 8 多头净值原油价格对行业的影响 2.1 行业对油价的敏感性分析为了分析油价对行业的影响, 我们构建以下四个回归方程, 回测区间为共 148 个月, 所选行业为中信一级行业回归方程 1: 将行业的月收益率对布伦特原油当月涨幅和 Fama-French 三因子做回归, 得到油价敏感性因子回归方程 2: 将行业的月收益率对布伦特原油上月涨幅和 Fama-French 三因子做回归, 得到油价敏感性因子

7 金融工程研究金融工程专题报告回归方程 3: 在回归方程 1 的基础上引入油价涨幅的滞后项回归方程 4: 在回归方程 1 的基础上将油价涨幅拆分成和, 考察非对称影响 + 对系数进行 wald 检验, 原假设为称影响 + + +, 若拒绝原假设, 则表明存在非对表 2 全区间回归结果回归 1 回归 2 回归 3 回归 4 石油石化煤炭有色金属钢铁基础化工交通运输食品饮料轻工制造综合商贸零售通信传媒机械汽车纺织服装电力设备医药餐饮旅游农林牧渔银行计算机国防军工电子元器件电力及公用事业家电建材非银行金融房地产建筑 Adj-R2 均值全区间回归结果如表 2 所示, 其中与油价同期正相关性最强的中信一级行业为石油石化煤炭钢铁 ; 与油价同期负相关性最强的中信一级行业为建筑房地产非银行金融 ( 见图 4-5)

8 金融工程研究金融工程专题报告 8 图 4 布伦特原油与石油石化煤炭行业超额收益走势对比图 5 布伦特原油与房地产建筑行业超额收益走势对比布伦特原油 ( 美元 / 桶, 左轴 ) 石油石化 /wind 全 A( 右轴 ) 煤炭 /wind 全 A( 右轴 ).5. 5 布伦特原油 ( 美元 / 桶, 左轴 ) 房地产 /wind 全 A( 右轴 ) 建筑 /wind 全 A( 右轴 ).5. 图 6 布伦特原油与石油石化行业 ROE 走势对比图 7 布伦特原油与煤炭行业 ROE 走势对比布伦特原油 ( 美元 / 桶, 左轴 ) 石油石化行业 ROE(%, 右轴 ) 布伦特原油 ( 美元 / 桶, 左轴 ) 煤炭行业 ROE(%, 右轴 ) 从基本面角度分析, 石油石化行业整体与油价正相关, 但细分行业影响不一石油开采行业直接受益于油价上涨, 一方面产品价格上涨提高开采业务的毛利率 ; 另一方面存货价值升值使得有丰富石油储备的企业受益更加明显而对于炼油企业,5-7 美元 / 桶是盈利较高的价格区间当油价上涨到 8 美元 / 桶以上时, 企业利润或将受到较大的影响由于我国石油大量依赖于进口, 油价涨跌也将对煤炭天然气等替代品产生同向影响油价对房地产和建筑的负向影响一方面是由于二者使用的生产原料需要耗费大量石油资源另一方面, 油价的上涨会推高通胀, 导致央行收紧信贷, 对房地产行业造成冲击例如 28 年次贷危机后, 全球量化宽松导致货币超发, 原油等实物资产价格大涨, 导致 CPI 和 PPI 快速上行,21 年 5 月 CPI 突破 3%, 随后央行连续上调存贷款利率抑制通胀, 房地产和建筑行业的超额收益大幅下行油价对非银行金融的负向影响来自于其高 beta 属性, 油价对股票市场存在负向冲击, 而非银行金融则首当其冲电力设备电力及公用事业综合在滞后一期表现显著, 均为负向房地产食品饮料在滞后两期表现显著, 前者为负向, 后者为正向电力企业以火电企业为主, 油价上涨引发煤价上涨, 产生负向影响另一方面, 油价上涨推动通胀上行, 对食品饮料行业有着正向作用此外, 油价对建筑汽车轻工制造电子元器件等行业存在非对称影响, 在 1% 水平下显著 2.2 基于油价敏感性的行业轮动策略我们在上一节中分析了油价对行业的影响, 那么如何落实到投资策略? 我们首先基于全样本的信息构建两个中信一级 / 二级行业轮动策略策略 1: 根据 2.1 中的回归方程 1, 得到各行业收益率关于油价涨幅的回归 t 值

9 金融工程研究金融工程专题报告 9, 并假设我们能够完美预判下个月涨跌方向, 在油价上涨 ( 下跌 ) 时等权做多 t 值最大 ( 最小 ) 的 N 个行业, 等权做空 t 值最小 ( 最大 ) 的 N 个行业其中一级行业和二级行业对应的 N 分别为 5 和 1 策略 2: 根据 2.1 中的回归方程 2, 得到各行业收益率关于油价涨幅的回归 t 值, 并根据当月的油价涨跌方向, 在油价上涨 ( 下跌 ) 时等权做多 t 值最大 ( 最小 ) 的 N 个行业, 等权做空 t 值最小 ( 最大 ) 的 N 个行业其中一级行业和二级行业对应的 N 分别为 5 和 1 策略的净值曲线和收益表现如图 8-9 及表 3 所示, 策略 1 在一级和二级行业上分别取得了 7.85% 和 13.36% 的年化收益率, 夏普比率分别为.56 和.87; 策略 2 在一级和二级行业上分别取得了 7.64% 和 16.74% 的年化收益率, 夏普比率分别为.6 和 1.67, 表现更胜一筹图 8 行业轮动策略 1 多空净值 6 中信一级行业轮动 5 中信二级行业轮动图 9 行业轮动策略 2 多空净值 7 中信一级行业轮动 6 中信二级行业轮动表 3 行业轮动策略收益表现策略 1 策略 2 一级行业二级行业一级行业二级行业年化收益率 7.85% 13.36% 7.64% 16.74% 夏普比率胜率 57.53% 6.27% 6.69% 66.21% 盈亏比实际中, 我们难以预判油价未来的涨跌, 而且从全样本表现来看, 跨期回归比同期回归效果更好, 平均拟合度也更优, 因此我们构建窗口为 36 个月的滚动跨期回归根据当月的油价涨跌方向, 在油价上涨 ( 下跌 ) 时等权做多最大 ( 最小 ) 的 N 个行业, 等权做空 t 值最小 ( 最大 ) 的 N 个行业其中一级行业和二级行业对应的 N 分别为 5 和 1 策略表现如图 1-11, 表 4-5 所示结果显示, 一级行业轮动策略月均 IC 为 4.96%, T 值为 2.49, 胜率为 62.16% 多空组合年化收益差为 8.6%,T 值为 2.16, 胜率为 61.26%, 多头年化超额收益 2.91%, 空头年化超额收益为 -5.4% 二级行业轮动策略月均 IC 为 4.13%,T 值为 3.9, 胜率为 61.26% 多空组合年化收益差为 1.5%,T 值为 2.7, 胜率为 59.46%, 多头年化超额收益 3.26%, 空头年化超额收益为 -6.75% 策略的空头效应比较明显, 而多头策略收益较低, 未能通过显著性检验油价在回测区间内上涨概率在 5% 左右, 导致策略的年化换手率高达 6.4 此外, 策略在出现回撤, 主要原因在于油价在经历了从 5 美

10 金融工程研究金融工程专题报告 1 元 / 桶上涨至 147 美元 / 桶, 再下跌至 45 美元 / 桶的大幅波动, 在此期间发生的全球金融危机也对股票市场造成了极大冲击, 导致回归结果不稳定图 1 基于滚动回归的中信一级行业轮动策略净值多空净值多头净值空头净值表 4 基于滚动回归的中信一级行业轮动策略收益表现 IC rank IC 多空收益差多头年化超额空头年化超额均值 4.96% 4.91% 8.6% 2.91% -5.4% T 值胜率 62.16% 63.6% 61.26% 53.15% 38.74% 图 11 基于滚动回归的中信二级行业轮动策略净值多空净值多头净值空头净值表 5 基于滚动回归的中信二级行业轮动策略收益表现 IC rank IC 多空收益差多头年化超额空头年化超额均值 4.13% 4.13% 1.5% 3.26% -6.75% T 值胜率 61.26% 6.36% 59.46% 5.45% 32.43% 3. 油价敏感性在选股中的应用 3.1 油价敏感性因子我们在 2.2 中构建了基于油价敏感性的行业轮动策略, 接下来我们将其应用在选股

11 金融工程研究金融工程专题报告 11 中, 即根据 2.1 中的回归方程 2, 得到各股票关于滞后一个月油价涨幅的回归系数, 定义油价得分因子为, 因子越高代表预期收益越高原始因子和行业市值中性后的因子的多空净值和月累计溢价如图所示, 二者月均多空收益差分别为.39% 和.23%,IC 均值分别为.32% 和.18%, 胜率分别为 55% 和 52% 油价得分因子和行业轮动策略都是在年出现了回撤, 随后逐渐回升, 但因子的收益水平和稳定性较差, 因此难以作为一个 alpha 因子, 那么是否可以作为风险因子呢? 图 12 油价得分因子多空净值图 13 油价得分因子月累计溢价因子多空 1.4 因子多空 ( 行业市值中性 ) 因子多空 1.2 因子多空 ( 行业市值中性 ) 油价敏感性因子在风险模型中的应用宏观因子模型在海外市场中应用较早,Chen Roll Ross(1986) 最早构建了股票的宏观因子模型,Roll 和 Ross 在 23 年又与 Burmerister Ibbotson 一同建立了 BIRR 模型, 其核心模型由五个宏观因子组成, 分别为信心风险投资期风险通胀风险商业周期风险和市场择时风险一些资产管理机构, 例如 Salomon Brothers Goldman Sach 和 Northfield 等也在宏观因子模型领域有所建树 Northfield 的模型中包括七个宏观因子, 分别为未预期通胀 IN(Unexpected Inflation) 工业产出 IP(Industrial Production) 信用风险溢价 RP(Credit Risk Premium) 期限结构斜率 SL(Slope Term Structure) 油价 OP(Oil Price) 房屋开工率 HS(Housing Starts) 和美元指数 (EX), 采用贝叶斯回归的方法估计个股关于宏观因子的敏感性 Barra(USE3) 中也有关于汇率敏感性因子的定义 :, 该因子综合考察了当月和滞后两个月的敏感性, 而我们在前文的分析中也发现, 油价对部分行业有着滞后影响, 因此我们尝试采用同样的方法定义油价敏感性因子 : 随后将去极值标准化, 并做行业和市值中性处理油价敏感性因子在前后两期横截面的相关系数均值为.96, 稳定性较好, 且与常见

12 金融工程研究金融工程专题报告 12 因子的相关系数较低 ( 见图 15) 将个股收益率对该因子做回归,t 值时间序列如图 14 所示, 其绝对值序列的平均值为 2.5, 显著占比为 41% 在加入 9 因子模型 ( 见下文 ) 后, 模型的 Adj-R2 由 7.32% 上升至 7.47%( 不包含行业风险 ) 由此可见, 油价敏感性具备风险因子特征, 既然难以预测油价的涨跌, 我们可以尝试在构建组合时对该因子进行一定的约束图 14 油价敏感性因子 t 值时间序列图 15 油价敏感性因子与其他因子的秩相关系数下面我们将油价敏感性因子风险约束添加到指数增强模型中, 对比模型效果具体参数如下 : 基准指数 : 中证 5 指数 ; 基准模型因子 : 市值非线性市值 PB 1 个月换手 1 个月反转 1 个月特异度 1 个月非流动性单季度 ROA 单季度 droa, 因子对称正交处理 ; 加权方式 : 按过去 24 个月 ICIR 加权 ; 约束条件 :1. 基准组合的行业市值敞口偏离基准指数幅度为, 个股权重偏离基准指数不超过 1%;2. 在保留上述约束的基础上, 对基准组合添加油价敏感性敞口偏离基准幅度为的约束, 并称之为风控组合 ; 换仓频率 : 月末换仓 ; 选股范围 : 全市场, 剔除 ST 停牌涨跌停上市不足六个月的股票图 16 指数增强策略净值对比基准组合风控组合策略净值和收益表现如图 16 和表 6 所示, 其中基准组合的年化超额收益率为 23.6%, 跟踪误差为 5.85%, 信息比率为 3.94 风控组合的年化超额收益率为 23.2%,

13 跟踪误差为 5.76%, 信息比率为 4.2, 相对于基准组合有所提升金融工程研究金融工程专题报告 13 表 6 指数增强策略收益表现对比基准模型风控模型年化超额收益最大回撤跟踪误差信息比率年化超额收益最大回撤跟踪误差信息比率 % 2.31% 4.35% % 2.26% 4.3% % 1.39% 3.83% % 1.42% 3.76% % 1.57% 5.8% % 1.85% 5.76% % 4.4% 5.13% % 4.52% 5.8% % 5.21% 1.65% % 4.89% 1.39% % 1.58% 4.74% % 1.6% 4.74% % 2.9% 4.41% % 2.9% 4.4% % 1.27% 5.67% % 1.2% 5.6% 以来 23.6% 5.21% 5.85% % 4.89% 5.76% , 基准组合的年化超额收益率为 22.47%, 跟踪误差为 5.67%, 信息比率为 3.96 风控组合的年化超额收益率为 23.9%, 跟踪误差为 5.6%, 信息比率为 4.12 图 18 为风控组合与基准组合的相对强弱净值, 自 216 年初油价触底反弹以来, 净值稳健上升图 17 指数增强策略净值对比 (218 年 ) 图 18 风控组合与基准组合的相对净值基准组合风控组合风控组合 / 基准组合 ( 左 ) Brent 原油 ( 右, 美元 / 桶 ) 4. 总结与展望原油价格年初以来波动较大, 本篇报告从量化视角探讨了油价涨跌对行业和股票的影响格兰杰因果检验显示, 原油收益率是股市收益率的格兰杰因 Wind 全 A 与滞后 5 阶的布伦特原油收益率序列的相关系数为 -.29, 负相关性十分明显我们构建的单因子择时策略在 Wind 全 A 指数上取得了一定效果, 多空年化收益率为 2.5%, 夏普比率为.65, 胜率为 61%; 多头年化收益率为 18.83%, 夏普比率为.95, 胜率高达 69% 我们通过构建行业收益率关于油价涨幅的回归方程, 发现与油价同期正相关性最强的中信一级行业为石油石化煤炭钢铁 ; 与油价同期负相关性最强的中信一级行业为建筑房地产非银行金融电力设备电力及公用事业综合在滞后一期表现显著, 均为负向此外, 油价对建筑汽车轻工制造电子元器件等行业存在非对称影响, 在 1% 水平下显著我们基于油价敏感度构建了行业轮动策略一级行业轮动策略月均 IC 为 4.96%,T 值为 2.49, 胜率为 62.16% 多空组合年化收益差为 8.6%, 胜率为 61.26%, 多头年化超额收益 2.91%, 空头年化超额收益为 -5.4% 二级行业轮动策略月均 IC 为 4.13%, T 值为 3.9, 胜率为 61.26% 多空组合年化收益差为 1.5%, 胜率为 59.46%, 多头年化超额收益 3.26%, 空头年化超额收益为 -6.75% 策略的空头效应比较明显, 而多头

14 金融工程研究金融工程专题报告 14 收益较低最后, 我们从宏观多因子模型的角度构建了油价敏感性因子, 因子在前后两期横截面相关系数均值为.96, 稳定性较好, 且与常见因子的相关系数较低将个股收益率对该因子做回归,t 值绝对值序列的平均值为 2.5, 显著占比为 41% 在加入原有多因子模型后, 模型的 Adj-R2 由 7.32% 上升至 7.47% 我们将油价敏感性因子作为风险进行约束, 并与仅对行业和市值风险做约束的指数增强基准组合做对比基准组合的年化超额收益率为 23.6%, 跟踪误差为 5.85%, 信息比率为 3.94 而加入油价敏感性约束后的组合年化超额收益率提高至 23.2%, 跟踪误差下降至 5.76%, 信息比率提高至 4.2 在接下来的研究中, 我们将研究汇率利率等其他宏观因子对行业和股票的影响, 进一步完善我们的宏观行业轮动和风险因子模型 5. 风险提示模型误设风险有效因子变动风险

15 信息披露金融工程研究金融工程专题报告 15 分析师声明 [Table_Analysts] 冯佳睿金融工程研究团队姚石金融工程研究团队本人具有中国证券业协会授予的证券投资咨询执业资格, 以勤勉的职业态度, 独立客观地出具本报告本报告所采用的数据和信息均来自市场公开信息, 本人不保证该等信息的准确性或完整性分析逻辑基于作者的职业理解, 清晰准确地反映了作者的研究观点, 结论不受任何第三方的授意或影响, 特此声明法律声明本报告仅供海通证券股份有限公司 ( 以下简称本公司 ) 的客户使用本公司不会因接收人收到本报告而视其为客户在任何情况下, 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在任何情况下, 本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任本报告所载的资料意见及推测仅反映本公司于发布本报告当日的判断, 本报告所指的证券或投资标的的价格价值及投资收入可能会波动在不同时期, 本公司可发出与本报告所载资料意见及推测不一致的报告市场有风险, 投资需谨慎本报告所载的信息材料及结论只提供特定客户作参考, 不构成投资建议, 也没有考虑到个别客户特殊的投资目标财务状况或需要客户应考虑本报告中的任何意见或建议是否符合其特定状况在法律许可的情况下, 海通证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易, 还可能为这些公司提供投资银行服务或其他服务本报告仅向特定客户传送, 未经海通证券研究所书面授权, 本研究报告的任何部分均不得以任何方式制作任何形式的拷贝复印件或复制品, 或再次分发给任何其他人, 或以任何侵犯本公司版权的其他方式使用所有本报告中使用的商标服务标记及标记均为本公司的商标服务标记及标记如欲引用或转载本文内容, 务必联络海通证券研究所并获得许可, 并需注明出处为海通证券研究所, 且不得对本文进行有悖原意的引用和删改根据中国证监会核发的经营证券业务许可, 海通证券股份有限公司的经营范围包括证券投资咨询业务

16 金融工程研究金融工程专题报告 16 [Table_PeopleInfo] 海通证券股份有限公司研究所路颖所长 (21) 高道德副所长 (21) 姜超副所长 (21) 邓勇副所长 (21) 荀玉根副所长 (21) 钟奇所长助理 (21) 涂力磊所长助理 (21) 宏观经济研究团队姜超 (21) 于博 (21) 顾潇啸 (21) 梁中华 (21) 李金柳 (21) 联系人宋潇 (21) 陈兴 (21) 固定收益研究团队姜超 (21) 朱征星 (21) 周霞 (21) 姜珮珊 (21) 杜佳 (21) 联系人李波 (21) 政策研究团队李明亮 (21) 陈久红 (21) 吴一萍 (21) 朱蕾 (21) 周洪荣 (21) 王旭 (21) 汽车行业王猛 (21) 杜威 (755) 互联网及传媒钟奇 (21) 郝艳辉 (1) 许樱之孙小雯 (21) 刘欣 (1) 强超廷 (21) 毛云聪 (1) 联系人陈星光 (21) 金融工程研究团队高道德 (21) 冯佳睿 (21) 郑雅斌 (21) 罗蕾 (21) 沈泽承 (21) 余浩淼 (21) 袁林青 (21) 姚石 (21) 吕丽颖 (21) 联系人周一洋 (21) 张振岗 (21) 颜伟 (21) 梁镇 (21) 策略研究团队荀玉根 (21) 钟青 (1) 高上 (21) 李影 (21) 姚佩 (21) 联系人唐一杰 (21) 郑子勋 (21) 王一潇 (21) 石油化工行业邓勇 (21) 朱军军 (21) 联系人胡歆 (21) 张璇 (21) 公用事业吴杰 (21) 张磊 (21) 戴元灿 (21) 联系人傅逸帆 (21) 有色金属行业施毅 (21) 联系人李姝醒 (21) 陈晓航 (21) 李骥 (21) 甘嘉尧 (21) 金融产品研究团队高道德 (21) 倪韵婷 (21) 陈瑶 (21) 唐洋运 (21) 宋家骥 (21) 皮灵 (21) 徐燕红 (21) 薛涵 (21) 联系人谈鑫 (21) 王毅 (21) 蔡思圆 (21) 庄梓恺 (21) 中小市值团队张宇 (21) 钮宇鸣 (21) 孔维娜 (21) 潘莹练 (21) 联系人王鸣阳 (21) 程碧升 (21) 相姜 (21) 医药行业余文心 (755) 郑琴 (21) 孙建 (21) 联系人贺文斌 (1) 吴佳栓 (1) 范国钦批发和零售贸易行业汪立亭 (21) 李宏科 (21) 联系人史岳房地产行业涂力磊 (21) 谢盐 (21) 杨凡 (21) 联系人金晶 (21)

17 电子行业陈平 (21) 联系人谢磊 (21) 尹苓 (21) 石坚 (1) 基础化工行业刘威 (755) 刘海荣 (21) 张翠翠 (21) 孙维容 (21) 联系人李智 (21) 非银行金融行业孙婷 (1) 何婷 (21) 联系人夏昌盛 (1)56769 李芳洲 (21) 建筑建材行业钱佳佳 (21) 冯晨阳 (21) 联系人申浩 (21) 建筑工程行业杜市伟 (755) 张欣劼李富华 (21) 军工行业蒋俊 (21) 刘磊 (1) 张恒晅联系人张宇轩 (21) 家电行业陈子仪 (21) 联系人朱默辰 (21) 刘璐 (21) 李阳 (21) 煤炭行业李淼 (1) 戴元灿 (21) 吴杰 (21) 计算机行业郑宏达 (21) 黄竞晶 (21) 杨林 (21) 鲁立 (21) 联系人洪琳 (21) 于成龙交通运输行业虞楠 (21) 联系人李丹 (21) 党新龙 (755) 机械行业佘炜超 (21) 耿耘 (21) 杨震 (21) 沈伟杰 (21) 周丹农林牧渔行业丁频 (21) 陈雪丽 (21) 陈阳 (21) 银行行业孙婷 (1) 解巍巍联系人林加力 (21) 谭敏沂 (755) 造纸轻工行业衣桢永 (21) 曾知 (21) 赵洋 (21) 金融工程研究金融工程专题报告 17 电力设备及新能源行业张一弛 (21) 房青 (21) 曾彪 (21) 徐柏乔 (21) 张向伟 (21) 联系人陈佳彬 (21) 通信行业朱劲松 (1) 余伟民 (1) 张弋联系人张峥青 (21) 纺织服装行业梁希 (21) 联系人盛开 (21) 刘溢钢铁行业刘彦奇 (21) 联系人周慧琳 (21) 刘璇 (755) 食品饮料行业闻宏伟 (1) 成珊 (21) 唐宇 (21) 社会服务行业汪立亭 (21) 陈扬扬 (21) 研究所销售团队深广地区销售团队蔡铁清 (755) 伏财勇 (755) 辜丽娟 (755) 刘晶晶 (755) 王雅清 (755) 饶伟 (755) 欧阳梦楚 (755) 宗亮巩柏含上海地区销售团队胡雪梅 (21) 朱健 (21) 季唯佳 (21) 黄毓 (21) 漆冠男 (21) 胡宇欣 (21) 黄诚 (21) 毛文英 (21) 马晓男杨祎昕 (21) 张思宇慈晓聪 (21) 王朝领北京地区销售团队殷怡琦 (1) 郭楠吴尹张丽萱 (1) 杨羽莎 (1) 杜飞张杨 (21) 李铁生 (1) 欧阳亚群李婕何嘉 (1)

18 金融工程研究金融工程专题报告 18 海通证券股份有限公司研究所地址 : 上海市黄浦区广东路 689 号海通证券大厦 9 楼电话 :(21)23219 传真 :(21) 网址 :

公司研究中联环 (835750)2 目录 1. 循环洁水, 环境专家... 5 2. 污水治理进入重效果高标准时代... 6 3. 分布式水厂契合新背景下污水处理需求... 8 4. 业绩预测与评级...

公司研究中联环 (835750)2 目录 1. 循环洁水, 环境专家... 5 2. 污水治理进入重效果高标准时代... 6 3. 分布式水厂契合新背景下污水处理需求... 8 4. 业绩预测与评级... [Table_MainInfo] 公司研究 / 公用事业 / 水公用事业中联环 (835750) 公司研究报告证券研究报告 2016 年 07 月 19 日 [Table_InvestInfo] 投资评级暂不评级首次覆盖股票数据 6 [Table_StockInfo] 个月内目标价 ( 元 ) 7 月 18 日

金融工程研究金融工程专题报告 2 目录 1. 原油价格对股市的影响 原油价格对行业的影响 行业对油价的敏感性分析 基于油价敏感性的行业轮动策略 油价敏感性在选股中的应用 油价敏感性因子 油价敏感性

金融工程研究金融工程专题报告 2 目录 1. 原油价格对股市的影响原油价格对行业的影响行业对油价的敏感性分析基于油价敏感性的行业轮动策略油价敏感性在选股中的应用油价敏感性因子油价敏感性