★
★★★
★
CSC·金工研究报告
大类资产热点思考系列之三
年的指引
全球基钦周期共振下行即将开启
.4.27
当下经济与市场类似于年4月
从宏观环境来看，当前和年有四大共性：（1）都处于全球经济经历重大冲击后的第一年，全球经济从共振复苏走向分化。（2）都出现某个核心经济体大规模刺激经济，商品上涨速度相似且较前期低点涨幅超过40%。（3）都处于国内信用周期见顶回落初期。（4）房地产调控加码。
从市场形态来看，当前和年4月前有三大共性：（1）全球权益市场之间存在明显分化，A股明显跑输全球。（2）A股内部结构也存在明显分化，小盘价值表现好于大盘成长。（3）中美国债利率分化。Q1与Q1美债利率上升，而中债利率下行。
全球基钦周期共振下行即将开启
从年经验来看，市场从分化到收敛的催化剂是全球经济共振下行。站在当下，我们领先指标显示全球PMI在年4月左右达到顶部区域，从经验规律交叉验证，金融危机后，中国经济拐点处领先全球经济3个月左右，考虑到疫情错位导致中国经济领先全球2个月重启，本轮中国经济在去年11月触顶，那么全球经济很可能在今年4月左右触顶。从资产定价来看，4月公布的美国经济与通胀数据好于预期，但美债收益率反而出现明显下行，这种“买预期，卖事实”的现象表明可能当前全球经济正处于顶部区域。
资产配置展望：在全球市场收敛中寻找价值洼地
权益：（1）A股：随全球基钦周期共振下行而走弱，风格重回均衡。（2）港股：可能继续跑赢A股，但绝对收益空间不大。（3）美股：指数存在三重调整压力，风格回归均衡。（4）欧股：疫情以来欧股涨幅相对较小，未来调整压力或小于美股。
债市：（1）中国利率债：Q2中国10Y国债收益率挑战2.8%。（2）美债：美债收益率先定价全球经济放缓再定价缩减恐慌，节奏先下后上，下半年达到2.5%以上的高点。
黄金：未来一个季度黄金将迎来“美债收益率下行+美国通胀快速上行”的最有利组合，黄金向上空间打开。
商品：参考年4月的经验，全球基钦周期共振下行会引发商品短期技术性调整，但商品价格是看供需绝对水平而非增速，因此在大级别拐点处，商品都是滞后经济见顶的。商品中期仍有上行脉冲。
风险提示：全球疫情超预期；疫苗效果不及预期
因子深度研究系列
分析师预期调整事件增强选股策略全攻略
.8.5
分析师预期调整主要包括三方面信息，分别是盈利预期调整、目标价格调整以及投资评级调整。本文利用这三方面信息构建因子和事件，并基于此构建选股策略，从而实现在充分利用分析师预期调整信息的基础上取得优秀的选股效果。其中，主动上调预期叠加盈利预期调整幅度因子增强策略年化收益33.64%，超额中证的年化收益29.39%，信息比率2.32，胜率71.43%。总体选股效果是所有增强策略里最好的。
分析师预期调整介绍
分析师对于自身过去预测的调整往往意味着新信息的到来，而分析师对于不同股票的预测调整力度又能反映出不同股票间的边际改善差异和分析师对于新信息的处理能力。进一步地，基于这种分析师调整幅度的差异能够有利于我们构建选股效果较好的选股因子。我们尝试将分析师预期选股因子与分析师预期调整事件相结合，构建具有“强逻辑”的事件增强选股策略，获得优秀的历史收益表现。
分析师盈利预期调整因子年化多空收益14.93%，夏普比率1.8，IC均值3.96%，年化IC_IR达到2.2
我们以相同分析师在时间序列上的预期调整为基础构建分析师盈利预期调整因子，它反映了市场所有分析师对于股票盈利预期调整的中间水平。我们预期分析师盈利预期调整因子越大，未来短期价格上升的概率越大。分析师盈利预期调整因子的分层效果区分度非常高。不同分组间具有单调的年化超额收益（相对中证全指），并且，Q1组相对Q10组具有将近15%的超额收益（其中Q1超过14%的多头超额收益，Q10仅不足-1%）。分析师盈利预期调整因子表现出优异的选股能力。因子年化多空收益14.93%，夏普比率1.8，IC均值3.96%，年化IC_IR达到2.2。
EPS_FY1、EPS_FY2、净利润FY1均主动上调预期叠加盈利预期调整幅度因子增强策略年化收益33.64%，年化超额29.39%
我们利用分析师盈利预期调整因子分别对分析师目标价上调事件、分析师投资评级上调事件和分析师预期修正动量事件进行增强。即在每月末，按照盈利预期调整幅度因子排序，在事件样本池中选取指标值最大的20只股票。其中，EPS_FY1、EPS_FY2、净利润FY1均主动上调预期叠加盈利预期调整幅度因子增强策略年化收益33.64%，超额中证的年化收益29.39%，信息比率2.32，胜率71.43%。总体选股效果是所有增强策略里最好的。在最佳选股组合的历史持仓方面，行业层面上，机械、基础化工和医药的行业占比最高；指数层面上，沪深、中证和其他股票分别占比24.53%、27.43%和48.04%。
经济周期长波系列之二
中国竞争对手印度的崛起
.1.10
当前研究印度的战略意义
美国新一轮债务周期已经开启，历史上，债务周期上行期，对应美元趋势性走弱。过去两轮美元周期下行分别带来日本大繁荣与中国奇迹，那么本轮美元周期下行，在中美关系难以实质性调和的背景下，未来资金大规模流向中国的可能性比较小，与此同时，中国另一个竞争对手印度正在崛起，印度有着和30年前中国类似的硬件，同样在推广改革开放，未来资金很可能会大量流向印度。印度有可能崛起成为中国未来长期不可忽视的竞争对手，从而给中国传统制造业带来挑战。
当前印度和30年前中国的相似性
当前印度与30年前中国有诸多相似之处，具备崛起的潜质：（1）印度对全球经济贡献率以及占全球GDP比重相当于90年代中国，人均GDP体量相当于21世纪初的中国，未来GDP增速将维持较高增长。（2）全球人口红利消退，印度人口优势凸显。当前印度的人口结构和30年前中国非常相似，呈金字塔形。（3）印度制造业低成本具备优势。（4）莫迪打造“印度制造”，工业化具有后发优势。（5）印度城镇化率和基建水平相当于中国90年代后期，仍有较大的上升空间。（6）莫迪式改革开放。莫迪上台后，将古吉拉特时期的政策推广到全国，莫迪政府与中国改革开放时期的政策有很多相似之处。而莫迪政府强大政策执行力是过去政府所没有的，在渐进式改革的思路下，制度红利有望逐渐释放。
改变偏见：纠正一些主流的错误认知
尽管印度经济发展存在不少亮点，但也不乏一些对未来印度崛起抱有质疑态度的观点，主要集中在印度种姓制度与小政府体制，反映的是社会分裂与政府低效对印度发展的制约。
种姓制度不再是问题：（1）印度独立后，法律上已经废止种姓制度，所以能够出现印度历史上首位低种姓总理与两位低种姓总统。莫迪上台后，大力推动印度教民族主义崛起，和过去种姓制度下分裂的社会状态不同，印度教民族主义逐渐成为国家主流的意识形态，本质是建设“所有印度教徒的国家”，代表原来分裂社会走向统一，从而形成跨越种姓的力量。（2）种姓制度主要留存于人们观念里，观念会随着教育普及与社会发展而逐渐进步，印度人口年轻化，加上莫迪上台后推广全国义务教育，近年来教育普及程度有所提高。（3）种姓制度观念主要存在于印度的农村，城市生活比农村生活更加匿名，随着城镇化发展，种姓观念逐渐被淡化。
小政府并不必然掣肘大国崛起：（1）在国际上很容易找出反例，例如欧美日韩等国都是小政府，而大政府也未必能成功，比如苏联，起决定作用的不是大政府或者小政府。（2）莫迪当选后，无论是上台后精兵简政，还是GST税改、废钞令，都是在加强莫迪政府集权，GST税改这种在过去阻力重重的政策能够落地，标志着莫迪“小政府，大治理”理念在现实中得到有效的验证。
风险提示：中印关系超预期恶化
大类资产热点思考系列之二
60年代美国的启示
失控边缘的通胀
.3.25
政策与外生冲击不能逆转周期，只能改变周期长度
周期是客观存在的，政策与外生冲击只能改变周期长度，但不能逆转周期。预计本轮美国经济在年底就开始进入中周期末期，中周期衰退的路径是类似年还是年，主要取决于美国决策者对经济、就业形势的判断以及通胀容忍度是否会发生大的变化，但无论哪一种模式，60年代经验告诉我们周期是逃不掉的。
60年代顺周期财政扩张的后果
财政赤字理论上是逆周期的，历史上美国失业率和财政赤字率大部分时候都保持一致。但美国60年代中后期财政赤字发生变异，减轻贫困和越南战争的支出计划导致财政赤字在失业率低位的时候仍大幅扩张，其结果就是：（1）美国核心CPI增速从1.5%左右的平台一路上行至两位数。（2）在顺周期财政刺激后的第一年，美国经济强劲复苏并与全球经济出现明显分化。（3）中周期衰退被延后但不会缺席。（4）美元短期升值，但长期处于过剩状态，美元长期贬值。
通胀归来，宽松也有边界
通胀将逆袭的五个理由：①政策让居民开始有钱；②疫情导致全球供应链受损，供给的恢复会更为滞后一些，供给冲击与需求刺激共振，供需严重错配；③顺周期财政刺激下，产出缺口闭合速度有望在年下半年闭合；④美国房地产周期开启，居民开始加杠杆，预计Q2开始CPI住宅分项将触底回升，从而带动核心CPI上升；⑤中周期末期菲利普斯曲线苏醒，往往出现滞胀。
美国去年以来进行的MMT实践虽然帮市场与经济暂时渡过了难关，但其约束在于通胀，1.6%的十年期美债收益率在历史上并不高，关键在于市场从交易通胀预期变为交易对通胀的担忧，在“通胀超调-宽松受制约-市场波动率加大”的传导链条下，能够触发市场波动的本质并不是国债收益率，而是对美联储如何应对过去十年没有经历过的通胀的担忧。
巨额财政赤字损害美元信用，美元体系面临重塑
60年代美元过剩，通胀压力加大，其他国家开始减少对美国进口，美国国际收支赤字快速扩大，美元大幅贬值，最终布雷顿森林体系解体，“美元-黄金”体系演变为“美元-石油”体系。为了应对疫情，美国实施3轮大规模财政刺激计划，美联储无限QE，美国M1增速超过%，不到3个月资产负债表扩张近3万亿美元，美元指数在不到一年的时间贬值至89.2。从60年代的经验来看，天量美元流动性将导致未来5-10年美元出现更大幅度的贬值，美元信用受损，美元体系或将面临重塑。从近几年各国央行开始布局数字货币来看，美国要捍卫美元霸权的地位，数字化可能是未来的发展方向之一。
风险提示：全球疫情超预期；疫苗效果不及预期
因子深度研究系列
多层次订单失衡及订单斜率因子
.7.8
本文利用高频的逻辑挖掘出盘口数据中有价值的信息，并将其处理得到2类高频因子（多层次订单失衡OFI、订单斜率因子LogquoteSlope），最后降为月频的低频选股因子，在单因子回测中取得优秀的选股效果。
多层次订单失衡及订单斜率因子定义
订单失衡是一个重要的信号，它使我们能够了解市场的总体情绪和方向。我们通过度量不同档位买卖价格和买卖量变化背后的订单影响，可以更准确地量化订单失衡对股价的短期和长期影响。所构造的订单失衡指标可以反映多空双方的主动买卖意愿以及力量抗衡状态。此外，本文还构造了订单斜率指标，用以衡量订单价格变化对订单量变化的敏感性，从另一个角度来提供高频流动性的衡量标准。
OFI类因子在高频上为正向，在低频上相关性不大，但取了绝对值的OFI类因子在月频上为负向
短期内，在买压占优（订单失衡为正）情况下个股会呈现明显的正向收益；在卖压占优（订单失衡为负）情况下个股会呈现明显的负向收益；而在中长期，当买卖压力失衡消失后，股票的超额收益会出现均值回复，这意味着买卖压力失衡带来的超额收益仅仅为短期冲击影响，后期股价会逐步恢复到原状态。我们所构造的OFI因子在高频上是推动价格的正向驱动力。因此在高频频上，我们预期OFI因子越大，未来短期价格上升的概率越大。而在低频上，OFI因子是一段时间内订单失衡量的累积值，对股价的影响不大。因此，我们预期OFI因子和长期股价的相关性不大。取了绝对值的OFI类因子在月频上均显著为负，并且月频IC均值随着订单档位的提高而提升。
MOFI_Weight因子IC均值-4.76%，年化IR-2.55，年化多空收益21.68%；LogQuoteSlope因子的IC均值5.19%，年化多空收益21.09%，多头效果相比OFI类因子更好
我们对多层次订单失衡及订单斜率因子进行单因子分析。具体回测时间为最近5年（年12月-年10月），样本池全市场，月频调仓。因子都做了市值和行业中性化处理。MOFI_Weight因子IC均值-4.76%，年化IR-2.55，年化多空收益21.68%，夏普比率2.1，总体选股效果是所有因子里最好的。而LogQuoteSlope因子的IC均值5.19%，年化多空收益21.09%，总体选股效果也非常不错。尽管因子多空收益波动比OFI类因子要高，但其多头效果更好，多头效果占多空组合的70%以上，而OFI类因子的多空收益各占50%。
因子深度研究系列
买卖报单流动性因子构建
.10.23
本文利用高频的逻辑挖掘出盘口数据中有价值的信息，并将其处理得到2个高频因子（买单流动性因子MCI_B、卖单流动性因子MCI_A），最后降为月频的低频选股因子，在单因子回测中取得优秀的选股效果。其中MCI_B因子IC均值6.89%，年化IR2.76，年化多空收益26.58%，夏普比率2.71，总体选股效果是所有因子里最好的。MCI_A和MCI_B均对原来的指数增强模型有显著的提升。
买卖报单流动性因子定义
流动性的本质即为立即交易（市价交易）与延时交易（限价交易）之间交易成本的差距，我们将用市价交易成本与限价交易成本之间差值百分比来衡量交易成本。对于限价交易成本，我们用买一报单价格与卖一报单价格的均值M作为限价交易成本。对于市价交易成本，我们用买单（卖单）五档报单的报单量加权平均价格VWAP作为市价交易成本。最后我们用交易成本除以五档报单的资金总量DolVol得到流动性因子MCI，使用买单报单计算得到的因子为买单流动性因子MCI_B（Bid），使用卖单报单计算得到的因子为卖单流动性因子MCI_A（Ask）。
MCI_B和MCI_A在高频上分别为正向和负向，在低频上均为正向
从短期来看，MCI_B较大时，发起市价交易的卖方要付出较大的费用卖出股票，说明股票的买压更强，股票较难下跌，所以和未来短期收益是正相关关系。MCI_A较大时，发起市价交易的买方要付出较大的费用买入股票，说明股票的卖压更强，股票较难上涨，所以和未来短期收益是负相关关系。在高频（分钟）级别上，MCI_B和MCI_A因子方向和前面逻辑完全一致。在低频（月频）级别上，MCI_B和MCI_A因子方向均显著为正，主要是流动性因子在长期来看具有风险溢价，因而与未来收益为正向关系。
MCI_B因子IC均值6.89%，年化多空收益高达26.58%
我们对2个买卖报单流动性因子进行单因子分析。具体回测时间为最近10年（年1月-年4月），样本池全市场，月频调仓。因子都做了市值和行业中性化处理。MCI_A因子IC均值6.56%，年化IR2.64，年化多空收益24.32%，夏普比率2.44。MCI_B因子IC均值6.89%，年化IR2.76，年化多空收益26.58%，夏普比率2.71，总体选股效果所有因子里最好。
MCI_B和MCI_A因子对原来指数增强模型有显著的提升
2个高频买卖报单流动性因子对原来指数增强模型的增强进行分析（包括IC分析和相对基准指数的超额收益分析）。具体回测时间为最近10年（年1月-年4月），样本池为沪深或中证，月频调仓。在两个样本池内，2个因子均对原来的指数增强模型有显著的提升。
因子深度研究系列
高频订单失衡及价差因子
.1.29
本文利用高频的逻辑挖掘出盘口数据中有价值的信息，并将其处理得到两大类共14个高频因子（逐档订单失衡率类因子、中间价变化率类因子），最后降为月频的低频选股因子，在单因子回测中取得优秀的选股效果。其中MPC5_neut因子IC均值-7.26%，年化IR为-3.09，年化多空收益达到30.63%，夏普比率高达2.88，总体选股效果是所有因子里最好的。
高频量价选股因子定义
我们通过高频数据构造出一些高频量价选股因子，第一类因子叫逐档订单失衡率（SOIR类因子），为订单簿各档委托买入和委托卖出量之间的差异占总量的比例。第二类因子叫中间价变化率因子（MPC类因子），为中间价的短期百分比变化率的均值、日频最大值、日频偏度。
SOIR和MPC因子在低频化后出现逻辑反转
我们看到SOIR类因子在高频上与收益率正相关，MPC1因子与收益率正相关，MPC5因子与收益率负相关。然而将高频量价因子降频后，SOIR类因子与MPC类因子均与收益率负相关。我们从以下两点原因来解释。从散户来看，在短期内散户容易存在追高杀跌行为。短期追高，价格上涨，但随着时间的累积，价格会逐渐处于高位，长期来看价格会回落。从主力的角度，主力对市场的短时操纵造成了价格的涨跌。强的买卖压力一般是大单交易造成的，大单交易很可能是主力的“对倒”行为，其目的主要是吸引散户，此时高频因子与收益率呈正相关。但从长期来看，市场价格则会回落，因此造成了低频上因子与收益率呈反向关系。
MPC5_neut因子IC均值-7.26%，年化多空收益高达30.63%
最后我们对SOIR和MPC两大类共14个高频量价因子进行单因子分析。具体回测时间为最近10年（年1月-年7月），样本池为全市场，月频调仓。SOIR类因子不做中性化处理，MPC类因子分别做和不做中性化处理进行对比。其中表现较好的因子有：SOIR3因子IC均值-4.86%，年化IR-1.63，年化多空收益20.46%，夏普比率1.94。SOIR4因子IC均值-5.13%，年化IR-1.95，年化多空收益21.81%，夏普比率2.28。SOIR5因子IC均值-5.37%，年化IR-2.29，年化多空收益21.32%，夏普比率2.41。MPC1_neut因子IC均值-6.81%，年化IR-2.87，年化多空收益26.99%，夏普比率2.66。MPC5_neut因子IC均值-7.26%，年化IR-3.09，年化多空收益30.63%，夏普比率2.88，总体选股效果是所有因子里最好的，在传统量价因子里面也是罕见的。
行业基本面量化系列
建材行业基本面量化择时策略
.12.14
建材行业的业务：与建筑业紧密联系，主要是水泥制造行业
建材行业的业务主要包括水泥制造、玻璃制造、玻纤、管材、耐火材料和其他，分别在地产开发的不同环节使用。截至年11月3日，建材子行业市值（占比），水泥制造4,.95亿元（48.78%）、玻璃制造.41亿元（7.64%）；年建材子行业净利润（占比），水泥制造.62亿元（81.42%）、玻璃制造22.43亿元（3.17%）；其中，海螺水泥2,亿市值，亿净利润，一家独大。
建材行业的财务报表：水泥制造行业的ROE与水泥价格相关性高达0.94，玻璃制造行业的ROE与浮法玻璃价格相关性高达0.88
水泥制造和玻璃制造行业的资产都主要是固定资产，分别占总资产比重40.23%和51.56%。水泥制造的负债方面主要是短期借款（4.49%）和应付票据与应付账款（6.97%），所有者权益方面最主要的是未分配利润（47.85%）和资本公积（7.74%），反映历史上较为优秀的盈利能力。玻璃制造的负债方面主要是短期借款（11.85%）和应付票据与应付账款（13.62%），所有者权益方面主要的是实收资本（17.51%）。
水泥产业链：CR10为58.68%，与地产和基建相关性分别为0.75和0.55
水泥是一种水硬性胶凝材料，生产工艺主要为“两磨一烧”，分别为生料制备、熟料煅烧和水泥粉磨，制造成本中煤炭占比35%且价格波动较大，是成本波动的主要来源。水泥是建设工程最常用的重要材料且没有同等体量的替代品，房地产、基础设施建设、农村建设是下游需求的主要推动力，与水泥产量同期相关性分别为0.75、0.55和0.37。经过多年的整合发展，全球水泥市场已经高度集中，前十大产能企业占比高达41.03%，中国水泥行业的集中度更高，前10大水泥企业（集团）熟料产能占全国总产能58.68%。
玻璃产业链：需求主要来自建筑（75%）和汽车（10%），浮法玻璃价格领先在产产能5个月（相关性0.49）
玻璃分为平板玻璃和深加工玻璃，二者是上下游关系；浮法玻璃是平板玻璃的主流生产工艺，成本主要是燃料和纯碱，分别占比33.66%和32.49%。浮法玻璃价格领先在产产能5个月（相关性0.49），和总产能的相关性不高。玻璃下游消费链包括建筑、汽车等，其中需求主要来自地产建筑行业（75%）和汽车（10%），房屋新开工面积同步浮法玻璃销量，相关性0.53。
建材行业择时：基于水泥价格的水泥制造择时策略多空年化收益13.69%，基于玻璃成本价差的玻璃制造择时策略多空年化收益15.04%
当T-1月水泥价格相对T-2月上涨时“做多水泥制造，做空万得全A”，反之“做多万得全A，做空水泥制造”，则年3月至年11月期间，多空净值4.45，多空年化收益13.69%。当T-2月玻璃成本价差相对T-3月上涨时“做多玻璃制造，做空万得全A”，反之“做多万得全A，做空玻璃制造”，则年4月至年11月期间，多空净值3.81，多空年化收益15.04%。12月建议做多水泥和玻璃行业。
风险提示：新冠疫苗研发不及预期，企业盲目扩产
金融工程深度
机器学习在上市公司财务造假识别中的应用
.9.30
财务造假数量增加，虚构利润是最主要的造假动机
至年，涉及财务造假的公司达家。财务造假会影响投资者的判断，从而给投资者带来巨大的损失，也给中国资本市场的健康发展蒙上了阴影。近些年，财务造假数量呈现增长趋势，因此对财务造假的识别迫在眉睫。经统计，超过90%的财务造假处罚类型均为虚构利润，因此可以围绕利润的形成过程，构建识别的特征。
选取至年所有造假公司作为造假样本，其他所有无造假公司作为控制样本
我们选取了至年间，证监会，上交所以及深交所发布的公告中搜集到发生财务造假的A股上市公司作为造假样本，共涉及家公司的份年报。部分公司季度报告等出现造假，由于与年报指标不统一，因此不纳入模型考虑。为了保证模型的可回测性，选取控制样本为当年所有无造假的上市公司。同样为了模型的可回测性，对于连续年度造假的样本，将每一年都视为一个独立的造假样本
根据财务指标、公司基本情况和市场指标，构建79个特征变量
依据财务造假常见的手段，结合国内外学者的研究，从财务指标、公司基本情况和市场指标三个维度入手，构建了79个特征变量。为了使不同行业间特征具有可比性，依据中信一级行业分类计算各特征的行业分位值。
使用多种机器学习算法构建预测模型。不同算法性质不同，普遍准确率和召回率较高
本文使用了Logistic回归、支持向量机、决策树和随机森林4种机器学习方法，构建上市公司财务造假识别模型。结果表明，不同算法的性质不同，Logistic回归结果准确率77%、召回率64%，且模型样本内外结果稳定。支持向量机预测效果相对于Logistic回归略有提升。单一决策树过拟合的问题严重，使用随机森林增强后泛化能力得到了增强，且相较于其他方法具有更高的精确率。
不同机器学习算法中特征重要度均较高的特征是财务造假识别的关键特征
通过对特征重要度的分析可以发现，非标的审计意见、较低的年度累计单位分红、较高的年平均换手率、较高的董事会人数、较低的机构持股比例、较高的预付账款/流动资产、较高的应收款项/营业收入等都是财务造假常见的特征，在财务造假的识别中需要格外