一、问题：A股困境行业为什么不容易反转？

这一章节，我们来探讨近两年行业配置细分模型阶段性失效的现象，分析下A股历史上困境行业不容易反转的原因，希望通过研究左侧困境反转模型来丰富行业配置策略。

1.1、现有行业配置模型近两年阶段性失效

国盛金工团队自2019年起开始深耕行业轮动领域，并且于2021年整合两个行业轮动模型（行业景气模型和行业趋势模型），以系统化多策略的方式为投资者提示国内行业配置投资机会。

近两年样本外跟踪下来，策略相对wind全A年化超额约7%，其中2022年超额4.5%，2023年截止到9月底超额9.8%，表现比较稳定，超额净值持续创新高。若进一步叠加PB-ROE因子进行选股，2022年超额12.1%，截止到2023年9月底超额13.7%，表现十分优异。但其中两个细分模型出现了阶段性失效的现象：

1)2022年趋势投资失效，年度超额收益为-8%，原因是近两年市场轮动速度较快，长端动量因子失效，去年回撤较大；

2)2023年上半年景气投资表现一般，年初至6月底超额收益为-1%，原因是今年上半年市场并没有走景气投资的逻辑，趋势投资今年收益颇丰，能够捕捉到上半年TMT的火热行情。

由于A股行业具有长期动量效应，所以当初在构建行业配置框架的时候，我们以“景气度-趋势-拥挤度”为核心依据，分别构建景气和趋势模型，希望充分利用基本面动量和价格动量这两个长期有效的因子，捕捉景气投资和趋势投资两类投资机会。因此从逻辑上来讲这两个模型都偏右侧，在动量崩溃和景气失效的环境下容易表现不佳。反观近两年涨的比较好的行业，例如建筑、通信和计算机等，大多数都是底部行业困境反转的逻辑。

虽然量化研究是一个无止境的动态过程，但我们认为适当有逻辑地迭代优化是有必要的。我们希望多策略行业配置体系能够囊括大部分市场行业上涨的驱动逻辑，而分析现有的框架，我们可能忽视了困境/低估值行业逻辑的挖掘。

因此本篇报告着重于研究行业困境反转策略，重点探讨三个问题：1）A股历史上困境行业为什么不容易反转？2）如何定义困境？历史上困境反转会呈现哪些特征？3）如何构建稳定有效的行业困境反转投资策略？

1.2、过去行业赔率指标表现不佳，受价值风格影响较大

前期行业轮动策略中没有使用估值指标的原因是：A股历史上低估值行业表现不佳，并不能显著跑赢高估值行业。这里我们用PB指标来代表行业估值水平。没有用PE的原因是部分行业盈利增速变动较大，这会导致估值指标不太稳定，并且周期行业的PE指标需要反过来使用，即行业底部时PE通常较高。但行业间PB估值中枢差异较大，无法直接比较，因此我们做了一些标准化处理，具体思路如下：

1)行业相对值计算：对行业PB进行时序上的平滑处理，然后计算其与大盘（中证800）的比例，消除大盘估值变动的影响，使得行业PB在时序上具备可比性；

2)时序标准化处理：根据过去6年的滚动窗口，将行业相对PB进行zscore处理，使得不同行业PB估值可比，指标越低代表相比于历史上被明显低估；

每月底根据PB_zscore选取前20%行业，观察其相对行业等权的表现。由下图所示，2015年底至2023年6月底，低估值行业年化超额收益仅为2%，然而超额最大回撤达到-18%，主要发生在2019-2020年机构抱团的行情中，彼时成长因子占优，价值因子表现不佳。由此可见，过去行业赔率指标表现不佳，受价值风格影响较大。

1.3、困境行业不容易反转的原因

本节对低估值行业（困境行业）不容易反转背后的原因进行了一定探讨，总结来看就是“拿不久且拿不住”，具体可分为以下两点：

原因一：对于深度左侧的困境行业，持有时间不够久

A股历史行业底部盘整通常会经历一个较长的时间周期，也就是所谓的以时间换空间，经过较长时间的充分换手后才会形成向上合力。为了验证这一点，我们做个一个简单的实证：根据PB_zscore将行业分成低估值、中估值和高估值三类，然后观察持有未来一个月到未来三年组合的超额收益表现。

如下图所示，可以发现如果持有期较短，如半年以内，低估值行业并不能显著跑赢高估值行业，困境行业超额收益较低。但是如果把持有期拉长到一年以上，低估值行业有比较明显的反转效应：相对高估值行业，低估值行业持有一年的超额收益为3%，持有两年的超额收益为11%，持有三年的超额收益为15%。

由此看来，这些处于低估值的困境行业并不是不会反转，而是不会立马反转。一个较大级别的行业底部反转通常需要一个较长的时间周期，例如2019年的新能源、2020年的周期和今年的TMT。但如果考虑到持有的时间成本，低估值策略可能就没那么高的性价比了。因此，改进低估值策略一个可能的解决措施是：在困境行业池子中找到有效的右侧胜率信号，在出现右侧信号后再进场买入，而不是在估值刚刚便宜的时候就开始持有。这样买入就不会过于左侧，可以有效降低策略持有的时间成本，而且胜率也会显著提升。

原因二：错失反转过程中的绝大部分收益

以往我们通常比较注重横截面的比较，擅长在截面上选取性价比较高的标的，但在时间序列上思考的相对较少。以低估值策略为例，通常我们的做法是每一期在截面上持有估值最低一组的标的，这样可能会错过一些已经有所反弹的低估值行业。例如行业A前几个月估值位于最低的一组时被模型持有，但是短期有所反弹，估值已经脱离最低一组的量化定义，这个时候行业A就会被策略被动卖出，然后继续寻找新的低估值行业，自此循环往复。

但我们研究发现，低估值的行业在脱离了估值区间之后，其趋势往往会持续一段时间，如今年的 TMT 板块，在2月份的时候，基本上已经脱离了低估值区间，而后面的趋势3月份最强，后面持续强势到6月份。

下面我们将困境行业分成两类：当前困境行业和已经反弹的困境行业，观察持有这两类行业未来的超额收益表现。如下图所示，相比于当前困境的行业，已经反弹的困境行业持有一个月超额收益不明显，持有三个月收益差为1.0%，六个月和一年收益差均为4.2%，两年收益差为12.0%，三年收益差18.9%，随着时间的增加收益差呈明显单调性。也就是说，形成一定反弹趋势的困境行业，未来超额收益的弹性和持续性更强。

上述现象对我们研究困境反转的启发是：可以适当放松对当前估值的要求，持有一些已经有所反弹的困境行业，然后再根据右侧胜率信号精选，从而把握住困境反转的持续性收益。近些年海内外流行的“低估值+强动量”基本上也是这样一个逻辑。

二、现象：如何定义困境？历史上行业困境反转呈现哪些特征？

这一章节主要研究两个问题：1）如何定义困境，构建困境反转行业基础指数池？2）历史上行业困境反转都呈现出哪些特征？

2.1、如何定义困境反转的行业基础指数池？

如上文1.3节所述，我们本篇报告采用两类困境池子：当前困境还未反转和过去困境有所反弹的行业。具体的定义如下：

1）当前困境还未反转：当前PB_zscore排名处于最低1/3的行业，这些行业赔率较高，收益空间大，问题是有部分行业可能处于长期困境，需要当心价值陷阱；

2）vv：过去一年PB_zscore的最小值小于-1倍标准差，当前指标大于-1且PB估值位于前2/3。因为PB_zscore经过标准化后类似正态分布，曾经小于-1倍标准差代表曾经触过一个底部区域，并且当前已经脱离底部区间。

最后困境的基础池子是两类困境的合并。这样定义的好处就是既能找到一些深度左侧的行业，也能继续持有一些有所反弹的过去低估值行业，跟住趋势。此外，两个困境的定义还是完全互斥的，不存在任何交集，保证了困境定义的完备性。举例来说2023年11月，当前困境的行业可能是地产，已经有所反弹的困境可能是家电和汽车。

用PB定义困境的原因如下：一是PB逻辑足够简单清晰；二是困境反转策略真正重要的不是“困境”的定义，而是“反转”信号的挖掘；三是困境反转策略博取的是高赔率和高弹性，如果追求策略的稳定性，需要的是分散而不是集中，那我们不妨把困境基础池子定义地宽泛一些，因此我优化估值指标的意义就变小了很多。事实上，用原始PB最低的1/3定义困境和优化后的PB最低的1/3定义困境其实差异不大，因为大部分低估的行业都已经被包含在其中。

此外，为了满足更多投资者的需求，本次研究的行业池子有一个比较大的扩充：中信一级行业、二级行业和筛选后的ETF跟踪指数，总计200多只指数。笔者在样本外跟踪了一段时间行业轮动模型后，发现传统一级行业轮动波动较大，并且对参数有一些敏感，下沉到三级可能颗粒度有点细，部分行业成分股较少，二级行业100多个刚刚合适。此外，随着ETF的火热发展，考虑到部分投资者更关心ETF产品，我们把一些筛选后的ETF跟踪指数也囊括进来，这样研究时根据具体需求来筛选即可。

对于右侧胜率信号的挖掘。我们主要从基本面、市场资金和投资情绪等维度来考虑，希望能够秉承以下原则：1）指标逻辑尽可能简洁清晰，逻辑大于统计；2）指标的设计和困境池子的定义有一定关联度，比如指标的多头和困境的池子有较高的重叠度，这样可以保证选到的行业是本身这个指标的多头。下面我们重点介绍两大类比较有效的指标维度：分析师景气度和资金行为。一个偏长期基本面，一个偏短期资金情绪。

2.2、长期收益影响因素：分析师景气度

在行业长期反转过程中景气度算是最重要的影响因素之一，因为只有盈利预期提升并且未来盈利真正兑现，行业的困境反转才能有弹性并且具备延续性。本文我们使用跟踪已久的分析师行业景气指数来代理行业景气度，它参考PMI指数的编制思路，定期统计上调盈利预测的机构占比，通过扩散指数的方法编制而成，具体可参考前期专题报告《分析师行业景气指数构建与应用》。

为了更直观地理解指标的效果，和传统因子测试方法不同的是，我们这里不是按照因子大小分组排序然后计算不同组别收益率的差异，而是反过来按照实际收益率表现分组，然后去统计每组尤其是涨幅最高的一组的特征，实现一个类似复盘的目的。

这里分别针对两类困境行业，根据行业未来一年收益率分成四组：小于0%、0%到20%、20%到50%和大于50%。统计结果如下图所示，可以发现困境行业中景气度和未来长期收益，有两个重要的结论：

1）景气度和未来一年涨跌幅明显单调：未来一年涨跌幅越高，当前分析师景气度越大，代表当前分析师上调比例越高，存在明显的单调性；

2）分析师的远期调整分组效果更好：分析师未来两年景气度分组效果比未来一年的分组效果更为显著，涨幅最高的组均值更大，单调性更强。

分析师的远期调整更适合作为困境行业长期收益的右侧信号的原因在于：困境行业处于困境的原因就是近些年业绩处于底部或者呈下降趋势，那其未来短期业绩大概率承压；分析师看好其景气扭转的话，无论背后逻辑是产业支持还是行业空间等，最后都会落到盈利预测的上调上来。既然短期业绩兑现难度较大，分析师往往会调整长端的盈利预测。

其实这一现象在今年年初的TMT行情中也可以得到验证。如下图所示，在2023年初，计算机和传媒未来2年的景气度指标都高于未来1年的景气度指标，进入扩张区间更早，具备一定领先性，其背后主要原因就是对于这类底部成长性行业，分析师更倾向于上调长端盈利预测来佐证推荐逻辑。

接下来，我们观察分析师两年景气指标在困境行业上Alpha的稳定性和持续性。类似量化选股因子测试的思路，我们在两类困境行业里选取分析师两年景气度最高的前10%，分别观察其持有前60个交易日和持有后两年的超额收益，可以得出如下结论：

1)分析师景气度（未来2年）前10%的行业未来都具备稳定超额收益。如下图所示，在两类困境行业中，分析师上调长端盈利预测的行业超额收益平均来看达到5%-10%，并且持续时间较长，未来400个交易日左右才开始有明显衰减。

2)有所反弹的困境行业如果被分析师上调长端盈利预测，其超额收益弹性更强。如下图所示，有所反弹的困境行业买入后持有一年半超额收益约为15%，而当前困境的行业买入后持有一年半超额收益约为6%，差异较为明显。

总结一下，相比于近期（FY1）调整，分析师的远期调整（FY2和FY3）更适合作为困境行业长期收益的右侧信号，在信号发出后具备稳定超额收益，持续时间约为400个交易日，并且在有所反弹的困境行业弹性更强，超额收益达到15%。

2.3、短期收益影响因素：资金行为

除了长期基本面引导股票价格回归合理估值水平外，市场短期还很容易受到资金和投资情绪的影响。在前期专题报告《A股收益预测框架》中，我们曾对A股不同预测期限下，基本面和估值的波动贡献做过测算。如果是偏长期3-4年维度，基本面和估值的波动基本持平；但如果是偏短期1年甚至三个月尺度，估值波动占比大概占到7成。也就是说，相比基本面因素，资金情绪等可能是影响股票短期收益更重要的因素。

近些年资金的边际定价权逐渐提升，这里我们用资金的加仓行为来代理市场资金流向，研究在困境行业中其与未来行业短期收益的关联性。与上文一致，我们采用类似复盘的方式，根据行业未来一个月的收益率分成四组（小于-10%、-10%到0%、0%到10%和大于10%），然后观察不同组别当前资金加仓的比例。

统计结果如下图所示，可以发现困境行业中资金行为和未来短期收益，有两个重要的结论：

1）资金加仓和未来一月涨跌幅呈一定单调性：未来一个月涨跌幅越高，当前资金加仓比例越大，呈现一定的单调性；

2）资金交易盘的加仓行为分组效果更好：资金交易盘的加仓比例分组效果比资金整体的分组效果更为显著，单调性更强。

根据港交所最新披露的数据，资金中配置盘与交易盘的资金比例约为4：1，相比资金整体，交易盘资金相对盘子更小，调仓更为灵活。此外配置盘作为价值投资的代表，长期偏好大盘蓝筹和高ROE个股，有着非常明显的风格行业偏好。而交易盘没有如此明显的偏好，甚至在近些年有估值下沉的倾向，加仓品种越来越偏低估值，交易比较左侧。因此在困境行业中找右侧资金信号，资金整体信号存在较大的干扰性，需要把交易盘剥离出来，单独观察其资金行为。

为了验证这一点，我们将取交易盘加仓前10%的行业，观察其PB_zscore<-1的占比。如下左图所示，可以看出交易盘加仓的行业中低估值的行业占比在近三年显著提升，中枢明显上移。再进一步，我们计算了2020年到2023年的交易盘加仓前1/3行业的估值各分位比例，可以看到如下右图所示，交易盘加仓和行业估值明显负相关且单调，PB_zscore小于0的行业占比显著较高，达到70%。

接下来，我们观察交易盘加仓这一指标在困境行业上Alpha的稳定性和持续性。我们在两类困境行业里选取交易盘近一个月加仓比例最高的前10%行业，分别观察其持有前60个交易日和持有后两年的超额收益，可以得出如下结论：

1）交易盘加仓前10%的行业未来都具备稳定超额收益。如下图所示，在两类困境行业中，交易盘加仓前10%的行业超额收益平均来看有3%；

2）交易盘相对更擅长抄底，追高需谨慎，超额收益会在半年内衰减。如下图所示，在当前困境行业中交易盘因子未来超额收益持续性和弹性更强，在买入前超额收益为-1%，买入后未来2年超额收益约为4%，并且未见明显衰减。而有所反弹的困境行业买入前超额收益已经兑现5%，买入后未来120个交易日有3%的超额收益，然后迅速衰减，基本没有超额收益。

关于为何资金作为短期因子超额收益持续性长达2年，我们猜测其背后一个较大的原因是窗口重复覆盖，因子本身具备自相关性和动量属性，导致了超额收益持续较久。此外，2020年底前后这一现象存在显著差异，此前交易盘加仓的行业买入后超额收益仅持续60个交易日左右，幅度不到1%；2020年后买入后超额收益持续一年以上（因为样本较少原因没取2年窗口），幅度超过5%。因此，这一现象主要是在2020年后价值风格走强后出现的，后续持续性还有待观察。

总结一下，相比于资金整体，交易盘的资金行为更适合作为困境行业短期收益的右侧信号，在信号发出后具备稳定超额收益，持续时间为半年以上，并且在当前困境行业上效果更佳，持续时间长达2年，幅度达到5%，这一现象在2020年后更为显著。

三、策略：行业困境反转策略的落地

这一节我们基于上节介绍的两个右侧胜率信号构建困境反转策略，从当前困境或者过去困境有所反弹的行业里，寻找未来长期景气有望改善（分析师上调未来2年盈利预测）和交易盘近期在加仓的行业，同时兼顾长期景气和短期情绪。

3.1、困境反转研究框架：赔率-胜率视角

不同于之前行业右侧景气度-趋势-拥挤度框架，困境反转模型实际上是基于赔率-胜率视角构建的，下面我们简要整理一下策略用到的指标维度及定义：

1）赔率：相对PB估值_zscore。行业与中证800的PB比率，做过去6年的标准差，衡量行业当前的赔率大小，<0代表行业当前估值小于历史中枢；

2）胜率：分析师未来两年景气度和资金加仓行为。分析师景气度包括未来两年上调净利润增速的机构比例、上调ROE的机构比例、上调ROE机构比例最近一年的标准化，最终将三个景气指标进行等权平均；资金用交易盘最近一个月的持股比例变化，衡量近期加仓行为。

3.2、宏观情景分析

基于上文提到的两个困境行业池，我们对两种困境反转盈利模式进行探讨：1）短期困境反弹：选取当前困境，短期有望反弹的行业；2）长期困境反转：选取过去困境，反转有望持续的行业。第二章有提到，从最终统计结果看，分析师景气度更适合第二类困境，加仓更适合第一类困境。但这毕竟是样本内统计的结果，后续右侧信号的使用我们保持了一致性，即在任一困境行业池中对两个右侧信号等同看待。

3.2.1、短期困境反弹：选取当前困境，短期有望反弹的行业

此类盈利模式赚取的是行业从估值底部向上修复的收益，因此希望从当前困境的行业中寻找有望短期拔估值的行业，策略具体步骤如下：

1）困境池选取：选取当前PB_zscore的排名后1/3的行业，作为困境行业池（240个指数取1/3，约为80个指数）；

2）反弹池选取：选取资金交易盘加仓比例前n或分析师两年景气度前n的行业，作为反弹行业池（n取30，由于指标相关性较低，取并集约为50个指数）；

3）困境反弹池选取：将困境行业池与反弹行业池取交集，等权持有，周度调仓。

如下图所示，相比于行业等权，该策略2015年底至2023年6月底年化超额10.8%，信息比率1.38，超额最大回撤-6.3%，表现远优于原始低估值行业策略（年化超额不到2%）。如下右图所示，若仅考虑分析师景气指标，年化超额约为7%。可以看到，交易盘加仓因子在当前困境行业上对策略的提升较为明显。

该策略的换手率整体偏高，周频调仓下单边年化12倍，主要原因是原始行业困境池子定义较为严苛，并且交易盘短期换手较高，容易有行业频繁调入调出的现象，适合作为小仓位策略进行使用，博取行业的短期反弹收益，平均每期持有30个行业指数。后面我们会专门探讨如何降低策略的换手，使其更容易落地。

从分年度统计来看，策略每年超额收益均为正。并且在时序上有一定差异。2020年之前表现尚可，超额收益约为6%；近三年表现优异，2021年超额收益为20.9%，2022年超额收益为15.3%，今年截止6月底获得6.3%超额收益，绝对收益为9.9%，在景气策略表现不佳时有一定对冲效果。

此外，为了避免过拟合风险，我们还测试了策略的参数敏感性。如下图所示，当n分别取20-60时，可以看到超额净值趋势基本一致，年化超额维持在8%-10%，信息比率在1以上，超额最大回撤在-7%附近，对行业选取个数并不敏感。

3.2.2、长期困境反转：选取过去困境，反转有望持续的行业

第二种盈利模式赚取的是行业反弹持续带来的收益，因此希望从已经有所反弹的困境行业中寻找长期基本面向上短期资金加仓的行业，实现戴维斯双击，策略具体步骤如下：

1) 困境池选取：选取过去一年PB_zscore最小值小于-1倍标准差，且当前估值位于前2/3的行业，作为困境行业池，即第二类困境；

2) 困境反转行业池选取：选取分析师景气度前30或者交易加仓前30的行业，与困境行业池取交集，作为困境反转行业池；

3) 估值拥挤度限制：在困境反转行业池中，剔除估值>1倍标准差且拥挤度>1倍标准差的行业，等权持有剩下行业，周度调仓。

如下图可以看到，该盈利模式的困境反弹收益弹性更强，相比于行业等权， 2015年底至2023年6月底年化超额21.0%，信息比率2.10，超额最大回撤-7.5%。其表现优于第一种困境反转盈利模式，原因是没有暴露太强的低估值，在2020年之前相对占优。此外，考虑到行业买入时可能存在估值和拥挤度较高的情况，策略剔除了估值和拥挤度双高的行业，超额收益表现还能再提升1%左右，近三年四季度改善更为明显。

该策略的换手率不高，周频调仓下单边年化8倍左右，主要原因是基础困境行业池子较为宽松，不会出现行业频繁买入卖出的情形，适合作为大仓位策略进行使用，获取行业的长期反转收益，平均每期持有19个行业指数。

从分年度统计来看，每年均有正超额收益。近三年表现优异，2021年超额收益为33.8%，2022年超额收益为11.9%，今年截止6月底获得13.3%超额收益，绝对收益为16.9%，但由于没有暴露太强的低估值风格，近两年四季度基本面因子偏弱和估值因子走强的时候，回撤也要大于第一种盈利模式。

此外，为了避免过拟合风险，我们还测试了策略的参数敏感性。如下图所示，当n分别取20-60时，可以看到超额净值趋势基本一致，年化超额维持在15%以上，信息比率在2附近，超额最大回撤在-9%以内，对行业选取个数并不敏感。N=20时效果最好，持仓更为集中，平均每期持有15个行业指数，超额收益达到22.6%。

3.3、并行两种困境反转策略后，超额收益更加稳健

最终我们将两种困境反转盈利模式进行了合并，发现超额收益更加稳健。其背后原因是，两种盈利模式持有的行业差异较大，第一种持有当前估值最低一组的行业，第二种持有之前估值触底，但当前估值修复不再是最低组的行业，这样保证了持仓完全互斥。此外，第二种盈利模式会呈接第一种盈利模式因为涨起来而卖出的行业，这样合并后可以减少行业被频繁买入卖出的情况，降低整个策略的换手。

考虑到第一种模式换手较高，为了控制组合换手，将两个策略持仓合并，策略年化超额17.3%，跟踪误差7.4%，信息比率2.32，超额最大回撤-5.3%，超额收益更加稳健。

此外，我们在交易细节上对策略进行了一些优化，具体细节如下：

1）优化策略整体换手率。采用平滑仓位的方法，即将资金分为4份，每一份分别持有过去4周每周推荐的行业指数池。这样操作相当于每周只调整1/4的仓位，每周推荐的行业固定持有4周，策略变成了一个周频微调的月度轮动策略，可以有效降低策略换手；

2）考虑时间序列上对单行业加减仓的思路，学习主动投资者在做困境反转时的思维模式：左侧埋伏、右侧加仓和止盈。当行业处于估值最低一组（第一种盈利模式持仓）的时候，权重设为1；当行业不是估值最低一组（第二种盈利模型持仓）的时候，权重设为2；观察行业的估值和拥挤度：有一个指标超过1倍标准差时，权重设为1；两个指标都超过1倍标准差时，权重设为0。也就是说，行业还处于困境时轻仓配置，行业已经反转并且仍有右侧信号时重仓配置，行业出现一个预警信号时卖掉一半，两个预警信号都出现时全部卖出规避。

交易细节优化后，换手率年化单边6倍，除了减仓期外，每周换手不超过20%，换手率得到明显控制。年化超额14.7%，扣交易费用后约在12%-13%，信息比率2.17，超额回撤-6.4%。分年度来看，每年均有正超额收益。近三年表现优异，2021年超额收益为21.4%，2022年超额收益为11.9%，今年截止6月底获得7.2%超额收益。

3.4、工具：行业困境反转图谱

与之前行业景气趋势图谱类似，我们基于赔率-胜率的困境反转策略也构建了行业困境反转图谱，供各位投资者参考。如下图所示，所有的点均为中信二级行业，横轴为分析师未来2年景气度，纵轴代表交易盘近期加仓幅度，右上方第一象限代表两个信号均排名靠前。蓝色气泡代表当前困境的行业（第一类困境），红色气泡代表已经有所反弹的困境行业（第二类困境），气泡越大代表估值越低。

由于策略是取并集的方式，因此红色边框内的行业是模型推荐的困境反转行业，当前配置建议关注医药、顺周期和TMT中估值拥挤度不高的细分板块，其中重点推荐医药，本月配置仓位达到上限30%。具体行业例如生物医药、化学制药、中药生产、煤炭、钢铁、运输设备、航运港口、机械、通信设备制造和电子元器件等。

四、结论

本报告主要解决以下几个问题：A股困境行业为什么不容易反转？如何定义困境？历史上困境反转会呈现哪些特征？如何根据困境反转的盈利模式构建行业配置策略？

问题讨论：A股困境行业为什么不容易反转？以PB较低代表低估值困境行业，这一策略年化超额不到2%，表现一般。究其原因：1）困境行业并不是不会反转，而是要经历一个较长的时间周期才会反转，因此需要挖掘有效的右侧胜率信号；2）相比于当前困境行业，过去困境有所反弹的行业未来表现更强，传统困境反转策略容易错失这部分收益。

两类困境的定义：1）当前困境还未反转：PB_zscore排名处于最低1/3的行业；2）过去困境已经反弹：过去一年PB_zscore的最小值小于-1倍标准差，当前大于-1且PB估值不是最低的1/3。

历史上困境反转会呈现哪些特征：1）基本面：相比于近期（FY1）调整，分析师的远期调整（FY2和FY3）更适合作为困境行业长期收益的右侧信号，超额收益持续400个交易日，并且在有所反弹的困境行业弹性更强，达到15%；2）资金面：相比于资金整体，交易盘的资金行为更适合作为困境行业短期收益的右侧信号，超额收益持续120个交易日以上，约为5%，并且在当前困境行业上效果更佳。

策略：两种困境反转盈利模式的探讨

1) 选取当前困境，短期有望反弹的行业。在当前困境还未反转的行业里（第一类困境），精选交易盘最近加仓靠前或者分析师两年景气较高的行业，策略2015年底至2023年6月底年化超额10.8%，信息比率1.38，超额最大回撤-6.3%，策略回撤较小并且在2020年后表现优异。

2) 选取过去困境，反转有望持续的行业。在过去困境已经反弹的行业里（第二类困境），精选交易盘最近加仓靠前或者分析师两年景气较高的行业，策略2015年底至2023年6月底年化超额21.0%，信息比率2.10，超额最大回撤-7.5%，收益弹性较大，能够捕捉到困境反转大部分收益。

3) 并行两种困境反转策略后，超额收益更加稳健。由于两个策略持仓完全互斥，并且有逻辑的连接性，具备并行的条件。并行后策略年化超额17.3%，跟踪误差7.4%，信息比率2.32，超额最大回撤-5.3%。

参考文献

1.国盛证券-量化分析报告：行业轮动的三个标尺-20200614.

2.国盛证券-量化专题报告：分析师行业景气指数构建与应用-20211215.

3.国盛证券-量化专题报告：行业配置模型的顶端优化-20220708.

风险提示：模型根据历史数据规律总结，未来存在失效的风险。