>财经>>正文

行业景气度量化前瞻系列之三:乘用车篇【天风金工吴先兴团队】

原标题:行业景气度量化前瞻系列之三:乘用车篇【天风金工吴先兴团队】

报告提要

乘用车销量驱动汽车行业景气

汽车属于规模驱动型行业,销量是影响微观企业盈利能力最重要的因素。其中乘用车销量占汽车销量的85%,对整个汽车行业的景气起着决定性的作用。本文主要研究汽车行业中市值、销量占比较大且更具消费属性的乘用车行业。

“量”、“利”景气指标滞后于指数超额收益

销量增速是更高频的景气度指标,且是行业净利润增速的重要先行指标。但月度销量增速和季度净利润增速均滞后指数超额收益两个季度左右,股价对行业景气的提前反应客观上决定了对景气度指标做多期前瞻的必要性。

驱动力备选库构建与购置税优惠政策量化解析

我们主要从消费环境、消费倾向和消费维度三个维度筛选了60个备选驱动力指标,并引入虚拟变量从定量角度分析购置税优惠政策对景气度的影响,发现:5%购置税优惠政策对乘用车行业“量”、“利”层面的景气度均有正向显著影响,且更利好于小排量乘用车,而7.5%购置税政策回归系数并不显著。

政策变量模型滚动测试效果更优

近5年的滚动测试结果显示,行业景气度半年窗口期内的预测方向正确率达70%-80%,加入政策虚拟变量的模型对景气度的解释力度增加,样本外预测方向正确率也有所提升。销量增速稳定的驱动力包括更多储蓄最合算比例同比、CPI同比、车牌中标价同比。净利润增速主要受OPEC原油价格增速、CPI同比、更多储蓄最合算比例同比以及反映货币环境的M1和社融增速驱动。更多储蓄最合算比例同比增速平均领先行业景气度一年左右,且正相关关系非常稳定,平均相关系数达0.7。

未来半年行业景气度前瞻

模型显示,在无5%购置税优惠政策刺激下,行业景气度下行压力将持续至年底左右,在重启5%购置税优惠政策的情境下,小排量乘用车销量增速和行业净利润增速将大于0,而乘用车整体销量可能在年底前依然负增长。

正文

在本系列前两篇报告中,我们搭建了行业景气度量化前瞻的研究框架,并对食品饮料、纺织服装、商贸零售和家电等消费行业做了基本面梳理和盈利成长等财务层面的景气度预测。但除了从“利”的维度观察行业景气,“量”的变化对于部分规模驱动型行业来说也至关重要,如汽车。而且产销量相对于财务类数据的频率更高,对于我们及时捕捉行业景气变化可能更有意义。

本文将以汽车整车行业中销量规模最大且消费逻辑较强的乘用车行业作为研究对象,从“量”和“利”两个维度来观察行业景气。

1

乘用车行业地位

汽车属于规模驱动型行业,销量是影响微观企业盈利能力最重要的因素。根据中信二级行业分类,汽车行业可分为乘用车、商用车、汽车零部件、汽车销售及服务和摩托车及其他五个子行业。前两个可归为整车制造行业,但两者景气驱动逻辑截然不同。乘用车按车型可分为轿车、SUV、MPV和交叉型乘用车,按排量可分为1.6L以下排量(以下简称“小排量”)和1.6L以上排量(以下简称“大排量”)乘用车,主要受下游消费驱动,而商用车主要包括卡车和货车,与投资相关性更高。

从市值权重分布来看,2005年至今,整车制造(包括乘用车和商用车)上市公司市值占整个汽车行业50%左右,而整车制造中,乘用车行业上市公司市值权重占比不断提升,截至2018年3季度末,占比达85%。

观察汽车整车销量构成可以发现,由于春节效应,每年二三月份乘用车销量占比均出现较大幅度回落,为便于观察,我们计算了销量TTM的占比,从平滑后的销量数据来看,自2005年以来乘用车占比呈稳步提升的趋势,目前的销量占比稳定在85%左右。

由此可知,乘用车行业的景气度对整个汽车行业的发展起着决定性的作用。本文主要研究汽车行业中市值、销量占比较大且更具消费属性的乘用车行业。

2

行业景气度代理变量

理论上,研究行业景气度是为了帮助我们以更高的概率获取行业超额收益。因此,找到与行业超额收益相关性较高的指标是第一步也是最关键的一步。下面我们从“量”和“利”两个维度筛选一些主要指标,并分析其与乘用车行业超额收益的关系,以确定行业景气度的代理变量,也就是前瞻的对象。

2.1

“量”与超额收益

首先从“量”的维度我们主要考察乘用车的销量数据。目前公布乘用车销量数据的机构主要是中国汽车工业协会(简称中汽协)和乘用车市场信息联席会(简称乘联会)。其中中汽协分车型、排量更新月度数据,而乘联会除了按车型和品牌公布月度销量外,还按周度更新批发和零售端的销量数据,虽然频率较高但数据自2015年才公布,基期较晚不利于建模,且考虑到宏观、行业中观层面的驱动力指标大多是月频及以下的数据,预测周频数据可能难度较大。因此,本文选择中汽协公布的月度销量数据进行研究。

考虑到当月同比数据波动较大,我们选择TTM环比的方式来计算销量的变化。从图4来看,销量TTM环比增速(以下简称销量增速)与乘用车(中信二级)行业指数相对沪深300月度超额收益的相关性较高,但销量增速似乎是一个滞后指标,也就是股价可能提前反应了行业景气的变化。具体地,我们利用2006年1月至2018年9月的数据在12期范围内对两者进行时差相关分析,发现销量增速滞后于超额收益大概5个月相关系数最高达0.3,相关性不是很高,但可以明显看到销量增速是滞后的。

2.2

“利”与超额收益

从“利”的维度我们主要参考前两篇报告中提到的财务层面景气度指标,这里主要分析乘用车行业净利润TTM环比增速(以下简称净利润增速)与指数季度超额收益在领先滞后4个季度范围内的时差相关关系,同时对比了季度销量增速与超额收益的关系,以更好地观察各行业景气度代理变量与超额收益的关系。

观察图6可以发现,各景气度代理变量都在滞后行业指数超额收益2个季度左右达到最高相关系数,最大相关系数均在0.5左右,其中季度销量增速与行业指数超额收益相关性更高。由此可知销量增速确实是一个重要的景气度代理变量。但需要对其进行至少两个季度的前瞻。

以上对于“量”和“利”两个层面的景气度指标与超额收益的时差相关分析结论与我们在前两篇系列报告中提到的一致,景气度指标具有滞后性,股价可能提前反应了行业景气的变化,因此我们根据当期景气度代理变量来做投资决策的可行性是值得怀疑的,或者说大概率会犯错。这也是我们试图对景气度做多期前瞻的根源所在。

3

行业景气度驱动力因子筛选

确定了景气度代理变量后,下面我们从基本面逻辑来分析其可能的传导机制和重要的先行指标,构建驱动力备选库并检验和筛选最终用于预测景气度的驱动力因子。

3.1

景气度传导机制

作为可选消费品,乘用车销量主要由下游消费需求决定,而需求影响因素可归纳为消费环境、消费能力和消费倾向三个维度。其中消费环境偏宏观一些,主要包括经济景气、货币环境、汽车保有量、道路环境、政策导向等。理论上,在经济向好、融资环境宽松、政策利好的背景下,乘用车需求会有提升。而保有量水平一方面可能会制约销量的上行,另一方面也可能是销量增速上行的“果”。

消费能力主要与人均GDP、可支配收入、车价、车牌获取难度、油价等因素有关。逻辑上,人均GDP、可支配收入的提升会增加对乘用车的需求。车价油价的高企可能会抑制消费需求,但对于小排量车来说可能是结构性的利好。而车牌获取难度包括投放车牌数量和投标人数,车牌数为供给,受政策调控影响较大,投标人数反映了需求。

消费倾向方面主要包括消费者信心、未来收入预期、储蓄意愿等。这类指标偏重调研性质,储蓄意愿等数据来自于人民银行对储户的调查问卷,反映消费者的预期。理论上讲,储蓄意愿上升会在当期抑制消费,但可能需求会在未来释放,因此储蓄意愿对销量的影响方向并不一定。此外,在统计了汽车出口数据后,我们发现汽车出口数量仅占总销量5%左右,因此本文暂时忽略国外需求变化的影响。

以上三个维度梳理的“量”层面的景气度传导机制也同样适用于盈利层面,而乘用车行业盈利能力除了受销量及影响销量的先行指标驱动,还与价格和成本直接相关,价格因素已被纳入消费能力维度。因此,我们在“利”层面的驱动力备选库中还有必要纳入核心原材料价格以及已实现的产销量数据。

3.2

购置税政策对行业的影响

在以上分析中,我们尚未对政策因素做研究,但行业的刺激政策理论上是景气变化的重要驱动因素。下面我们对乘用车行业重要的政策做梳理并观察政策对行业景气度的影响。

3.2.1 政策梳理

自2009年以来,乘用车行业的刺激政策主要包括汽车下乡、节能汽车补贴以及两轮小排量乘用车购置税优惠措施。其中购置税优惠政策普适性最强,我们重点分析这一政策对行业景气度的影响。

第一轮购置税优惠期间是2009年1月20日至2010年12月31日。为应对2008年全球金融危机造成的影响,自2009年1月20日至12月31日期间,国家对1.6升及以下排量乘用车施行减按5%征收车辆购置税政策(2009年1月16日公布),2010年开始按照7.5%征收,自2011年开始1.6升及以下车型的购置税税率由7.5%恢复至10%(2009年12月22日公布)。

第二轮是2015年10月1日至2017年12月31日。2015年10月1日至2016年12月31日,国家将1.6升及以下小排量乘用车购置税由10%再次下调至5%(2015年9月29日公布),2017年按7.5%的税率征收。自2018年1月1日起,恢复按10%的法定税率征收车辆购置税(2016年12月13日公布)。

此外,在新能源汽车优惠政策方面,自2014年9月1日至2020年12月31日,国家对购置的新能源汽车免征车辆购置税。但新能源汽车销量占比较低, 2016年不到1%,目前3%左右。因此2014年 - 2015年小排量燃料车优惠政策空档期,新能源汽车购置优惠政策对乘用车整体销量的利好可能并不明显。

3.2.2 销量特点

理论上,购置税优惠政策受益对象1.6L及以下小排量乘用车销量增速在优惠期间应当有显著提升。我们利用中汽协公布的数据对乘用车销量按排量拆解后可以发现,2L及以下排量的乘用车销量占比逐年稳步上升,目前已占到了95%以上。而其中1.6L及以下排量乘用车销量占70%左右。从图8可以观察到, 5%购置税优惠政策期间小排量乘用车销量占比提升明显,而7.5%税率期间效果并不明显。

逻辑上,大排量乘用车的消费需求受优惠政策的影响较小。因此,政策对小排量乘用车的影响可近似看做对整个乘用车市场的影响。这一结论从销量增速变化可以得出。观察图9可以发现,乘用车整体销量增速与小排量乘用车销量增速相关性更高。5%优惠政策期间小排量乘用车销量增速明显提升,而7.5%税率下出现增速下行。这主要是优惠政策导致消费提前,2009年、2016年销量的高基数导致2010年、2017年的销量增速下滑。而大排量乘用车的销量增速在政策期间的变化相对小一些。

政策的作用效果应当结合其余消费环境(宏观经济景气、汽车普及率等)因素来考虑。从汽车保有量来看,2008年我国汽车千人保有量为49辆左右,而2015年达到125辆,这从客观上决定了两次购置税优惠政策的边际影响将存在差异。因此在将政策因素纳入模型时应当考虑足够的数据长度来检验其影响。

3.3

驱动力备选库

根据行业需求分析和景气度传导机制,本文从三个维度的细分方向共筛选了60个可量化的指标。其中“量”层面景气度代理变量的备选驱动力主要包括消费环境、消费能力和消费倾向三个维度共52个因子,“利”层面景气度代理变量的备选驱动力除影响销量的三个维度外还包括产销量和原材料成本共60个因子。此外,政策因素的量化在下文模型构建中具体阐述。

3.4

驱动力筛选

驱动力备选库构建完毕后,我们对每个潜在的驱动力指标进行分析,筛选出与景气度代理变量相关性高且领先于景气度的驱动力因子。这个步骤在前两篇报告中提到的相关性分析的基础上做了改进,本文考虑了时间序列的平稳性,并引入格兰杰因果检验和时差相关分析筛选驱动力。

3.4.1 格兰杰因果检验与最优先行阶数

在“量”层面的景气度上,本文研究的是2006年1月-2018年9月乘用车整体及小排量乘用车销量增速两个代理变量。首先,本文从因果关系的角度筛选出行业景气度的格兰杰原因。格兰杰因果检验的前提是平稳序列,因此,在因果关系检验前需要先做平稳性检验。考虑到数据可得性并检验政策效果,通过ADF检验,我们发现,销量增速因变量为平稳序列,52个备选驱动力指标中有29个平稳序列,其余23个一阶差分后平稳。

将处理后的每个驱动力平稳序列与销量增速做格兰杰因果检验,考虑到数据频率为月度,最大阶数设为12。在BIC准则下,筛选出乘用车整体销量增速和小排量乘用车销量增速的格兰杰原因。最优先行阶数的确定规则与前两篇报告一致,检验一定先行阶数区间内与景气度指标相关性,相关系数最高的阶数为最优先行阶数。

下面说明先行阶数检验区间的设定。最大最小先行阶数需要综合考虑数据更新的滞后期、数据起始期和预测期数。如社会融资规模数据在次月中旬更新,存在1个月的滞后期,在构建销量前瞻模型预测未来n个月的销量增速时,若要将社融指标纳入模型则需要至少领先(n+1)个月与销量显著相关,即最小先行阶数。而最大先行阶数则要考虑景气度指标和备选驱动力的数据起始期差异,如PMI数据起始时间是2005年1月,而本文观察销量增速起始时间是2006年1月,则在检验PMI与销量增速关系时的最大先行阶数为12,若要预测一年以上的销量增速则无法将其纳入模型。

表3列了与乘用车整体销量增速相关性最高的10个指标(同类型指标如CPI当月同比和CPI累计同比只保留相关系数较高的一个)及其对应的最优先行阶数,这一阶数综合考虑了数据更新的滞后期、数据起始期和预测期数。最后两列正负相关次数代表检验区间内相关系数大于0或小于0的次数,主要用于判断相关关系的稳定性。

从结果来看,“量”层面景气度的核心驱动力主要有固定资产投资完成额同比、社融规模中的新增人民币贷款累计同比以及央行问卷调查中的更多储蓄最合算比例同比变化,分别领先销量增速2、4、12个月左右相关性最高,均达0.6以上。值得注意的是,受制于数据可得性,即更新的滞后以及不规律,有许多理论上具有预测能力的潜在驱动力并不能纳入前瞻模型,否则会用到未来信息,引起前视偏差。如固定资产投资本年新开工项目计划总投资额累计同比领先销量增速2阶,正相关系数达0.7左右,但该数据更新不规律,18年国统局未更新该数据,无法纳入预测模型。

3.4.2 时差相关分析

下面筛选“利”层面的景气度,考虑到财务数据为季频数据,在检验月频驱动力先行阶数时不便于进行格兰杰因果检验,我们在将时间序列做平稳性检验后采用时差相关分析法检验驱动力与景气度指标间的领先滞后关系和最优阶数。具体做法与相关分析类似,只是这里不仅在一定先行阶数区间检验两者关系,还在一定滞后阶数区间检验,如检验区间为(-12,12),其中小于0的先行阶数代表滞后阶数,若在先行-4阶时两者相关系数最大,则代表该潜在驱动力指标滞后于景气度4个月,不可纳入模型。这里先行阶数区间的设定除了考虑每个因子的更新滞后期还包括预测期长度,预测期越长可利用的数据越少,需要再更高的先行阶数区间内做检验。

利用2006年2季度至2018年3季度的净利润增速检验后发现,“利”层面景气度的核心驱动力主要有社融规模中新增人民币贷款累计同比、更多储蓄最合算比例同比、乘用车产销量增速、CPI同比等,相关系数均在0.6以上。净利润增速与驱动力的相关性明显高于销量增速与驱动力的相关性。

4

景气度前瞻模型

基于以上驱动力因子筛选方法可得到与景气度代理变量相关性最高且显著的因子,通过样本内回归拟合得到回归系数,再利用最优先行阶数下的驱动力指标数值来预测未来多期景气度指标。结合景气度指标相对于指数超额收益的滞后期,我们考虑预测未来6个月的销量增速和两个季度的净利润增速。在模型构建之前,我们首先对上文提到的购置税政策进行定性和定量化的分析。

4.1

政策量化解析

两轮购置税优惠政策的执行,均开始于乘用车销量连续三个月出现负增长,政策刺激意图明显。在政策执行前期效果确实十分显著,尤其是2009年初,销量和净利润均出现触底反弹。而在政策后半段(7.5%购置税率)由于前期的高基数,“量”、“利”层面的景气度均有所下行。可见,购置税政策是影响行业景气的重要因素之一。下面我们考虑从定量的角度来研究其对行业景气度的影响。

基于此,本文构建了两个政策虚拟变量,分别用以表示5%和7.5%购置税优惠政策,当对应月份/季度下执行相应的购置税优惠政策时,相应的变量取1,反之,无优惠政策月份/季度则取0。由于政策从公布到执行均不超过一个月,本文不考虑政策公布引起的滞后消费,按正式执行月作为政策起始作用期,如2015年9月29日公布的自2015年10月1日至2016年12月31日1.6升及以下小排量乘用车购置税由10%下调至5%,则我们设定2015年9月的D1、D2均为0,2015年10月至2016年12月的D1为1,D2为0。将两个虚拟变量分别与销量增速和净利润增速做回归,检验系数的显著性。具体模型如下

在全样本期(2006年1月-2018年9月)回归后发现:

(1)5%购置税优惠政策对乘用车行业“量”、“利”层面的景气度均有正向的显著影响,而7.5%政策回归系数并不显著,可能的解释是7.5%购置税只是一个政策过渡期,目的是防止行业景气波动过大,本质上与非优惠政策期间可能并无差异;

(2)5%购置税政策在小排量乘用车销量增速的模型下回归系数更大,模型的R2也更大,说明优惠政策确实对小排量车销量更利好,这与政策的初衷一致。

因此,在下文包含政策虚拟变量的前瞻模型中,仅考虑纳入D1。

4.2

两个前瞻模型

已知“量”、“利”两个层面景气度的频率不同,净利润增速模型按季频预测,样本内可利用和检验的数据较少,而其与驱动力更高的相关性,可能纳入较少的因子就能较好地解释景气度同时可以减小自由度的损失。因此,我们考虑在两个层面景气度前瞻模型中纳入不同数量的驱动力因子,销量增速模型纳入10个相关性最高的驱动力因子,而净利润增速模型纳入5个。对于因子的处理我们依然沿用原框架的方法,即对3.4初步筛选出的驱动力因子做对称正交后回归剔除不显著的变量并进一步构建前瞻模型。

利用政策虚拟变量和3.4筛选得到的关键驱动力因子,本文分别构建了包含政策变量和不含政策变量的景气度前瞻模型,以对比政策变量的作用。

1. 不包含政策虚拟变量的模型:

2. 包含政策虚拟变量的模型:

5

滚动预测效果对比

下面我们对销量增速和净利润增速分别构建以上两个模型,为了更好地观察政策变量的影响,我们采用固定起点法进行滚动测试。自2014年开始做样本外检验,对销量增速模型共进行57期外推测试,每次外推6个月,对净利润增速模型共进行19期外推预测,每次外推2个季度

5.1

销量增速模型表现

从销量增速模型滚动测试效果来看,主要结论有:

(1)乘用车整体销量增速预测方向正确率相对高于小排量乘用车,在1-6个月外推预测中方向正确率均达80%左右。

(2)加入政策虚拟变量的模型对销量增速的解释力度增加,样本外预测方向正确率也有所提升,尤其是对于乘用车整体销量增速而言。

除关注滚动预测的方向正确率外,我们更应该关注被多次纳入前瞻模型的稳定驱动力。

在乘用车整体销量增速模型滚动测试57期中,每一次均被纳入的稳定驱动力有更多储蓄最合算比例同比、CPI同比、车牌中标价同比。更多储蓄最合算比例同比增速平均领先销量增速一年左右,且正相关关系非常稳定,平均相关系数达0.7左右。CPI和车牌中标价同比指标分别领先销量增速12个月和14个月,且为稳定的负相关关系,相关系数为-0.5左右。

在小排量乘用车销量增速模型中每次滚动预测都被纳入的稳定驱动力还有未来收入信心指数和物价预期指数,领先销量增速6个月左右,呈负相关关系。除此之外,被多次纳入模型的驱动力还有社融规模中新增人民币贷款累计同比增速,领先销量7个月,相关系数达0.6左右,正相关关系较稳定,从逻辑上来讲,社融规模增速上行,代表金融体系对实体经济的融资支撑力度加大,资金面相对宽松,可能是经济向好的信号,因此未来对可选消费品的需求也可能增加。OPEC原油价格同比增速与销量增速的关系并不稳定,正如我们在驱动力筛选时所提到的油价上行可能导致乘用车使用费增加,从而抑制部分消费需求,但另一方面,对于小排量乘用车可能有结构性的利好。

5.2

净利润增速模型表现

与销量增速预测模型滚动测试结果类似,加入了政策变量的净利润增速预测模型的拟合优度和样本外推方向正确率均有所提升。从稳定的驱动力因子来看,主要有OPEC原油价格增速、CPI同比、更多储蓄最合算比例同比增速以及反映货币环境的M1和社融增速,大部分驱动力指标对净利润增速的传导逻辑与对销量增速的逻辑一致,值得注意的是油价增速与乘用车行业净利润增速有较稳定的负相关关系,且领先净利润增速半年左右相关系数平均可达-0.77。说明油价的高企对于未来乘用车行业利润的负面影响可能较大。此外,原材料钢材指数上行也将对行业盈利层面的景气产生向下压力。

6

未来半年行业景气度前瞻

结合滚动预测逻辑和结果,我们利用一定先行阶数下的“驱动力”因子来预测未来半年乘用车行业“量”和“利”层面景气度可能的变化方向。

考虑到目前车市的后政策时代压力,乘用车销量已出现连续三个月负增长,市场对购置税减半政策的传言再起,基于此,我们在有无5%购置税优惠政策两种情境下分别对未来1-6个月的乘用车行业景气度做预测。

首先我们利用2006年1月至2018年9月的数据对销量增速进行样本内拟合,并利用格兰杰因果检验和相关分析筛选的关键驱动力及其最优先行阶数检验结果对销量增速做1-6个月的预测。表11汇总了各模型的预测结果,其中无政策变量模型显示至少在年底前销量增速依然将大概率小于0,无5%购置税优惠政策情境下的政策变量模型预测结果类似,而在重启5%购置税优惠政策的情境下,小排量乘用车销量增速将回暖。

最后我们从“利”的层面前瞻行业景气度。利用2006年2季度至2018年3季度的数据对净利润增速进行样本内拟合,通过时差相关分析筛选的关键驱动力及其最优先行阶数检验结果对净利润增速做两个季度的预测。表12汇总了各模型的预测结果,其中无政策变量模型显示未来两个季度增速将大概率小于0,无5%购置税优惠政策情境下的政策变量模型预测结果类似,而在重启5%购置税优惠政策的情境下,乘用车行业净利润增速将大概率上行。

结论与展望

本文从“量”和“利”两个维度研究乘用车行业景气,将销量增速和行业上市公司净利润增速作为景气度代理变量,对行业需求影响因素、销量和利润驱动力进行了全面梳理,利用格兰杰因果检验和时差相关分析筛选景气度驱动力及其先行阶数,并对比购置税优惠政策虚拟变量引入与否的前瞻模型表现,最后在有无购置税优惠政策两种情境下预测未来半年乘用车行业景气度。主要结论有:

  1. 月度销量增速和季度净利润增速均滞后指数超额收益两个季度左右,股价对行业景气的提前反应客观上决定了对景气度指标做多期前瞻的必要性。
  2. 行业景气度备选驱动力主要可归为消费环境、消费能力和消费倾向三个层面。
  3. 5%购置税优惠政策对乘用车行业 “量” 、“利” 层面的景气度均有正向的显著影响,且对小排量乘用车更利好,而7.5%购置税政策回归系数并不显著,可能的解释是7.5%购置税只是一个政策过渡期,目的是防止行业景气波动过大,本质上与非优惠政策期间可能并无差异。
  4. 近5年的滚动测试结果显示,行业景气度半年窗口期内的预测方向正确率达70%-80%,加入政策虚拟变量的模型对景气度的解释力度增加,样本外预测方向正确率也有所提升。
  5. 销量增速稳定且可用的驱动力包括更多储蓄最合算比例同比、CPI同比、车牌中标价同比。更多储蓄最合算比例同比增速平均领先销量增速一年左右,且正相关关系非常稳定,平均相关系数达0.7左右。净利润增速主要受OPEC原油价格增速、CPI同比、更多储蓄最合算比例同比增速以及反映货币环境的M1和社融增速驱动。
  6. 对未来半年行业景气度的预测结果显示,在无5%购置税优惠政策刺激下,行业景气度下行压力将持续至年底左右,在重启5%购置税优惠政策的情境下,小排量乘用车销量增速和行业净利润增速将大于0,而乘用车整体销量可能在年底前依然负增长。

若要对行业进行更长期的前瞻,则需要进一步提高各驱动力的先行阶数,即可利用的信息减少,这一方面对驱动力的要求更严苛,需要在更高先行阶数下显著作用于景气度指标,另一方面也可能对预测精度造成较大损失。

本文对行业景气度量化研究的框架做了进一步完善,主要包括引入更高频的行业景气度代理变量、对序列平稳性的要求、同类驱动力指标的精选以及对行业特有政策和重要变量的量化解析,而非仅局限于财报数据。但也发现部分指标对景气度的传导机制与逻辑有出入,未来我们将对行业关键驱动力指标进行持续跟踪并不断调整模型、完善研究框架。

在此特别感谢天风汽车提供的研究支持。

风险提示

1. 模型基于历史数据,存在失效风险;2.政策不达预期。

相关报告

  • 2018-10-18
  • 2018-10-11
  • 《》2018-08-03
  • 《基金研究:中国式目标日期基金设计攻略》2018-06-19
  • 《金融工程:基本面量化视角下的医药行业选股研究》2018-06-15
  • 《金融工程:资产轮动策略研究(一):不一样的宏观动量视角》2018-06-05
  • 《基金研究:如何筛选行业轮动能力强的基金》2018-05-08
  • 《》2018-04-19
  • 《》2018-04-10
  • 《金融工程:多因子模型的业绩归因评价体系》2018-04-10
  • 《》2018-03-22
  • 《》2018-03-05
  • 》2018-02-09
  • 《》 2018-02-08
  • 《》2018-02-05
  • 《金融工程:》 2018-01-22
  • 《》2017-12-12
  • 《》2017-11-28
  • 《》2017-11-17
  • 《》2017-10-30
  • 《》2017-10-24
  • 《金融工程:基于动态风险控制的组合优化模型》2017-09-21
  • 《》 2017-09-18
  • 2017-09-04
  • 《金融工程:MHKQ因子择时模型在A股中的应用》 2017-08-15
  • 《金融工程:专题报告二十三-自适应收益预测模型下的组合优化策略》 2017-08-
  • 《金融工程:FOF专题研究(四):景顺长城沪深300增强指数型基金》 2017-08-
  • 《金融工程:专题报告二十一-买卖压力失衡——利用高频数据拓展盘口数据》 2017-08-01
  • 《金融工程:FOF 专题研究(三):华泰柏瑞量化A偏股混合型基金》 2017-07-24
  • 《金融工程:专题报告十九-半衰IC加权在多因子选股中的应用》 2017-07-22
  • 《金融工程:FOF专题研究(二):国泰估值优势偏股混合型基金》 2017-07-17
  • 《金融工程:专题报告-私募EB正股的投资机会》 2017-07-11
  • 《金融工程:FOF专题研究(一):银华中小盘精选偏股混合型基金》 2017-07-06
  • 《金融工程:中期策略会纪要1:天风金工“四位一体”仓位管理体系》 2017-06-27
  • 《金融工程:专题报告-国债期货组合趋势策略:以损定量,顺势加仓》 2017-06-19
  • 《金融工程:专题报告-戴维斯双击》 2017-06-12
  • 《金融工程:专题报告-反转现象的选择性交易策略》 2017-06-01
  • 《金融工程:专题报告-国债期货展期价差交易》 2017-05-25
  • 《金融工程:专题报告-基于高管增持事件的投资策略》 2017-05-14
  • 《金融工程:专题报告-2017年6月沪深重点指数样本股调整预测》 2017-05-06
  • 《金融工程:专题报告-预知业绩能有多少超额收益?》 2017-04-16
  • 《金融工程:专题报告-策略的趋势过滤》 2017-03-22
  • 《金融工程:专题报告-日间趋势策略初探》 2017-03-10
  • 《金融工程:专题报告-基于自适应破发回复的定增选股策略》 2017-03-09
  • 《金融工程:专题报告-定增节点收益全解析》 2017-03-06
  • 《金融工程:专题报告-潜伏ST摘帽》 2017-03-06
  • 《金融工程:专题报告-量化CTA策略概述》 2017-02-14
  • 《金融工程:专题报告-潜伏业绩预增》 2017-02-13

关注我们

风险提示:模型基于历史数据,存在失效风险。

《天风证券-金工专题报告-行业景气度量化前瞻系列之三:乘用车篇 2018-11-09》

2018年11月9日返回搜狐,查看更多

责任编辑:

声明:该文观点仅代表作者本人,搜狐号系信息发布平台,搜狐仅提供信息存储空间服务。
阅读 ()
投诉
免费获取
今日推荐