行业研究专题：行业重构与重构应用.pdf

行业研究专题：行业重构与重构应用。问题与难点：目前，常见的投资型行业分类存在着时效性较低和单一性问题。 在进行自下而上的行业重构研究时，研究者往往会遇到三大难点：1）多样性： 单一的行业映射缺点愈发严重，该如何给出连续型的行业分类；2）可认知性： 聚完类之后的行业该如何认知，每一个行业到底代表什么；3）应用性：若能 构建出满足多样性的连续型分类，重构完之后应当如何应用。

解决方案：本文中，我们基于专利和产品布局数据，引入 L-LDA 主题模型进 行行业重构。L-LDA 主题模型是一个以关键词为约束、以词袋为输入数据的 半监督聚类模型，其输出数据具有多概率分布的特征。在实际建模中，我们引 入专利分类数据构建公司的特征词袋，以标准化产品名称作为关键词进行聚 类，将公司根据其自身特征分配至产品标签中，也就是最终的行业类别。

效果认知：经过 L-LDA 主题模型聚类后，产品标签便是新的行业分类名称， 同时结果也包含了每个特征词（专利）对行业的贡献度，可认知性极强。此 外，在截面上看，我们实现了公司与行业之间“一对多”的关系，每个公司具有 对应行业的分布概率；在时序上看，公司自身特征不断变化，行业分布概率也 不断变化。分类结果同时具备了多样性和连续性。

应用尝试：我们择机将重构结果应用到指数增强、行业轮动、相似股因子以 及权重优化等应用场景进行测试。1）指数策略年化超额达到 11.54%，且大部 分年份比之前模型优异（尤其是近些年）；2）行业轮动方面：模型 2015 年底 以来年化收益率为 17.69%，同期中信行业轮动为 3.72%，基准为-0.99%。模 型的收益波动比为 0.95，月度胜率为 64.6%，同样明显优于基准。