家电行业该怎么逻辑量化表达？

我来介绍下家电行业的逻辑量化方法，具体信息可查看原报告《家电行业景气度模型构建》。

1、信号生成

上文我们对家电行业主要逻辑进行了梳理，但也可以看到行业分析师的定性 分析在实践中可能更适合称为一门艺术。事实上，在上述的每个细节的确定上， 行业分析师都会进行更深入、更详细的分析，同时通过不同途径(例如通过调研来 和上市公司沟通相应经营细节)补充更多信息来辅助判断。定性方法可以处理更多 维度、层次的信息，更及时的对行业走势给出相应的观点。

因此，我们希望能够有机结合定性与定量分析方式，将行业分析师的一部分 逻辑进行量化表达，从而更系统化的构建符合基本面逻辑的行业策略。这也引申 出行业基本面量化的难题之一——如何对分析师的定性思考方式进行量化，即我 们应该如何用数学语言表达出：“当原材料成本较高时，家电行业成本端会承压， 可能会降低家电行业盈利”、“房地产放宽时，可能会对白电、厨电等子赛道有利 好”、“小家电作为可选消费，宏观经济波动对需求影响较明显”等主观逻辑。

目前常用方法（时滞相关系数、回归等）各有优劣，因此我们在研究中其实 花费大量的时间思考应该采用哪种方式来将主观逻辑进行量化表达。从目的出发， 我们希望在量化表达上遵循以下两条准则：

1、可解释性：基本面量化研究宗旨是利用分析师的主观逻辑，因此可解释性 的重要性是大大提升的，我们希望能够尽可能少使用复杂的数学模型来传达分析 师逻辑。

2、尽可能充分利用分析师的主观观点：为了简化模型，一些研究在建模时可 能会仅提取线性观点（如时滞相关系数），但这种方式和离分析师分析体系差距甚 远。可以看到分析师思考方式可能并非简单的线性叠加（指标上涨/下跌就看涨/跌）。

因此，我们通过与行业分析师交流，将其关注信息划分为两大类:1、核心变量 走势：行业分析师会重点监控行业核心变量的走势，具体包括点位状态、趋势状 态、幅度变化等。这也是我们后续的研究重点；2、重点事件驱动：行业分析师会 关注一些影响行业的重点事件，并探讨事件对行业的影响。这部分事件往往发生 频率极低，分析师在思考时更多应用演绎法。本文我们暂不对此部分进行量化表 达。

实际上，我们尝试了多种方式进行转换，但通过与行业分析师沟通，下文方 式更能被其所理解接受，因此我们将其作为最终所选方法。下面我们介绍本文如 何采用数学语言对行业分析师关注的核心变量走势进行转换。

核心变量走势状态主要包括三类：即点位状态、趋势状态、幅度变化。

1）点位状态

目前指标相较历史处于什么水平会影响分析师的判断。例如对于白电行业来 说，原材料成本的高低与营业成本密切相关。分析师在研究白电行业时，一般会 关注上游原材料目前处于什么样的位置，预判还有多少上行或者下行空间。 本文通过计算每个变量目前的分位数水平来表征其点位状态：即当分位数水 平大于 60%，认为目前处于高位；当分位数水平小于 40%时，认为处于低位；而 当分位数水平处于 40%至 60%时，认为目前变量处于中枢附近。同时值得注意的 是为了充分利用数据，我们针对每个变量按其最早披露时间进行计算分位数水平。

2）趋势状态

目前指标处于上行还是下行趋势同样影响分析师观点。例如家电为房地产后 周期行业，一般分析师会对房地产目前处于扩张还是紧缩状态较为关注，当房地 产处于上行趋势中，相对来说会对家电行业较为乐观；而当房地产处于下行趋势 中，相对来说会对家电行业较为悲观。 我们采用两种简单方式捕捉指标的短期趋势与中长期趋势。事实上，我们也 尝试了多种复杂的趋势识别方法，但发现在准确率上表现较为一般，且行业分析 师接受程度较低，因此最终选取了较为简单的方式来构建趋势状态。

本文通过计算变量的月变动值来度量目前变量的短期趋势：即当月变动值大 于 0 时认为处在上升趋势；当月变动小于 0 时认识是下跌。

当指标持续上涨、持续下跌时，行业分析师可能会认为一定中长期趋势已形 成，从而改变或者形成一定的观点，例如当家电行业均价某月的下跌，可能会是 因为促销等因素，而如果家电行业持续一段时间的下跌，可能会是行业发生了一 定的变化。

因此我们用连续一段时间的指标变化捕捉中长期趋势。同时这里为了避免数据挖掘风险，我们设立三个月（季度）为一个时间点，不对参数进行测试。

3） 幅度变化

如果指标在月内出现显著上涨或者下跌，会引起分析师一定的注意。例如当 家电销量突然在某个月出现大幅上涨时，可能会超出分析师的预期，而对行业形 成一定观点。 我们计算月涨跌幅的幅度（绝对值）在历史涨跌幅的分位数水平。若大于 50%， 我们认为本月变动属于大幅变化，反之，为小幅变化。

2、信号检验

通过上述方式，我们可以在每个月基于核心变量走势得到相应的信号值。接 下来需要解决的问题是如何对变量进行筛选，这里涉及到如何选取景气度的代理 变量问题，常用方式如下。

方法一：以营业数据（营业收入同比等）作为代理变量。以营业数据作为代 理变量符合景气度预测的目的。我们常说的景气投资便是在预测行业未来盈利， 但缺点为行业的营收数据频率较低（季频），往往较为滞后。

方法二：以收益率作为代理变量。优点是可直接指导投资，缺点是是此种测 度方式并不是基本量量化的目的。

方法三：直接基于逻辑演绎融合变量得到最后的景气度代理变量。此方法从 投资逻辑出发，直接汇总信息得到最终的变量。

本文按照以下步骤进行信号筛选：

1、信号评价指标计算：我们计算每个指标的发生次数、胜率、盈亏比作为评 价指标；

2、信号初步筛选：为了保证信号在历史经过数据检验也较为有效，我们按照 以下量化标准：1）信号历史发生次数大于 10 次；2、胜率在 60%及以上；3、盈 亏比在 1 以上；进行了初步筛选；

3、确定最终信号：叠加逻辑验证和相关系数，我们得到最终的信号库，并构 建策略。