2025年主题量化投资系列专题报告：基于“反内卷”的量化投资策略研究

一、“反内卷”的量化表达

量化投资的核心在于将不确定的主题叙事转化为确定性的可回测信号，而 “反内卷”这一宏观主线恰好具备数据映射路径清晰、行业波动具有一致性、企 业间分化显著的特征，因此具备高度量化转译的可行性。 本章将系统阐述为何“反内卷”可以量化、如何量化、量化哪些内容，并结 合政策信号的传导机制设计因子构建的底层数据依托。

1.1.“反内卷”具备可量化的结构逻辑

“反内卷”聚焦在供给侧调整、价格机制重建、行业格局优化等方向，具有 明显的结构性数据表现。 这一政策主线在不同行业中呈现出相似的演进逻辑：政策信号 释放后，行业迅速作出响应，行业内个股的经营行为随之调整（如减产、稳价等）。 随着这些举措落地，企业基本面逐步改善，最终带动资本市场定价修复。

这一传导路径中包含了多个可量化的信号点，例如行业集中度的上升、产能 利用率的变化、价格和毛利率的回暖等，这使得“反内卷”策略具备通过多维数 据跟踪和评估的现实基础。

1.2. 策略设计的逻辑映射框架

“反内卷”政策信号的传导路径中包含了多个可量化的信号点。

行业层面

是否观测到行业集中度改善、毛利率触底反弹、库存去化提速等拐点数据。

公司层面

考察单个公司在行业出清过程中是否具备改善信号与估值修复空间。 （1）毛利率回暖、ROIC 触底反弹、净利率修复因子，反映行业内公司的盈 利修复及资源利用效率的改善； （2）固定资产周转率，即营业收入/固定资产，用于代表产能利用率的变化 趋势； （3）研发投入率因子，即研发费用/主营业务收入，反映企业在逆境中保持 创新投入或资本开支的战略定力； （4）估值指标，估值指标可用于在行业基本面改善和行业格局优化的同时， 发现估值边际改善、被市场错杀的优质标的。 总的来看，“反内卷”具备从宏观主线落地到因子体系的完整数据逻辑链。 通过构建行业结构、公司基本面与估值三维信号层级，我们可以系统识别受益于 产业出清与盈利修复过程中的优质公司。

二、典型行业内卷特征复盘

至此，本文构建了“反内卷”政策向量化策略的总体框架：政策刺激如何通 过行业结构传导，推动盈利修复与估值回归。 本章将选取光伏、钢铁、汽车与锂电池这四个代表性行业作为切入点，围绕 “内卷—反内卷”的三个阶段（产能扩张、竞争加剧、出清与修复）展开研究， 从资本投入、盈利能力、经营效率变动以及行业集中度这四个维度展开系统拆解 和复盘。

2.1.产能扩张阶段

在典型内卷行业的起始阶段，市场存在较强的需求增长与政策推动预期。企 业在景气上行时倾向于以“抢占份额”逻辑主导产能扩张，此阶段投资回报并非 核心考量。 在数据层面，此阶段可通过固定资产同比增速、资本开支占营业收入比重上 行提前识别产能的扩充。

2.1.1.光伏行业

2020 年 9 月，中国政府正式提出“2030 年实现碳达峰、2060 年实现碳中 和”的战略目标，明确将光伏产业确立为能源转型的核心支柱。随后的 2021 年， 相关政策密集出台：一方面，开展整县推进分布式光伏试点（覆盖 676 个县，约 占农村屋顶的 50%）；另一方面，启动首批规模达 100GW 的风光大基地项目， 重点布局于青海、内蒙古等资源富集地区；同时，逐步取消对新建煤电项目的补 贴，以形成倒逼机制，加快清洁能源对传统化石能源的替代进程。 与此同时，光伏发电正式迈入“平价上网”阶段——所谓“平价上网”，指的 是太阳能这类可再生能源发电的成本已与传统煤炭、天然气等化石能源发电成本持 平，甚至更低，这使得光伏电力无需政府补贴支撑，就能在电力市场中与煤电、气 电等常规能源同台竞争。

总的来看，自 2021 年起光伏行业迎来组件与硅料环节的大规模投资潮。图 7 展示了通威股份、晶澳科技、TCL 中环等光伏龙头企业的年度新增资本支出情 况。可以观察到，2021—2023 年期间各公司资本支出持续攀升，截至 2023 年， 行业龙头企业的年度资本支出均已突破 100 亿元，这表明光伏行业正处于显著的 产能扩张阶段。

2.1.2.钢铁行业

在地产信用宽松与专项债基建刺激背景下，部分地方民营钢企通过联合或“异 地置换”等方式继续新增产线。

2.1.3.新能源汽车行业

在 2020 年“新基建”概念的引导及新能源汽车购置补贴的政策呵护下，新 能源汽车行业迎来了新一轮产能扩张，不仅主机厂大举建厂，核心零部件企业也 同步扩产。

2.1.4.锂电池行业

锂电材料方面，受益于国内新能源汽车产业的迅猛发展，碳酸 锂价格由 2020 年初的约 4 万元/吨，上涨至 2022 年底时的约超 50 万元/吨。

同时从产量角度看，碳酸锂自 2017 年以来也呈现持续上升趋势。 在碳酸锂价格暴涨驱动下，包括天赐材料在内的多家公司披 露的新增产能规划普遍超过 50%。

在此背景下，部分企业的估值更多基于远期产能而非当前盈利预测建立，呈 现出严重的估值内卷化趋势。

2.2. 价格战与盈利塌陷

在经历高强度的产能扩张阶段后，随着现有及预期产能的大幅增加，行业竞 争格局趋于激烈，价格战已难以避免，最终逐步演化为盈利塌陷与边际成本恶化 的“内卷式”竞争第二阶段。 以新能源车行业为例，2023 年 1 月特斯拉中国宣布旗下车型 Model 3 和 Model Y 降价 2 万—4.8 万元，打响了价格战的第一枪。随后各大车企纷纷跟进， 否则只能坐视市场份额持续流失。

2.3. 行业出清与结构性修复

2.3.1. 识别高质量企业的“底部信号”

在出清初现以及结构性修复阶段，领先企业会首先出现一些标志性信号。该 阶段往往伴随两个变化：一是弱势企业被迫退出或转型；二是强势企业的经营效 率出现边际改善。此时最关键的是识别高质量企业的“底部信号”，其具体表现 为： （1）ROIC、ROE 等经营效率类指标止跌回升； （2）研发支出占比上行或维持高位，企业开始投产，具有长期战略投入能力； （3）毛利润、净利润修复速度快于营收修复速度，边际利润改善显著。 如图 14 所示，新能源汽车行业的龙头企业比亚迪在 2023 年实现毛利率与 ROIC 双修复。比亚迪盈利修复的背后一方面得益于 2023 年以来锂电池相关原材 料碳酸锂的价格从高位下行，另一方面源于其自研电池的规模经济优势显现，为比亚迪在新能源汽车激烈的竞争中筑起了一道稳固的护城河。

此外，研发支出也是一项重要指标。若企业在价格战和行业出清阶段依旧拒 绝大幅削减研发支出，表明其在低价竞争中依旧能够保持一定的生存空间，持续 投入研发积累可为行业格局稳定后抢占市场份额奠定基础，因此研发支出可以作 为识别优质企业的“底部信号”之一。

2.3.2. 行业集中度提升

在行业竞争格局的回归与强化阶段中，集中度变化是行业出清的另一个显著 信号。内卷期间行业格局趋于均衡，或者向均衡变化，而出清后龙头市场份额占 比快速回升。

三、基于“反内卷”的量化投资策略

在前两章中，我们讨论了“反内卷”投资主题的核心逻辑，并通过光伏、钢 铁、汽车、锂电材料等典型行业进行实证剖析。本章将在此基础上，系统呈现“反 内卷”背景下可落地的主动量化选股策略。

3.1.因子设计逻辑

因子设计是量化策略能否有效反映政策主线的关键。围绕产业 出清、盈利修复、结构优化三条主线，我们可以将因子分为三个层次：行业结构 因子、公司基本面因子和估值因子。行业结构因子侧重于产业层面的出清信号（如 行业集中度提升等）；公司基本面因子侧重于个股层面的经营拐点（如 ROIC 和 利润率的改善、研发投入加大等）；估值因子则辅助筛选被低估且具备修复空间 的标的。

行业结构因子

在行业结构层面，我们使用了行业集中度因子（CRn，Concentration Ratio）， 该因子是指某行业中最领先的前 n 家企业在该行业整体市场份额（如市值、营收、 产量……）中所占的比例。 行业集中度提升是“反内卷”最显著的结构变化之一。鉴于各行业成分股数 量差异较大（如机械行业逾 600 只个股，而银行行业仅 40 余只），我们选取行 业 CR5%（前 5%企业的市值或营收占比）作为行业集中度的衡量指标，并进一 步计算其同比变化。我们仅在 CR5%提升显著的行业内进行选股。 这一因子体现了政策驱动的行业出清的过程，即弱势企业退出、龙头份额回 升的趋势。通过行业集中度因子，我们倾向于聚焦那些行业格局由分散走向集中 的领域，并在其中挑选市占率提升的龙头公司。

公司基本面因子

我们共构建了 5 个公司基本面因子，他们分别是毛利率反转因子、ROIC 修 复因子、产能利用率改善因子、研发投入率因子、利润率修复因子。 （1） 毛利率反转因子：毛利率反转因子用于衡量企业在经历行业内卷低谷 后的盈利改善幅度，计算方法为毛利率的同比变化。该因子旨在捕捉“反内卷” 政策推动行业恢复理性定价后，公司毛利率企稳回升的信号，从而反映盈利修复的程度。 （2） ROIC 修复因子：ROIC 的改善是衡量公司经营效率和竞争优势恢复的 重要指标，计算方法为 ROIC 同比变化。当“反内卷”促进行业出清后，资源配 置效率提升，行业头部企业的 ROIC 止跌回升。 （3） 产能利用率改善因子：我们用固定资产周转率的同比变化衡量产能利 用率的改善程度。在“内卷”高峰期，企业大举扩张固定资产，产能过剩导致设 备利用不足；而政策引导下减产出清后，产能利用率应当回升。产能利用效率提 高意味着企业通过行业出清淘汰过剩产能后，现有资产创造的收入增加，反映出 企业运营效率和市场供需状况的好转。 （4） 研发投入率因子：研发投入率指研发费用占营业收入的比率，它反映 企业在逆境中保持创新投入或者资本开支的战略定力。在行业低谷期依然维持高 研发占比，往往意味着公司在为未来蓄力，具有较强的竞争壁垒和长期成长潜力。 反内卷政策背景下，那些在行业寒冬中仍“开源节流”、坚持研发的企业，往往 是基本面触底反弹阶段的优质标的。 （5） 利润率修复因子：除了毛利率外，净利润率的修复同样重要。“净利 润修复速度快于营收修复速度”被视为出清阶段强势企业的标志之一。我们用净 利润率的同比变化来度量。如果一家公司的净利率显著上升，意味着成本费用得 到控制、单位利润水平提高，这是行业恶性竞争缓解后的典型特征。该因子与毛 利率反转因子相辅相成，全面反映盈利端的改善：毛利率更多体现价格和毛利修 复，而净利率进一步体现期间费用管控和最终盈利质量的提升。

估值因子

在基本面改善和行业格局优化的同时，估值是捕捉“错杀”机会、实现收益 提升的必要维度。 在 2024 年 12 月 6 日招商量化团队外发的深度报告《估值因子的内涵与逻辑 —基本面量化系列研究之一》中，我们创新性地构建了综合估值因子，用于识别 当前股价隐含价值被低估的企业。那些基本面已现拐点但估值仍处于低位的公司， 具有“戴维斯双击”的潜力，即盈利向上修复叠加估值提升的双重驱动。

3.2. 基于“反内卷”的主动量化投资策略

接下来，我们将构建基于“反内卷”的主动量化投资策略。

第一步：确定策略基础股票池

策略的基础股票池筛选规则如下：剔 除上市未满 1 年的新股、ST 及*ST 等风险警示股票、过去三个月内曾被标记为 ST 或*ST 的股票。剔除过去一年中日均总市值或日均成交额位于后 20%的股票。 策略调仓频率为月频，即每月第一个交易日调仓。

第二步：行业筛选

第二步，我们根据行业集中度因子对行业进行筛选，剔除那些行业集中度无 明显提升、竞争格局依然“内卷”的行业，聚焦在符合政策意图、出现出清迹象 的行业上。例如，如果某些行业 CR5%指标同比提升为负或接近零，我们倾向于 暂时不在该行业选股；相反，对于 CR5%快速上升的行业，我们认为政策红利和 结构重塑将为头部公司提供更佳土壤，值得深入挖掘。 在行业分类标准的选择上，若采用中信一级行业分类，部分行业的划分层次 过于粗略，行业内不同细分板块在“反内卷”政策作用下的受影响程度可能存在 显著差异。然而，若直接使用中信二级行业分类，又会面临部分二级行业成分股 数量过少（仅个位数）的情况，此时基于 CR5% 指标计算的行业集中度波动大 且缺乏统计稳健性。基于上述权衡，我们提出了一种折中方案：当某一中信二级 行业的成分股数量超过 50 只时，采用二级行业作为分类标准；若不足 50 只， 则沿用一级行业进行划分。通过这一方法，可以在保证行业集中度指标准确性的 前提下，尽可能提升行业划分的精细度。 我们从市值和营业收入两个维度出发，在行业层面构建市值 CR5%同比变化 因子和营收 CR5%同比变化因子。每月月初，先剔除 CR5%同比增速低于 1%的 行业，再从剩余行业中选取 CR5%增速最高的 10 个行业。 在这些出清迹象明显的行业中，尾部弱势企业面临较高的淘汰风险，而行业 头部公司则可能因竞争减弱而获得基本面与估值的双重修复。因此，我们仅保留 行业中偏头部的个股：若采用市值 CR5%同比变化因子筛选行业，则在筛选后的 行业中保留市值位于前 50%的个股；若采用营收 CR5%同比变化因子筛选行业， 则保留营收位于行业前 50%的个股。

第三步：精选“反内卷”受益公司

在通过行业筛选的股票中，根据结构修复得分进行由高到低排序。高分股票 意味着它们在盈利反转、效率提升、研发投入和估值等各方面综合得分很高，符 合我们“反内卷”受益公司的画像。 具体而言，我们采用等权加总的方法，将毛利率反转因子、ROIC 修复因子、 产能利用率改善因子、研发投入率因子、利润率修复因子、综合估值因子这 6 大 因子进行融合。每月的第一个交易日，我们依据复合因子对股票池中个股进行打 分，最终选择得分最高的 30 只股票，等权构建投资组合。

3.3. 行业市值集中度提升下，反内卷策略表现

首先，我们以市值 CR5%同比变化因子作为行业筛选因子，构建基于“反内 卷”的主动量化选股策略。策略具体细节如下：回测区间：20241101——20250822（本轮“反内卷”开始于 2024 年 7 月 政治局会议，因此我们从三季度财报披露截止后的第一个交易日开始回测）。调仓频率：每月第一个交易日。 出清行业股票池：使用市值 CR5%同比变化因子每期筛选 10 个行业，并仅 保留市值位于行业前 50%的个股。 组合构建：依据复合的结构修复因子，将出清行业股票池内个股从高到低排 序，筛选得分最高的前 30 只股票等权构建组合。 行业权重上限：单一中信一级行业持股权重不超过 20%。 交易费用：双边千分之三。每期基于市值 CR5%同比变化因子筛选出的 10 个行业，以等权 方式构建的行业组合在各期的收益表现。可以看到出清迹象明显的行业整体表现 优于全部行业等权组合，自去年 11 月起年化超额收益为 5.17%，信息比为 0.91， 相对收益回撤比为 1.68，月度胜率为 70%。

3.4. 行业营收集中度提升下，反内卷策略表现

最后，我们以营收 CR5%同比变化因子作为行业筛选因子，构建基于“反内 卷”的主动量化选股策略。 回测区间：20241101——20250822（本轮“反内卷”开始于 2024 年 7 月 政治局会议，因此我们从三季度财报披露截止后的第一个交易日开始回测）。 调仓频率：每月第一个交易日。 出清行业股票池：使用营收 CR5%同比变化因子每期筛选 10 个行业，并仅 保留行业内营收排名前 50%的个股。 组合构建：依据复合的结构修复因子，将出清行业股票池内个股从高到低排 序，筛选得分最高的前 30 只股票等权构建组合。 行业权重上限：单一中信一级行业持股权重不超过 20%。 交易费用：双边千分之三。

总结

近年来，中国经济进入转型升级的关键阶段，产业内卷、低水平重复竞争与 结构性产能过剩等系统性矛盾逐渐显现，严重制约了资源配置效率与企业盈利能 力的修复。自 2024 年下半年起，“防止内卷式恶性竞争”的表述在政策层面频 繁出现，并于 2025 年逐步纳入制度化框架。在此驱动下，光伏、钢铁、汽车、锂 电材料等重点行业陆续进入新一轮结构性出清周期。 “反内卷”政策逻辑具备可量化特征，其在各行业中的演进路径高度相似： 政策信号释放后，行业主体迅速响应，企业经营行为随之调整（如减产、稳价等）； 随着相关举措逐步落地，企业基本面得到改善，并最终带动资本市场定价修复。

从产业演化视角来看，“内卷—反内卷”的过程可分为三个阶段：第一阶段 为产能扩张期，典型特征是需求增长与政策预期共振，企业在景气上行时以“抢 占份额”为主要逻辑推动扩产，投资回报并非核心考量；第二阶段为竞争加剧期， 伴随现有及预期产能的快速增加，行业竞争强度上升，价格战频发，逐步演化为 盈利塌陷与边际成本恶化的“内卷化”竞争；第三阶段为出清与修复期，表现为 弱势企业退出或转型、优势企业效率改善，行业集中度提升成为重要信号。 在量化投资策略构建方面，我们提出了“反内卷”背景下的主动选股框架。 因子设计围绕产业出清、盈利修复与结构优化三条主线展开，分为行业结构因子、 公司基本面因子和估值因子三个层次。策略实施分为两步：第一步进行行业筛选， 依据行业集中度因子，剔除竞争格局仍处于“内卷”状态的行业，聚焦政策支持 且已出现出清迹象的领域；第二步进行个股筛选，依据结构修复得分进一步精选 个股，高分股票通常在盈利反转、效率提升、研发投入和估值修复等方面具备显著优势，符合“反内卷”受益企业特征。 自“反内卷”政策发力以来，基于行业市值集中度提升的反内卷策略年化收 益达 82.84%，相对于中证 500 的年化超额收益为 62.00%，信息比为 4.93，相 对收益回撤比高达14.41；基于行业营收集中度提升的反内卷策略相对于中证500 的年化超额收益为 45.32%，信息比为 3.56，相对收益回撤比达 6.63。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）