在本系列第一篇中，我们基于行业比较层面，从分子端盈利视角对两大交易因子△g和g做了详细辨析：在【强预期】走向【强现实】下优先选择【环比改善△g】品种，在【强预期】走向【弱现实】下优先选择【景气g】。在本篇报告中我们更进深一步，不仅从分母端层面更进一步探究行业比较层面的△g VS g，还更进一步下沉，从个股选取策略方面针对性研究△g和g的选股因子效应。

　　●行业比较层面：如何从分母端估值理解和展望g和△g因子的比较？我们从分母端估值要素分析，发现4大指标对g和△g因子的比较有所指引：①美元指数、②新成立基金份额、③DR007、④信用利差。展望未来，从分子端来看，当下市场关于中国经济复苏力度的分歧未能统一，决断期在4月；从分母端来看，当前分母端4大指引指标有3大指向△g占优、1大指标中性，从分母端指引来看未来建议以△g作为配置思路。当前强预期迭加估值分化阶段，继续推荐低估值△g。

　　●选股策略层面：景气g因子和环比△g因子的有效性和影响因素如何？我们基于“历史数据”和“预测数据”两个视角研究景气g和环比△g因子的选股有效性，发现两个视角下的g和△g因子均能够持续跑赢wind全A。从年化收益率、相对wind全A的胜率、最大回撤、夏普比率对比来看，基于历史数据构建的g和△g因子组合均优于基于预测数据构建的g和△g因子组合。另一方面，长期来看单纯对比g与Δg因子两者并没有单方面占优的碾压情况，而是不同时期内互有优劣，g与Δg的相对占优时期具备周期性。我们发现5大指标对于个股层面买g或是买△g有所指引，较为明显的结论是，当分母端改善显着的时候，景气g更为占优；而分母端估值受损的时候，环比△g更为占优。

　　●景气g和环比△g：是否可以相互组合？前期分析我们基于一个很强的假设，即景气g和环比△g这两个因子是互斥的，实际上，两者完全可以实现各种不同情形的组合。我们将g因子划分为5档，△g因子划分为6档，发现两个因子都能够有效地实现收益区分。我们进一步将景气g因子与环比Δg因子相结合，构建6*5共30种双因子组合策略，发现：1. 对于Δg来说，除了单纯的Δg方向对于收益有影响外，盈利增速的符号变化也能够对股票的收益产生显着的影响；2. 【业绩反转*前20%盈利增速的双因子交叉组合】能够明显改善收益能力，而【盈利增速在后60-80%*增速转负组合】则实现了最突出的负超额收益。

　　●风险提示：疫情控制反复，全球经济下行超预期，全球通胀超预期。本策略结论不代表相关行业结论。策略回溯结果不能代表未来。

　　22年景气投资失效，经历22年11月政策放松以来的【买变化△g】后，市场非常关注经历一轮内需修复行情后，未来应该继续【买变化△g】还是【买景气g】?因此我们在1.15《“春季躁动”继续推荐低估值△g》及1.18《23年买景气g，还是买环比△g？》中，基于行业比较层面，从分子端盈利视角对两大交易因子△g和g做了详细辨析：在【强预期】走向【强现实】下优先选择【环比改善△g】品种，在【强预期】走向【弱现实】下优先选择【景气g】。

　　我们持续推出专题报告后，有关“【买变化△g】还是【买景气g】”的讨论获得了投资者的广泛关注和持续讨论。在本篇报告中我们更进深一步，不仅从分母端层面更进一步探究△g VS g，另外更加下沉从个股选取策略方面针对性研究△g和g的选股因子效应：

　　（1）行业比较层面：从策略分析框架DDM模型来看，影响股价的要素除了分子端盈利，还有分母估值。那么分母端是否也对景气g和环比△g有影响？对当下的指引是什么？

　　（2）个股选取策略层面：回顾历史，作为选股因子，景气g和环比△g独立来看是否是有效选股的因子？景气g和环比△g相互对比下，是某一因子单方面更优，还是互有优劣？哪些指标对因子占优的指向有指引？

　　（3）前面的讨论都有一个极强的假设：景气g和环比△g不可得兼。但实际上，△g和g并非完全互斥的两个因子。那么两个大因子是否可以结合，带来更好的效果？怎样的组合会更好？

　　从策略分析框架DDM模型来看，影响股价的因素除了分子端的盈利，还有分母端的估值。在1.15《“春季躁动”继续推荐低估值△g》及1.18《23年买景气g，还是买环比△g？》中，我们已经从分子端对景气g和环比Δg进行了辨析：【强预期+强现实】买盈利的环比变化Δg、【强预期+弱现实】买绝对高景气g。然而，近期交易因子的紊乱显示市场在强预期之后，对经济复苏前景分歧明显，基于分子端的研判进入了纠结期，当下市场关于中国经济复苏力度的分歧未能统一，从时间点上我们判断4月将加速市场预期统一：2月下旬至3月将陆续见到高频数据如开工率、耗煤量、地产销售等持续验证，以及“两会”带来的财政、货币、产业政策也会更为清晰，分母端的变化趋势确定性更为明显，同时在年报与一季报的披露验证下基本面将摆脱春季躁动期间的“雾里看花”。在分子端结论尚处纠结时期，我们聚焦分母端，从估值角度探究在行业比较层面，当前应该选择高景气g，还是环比改善Δg？

　　从行业比较层面来看，历史上g和Δg两大行业比较因子总体呈现交替占优，交替占优区间可分为5段。其中，g占优的区间为12年2月-16年6月、18年11月-21年8月；Δg占优的区间为10年4月-12年1月、16年7月-18年10月、以及21年9月至今。

　　回溯方法：以每年1月1日为调仓日，分别选取当年盈利预测增速g和盈利预测增速变化Δg占优的前五申万一级行业构建g组合和Δg组合，进行回溯。

　　回溯历史，我们发现总共有4大分母端指标能够指引g/Δg走势。综合考量超过30个中宏观指标后，我们发现自2010年以来，有4大分母端指标与g/Δg走势相关性较高，分别为：①美元指数：美元指数下行，往往对应△g占优；②新成立基金份额：基金发行规模低迷行期间，往往对应△g占优；③DR007：银行间流动性收缩期间，往往对应△g占优；④信用利差：信用利差（5年AA+信用债-5年国债）上行期间，往往对应△g占优。

　　总体来看，当分母端改善显着的时候，景气g更为占优；而分母端估值受损的时候，环比△g更为占优。这也和我们在分子端的分析结论相符：【强预期弱现实】对估值支撑更为显着，此时景气g占优；【强预期强现实】下股价的主要驱动力则是分子端盈利而此时分母端估值的驱动力相对弱，因此环比△g更为占优。

　　当前分母端4大指引指标中3大指标指向Δg占优、1大指标中性，从分母端指引来看当前建议以△g作为配置思路——

　　1. 22年10月以来美元指数持续下行，指向Δg占优。随着2月美联储加息幅度回调至25bp，本轮美联储加息周期接近尾声，预计今年一季度末二季度初美联储完成最后一次加息，美债利率相对于其他货币的利差扩张周期也接近结束，而美国经济与非美经济的剪刀差预计将继续回落，带来美元指数的回落，Δg占优。

　　2. 新成立基金份额维持低位，指向Δg占优。新成立基金份额持续上行往往需要同时具备两大要素：①显着持续的赚钱效应；②居民其他可配置资产收益率趋势性下行。当前新成立基金份额大幅上行的重要条件“显着持续的赚钱效应”尚未完全满足，基金份额的大幅回暖尚需时日，Δg将继续占优。

　　3. DR007中枢抬升，指向Δg占优。DR007中枢在2023年迎来显着抬升，从2022年底的1.7%抬升至1月末的2.0%附近。主要原因有二：首先，融资需求修复。疫情达峰后居民生活半径开始修复，信贷需求边际回升，存款机构的流动性向实体传导，使存款机构对基础货币需求抬升。其次，存款机构流动性预期偏谨慎。当前DR007中枢经历1月末的较高位回落至1.9%，基于税期和银行间资金缺口，未来DR007中枢或将在1.9-2.1%之间，指向△g占优。

　　4. 信用利差中期指引中性，长期指向g占优。22年11月中旬以来，信用利差（5年AA+信用债-5年国债）从0.7%快速抬升至1.2%附近，企业债券在经历了超调后近期发行持续低迷。在“宽信用”的政策指引下预计短期企业债券流动性缓慢改善，信用利差中长期将迎来修复式压缩行情，即中期对g/△g指引中性，长期指向g占优。

　　前文我们从行业层面分析，发现分子端盈利和分母端估值均对g和Δg因子的相对占优有指引能力。而投资者的具体投资标的，往往需要落地到【个股】层面，因此我们进一步下沉研究，从个股层面出发，探究景气g因子和环比△g因子在选股方面的作用以及特性。

　　2010年以来，以历史数据作为g和△g因子的选取标准，相较以预测数据作为标准更加有效，收益率、胜率更佳。具体因子选取标准方面，①预测数据：选取每期预测当年归母净利润同比增速作为预测视角下景气g的观测指标，并以此滚动相减得到预测数据视角下的环比△g；②历史数据：选取每期一季报、半年报、三季报归母净利润同比增速作为历史视角下景气g的观测指标，滚动相减得到历史数据视角下的环比△g。具体组合构建的方法：以每期景气g和环比△g排名前10%的个股分别构建投资组合，以2010-2022年为回溯区间进行等权配置，并于每年4月30日，8月31日，10月31日收盘为时间点换仓，避免出现回测中的“先知假设”。对比来看，2010年以来使用历史数据视角下的景气g和环比△g因子作为选股策略效果更好：从年化收益率、相对wind全A的胜率、最大回撤、夏普比率来看，基于历史数据构建的g和△g因子组合均优于基于预测数据构建的g和△g因子组合。

　　1. 历史数据：基于g和△g因子构建的策略均能够持续跑赢市场，且胜率、回撤表现较为突出。2010年以来，基于g和△g因子构建的两大策略分别实现15.2%与15.8%的年化收益率，显着高出wind全A的3.9%和偏股混合基金指数的7.1%；从胜率来看，两大策略相对wind全A的年度胜率非常显着，分别达到76.9%和84.6%；与此同时，两大策略的最大回撤率相对较低，分别为34.7%和38.6%，较wind全A的48.4%有明显的改善，和偏股混合基金指数的36.1%几乎一致；风险收益比来看，两大策略分别实现0.54和0.56的夏普比率，比之wind全A的0.16和偏股混合基金指数的0.35有显着的提升。

　　2. 预测数据：基于g和△g因子构建的选股策略也同样能够在长周期中跑赢市场，但收益率、胜率、回撤表现均逊色于历史数据回测结果。2010年以来，基于预测数据构建的g和△g因子两大策略分别实现10.2%与10%的年化收益率，高出wind全A的3.9%和偏股混合基金指数的7.1%，但显着低于基于历史数据构建的策略的收益率；胜率方面，两大策略相对wind全A的年度胜率分别达到61.5%和69.2%，相对wind全A是优胜策略，但同样逊色于基于历史数据构建的策略；最大回撤率方面，基于预测数据构建的2大策略回撤较大，最大回撤分别达到了50%和49.8%，显着高于基于历史数据构建的策略以及偏股混合基金指数的36.1%，甚至高于wind全A的48.4%；风险收益比来看，两大策略分别实现0.35和0.37的夏普比率，比之wind全A的0.16有所提升，与偏股混合基金指数的0.35基本一致，但也逊色于历史数据回测的结果。

　　长期来看单纯对比g与Δg选股因子来看两者并没有单方面占优的碾压情况，而是不同时期内互有优劣，g与Δg的相对占优时期具备周期性。回顾历史，我们发现：①景气g和环比△g并没有一个因子单方面显着更优：无论是在预测数据视角下还是历史数据视角下，2010年以来前10%g个股组合与前10%Δg个股组合的净值比值均在1附近上下波动，年化收益率基本接近，最大回撤、胜率、夏普比率也互有优劣且差距较小，因此我们认为长期来看市场并没有明确偏好g或Δg。②从稳定性来看，历史数据视角下g与Δg相对优劣转换具备较为稳定的周期性从而更易于分析；而预测数据视角下g与Δg的相对优劣变化过于快速看起来更为随机，周期性规律更难捕捉不便于分析。

　　考虑到历史数据视角下前10%g个股组合和前10%Δg个股组合在收益率、胜率、组合相对优劣的周期性等方面的表现均优于预测数据视角下的组合，我们在分析两大因子相互优劣的维度上，选择历史数据视角下前10%g个股组合和前10%Δg个股组合展开进一步分析。

　　我们发现，选股层面上决定g与Δg因子相互优劣的指引指标主要集中在分母端的估值方面。总共有5大流动性和风险偏好指标能够作为个股层面g和Δg相对优劣的指引因子——

　　1. 流动性：①存量社融同比增速：社融增速上行，国内广义流动性改善，景气g占优；②美国10年期实际利率：美国实际利率下行，全球流动性和风险偏好改善，景气g占优；③新成立基金份额：新成立基金份额上行，股市微观流动性改善，景气g占优；④信用债的超额利差（5年期AA+对AAA）下行，实体企业流动性改善，景气g占优。

　　从5大流动性和风险偏好指标来看，较为明显的结论是：当分母端改善显着的时候，景气g更为占优；而分母端估值受损的时候，环比△g更为占优。

　　站在当前，5大指标对于占优指向比较不明确。当前5大流动性和风险偏好指标指向有所分歧：2大指标指向g占优、2大指标中性、1大指标指向Δg占优——

　　1. 存量社融同比增速已触底未来或将持续改善，指向g占优。23年开年的信贷回升具备重要的结构性特征：企业信贷规模与居民信贷规模显着劈叉。历史上来看，类似当前“商品房销售增速下行的底部区域+企业信贷规模与居民信贷规模显着劈叉”并存出现后，广义流动性往往得到显着的改善。历史上类似组合期间共有4个：08年12月、12年2月、15年2月、2020年2月。其中，08年12月和12年2月前后基建政策出现显着的改善，基建增速的快速提升带来广义流动性的改善；而15年2月、2020年2月前后则是房地产等部门的信用环境出现了显着的改善。鉴古知今，我们预计在2023年1月再次出现“商品房销售增速下行的底部区域+企业信贷规模与居民信贷规模显着劈叉”的情况后，广义流动性有望出现持续的改善，指向g占优。

　　2. 未来十年期美债实际收益率或趋势性下行，指向g占优。随着美国通胀逐步回落，美联储加息步伐接近尾声。2.14美国的通胀数据显示，美国CPI和核心PCE虽仍有一定韧性，但仍在继续回落且幅度基本符合预期，纳斯达克指数在数据发布后收涨印证预期相符。展望未来，美债实际利率的上行压力得到缓解，指向景气g占优。

　　3. 新成立基金份额（偏股型）低迷，指向Δg占优。当前新成立基金份额大幅上行的重要条件“显着持续的赚钱效应”尚未完全满足，基金份额的大幅回暖尚需时日，指向Δg占优。

　　4.信用债的超额利差（5年期AA+对AAA）短期内快速上行，预计中长期回落，短期指向Δg占优，中期指引中性，长期指向g占优。22年11月中旬以来，受债市调整影响，信用债的超额利差（5年AA+信用债-5年AAA信用债）从0.2%快速抬升至0.4%附近。但中期来看，信用债的超额利差趋势与信用利差较为一致，企业债券在经历了超调后近期发行持续低迷，在“宽信用”的政策指引下预计短期企业债券流动性缓慢改善，信用利差中长期将迎来修复式压缩行情，即中期对g/△g指引中性，长期指向g占优。

　　5. “此消彼长”下CDS价格或难以回升，但中国主权CDS价格已处于较低位，未来进一步下行空间有限，指引中性。自22年11月以来，随着国内疫情防控措施优化、地产以及互联网监管等重大政策优化调整，迭加宽松政策持续加码，中国主权CDS自去年10月高位显着回落，当前已经处在2008年以来的20%分位数低位。在“此消彼长”之下，中国主权CDS重新回升的概率不高，但是从历史位置来看，下行空间也或有限，因此该指标指引中性。

　　在前文的分析当中，我们基于一个很强的假设，即景气g和环比△g这两个因子是互斥的，高景气g和高环比△g不可得兼。但是实际投资过程当中我们会发现，这两个要素其实是存在于两个不同维度——△g是g的导数，因此两者完全可以实现各种不同情形的组合。这就进一步引发了下一个问题：这两个因子在不同情形下的组合，能否进一步改善因子的有效性和收益能力呢？

　　1. 景气g因子：随着景气g的减弱，投资组合的综合表现也在下降，景气g因子能够有效地实现收益区分。用基于历史数据的个股盈利增速作为景气g因子的衡量，根据盈利增速不同将A股所有个股划分为五档构造投资组合，分别构建盈利增速排名前20%组合、20%-40%组合、40%-60%组合、60%-80%组合及80%-100%组合，以2010-2022年为回溯区间进行等权配置，考虑季报发布时间，于每年4月30日、8月31日、10月31日换仓。从业绩表现来看，随着股票景气程度减弱，个股组合在收益率、胜率、最大回撤等方面的表现也在下降，这与我们的直觉是相符的。但与直觉略有不同的是，个股盈利增速排名处于区间20%-40%的个股组合，在保持收益率与前20%组合相差无几的情况下，在胜率和最大回撤等方面略有优势。

　　2. 环比Δg因子：环比Δg为正的投资组合，综合表现优于环比Δg为负的组合，环比Δg同样能够实现区分度。以本期盈利增速与上期盈利增速的差计算环比Δg，根据本期盈利增速、上期盈利增速、环比Δg的正负号方向，以排列组合的方式构造6类投资组合，以2010-2022年为回溯区间等权配置，于每年4月30日、8月31日、10月31日换仓，各组合分别为：

　　从组合的综合业绩表现来看，环比Δg为正的投资组合，整体表现优于环比Δg为负的组合，说明环比Δg因子有效，买环比Δg确实能带来更高收益，更高胜率和更低回撤。

　　需要特别提出的是，从组合收益率和最大回撤的角度来看，上期业绩增速为负、本期业绩增速转正的“业绩反转”组合表现最好，甚至优于本期业绩和上期业绩均为正且业绩增速仍在改善的“业绩加速”组合。2010年以来，“业绩反转”组合能够实现15.3%的年化收益率和38.4%的最大回撤，是6类环比Δg因子个股组合中表现最为突出的组合；另一方面“增速转负”组合表现最差，仅录得2.2%的年化收益率和61.2%的最大回撤。“业绩反转”表现最好和“增速转负”表现最次的现象，证明了对于Δg因子来说，除了单纯的Δg方向对于收益有影响外，盈利增速的符号变化也能够对股票的收益产生显着的影响。

　　我们通过上文印证了，单独来看，景气g因子和环比Δg因子均有效且能够实现明显的收益区分度。接下来，我们进一步将5类盈利增速策略与6类环比Δg策略两两组合，以期找出业绩优于单因子策略的双因子交叉组合策略。

　　具体步骤上，我们首先将5类盈利增速策略与6类环比Δg策略两两组合得到30个交叉组合策略。其次，我们删除组合中包含个股数量为0的策略，以及组合包含个股数量中位数为0或者1的策略（即该类策略在超过至少一半的时间基本不持有股票），最终共计删除13个交叉组合策略，有效的双因子交叉组合策略数量为17个。

　　以2010-2022年为回溯区间对剩下组合策略进行等权配置，于每年4月30日、8月31日、10月31日换仓。我们发现，大多数组合并不能超越最优的单因子策略（前20%景气g策略或者业绩反转环比△g策略）的业绩表现，仅有一个组合能够明显改善收益能力：业绩反转*前20%盈利增速，该组合能实现17.7%的年化收益，高于景气g因子组合最高年化收益16.5%和环比Δg因子组合最高年化收益15.3%。另一方面，盈利增速处于后60-80%区间的“增速转负”组合则实现了最突出的负超额收益。

　　因此我们建议，在投资组合的配置上，当用DDM分子分母端的指引也难以判断未来景气g和环比△g哪个因子更占优时，我们建议可以关注：【业绩反转*前20%盈利增速的双因子交叉组合】。

　　本策略结论基于“景气g和环比△g”因子分析框架，不代表广发证券发展研究中心相关行业研究团队结论。本策略回溯结果仅基于历史数据，不能代表未来。