汽車:周期律動(dòng) 先知先覺(jué)
摘要: 按照光大證券汽車時(shí)鐘理論,主動(dòng)補(bǔ)庫(kù)階段最具投資價(jià)值。結(jié)合庫(kù)存周期理論,我們將汽車行業(yè)的周期劃分為四個(gè)階段(主動(dòng)補(bǔ)庫(kù)、被動(dòng)補(bǔ)庫(kù)、主動(dòng)去庫(kù)、被動(dòng)去庫(kù)),其中,主動(dòng)補(bǔ)庫(kù)階段最具投資價(jià)值,量化劃分方式下,行業(yè)
按照【光大證券(601788)、股吧】汽車時(shí)鐘理論,主動(dòng)補(bǔ)庫(kù)階段最具投資價(jià)值。結(jié)合庫(kù)存周期理論,我們將汽車行業(yè)的周期劃分為四個(gè)階段(主動(dòng)補(bǔ)庫(kù)、被動(dòng)補(bǔ)庫(kù)、主動(dòng)去庫(kù)、被動(dòng)去庫(kù)),其中,主動(dòng)補(bǔ)庫(kù)階段最具投資價(jià)值,量化劃分方式下,行業(yè)指數(shù)月度勝率超過(guò)70%;主動(dòng)去庫(kù)階段需警惕,行業(yè)指數(shù)月度勝率僅30%左右。
金融指標(biāo)對(duì)于汽車行業(yè)的需求具有前瞻性。國(guó)債到期收益率、社會(huì)融資規(guī)模、M2等金融指標(biāo)對(duì)于汽車行業(yè)需求具有前瞻性,與需求指標(biāo)的相關(guān)系數(shù)超過(guò)0.5,最優(yōu)領(lǐng)先期數(shù)的標(biāo)準(zhǔn)差低于3.5,說(shuō)明金融指標(biāo)的前瞻性較為穩(wěn)定。
購(gòu)置稅減征政策對(duì)行業(yè)景氣度影響顯著。我們通過(guò)景氣度指標(biāo)對(duì)購(gòu)置稅減征政策虛擬變量的回歸檢驗(yàn),發(fā)現(xiàn)5%購(gòu)置稅減征政策實(shí)施對(duì)于汽車行業(yè)的需求具有明顯的刺激作用,而在購(gòu)置稅減征政策的后半段,7.5%購(gòu)置稅減征政策期間,政策刺激作用明顯回落,對(duì)于庫(kù)存有正向的影響。
DMA模型預(yù)測(cè)精度具有明顯優(yōu)勢(shì)。以傳統(tǒng)的OLS回歸預(yù)測(cè)模型為基準(zhǔn),比較發(fā)現(xiàn)可動(dòng)態(tài)調(diào)整各影響因素權(quán)重的DMA模型的預(yù)測(cè)能力具有明顯優(yōu)勢(shì),對(duì)于需求指標(biāo)的預(yù)測(cè)準(zhǔn)確度達(dá)77.1%;對(duì)于庫(kù)存指標(biāo)的預(yù)測(cè)準(zhǔn)確度達(dá)78.3%。同時(shí),納入政策變量對(duì)DMA模型的預(yù)測(cè)能力并無(wú)明顯提升,這也從另一側(cè)面反映出DMA模型對(duì)于宏觀環(huán)境的適應(yīng)效率較高,無(wú)需再加入政策變量提升模型適應(yīng)效率。
投資觀點(diǎn):2019年1月大概率處于主動(dòng)去庫(kù)階段。我們運(yùn)用本文所構(gòu)建的汽車行業(yè)景氣度預(yù)測(cè)模型分別對(duì)2019年1月需求指標(biāo)和庫(kù)存指標(biāo)進(jìn)行預(yù)測(cè),模型認(rèn)為2019年1月需求指標(biāo)和庫(kù)存指標(biāo)仍將大概率繼續(xù)下滑,對(duì)應(yīng)汽車行業(yè)大概率處于主動(dòng)去庫(kù)階段,投資機(jī)會(huì)較小。
風(fēng)險(xiǎn)提示:行業(yè)景氣度預(yù)測(cè)模型均是在一定行業(yè)背景下建立的,如果行業(yè)內(nèi)發(fā)生影響行業(yè)基礎(chǔ)邏輯的事件,景氣度預(yù)測(cè)模型很可能失效;適應(yīng)新的宏觀環(huán)境下推出的新的刺激性政策,也有可能影響模型的預(yù)測(cè)準(zhǔn)確度;行業(yè)景氣度模型未考慮個(gè)股自身風(fēng)險(xiǎn)。
?。ㄎ恼聛?lái)源:光大證券)
模型,指標(biāo),預(yù)測(cè),政策,行業(yè)






