基本面轮动系列之三：行业全景画像风格因子视角.docx

《基本面轮动系列之三：行业全景画像风格因子视角.docx》由会员分享，可在线阅读，更多相关《基本面轮动系列之三：行业全景画像风格因子视角.docx（31页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、正文目录本文研究导读4行业内因子选股实证分析5行业内单因子有效性分析5行业内复合因子选股策略实证 11行业配置收益来源分析：alpha和beta的视角 14风格因子视角下的业绩归因分析18风格因子收益率构建18行业历史表现归因分析20风险提示24图表目录图表1:基本面轮动系列研究框架4图表2：本文研究框架4图表3：单因子集合及其描述5图表4：行业研究对象6图表5： 2009年底各行业成分股数量 6图表6：行业内单因子测试流程7图表7：机械行业单因子回测结果（仅保存RankIR大于1的因子）8图表8：各行业有效因子筛选结果9图表9：各行业成分股平均市值排序与规模因子RankIR比照 10图表10

2、：各行业过去五年的营收复合增长率 10图表11：行业内多因子选股测试框架11图表12：机械行业多因子选股结果11图表13：机械行业因子选股业绩指标12图表14：各行业复合因子测试结果12图表15：行业指数ETF列表（截至6月2日）13图表16：景气度增强策略净值走势13图表17：景气度增强策略业绩指标13图表18：目标行业配置收益来源拆解14图表19：医药行业收益来源拆分14图表20：电子行业收益来源拆分14图表21：计算机行业收益来源拆分14图表22：通信行业收益来源拆分14图表23：酒类行业收益来源拆分15图表24：家电行业收益来源拆分15图表25：农林牧渔行业收益来源拆分15图表26：食

3、品饮料行业收益来源拆分15行业内复合因子选股策略实证上一节展示了各个行业内有效单因子的筛选结果，本节我们将按照如下流程测试行业内复 合因子选股表现，用来衡量行业内超额收益获取的难易程度：1 .针对行业内有效因子，进行预处理（剔除非成分股数据）、去极值（中位数去极值法）、正交化（剥离市值因子的影响）、标准化（统一因子量纲），获取处理后的因子暴露。2 .计算单因子RankIC序列，每月末以过去24个月的RankIR作为权重将单因子暴露 加权，构建复合因子暴露。3 .取复合因子暴露最高的20%的股票构建多头组合，月末生成持仓，下月初调仓，考 察多头组合相比于行业指数的超额收益获取能力。图表11 :行

4、业内多因子选股测试框架针对目标行业，筛选出有效的K个单因子，并进行复合，测试复合因子的选股效果行业内复合因子选股测试流程因子1因子2因子K 预处理：仅保存行 业内成分股数据 去极值：采用中位 数去极值法 正交化：将其他因 子对市值因子正交 标准化：统一因子 暴露量纲计算单因子RankIC序列过去24个月RankIR为权重加权构建复合因子选取打分值最高的20%股票构建组合资料来源：Wind,仍然以机械行业为例，展示多因子选股策略的表现。结果说明，基于复合因子的选股策略表 现良好，年化超额收益到达16.75%,信息比率18相比于每个单因子都有显著增强。-机械增强 机械 超额净值图表12：机械行业多

5、因子选股结果资料来源：Wind,图表13：机械行业因子选股业绩指标超额年化收益率超额年化波动率信息比率超额收益最大回撤复合因子16.75%9.31%1.80-22.89%EP10.62%8.72%1.22-18.01%ROE_q7.89%9.52%0.83-30.57%Profit_G_q11.21%9.73%1.15-22.38%size3.36%9.83%0.34-29.85%resvoI14.32%9.20%1.56-21.21%turn_1m13.39%10.21%1.31-21.41%exp_wgt_return_6m15.68%11.14%1.41-22.14%资料来源：Wind进

6、一步，考察每个行业上的复合因子选股表现（每个行业内有效的单因子集合参见图表8）, 结果说明：1、复合因子选股策略在所有行业上都能获得正的超额收益，以跟踪误差小于 10%,信息比率大于1为标准，增强效果比拟显著的行业主要集中在中游制造和下游消费 集群中，包括基础化工、纺织服装、机械、电力及公用事业、汽车、交通运输、医药、商 贸零售；2、以信息比率低于0.8为标准，增强效果相对一般的行业包括酒类、家电、银 行、农林牧渔、食品饮料、消费者服务、煤炭，其中，煤炭和银行这类上游资源和大金融 板块，成分股收益同质性较高，获取超额收益的难度本就较大，而酒类和家电这种大牛股 频出的板块，个股间的收益分化度是比

7、拟大的，这里复合因子选股策略表现一般有可能是 因为本文覆盖的因子维度有限，未来可能需要基于行业自身的逻辑进一步挖掘更加有效的 alpha因子。图表14：各行业复合因子测试结果资料来源:Wind,年化超额收益年化跟踪误差信息比率超额最大回撤基础化工16.85%7.60%2.22-9.94%纺织服装18.23%9.98%1.83-13.99%机械16.75%9.31%1.80-22.89%通信21.91%12.55%1.75-16.59%电力及公用事业15.37%8.85%1.74-12.46%轻工制造17.32%10.33%1.68-15.12%电力设备及新能源15.48%10.27%1.51-

8、17.25%汽车14.61%9.93%1.47-16.68%交通运输14.21%9.96%1.43-14.74%有色金属16.20%11.48%1.41-17.07%医药11.85%8.65%1.37-23.64%建材16.38%12.41%1.32-28.18%钢铁16.56%12.90%1.28-27.00%房地产15.14%12.23%1.24-22.21%商贸零售11.18%9.46%1.18-16.94%电子12.76%10.82%1.18-19.98%计算机14.39%12.28%1.17-32.97%石油石化18.15%15.85%1.14-35.08%证券II12.47%12.

9、68%0.98-16.07%国防军工12.22%13.57%0.90-22.36%建筑13.34%15.38%0.87-36.27%传媒11.74%14.14%0.83-24.43%煤炭7.96%11.42%0.70-26.88%消费者服务8.96%16.32%0.55-28.72%食品饮料8.33%16.30%0.51-47.15%农林牧渔6.67%13.47%0.49-49.35%银行3.58%7.44%0.48-16.90%家电6.94%17.65%0.39-58.61%酒类3.91%21.35%0.18-39.95%测试行业内选股策略表现具有重要的实践应用价值：1 .获取beta收益：

10、当前市场上缺乏覆盖全面、流动性又好的底层资产来获取行业配置 收益，截至6月2日，行业指数ETF一共有48支，其中规模大于10亿元的只有15 支，且主要集中在金融、信息技术、医药和消费板块，覆盖面有限。2 .获取alpha收益：将行业配置观点落地到选股在获取beta收益的同时，可以通过挖 掘有效因子进一步获得alpha收益，提升行业配置模型的业绩表现。图表15:行业指数ETF列表（截至6月2日）资料来源：Wind,证券代码证券简称基金规模（亿元）基金管理人512880.SH证券ETF181.8389国泰基金管理159995.SZ芯片ETF172.0981华夏基金管理512000.SH券商ETF1

11、06.3957华宝基金管理512480.SH半导体ETF50.4128国联安基金管理159801.SZ芯片基金46.0562广发基金管理159928.SZ消费ETF42.9283汇添富基金管理股份515880.SH通信ETF38.4618国泰基金管理510230.SH金融ETF38.2645国泰基金管理512800.SH银行ETF30.9848华宝基金管理512900.SH证券ETF基金26.0323南方基金管理股份159938.SZ医药24.5600广发基金管理159939.SZ信息技术19.0814广发基金管理512010.SH医药ETF13.9666易方达基金管理512330.SH信息技

12、术ETF12.4851南方基金管理股份159993.SZ龙头券商10.7858鹏华基金管理我们以报告景气度指标在行业配置中的应用（2019-09-12）中构建的景气度策略为例，展 示将行业指数替换成行业内选股策略后的增强效果。具体而言,对于基础化工、纺织服装、机械、 电力及公用事业、汽车、交通运输、医药、商贸零售8个选股效果比拟显著的行业，将其指 数价格序列替换成选股策略净值，重新进行景气度轮动策略的测试，相比于原策略，年化收 益从12.90%提升至17.48%,夏普比率从0.46提升至0.64,增强效果显著。图表16:景气度增强策略净值走势-1.6-1.5-1.4-1.3-1.2-1.1-1

13、.071景气度 景气度增强 相对净值（右轴）6 -1iCM。 90/65C ，i5。寸。Z85e 15 902 L。 100/93。 OLH 80/CO3C 二。、OOL。 9n 二二5Q 寸。/二。 6o、ood资料来源：Wind,图表17：景气度增强策略业绩指标年化收益率年化波动率夏普比率最大回撤景气度12.90%27.81%0.46-56.05%景气度增强17.48%27.47%0.6454.51%资料来源：Wind,行业配置收益来源分析：alpha和beta的视角前文详细梳理了行业内选股策略的表现，本节将进一步对行业配置收益来源进行拆解分析:1. beta收益：以目标行业指数相比于市场

14、基准（本文统一以中证全指表征）的超额收益 表现来衡量该行业的beta收益获取能力。2. alpha收益：以目标行业上复合因子选股策略相比于行业指数的超额收益表现来衡量 该行业的alpha收益获取能力。通过拆解目标行业的配置收益来源可以获悉该行业受到投资者青睐或规避的原因。图表18：目标行业配置收益来源拆解行业指数相比于市场基准的超额收益行业指数相比于市场基准的超额收益行业内选股相比于行业指数的超额收益a I pha目标行业配置 收益来源拆解通过对目标行业配置收益来源进行分解可以 获悉该行业受到投资者青睐或规避的原因资料来源:图表19：医药行业收益来源拆分图表20:电子行业收益来源拆分4 12.

15、63210:-1.4-1.0n1111J- 0.6OlCMCO 寸 IO9Z86。alpha （左） beta （右），6oe &OCM 二5CM !ooe O61616161644.3.3.2.NLLO.alpha（左） beta（右）资料来源：Wind,资料来源：Wind,alpha（左）beta （右）图表21 :计算机行业收益来源拆分06284 0628alpha （左）beta （右）图表22:通信行业收益来源拆分208642086第一类行业是alpha和beta双高，以医药、电子、计算机、通信为代表，这些行业一方 面是经济结构转型中长期受益的行业，因此beta超额净值过去十年整体平

16、稳向上；另一 方面这些行业内成分股分化较大，有充足的alpha获取空间。这是最受投资者青睐的类别。资料来源:Wind,资料来源：Wind,第二类行业是alpha低但beta高，以酒类、家电、农林牧渔、食品饮料为代表。这些行 业主要集中在下游消费端，与人们的必需消费需求息息相关，因而业绩增长相对稳定，beta 超额收益表现稳健，也是深受投资者青睐的类别。alpha（左）beta （右）图表23：酒类行业收益来源拆分OOOOo Oalpha （左）beta（右）图表24：家电行业收益来源拆分62840628资料来源：Wind,资料来源:Wind,alpha （左）beta（右）图表26:食品饮料行

17、业收益来源拆分alpha（左）beta （右）资料来源：Wind,资料来源：Wind,第三类行业是alpha高但beta低，以机械、基础化工、建筑、有色金属为代表。这些行 业主要集中在加工制造产业链中，是目前国民经济的主要支柱，但随着经济结构转型的不 断深化，这些行业的地位会逐步减弱，因而过去十年的beta超额收益较低；但另一方面， 这些行业已经处于生命周期的中后段，成分股数量众多，竞争格局相对稳定，受到的短期 扰动较少，因而alpha收益表现比拟稳健。目前大多数行业都处于该类别下，也即beta 收益表现一般，但是可以通过行业内精选个股来弥补收益缺口。alpha（左） beta （右）图表28

18、：基础化工行业收益来源拆分alpha （左）beta（右）资料来源：Wind,资料来源：Wind,图表29：建筑行业收益来源拆分图表29：建筑行业收益来源拆分alpha（左）beta （右）alpha（左） beta （右）资料来源：Wind,资料来源：Wind,第四类为alpha和beta双低，以煤炭和银行为代表。这些行业内成分股同质性非常高， 超额收益获取相对困难，而且行业内竞争格局非常稳定，未来成长空间也已经不大，因此 beta超额收益也有限。对于投资者而言，这类行业更多作为基础配置盘存在，获取主动管 理（无论是择时还是选股）收益都比拟困难。alpha （左）beta（右）图表32:银行

19、行业收益来源拆分1.8 1.6 -1.4 -1.2 -1 -0.8 -0.6 -0.4 -J1r-。lCMT-I-oooCMCMCMLOZ86T-T-I-OOOCMCMCMalphabeta资料来源：Wind,资料来源：Wind,综上，不同类别的行业适用不同的投资策略：1. alpha和beta都高的行业是未来经济结构转型长期受益的方向，值得长期参与，且有 较大的个股精选空间。2. alpha低而beta高的行业多为必需消费品集群，业绩稳定性较高，适合紧抱龙头长期 持有，尽量少做择时。3. alpha高而beta低的行业多为加工制造类行业，是我国当前的经济支柱，适合精选个 股，可以通过适当的波

20、段操作增厚收益。4. alpha和beta都低的行业多处于生命周期成熟或衰退阶段，行业格局比拟稳定，通常 作为基础配置盘存在（尤其银行这类权重股），适合通过低本钱手段获取beta收益, 获取选股超额收益那么相对困难。图表33 : Alpha和beta视角下的行业归类 包含行业alpha 高、beta 高 alpha 低、beta 高 alpha 高、beta 低alpha 高、beta 高 alpha 低、beta 高 alpha 高、beta 低医药、电子、计算机、通信农林牧渔、家电、酒类、食品饮料、消费者服务交通运输、传媒、商贸零售、国防军工、基础化工、建筑、建材、房地产、有色金属、机械、

21、 汽车、电力及公用事业、电力设备及新能源、石油石化、纺织服装、证券、轻工制造、钢铁alpha低、beta低 煤炭、银行资料来源:汇总全市场普通股票型和偏股混合型基金的持仓数据，统计各行业占比相比于中证800的 超低配比例。结果说明，市场长期超配的行业包括医药、计算机、食品饮料、电子、家电， 主要集中在前文第一类和第二类行业中；长期低配的行业包括煤炭、有色金属、银行、非 银行金融、交通运输，主要集中在第三类和第四类行业中。而主动投资者相对低配的金融 地产行业，在被动投资中却占据半壁江山，截止6月2日，全市场一共有48支行业指数 ETF,其中有22支跟踪金融地产行业，占比近一半，再次说明，这类行业

22、主要作为基础 配资盘存在，需要的是低本钱beta获取工具，通过主动选股获取超额收益那么相对困难。图表34 :行业超配权重示意（相比于中证800 ）家电 医药 食品饮料 电子 计算机资料来源:Wind,资料来源:Wind,图表36 ：行业指数ETF分布（截止2020-06-02 ）资料来源:Wind,风格因子视角下的业绩归因分析前文详述了各类风格因子在行业内选股的表现，本节将构建风格因子收益率，对行业历史 表现进行业绩归因，梳理每个行业背后的核心驱动力。风格因子收益率构建我们将沿着Fama和French (2015)的研究思路来构建风格因子收益率，其核心原理就 是沿着某一个或多个因子维度，将股票

23、分层，然后用不同层股票的平均收益率做差，层间 的差异实质上衡量了目标因子的收益效应。该方法得到的因子收益率量纲是统一的，相互 之间具备可比性。具体而言，风格因子收益率的计算步骤如下：1 .根据前文统计结果，选取大类风格因子内部适用行业多、出现频次高的细类因子。其 中，估值因子用EP和BP代理；盈利因子用ROE_q代理；成长因子用Sales_G_q Profit_G_qROE_G_q代理;波动因子用std_1 m和resvol代理;换手因子用turn_1m 代理；动量因子用 exp_wgt_return_6m、wgt_return_1m 代理。2 .每个月末，将细分因子暴露合成为大类风格因子暴露

24、：a、以截面上全部A股作为股 票池，剔除上市不满1年、已退市、停牌、无交易等异常股票；b、计算原始因子暴 露，并进行去极值、正交化(对规模因子)、标准化处理，统一因子量纲后等权平均， 得到大类风格因子暴露。3 .基于规模因子和大类风格因子将全市场股票分成2x3=6个组合，通过计算不同组合 间收益率的差值构建风格因子收益率。以估值因子为例：a、每个月月末，首先基于 规模因子将全市场分成数量相等的大、小市值组合；b、在每个市值组合内，根据估 值因子暴露的30%、70%分位数分成3层；c、每个组合内采用等权配置的方案，计 算下个月组合收益；d、估值因子收益率就是低估值组合收益率(BH + S”)/2

25、)减 去高估值组合收益率(BL + SL)/2)。其他风格因子收益率的构建流程类似。4 .规模因子收益率用小市值组合收益率减去大市值组合收益率来表征。5 .市场因子收益率采用中证全指月度收益率序列来表征。图表37:风格因子收益率计算流程估值EPBP估值EPBP盈利R0E,q成长Sa Ies_G_qProfit_G_qR0E_G_qr-波动std_1mresvolr换手动量exp_wgt_r etu r n_6mturn_1mwgt_return_1m每月末将细类因子暴露正交化、标准化后合成大类因子暴露高因子值H中因子值N低因子值L大市值BBHBNBL小市值SSHSNSL在市值分层内，按照复合风

26、格 因子的30%、70%分位数分3层按照全市 场规模中 位数分为 2层每月末进行分 层，层内股票 等权配置，计 算下月分层收 益率之差作为 风格因子收益：风格BHSHBL + SL;因子22规模 因子中证全指 月度收益率资料来源：Wind,回顾各大类风格因子（不包含市场因子）的表现，在2017年以前整体都具备较强的选股 能力，净值曲线都呈现出平稳上行的走势，2017年以后，规模因子最先失效，估值因子 和量价因子（动量、波动、换手）在2019年以来也表现不佳，而以成长和盈利为代表的 基本面因子近1年来表现亮眼。图表38:市场因子和规模因子走势比照图表39:市场因子和估值因子走势比照市场规模市场规

27、模市场估值资料来源：Wind,图表40 :市场因子和基本面因子（盈利、成长）走势比照资料来源：Wind,图表40 :市场因子和基本面因子（盈利、成长）走势比照资料来源：Wind,图表41 ：市场因子和量价因子（动量、波动、换手）走势比照市场盈利成长市场盈利成长市场 动量 波动 换手资料来源：Wind,资料来源：Wind,从业绩指标来看，收益获取能力最强的是动量因子，年化收益超过20%,夏普比率高达 2.12；表现最稳健的是成长因子，年化波动率仅为8.13%,最大回撤9.10%。图表42：风格因子业绩指标资料来源：Wind,年化收益率年化波动率夏普比率最大回撤市场10.62%30.34%0.35

28、-69.42%规模11.34%11.62%0.98-20.94%估值6.81%11.85%0.57-22.09%盈利6.91%10.66%0.65-23.28%成长11.13%8.13%1.37-9.10%动量22.93%10.81%2.12-10.85%波动9.43%13.80%0.68-21.00%换手14.92%12.60%1.18-20.11%行业历史表现归因分析业绩归因中需要基于风格因子收益率对行业指数收益率做多元线性回归，为了防止受到多 重共线性的影响，需要分析因子间的相关性。我们仿照Fama和French （2015）中的做 法，将每个因子对其他7个因子回归，如果该因子的回归截距

29、项越接近0,拟合优度越接 近 1,说明共线性风险越高，在归因模型中需要剔除，或者进行正交化处理。实证结果说明， 盈利、波动和换手因子的回归截距项T值均小于2,且拟合优度大于80%,说明这三 个因 子的绝大局部贡献可以被其他因子所解释，因此后文归因分析中统一剔除这三个因子。图表43 ：因子间相互回归结果（8因子）资料来源：Wind,alpha市场规模估值盈利成长动量波动换手R2市场回归系数0.02-0.410.90-1.320.940.39-1.23-0.2533.34%T值2.28-1.603.87-3.432.221.55-4.18-0.76规模回归系数0.01-0.03-0.31-0.83

30、0.390.440.19-0.3161.73%T值3.63-1.60-4.58-8.593.206.922.18-3.24估值回归系数0.000.09-0.350.18-0.320.190.70-0.3157.64%T值2.113.87-4.581.43-2.472.478.64-3.02盈利回归系数0.00-0.05-0.360.070.870.15-0.020.0280.42%T值-0.81-3.43-8.591.4317.663.36-0.260.36成长回归系数0.010.030.14-0.100.74-0.110.03-0.0671.26%T值4.882.223.20-2.4717.

31、66-2.500.46-1.05动量回归系数0.010.040.480.180.39-0.32-0.340.7551.84%T值2.661.556.922.473.36-2.50-3.818.93波动回归系数0.00-0.070.140.43-0.030.05-0.220.7880.79%T值-0.35-4.182.188.64-0.260.46-3.8114.03换手回归系数0.00-0.01-0.19-0.160.03-0.100.420.6880.16%T值1.72-0.76-3.24-3.020.36-1.058.9314.03对剩余的五个因子做相互回归分析，每个因子的回归截距项均显著

32、大于0,且拟合优度均 低于42%,共线性风险大幅缓解。图表44 :因子间相互回归结果（5因子）资料来源：Wind,alpha市场规模估值成长动量R2市场回归系数0.020.21-0.06-0.13-0.372.38%T值2.120.83-0.26-0.42-1.63规模回归系数0.010.02-0.49-0.480.2740.11%T值4.740.83-8.49-5.664.19估值回归系数0.01-0.01-0.58-0.290.3232.23%T值3.13-0.26-8.49-2.994.48成长回归系数0.01-0.01-0.32-0.16-0.0419.03%T值7.48-0.42-5

33、.66-2.99-0.80动量回归系数0.01-0.040.330.32-0.0817.33%T值5.19-1.634.194.48-0.80对行业指数收益率进行归因分析，具体设置如下：1 .回归自变量：市场、规模、估值、成长、动量五因子历史收益率序列。2 .回归因变量：行业指数月度收益率序列。3 .回归区间：2005年1月至2020年4月。4.分析内容：各行业的超额收益是否能被风格因子所解释；各行业背后主要受哪些风格 因子驱动。图表27：机械行业收益来源拆分15图表28：基础化工行业收益来源拆分15图表29：建筑行业收益来源拆分16图表30：有色金属行业收益来源拆分16图表31 ：煤炭行业收

34、益来源拆分16图表32：银行行业收益来源拆分16图表33：Alpha和beta视角下的行业归类16图表34：行业超配权重示意（相比于中证800） 17图表35：行业低配权重示意（相比于中证800） 17图表36：行业指数ETF分布（截止202506-02） 17图表37：风格因子收益率计算流程18图表38：市场因子和规模因子走势比照19图表39：市场因子和估值因子走势比照19图表40：市场因子和基本面因子（盈利、成长）走势比照19图表41：市场因子和量价因子（动量、波动、换手）走势比照19图表42：风格因子业绩指标19图表43：因子间相互回归结果（8因子）20图表44：因子间相互回归结果（5因

35、子）20图表45：行业收益率业绩归因结果21图表46：归因模型GRS统计 检验 22图表47：规模因子回归系数23图表48：估值因子回归系数23图表49：成长因子回归系数23图表50：动量因子回归系数24图表45：行业收益率业绩归因结果资料来源：Wind,alpha市场规模估值成长动量R2石油石化回归系数0.0000.865-0.341-0.003-0.1920.11979%T值0.0425.52-3.01-0.03-1.381.15煤炭回归系数T值-0.005-0.771.07221.32-0.157-0.940.7264.70-0.261-1.27-0.045-0.2973%有色金属回归系

36、数T值0.0000.041.27327.71-0.127-0.830.0880.620.1580.84-0.101-0.7282%钢铁回归系数-0.0041.099-0.1510.488-0.382-0.02983%T值-0.9929.16-1.204.21-2.47-0.25基础化工回归系数-0.0041.0010.462-0.2130.226-0.05888%T值-1.1033.594.65-2.331.85-0.64建材回归系数0.0011.1330.4120.154-0.184-0.04788%T值0.2034.263.731.51-1.36-0.47机械回归系数-0.0041.110

37、0.220-0.2040.3050.07691%T值-1.3640.172.39-2.402.690.90电力设备及新能源回归系数-0.0030.9940.463-0.4070.3310.04784%T值-0.8128.003.91-3.732.270.44国防军工回归系数T值0.0081.211.04519.37-0.058-0.32-0.693-4.180.0450.200.0400.2570%家电回归系数T值0.0030.720.92825.070.1271.030.0890.78-0.147-0.970.1911.7078%汽车回归系数-0.0011.0650.3120.008-0.1

38、390.04689%T值-0.2936.743.230.09-1.170.52酒类回归系数0.0110.833-0.665-0.0360.3900.42355%T值1.6114.12-3.38-0.201.612.35纺织服装回归系数-0.0081.0940.914-0.0280.061-0.16891%T值-2.4339.349.86-0.330.53-1.98医药回归系数0.0020.8680.375-0.5970.3580.09484%T值0.6227.723.596.202.790.99农林牧渔回归系数-0.0060.9810.618-0.2040.3230.11581%T值-1.21

39、25.424.80-1.722.050.98消费者服务回归系数-0.0020.9390.475-0.3710.2630.10280%T值-0.3424.523.72-3.151.680.88商贸零售回归系数-0.0051.0420.325-0.1070.0970.04689%T值-1.3837.233.48-1.240.850.54轻工制造回归系数-0.0081.0440.706-0.2460.321-0.05791%T值-2.6038.677.85-2.972.90-0.70银行回归系数0.0030.786-0.4970.7280.0780.08867%T值0.6117.51-3.325.2

40、80.430.64证券II回归系数0.0221.363-1.0480.733-0.320-0.46074%T值2.8520.86-4.813.65-1.20-2.31保险n回归系数0.0020.821-0.7330.604-0.0760.10555%T值0.3313.50-3.623.24-0.310.57房地产回归系数T值-0.002-0.341.03123.480.1721.170.4173.09-0.038-0.210.0200.1576%电子回归系数0.0020.9580.492-0.6800.355-0.07776%T值0.4321.183.26-4.891.91-0.56通信回归系数T值0.0010.150.90722.140.1761.28-0.724-5.750.3241.930.0750.6077%计算机回归系数0.0001.0820.715-0.9440.555-0.09181%T值-0.0423.614.68-6.712.96-0.65传媒回归系数0.0000.9560.