【华泰金工林晓明团队】基于投入产出表的产业链分析 ——华泰行业轮动系列报告之十一

摘要
本文实证了一套基于投入产出表进行产业链定量分析的思路
本文以历年中国投入产出表为分析工具，进行产业链梳理：1、将国家统计局公布的部门投入产出表转换成一级行业投入产出表；2、基于感应度系数、影响力系数、上游度系数等分析工具，定量评估各行业在产业链上、中、下游的位置；3、从上游行业出发，挖掘细分产业链条，得到石化、制造业、农林牧渔三条主要的国民经济产业链；4、纵向比较不同年度间的产业链结构变迁，分析并展望国民经济各行业的地位变化；5、沿着产业链上下游探索股价之间是否存在传导关系。结论表明，产业链分析结果对于短期股价联动指示意义有限，但对于中长期的行业配置提供了一些有价值的思路。

基于投入产出表进行产业链上下游划分
投入产出技术中有多种系数可用于刻画行业关联关系，本报告选用了四类指标作为判断依据，进行产业链上下游划分，包括：影响力系数（某行业单位最终产品对国民经济的拉动作用）、感应度系数（某行业单位最初投入对国民经济的推动作用）、APL系数（某行业发生变化后对其他行业产出造成影响经过的平均轮次）、上游度系数（某行业产品在达到最终需求前需经历的生产阶段数目）。上下游划分结果如下：上游包括有色金属、煤炭、石油石化、农林牧渔4个行业；中游包括钢铁、基础化工、机械、电力设备等9个行业；下游包括计算机、通信、医药、家电、食品饮料等11个行业。

基于投入产出表梳理细分产业链：石化、制造业、农林牧渔三条产业链
得到产业链上下游划分方式后，可以进一步梳理细分产业链条，步骤如下：1、采用行业关联度矩阵（元素值越大，表明行业间联系越紧密）对APL矩阵（某行业发生变化后对其他行业产出造成影响经过的平均轮次）进行稀疏化处理，仅保留联系紧密的关联关系；2、从上游石油石化、煤炭、有色金属、农林牧渔四个行业出发，筛选具备强直接联系的行业关联关系（关联度系数大于0.1，APL系数小于3），最终得到了国民经济中三条主要的产业链：石化产业链、制造业产业链、农业产业链，这三条产业链互有关联，包括了国民经济主要行业部门并反映了国民经济运行模式。

探索产业链结构变迁：不断加长的产业链与长期看好的新兴主导产业
纵向比较2002年至今不同年度的产业链结构变迁，分析并展望国民经济各行业的地位变化，核心结论如下：1、我国大多数行业的分工在不断细化，产业链在不断加长，行业之间的联系变得更加紧密；2、建筑业长期保持国民经济支柱产业地位，而电子元器件行业的产业链地位在不断提升，未来有可能成为新的国民经济主导行业；3、石油石化、煤炭、钢铁等传统资源类行业在国民经济中推动作用有所减弱；4、未来消费继续增长、投资稳中趋缓、净出口增速下降与消费升级不断推进、投资结构不断优化的背景下，我们认为食品饮料、医药、电子元器件等行业具有中长期配置价值。

产业链上下游行业之间是否存在股价上的传导关系？
从石化、制造业、农林牧渔三条产业链出发，考察产业链上下游行业之间是否存在股价上的“先导-跟随”关系，具体方法为格兰杰因果检验和领先滞后回归分析，前者主要用于挖掘每对行业之间是否存在统计意义上的因果关系，后者则用于确定最优的领先阶数。实证结果表明，随着统计区间的改变，满足格兰杰因果关系的行业配对并不稳定，虽然个别行业之间存在相对稳定的关联关系，但从整个产业链视角来看，上下游之间的关联关系并未让股价之间呈现出普遍、显著的联动，因此，产业链分析结果并不适用于构建短期的行业轮动策略，更适用于给出中长期行业配置建议。

风险提示：模型根据历史规律总结，历史规律可能失效。市场出现超预期波动，导致拥挤交易。

本文研究导读
前期报告中，我们通过归纳、梳理已有研究成果，得到如下图所示的行业配置研究框架：

1. 宏观层面，基于经济周期运行状态判断行业、板块的趋势型投资机会。根据DDM模型，股价主要由分红和折现率决定，其中，分红和盈利水平挂钩，盈利水平直接受到经济周期的影响；而折现率和利率环境挂钩，利率环境反映整体估值水平，估值水平又直接受到流动性周期的推动。在经济周期和流动性周期的交错扩张、收缩下，各行业受自身盈利周期和整体估值水平的叠加影响，呈现出交叉轮动的特征。

2. 中观层面，基于产业链上下游之间的景气度传导现象挖掘战术型配置机会。我们认为，经济增长可以看作是需求以量的形式自下往上传导，而通货膨胀则可以看作是供给以价的形式自上往下传导。所以在经济周期的不同运行阶段，产业链上、下游之间会呈现出非同步地、梯次性地传导现象，合理利用不同行业强势时间的错位进行轮动配置可以获取显著的超额收益。

3. 微观层面，基于行业截面比较的思路寻找短期机动型配置机会。我们将从行业的内在价值和交易风险两个角度出发，构建有行业选择能力的景气度指标和拥挤度指标，寻找行业层面超额收益的来源。利用行业截面数据的差异，发掘短期行业配置机会。

在华泰金工行业轮动系列研究报告中，我们从宏观经济周期、微观截面比较等维度开发了多个行业轮动策略，前者包含《周期视角下的行业轮动实证分析》（2018-03-05）、《再探周期视角下的资产轮动》（2019-07-02），后者包含《财务质量因子在行业配置中的应用》（2018-08-17）、《景气度指标在行业配置中的应用》（2019-09-12）。而在中观产业链研究层面却一直少有涉及，核心原因是产业链上下游的划分缺乏一个客观、定量的标准。本文将以投入产出表为基础，开展中观层面产业链的研究，核心关注如下几个问题：1、投入产出表是什么？如何去分析投入产出表？2、如何基于投入产出表来进行产业链上下游划分？3、基于投入产出表得到的产业链上下游行业之间，是否存在股价上的传导关系？

投入产出表概述及分析方法
投入产出表概述

投入产出技术由美国经济学家列昂惕夫（Leontief）于20世纪30年代创立，是利用数学方法研究某个系统（如经济系统）各项活动中的投入与产出之间的数量关系，特别是研究和分析国民经济各个部门在产品的生产和消耗之间数量依存关系的一种经济分析方法。这里的经济系统可以是整个国民经济，也可以是地区、部门或企业，也可以是多个地区、多个部门、多个国家。

投入产出技术中的投入是指产业部门在生产产品及服务的过程中对原材料、工具设备以及劳动力等的使用。投入可以分成两类，一类投入是中间投入，中间投入是在生产过程中被完整地消耗掉的中间品，这些中间品的价值全部进入消耗该中间品的部门的产出价值中；另一类投入是最初投入，最初投入是在生产过程中投入的初始要素，它在生产过程中只是被部分地消耗，其价值是部分地、以折旧等方式进入消耗该产品的部门的产出价值中，这种投入可以是资本品也可以是劳动力，最初投入对应着经济学中的增加值，因此也被称为增加值投入。

产出是指进行一项活动的结果，如生产活动的结果为本系统各部门生产的产品（包括物质产品和劳务）。从产出的去向来看，产出也可以分为中间需求和最终需求。中间需求是指本时期在本系统内需要进行进一步加工的产品，此类产出也可以称为中间产品，其作用是作为中间投入被各部门生产消耗掉；最终需求是指本时期在本系统内已经最终加工完毕的产品，也可以称为最终品，其进入市场的形式可以为消费、形成资本或出口。若将国民经济简单地分成几个物质生产部门，则每个部门都有双重身份，既作为生产部门把自己的产品分配给其他部门，也会在生产过程中消耗其他部门的产品。

投入产出技术的经济理论基础是瓦尔拉斯的一般均衡理论，其分析工具为投入产出表。投入产出表也称为部门联系平衡表，它是定量研究投入与产出间关系的工具，反映了国民经济各部门的投入来源与产出去向，以及各部门之间相互提供或消耗产品的经济联系。投入产出表的结构一般如下：

上表是一个简化形式的三部门投入产出表，它的水平方向反映了各部门产品的去向，包括中间需求和最终需求(也称为中间使用和最终使用)，其中，中间使用是指某部门产品作为中间品进入经济体中各产业的生产过程中，被完全地消耗掉；最终使用是指产品作为最终品进入生产活动以外的领域，如消费、资本形成以及出口等。以上表为例，农业部门的总产出为1100亿元，总产出中有550亿元的产出属于中间需求，它们作为中间品投入到各个部门的生产过程中，这550亿元中间需求中有200亿元的产品被投入到农业部门，300亿元的产品被投入到工业部门，50亿元产品被投入到其他部门；总产出中剩余的550亿元产品成为最终需求，其中有400亿元的产品被用于消费，100亿元的产品用于资本形成，剩余50亿元的产品出口到国外（表中净出口为出口减去进口）。由投入产出表水平方向可得均衡方程如下：

投入产出表垂直方向描述了各部门生产过程中的消耗，即投入的情况，各部门产品所需的投入分为中间投入和最初投入两部分。中间投入是指各部门在生产活动中对原材料、动力、服务等的消耗，如前文所述，这些原材料、动力、服务等被完全消耗；最初投入是指各部门在生产过程中部分消耗的投入，由固定资产折旧、从业人员报酬、生产税净额和营业盈余组成。以上表为例，工业部门的总投入是2150亿，生产过程中消耗的中间投入为1300亿元，其中消耗农业部门产品300亿元，工业部门产品800亿元，其他部门产品200亿元；工业部门生产消耗的最初投入为850亿元，包括固定资产折旧100亿元，从业人员报酬320亿元，生产税净额280亿元，营业盈余150亿元。由投入产出表垂直方向可得均衡方程如下：

投入产出表的基本分析方法就是以水平方向和垂直方向的两个均衡方程为基础的。对任意部门，其总投入和总产出是相等的。以工业部门为例，其运用的中间投入总计为1300亿元，而部门总产出为2150亿元，增加值部分就是最初投入，从收入法角度衡量，就对应着四部分：分配给居民部门的从业人员报酬，分配给政府部门的生产税净额，固定资产折旧，以及留存在企业部门的营业盈余。

投入产出表的垂直方向和水平方向纵横交错，可将其分为四个象限，其中第一象限为中间使用矩阵，第二象限为最终使用矩阵，第三象限为最初投入矩阵，第四象限为再分配象限，一般不作考虑。

第一象限由中间投入和中间需求的交叉部分组成，水平方向表示某部门产品在各个部门间的分配，垂直方向表示某部门生产过程对各个部门产品的中间消耗。它描述了国民经济各部门间投入产出关系，根据中间投入矩阵求得的直接消耗系数矩阵构成了投入产出分析模型的基础元素，在直接消耗系数矩阵基础上得到的列昂惕夫逆矩阵可以充分反映产业间的联动作用，在分析某经济变动造成的间接影响时发挥重要作用。

第二象限由中间投入和最终需求交叉组成，是第一象限在水平方向的延伸，水平方向表示各部门产品用作不同最终需求的数量，垂直方向表示各种最终需求（消费、资本形成和净出口）的部门构成，常用于分析经济结构变化及政策或冲击对整个经济或某部门的影响。

第三象限由最初投入和中间需求两部分交叉组成，是第一象限在垂直方向的延伸，也称增加值矩阵，由增加值的构成部分（固定资产折旧、从业人员报酬、生产税净额和营业盈余）组成的行和国民经济各部门组成的列构成。水平方向表示增加值各构成部分的数量及部门构成，垂直方向表示各部门增加值的数额和构成。在实际分析中，第三象限是计算出口或其他最终需求变动拉动增加值的必备要素，可用于分析行业出口蕴含的国内增加值及国外增加值，在贸易增加值核算中起到重要作用，是全球价值链研究重点关注的研究对象。

第四象限由最初投入和最终需求两部分交叉组成，称为再分配象限，表示各部门在第三象限提供的最初投入通过资金运动转为第二象限最终需求的转换过程，反映国民收入再分配的情况，但由于其复杂性目前编制的投入产出表一般不考虑该象限。

投入产出表有很多不同种类，按考察对象可以划分为国家间投入产出表、国家投入产出表、地区间投入产出表、地区投入产出表、企业投入产出表等。其中，国家投入产出表通常用于研究单国问题，较为准确，国家间投入产出表常用于研究全球价值链问题，相对单国表其准确度相对较低。目前，中国的国家投入产出表逢2逢7年份编制，可以从中国国家统计局网站获取，目前最新一期的数据就是2019年9月公布的2017年投入产出表；而国家间投入产出表可以从WIOD（World Input-Output Database）和经合组织OECD获取。

投入产出表分析方法
利用投入产出表的数据可计算得到多类系数，包括直接由表内数据计算可得的基础系数和基于基础系数计算得到的衍生系数，这些系数构成了投入产出分析的基础。

直接分配系数和完全感应系数

直接分配系数定义如下：

其中I为单位矩阵，完全感应系数反映了最初投入与总产出的关系，示例中，农业部门对农业部门的完全感应系数是1.31，意味着农业部门增加1单位增加值引起的农业部门总产值增加量为1.31，这其中既包含农业部门对农业部门的直接推动作用，也包含类似“农业→工业→农业”这样的间接推动作用。

直接消耗系数和完全需要系数

其中I为单位矩阵，完全需要系数反映了生产单位最终产品对各部门总产出的完全（直接和间接）需要量，是投入产出分析的核心矩阵。它反映了最终需求对各部门总产出的拉动，也是后续计算最终需求拉动增加值的基础。示例中，农业部门对农业部门的完全需要系数是1.31，意味着每生产1个单位产品需要完全消耗1.31个单位的农业部门产出，这其中既包含农业部门对农业部门的直接需求，也包含类似“农业→工业→农业”这样的间接传导需求。

前向联系与感应度系数

此外，还有一些学者提出，传统的计算方法得到的感应度系数，并不能反映该产业在整个国民经济中的整体作用，因此有学者提出了产业感应度系数的概念，也即在计算公式中加入各产业最初投入占比，将其作为权重进一步计算加权后的感应度系数，反映产业整体对国民经济的推动作用，其计算公式如下：

后向联系与影响力系数

与感应度系数类似，一些学者认为计算影响力系数的时候应考虑产值比重，因此提出将产业最终需求占比引入影响力系数计算公式中得到加权后的产业影响力系数，其计算公式如下：

直接增加值系数和完全增加值系数

APL系数

APL系数全称为Average Propagation Lengths,是由Erik Dietzenbacher 等人在2005年提出的，它反映了某部门发生一个外生变化后对其他部门的产出造成影响要经过的平均轮次，具体可分为后向APL和前向APL，定义如下：

Erik(2005)指出，前向APL的计算结果与后向APL相等，两个APL系数反映的信息量是一致的。如示例所示， APL矩阵中，农业行、工业列的元素2.17为农业部门与工业部门间的APL系数，它可以从两个角度解读：从后向APL来看，它表示工业部门最终需求发生变化后拉动农业部门产出变动需经过的平均轮次为2.17；从前向APL来看，它表示农业部门成本发生变化后推动工业部门产出变动需经过的平均轮次为2.17 。示例中的平均前向APL和后向平均APL分别为APL矩阵的行向均值和列向均值。

生产诱发度

上游度系数

基于投入产出表的产业链上下游划分及产业链结构变迁
在国民经济结构中，通常存在着上游生产制造、中游加工运输、下游终端消费的模糊划分，其中，下游库存或需求的变动会通过产业链条传导至上游，而上游成本和产出的变动又会通过产业链条传导至下游，这种传导具有非同步、梯次性的特征，把握得当可以获取行业层面的超额收益。

然而真实投资环境中，对于每个行业在产业链中的定位却缺乏相对客观的标准，而投入产出技术在刻画产业关联度方面具有独特优势，后文中我们将利用投入产出表定量刻画各行业之间的关联关系，进而进行产业链上下游的划分。

需要说明的是，国家统计局公布的投入产出表中各经济部门的划分方式与投资中常用的一级行业并不对应，我们通过对比分析建立了投出产出表各部门和中信一级行业间的映射关系，进而将原始投入产出表转换为了中信一级行业之间的投入产出表（下图展示了将农业部门和其他部门合并成非工业部门的操作示例）。后文中所有分析都是基于中信一级行业之间的投入产出表展开。这里为了不影响阅读连贯性，相关映射关系已于附录展示。

基于投入产出表的产业链上下游划分
在基于投入产出表构建的各类系数中，有多个系数都能提供上下游划分的依据，包括：

1. 感应度系数和影响力系数：感应度系数（以及产业感应度系数）反映了某行业增加单位产出对各部门产出的推动程度，其值越大，该行业对国民经济的推动作用越大；影响力系数（以及产业影响力系数）反映了某行业部门增加单位最终需求对国民经济各部门的拉动作用，其值越大，该行业的拉动作用越大；若某行业感应度系数较大，影响力系数较小，则其为上游行业；若某行业感应度系数较小，影响力系数较大，则其为下游行业；若某行业感应度系数和影响力系数都较大，则其为中游行业；若某行业感应度系数和影响力系数都较小，则其生产既不依赖其他部门投入，也不依赖其他部门需求，产出主要用于最终需求，不适用于简单划分上下游行业。

2. APL系数：反映了某部门发生一个外生变化后对其他部门的产出造成影响要经过的平均轮次，各行业平均前向APL反映了各行业对其他行业产生成本推动效应平均要经过的轮次，该值越大，则该行业越靠近上游；平均后向APL反映了各行业对其他行业产生需求拉动效应平均经过轮次，该值越大，则该行业越靠近下游；

3.上游度表示某部门产品在达到最终需求之前还需要经历的生产阶段的数目，该值越大，则该行业越靠近上游。

下表展示了基于2017年最新的投入产出表数据计算的一级行业各类系数，具体步骤为：1、将2017年国家统计局公布的投入产出表中149个部门与中信一级行业之间建立一一映射关系，其中国防军工行业并没有对应的部门，而综合行业没有明确的逻辑含义，也不考虑；2、将部门间投入产出表合并成一级行业投入产出表；3、基于一级行业投入产出表计算各类系数，并按从大到小的顺序排序，计算各行业的特定系数排序值。

在实证过程中，我们一般会结合各指标进行综合评估，尽量降低单个指标带来的误判，根据前文计算结果有：

1. 以石油石化、煤炭、有色金属为代表的行业感应度系数排名靠前，影响力系数排名靠后，上游度系数排名靠前，是非常典型的上游行业。

2. 以汽车、家电、通信为代表的行业感应度系数排名靠后，影响力系数排名靠前，上游度系数排名靠后，是非常典型的下游行业。

3. 以钢铁、基础化工、轻工制造为代表的行业感应度系数和影响力系数均排名靠前，对上有较强的拉动作用，对下有较强的推动作用，是非常典型的中游行业。

4. 以非银行金融、房地产为代表的行业，感应度系数和影响力系数排名均很靠后，说明其生产既不依赖其他部门投入，也不依赖其他部门需求，并不适合简单的上下游划分。

采用同样的思路对其他行业进行判断，得到如下图所示的产业链上下游划分结果：上游行业包括有色金属、煤炭、石油石化、农林牧渔；中游行业包括钢铁、基础化工、电子元器件、电力设备、机械、建材、电力及公用事业、轻工制造、交通运输；下游行业包括计算机、通信、传媒、家电、汽车、医药、建筑、食品饮料、餐饮旅游、纺织服装、商贸零售。以上产业链划分中没有包含如下行业：国防军工、综合、银行、非银行金融、房地产。

基于投入产出表的细分产业链梳理
确定基本的上中下游行业后，可以进行细分产业链识别。这里需要利用到行业间的APL系数矩阵，APL系数反映了某部门发生一个外生变化后对其他部门的产出造成影响需要经过的平均轮次，两个行业之间的APL系数越小，说明这两个行业之间的联系越紧密。

然而，APL系数矩阵错综复杂，刻画的是不同行业之间的图式关联关系，而我们期望得到的是树形的产业链结构，因此需要对原始APL系数矩阵进行稀疏化处理（也即剪枝）。这里就需要利用到Dietzenbacher（2005）提出的产业间关联度矩阵，计算公式如下：

其中，I为单位矩阵，B为列昂惕夫逆矩阵，G为Ghosh逆矩阵，关联度系数越大，表明两个行业之间的联系越紧密。后文中，我们统一获取关联度系数大于0.1的行业配对，并据此对APL系数矩阵进行稀疏化处理，也即当两个行业间的关联度系数小于0.1时，直接将这两个行业的APL系数置为0。

最后，我们将综合考虑稀疏化后的关联度矩阵和APL矩阵来挖掘细分产业链传导关系：1、当关联度系数大于0.3且APL系数位于1~3之间时，认为行业之间具有强联系；2、当关联度系数位于0.1至0.3，APL系数位于3~4之间时，认为行业之间具有弱联系；3、当关联关系小于0.1，且APL系数大于4时，认为行业之间不具有直接联系。在识别产业链时，重点关注具有强联系的行业配对，辅助参考具有弱联系的行业配对。最终，我们从前文梳理得到的上游行业出发，得到了石化产业链、制造业产业链、农林牧渔产业链三条基本的产业链。

石化产业链

石化产业链以石油石化行业作为起点行业，从投入产出分析角度来看，上游的石油石化的产品作为中间产品投入到基础化工、电力及公用事业和交通运输；作为中游行业，基础化工的产品也是轻工制造和建材、家电、建筑、医药制造的中间投入品，下游的建筑的中间投入还包括建材和轻工制造。上游行业的产品作为中间品或最初投入投向中游行业，中游行业的产品同样作为最初投入或中间投入进入建筑、医药、家电等下游行业，这样就形成了一个从上游行业到中游行业再到下游行业的产业链。

制造业产业链

制造业产业链以煤炭和有色金属为起点：从煤炭出发，煤炭的产品作为中间投入进入基础化工、钢铁和电力及公用事业，钢铁作为中游行业，同时是汽车、建筑、机械的上游行业；从有色金属出发，其产品作为中间产品投入到机械制造、电力设备、电子元器件，机械和电子元器件的产品进一步投入到相关的下游行业中，包括家电、汽车、建筑、计算机、通信。值得注意的是很多中游行业互为上下游，如机械与电力设备、机械与电子元器件、电力设备与电子元器件，这三个行业可形成产业链闭环。

农林牧渔产业链

农林牧渔业产业链以农林牧渔业作为起点，其构成相对另外两条产业链较为简单，农林牧渔业产品经历生产轮次相对较少，产品主要去向行业中，中游行业为轻工制造业，下游行业包括食品饮料业、纺织服装业、医药业、餐饮旅游业。

这三条产业链互有关联，包括了国民经济主要行业部门并反映了国民经济运行模式。

基于投入产出表的产业结构变迁

统计2002年至2017年各一级行业影响力系数的变化，结果显示：

1. 建筑业长期保持国民经济支柱产业地位，其产业影响力系数常年保持在第一位，具体看其产业影响力系数大小，呈现先下降后上升趋势，从一定程度上可以说明建筑业对国民经济的拉动作用近年来在不断增强。

2. 机械行业在产业影响力系数排序中，地位仅次于建筑业，常年保持在第二位，但是无论是看其产业影响力系数绝对值，还是经过归一化处理后的产业影响力系数，自2012年以来机械行业对国民经济的拉动作用呈下降趋势，这与国家近些年来内需疲软，基建产能过剩等大形势有关。

3. 纺织服装业从产业影响力系数来看，其地位在2002-2007年呈上升趋势，但到了2012年和2017年其地位不断下降（降回至第6位），这与我国当前正在进行的经济转型有一定关系，我国加工贸易占比不断下降，纺织服装业作为劳动密集型产业和加工贸易为主的行业，其地位下降与经济结构转型有关。

4. 食品饮料业、汽车业、通信业等行业产业影响力地位呈上升趋势，它们在拉动国民经济发展中发挥越来越重要的作用；从其产业影响力系数具体大小来看，汽车行业的产业影响力系数在2017年出现了下降，其拉动作用可能相对往年有所减弱，但在2017年整体经济中仍占有重要地位。

5. 家电业的产业影响力系数排序呈下降趋势，主要是因为家电业近些年产值占比下降较大（不考虑产值占比，其影响力系数仍排名靠前），对国民经济拉动力减弱。

6. 计算机业的影响力系数排名在逐年下降，而电子元器件行业的影响力系数在逐年提升，这可能与政府近年来在半导体、芯片、面板等底层基础技术领域的持续投资有关；若未来电子元器件产业产值占比增加，则很有可能成为新的国民经济主导行业。

统计2002年至2017年各一级行业感应度系数的变化，结果显示：

1. 产业感应度系数排名靠前的是农林牧渔业和商贸零售业，二者常年保持在前两位，这与两个行业的产值占比较大有关。从感应度系数排名来看，石油石化业、有色金属业、煤炭业常年保持在排名前几位。

2. 石油石化业、煤炭业、钢铁业的产业感应度系数排名在2002-2017年呈现稳步下降趋势，其具体系数变化也反映了这一点，但从这些行业的感应度系数来看，其排名较为稳定，这与2002年-2017年石油石化业、煤炭业、钢铁业的增加值占总增加值比重不断下降有关，反映出我国供给侧结构性改革对煤炭、钢铁、石油石化行业有显著影响。值得注意的是，有色金属业增加值占比在2002-2017年也呈现下降趋势，但是其产业感应度系数排名在不断上升，这说明有色金属业在国民经济中的推动作用越来越显著，其地位有所上升。

3. 电子元器件业的感应度系数虽然有所波动，但一直稳定保持在排名前五位，且其影响力系数排名和大小在2002-2017年呈现出显著上升的趋势，其产业感应度系数也表现出上升的趋势，说明电子元器件业在国民经济中的地位在逐渐上升，有成为主导产业的趋势。

4. 电力及公用事业的产业感应度系数和产业影响力系数排名在2002-2017年都保持在前五位，但其影响力系数和感应度系数排名并不高，反映出电力及公用事业因产值占比较大而对国民经济产生较大影响。

计算2002-2017年各行业生产诱发度系数，从消费类最终需求角度来看可得如下结论：

1. 消费类最终需求变动一单位对食品饮料业、电力及公用事业、农林牧渔业、基础化工业、交通运输业部门的生产诱发度最大，这与这些行业的生产特点与销售特点有关。食品饮料业、农林牧渔业等都是以消费为导向的行业，这些部门的最终需求结构中，消费占比都远高于资本形成占比。

2. 从年度间变化来看，消费变动对食品饮料业生产诱发程度在逐渐提升，其排名由2002、2007年的第三名升至2012、2017年的第一名，而农林牧渔业由2002年的第一位降至2017年的第三位；消费对交通运输业的生产诱发程度在2002-2017年也稳步上升。除了排名靠前的几个行业，汽车、医药、房地产、传媒等行业的排名也在2002-2017年间逐渐上升，而机械、轻工制造、家电、纺织服装等行业的排名在逐渐下降。这些现象与近些年我国发生的消费结构和消费模式变化有关，汽车、医药、食品饮料等行业排名上升反映了我国正在发生的消费升级，消费主要支出中，生存型消费占比下降，即生活必需品占比逐渐下降，发展型和享受型消费占比上升，即人们更加愿意增加对医疗、高端消费品、媒体娱乐等方面的支出，追求更健康更有品质的生活；此外，电子商务的快速发展同时促进了商贸零售、交通运输业（主要是物流）的生产，使得消费类需求对这两类行业的生产的诱发程度越来越强。

3. 消费一直是经济增长的“压舱石”，2018年最终消费对经济增长的贡献率达到72.6%，而且最终消费支出中升级类商品和服务类消费支出占比进一步扩大，成为消费稳定增长的动力。参考发达国家的经验，可以预见未来我国消费仍将保持平稳增长，消费对经济增长的拉动作用将不断增强，而从消费对各行业的生产诱发度来看，未来长期看好食品饮料、交通运输（主要是物流）、汽车、医药等行业的配置价值。

从资本形成类最终需求角度来看可得如下结论：

1. 资本形成类最终需求变动一单位对建筑、机械、基础化工、钢铁部门的生产诱发度最大，上述4个行业常年排名在前五位，均是典型的重资产工业部门，其产品多形成固定资产，最终需求结构中，资本形成占比较高。因此，资本形成类最终需求变动对这些行业的诱发程度最高。

2. 从年度间变化来看，建筑和机械的资本形成类最终需求生产诱发度一直维持在前两名，从其数值来看，建筑有先减小后增大的趋势，机械为先增大后减小；钢铁和基础化工的生产诱发度排名也较为稳定，二者交替为第三、四名，数值同样有先增大后减小趋势。说明我国长期以来重资产行业结构维持在较为稳定的状态，但是除建筑业外，资本形成类最终需求对这些行业生产的诱发程度有下降趋势，反映出投资对经济的拉动作用在减弱。自实行供给侧改革以来，去产能、调结构一直在推行，使基础设施投资不再保持过去的高速增长，经济转型期与后金融危机时代的内需疲软使实体经济长期处于较为困难的发展阶段，制造业投资和民间投资增速不断放缓，近些年固定资产投资效率也在不断下降，造成了投资对经济增长贡献率的不断降低（由2014年的46.8%降至2018年的32.4%）。除了排名靠前的行业排名保持稳定，电子元器件、汽车的生产诱发度排名在2002-2017年不断上升，且其具体数值也在不断增大，从中或许可以反映出我国投资结构的优化，资本形成类最终需求对先进技术类行业的生产诱发度在不断提升。

3. 2018年全年投资稳中趋缓，资本形成总额对GDP增长贡献率为32.4%，比上年略降。基础设施投资、民间投资和制造业投资增长乏力是投资增长趋缓的主要原因。随着国内供给侧改革的不断推进，投资结构的不断优化，预计未来国内投资总量上将保持稳中趋缓态势，结构上或许将会更加促进电子元器件和汽车行业的生产。

从净出口类最终需求角度来看可得如下结论：

1. 净出口类最终需求变动一单位对纺织服装、商贸零售、通信、轻工制造部门的生产诱发度最大，上述行业大多为出口导向型行业，其产品多用于出口，最终需求结构中，出口占比较高。在21世纪初我国加工贸易发展较快的时期，上述行业均为进行加工贸易的主要行业。还有一些行业的净出口类最终需求生产诱发度系数为负值，如石油石化、煤炭、钢铁、电子元器件等，说明这些行业的进口大于出口，其中，能源类行业主要是因为我国从国外大量进口自然资源如石油、铁矿石等，电子元器件等行业可能与来料加工需要大量进口国外中间产品有关。

2. 从年度间变化来看，纺织服装和商贸零售的净出口类最终需求生产诱发度一直维持在前两名，从其数值来看，均经历了先在2002-2007年间减小，后在2007-2017年间增大的趋势，这可能与2008年金融危机对外需造成的冲击的影响有关，出口导向型行业在经历冲击后逐渐开始恢复发展。除了排名靠前的行业排名保持稳定，通信、机械、电力设备的生产诱发度排名在2002-2017年不断上升，且其具体数值也在不断增大，或许可以反映出我国高端制造业产品在国外市场占有率的扩大，我国出口产品正由劳动密集型逐渐向资本密集型转变，反映了国内产业升级改革的成效；餐饮旅游、家电、农林牧渔、食品饮料等行业的排名在2002-2017年间不断下降，其中餐饮旅游、食品饮料和农林牧渔业的生产诱发度系数甚至由正转负（进口大于出口），也符合国内消费升级的大背景。

3. 2018年货物和服务净出口对国内生产总值增长贡献率为-8.6%，相比内需，外需对经济的支撑作用较小。在当前世界经济持续低迷，国际贸易增速放缓，同时中美间贸易摩擦不断，外部环境逐渐恶化的情况下，预计未来我国进出口增速不会有较明显的提升，拉动经济增长的作用不会很大。

从APL系数来看，大多数产业间APL呈现先增长后下降的趋势，但是由于投入产出表在编制过程中采用的是当年生产者价格，因此不同年度的投入产出表计算得到的系数由于价格水平不同不可直接进行比较，较为精确的处理方法是利用价格平减指数将不同年份的投入产出表调整成可比价投入产出表，但是价格平减指数的获取以及调整过程都相对繁琐，因此在本报告中我们采用简化的归一方案，即将每一个部门计算得到的平均APL系数都除以当年度所有部门平均APL系数的最大值，以此来尽可能降低不同年度价格因素对系数大小的影响（注意，下表中展示的仍然是原始值）。经过归一化处理后，仍然有大部分行业的前向APL、后向APL呈现出先增长后下降的趋势，这反映出我国国民经济中各行业的联系更加紧密，这可能与产业分工进一步细化有关。

从行业上游度系数来看，其变化趋势与APL类似，也是先上升后下降，但进行归一化处理后（表中展示的仍然是原始值），可以发现大部分行业（煤炭、钢铁、电力设备、基础化工、商贸零售、餐饮旅游、医药、食品饮料、农林牧渔业、通信等）的上游度在2007年-2017年呈现波动上升趋势，少部分行业如非银行金融、电力及公用事业等呈现波动下降趋势。这说明我国大多数行业的分工仍在不断细化，产业链仍然在不断加长。

产业链上下游之间是否存在业绩或股价上的传导关系？
前文中我们通过分析挖掘了石化、制造业、农林牧渔三条产业链，一个很自然的疑问是：沿着产业链上下游是否存在股价上的传导效应？为此，我们设计了如下验证思路：

1. 从三条产业链出发，以每条产业链中包含的行业作为考察对象，研究每一对行业之间是否存在“先导-跟随”关系，具体方法为格兰杰因果检验和领先滞后回归分析，前者主要用于挖掘每一对行业之间是否存在统计意义上的因果关系，后者则用于确定最优的领先阶数。

2. 格兰杰因果关系的定义如下：对于X、Y两个时间序列，若在包含了变量X、Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果（即变量X有助于解释变量Y的将来变化），则认为变量X是引致变量Y的格兰杰原因。格兰杰因果检验的具体步骤如下：（1）、获取所有行业在考察区间内相比于行业等权基准的月度超额收益，验证数据是否平稳，数据必须平稳才能进行格兰杰检验；（2）、对任意一对行业，采用AIC准则确定最优阶数；（3）、通过F检验判断两个行业之间是否存在因果关系，显著性水平统一设定为5%。

3. 领先滞后回归分析的步骤如下：假设A行业是B行业的格兰杰原因，则以A行业的月度超额收益率序列作为自变量X，以B行业的月度超额收益率序列作为因变量Y，将X滞后不同阶数（本文统一限定为1~12期）后对Y进行回归，根据回归系数P值最小来确定最优领先阶数，并记录最优阶数下回归方程的拟合优度。

4. 获取所有满足格兰杰因果关系的行业配对，及其最优领先阶数后，可以基于先导行业发出多空信号，进而对跟随行业进行择时，以便更直观的考察领先滞后关系的效用。假设A是B的先导行业，且最优领先阶数为L：（1）、如果领先滞后回归显示回归系数为正，也即A对B有正向引导作用时，则第T期A行业有正向（负向）超额收益时，在T+L期做多（做空）B行业；（2）、如果回归显示A和B之间相关系数为负，则第T期A行业有正向（负向）超额收益时，在T+L期做空（做多）B行业。最后统计择时策略的胜率，累计超额收益来衡量模型表现。

后文中，为了更客观的分析产业链上的股价传导现象，我们分别基于2005年至今、2010年至今、2014年至今三个区间进行分析对比，图表32~34分别展示了三条产业链的分析结果，其中每个表格都展示了三个分析区间内满足格兰杰因果关系的行业配对，对于三个区间内同时存在因果关系的行业配对已经高亮标注。结果表明：

1. 总的来看，随着统计区间的改变，满足格兰杰因果关系的行业配对并不稳定，以石化产业链为例，全局统计（2005年至今）结果显示，建材和石油石化行业之间存在显著的因果关系，领先滞后回归R2在所有行业配对中排名第一，而后两个考察区间内建材和石油石化之间已经不存在因果关系。

2. 每个产业链内部会存在一些相对稳定的因果传导关系，其中：石化产业链存在8对，包括轻工制造→交通运输、建筑→交通运输、电力及公用事业→轻工制造、建筑→石油石化、建筑→轻工制造、交通运输→电力及公用事业、基础化工→交通运输、家电→石油石化；制造业产业链存在5对，包含建筑→机械、建筑→计算机、基础化工→计算机、家电→电子元器件、基础化工→电力设备；农林牧渔产业链中仅包含1对稳定的关系，也即食品饮料→轻工制造。

基于每条产业链中稳定存在的“先导→跟随”关系构建择时策略，结果显示，每条关系下，择时策略均有一定的超额表现，胜率最高的三条传导关系是：建筑→交通运输、基础化工→交通运输、家电→电子元器件。然而，虽然个别行业之间存在相对稳定的关联关系，但从整个产业链视角来看，上下游之间的关联关系并未让股价之间呈现出普遍、显著的联动。

总结全文，我们详细阐述了投入产出表的编制原理与分析思路，并提出了一套基于投入产出表定量挖掘产业链的方法，虽然无法简单的从产业链关联关系出发构建轮动策略，但对于中长期的行业配置提供了一些有价值的思路，未来我们考虑进一步细化行业分类（一级行业划分方式过于宽泛），构建更精细化、更贴近基本面和投资实操的产业链结构。

风险提示：模型根据历史规律总结，历史规律可能失效。市场出现超预期波动，导致拥挤交易。

参考文献

Bai, J. and Ng, S.(2002). “Determining the number of factors in approximate factor models.” Econometrica. 70(1): 191-221.

Jianqing Fan, Yingying Fan, Jinchi Lv. “High dimensional covariance matrix estimation using a factor model”. Journal of Econometrics, 2008 147(1): 186-197.

Jianqing Fan, Yuan Liao, and Martina Mincheva. “High-dimensional covariance matrix estimation in approximate factor models.” The Annals of Statistics. 2011 39(6): 3320-3356.

Jianqing Fan, Yuan Liao, and Martina Mincheva. “Large Covariance Estimation by Thresholding Principal Orthogonal Complements.” Journal of the Royal Statistical Society 2013 75(4): 603-680.

Dietzenbacher E, Luna I R, Bosma N S. “Using average propagation lengths to identify production chains in the Andalusian economy” [J]. Estudios de economía aplicada, 2005, 23(2): 405-422.

Antràs P, Chor D, Fally T, et al. Measuring the upstreamness of production and trade flows[J]. American Economic Review, 2012, 102(3): 412-16.

陈锡康, 杨翠红等. 投入产出技术. 科学出版社, 2011.

陈锡康, 王会娟. 投入占用产出技术. 科学出版社, 2016.

免责申明
本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求，本公众号内容仅面向华泰证券客户中的专业投资者，请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者，请取消关注本公众号，不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限，若给您造成不便，烦请谅解！本公众号旨在沟通研究信息，交流研究经验，华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。

本公众号研究报告有关内容摘编自已经发布的研究报告的，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。如需了解详细内容，请具体参见华泰证券所发布的完整版报告。

本公众号内容基于作者认为可靠的、已公开的信息编制，但作者对该等信息的准确性及完整性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。

在任何情况下，本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。

本公众号版权仅为华泰证券股份有限公司所有，未经公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。

林晓明
执业证书编号：S0570516010001

华泰金工深度报告一览
金融周期系列研究（资产配置）

【华泰金工林晓明团队】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法

【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增，待趋势明朗把握或更大20191022

【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826
【华泰金工林晓明团队】如何有效判断真正的周期拐点？——定量测度实际周期长度提升市场拐点判准概率
【华泰金工林晓明团队】基钦周期的长度会缩短吗？——20190506
【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（下）
【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（上）
【华泰金工林晓明团队】周期轮动下的BL资产配置策略
【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究
【华泰金工林晓明团队】市场拐点的判断方法

【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告（上）
【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（四）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（三）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（二）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（一）——华泰金工周期系列研究

【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索

【华泰金工林晓明团队】市场周期的量化分解

【华泰金工林晓明团队】周期研究对大类资产的预测观点

【华泰金工林晓明团队】金融经济系统周期的确定（下）——华泰金工周期系列研究

【华泰金工林晓明团队】金融经济系统周期的确定（上）——华泰金工周期系列研究

【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列

行业指数频谱分析及配置模型：市场的周期分析系列之三

【华泰金工林晓明团队】市场的频率——市场轮回，周期重生

【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探

FOF与金融创新产品
【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究
【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一

因子周期（因子择时）

【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三
【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二
【华泰金工林晓明团队】因子收益率的周期性研究初探

择时
【华泰金工林晓明团队】波动率与换手率构造牛熊指标——华泰金工量化择时系列

【华泰金工林晓明团队】A股市场低开现象研究
【华泰金工林晓明团队】华泰风险收益一致性择时模型
【华泰金工林晓明团队】技术指标与周期量价择时模型的结合
【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用

行业轮动
【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十

【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九
【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八

【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七
【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六
【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五
【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四
【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三
【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二
【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一

Smartbeta
【华泰金工林晓明团队】博观约取：价值和成长Smart Beta——华泰Smart Beta系列之二

【华泰金工林晓明团队】Smart Beta：乘风破浪趁此时——华泰Smart Beta系列之一
【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一

多因子选股
【华泰金工林晓明团队】华泰单因子测试之历史分位数因子——华泰多因子系列之十三

【华泰金工林晓明团队】桑土之防：结构化多因子风险模型——华泰多因子系列之十二

【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一
【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十
【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九
【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八

【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七
【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六

【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五
【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四
【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三
【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二

【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一
【华泰金工林晓明团队】五因子模型A股实证研究
【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二

人工智能
【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五

【华泰金工林晓明团队】投石问路：技术分析可靠否？——华泰人工智能系列之二十四
【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三
【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二
【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一
【华泰金工林晓明团队】必然中的偶然：机器学习中的随机数——华泰人工智能系列之二十
【华泰金工林晓明团队】偶然中的必然：重采样技术检验过拟合——华泰人工智能系列之十九

【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八

【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七
【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六
【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五

【华泰金工林晓明团队】对抗过拟合：从时序交叉验证谈起

【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三

【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二
【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一

【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十
【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九

【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八
【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七

【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六

【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五
【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四
【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三

【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二

指数增强基金分析
【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告
【华泰金工林晓明团队】酌古御今：指数增强基金收益分析
【华泰金工林晓明团队】基于回归法的基金持股仓位测算
【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证

基本面选股
【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究
【华泰金工林晓明团队】华泰价值选股之FFScore模型

【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究
【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究
【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究
【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究

基金定投
【华泰金工林晓明团队】大成旗下基金2018定投策略研究
【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四
【华泰金工林晓明团队】基金定投3—马科维茨有效性检验

【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法

【华泰金工林晓明团队】基金定投1—分析方法与理论基础

其它
【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二
A股市场及行业的月份效应——详解历史数据中的隐藏法则