光大证券-行业景气度研究系列报告之一：汽车，周期律动，先知先觉-190104

《光大证券-行业景气度研究系列报告之一：汽车，周期律动，先知先觉-190104（27页）.pdf》由会员分享，可在线阅读，更多相关《光大证券-行业景气度研究系列报告之一：汽车，周期律动，先知先觉-190104（27页）.pdf（27页精品完整版）》请在悟空智库报告文库上搜索。

        本篇报告是光大金工行业景气度系列报告的第一篇，首先介绍了行业景气度的研究框架，并结合光大证券汽车行业的汽车投资时钟理论，构造了汽车行业景气度的动态预测模型，实现了对汽车行业未来周期阶段的量化预测，为投资者观察汽车行业景气变化及投资决策提供帮助。    
        按照光大证券汽车时钟理论，主动补库阶段最具投资价值。结合库存周期理论，我们将汽车行业的周期划分为四个阶段（主动补库、被动补库、主动去库、被动去库），其中，主动补库阶段最具投资价值，量化划分方式下，行业指数月度胜率超过70%；主动去库阶段需警惕，行业指数月度胜率仅30%左右。  
        金融指标对于汽车行业的需求具有前瞻性。国债到期收益率、社会融资规模、M2等金融指标对于汽车行业需求具有前瞻性，与需求指标的相关系数超过0.5，最优领先期数的标准差低于3.5，说明金融指标的前瞻性较为稳定。  
        购置税减征政策对行业景气度影响显著。我们通过景气度指标对购置税减征政策虚拟变量的回归检验，发现5%购置税减征政策实施对于汽车行业的需求具有明显的刺激作用，而在购置税减征政策的后半段，7.5%购置税减征政策期间，政策刺激作用明显回落，对于库存有正向的影响。  
        DMA模型预测精度具有明显优势。以传统的OLS回归预测模型为基准，比较发现可动态调整各影响因素权重的DMA模型的预测能力具有明显优势，对于需求指标的预测准确度达77.1%；对于库存指标的预测准确度达78.3%。同时，纳入政策变量对DMA模型的预测能力并无明显提升，这也从另一侧面反映出DMA模型对于宏观环境的适应效率较高，无需再加入政策变量提升模型适应效率。  
        投资观点：2019年1月大概率处于主动去库阶段。我们运用本文所构建的汽车行业景气度预测模型分别对2019年1月需求指标和库存指标进行预测，模型认为2019年1月需求指标和库存指标仍将大概率继续下滑，对应汽车行业大概率处于主动去库阶段，投资机会较小。  
        风险提示：行业景气度预测模型均是在一定行业背景下建立的，如果行业内发生影响行业基础逻辑的事件，景气度预测模型很可能失效；适应新的宏观环境下推出的新的刺激性政策，也有可能影响模型的预测准确度；行业景气度模型未考虑个股自身风险。（本文测试时段：2006年1月1日至2018年11月30