行业配置模型与当前市场表现 [page::0][page::1][page::4]

• 当前行业轮动模型基于景气度、趋势与拥挤度三维指标，构建清晰的行业配置图谱。

- 重点推荐行业ETF组合权重：电子20%、通信17%、传媒16%、银行13%、建材9%等。

• 2025年主要主线行业包括TMT板块、银行、制造和部分消费行业。

- 各行业景气指数显示周期行业如钢铁、煤炭、玻璃、汽车仍处扩张且近期景气度边际上升。

行业相对强弱指标构建与应用 [page::2][page::3]

• 通过20、40、60交易日涨跌幅排名归一化形成行业相对强弱指数RS。

- 年内RS超过90%行业表现为年度领涨主线，有效捕捉了2024年与2025年重要行业表现。

• 2025年4月底已有17个行业符合RS90信号，包括通信、有色、电子、计算机、银行等。

- 行业主线信号与景气度趋势模型共振，提升行业配置的时机判断能力。

行业景气度-趋势-拥挤度模型表现与资产配置 [page::4][page::5][page::6]

• 两大右侧策略有效互补，景气模型偏进攻性，趋势模型偏动量驱动，拥挤度用于风险提醒。

- 历史回测数据显示年化超额收益达14%，信息比率1.52，最大回撤8%，月度胜率68%。

• ETF层面策略对标中证800，年化超额收益15.7%，信息比率1.8，2025年累计超额9.3%。

- 构建哑铃型配置策略，左侧配置银行、有色、建材等价值股，右侧配置科技TMT板块。

景气度投资选股策略 [page::6]

| 股票代码 | 个股简称 | 所属行业 | 权重 |
|-----------------|------------|--------------|---------|
| 601728.SH | 中国电信 | 通信 | 5.3% |
| 300308.SZ | 中际旭创 | 通信 | 3.5% |
| 002948.SZ | 青岛银行 | 银行 | 3.4% |
| 002714.SZ | 牧原股份 | 农林牧渔 | 3.3% |
| 300502.SZ | 新易盛 | 通信 | 3.1% |
| 600908.SH | 无锡银行 | 银行 | 2.7% |
| 603323.SH | 苏农银行 | 银行 | 2.6% |
| 002807.SZ | 江阴银行 | 银行 | 2.5% |
| 601860.SH | 紫金银行 | 银行 | 2.3% |
| 601899.SH | 紫金矿业 | 有色金属 | 2.1% |

• PB-ROE多因子模型用于行业内精选估值性价比高的股票。

- 策略年化收益26.7%，超额20%，信息比率1.7，最大回撤约15.4%，月度胜率69%。

左侧库存景气反转模型与回测表现 [page::6][page::7]

• 针对近年景气和动量因子衰退，开发基于库存与分析师乐观度的反转策略。

- 策略2023年绝对收益13.4%，2024年25.9%，2025年至今23.8%，均超额行业等权表现。

• 当前推荐行业包括农用化工、普钢、乘用车、专用材料、光学光电、新能源动力系统等。

国盛量化 | 行业ETF轮动模型2025年超额9.3% 报告深度分析

---

一、元数据与报告概览

• 标题： 《行业ETF轮动模型2025年超额9.3%》

- 作者及团队： 国盛金融工程团队，主要联系人为刘富兵、林志朋、汪宜生

• 发布机构： 国盛证券研究所

- 发布时间： 2025年9月10日

• 报告主题： 基于量化模型的行业ETF轮动配置策略及行业景气度趋势分析，重点评估行业配置模型在2025年的超额收益表现及优化配置建议

报告核心观点与目标：

本报告围绕量化构建的行业ETF配置与轮动模型展开，结合行业相对强弱指标和景气度-趋势-拥挤度三维框架，构建了覆盖31个一级行业的配置策略。当前模型在2025年已实现相对中证800超额9.3%的表现。报告强调TMT（科技、传媒、电信等）、银行、制造业、部分消费板块的共振，推荐“双手抓”策略——左手稳定价值行业，右手高景气科技行业。报告还介绍了左侧库存反转模型作为对右侧趋势模型的有效补充。

[page::0,1]

---

二、逐章节深度解读

2.1 行业ETF轮动模型总体框架与现状

报告构建了两大类模型：

• 右侧模型： 包含行业景气度模型与趋势模型，基于景气度、趋势与拥挤度三指标构建多维度的行业配置框架。

- 左侧模型： 库存景气反转模型，基于困境反转逻辑，从赔率胜率角度寻找当前库存压力低、分析师看好且具备补库条件的行业。

当前行业景气度综合处于扩张状态，尤其是周期性行业如钢铁、煤炭、玻璃、汽车边际景气度上行。右侧模型推荐的行业配置比例集中在电子（20%）、通信（17%）、传媒（16%）、银行（13%）和建材（9%）等，明显偏爱TMT板块。报告指出钢铁、非银金融、军工等行业拥挤度较高，潜在风险提升。[page::0,1]

2.2 行业相对强弱指数（RS）模型分析

报告提出基于20、40、60交易日涨跌幅排名均值的行业RS指标，发现RS大于90%的行业往往在年内成为领涨行业。2024年主要强势行业有煤炭、电力、银行、石油石化、通信、有色金属等，验证了高股息、资源品、出海和AI四大主线。在2025年截至4月底，17个行业创出高RS信号，涵盖TMT、银行、制造和部分消费，表明行业强势信号分布广泛，配置难度增大，建议均衡配置。

该模型的背后假设是过去20-60日的相对表现能够捕捉行业短期动能，适合捕捉市场风格切换节奏。数据表明信号出现后，相关行业平均绝对收益及相对收益均表现抢眼。例如，2025年通信行业涨63%，出现信号后绝对收益58.8%，相对收益38.5%。[page::2,3,4]

2.3 行业景气度-趋势-拥挤度三维框架

报告通过景气度（行业景气程度）、趋势（价格走势趋势）、拥挤度（三维风险指标）三个维度筛选行业：

• 景气度高且趋势强，拥挤度低的行业为核心配置首选；

- 拥挤度高的行业需警惕追高风险；

• 景气度低且趋势弱的行业应避免配置。

报告回测显示，该框架多头策略年化收益22%，超额14%，信息比率1.52，最大回撤-8%，月胜率68%。2023年超额7.3%，2024年5.7%，2025年截至目前3.1%。

当前电子、传媒、通信、银行行业景气度趋势均高且拥挤度较低，构成配置主线。钢铁、非银金融、军工拥挤度偏高，需注意潜在风险。

图表展示了各行业分布于四象限——强趋势高景气区主要是电子、传媒、通信，且TMT拥挤度显著回落，宜重点关注。配置策略提出“左手稳定价值（银行、有色、建材等）+右手科技”哑铃型配置方案。[page::4,5]

2.4 行业ETF配置与选股模型

ETF层面，行业景气模型在中证800基准上实现年化超额收益15.7%，信息比率1.8，最大回撤10.8%，2023年至2025年均稳健超额。

为了覆盖无ETF的细分行业，报告提出通过PB-ROE估值性价比模型选股，筛选行业内估值合理股票（前40%），加权形成选股组合。该选股策略年化多头收益26.7%，相对Wind全A指数超额20%，信息比率1.7，最大回撤-15.4%，月胜率69%。2023-2025年均有较好表现。

代表性重仓股包括中国电信、中际旭创、青岛银行、牧原股份、新易盛、无锡银行、江苏农商银行、紫金矿业等，涵盖通信、银行、有色金属等重点行业。[page::6]

2.5 左侧库存景气反转模型

鉴于景气度和动量因子近期效用减弱，报告研发库存景气反转模型，基于行业库存修复潜力和分析师信心，挖掘补库存周期的行业困境反弹机会。

回测显示该模型2023年绝对收益13.4%，相对行业等权超额17%，2024年绝对收益25.9%，超额14.8%，2025年绝对收益23.8%，超额5.8%。明显优于等权基准。

推荐细分方向涵盖农用化工、普钢、乘用车、专用材料、光学光电、新能源动力系统等，适合利用左侧机会捕获补库存行情。[page::6,7]

---

三、图表深度解读

图表1（周期行业综合及分行业景气指数，page 1）

• 显示2008年至2026年周期行业和多个细分行业（如钢铁、煤炭、水泥、玻璃、汽车、基础化工等）的景气指数历史波动趋势。

- 从图中可见，行业景气度有明显周期性波动，2025年整体处于温和扩张态势，尤其钢铁、煤炭、玻璃和汽车景气边际上升。

• 该图支持报告中周期行业整体景气扩张的观点，为行业配置提供宏观环境依据。

图表2（行业ETF景气度-趋势-拥挤度图谱，page 2）

• 横轴为景气度，纵轴为趋势，气泡大小代表拥挤度（蓝色大泡沫低拥挤，红色大泡沫高拥挤）。

- TMT相关行业，如CS电子、人工智能、5G通信集中于强趋势-高景气象限，且拥挤度适中偏低，说明配置价值明显。

• 红色气泡如中证创新药、证券等拥挤度高，提示追高风险。

- 该图直观揭示行业配置现状及风险示警，支持文中行业推荐和风控框架。

图表3 & 4（行业相对强弱指数年度复盘，page 3-4）

• 以表格形式详列行业涨跌幅、RS信号出现时间及信号后绝对和相对收益。

- 2024与2025年数据显示RS大于90%信号对应行业普遍表现优异，并以此验证RS模型的市场把握能力。

• 复盘显示信号提前出现能有效指导年度行业主线投资。

图表5 & 6（行业景气趋势策略表现及模型超额收益，page 5）

• 图5体现行业景气趋势模式净值持续攀升，远超基准。

- 图6展示去除极端拥挤与极端低景气后的趋势及景气度策略表现，对比并行策略进一步优化超额收益。

• 数字说明该策略具备稳定且可复制的盈利能力。

图表8 & 9（行业ETF配置组合表现及景气度选股策略表现，page 6）

• ETF组合自2016年以来取得稳健上升趋势，明显跑赢中证800。

- 选股策略净值曲线显著优于基准Wind，说明估值筛选有效提升了收益。

• 两组数据共同证实模型从行业到个股均具较好执行力和盈利能力。

图表11（左侧库存景气反转模型表现，page 7）

• 显示库存反转策略自2016年以来净值表现相较行业等权显著优势，2024-2025年表现尤为突出。

- 明确验证该模型在当前市场环境作为补充的有效性。

---

四、估值与配置策略分析

报告主要使用的是相对定价与因子模型框架，没有传统的绝对估值模型（如DCF或绝对P/E计算），而通过：

• 相对强弱RS指标捕捉行业动能趋势；

- 景气度（供需、盈利能力、增长预期）与趋势及拥挤度的三维测算辅助配置；

• PB-ROE模型筛选个股，兼顾价值与质量。

关键假设包括市场持续存在行业轮动规律，行业涨幅的历史排序可用作未来表现预判，以及估值模型可明确捕捉行业内部优质资产。模型对拥挤度的量化计量用于降低规模效应带来的风险，保证投顾安全边际。

模型形成的行业配置权重结合了历史统计和当前风险点，模型的优劣依赖于周期性行业景气信号、行业交易偏好以及估值合理性。

---

五、风险因素评估

报告明确指出：

• 模型及结论基于历史数据和统计测算，存在历史经验失效风险。

- 市场环境若发生显著改变，模型适用性可能下降，导致失效。

• 拥挤度高的行业风险较大，警示需控制仓位避免追高。

- 个人投资者若无专业顾问支持，可能对模型结果产生误解，存在投资损失风险。

报告无具体对冲或缓解策略，但通过拥挤度指标和多模型交叉验证提升模型稳健性。

---

六、批判性视角及细微差别

• 模型对历史规律的依赖较强，在市场剧烈转折或制度变革时，模型应变能力有限。

- 右侧模型偏重趋势和景气，市场极端情绪和流动性变化可能导致预测误差。

• 拥挤度量化指标虽防范过度拥挤风险，但难完全反映所有市场结构性风险。

- 库存反转模型为左侧反向选股引入可能提升收益，但相对复杂，且补库时间判断存在不确定性。

• 报告中对4月底前半数行业强势信号的表述显示今年市场轮动频繁，模型可能需更频繁动态调整。

- 由于文章节选有限，部分细节如因子计算具体参数、拥挤度定义细节未充分公开，影响外部验证。

---

七、结论性综合

国盛量化团队通过多年积累，基于行业相对强弱指标和景气度-趋势-拥挤度三维框架，构建了成熟的行业ETF轮动配置模型。2025年该模型实现相对中证800超额9.3%显著超额收益，表明策略有效性强。

模型实现策略上“左稳右攻”双轮驱动，即：左侧布局稳定价值型周期行业（银行、有色、建材、农林牧渔、商贸零售），右侧加码景气度强、高景气趋势明确的科技类TMT板块（电子、传媒、通信）。拥挤度指标帮助避免了追高风险，增强组合的风险控制能力。

图表1和图表2清晰展现了周期性行业景气度整体扩张及TMT板块在景气与趋势上的领先优势；图表3和图表4的RS指标年内走势强劲，说明模型对领涨行业的识别准确；图表5至图表9的策略表现数据揭示模型不仅在ETF配置层面优势明显，同时在选股策略层面也实现高收益，凸显模型的可行性和完整性；图表11补充说明左侧库存反转模型，为传统趋势模型提供了有效的反向机会补充。

整体来看，国盛金融工程团队打造的行业ETF轮动模型基于多维量化指标构建出稳定且优异的策略体系，适合结构性多变且景气波动显著的A股市场。结合风险提示，投资者应关注模型风险点，灵活调整以应对市场变化。

---

附：部分关键图表示意

• 

-

• 

-

• 

-

---

【注：本分析全面基于报告内容及数据，遵循学术严谨性要求】[page::0,1,2,3,4,5,6,7,8]

报告