• ETF市场与行业轮动背景 [page::0][page::1]

- 截至2022年2月，国内ETF基金数量676只，规模约14294亿元，股票型ETF规模9700亿元，覆盖263个基准指数。
- 个人投资者及机构投资者均增，且ETF投资者盈利概率高于单一股票投资者。
- 行业轮动现象显著，成为捕捉超额收益的重要切入点。

• “预期共振”行业轮动模型介绍及表现 [page::1][page::2]

- 该模型综合分析师预期共振、行业动量及景气度，形成行业轮动指标。
- 策略从2010年起多头组合年化收益率达17.56%，2021年多头收益为39.02%，显著超越基准。

• ETF组合构建难点及策略设计 [page::3][page::4]

- 行业中存在大量二级细分行业及主题ETF，导致同主题下多个类似ETF。
- 策略从ETF跟踪的标的指数和一级行业指数两个视角构建，应用打分与聚类方法避免重仓相似资产，提升组合稳健性。

• 六种ETF行业轮动策略比较分析 [page::5]

| 策略名称 | 总收益率 | 年化收益率 | 年化波动率 | 最大回撤 | 夏普比率 |
|---------------------|---------|-----------|-----------|---------|---------|
| 简单打分法 | 193.23% | 19.33% | 23.06% | 30.43% | 0.84 |
| 聚类打分法 | 172.50% | 17.90% | 21.54% | 33.33% | 0.83 |
| 聚类打分法（最小风险） | 168.04% | 17.58% | 21.07% | 32.33% | 0.83 |
| 得分映射行业法（单一） | 238.30% | 22.17% | 23.53% | 38.19% | 0.94 |
| 得分映射行业法（加权） | 218.89% | 20.98% | 23.02% | 38.32% | 0.91 |
| 行业权重优化法（中证800） | 119.81% | 13.81% | 20.42% | 31.58% | 0.68 |

- 来自一级行业视角的得分映射行业法（单一）收益率最高。
- 聚类打分法策略波动率和最大回撤皆优于简单打分法，策略整体稳健。
- 行业权重优化法适用于设定基准的稳健配置。

• 交易费用影响分析 [page::6]

| 策略名 | 年化收益率 | 年化收益率 (万分之1费率) | 年化收益率 (万分之2费率) | 年化收益率 (万分之3费率) | 夏普比率 (万分之3费率) |
|---------------------|-----------|-------------------------|-------------------------|-------------------------|-----------------------|
| 简单打分法 | 19.33% | 18.93% | 18.53% | 18.13% | 0.79 |
| 聚类打分法 | 17.90% | 17.53% | 17.15% | 16.77% | 0.78 |
| 聚类打分法（最小风险） | 17.58% | 17.18% | 16.77% | 16.37% | 0.78 |
| 得分映射行业法（单一） | 22.17% | 21.75% | 21.33% | 20.91% | 0.89 |
| 得分映射行业法（加权） | 20.98% | 20.59% | 20.19% | 19.80% | 0.86 |
| 行业权重优化法（中证800） | 13.81% | 13.58% | 13.36% | 13.13% | 0.64 |

- 交易费用对策略收益有一定侵蚀，但整体策略收益保持较强优势。

• 核心结论及策略建议 [page::6]

- ETF轮动策略基于“预期共振”行业指数评分，结合多层次ETF评分和聚类降低同质化风险。
- 得分映射行业法（单一）在收益层面表现最优，加权方法可有效控制波动。
- 行业权重优化适合需要风险控制和基准跟踪的投资者，提高策略稳健度。

招商定量 | 基于ETF的行业轮动策略实践——详尽分析报告

---

一、元数据与概览

• 报告标题：《行业轮动策略应用系列之一：基于ETF的行业轮动策略实践》

- 作者：招商定量任瞳团队，主要分析师任瞳、周靖明，实习生许继宏亦有贡献

• 发布机构：招商证券

- 发布日期：2022年4月29日

• 主题：针对A股市场的行业轮动现象，基于行业ETF构建并实践行业轮动的投资策略

核心论点与主要信息

本文旨在探讨如何利用行业ETF构建能捕捉行业轮动收益的组合策略。基于此前研发的“预期共振”行业轮动模型，尝试从两种不同视角（ETF跟踪标的指数和一级行业指数）构建六种ETF配置策略。实证结果显示，这些策略整体获得显著超额收益，且不同视角和方法表现各有千秋：

• 基于ETF跟踪标的指数的策略整体收益稍低，但波动率和收益稳定性更好。

- 基于一级行业指数视角的策略收益更高，但波动率略大。

• 通过聚类方法等优化，能有效缓解同类标的集中带来的波动风险。

- 不同配置策略在权衡收益、波动和最大回撤时体现出各自优势。

此外，报告强调所有模型均基于历史数据，存在市场环境变动带来的模型失效风险，投资者需谨慎。[page::0-6]

---

二、逐节深度解读

1. 引言与市场背景（页0-1）

报告首先明确，近年来A股行业轮动特征显著增强，ETF作为投资工具的重要性上升。国内ETF数量与规模自2018年以来爆发式增长，截至2022年2月底ETF基金总数676只，合计规模约1.43万亿元，覆盖263个基准指数。股票型ETF占主导，占总规模的近68%（9700亿元）[page::0]。

图1展示了2010年至2022年2月ETF数量（以柱状图体现）和合计资产净值（以折线体现）的增长趋势，显示自2018年以来ETF资产规模快速攀升，反映市场成熟与投资者热情不断增强。此外，2021年底ETF持有者个人投资者人数达514万，机构投资者2.08万，持有市值机构约为个人的2.3倍。ETF投资者盈利概率（61.3%）高于同时参与股票投资者（51.5%），表明ETF有提升投资效率的潜力[page::1]。

2. “预期共振”行业轮动策略（页1-3）

2.1 策略概述

“预期共振”模型由招商定量团队于2021年8月提出，聚焦行业内个股分析师预期的协同调整，把握“共振”效应，辅以行业动量与景气度验证，实现稳定超额收益。此模型旨在捕捉行业景气度变化带来的趋势，远离仅看单一指标的弊端，增强轮动指标的稳健性[page::1]。

图2通过示意图形象展示该模型的构成，核心为分析师预期，辅以动量和景气度两个辅助因子[page::2]。

2.2 策略收益回顾

采用该模型，每月末等权配置得分最高前20%的6个中信一级行业多头组合，回测显示：

• 2010年以来年化收益率约17.56%，夏普比率0.64，体现策略稳健[表1，页3]

- 2021年多头组合收益39.02%，空头收益5.88%，显著超越全行业基准12.33%收益

• 2022年初（截至2月底）多头收益1.69%，空头-8.58%，基准-5.07%[页2-3]

图3的历史表现曲线显示出多头组合持续拉升趋势，明显优于基准和空头组合，且收益波动适中[page::2]。

2.3 核心难点

论文强调，一级行业指数虽有代表性，但实际ETF市场存在大量细分领域指数与主题指数（如新能源细分的光伏、电池、新能源汽车等），这些二级指数与一级行业表现可能不完全同步，忽视细分领域可能错失机会[页3-4]。

图4展示了电力设备及新能源和医药行业下的细分主题结构，明确细分指数丰富度及主题多样性[page::4]。

此外，同一细分主题下存在多个类似ETF产品（如有色金属和证券公司领域内多个类似跟踪指数），需在构建组合时对同质化标的优化筛选，避免收益过度集中和波动加剧[page::4]。

3. ETF组合构建策略（页4-6）

报告针对上述难点，从两个视角设计策略：

• ETF跟踪标的指数视角：基于行业轮动模型的得分机制计算ETF所跟踪指数的得分。通过打分排名选取ETF，辅以聚类分析降低同质化风险。提出三种方法：

1. 简单打分法：直接配置得分排名靠前的20%ETF。
2. 聚类打分法：先对ETF指数进行聚类，避免组合中过度集中特定风险。
3. 聚类打分法（最小风险组合）：在聚类基础上进行最小风险优化，进一步稳健化组合。

• 一级行业指数视角：先依据一级行业得分确定推荐行业，然后再在对应行业内：

1. 选择跟踪指数得分最高ETF代表该行业（单一法）。
2. 基于ETF跟踪指数得分加权组合（加权法）。
3. 在有基准需求时，采用行业权重优化法，以中证800为例优化持仓权重，平衡收益和波动。

图5展示了类似标的的具体例子，反映实际操作中需要仔细筛选和优化的复杂性[page::4-5]。

4. 策略比较及交易费用敏感性（页5-6）

4.1 策略表现对比

表18详细列出六种策略（简单打分法，聚类打分法，聚类最小风险，得分映射单一，加权，行业权重优化）及对应基准的收益和风险指标：

• 年化收益率：得分映射行业法（单一）最高达22.17%，简单打分法19.33%，聚类法约17.58%-17.90%，行业权重优化法最低13.81%。

- 年化波动率：聚类方法下波动率（约21%）低于简单打分法（23%），行业权重优化法最低（20.42%）。

• 夏普比率：得分映射单一法最高0.94，简单打分法0.84，聚类法为0.83，行业权重优化法0.68，显示加权法及优化法增强了稳定性但收益略有下降。

- 策略整体收益显著超越基准，基准年化13.81%以下不等，且基准波动率远低于所有策略。

显著发现：

• ETF跟踪指数视角策略的收益相对较低，风险较小，收益更稳定。

- 一级行业视角策略收益更高，但波动和回撤也增加。

• 采取聚类和最小风险组合的策略有效降低波动率和最大回撤。

- 行业权重优化法在控制风险同时提供稳健超额收益，适合基准比较需求。[page::5]

4.2 交易费用敏感性

表19分析了不同假设的双边交易费率（千分之一、千分之二、千分之三）对年化收益率和夏普比率的影响：

• 交易费用增加导致策略年化收益率相应下降，但幅度控制在合理范围内（约0.4-1个百分点）。

- 夏普比率小幅下滑，但仍维持在健康区间，显示策略对交易费用具备一定耐受性。

• 得分映射行业法（单一）仍保持最佳表现，行业权重优化法与聚类法最小风险组合表现稳健。

- 由此表明，这些策略在实际操作中可兼顾成本控制与收益稳定[page::6]。

5. 报告总结与免责声明（页6-7）

• 行业轮动策略作为A股市场重要投资主题，本文系统梳理并实证了基于行业ETF的六种构建策略。

- 强调对行业细分与同质化现象的关键应对。

• 模型基于历史数据，提醒有模型失效风险。

- 报告附带严格的免责声明和分析师承诺，确保研究透明及客观[page::6-7]。

---

三、图表深度解析

图1：2010-2022年ETF数量及基金规模变化趋势

• 柱状图（左轴）显示ETF基金数量稳步增长，2021年后增速明显加快。

- 折线图（右轴）反映合计资产净值从2018年起快速增长，约由1000亿元升至超过1.4万亿元。

• 该趋势印证ETF在中国股票市场中的影响力显著增强，市场关注度和认可度提升[page::1]。

图2：“预期共振”行业轮动模型示意图

• 模型以“分析师预期”为核心，代表预期共振的关键因子。

- 旁辅以“动量”和“景气度”两大因子，形成多维度验证框架，强调多信号共振增强预测能力。

• 这种因子组合在多因素模型中较为典型，旨在减少孤立指标振荡带来的误判[page::2]。

图3：“预期共振”策略累计收益历史表现

• 多头组合曲线平稳向上，远超基准，显示该策略在过去十多年具备稳定超额捕获能力。

- 空头组合收益负值且波动较大，符合空头策略风险特征。

• 策略在样本内外均表现稳健，说明模型具有良好的泛化能力和实盘潜力[page::2-3]。

图4 & 图5：细分行业及同质化ETF示意图

• 图4展示细分主题指数分布，分别指向新能源、光伏、电池、新能源车等。

- 细分丰富度极大，而一级行业的简化表述不足以全覆盖多样化投资机会。

• 图5则展示有色金属和证券公司的同质化问题，多只ETF分别跟踪近似指数。

- 说明实际操作时需克服产品同质化带来的策略集中风险，提出通过聚类及优化方法加以解决[page::4]。

表1 & 表18-19：策略实证统计指标汇总

• 表1显示预期共振策略多头组合显著超越基准，年化收益提升约11%并具有正夏普比，说明风险调整后策略表现理想。

- 表18对比六种策略，揭示不同配置方法在收益、风险及稳定性上的权衡：
- 简单打分法收益最高但波动也较大；
- 聚类法提高收益稳定性，降低最大回撤；
- 结合一级行业视角映射ETF，收益与稳定性兼顾，最佳策略获得22.17%年化收益，夏普高达0.94。

• 表19细化交易费用影响，明确策略具备实操可行性，且交易成本影响有限。

- 统计覆盖2010年至2022年，样本充分，结论具有较强说服力和推广价值[page::3,5,6]。

---

四、估值分析

本报告的研究焦点为行业轮动策略和ETF组合构建，未涉及传统意义上对单一标的的估值分析方法（如DCF、市盈率等）。报告中涉及策略优化方法更多侧重统计、风险管理及组合构建层面，如聚类分析、最小风险组合优化和权重优化技术。

• 聚类方法利用统计学中的聚类算法处理ETF标的指数的相似性，降低同质化风险。

- 最小风险组合法通过数学优化最小化组合波动率。

• 行业权重优化则接近于基于中证800指数构建的指数增强策略。

这些方法依托统计学和金融工程，增强组合的风险收益效率，而非传统估值模型[page::4-6]。

---

五、风险因素评估

报告明确提出的主要风险：

• 模型失效风险：所有策略均基于历史数据回测，未来市场环境的变化（如政策调整、宏观经济波动、市场结构变动）可能导致模型无法维持过往效果，策略表现可能偏离预期。

- 行业和标的异动风险：细分行业间存在差异，同一主题多ETF同质化问题若处理不当，将可能放大风险。

• 交易成本和流动性风险：虽然交易费用敏感性分析表明策略对费用耐受性较好，实际交易中仍需关注ETF流动性及滑点风险。

- 数据和估计偏误：模型中分析师预期数据、指数成分数据及其它来源数据的准确性和及时性，可能影响评分与策略表现。

报告未详细说明缓解策略，投资者需结合自身风险偏好和市场情况，灵活调整。整体风险提示较为全面但较为宏观，未具体量化概率和影响程度[page::0,6]。

---

六、批判性视角与细微差别

• 历史数据依赖的局限：报告多次声明基于历史数据，且市场行情和政策环境的不可预见变化可能导致策略实际表现不及预期，提示投资者应保持警惕。

- 策略复杂度与操作难度：文中虽提出多种策略，但如何在实际基金管理中兼顾交易成本、流动性、市场冲击尚缺充分论述。例如，聚类和最小风险组合优化虽能降低风险，但对应的调仓频率和费用并未展开细节。

• 同质标的及细分行业问题：解决同类ETF的策略是通过聚类和得分映射，但实际中可能存在指数成分变化、基金管理水平差异带来的表现差异，简单以指数得分映射ETF可能忽略基金本身的管理风险。

- 风险提示较为笼统：风险提示集中在模型失效风险，但缺少对系统性风险、市场极端情绪波动等情形的关注。

• 设定多种组合方法并列比较，优劣虽有体现，但实际投资决策中如何权衡使用仍需更深入实操指引。

- 报告严谨、专业，但缺少对市场容量、投资者行为等非技术面因素的探讨。

整体而言，报告立足数据驱动，对行业ETF轮动策略深度研究充分，但在落地实施层面和风险管理细节上仍有提升空间[page::0-6]。

---

七、结论性综合

本报告系统展示并实证了基于“预期共振”行业轮动模型的ETF组合投资策略，围绕ETF跟踪指数与一级行业指数两大视角，构建了六种主要投资策略：

• ETF跟踪标的指数视角：简单打分法、聚类打分法、聚类打分法（最小风险组合）

- 一级行业指数视角：得分映射行业法（单一ETF代表）、得分映射行业法（加权组合）、行业权重优化法

实证结果显示：

• 所有策略均实现显著超额收益，2010年至今平均年化收益率达到13.8%至22.2%不等，夏普比率0.64至0.94，均显著优于基准。

- 聚类与最小风险方法有效降低波动率与最大回撤，增强策略稳健性。

• 通过得分映射行业法选择单一得分最高ETF收益最好，加权法虽收益略低但提高稳定性；行业权重优化法适合有基准约束的配置需求。

- 策略对双边交易费用千分之一至千分之三表现出较强的耐受性，提升策略现实可行性。

• 该研究有助于投资者系统理解A股行业轮动的ETF投资路径，提供实际落地的行业轮动配置方案。

图表深化理解：

• 图1揭示ETF行业持续快速成长的市场背景。

- 图3体现“预期共振”策略长期稳健优异的历史表现。

• 图4-5诠释了ETF投资中行业细分和产品重复的复杂挑战。

- 表格比较策略在风险收益上的权衡，详细展现各方法优劣。

整体看，报告确立的基于“预期共振”的行业轮动ETF组合构建框架，兼顾收益与风险，为A股投资者提供可操作的主动行业轮动配置方案，具有较高实用价值与参考作用。[page::0-6]

---

# 本次分析完毕。

报告