相似预期差行业轮动模型构建与回测 [page::0][page::1][page::2]

• 股票距离由市盈率相对值、ROE和资产增长率的欧氏距离定义，筛选相似股票构造因子。

- 因子IC均值0.11，ICIR 0.36，表现出显著的预测能力。

• 样本期年化收益率11.62%，最大回撤19%，明显优于万得全A和中信行业等权指数。

- 近一年月度策略收益表现稳健，超额收益明显。

动态分析师预期边际变化行业轮动模型及表现 [page::3][page::4][page::5]

• 基于多维度分析师一致预期变动率，赋予不同阈值打分，构建动态分析师预期因子。

- 因子IC均值0.06，ICIR 0.22，表现稳定但低于相似预期差因子。

• 策略年化收益率8.70%，最大回撤32%，表现优于基准指数。

- 近一年收益波动反映因子对市场动态的响应能力。

行业配置建议与ETF组合构建 [page::6]

| 行业轮动模型 | 2025年6月配置观点 |
|-----------------------------|-----------------------------------------|
| 相似预期差行业轮动模型 | 煤炭、家电、银行、纺织服装、电力及公用事业、交通运输 |
| 分析师预期边际变化行业轮动模型 | 家电、汽车、钢铁、有色金属、传媒、建材 |

• ETF组合重点配置煤炭、家电、银行、传媒、电子等主流行业ETF品种，精选流动性及规模较大产品。

- 风险提示包括市场环境变化及第三方数据风险，ETF组合不构成收益保证，投资需谨慎。

数据来源：Wind，西南证券整理

【西南金工】行业配置策略与ETF组合构建（2025年6月）详细分析报告

---

1. 元数据与报告概览

• 报告标题：行业配置策略与ETF组合构建（2025年6月）

- 作者：郑琳琳、王天业，及西南证券研究团队

• 发布机构：西南证券股份有限公司

- 发布日期：2025年6月4日

• 主题：基于“相似预期差”与“分析师预期边际变化”两个行业轮动模型，结合ETF基金数据，构建行业配置策略并进行组合构建。

核心论点与目标：

报告主张通过两大量化行业轮动因子（“相似预期差”因子和“分析师预期边际变化”因子）构建有效的行业配置策略，历史表现优异且较为稳健。基于最新数据，报告更新了6月行业配置观点及ETF组合构建方案，强调利用行业轮动模型帮助投资者把握行业配置机会，同时也结合ETF产品提供实际落地方案，目标在于实现超越行业等权指数和万得全A指数的超额收益。

整体报告没有明确给出买入/卖出评级意义上的股票评级或目标价，而是致力于行业配置及ETF组合构建建议，属于量化策略和资产配置研究报告范畴。[page::0][page::1]

---

2. 逐节深度解读

2.1 相似预期差行业轮动模型

2.1.1 模型简介与方法

核心逻辑是利用“相似股票”的历史表现差异，筛选出相似股票群中表现优秀但自身股价尚未大幅上涨的个股或行业。具体方法包括：

• 定义股票间的“距离”（欧氏距离），用市盈率相对行业值、净资产收益率（ROE）、资产增长率三个标准化指标构造距离公式，以量化股票相似性。

- 计算个股的相似预期差因子：选出距离低于阈值的相似股票集合，比较其市值加权的过去一个月收益率与该股本身的收益率差异。

• 行业层面则对行业内所有股票计算该因子值，取算数平均作行业因子值。

此模型依赖于量化处理的财务指标和历史收益数据，以发现潜在的行业轮动和个股配置机会。[page::1]

2.1.2 历史回测

样本期为2016年12月至2025年5月。回测结果显示：

• 信息系数（IC）均值为0.11，IC与均值同向的占比64.36%，ICIR（IC的收益风险比）为0.36，表明模型具有统计上的显著性和一定的预测能力。

- 多头Top6策略年化收益率11.62%，显著优于万得全A（3.60%）和行业等权指数（2.87%）。

• 策略波动率适中（0.17），最大回撤19%，表现出比基准更好的风险控制能力。

- 累计净值达2.23，收益波动比0.67，说明收益的风险调整后表现良好。

图1展示IC统计情况，显示因子在长期大多数时期保持正向相关性；图2呈现过去一年行业轮动月度收益率，策略在多个月份实现正收益且超越行业等权。[page::1][page::2]

2.1.3 策略跟踪及推荐行业

当前（2025年6月）模型推荐行业包含：煤炭、家电、银行、纺织服装、电力及公用事业、交通运输，表3汇总了近几个月策略推荐行业与对应收益及超额收益的情况。5月相似预期差模型配置银行、消费者服务等行业取得正向超额收益，说明策略的行业选择具备实际效能支持。[page::3]

---

2.2 分析师预期边际变化行业轮动模型

2.2.1 模型介绍

基于分析师对于每股收益的动态预期变化，通过近1月和3月一致预测的每股收益变化率数据，合成多项评分指标。采用打分法（预期上调+1，下调-1，且细分不同阈值区间）来淡化绝对变化差异，最后以行业内市值加权平均得出动态分析师预期因子。

该方法旨在捕捉分析师对未来业绩变化的信号，反映行业整体景气度及市场预期变化动态。[page::3]

2.2.2 历史回测与策略表现

• 2016年12月到2025年4月样本回测显示：动态分析师预期因子IC均值为0.06，IC同向比例59.41%，ICIR为0.22，预测能力略低于相似预期差因子，但依然显著。

- 多头Top6组合表现年化收益率8.70%，依然超过万得全A指数（3.60%）和行业等权指数（2.87%）。

• 年化波动率0.19，略高于相似预期差模型，最大回撤达到32%，风险曝露稍高。

- 累计净值1.74，收益波动比0.46，说明策略依然稳健但波动较前者略大。

图4展示该因子的IC统计曲线，显示波动较大但整体偏正向；图5反映过去一年月度收益状况，图6表现了策略的净值累积与基准的对比，均体现该因子具备相当的行业轮动效能。[page::4][page::5]

2.2.3 推荐行业

最新配置观点为家电、汽车、钢铁、有色金属、传媒、建材，对比相似预期差模型部分行业有所重叠但也体现不同轮动表现，强调多因子配合可能带来更完整覆盖。5月份家电和传媒等行业表现优异。[page::5]

---

2.3 模型汇总与策略情景分析

• 表7总结了两个行业轮动模型2025年6月的最新行业配置观点。

- 表8显示策略在不同市场情景（如快速下跌、强劲反弹、震荡上行等）中的超额收益表现。数据显示相似预期差因子在多数情景下表现优异，尤其在震荡上行阶段超额收益明显。分析师预期因子表现较为温和，与行业等权指数相比提供稳定正向贡献，但在快速反弹和快速下跌阶段表现波动较大。

• 行业等权指数在绝大多数快速下跌情景均显著负收益，说明模型因子策略具备一定防守特性。[page::6]

---

2.4 ETF组合构建

报告结合量化行业轮动模型结果，给出具体ETF层面的组合构建方案：

• 组合覆盖行业为煤炭、家电、银行、传媒、电子。

- 选取市值规模较大的行业主题ETF，如国泰中证煤炭ETF（38.25亿份基金份额）、广发中证传媒ETF（31.8亿份）、国联安中证半导体ETF（223.01亿份）等。

• 表格展示了各ETF具体代码、简称、全称及基金份额，体现配置的流动性和规模基础，方便投资者实际操作参考。

ETF组合构建方案兼顾模型推荐与市场主流ETF基金的流动性及规模优势，体现策略务实性。[page::6]

---

2.5 风险因素评估

报告明确指出策略和结论基于公开历史数据，未来市场环境变化可能导致因子表现偏离预期。

主要风险包括：

• 市场环境与模型历史假设不符，导致策略失效。

- 第三方数据可能存在不准确性，影响因子计算。

• ETF产品受到宏观经济、市场风格转换等多重因素影响，存在波动风险。

报告建议投资者需充分认知自身风险承受能力，该策略与ETF组合不构成收益保证，也非具体投资建议。

此风险提示体现了模型结果的历史局限性和实际市场的不确定性，较全面且现实。[page::6][page::7]

---

2.6 研究团队介绍与分析师承诺

报告后附团队成员介绍，均为持证证券分析师，具备专业资格，涵盖金融工程、量化选股、行业轮动等领域的研究人员，确保研究的专业性和独立性。此外，分析师承诺不受外部利益干扰，保证报告独立客观。

重要声明明确该报告仅供专业投资者参考，不构成投资建议，符合法规合规要求。[page::8][page::9][page::10]

---

3. 图表深度解读

3.1 表1：相似预期差因子信息系数分析

| 因子 | IC均值 | IC标准差 | t统计量 | IC胜率 | IR比率 |
|------------------|---------|----------|---------|---------|---------|
| 相似预期差因子 | 0.11 | 0.30 | 3.60 | 64.36% | 0.36 |

• 解释：IC（信息系数）衡量因子排序能力，IC均值0.11且显著，表示该因子能稳定与后续收益同向，IC胜率64.36%说明超过六成时间因子方向正确。

- IR（信息比率）0.36显示因子的收益风险比相对较好。

3.2 图1：行业维度相似预期差因子IC统计图

• 图中以柱状展示每月IC值，线条为IC累积。

- 自2017年以来，IC值呈现波动但整体有上升趋势，表明模型随时间逐渐获得更稳定的预测能力。

3.3 表2：相似预期差行业轮动策略收益表现（2016年以来）

| 策略 | 年化收益率 | 年化波动率 | 累计净值 | 收益波动比 | 最大回撤率 |
|----------------|------------|------------|----------|------------|------------|
| 相似预期差因子 | 11.62% | 0.17 | 2.23 | 0.67 | 19% |
| 万得全A | 3.60% | 0.18 | 1.18 | 0.20 | 33% |
| 行业等权 | 2.87% | 0.18 | 1.11 | 0.16 | 32% |

• 该表突出相似预期差因子策略的优异表现，尤其在收益和最大回撤表现上显著优于基准。

3.4 图2：近一年相似预期差行业轮动策略月度收益率

• 条形图对比多头策略与行业等权指数月度收益，折线图呈现超额收益率。

- 大部分月份策略收益为正且高于行业等权，说明策略运行稳定。

3.5 图3：相似预期差多头策略净值变化图

• 展示2016年底起的策略、多头组合和行业等权指数净值走势。

- 策略净值增长明显且稳健，远超基准，凸显模型的投资价值。



---

3.6 表4：动态分析师预期因子信息系数分析结果

| 因子 | IC均值 | IC标准差 | t统计量 | IC胜率 | IR比率 |
|--------------------|--------|----------|---------|---------|--------|
| 动态分析师预期因子 | 0.06 | 0.27 | 2.19 | 59.41% | 0.22 |

• IC均值虽比相似预期差低，但依旧显著，表明该因子同样具备一定的预测能力。

3.7 图4：动态分析师预期因子IC统计图

• 同样显示IC波动及累积走势，波动幅度相对较大，趋势仍偏积极，但稳定性不及前者。

3.8 表5：动态分析师预期行业轮动策略收益表现

| 策略 | 年化收益率 | 年化波动率 | 累计净值 | 收益波动比 | 最大回撤率 |
|----------------------|------------|------------|----------|------------|------------|
| 动态分析师预期因子 | 8.70% | 0.19 | 1.74 | 0.46 | 32% |
| 万得全A | 3.60% | 0.18 | 1.18 | 0.20 | 33% |
| 行业等权 | 2.87% | 0.18 | 1.11 | 0.16 | 32% |

• 策略表现优于基准，但最大回撤较大，风险较相似预期差因子稍高。

3.9 图5与图6：动态分析师预期策略月度收益率与净值走向

• 图5显示月度收益率波动明显，且多数月份收益为正或稍负，策略表现较为分散。

- 图6体现了净值累计与对比基准的走势，整体向上但部分阶段回撤明显。





---

3.10 表7与表8：行业模型配置与情景分析

• 表7直观对比两大模型的2025年6月行业配置建议，方便投资者理解组合差异及互补性。

- 表8情景分析揭示策略在不同市场环境中的表现优势与弱势，尤其相似预期差策略在调整期间表现更为抗跌。

---

3.11 ETF组合表

• ETF配置覆盖煤炭、家电、银行、传媒、电子五大行业。

- 具体基金代码及规模展示了策略的实际可操作路径与流动性保障。

---

4. 估值分析

本报告侧重行业轮动因子选股和配置策略的量化研究，没有对个股进行传统的估值方法（如DCF、P/E等）分析，因此没有估值模型和相应估值结果。ETF组合构建基于行业轮动信号，强调行业配置和流动性，与基本面估值方法无直接挂钩。

---

5. 风险因素评估

• 市场环境变化风险：因子基于历史市场环境设计，未来市场若有重大变动（如政策、宏观经济、资本市场结构变化），模型预测可能失效。

- 数据风险：依赖第三方数据，数据不准确或滞后会影响因子计算及策略表现。

• ETF流动性及波动风险：虽然ETF基金选取了规模较大产品，仍面临市场波动、风格转换等风险。

- 策略表现不确定性：历史优异表现不保证未来收益，投资需谨慎。

报告强调投资者需针对自身风险承受能力理性使用策略。[page::6][page::7]

---

6. 批判性视角与细微差别

• 两大因子虽然均表现显著，但相似预期差因子统计指标高于分析师预期边际变化因子，提示模型选择应注重因子稳定性。

- 两模型在某些月份和情景下收益差异明显，单一模型可能存在轮动的局限，宜结合多因子策略。

• ETF组合配置虽基于模型推荐，但未详细说明具体权重分配，或对ETF间相关性分析，可能影响组合净效益。

- 策略最大回撤尚有上升空间，尤其是分析师预期模型，风险管理方面可进一步提升。

• 风险提示虽完整，但缺乏具体缓解措施建议，投资者需自行评估。

- 报告仅着眼于行业层面的轮动，没有涉及宏观因素、估值修正等多维度分析，影响面较窄。

• 报告未披露因子参数调整细节及模型优化历史，未来因子表现可能因市场变化而不同。

- 虽有较长历史样本期数据，但市场结构的变化可能导致模型预测有效期有限。

整体报告逻辑严谨，分析充分，但仍需警惕上述细微潜在局限。

---

7. 结论性综合

本报告创新地基于“相似预期差”和“分析师预期边际变化”两个核心量化因子构建行业轮动模型，并结合历史回测和策略跟踪，验证了模型较强的行业筛选能力和稳健的超额收益能力。报告显示：

• 相似预期差因子优势明显，IC均值达0.11，多头策略年化收益率11.62%，远超基准，且收益波动比0.67显示收益的稳定性较好。

- 分析师预期边际变化因子表现次之，IC均值0.06，年化收益8.7%，但最大回撤较大，策略风险较高。

• 两模型在行业配置上均各有侧重，2025年6月的相似预期差推荐煤炭、家电、银行等，分析师预期侧重家电、汽车、传媒等，形成互补。

- ETF组合构建实用，聚焦主流且规模较大的行业ETF, 方便投资者直接运用策略思路开展实际投资，具有较强的操作指导意义。

• 策略在不同市场环境均表现出相对抗跌能力及反弹把握能力，尤其在震荡上行阶段贡献突出。

- 报告严格披露风险提示，提醒投资者充分认知策略局限与市场风险，体现专业和合规。

综上，报告以严谨的量化模型为基础，结合丰富的数据验证及践行方案，提供了一套科学有效的行业轮动配置框架及ETF落地方案，适合寻求行业配置及量化选股思路的专业投资者参考。[page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7]

---

附录：部分重要图表展示

图1：行业维度相似预期差因子IC统计图

图2：近一年相似预期差行业轮动策略月度收益率

图3：相似预期差多头策略与市场指数净值变化图

图4：动态分析师预期因子IC统计图

图5：近一年动态分析师预期行业轮动策略月度收益率

图6：动态分析师预期多头策略与市场指数净值变化图

---

（以上分析严格基于《行业配置策略与ETF组合构建（2025年6月）》原始报告内容进行，含数据及图表深度解析，确保专业、客观、详尽。）

报告