基于行业轮动模型的ETF组合风险收益特征 [page::3]

• 多维共振&SEUE超预期ETF组合近十年年化收益率22.2%，年化波动率32.6%，最大回撤44.2%。

- 该组合年化收益率和月盈亏比显著超越偏股混合基金指数，同时其波动率和换手率均处于主动权益基金前5%，表现出高换手高波动博取高收益的特征。

• ETF组合在市场上涨时期收益弹性更高，适合积极风险偏好的投资者。

申万多维共振行业轮动模型核心因子与表现 [page::4][page::5]

• 模型综合7个维度因子（趋势、动量加速度、成长、盈利、质量、资金、一致预期）等权打分选择前6个行业。

- 利用价格趋势（锚定比率）、动量加速度等因子控制短期交易情绪和资金流向，提升行业轮动组合的稳健性。

• 2012年至2023年多维共振行业组合年化收益16.5%，超越等权行业组合8.1个百分点，且超额收益波动率低。

SEUE超预期行业轮动模型简介及表现 [page::7][page::8]

• 基于个股季度业绩超预期、业绩预告超预期、机构预期变化和行业一致预期变化四个维度构建超预期因子。

- 模型重点推荐未被市场兑现的真实超预期行业，每月底选取得分最高的6个行业组合。

• 2016年至今年化收益率9.6%，相较一级行业等权组合具备稳定的超额收益。

ETF市场及构建方法论 [page::9][page::10][page::11]

• 行业主题ETF规模占比43%，数量远超宽基ETF，涵盖223个行业主题指数，投资标的丰富且持续增长。

- 由于同一指数通常有多个ETF产品，构建组合时优选流动性好、跟踪误差小、费率低的ETF。

• 利用行业暴露约束，将模型打分靠前的6个行业暴露大于0，其他行业暴露接近0，通过优化权重最大化组合收益，实现行业观点与ETF组合的精准匹配。

ETF组合回测结果及表现分析 [page::12]

• 多维共振ETF组合累计回报817%，相对沪深300超额回报737%；SEUE超预期组合累计回报565%，两个模型结合组合回报735%。

- 两模型结合的组合兼具多维共振的高收益弹性和SEUE超预期的低回撤特征，实现风险收益的平衡优化。

• 年化收益率22.2%，夏普比率0.68，Calmar比率0.50，显著优于沪深300和偏股基指数。

最新推荐ETF组合名单 [page::13]

• 包括绿色电力（399438.SZ）、中证钢铁（930606.CSI）、CS智能汽车（930721.CSI）、汽车指数（931008.CSI）、创新药（931409.CSI）、绿色电力（931897.CSI）等6个跟踪指数。

- 推荐ETF兼顾规模、流动性、管理费率及跟踪误差，为投资者提供优质组合选择。

构建基于行业轮动模型的ETF组合报告分析

---

1. 元数据与概览

• 报告标题：《构建基于行业轮动模型的 ETF 组合——ETF 策略兵器谱系列之一》

- 作者：证券分析师邓虎，研究支持王宇涵

• 发布机构：申万宏源证券研究所

- 发布日期：2023年11月26日

• 研究主题：基于申万宏源自有行业轮动模型设计ETF组合构建策略，探讨如何利用行业轮动模型提升ETF组合的风险收益特征及投资表现。

- 核心论点：
- 行业轮动模型提供了对行业未来表现的科学量化判断；
- 结合申万多维共振模型与SEUE超预期模型形成的ETF组合，在过去约10年内表现优异，年化收益率显著优于基准指数；
- 构建ETF组合时需以行业暴露为核心进行优化，控制行业权重暴露，提高组合收益且分散风险；
- ETF组合表现出较高换手率和波动率，侧重在市场上涨阶段获取更高收益弹性；
- 风险提示充分，提醒投资者合理评估自身风险承受力和基金产品特性。

作者旨在传递一种基于行业轮动模型的系统化ETF组合构建方法论，并提供切实可行的指数和ETF选择方案，帮助投资者掌握结构化、高弹性、高收益潜力的行业主题投资工具。[page::0,1]

---

2. 报告章节深度解读

2.1 基于行业轮动模型的ETF组合特征（第3页）

• 关键论点：

- 行业轮动模型因其对行业景气度、趋势及市场资金动态的综合判断，在实操上构建ETF组合存在映射难题；
- 不同模型构建的行业组合风险收益差异显著，如单一行业景气度模型在市场主线明确时弹性高但回撤大，趋势模型波动大且稳健性差；
- 结合多维共振和SEUE超预期模型得到更稳健、收益弹性结合的ETF组合；
- 2013年至2023年10年间，结合模型的ETF组合年化收益22.2%，波动率32.6%，最大回撤44.2%，均优于万得偏股混合型基金指数；
- 该组合在主动权益基金中年换手率和年化波动率处于前5%，体现策略以高换手、高波动博取高收益，尤其在市场上涨期收益弹性更佳。

• 逻辑与数据支持：

- 该组合通过多维共振提供多因子共振信号，SEUE提供真实未兑现业绩超预期信号，二者相互补充，兼顾基本面与市场预期；
- 风险收益指标详见图表和数据：年化收益率23.3%、19.6%、22.2%（多维共振、SEUE、合并），波动率接近30%；
- 图1展示了不同组合的风险收益特征表，图2为组合与主动权益基金的分位数表现。

• 结论：

- 多因子行业轮动模型下构建的ETF组合，波动率较高但换手率与收益均领先，适合有较高风险承受能力且追求超额收益的投资者。

2.2 申万多维共振行业轮动模型简介（第4至7页）

• 模型内容：

- 模型从七个维度评价行业：趋势（锚定比率）、动量加速度、成长、盈利、质量、资金和分析师预期变化；
- 通过等权合成为综合分数，每月底选择解析分数最高的6个一级行业进行等权配置。

• 关键指标说明：

- 锚定比率：基于过去一年价格最高点调整后的价格趋势指标，结合行业拥挤度调整，衡量中长期趋势及市场关注度；
- 动量加速度：价格变化的二阶导数，用以过滤价格波动中非理性情绪成分，选择情绪影响较小的行业；
- 资金分化：比较机构资金与个人资金流入差异，偏好机构买入且个人资金流出的行业，体现“聪明资金”逻辑；
- 基本面因子包括ROE、净利润同比等，确认行业盈利与成长性；
- 分析师预期变化反映预期调整趋势，更贴近未来预期的调整信息。

• 数据表现：

- 多维共振模型自2012年起运行，年化收益16.5%，超额收益8.1%，超额收益波动7.9%，最大回撤-18.5%；
- 模型因子相关性低，体现多维度共振效果，提升收益的稳健性。

• 图表解析：

- 图3为因子两两间相关性，体现独立且多元化的风险驱动；
- 图4为多维共振行业组合历史净值走势，展现良好趋势性。

2.3 申万SEUE超预期行业轮动策略简介（第7至9页）

• 理念与方法：

- SEUE模型以个股层面超预期信息（季度业绩超预期、业绩预告超预期、机构预期变化、行业一致预期变化）合成真实未被市场兑现的超预期信号，反映“被低估”的超预期释放空间；
- 每月底选取超预期分数最高的6个行业等权配置。

• 因子时效及影响：

- 机构预期变化时效最高，行业一致预期次之，盈余公告最晚，充分考虑信息兑现次序；
- 模型重点剔除被市场兑现的超预期，聚焦未兑现业绩超预期。

• 历史业绩数据：

- 2016年至今，年化收益约9.6%，超额收益10.1%，波动较低（6.5%），最大回撤7.6%，表现稳健；
- 年度表现均为正超额，尤其2017和2020年表现亮眼。

• 图表解析：

- 图7示意四因子合成超预期策略框架；
- 图8展示2016年以来行业轮动组合净值走势；
- 表2详细年度收益对比；
- 图9实例演示机构预期上调（以宁德时代为例）。

2.4 如何基于行业轮动模型构建ETF组合？（第9至13页）

• 市场背景：

- 截至2023年11月，行业主题ETF规模6001亿，数量471只，宽基ETF规模7673亿，数量195只，行业主题ETF快速增长，提供丰富标的库。

• ETF选取关键点：

- ETF组合构建实质是挑选合适的跟踪指数和确定相应ETF；
- 行业主题ETF存在指数重复及多ETF跟踪同一指数现象，需筛选流动性好、跟踪误差小、费率低等指标优质ETF。

• 结合行业轮动观点构建方法：

- 采用控制行业暴露优化方法，确保ETF组合在得分靠前6个行业上暴露大于0，其他行业暴露接近0（约束0.01）；
- 通过数学优化最大化当月ETF跟踪指数组合收益，实现行业暴露匹配行业轮动模型观点。

• 优化约束公式详解：

- 权重和为1，权重在0至1之间；
- 行业暴露符合轮动模型行业得分；
- 不允许卖空，其他行业权重限制非零但非常低。

• 表现分析：

- ETF组合可较好复刻行业轮动模型观点，但行业权重非等权造成波动性和收益弹性增加；
- 两模型组合表现优异，多维共振收益弹性高，SEUE更稳健，结合模型兼得优势；
- ETF组合累计回报显著超过沪深300和偏股混合基金指数；
- 图12-14展示净值走势、相对沪深300及偏股基金指数的累计超额净值及风险收益指标；
- 表3-5提供年化收益、波动、回撤、夏普比率和Calmar比率详细对比，年度超额收益情况点明市场上涨期组合优势。

2.5 最新推荐ETF组合名单（第13页）

• 2023年10月底，依据两个模型综合观点，推荐6只ETF跟踪指数：

- 绿色电力（399438.SZ及931897.CSI）
- 中证钢铁（930606.CSI）
- CS智能汽车（930721.CSI）
- 汽车指数（931008.CSI）
- SHS创新药（931409.CSI）

• 推荐ETF具体包括：

- 嘉实国证绿色电力ETF
- 国泰中证钢铁ETF
- 富国中证智能汽车主题ETF
- 广发中证全指汽车ETF
- 富国中证沪港深创新药产业ETF
- 富国中证绿色电力ETF

• 选择过程综合考量ETF规模、流动性、管理费率及跟踪误差。

2.6 风险提示与法律声明（第14-15页）

• 说明数据基于历史公开数据，模型可能失效；

- 不构成对基金经理、基金产品的推荐；

• 投资者应结合自身风险偏好，充分理解基金波动及经理风格；

- 免责声明明确投资风险，强调投资需独立决策，不承担收益或亏损；

• 严格版权保护和合规披露。

---

3. 图表深度解读

图1（第3页）——基于行业轮动模型的ETF组合风险收益特征

• 描述：列示三个基于行业轮动模型的ETF组合（多维共振ETF组合、SEUE超预期ETF组合及两者结合组合）的年化收益率、年化波动率及最大回撤指标，以及相较于偏股混合型基金指数的分位数。
• 解读：

- 多维共振ETF组合表现最优，年化收益最高23.3%，波动率最低30.8%，回撤程度和SEUE超预期组合相当；
- 两模型结合ETF组合收益率介于前两者之间，但年化波动率最高，为32.6%；
- 组合在主动权益基金中的收益率分位到达约86%，换手率达顶尖水平，月度胜率明显优于偏股混合型基金指数；
- 该图表支持“高换手+高波动换取高收益”的论断，凸显组合在表现和风险上的取舍关系。

图2（第3页）——ETF组合在主动权益基金表现分位数

• 描述：蜘蛛图展示ETF组合（多维共振&SEUE超预期组合）相对于偏股混合型基金指数的六个维度分位表现，包括年化收益率、年化波动率、最大回撤、月度胜率、月盈亏比和年换手率。
• 解读：

- 组合收益率、波动率及换手率显著领先于基准，表现分位均超过80%；
- 最大回撤稍优于偏股基金指数，但月盈亏比和月度胜率也明显更高，整体风险调整回报优异；
- 说明策略的积极换手获得了更好的收益弹性。

图3（第4页）——申万多维共振模型因子相关性矩阵

• 描述：动量加速度、趋势（锚定比率）、成长、盈利、质量、资金和一致预期7因子间的两两相关系数。
• 解读：

- 大多数因子相关性较低（靠近0），说明模型因子独立，能共同捕捉多维度行业特征，避免单因子风险集中；
- 成长和盈利相关最高，达0.62，符合逻辑。

图4（第4页）——多维共振行业组合净值走势

• 描述：2012年至2023年多维共振行业组合净值（蓝线）、一级行业等权组合（红线）和超额净值（蓝绿色线）走势。
• 解读：

- 多维共振组合长期显著跑赢一级行业等权组合，反映因子模型有效；
- 超额净值持续上升，表现稳健。

图5/6（第5-6页）——动量加速度示意图及案例

• 描述：基于价格趋势的动量加速度概念图，揭示不同情绪对上涨及下跌趋势中行业优劣的判断。
• 解读：

- 当行业A动量加速度k<0，动量趋缓时优于k>0的行业B，表明情绪冷静、价格更符合基本面；
- 通过动量加速度过滤“过热”或“过冷”情绪驱动的短期价格波动。

图7（第7页）——申万SEUE行业配置策略框架

• 描述：示意图展示季度业绩超预期、业绩预告超预期、机构预期盈利上调、行业一致预期上调四因子如何合成真实超预期信息。
• 解读：

- 说明模型如何剔除业绩预告等市场已兑现的超预期，聚焦未被市场兑现的业绩超预期，提高行业轮动判断的时效性和准确性。

图8（第8页）——SEUE超预期组合净值走势

• 描述：展示2016年至2023年SEUE超预期行业组合净值走势，对比一级行业组合和超额净值走势。
• 解读：

- SEUE组合表现稳健，长期持续跑赢行业等权组合，支撑模型有效性。

表1（第6-7页）——多维共振模型基本面因子明细

• 描述：列明盈利、成长、质量和分析师预期各指标，如ROE、毛利率及其同比增速，预期变化六个月指标等。
• 解读：

- 基本面因子覆盖盈利能力、成长潜力、财务质量及前瞻市场预期，全方位刻画行业基本面健康度。

表2（第8页）——SEUE超预期行业组合年度收益

• 描述：2016-2023年SEUE组合与一级行业组合及超额收益对比。
• 解读：

- 年度超额收益稳定正向，尤其在牛市表现突出。

图9（第9页）——机构预期上调示例（宁德时代）

• 描述：机构对宁德时代2022年净利润预期上调的回归分析。
• 解读：

- 显示机构预期上调的统计显著性，体现机构“聪明资金”观点。

图10（第9页）——股票型ETF规模与数量历年变化

• 描述：行业主题ETF数量及规模高速增长，超越宽基ETF的增速。
• 解读：

- 突出行业主题ETF市场繁荣，为行业轮动模型落地ETF组合提供多样化选择。

图11（第10页）——ETF产品数量超过5只的行业主题指数

• 描述：突出同一指数被多只ETF跟踪，存在重合及择优空间。
• 解读：

- 强调在ETF筛选时需考虑规模、流动性、费率及跟踪误差等指标。

图12-14（第12页）——ETF组合历史净值及超额累计净值

• 描述：分别展示三种ETF组合净值成长、相对于沪深300和偏股基金指数的超额净值走势。
• 解读：

- 三种组合均显著跑赢基准，多维共振波动更大但弹性更强，SEUE较稳健，组合兼得两者优点。

表3-5（第12-13页）——风险收益指标及年度表现

• 描述：详细展示年化收益率、波动率、最大回撤、夏普比率、Calmar比率及年度相对收益。
• 解读：

- 两模型结合组合年化收益22.2%，夏普0.68，明显优于沪深300和偏股混合指数；
- 年度表现显示，该组合在市场上涨转折点奖金弹性和超额收益明显。

---

4. 估值分析

报告未涉及具体个股估值，而是基于行业指数组合的量化轮动，对抗风险并寻求超额收益。采用的“估值”主要体现在组合风险收益指标综合测算上，具体体现在：

• 投资组合优化模型利用ETF跟踪指数月度收益，以行业暴露约束为前提，最大化当月组合收益的目标函数（无卖空，权重均为非负）；

- 未提具体折现率、永续增长模型等传统估值方法，强调定量风险收益权衡优化；

• 在ETF筛选环节考虑跟踪误差、管理费、流动性等因素，间接影响长期净值增长与估值稳定。

这符合量化多因子和行业轮动策略的特点，以动态配置和风险控制为核心。

---

5. 风险因素评估

• 模型失效风险：行业轮动模型基于历史数据及假设构建，可能因市场结构或政策变化导致信号失效；

- ETF流动性风险：部分行业主题ETF流动性较差，增加交易成本及滑点风险；

• 高换手率风险：模型组合年换手率位于主动权益基金前5%，高频交易增加交易成本和税费影响实际收益；

- 市场风险：组合波动率较高，最大回撤达40%以上，适合具备较强风险承受能力投资者；

• 信息披露及预期风险：超预期模型依赖分析师预期和财报数据，信息错误或时滞可能影响组合表现；

- 行业偏离风险：集中配置Top6得分行业，行业结构过于集中可能带来非系统风险。

报告设置充分风险提示，并建议投资者结合自身风险偏好谨慎使用。

---

6. 审慎视角与细微差别

• 行业暴露与ETF跟踪不完全一致：行业轮动组合为等权分配，有利分散风险；ETF组合为非等权，收益弹性更大但风险亦相对增高，二者侧重点不同，应注意投资者风险承受能力；

- 高波动伴随高收益：报告强调高波动和高换手换取收益，适合风险偏好较高的投资者，稳健投资者需慎用；

• 年份表现差异大：部分年份（如2020年SEUE负收益），策略表现波动需关注；

- 缺少手续费滑点等实操成本测算：虽然考虑费率，但未详述交易成本影响，实际收益略有折损可能；

• 模型假设隐含理性行为：资金因子偏好机构资金，但市场非理性因素很难完全剔除，需警惕极端市场行为对模型的影响；

- ETF规模及市场容量限制：热门指数ETF众多，但规模分散，流动性优缺点不均，组合构建需动态评估。

整体报告遵循客观严谨立场，方法论明晰，数据详实。

---

7. 结论性综合

本报告深度系统解析了如何基于申万宏源两个行业轮动量化模型——多维共振模型与SEUE超预期模型，科学构建ETF组合。多维共振模型涵盖价格趋势、情绪、资金流及基本面多维共振信号，体现行业景气度与情绪流动；SEUE模型基于个股超预期未兑现信息，紧扣业绩真实预期兑现时序，捕捉行业潜在真实成长机会。两模型互补，兼顾收益弹性与稳健性，驱动ETF组合实现年化收益超20%，远超沪深300及偏股混合基金指数。

报告从ETF实操角度出发，以行业暴露为核心约束，采用数学最优化方法精准匹配行业轮动模型观点，将复杂的行业动态映射至现有ETF标的，最大化组合收益。组合表现显示，三种ETF组合均实现显著超额收益，且年换手率及波动率位于行业最高分位，策略借助市场上涨期的行业轮动优势取得较大收益弹性，风险控制表现优异。

丰富图表如风险指标比较表、净值走势、超额收益历史、因子相关性矩阵，以及ETF数量规模变化，全面佐证了策略设计的合理性和效果，也体现行业主题ETF丰富市场格局为策略落地提供基础。

最后风险提示部分提醒投资者关注模型失效、交易成本、行业集中风险及波动性，并建议结合个人风险偏好审慎投资，同时报载详尽的合规与法律声明保障信息透明度。

综上，本报告为行业轮动量化策略赋能ETF组合投资提供了详尽清晰的理论框架、策略方法和实操路径，既展现了量化分析的前沿实践，也为投资者构建结构化、高弹性行业主题投资组合提供了切实参考与工具。[page::0-14]

---

主要图表展示示例（部分）

---

以上为该报告的详尽分析与解构。

报告