ETF市场结构与规模指数分类 [page::2][page::3][page::4]

• 目前我国ETF基金207只，股票型ETF占绝大多数，覆盖103只股票指数。

- 规模、行业、主题、策略及MSCI等指数构成ETF跟踪指数体系，规模类指数覆盖面较广。

• 相关性分析表明规模指数可划分为4组，分别选取中证500、沪深300、创业板指和恒生指数作为代表指数。

指数轮动原因及量化指标构建 [page::10][page::11][page::12][page::13][page::14]

• 轮动驱动因素包括估值差异、投资者偏好差异和信息效率差异。

- 估值指标采用PE倒数减去三个月均值构建动态估值偏差指标。

• 偏好指标基于换手率加权贡献度计算，反映资金流入趋势。

- 效率差异指标结合涨跌天数、幅度及趋势斜率，捕捉信息传导的领先滞后效应。

轮动算法与样本内验证 [page::16][page::17][page::18]

• 轮动算法基于优先级：效率差异指标优先，偏好指标作为补充，估值指标辅助选择。

- 每月基于三个指标综合选取两个指数，若连续低表现则采用等权配置。

• 2014~2017年轮动模型累计收益80.78%，年化收益15.96%，夏普比率最高，波动率及回撤适中。

样本外检验与年度表现分析 [page::19][page::20][page::21][page::22]

• 2012~2013年轮动模型收益较低，主要因创业板市场影响，轮动模型未能充分配置创业板。

- 2018~2019年5月收益处于中等水平，表现超过创业板和中证500。

• 年度分析显示，轮动指标选择指数的正确率大多数年份较高，牛熊转换期准确率下降，但整体收益稳定。

结论与应用建议 [page::22][page::23]

• 指数轮动算法适合稳定成熟市场的长期投资，通过多次中等短期收益积累实现优异收益。

- 需关注轮动算法在市场转折期和新兴市场表现较差的风险，及时止损规避损失。

• 可利用年初表现优异指数优先替代代表指数，进一步提升轮动策略收益。

报告详尽分析：针对规模指数的轮动投资策略——ETF资产投资系列报告

---

1. 元数据与报告概览

报告基本信息

• 报告标题：针对规模指数的轮动投资策略——ETF资产投资系列报告

- 分析师：于鹏

• 联系方式：Email：yupeng@cgws.com

- 编号：S1070519040002

• 发布时间：2019年6月9日

- 发布机构：长城证券研究所

• 主题：深入研究中国市场股票ETF基金跟踪的规模指数，针对指数轮动提出投资策略方法，重点研究指数的估值、偏好及效率差异，设计轮动算法并进行回测验证。

报告核心观点

报告针对国内ETF基金规模指数的多样性，先对指数通过相关性和收益率偏差分类，筛选出四组主要规模指数及其中四个代表性指数。基于三个关键维度（估值差异、投资者偏好、效率差异）分别设计量化指标，测试各指标选择指数的有效性，并综合应用三个指标提出指数轮动算法。经过2012-2019年5月的样本内外检验，算法在长期可以积累中等收益取得较好业绩表现；短期收益波动较大，特别是在牛熊市交替期间。报告强调算法适合长期投资，短期应关注收益变动防范风险。并提示基于历史数据的模型可能失效，风险存在。[page::0]

---

2. 逐章节深度解读

2.1 国内ETF基金发展现状（章节1）

1.1 ETF分类构成

• 市场上ETF基金共207只，159只为股票型，跟踪指数达103只，债券等其他类型基金规模较小，货币和股票型合计规模占比超过90%（见图1）。

- 各类基金规模最大均在50亿以上，股票类最大已达444亿元，显示我国ETF市场已具备相当的规模和多样化，尤其股票ETF为主流，为资金配置提供多样工具。

图1解读：
图1以饼图形式展示ETF各类型规模占比，股票型基金占比65.75%，货币基金27.89%，其他（国际QDII、另类、债券）占少数，显示股票ETF在整体市场的主导地位。[page::2]

1.2 股票ETF跟踪指数覆盖

• 股票型ETF跟踪的指数包含规模类、行业类、主题类、策略类和MSCI类，共103只，部分热门指数被多个ETF跟踪（如中证500、创业板指、沪深300等）。

- 行业类覆盖主要是金融、医药、消费、军工及信息等有限行业，主题和策略类指数较少，策略类尚需扩展。

• MSCI指数覆盖大中小盘，定位中国概念指数，受关注度日增。

- 以资产规模大于2亿为筛选标准保证投资流动性。

表2分类解读：
表2列出的指数按照规模（如上证50、沪深300）、MSCI国际指数、行业（金融、医药等）、主题和策略等分类，显示了ETF市场指数覆盖的多层次结构，为后续规模指数研究定位基础。[page::3]

1.3 规模指数ETF投资价值

• 规模指数覆盖市场各细分板块，代表市场特征，规模较大，波动趋中，具备良好市场代表性，是观察市场趋势的重要工具。

- 规模指数表现因市场特征影响而存差异，短期涨跌轮动明显，规模ETF可帮助投资者实现跨指数轮动，捕捉市场上涨机会。

---

2. ETF跟踪指数的轮动情况（章节2）

2.1 各类指数相关性分析

• 选择14只规模类股票指数样本，利用2014-2018年日频数据计算相关系数，结果显示指数间相关性波动显著，且并非固定，有些指数长期相关性较强。

- 结合计算日收益率差的标准差与绝对值和，筛选指标设置阈值，分类标准为“五年内相关系数高于85%且差值标准差小于1%，且收益率差绝对值和小于6”，确定两大指数组及创业板和恒生两独立组。

表3及其后续多表分析（表4-7）：
详尽列出各年份不同指数相关系数，波动率，收益率。数据揭示相关度高的指数组合波动差异小，但收益率差异明显，表明即使相关性高的指数间轮动机会仍然存在。

• 第一组代表指数包括中证1000、中证500、中小板指、中小300、上证380；

- 第二组包括上证180、上证50、沪深300、深证100、深证成指、超大盘、上证中盘；

• 第三组是创业板指；

- 第四组为恒生指数。

最终选择沪深300、创业板指、恒生指数、中证500四只代表性指数作为详细研究对象。[page::4][page::5][page::6][page::7][page::8]

2.2 各指数收益轮动检验

• 以月为时间单位衡量四指数月度收益率排名，发现月与月间排名几乎持续变动，显示明显轮动效应。

- 多数月份指数表现不稳定，很少指数能长期占据优异位置。

• 轮动策略通过捕捉并轮换表现更佳指数，有望稳定超越市场平均收益。

表8-10：详细列出2014年至2018年间各月收益率和排名，佐证轮动理论基础。[page::8][page::9][page::10]

---

3. 指数轮动原因分析与指标设计（章节3）

3.1 指数轮动核心影响因素

• 估值差异：不同指数估值水平与市场预期差异影响价格走势，市盈率倒数及其变动可视作隐含收益率差异反映。

- 偏好差异：投资者交易频率偏好产生对某类股票的买卖倾向，影响指数表现，尤其情绪化交易板块会产生明显短期轮动。

• 效率差异：信息传递不均和市场效率差异导致部分股票或指数表现有所领先或滞后，引发阶段性轮动现象。

3.2 量化指标及单因素测试

1. 估值指标（PE差值）

利用市盈率(ttm)倒数与三个月均值差值作为指标。图2-5展示沪深300、恒生指数、创业板、中证500的PE差值插值曲线与收盘价对比。

• 结论：当PE差值曲线低于0且持续下降期，指数往往进入上涨通道，体现估值回归效应。

- 准确率45.45%，表明估值指标对择时有一定参考价值但最佳时机捕捉有限。[page::11][page::12][page::13]

1. 偏好指标

创新了基于换手率的贡献度指标，结合日涨跌幅度和交易量换手率，构造偏好指标（Preference），期末选择最小值指数作为下期配置。

• 结果显示正确率50%，覆盖周期广，可作为其他指标的补充和验证手段。[page::13][page::14][page::15]

1. 效率差异指标

计算趋势能量（ENi）结合斜率（Slope）构成差异指标，将差异指标小于0作为选择信号。

• 准确率为58.82%，为三指标中最高，体现信息传导效率差异对短期轮动影响显著。[page::15][page::16]

---

4. 指数轮动算法开发及实证分析（章节4）

4.1 轮动算法设计

• 三指标综合权重排序，效率差异优先，偏好指标较高频可作为备选，估值指标作为辅助筛选。

- 每月末计算各指标，挑选两个不同指数进行配置。

• 针对连续表现不佳情况设置等权配置机制进行风险控制。

- 优先级规则包括多指标选中指数优先、指标缺额经优先级调整防止标的不足。

算法逻辑体现多角度信号综合衡量，提高选股准确度和风险控制。[page::16][page::17]

4.2 算法样本内表现

• 2014~2017年，算法选出的两个指数能在下月取得进入前半收益排名的概率为43.75%，扩展容差排名在1-4名范围内正确率达77.08%。

- 净值曲线（图6）显示轮动策略收益显著优于单独四指数。

• 综合指标对比（表13）显示轮动模型总收益80.78%、几何年化收益15.96%，夏普比率65.82%，波动率与最大回撤居中，表现优于沪深300及其他指数。

4.3 样本外测试

• 2012~2013年创业板发展初期，轮动模型整体收益仅9.78%，不及创业板指数大幅涨幅，反映模型对市场结构剧变的适应不足。

- 2018~2019.5年，算法收益为-11.29%，略优于沪深300，呈现中间趋势，收益波动较大。

• 分析表明轮动算法对成熟且稳定的市场环境效果更佳，牛熊市切换期准确率和收益皆下滑。

图7-8及表15-17清晰展现样本外表现，验证算法市场适应性的阶段性差异。[page::18][page::19][page::20][page::21]

4.4 逐年统计分析

• 选择正确率与组合收益无必然正相关，个别高波动期指数选取成绩差别大。

- 牛熊市交替期选择正确率显著下降，如2015与2019年周期。

• 多数年份选择准确率较高，算法总体有效。

- 月度收益进入前三名比例多在60%以上，代表长期轮动收益稳定性。

表18总结数据，有效支持算法长期投资逻辑，但强调需关注市场极端状态。[page::22]

---

5. 风险因素及限制

• 估值、偏好和效率指标基于历史数据和市场稳定性，牛熊市转换期失效风险大；

- 新兴市场（如创业板初期）指数结构不稳定，算法适用性差；

• 短期投资收益不理想，模型更适合长期资产配置；

- 模型基于统计特征，无法保证未来必然适用，需监控算法失效风险及时止损。

---

3. 图表深度解读

图1：ETF基金类型规模占比
展示ETF基金各类型规模中股票型基金占主导，约65.75%；货币基金次之近28%，体现市场资金主要配置股票ETF，为研究规模指数提供基础。

表1：各类型ETF最大规模基金
明确股票型规模最大基金为444亿元，显示市场流动性和资金量均充足。

表2：ETF跟踪指数分类
涵盖规模、行业、主题、策略四大类别，体现现有指数产品覆盖的层次参考，指向策略类需继续拓展。

表3-7：相关系数、收益率及波动率对比表
多维度数据反映各币种指数间既有紧密相关也存在区别波动，揭示指数群组结构和轮动潜在逻辑。

表8-10：月度收益率及排名
每月收益排名频繁变动，体现轮动特性与多指数策略必要性。

图2-5：四指数PE差值及收盘价对比曲线
PE倒数偏差曲线与价格走势呈负相关，验证估值调整与指数涨跌的联动。

表9-11：三类指标选择效果对比表
显著揭示三个因素指标各自准确率，效率差异指标表现最好，提供选择依据。

图6、7、8：不同时间段各指数净值走势
对比模型轮动指数与单一指数表现，验证轮动算法长期优于单一标的。

表13、15、17：收益率、波动率及夏普比率对比
综合显示组合的收益稳健性及风险调整能力优势。

表18：逐年指数选择准确率及收益排名
体现不同年份算法适用性波动性与长期有效性。

---

4. 估值分析

报告未采用传统DCF等估值方法，而是将指数本身市盈率作为估值指标，通过PE(ttm)倒数与其三个月均值差异构建估值信号，量化估值偏离程度对指数业绩轮动进行判断。

• PE差值指标 通过滞后均值做相对估值比较，判断指数是否被高估或低估，从而预测短期收益趋势。

- 估值指标为轮动模型提供基础的定价参考。

• 效率差异和偏好指标作为补充，解决估值指标单独限制和失效问题。

无复杂折现率等参数，模型依赖数据统计特征及趋势判断，强调实践可用性和适应动态市场结构。

---

5. 风险因素评估

• 模型失效风险：历史数据统计特征不一定适合未来市场环境，尤其在政策变动及结构性调整中可能失效。

- 市场极端风险：牛熊市转换年指数相关性和指标表现异常，选股准确率下降，收益波动大。

• 模型适用性差异：新兴板块如创业板初始化阶段市场结构变化快，指标无法有效捕获信号。

- 短期收益波动：短期投资应用不佳，存在连续亏损风险，需要投资者具备长期持有和止损能力。

• 流动性风险：尽管报告已筛除规模小于2亿的产品，但依然存在流动性不足影响实操风险。

报告中提醒需加强对市场变化的敏感度，及时止损避免错误决策带来的收益侵蚀。[page::0][page::23]

---

6. 审慎视角与细微差别

• 报告整体数据扎实、分析逻辑清晰，指标设计基于经济直观理论与实证检验，方法论合理。

- 然而，部分结论如估值指标准确率仅约45%，偏好指标亦为50%左右，显示模型各因素单独解释力有限，依赖综合指标和策略调节。

• 算法依赖的市场稳定性假设使其对市场结构剧变敏感，例如创业板初期未能捕捉其快速上涨，可能导致组合收益降低，这提示应用时需动态调整模型参数或剔除不适市场。

- 模型对短期收益不理想，但强调长期收益积累，要求投资者具备较强心理素质及风险承受力，适合稳健型投资者。

• 风险提示适度且合理，但缺乏对不同风险因子发生概率及缓解策略的量化评估，未来研究可增强此方面。

- 表面上“选择准确率”与“实际收益率”无严格对应关系，提示收益大幅驱动由市场特定行情波动性决定，算法下半年追求多维度稳定性仍需进一步提高。

---

7. 结论性综合

本文基于丰富数据和市场实证，针对中国股票ETF市场规模指数的多样性和轮动特征，提出了以估值、偏好、效率差异三大核心维度为基础的量化指标体系，设计轮动算法并通过2012年至2019年多阶段样本进行内外检验。

• 指数分类清晰，设计量化指标精准且理论性强，用PE倒数估值差异、基于交易活跃度的偏好指标及反映信息传递速度的效率差异指标作为选股信号。

- 效率差异指标表现最佳，为衡量信息流动速度和市场响应机制提供良好量化工具。

• 综合算法应用整体上能有效捕捉指数轮动机会，根据2014-2017年样本内成绩，长期累计收益和年化夏普率均优于市场主要指数，显示模型具备提升组合风险调整收益的能力。

- 样本外检验提示，算法对市场稳定性敏感，创业板初期及牛熊交替期表现欠佳，强调模型适用于结构相对稳定、指数特征明显的成熟市场。

• 算法以月为单位进行调仓，适合长期投资并依赖中等收益的积累策略，短期收益波动较大，建议结合市场周期变化进行止损保护。

- 图表数据强调，轮动组建净值曲线稳健优于单指数，表现指数轮动策略的实用性和经济价值。

整体而言，报告结合理论与实证提供了中国股票ETF规模指数轮动策略具体实施框架及效果验证，为投资者构建差异化、动态调整的指数投资组合提供有力工具，同时明确指出模型及策略的局限和风险提示，具备指导实践与后续研究的高度参考价值。[page::0][page::4][page::12][page::16][page::19][page::22][page::23]

---

参考图表示例

---

综上，本文系统地梳理并量化了中国ETF市场规模指数的特性及轮动规律，提出了合理且经过实证检验的轮动投资算法，适合长期配置并为行业和投资者提供重要参考，然而在市场结构急剧变化期仍需关注风险并动态调整策略。

报告