• 行业轮动市场环境观察及频率选择 [page::2][page::3][page::4]

- 2022年以来行业轮动赔率下降，行业分化幅度减弱，动量延续性减弱，轮动速度加快。
- 通过不同频率和颗粒度测试，确定“一级行业+双周频率”为业绩最佳组合，动量效应最显著。

• 开源金工行业轮动3.0模型框架 [page::5][page::6]

- 6个轮动模型：交易行为（日内动量+隔夜反转）、景气度（盈余动量）、资金流（主动抢筹+被动派发）、筹码结构（持仓收益+阻力支撑）、宏观驱动（高频宏观预期映射）、技术分析（趋势、振荡、量能指标）。
- 交易行为模型区分日内因子动量和隔夜因子反转，短期1-5周内日内动量显著，隔夜反转明显。

- 交易行为模型历史多空组合年化收益达15.1%，最大回撤16.5%。

- 景气度模型基于财报盈余动量构建，2023年后弃用预期数据，收益稳定。

- 资金流模型结合超大单主动抢筹和中小单被动派发指标，有效反映聪明资金流向。

- 筹码结构模型基于市场赚钱效应区分持仓收益和阻力支撑因子，反映投资者行为非理性。

- 宏观驱动模型利用高频宏观因子映射行业预期收益，具有一定的预测能力但波动较大。

- 技术分析模型精选14个指标，聚合成3个主因子（HMA、WPR、CMF），但波动及回撤偏大。

• 行业轮动因子性能比较及相关性分析 [page::16][page::17]

| 行业轮动模型 | 年化收益 | 信息比率 | 最大回撤 | IC均值 | 年化ICIR | IC胜率 |
|----------------|----------|----------|----------|--------|----------|--------|
| 交易行为模型 | 15.1% | 1.143 | 16.5% | 4.46% | 0.899 | 57.27% |
| 景气度模型 | 13.2% | 1.162 | 18.8% | 4.93% | 1.057 | 59.64% |
| 资金流模型 | 19.4% | 1.367 | 21.6% | 6.14% | 1.110 | 63.20% |
| 筹码结构模型 | 14.9% | 0.872 | 21.0% | 5.49% | 0.857 | 56.68% |
| 宏观驱动模型 | 15.7% | 0.925 | 29.0% | 6.75% | 1.112 | 59.94% |
| 技术分析模型 | 9.7% | 0.620 | 36.6% | 4.83% | 0.801 | 59.64% |


- 各模型相关性显示筹码结构与景气度相关较低，技术分析与部分模型相关较高。
- 等权合成6模型信号年化五分组多空收益23.6%，IC均值9.55%，ICIR=1.676，表现稳健。

• 动态合成模型优化与表现提升 [page::18][page::19][page::20]

- 基于最小化排名跟踪误差，动态计算6模型权重，控制权重区间，提升适应市场能力。
- 动态模型历史平均权重最高为筹码结构（24.7%）和景气度（22.3%），其他依次为交易行为、宏观驱动、资金流、技术分析。
- 动态合成模型因子IC均值9.3%，年化ICIR1.705，五分组多空收益25.5%，最大回撤21.6%。

- 动态模型2022年以来仍保持较好稳定性，IC均值4.57%，优于等权模型。

• ETF市场梳理及行业分类 [page::20][page::21]

- 2024年A股ETF规模超过3.3万亿，权益型ETF占95%。
- 行业主题ETF分为大类行业ETF和复合主题ETF，大类ETF覆盖24个一级行业共346只产品。
- 动态行业ETF分类覆盖度自2019年提升，2021年起数量快速增加。
- 各行业代表ETF基本具备较高相关性和流动性，适合轮动应用。

• ETF行业轮动应用框架与实证 [page::22][page::23][page::24]

- 行业轮动选股信号为核心，指数选择弹性最高的指数，选取流动性最佳的ETF产品。
- ETF轮动组合2017年以来年化收益25.5%，相对行业等权基准超额22.5%，信息比1.16。
- 超额回撤主要发生在2021末至2022年初，整体收益稳健且持续提升。
- 近期ETF持仓涵盖银行、传媒、交通运输、计算机等行业，稳健表现核心资产。

• 未来展望与风险提示 [page::25]

- 未来ETF崛起将加剧个股定价分化，提升行业轮动重要性，且轮动速度可能维持高位。
- 宽基ETF主导时行业轮动分化压缩，行业ETF主导时分化幅度扩大。
- 市场快速变化要求持续迭代行业轮动模型，紧跟市场演进。
- 风险提示强调历史数据限制及组合回测局限，实盘需谨慎。

行业轮动3.0：范式、模型迭代与ETF轮动应用 | 开源金工 —— 深度分析报告

---

1. 元数据与概览

• 报告标题：《行业轮动3.0：范式、模型迭代与ETF轮动应用》

- 发布机构：开源证券金融工程团队

• 作者/分析师：魏建榕（金融工程首席分析师）、张翔等

- 发布时间：2024年12月09日

• 研究领域：配置研究、基金研究、行业轮动模型构建与应用

- 主题：围绕中国A股市场行业轮动展开，聚焦基于“一级行业+双周频率”的多模型行业轮动体系设计，结合ETF的行业配置应用。

核心论点总结：

本报告是开源金工关于行业轮动系列报告的第三篇，系统介绍了行业轮动3.0版本。报告指出，行业轮动市场环境在2022年以后发生显著变化，行业轮动节奏加快，传统模型表现减弱。为此，开源证券构建了包含交易行为、景气度、资金流、筹码结构、宏观驱动、技术分析的六大模型体系，并通过动态最小化排名跟踪误差法合成动态权重，形成动态适应市场变化的行业轮动3.0信号。此外，报告分析了ETF市场结构，提出基于行业轮动信号的ETF轮动组合构建框架，并实证了其优异的收益和信息比率表现。整体上，报告强调行业轮动的重要性提升与动态模型适应市场变化的必要性。 [page::0,1]

---

2. 逐节深度解读

2.1 行业轮动交易模式的变化与应对

关键论点：

• 2022年以来，行业轮动市场表现出两个明显变化：

- 赔率（回报差异）降低：2017-2021年行业分化（行业间周度收益差异）呈上升趋势，2022后分化幅度减弱，当前赔率处于历史中位水平（图2）。
- 胜率（动量延续性）下降，轮动加速：行业动量的持续性减弱，中长期动量（8周及以上）失效，短周动量（1周）增强，表现为轮动速度显著加快（图3）。

• 动量效应颗粒度与频率选择：

- 通过对一级、二级、三级行业不同频率（1-16周）动量测试，发现动量在颗粒度较粗（一级行业）和轮动频率适中（双周频率）时表现最优。
- 具体表1-2呈现了评级收益和因子检验指标，均表明“一级行业 + 双周频率”组合具有最佳行业动量信号稳定性。

推理依据：

• 利用“周度分五分组多空收益差”作为行业轮动赔率的代表指标测算。

- 通过历史分组动量因子多空收益及因子IC测试，考察动量的强弱与持续性。

• 不同颗粒度和频率的多角度对比保证研究的严谨与科学性。

重要数据点：

• 2017-21行业分化幅度上升至约8%-14%，2022年后降至约6%左右。

- 双周频率下，一级行业最高组收益12%+，五分组多空年化收益超11%。

• 动量胜率（IC胜率）约57%-60%，ICIR约0.9-1.0，显示显著预测信息。 [page::2,3,4]

---

2.2 行业轮动3.0模型构建

本章节介绍行业轮动3.0中的六大模型及其轮动逻辑：

• 交易行为模型：拆分日内动量与隔夜反转，日内动量短期内表现较强，隔夜反转6-8周显著。结合两因子构建交易行为因子。多头组2012-2024年年化14.2%，信息比率0.567，最大回撤16.5%（图7、8、表3）。

- 景气度模型：利用财报盈余动量（净利润增速、营收增速、ROE）构建行业景气度，捕捉行业盈利状况变化。多头组合年化13.4%，信息比率0.563，回撤18.8%（图9、10）。

• 资金流模型：依据逐笔资金流，细分超大单主动买入（抢筹）与中小单被动卖出（派发）行为，反映聪明资金动态。多头年化17.0%，信息比率0.723（图11-14）。

- 筹码结构模型：根据行为金融学，分析持仓成本分布、持仓收益及阻力支撑因子，结合市场赚钱效应修正因子方向和表现。多头年化14.5%，信息比率0.569（图15-19）。

• 宏观驱动模型：构建周频宏观因子（经济增长、通胀、利率等），分解行业收益的宏观暴露并外推行业预期收益。多头年化15.6%，信息比率0.628，最大回撤29%（图20、21）。

- 技术分析模型：精选14个趋势类、振荡类、量能类及波动类指标，标准化聚合成行业技术指数组合，用于捕捉市场技术信号。多头年化11.7%，信息比率0.483，波动与回撤相对较大（图22-23，表5-6）。

其中，每个模型既从理论逻辑出发，也有清晰的实证支撑，多数模型显示稳定的行业轮动能力。

[page::5,6,7,8,9,10,11,12,13,14,15]

---

2.3 行业轮动信号合成研究

• 等权合成模型：

- 六个模型取等权重合成，提升稳定性与综合预测能力。
- 资金流模型表现最优（五分组多空收益19.4%，IC均值6.14%），技术分析表现偏弱。
- 合成模型年化多空收益达23.6%，IC均值9.55%，信息比率1.539（表7，图24-25）。

• 动态合成模型：

- 2022年后，等权合成模型表现减弱，IC均值降至2.62%。
- 采用基于最小化行业未来收益排名误差的动态权重调整，动态调整6个模型权重，最大权重限制30%，最低0，提升适应性。
- 权重贡献平均值显示，筹码结构与景气度是权重主导，其他模型权重动态调节，形成更灵活的轮动信号。
- 动态模型IC均值9.3%，ICIR达1.705，五分组多空年化收益25.5%，信息比率1.765，显著超过等权重模型。
- 分年度收益稳定，多头组合相对基准超额13.2%，空头组合相对基准负向超额12.1%（表8、图26、27、28、表9）。

此合成方法显著提升了模型应对当前快速轮动市场环境的效果和稳定性。

[page::16,17,18,19,20]

---

2.4 ETF行业轮动应用方案

ETF市场基本情况：

• 2024年ETF市场迎来规模质的飞跃，权益型ETF占比95%，其中宽基ETF和行业主题ETF规模最大。

- 共计988只ETF产品，资产规模达33699亿元。

• 行业主题ETF569只，分为346只大类行业ETF（覆盖24个一级行业，4929亿元），和223只复合主题ETF（3669亿元）（图29、30）。

ETF行业分类方法：

• 基于成分股行业分布及跟踪指数与行业指数相关性动态划分。

- 当某ETF首大行业权重超过50%，相关性≥80%，认定为大类行业ETF，并再进一步标注二级行业（表9）。

ETF轮动应用逻辑：

• 三步走框架：

- 行业选择：使用行业轮动3.0模型信号选取行业。
- 指数选择：在看多行业中选弹性最高的指数。
- ETF产品选择：从指数对应流动性好、跟踪误差小的ETF中择优配置。

• 模型实证：自2017年以来，ETF轮动组合年化收益达25.5%，信息比率0.9，远超行业等权基准2.7%年化收益，其他步骤（指数、ETF选择）对收益贡献较小，主要收益取决行业轮动信号（图31-33，表10）。

ETF轮动组合动向：

• 最新持仓展示显示组合侧重银行、传媒、交通运输及计算机等行业ETF，结合流动性较好产品（表11）。 [page::20,21,22,23,24]

---

2.5 结论性总结与未来展望

• 行业轮动3.0报告总结：

- 明确“一级行业+双周频率”作为行业轮动策略的核心维度。
- 构建包含交易行为、景气度、资金流、筹码结构、宏观驱动、技术分析六个多维轮动模型。
- 提出动态最小化排名跟踪误差合成方式，显著提升轮动信号的稳定性及收益质量。
- 按行业剖析A股ETF市场，建立“行业-指数-产品”轮动框架，将行业轮动信号有效嫁接ETF领域，实证结果优异。

• 未来市场展望：

1. 个股定价分化加剧，核心资产与小盘股alpha机会差距扩大。
2. ETF推动行业轮动重要性显著提升。
3. 行业轮动节奏或维持高位，ETF交易加速传导路径。
4. 行业分化幅度受ETF交易结构影响，宽基ETF抑制行业分化，主题ETF促进分化。

• 风险提示：

- 模型基于历史数据，未来市场可能发生重大变化，回测结果不构成产品推荐。 [page::25]

---

3. 图表深度解读

3.1 高层次轮动赔率与胜率图示

• 图2（行业轮动赔率变化）：通过行业周度收益最高组与最低组差值指标，显示出2017-2021年行业间分化增强至10%+峰值，2022年后回落至6%附近，反映行业轮动回报率中枢回落，市场轮动赔率变低。

- 图3（轮动胜率变化）：从动量长度维度看，中长期动量（8周以下）胜率显著降低，短期1周动量胜率表现增强，指示行业轮动加快，轮动节奏变快。

3.2 频率与颗粒度对动量影响分析

• 表1、2（动量效应对比）：动量在一级行业、双周频率的结合下表现最好，支持了本报告对于未来轮动频率与颗粒度选择的战略制定，避免传统月度轮动模型时代的滞后。

3.3 模型各类信号表现及综合模型组合

• 单独模型表现（交易行为、景气度、资金流、筹码结构、宏观驱动、技术分析）均经过充分实证，五分组多空收益、因子IC和ICIR均表现良好（如图8、10、14、19、21、23），最大回撤均在20%附近，技术分析波动相对较大。

- 综合模型的等权合成（图25）表现优于单一模型，年化多空收益23.6%，IC均值9.55%，表明多模型综合提升了稳定性和预测能力。

• 动态权重合成（图26、27）权重动态调整符合直觉，筹码结构和景气度为主力权重，动态减轻高相关模型权重，适应市场快速变化。

- IC累积对比（图28）显示动态模型领先各单一模型及等权重组合效能。

3.4 ETF市场结构与轮动表现

• ETF产品分类（图29-30），ETF规模与数量持续攀升，尤其是行业主题ETF规模增长快速，覆盖范围及深度逐步完善。

- ETF轮动组合表现（图32、33）显示行业轮动信号贡献最大，指数与ETF产品选择贡献相对有限。ETF轮动组合年化25.5%，信息比率0.90，远超行业等权基准。

• 最新持仓披露（表11）揭示轮动组合偏好行业龙头ETF，兼顾流动性和代表性。

---

4. 估值与风险评估

报告未包含传统财务估值模型（DCF、市盈率等）内容，聚焦于行业轮动模型开发与产品应用，不涉及单一公司的估值。

风险评估主要强调：模型基于历史数据，不保证未来有效性，强调市场变化及模型退化风险，风险管控依赖于动态模型权重调整机制。未涉及具体市场、宏观风险的量化控制，但逻辑中隐含对市场环境变化的敏感性。

---

5. 批判性视角与细微差别

• 报告基于历史统计与实证构建模型体系，假设行业动量及相关财务与资金面因果关系长期稳定。然而市场结构变化（如ETF崛起、数据披露变更）可能导致模型假设失效。报告已部分提醒此风险但未深度展开包含宏观风险情景分析的对策。

- 技术指标因波动较大，且高度相关，提出聚合以减少噪声实属合理，但技术指标单独表现相对较弱，可能在震荡市或极端事件中带来过度回撤。

• 动态权重调整方法固然灵活，但可能导致模型过度拟合近期市场表现，未来稳定性依赖样本长度与调节频率设置，相关参数选择敏感性未展开。

- ETF映射行业的相关性虽高，但行业归属和指数设计存在多样性，可能引起某些ETF被误判行业归属风险，影响组合构建效果。

• 报告涉及多项统计结果无置信区间说明，部分推断仅基于统计显著性，需谨慎诠释。

整体报告结构严谨、数据丰富，体现较强的逻辑性与实证支持，是当前行业轮动研究领域内的先进研究成果。

---

6. 结论性综合

开源金工发布的《行业轮动3.0：范式、模型迭代与ETF轮动应用》报告是对中国A股行业轮动研究领域的又一次深刻贡献。报告系统构建了基于一级行业+双周频率的六大模型体系，涵盖交易行为、景气度、资金流、筹码结构、宏观驱动及技术分析六个维度，通过因子IC、五分组多空收益等多重指标验证模型的行业选择能力。尤其采用最小化行业未来收益排名误差的动态模型权重调整方法，实现行业轮动信号对当前市场快速变化的适应和优化，显著提升了模型稳定性和预测能力。

报告基于详实的历史数据反复回测，行业轮动3.0模型多头组合年化收益接近19%，五分组多空组合年化收益超25%，信息比率均超过1.4，表现优异。重要的是，报告创新提出基于动态行业轮动信号的ETF轮动策略，涵盖346只大类行业ETF产品，在2017年至今实现年化25.5%绝对收益，明显优于行业等权基准，验证了策略在资产配置层面的实际应用价值。

大量图表和表格，如行业赔率时序趋势图（图2）、行业动量频率与颗粒度比较表（表1、2）、六模型单独及组合收益回撤图（图8、10、14、19、21、23、25）、动态模型权重分布（图26）、以及ETF规模增长与轮动表现（图29、32），为读者立体展现了行业轮动的深刻洞察、模型优势与应用成果。

总体而言，报告表明行业轮动仍是未来资产配置研究的关键方向，且行业轮动速度与复杂性提升带来了模型更新的需求。开源金工的3.0模型提供了原理清晰且市场实证验证的可操作策略框架，结合ETF产品优势，具备良好的实践潜力。同时，报告对未来市场结构变化的前瞻提醒以及对模型局限性的合规提示展现了研究的理性态度。

本报告为投资经理、量化研究员及行业配置决策者提供了一套理论、模型、实证和应用相结合的完整行业轮动解决方案，是中国A股量化行业轮动研究的重要参考文献。 [page::0-27]

---

参考关键图表示例（Markdown展示）

• 行业轮动赔率趋势（图2）:

• 行业轮动胜率（图3）:

• 6类行业轮动模型权重贡献动态（图26）:

• 行业轮动3.0模型多空表现（图27）:

• ETF轮动组合相对基准累积超额（图33）:

---

结束语

该报告以系统化方法论、丰富实证数据、详实图表呈现了中国市场行业轮动模型的最新进展和ETF落地应用。其行业轮动3.0动态权重模型和行业ETF轮动策略无疑为市场参与者提供了有力的研究工具和投资方案，并指明了后续研究应持续关注市场结构变化及模型动态适应性的重要性。

报告