行业主题基金及指数型基金池构建方法 [page::3]

• 基于合同“80%条款”和持仓定量方法，构建主动与被动两类行业主题基金池。

- 行业分类参考中信证券、中证、申万行业指数，基金名称与投资范围结合界定主题分类。

行业及主题基金现状统计 [page::4][page::5]

• 行业基金210只，其中被动152只，主动58只。

- 主题基金875只，其中主动651只，被动224只。

• A股ETF总数448只，资产规模12303.71亿元，行业ETF占比约14%。

量化行业配置策略体系框架 [page::8]

• 多层级视角融合：基本面（宏观驱动、中观盈利估值）、技术面（模式匹配、趋势动量）、行为面（公募基金持仓等信号）。

- 结构清晰，强调自上而下和多维因子的结合。

宏观驱动视角行业划分与轮动 [page::10][page::11][page::12]

• 将行业划分为上游、中游、必选消费、可选消费、防御、TMT、金融地产等七大板块。

- 经济周期与风险偏好驱动周期类与非周期类板块轮动。

• 宏观视角下的行业配置策略年化超额收益6.3%。

盈利估值视角的中观行业轮动策略 [page::13][page::14][page::15]

| 业绩弹性预期差分组 | 年化超额收益 | 信息比率 |
|----------------|-------------|---------|
| 高业绩弹性预期差(G5) | 9.02% | 1.16 |

• 依据成长偏离度与估值偏离度构建业绩弹性预期差，反映业绩与估值的预期差，显著提升行业轮动策略能力。

技术面视角：模式匹配与趋势动量策略 [page::17][page::18][page::20][page::21]

• 模式匹配策略通过相似历史市场状态预测未来表现，年化超额5.75%。

- 叠加时序动量和止损机制，综合模型年化收益率大幅优于传统截面动量，显著降低回撤。

行为视角：基于公募持仓多维综合行业配置策略 [page::23][page::24][page::25]

| 时间区间 | 年化收益率 | 夏普比率 | 年化超额收益率 | 信息比率 | 季度胜率 | 最大回撤 |
|---------------|------------|----------|----------------|----------|------------|-----------|
| 2009年2月-2020年10月 | 22.0% | 0.8 | 11.2% | 1.3 | 66.7% | -15.1% |

• 基于基金重仓股的相对超配、净仓变动、逆势配置信号融合构建有价值的行业多头空头组合，具备稳定超额收益。

多视角综合行业轮动模型 [page::27][page::28][page::29]

| 模型名称 | 年化收益率 | 年化超额收益率 | 信息率 | 最大回撤 | 夏普比率 |
|------------|------------|----------------|--------|-----------|----------|
| 综合轮动 | 14.39% | 11.37% | 1.35 | 52.70% | 0.40 |
| 宏观驱动 | 9.89% | 6.65% | 1.20 | 49.37% | 0.25 |
| 动量趋势 | 11.91% | 8.19% | 0.59 | 50.78% | 0.31 |
| 机构跟踪 | 12.67% | 9.86% | 1.09 | 58.23% | 0.33 |
| 模式匹配 | 11.11% | 7.84% | 1.11 | 46.49% | 0.29 |
| 业绩估值 | 9.90% | 7.42% | 0.72 | 53.66% | 0.21 |

• 融合宏观、中观、技术面、行为面策略优势，综合行业轮动模型保持领先绩效，抗风险能力增强。

结论与投资建议 [page::31]

• 多视角行业轮动策略为量化配置提供有效工具，各模型均展现稳健收益。

- 风险提示包括模型风险、宏观及政策调整风险、市场预期波动风险。

• 最新模型配置建议体现动态轮动特征，强调行业内的成长与趋势机会。[page::33]

《量化策略专题研究——行业主题工具与行业配置策略》详细分析报告

---

一、元数据与报告概览

• 报告标题： 量化策略专题研究——行业主题工具与行业配置策略

- 作者与团队： 王兆宇，中信证券研究部量化与配置团队

• 发布时间： 2021年5月16日

- 研究主题： 本报告聚焦于量化行业配置策略，结合宏观基本面、行业盈利估值、技术面及投资者行为四个视角，构建综合行业轮动模型及策略；同时提供行业及主题基金工具的分类图谱，梳理行业基金生态及其配置信息，最终提出基于多维视角的行业投资策略和建议。

报告核心观点强调，采用多维度的量化分析框架能够更有效捕捉行业轮动机会，提升行业配置的收益与风险调整水平。报告通过详实的数据分析和回测验证，证明了宏观驱动、盈利估值、中观比较、技术面策略及投资者行为视角的集成，显著优于单一策略，形成较为稳健且超额的行业配置组合，为投资决策提供了量化依据。[page::0,1,9-10]

---

二、逐章深度解读

2.1 行业主题工具图谱（第1章）

本章节系统建立了行业主题基金的分类体系。遵循基金合同中“80%条款”，即基金需将至少80%的资产投资于特定行业或主题股票，区分被动指数型基金和主动管理型基金。构建的基金池分别覆盖行业基金和主题基金，结合基金文件、持仓数据与指数分类，确定最终行业与主题基金样本数目；

• 数据亮点：

- 行业基金总体210只，被动基金152只，主动基金58只。
- 主题基金总体875只，其中主动基金651只，被动基金224只。
- 行业细分覆盖金融地产、医药卫生、信息技术、工业、地产、能源等诸多领域。

图谱充分展现当前行业和主题基金的生态结构，为后续的行业配置策略提供数据基础及投资标的参考。两个流程图清晰展现了被动和主动基金的筛选流程，强调了分类标准、基金规模剔除、多主题合并拆分等关键环节。[page::2-5]

2.2 ETF市场数据（第6页）

2021年4月数据显示，中国ETF市场整体规模12303.71亿元，非货币ETF合计8548.7亿元，占比69.48%。其中行业ETF61只，资产规模1718.15亿元，占比13.96%；主题ETF156只，资产规模2105.31亿元，占比17.11%。数量和规模均体现行业与主题ETF活跃，策略和风格ETF规模较小但增速明显。行业ETF较为成熟，量化配置的重要实施场景。[page::6]

2.3 量化行业配置策略体系（第2章）

报告提出构建多视角、多方法结合的量化行业配置体系：

• 基本面视角： 宏观驱动与中观盈利估值视角，寻找行业景气及弹性差异。

- 技术面视角： 利用模式匹配、截面动量、时序动量和止损机制，捕捉行业趋势。

• 投资者行为视角： 以公募基金重仓股持仓信号为核心，挖掘行业配置的Alpha。

整体观测各个视角优势互补，可形成更稳定持续的行业配置收益。[page::7-9]

---

三、图表深度解读

3.1 行业板块划分与宏观驱动（第10-12页）

报告将行业分为上游、中游、必选消费、可选消费、防御、TMT及金融地产七大类。此划分基于经济逻辑调整，而非传统证监会一级分类，更符合经济周期和投资逻辑。周期行业（上游、中游、可选消费）业绩对经济增速敏感，非周期行业（必选消费、TMT、交运公用）受经济周期影响弱，金融地产属于政策敏感类。

• 图11绘制的必选消费/周期上游增长因子与经济周期指数对应，显示周期性行业在经济上行阶段超额增长。

- 与TMT板块相对强弱对应风险偏好中枢（波动性），反映风险偏好提高时TMT表现突出的风险属性。

该类宏观判断为大类行业资产配置提供基础逻辑，年化超额收益约6.3%，自2017年基本面溢价加大体现机构投资优势。[page::10-12][图11][图12]

3.2 业绩估值视角的行业轮动逻辑（三角模型，13页）

盈利估值视角提出“业绩-估值-情绪”三步逻辑：

• 以业绩确认公司质量；

- 估值定位尚未反映的业绩弹性差预期；

• 情绪调节业绩弹性修复的时点。

该模型用以捕捉成长性与估值合理性结合的行业机遇，显著提升行业选择的合理性。[page::13][图13]

3.3 股价驱动拆解与实证（第14-15页）

股价变动由估值变动与业绩变动共同驱动，核心公式为：

\[
\Delta P = \Delta PE \times EPS + PE \times \Delta EPS + \Delta PE \times \Delta EPS
\]

成长偏离度指标显示相对业绩增速较3年均值的偏差，成长性更能驱动股价表现，价值性因素相对较弱。

• 分组回测图显示高成长偏离度组（G5）拥有最高超额收益；

- 类似地，业绩弹性预期差高的行业组合年化超额收益高达9.02%，信息比率1.16，指标表现良好。

这种视角能够量化行业成长性带来的超额收益潜力。[page::14-15][图14][图15]

3.4 模式匹配技术模型（第17-18页）

基于历史市场状态相似性原则，选取与当前相似度高的历史时间窗口，进行未来行情推断。回测区间2010年至2020年，策略年化超额收益5.75%，信息率0.81，表现稳健。

• 模式匹配偏好趋势行情，Beta贡献显著，长期稳定的行业配置更占比重。

- 净值曲线显示相对于中证全指持续超额回报表现。[page::17-18][图17][图18]

3.5 行业趋势—强者恒强行为金融解释（第19页）

趋势延续由认知偏差驱动，形成三阶段：

• 起始：锚定效应及信息反应不足，推动趋势形成。

- 延续：羊群效应和过度反应放大趋势。

• 终结：价格偏离基本面出现修正。

趋势延续受投资者非理性行为强化，为技术面动量策略提供逻辑基础。[page::19][图19]

3.6 趋势策略-动量模型（第20-21页）

基于传统截面动量，结合时序动量与止损机制。有效降低月内大幅回撤，控制最大回撤率至-46.54%，远优于普通动量模型的-68.43%。年化收益提升，夏普比率明显增强。（综合模型：年化32.0%，夏普1.23，回撤-46.54%；普通动量模型：年化20.99%，夏普0.67，回撤-68.43%）

月度收益表现改善明显，正收益月度占比提升至60.59%，且极端负收益月较少，[page::20-21][图20][图21]

3.7 行为视角：基金重仓股行业配置信号（第22-25页）

重仓股在基金整体持仓中代表性高，尤其配置型基金中超过40%重仓股占比的比例超过半数。重仓股指数相对基准跑赢明显，且重仓股行业配置对主动基金超额收益贡献显著。

• 散点图显示行业配置贡献与个股选择贡献积极正相关，行业配置为Alpha重要来源。

- 逆向配置更优表现：超配组合与低配组合净值曲线显示均优于基准，净增仓组合收益显著优于净减仓，显示逆向操作的含金量。

• 多维综合模型基于重仓股超配、净仓变动及“逆势配置”，构建多头/空头组合，自2009年至2020年期内多头组合年化收益22%，超额收益11.2%，信息比率1.3，胜率66.7%，表现优异。[page::23-25][图23][图24][图25]

3.8 综合行业轮动模型（第26-29页）

基于宏观基本面、技术面趋势、盈利估值、机构跟踪投资者行为等四个视角，采用自上而下的多维度策略集成模型：

• 宏观与技术面用于大类板块选择；

- 中观视角通过综合成长与估值指标筛选行业；

• 行为面通过基金持仓信号实时校正；

- 权重合成后形成决策体系。

历史回测显示2010年至2020年，年化收益14.39%，年化超额11.37%，明显优于单策略和等权组合。其中信息率达1.35，最大回撤约52.7%，综合策略在收益波动率和最大回撤表现上均优于其他单策略，体现了集成模型的优势和稳健性。[page::26-29][图27-29]

---

四、风险因素评估（第31页）

报告明确列出风险因素：

• 模型风险： 模型依赖历史数据和假设，可能在未来市场环境剧变下出现失效。

- 宏观与行业政策调整： 政策层面变化可能带来重大不确定性、影响行业盈利周期。

• 市场预期大幅波动： 情绪面极端波动可能导致模型信号偏差或被动策略失效。

报告未具体指出缓解措施，但暗示多视角、集成方法以降低单一策略风险，增强稳健性。[page::31]

---

五、批判性视角与细微差别

1. 模型假设前提相对理想化，如模式匹配依赖历史相似状态假设未来必然延续，可能忽视非线性突发事件。宏观板块划分跳脱传统行业划分标准，虽经济学逻辑严密，但实际定性可能存在争议。

2. 估值指标和成长指标的权重及计算方法未完全透明，部分成份和参数调整说明不充分，可能带来模型误差。

1. 投资者行为模型基于公募基金重仓数据，可能存在滞后性和操作难度，且重仓股对小盘股或新兴行业的覆盖不足，影响策略全面性。

4. 回测截止2020年，未直接考察2021年及后疫情时代市场表现适应性，未来市场的结构性变化或政策导向调整对策略有效性构成挑战。

整体方法论体系严谨，但仍需关注以上潜在偏误及宏观环境变化对模型的适用性影响。[page::33]

---

六、结论性综合

本报告基于丰富的行业基金数据和多维量化分析方法，提出了一套体系完整的行业轮动配置策略框架。其核心贡献包括：

• 行业主题基金的完整分类工具，为量化配置提供基础标的及样本池支持。

- 宏观基本面视角的板块划分与经济周期对应模型，实现经济增速下的板块超额收益捕捉。

• 中观盈利估值模型，以成长性和预期差为核心指标，实现行业周期的捕捉和超额收益挖掘。

- 技术面模式匹配与动量策略，结合历史形态相似度和趋势的行为金融理论支持，大幅度提升策略回撤控制能力。

• 投资者行为视角，应用重仓股配置信号和逆向配置行为，验证行业配置对基金超额收益的关键贡献，构建多维综合指标。

- 珠联璧合的多视角综合行业轮动模型，通过自上而下的结构化流程，综合宏观、技术面、盈利估值及机构行为完成行业配置决策，实现年化超额11.37%的优异表现。

从图表看，综合行业轮动模型表现为收益—波动率配置最优化，能有效控制最大回撤，同时保持较高的信息比率。报告也提供了当前2021年5月各模型的最新行业配置建议，体现模型的实时适用性。

综上，报告展现了一个系统而深入的量化行业配置研究路径，能够有效辅助投资机构和基金管理人进行行业资产配置，是中国市场量化配置研究的重要参考文献。[page::0-31]

---

参考图表示例

• 基金池构建流程图（主动型与被动型）

• 行业基金图谱（2020Q1）

（示意，具体数据详见文本）

• 宏观视角下行业配置策略表现

• 业绩弹性预期差分组历史表现

• 模式匹配策略净值曲线

• 综合行业轮动模型历史表现

---

总结

中信证券量化策略团队长期深耕行业配置领域，报告系统论证了多角度、多模型融合的量化行业轮动思路，结合中国市场丰富的基金和指数数据，展示了方法论、模型构建及实证回测的全面框架，为机构投资者的行业资产配置提供了坚实理论和实务指导基础。

报告