• 行业配置体系框架：开源金工采用市场交易行为（行业黄金律和行业龙头股）、行业景气度和北向资金流三大维度组成4个子模型，作为行业配置决策依据。2019年至今28个一级行业等权组合月度胜率达70% [page::0][page::2]

• 核心行业定义及表现：通过公募基金持仓占比（医药生物11.81%、食品饮料8.1%、电子8.1%、非银金融7.5%、计算机6.5%、银行6.4%等）及行业收益贡献，筛选14个ETF跟踪核心行业。该核心行业池2014年至今三分组多头组合年化收益20.3%，信息比率0.756，年化换手5.89倍；多空组合年化收益13.3%，胜率65.4%，信息比率1.1 [page::4][page::5][page::6].

- 核心行业近三个月收益表现走势图及2020年多空超额收益显著。

• 核心行业配置组合近一年持仓明细，2021年1月多头组合包括有色金属、计算机、医药生物、通信和电子为前五大行业，显示了行业轮动的动态特征 [page::7].
• 细分行业轮动模型升级：将高关注度的医药生物、食品饮料、非银金融、电子拆分为40个二级行业，考虑颗粒度变化导致交易行为模型中行业龙头股失效，改用隔夜因子、行业景气度和北向资金三个子模型构建轮动策略。2015年5月至今，多头组合年化收益5.69%，多空超额收益17.16%，月度胜率65.2%，年化换手4.48倍，细分行业轮动模型表现稳健 [page::8][page::9].

• 细分行业轮动多头组合年度收益稳定，2020年绝对收益高达49.82%，展现了细分行业模型的有效性和升级后的实用价值 [page::9].

• 总结及风险提示：两类行业轮动模型在实操环境中均表现稳健且实用，推荐结合行业观点关注模型观点及组合表现。模型基于历史数据，未来市场可能变化导致表现波动，存在潜在风险 [page::9].

开源量化评论——行业量化配置研究报告详尽分析

---

一、元数据与概览

报告标题：《开源量化评论 | 行业量化配置：在重要行业上的应用》
作者与团队：开源证券金融工程团队，首席分析师魏建榕，分析师张翔，研究员王志豪
发布时间：2021年01月28日
研究机构：开源证券研究所
研究主题：基于量化模型的行业轮动配置策略，聚焦于重要一级行业及细分行业的量化配置应用。

报告核心观点与结论：
该报告提出一种基于市场交易行为、基本面和资金面三大维度的行业配置体系，强调“四大子模型”的协同作用。核心部分聚焦两个应用场景：

1. 核心一级行业的量化轮动，主要覆盖公募基金重仓、收益贡献显著的14个行业，通过多模型融合实现稳定且高收益的行业配置。

2. 细分行业（二级行业）的轮动，在特定高关注度一级行业内进一步拆细，以捕捉更加细腻的行业轮动逻辑。该细分行业轮动模型调整了交易行为模型，避免其在细分行业出现失效，保持了稳健的盈利能力。
两种方法均体现出较好的实用性和稳定性，适合投资者结合广大ETF行业跟踪产品实施。报告明确推荐市场关注该行业轮动模型观点及组合表现。[page::0]

---

二、逐节深度解读

2.1 摘要与行业配置体系回顾

• 关键内容:

报告首次回顾了开源金工构建的“行业配置体系”，该体系由市场交易行为（行业黄金律和行业龙头股），基本面（行业景气度），资金面（北向资金流）四个子模型组成。

• 推理与假设:

- 市场交易行为可反映资金真实交易信号。
- 行业景气度通过基本面盈利改善来捕捉潜在投资机会。
- 北向资金流代表聪明资金偏好，资金流入比例高的行业更具吸引力。
该多模型结合不仅侧重动量，还强调基本面和资金面的协同，对行业轮动信号提纯，尽量避免噪声干扰。[page::1][page::2]

• 关键数据:

2019年以来，基于28个一级行业等权组合，月度胜率高达70%。该行业模型经过多次调整和验证，体现出稳定性。[page::2]

• 图示:

图1（第2页）形象展示了三大维度四个模型结构，将交易行为细分中观与微观层面，景气度体现基本面盈利，资金面关注资金偏好，呈环形关系，强化多维融合理念。[page::2]

---

2.2 行业配置在实际应用中的痛点与拓展思路

• 核心问题:

报告指出行业配置两大痛点：
1. 行业重要性差异显著，能否针对重要行业进行有效配置。
2. 一级行业划分过宽泛，精细到二级行业以提高轮动策略的精确度。

• 逻辑:

针对上述问题，报告提出分别从“核心行业轮动”和“细分行业轮动”两个维度进行策略测试和模型优化探索。[page::0][page::3]

---

2.3 核心行业轮动应用

• 概述:

核心行业依托公募基金持仓数据衡量行业重要性，重点覆盖医药生物、食品饮料、非银金融、计算机、电子、银行等14个行业，这些行业均有对应ETF跟踪。

• 基金持仓与收益贡献分析:

- 基金重仓结构基于2014年至2020年分季度数据，医药生物持仓占比最高，约11.81%。
- 以基金持仓和行业弹性（收益贡献）共同筛选十大核心行业，既体现了行业权重，也考虑行业对基金收益的贡献度。
- 收益贡献计算公式体现了行业收益率乘以持仓权重的平均值，反映了行业对基金总体绩效的贡献。[page::4]

• 核心行业ETF产品匹配:

报告详细列举了对应14个核心行业的主流ETF产品信息，包括ETF代码、成立时间及规模。企业级投资者可据此实现精准行业配置，结合多模型信号执行轮动策略。[page::5][page::6]

• 回测表现:

- 2014年至今，多头三分组组合年化收益20.3%、信息比率0.756。多空策略年化收益13.3%，胜率65.4%。
- 年化换手率约5.89倍，显示策略更新频繁，适合动态调整。
- 多头组合收益稳定，尤其在2020年获得41.13%绝对收益，表现优于沪深300、中证500及Wind全A指数。
- 超额收益年均为正，多空超额收益达到31.63%（2020年）体现核心行业策略显著alpha能力。[page::6][page::7]

• 交易组合结构:

2020年以来，核心行业多头组合月度持仓动态介绍，显示医药生物、有色金属、电子、计算机等行业频繁入选，体现策略紧贴市场热点与资金流动。[page::7]

• 图表:

- 图5、6直观体现了策略收益曲线及历史月度超额收益稳定为正。
- 表2提供核心行业多头组合历史持仓，方便投资者理解策略选股偏好。[page::6][page::7]

---

2.4 细分行业轮动应用

• 背景与挑战:

针对一级行业宽泛的缺点，报告将医药生物、食品饮料、非银金融、电子四大一级行业细化到40个二级行业层面。
细分行业粒度变细，传统的交易行为模型（黄金律和行业龙头股）表现弱化，主要原因是动量信号失去稳定性和驱动效应，行业内部同质化进一步加剧。

• 模型调整:

细分行业轮动策略剔除行业龙头股模型，保留隔夜因子（黄金律一部分）、行业景气度及北向资金流三大模型指标，构成新的二级行业配置模型，确保信号依然具备较好预测能力。[page::8]

• 回测成果:

- 2015年5月至今，多头五分组组合年化收益5.69%，换手4.48倍。
- 多空策略超额收益17.16%，信息比率1.55，月度胜率65.2%。
- 细分行业轮动多头策略2020年绝对收益高达49.82%，表现优良且稳定。
- 收益日历显示除2014外各年份均实现正超额收益，表现稳健。[page::8][page::9]

• 行业拆分细节:

表3详列40个细分行业及其成分股数量、行业市盈率（PEttm）等信息，便于理解细分行业结构及估值差异，显示研究深度和研究的可操作细节。[page::8]

• 图表:

- 图8展示细分行业多头、空头及行业平均收益曲线，体现策略相对基准及空仓分组的显著优势。
- 图9、10细致列示细分行业多空超额收益和多头收益的年月份表现，数据完整性强，便于投资者把握历史节奏。[page::8][page::9]

---

2.5 总结与风险

• 核心观点重申:

两类行业轮动场景均展现出良好收益与胜率，既有针对核心行业利用全部四个模型的强势策略，也有细分行业调整后的三模型策略，均具备实用性和稳定性。鼓励投资者基于ETF产品结合行业配置模型，优化资产配置和行业轮动投资。

• 风险提示:

报告重点提示模型基于历史数据，未来市场环境可能发生重大变化，任何策略均面临失效风险，投资者需适时调整和验证模型有效性。[page::9]

---

三、图表深度解读

图1（第2页）——行业配置体系结构图

• 展示行业配置体系由四个子模型组成，分别对应市场“交易行为”的“中观”与“微观”层面（行业黄金律和行业龙头股），“基本面”的“行业景气度”，以及资金面的“北向资金流”。

- 说明模型融合多层次信息，兼顾动量、基本面与资金偏好，体现量化行业配置的全面视角。

图2（第2页）——近三月行业收益表现表

• 清晰列示28个行业近三个月涨跌幅和投资观点。

- 加权组合表现明显优于28个行业等权基准，11月至1月超额收益分别为2.23%、3.08%、3.17%。

• 数据反映行业轮动模型能有效捕捉优势行业，实现超额收益。

图4（第4页）——基金行业收益贡献柱状图

• 该图直观显示各个一级行业对公募基金收益贡献的大小。

- 最高为医药生物、食品饮料、非银金融和计算机等行业，确认了选取核心行业的合理性。

• 强调行业权重与收益弹性共同决定重要性。

图5 & 图6（第6页）——核心行业轮动收益曲线及多空超额收益日历

• 图5多头、三分组组合收益走势平稳攀升，显示持续的alpha输出能力，且多空收益与信息比率表现良好。

- 图6日历图详列每月多空超额收益，显示极少负收益月份，2020年表现尤为出色。

• 信息比率及换手率表明策略在风险调整后收益稳健，动态调整频繁以捕捉行业结构变化。

图8（第8页）——细分行业轮动回测表现

• 曲线显示多头组、空头组与行业平均表现清晰区分，多头组收益明显领先行业平均，空头组低迷验证策略有效性。

- 多空超额收益曲线持续上升，反映策略有效捕捉细分行业表现差异。

图9 & 图10（第9页）——细分行业轮动多空超额收益及多头收益日历

• 通过详细年月份收益展现，策略在不同市场周期中的表现状态及波动。

- 多空超额收益多为正，暗示风控良好及策略持续有效。

• 多头收益波动较大但长期表现强劲，突出了细分行业策略的潜在高收益机会。

---

四、估值分析

本报告核心不涉及传统估值模型（如DCF、市盈率倍数法等）具体估值计算。其核心是通过量化因子模型结合行业投资池实现行业择时和配置优化，依赖因子信号聚合获得策略表现。其“估值”体现在对行业盈利景气度的动态追踪及PE指标作为行业拆分的辅助参考（细分行业表3中列示行业PEttm），为因子权重与市场定位提供辅助。[page::8]

---

五、风险因素评估

• 历史性风险：策略依赖历史数据回测，未来重大政策、市场结构变化可能导致模型失效。

- 行业划分风险：细分行业颗粒度加细会使部分交易行为模型失效，策略需适度调整以应对信号弱化风险。

• 市场环境风险：资金流、行业景气度及交易行为模型均假设市场存在连续性和有效性，中断可能直接影响模型表现。

报告虽未详细提出缓解措施，但通过多模型融合及动态组合调整减少单一模型失效的影响，体现风险控制理念。[page::9]

---

六、批判性视角与细微差别

• 模型依赖度高的历史数据限制：尽管策略回测表现优异，但该框架仍然高度依赖于过去市场规律，面对未来市场结构突变需持续观察模型适应性。

- 模型颗粒度的权衡问题：行业细分对模型有效性带来挑战，报告采用剔除微观龙头股模型的方式解决，但是否所有细分行业均适用此思路值得进一步探讨。

• 换手率偏高：年化换手率均接近或超过4-5倍，短期内交易成本或市场冲击未明确计入，实际策略净收益水平需考虑交易成本。

- ETF产品依赖：核心行业配置推荐基于有ETF跟踪行业，若ETF产品流动性不足或跟踪误差较大，或影响实操效果。

• 观点表达较为乐观：报告多以正面胜率和收益强调模型优势，风险提示简洁，投资者需结合自身风险偏好审慎判断。

---

七、结论性综合

本报告基于开源证券金融工程团队原创行业配置模型，系统展示了基于市场交易行为、基本面盈利景气度及北向资金流的量化行业轮动体系。两类应用场景——核心行业和细分行业轮动均展现出显著的正收益和较高的月度胜率。

报告数据详实，逻辑严谨，ETF产品与基金持仓数据结合增强实操指导意义。核心行业轮动多头组合2014-2020年年化收益达20.3%，细分行业轮动也获得近6%的年化收益，两种策略均展现了优良的超额收益及信息比率。

图表阅读中，行业持仓贡献图明确指示主力资金关注焦点，核心行业及细分行业轮动收益曲线和日历图验证策略的持续性和稳健性。

风险提示虽简明，但合理指出模型依赖历史表现可能存在失效风险。投资者结合量化模型观点和ETF工具，能更科学地进行行业轮动配置，有望获得超越基准的投资回报。

综上，开源金工行业配置体系为实务投资提供了高效、系统和创新的量化解决方案，值得行业投资者深入研究和应用。[page::0,1,2,4,6,8,9]

---

参考图示

• 图1：开源金工行业配置体系：三大维度4个模型筛选

• 图4：各行业对公募基金收益贡献

• 图5：核心行业轮动三分组织合表现

• 图8：细分行业轮动回测表现

• 图9：细分行业轮动多空超额收益日历图

---

报告