概要：本篇文章以扩散指标行业轮动为基础构建沪深300增强策略，先尝试不加任何限制条件的选择沪深300指数内符合条件的行业内全部股票，并以此为原始策略，逐步进行了结合主动权益基金持仓、限制个股权重和限制行业偏离程度三种改进尝试。

在扩散指标行业轮动的条件下我们构建原始沪深300增强策略：2010年6月30日至2023年1月13日（下文提及回测期均为该日期区间），应用在中信一级行业的扩散指标轮动的沪深300增强策略累计收益414.76%，年化收益14.49%，最大回撤为-45.59%，夏普比率0.52，信息比率为0.88。从分年度的累计收益情况来看，整体上，回测期内大部分年度累计收益率优于沪深300，其中2022年策略年化收益-0.18%，超沪深300指数21.46%。

改进一：叠加主动权益基金持仓：我们参考基金投资策略系列研究第一篇《基于主动基金持仓的扩散指标行业轮动及改进》，将扩散指标应用于主动权益基金持仓上，构建扩散指标行业轮动的沪深300增强策略。回测期内，基于主动权益基金持仓的扩散指标行业轮动沪深300增强策略累计收益462.38%，年化收益为15.33%，最大回撤为-44.06%，夏普比率为0.56。其中2022年改进一策略累计收益率为30.65%，同年沪深300累计收益率为-21.63%，超额达52.29%。相较于原始增强策略，在叠加主动权益基金持仓后，策略最大回撤有所下降的同时收益有微弱的提升，夏普比率和calmar均有所提高，整体上，风险收益情况有所提升，信息比率由原来的0.88提升至0.97。

改进二：限制个股权重：我们对个股权重进行限制，在限制条件为10%的条件下，应用在主动权益基金持仓行业轮动的沪深300增强策略累计收益440.75%，年化收益14.96%，最大回撤为-45.15%，夏普比率0.55。其中2022年策略累计收益率为1.54%，超沪深300收益为 23.17%。整体来看，相较于不限制个股权重的策略，改进二的信息比率较改进一仅仅下滑0.02，但是更贴近投资现实，故认为这尚为有效的尝试。

改进三：限制行业权重偏离：我们进一步尝试以沪深300指数的行业权重为基础，依据扩散指标排序对行业权重进行不同程度的偏离构建沪深300增强策略，以此使策略的行业配置在偏离的情况下更贴近沪深300指数。本文采用加法和乘法两种行业偏离限制方法，结果显示无论使用加法还是使用乘法对行业权重进行偏离，策略相较于沪深300指数均可获得一定超额收益，且超额收益曲线非常稳定，超额年化波动率分别为0.05和0.04，信息比率分别为1.19和0.92。

宏观经济变化风险；新冠疫情恶化对全球宏观经济带来负面影响；政策环境超预期变动风险；指数系统性下跌风险；模型失效风险。

1. 扩散指标行业轮动回顾

在基金投资策略系列研究第一篇《基于主动基金持仓的扩散指标行业轮动及改进》中，我们对扩散指标行业轮动策略进行改进尝试。原始策略为利用扩散指标对中信一级行业指数进行行业轮动，每月度末进行调仓，在不考虑交易费用的情况下，2010年6月30日至2023年1月13日回测结果如下：

2010年6月30日至2023年1月13日，扩散指标中信一级行业轮动策略累计收益402.09%，年化收益14.26%，最大回撤为-54.14%，夏普比率0.49。

从分年度的累计收益情况来看，回测期内，扩散指标中信一级行业轮动策略在大部分年度累计收益率优于中信一级等权策略。

2. 原始增强策略：基于中信一级扩散指标行业轮动的沪深300增强

在扩散指标中信一级行业轮动策略有效的前提下，我们试图基于此策略构建沪深300指数增强策略。

具体地，每月末基于扩散指标筛选排名前6的行业，并根据筛选出的行业配置沪深300成分股中相应行业的股票，加权方式为行业间等权、行业内市值加权。同样在暂不考虑交易成本的条件下，策略在2010年6月30日至2023年1月13日回测期内的回测结果如下：

2010年6月30日至2023年1月13日，应用在中信一级行业的扩散指标轮动的沪深300增强策略累计收益414.76%，年化收益14.49%，最大回撤为-45.59%，夏普比率0.52，信息比率为0.88。

从分年度的累计收益情况来看，整体上，回测期内大部分年度累计收益率优于沪深300，其中2022年策略年化收益-0.18%，超沪深300指数21.46%。

我们分析了筛选不同行业个数参数下策略的表现情况，如下表所示。在不同行业个数参数下，策略相较于沪深300均可获得一定超额收益。

3. 改进1：叠加主动权益基金持仓后的扩散指标行业轮动沪深300增强

上述改进策略从行业偏离的角度为沪深300增强带来了超额收益，进一步，我们参考基金投资策略系列研究第一篇《基于主动基金持仓的扩散指标行业轮动及改进》，将扩散指标应用于主动权益基金持仓上，构建扩散指标行业轮动的沪深300增强策略。具体策略如下：

（1）主动权益基金筛选：主动权益基金筛选条件参考上述基金投资策略系列研究报告；

（2）行业筛选：每月末根据扩散指标行业轮动模型，筛选扩散指标表现最好的6个行业；

（3）股票筛选：在沪深300成分股与主动权益基金持仓股票交集中，筛选上述扩散指标表现最好的6个行业的股票；

（4）加权方式：行业间等权，行业内市值加权；

（5）调仓频率：每月度末；

（6）交易成本：暂不考虑。

自2010年6月30日至2023年1月13日，策略回测结果如下：

2010年6月30日至2023年1月13日，基于主动权益基金持仓的扩散指标行业轮动沪深300增强策略累计收益462.38%，年化收益为15.33%，最大回撤为-44.06%，夏普比率为0.56。

相较于原始增强策略，在叠加主动权益基金持仓后，策略最大回撤有所下降的同时收益有微弱的提升，夏普比率和calmar均有所提高，整体上，风险收益情况有所提升，信息比率由原来的0.88提升至0.97。

从分年度的累计收益情况来看，整体上回测期内年度累计收益率优于沪深300，其中2022年改进一策略累计收益率为30.65%，同年沪深300累计收益率为-21.63%，超额达52.29%。

下表展示了在筛选不同行业个数下的策略表现。可以看出，在筛选2~10个行业的参数下，策略均能稳定跑赢沪深300指数。

4. 改进2：限制个股权重

上述改进1沪深300指数增强策略有较好的风险收益表现，但通过持仓分析我们发现，该策略存在个股权重超过10%的情况，不符合实际投资规则。因此，接下来，我们将进一步对个股权重进行限制，使得策略更具可操作性。

我们首先依旧按照改进一的策略进行行业筛选和个股权重配置，然后针对权重大于10%的个股，权重限制为10%，剩余权重用于配置下一个扩散指标最高的行业，行业内部依旧按照个股自由流通市值加权。以此类推，直到所有个股权重均不超过10%。

自2010年6月30日至2023年1月13日，策略回测结果如下：

2010年6月30日至2023年1月13日，限制个股权重条件下，应用在主动权益基金持仓行业轮动的沪深300增强策略累计收益440.75%，年化收益14.96%，最大回撤为-45.15%，夏普比率0.55。相较于不限制个股权重的策略，风险收益情况有所下降，但整体看来策略依然显著跑赢沪深300。从信息比率来看，从改进一至改进二仅仅下滑0.02，但是更贴近投资现实，故认为这尚为有效的尝试。

从分年度的累计收益情况来看，整体上回测期内年度累计收益率优于沪深300，其中2022年策略累计收益率为1.54%，超沪深300收益为 23.17%。

从筛选不同最少行业个数的结果来看，不同参数下，策略均能稳定跑赢沪深300指数。其中，在筛选持仓排名前6并限制个股权重上限10%时，回测期内策略的年化收益（11.06%）和夏普比率（0.55）均表现最佳，说明我们沿用对扩散指标行业轮动的参数在样本外依旧有效。

5. 改进3：限制行业权重偏离程度

我们进一步尝试以沪深300指数的行业权重为基础，依据扩散指标排序对行业权重进行不同程度的偏离构建沪深300增强策略，以此使策略的行业配置在偏离的情况下更贴近沪深300指数。

5.1. 使用加法进行行业权重调整

我们按沪深300原本权重，依据各行业扩散指标排名，以下列条件加减法调整行业权重：

我们将调整幅度w_add设为2.5%，自2010年6月30日至2023年1月13日，得到的回测结果如下：

依据行业扩散指标排名使用加法调整行业权重后，策略累计收益213.95%，年化收益9.91%，最大回撤为-45.28%，夏普比率为0.37。策略相较于沪深300指数仍有明显超额收益。

控制行业偏离后，相较于改进一的应用在公募基金持仓的沪深300增强策略，年化收益有所下降，但信息比率从原来的0.97提升至1.19，收益风险比显著提高。

从分年度风险收益情况来看，策略除2011年和2023年小幅跑输沪深300指数 2.45%外，回测期内每一年均跑赢沪深300指数。2022年策略累计收益率-16.36%，超额收益率为5.27%。

5.2. 使用乘法进行行业权重调整

我们以沪深300指数行业权重为基础，依据行业扩散指标排名，按照如下规则对权重进行行业权重调整：

我们将调整幅度w_mul设为0.25，自2010年6月30日至2023年1月13日，策略回测结果如下：

依据行业扩散指标排名使用乘法调整行业权重后，策略累计收益139.33%，年化收益7.47%，最大回撤为-43.28%，夏普比率0.27。

从分年度风险收益情况来看，策略除2011年和2023年略跑输沪深300指数外，回测期内年度累计收益率均优于沪深300，其中2022年策略超额收益率为0.43%。

综上所示，无论使用加法还是使用乘法对行业权重进行偏离，策略相较于沪深300指数均可获得一定超额收益，且超额收益曲线非常稳定。

6. 小结

本篇文章以扩散指标行业轮动为基础构建沪深300增强策略，先尝试不加任何限制条件的选择沪深300指数内符合条件的行业内全部股票，并以此为原始策略，逐步进行了结合主动权益基金持仓、限制个股权重和限制行业偏离程度三种改进尝试。

从信息比率来看，原始策略信息比率为0.88，在应用于主动权益基金持仓之后，信息比率提升至0.97；进一步，在为贴合实际投资情况进行个股权重限制后，信息比率为0.95；最后，使用加法进行行业偏离限制的策略信息比率达1.19，使用乘法进行行业偏离限制的策略信息比率为0.92，经行业偏离限制后，超额收益都非常稳定，年化跟踪误差分别为5.05%和3.89%。

7. 风险提示

宏观经济变化风险；新冠疫情恶化对全球宏观经济带来负面影响；政策环境超预期变动风险；指数系统性下跌风险；模型失效风险。

证券研究报告：《行业轮动下沪深300增强策略及改进 ——德邦金工基金投资策略系列研究之三》

对外发布时间：2023年2月3日

分析师：肖承志

资格编号：S0120521080003

邮箱：xiaocz＠tebon.com.cn

报告发布机构：德邦证券股份有限公司

（已获中国证监会许可的证券投资咨询业务资格）

肖承志，同济大学应用数学本科、硕士，现任德邦证券研究所首席金融工程分析师。具有6年证券研究经历，曾就职于东北证券研究所担任首席金融工程分析师。致力于市场择时、资产配置、量化与基本面选股。撰写独家深度“扩散指标择时”系列报告；擅长各类择时与机器学习模型，对隐马尔可夫模型有深入研究；在因子选股领域撰写多篇因子改进报告，市场独家见解。

吴金超，清华大学工学硕士，南开大学管理学士，曾任职于东北证券、广发证券，2021年11月加入德邦证券，主要负责指数择时、行业轮动、基本面量化选股等工作。

林宸星，美国威斯康星大学计量经济学硕士，上海财经大学本科，主要负责大类资产配置、中低频策略开发、FOF策略开发、基金研究、基金经理调研和数据爬虫等工作，2021年9月加入德邦证券。

路景仪，上海财经大学金融专业硕士，吉林大学本科，主要负责基金研究，基金经理调研等工作，2022年6月加入德邦证券。

王治舜，香港中文大学金融科技硕士，电子科技大学金融+计算机双学士，主要负责量化金融、因子选股等工作，2023年1月加入德邦证券。