在《中金｜行业轮动在ETF投资上的应用》中，我们利用组合优化法将行业轮动模型观点落地为可实际投资的ETF组合。本文将轮动节奏自适应的行业轮动2.0模型应用到细分行业，并进一步探索将行业轮动观点应用于ETF投资的方式，构建了ETF基准轮动模型。

在中信一级行业体系上效果较优的轮动节奏自适应行业轮动2.0模型，应用到自制细分行业、中信二级行业体系下仍然显示出较为不错的截面预测能力，分组单调性优良。

以每期等权持有对应分类数量10%比例的行业作为多头组合，在2010年3月至2023年11月近14年的样本区间内，自制细分行业组合年化收益11.19%，夏普比率0.54，相对于中证全指基准年化超额收益9.71%；中信二级行业组合年化收益10.94%，夏普比率0.65，相对于中证全指基准年化超额收益9.46%。

‍‍‍‍‍根据行业轮动组合所有持仓行业指数所构成的完整成分股权重分布作为拟合对象，用所有ETF基于其各自的成分股数据，通过组合优化的方式，使得最终的ETF组合底层持仓尽可能接近我们希望实现的行业配置，最小化跟踪误差。

然而，由于部分行业难以找到与之重合度较高的ETF基金，而相对应的行业与ETF基金之间存在底层持仓上的偏离，用现有的ETF基金模拟轮动模型观点持仓始终存在较大的跟踪误差。这导致运用组合优化法将行业组合落地为ETF之后，细分行业与中信二级行业组合表现均有大幅折损。

将自制细分行业组合维度观点落地到ETF后，年化收益由11.19%下降到5.44%，夏普比率由0.54下降到0.34，月度胜率也从60.37%降低至54.88%。将中信二级行业观点落地到ETF后，年化收益由10.94%下降到4.51%，夏普比率由0.65下降到0.31。

基准轮动法以构建一个ETF间低耦合、整个样本池高覆盖的ETF池为基础，将各ETF所对应的跟踪基准构建跟踪指数池，并运用行业轮动2.0模型对各指数进行打分，选取得分最高的若干指数以等权或得分加权的方式构建多头组合，最终将跟踪指数持仓对应回ETF持仓，完成行业ETF轮动。

2019年以来，基准轮动法得分加权持有前20%指数的组合年化收益达14.17%，夏普比率0.74，最大回撤24.90%，相对于中证全指基准年化超额收益8.26%。由于底池覆盖ETF数量更加完备，2022年以来表现明显优于其他方法。

基准轮动法不存在落地带来的底层持仓扭曲，且可以任意替换ETF池，从而在给定产品上通过轮动增厚收益，具有较好的灵活性。而权重优化法是部分年度表现较好，但优化算法的随机性较大，并不保证拟合优度，跟踪误差较大。

细分行业组合优化法对应推荐的ETF持仓：易方达中证浙江新动能ETF，国泰中证钢铁ETF，富国中证800银行ETF，华泰柏瑞红利低波动ETF。

基准轮动法对应推荐的跟踪指数：中证800银行指数、国证绿色电力指数、中证浙江凤凰行动50指数、国证石油天然气指数、国证新能源车电池指数、中证基建工程指数、中证石化产业指数、中证全指建筑材料指数。

行业轮动模型能够通过判断行业基本面及价量多维度信息，把握行业指数间的收益分化，从而捕捉行业配置维度的超额收益。单从行业轮动模型而言，大多模型以行业指数作为标的输出观点，缺乏实操层面的可投资性。

在将行业轮动模型观点落地为可投资组合的过程中，我们通常运用行业观点叠加选股策略的方法、直接投资行业底层股票，或是直接将观点对应到ETF标的、形成ETF轮动。

ETF作为跟踪指数的投资工具，具备成分股质量高、交易灵活、选择范围广等特征，具有较好的可投资性。在交易层面则具有费率低、形式灵活、透明度高的优势。此外，国内被动投资和ETF市场的蓬勃发展，也提供给投资者更多元的选择空间，且未来也会持续丰富扩容。

逐一对应法：匹配可对应ETF，无对应标的观点顺延

组合优化法：根据细分行业输出观点，在ETF池中权重优化匹配

组合优化法的做法是对每个行业分别匹配重合度最高的ETF基金，而从整体持仓的角度，我们可以把所有行业观点的底池合并，以其底层股票持仓为目标，基于ETF各自的成份股数据，运用组合优化的方式求解ETF组合的持仓权重，使得最终其底层股票分布与我们希望实现的行业股票配置尽可能地接近，即完成如下的优化问题：

基准轮动法：选取代表性ETF池，在其跟踪基准上进行轮动

基准轮动法是通过挑选重构ETF池后，在其对应的跟踪基准指数上进行轮动，从而规避指数观点应用到ETF层面出现跟踪误差或拟合效果差的问题。其中，如何构建一个尽量完备的ETF池是保证该方法轮动表现的重中之重。

虽然研究者们基于我国股市开发了不少能有效预测标的间截面收益的信号，但由于目前市场上实际可投资的ETF基金样本所体现的一些特征，使得这些信号在落地到我国ETF市场中时，往往大打折扣。这些特征在几年前市面上ETF基金发行尚少时尤为突出。具体而言，其中两个特征对信号有效性的影响更为重要：

►  区分度低：市场中大量ETF之间具有高重合度，不仅是走势上高度重合，甚至持仓上可能也仅是有些微的差异；

►  完备性低：市场中不少ETF是基于曾经较好的行情下应运发行的，但有不少冷门赛道或行业尚未有基金公司开发。

因此为了尽可能提升我们行业轮动信号落地的有效性。我们在应用信号前首先对市场上的ETF基金样本应用一套算法，其目的是希望通过该算法能根据当时可投资的所有ETF中，优化出一个尽可能样本内ETF间低耦合，整个ETF样本池高覆盖的ETF池。筛选ETF池的频率与行业轮动观点输出频率相同，均为月度。算法具体步骤如下：

根据上述方法构建完ETF池后，具体ETF轮动方法如下：

►  选择ETF匹配机制；

►  跟踪指数维度输出轮动观点：

• 基于选取的ETF池，我们以各ETF所对应的跟踪基准构建跟踪指数池；
  
  
• 我们运用行业轮动2.0模型思路，通过流通市值加权，将跟踪指数成分股得分加权到指数维度，合成最终复合得分；
  
  
• 将指数按复合得分排序后，我们按照当期指数池大小的一定比例确定投资组合标的数量，对乘以该比例后标的个数小于7只的情况进行向上取整，大于7只的情况向下取整。选取得分最高的若干指数以等权或得分加权的方式，构建多头组合。

►  最终将跟踪指数持仓对应回ETF持仓，完成行业ETF轮动。

在该部分中，我们运用行业轮动2.0模型对行业指数进行打分排序，构建行业指数多头组合，并尝试用组合优化法和基准轮动法进行ETF轮动。

考虑到不同策略底池之间的相对收益比较，我们后文中的相对收益均为组合相较于中证全指的超额收益，而非相对于行业或跟踪指数池的等权平均收益。

组合优化法应用于自制行业分类体系

组合优化法在不同行业分类体系上均难以有效降低[文]跟踪误差，导致轮动模型观点落地到实际投资组合[章]时产生扭曲。因此，我们选择规避指数观点应用到[来]ETF层面出现跟踪误差的问题，挑选重构ETF[自]池后，在其对应的跟踪基准指数上直接进行轮动。[1]

此部分测试运用了根据上文算法筛选出的低耦合、[7]高覆盖特征的ETF池。我们将当期ETF池大小[量]的10%/20%/开方取整作为持仓ETF数量[化]，选取了行业复合得分最高的指数进行等权/按得[ ]分加权持有，构建多头组合。

考虑到市场上ETF基金的多样性以及基准ETF池子的大小，我们选择2019年至今作为回测区间，测试多头组合历史表现。可以看到，2018年前符合筛选要求的ETF个数不到10只，即使按照20%作为多头组合也仅持有两只；2022年后ETF池子具有相对规模，包含20只以上ETF。

从基准轮动法结果可见，多头持仓个数越少，其年化收益越高，月度胜率也越高，且得分加权组合表现优于等权组合。这也体现出行业轮动2.0模型应用在基准ETF池子上有较高的有效性，复合得分靠前的指数的确呈现出更优的收益水平能力。多头加权持有前10%指数的年化收益达到18.80%，相较于中证全指超额收益为12.61%；得分加权持有前20%指数的年化收益14.17%，超额8.26%，夏普比率0.74。

出于稳定性和均衡持仓考虑，我们选取得分加权持有前20%指数作为最终的轮动方案。若仅持有前10%，则相当于2022年前仅持有1-2只ETF，持仓过于集中，收益不稳定；且可能存在过拟合的风险。

注：区间为2019/01/02-2023/11/30；相对收益基准为中证全指

资料来源：Wind，中金公司研究部

图表24：基准轮动法历史净值曲线

注：测试区间为2019/01/02-2023/11/30；相对收益基准为中证全指；图中曲线为前20%指数组合的结果；组合相对净值中的组合指最终选取的加权持有前20%的方法

资料来源：Wind，中金公司研究部

图表25：基准轮动法分年收益对比

注：测试区间为2019/01/02-2023/11/30；相对收益基准为中证全指

资料来源：Wind，中金公司研究部

我们对比了基准轮动法结果与同期自制行业、中信[ ]二级行业指数落地后的轮动结果，发现基准轮动法[ ]2019年以来的总体表现显著优于相同持仓比例[1]的指数落地表现。同时考虑到指数组合落地到具体[7]ETF之后绩效大幅降低，而基准轮动法不存在落[q]地带来的底层持仓扭曲，因此从实际投资角度，基[u]准轮动法相对于指数轮动法具有明显优势。

从分年收益来看，基准轮动法在2019-2021年间弱于组合优化法，但是2022年和2023年至今（截至2023/11/30）的收益表现均强于组合优化法。这也是因为受限于筛选出的ETF池子样本数量有限。ETF池大小在2022年前不足20个，2023年开始达到40个，取20%的多头组合约为8支，此时方与组合优化法的持仓数量较为接近，初具可比性。

对比两种方法，其侧重点不一样，优劣也有所不同[a]：

►  权重优化法是部分年度表现较好，但优化算法的随机性较大，并不保证拟合优度，跟踪误差较大。

►  基准轮动法是灵活性更高，可以任意替换ETF池，从而在给定产品上通过轮动增厚收益；且随着ETF池扩大，组合近年表现优良，稳定战胜基准，潜力更大。

根据2023/11/30数据，2023年12月观点及配置如下：

►  细分行业组合优化法对应推荐的ETF持仓：

►  基准轮动法对应推荐的跟踪指数：

• 在中信一级行业体系上效果较优的轮动节奏自适应行业轮动2.0模型，应用到自制细分行业、中信二级行业体系下仍然显示出较为不错的截面预测能力，分组单调性优良。
  
  
• 以每期等权持有对应分类数量10%比例的行业作为多头组合，在2010年3月至2023年11月近14年的样本区间内，自制细分行业组合年化收益11.19%，夏普比率0.54，相对于中证全指基准年化超额收益9.71%；中信二级行业组合年化收益10.94%，夏普比率0.65，相对于中证全指基准年化超额收益9.46%。