大类资产配置研究系列（11）：行业轮动3.0：范式、模型迭代与ETF轮动应用

金融工程定期 2024年12月09日 金融工程研究团队 行业轮动3.0：范式、模型迭代与ETF轮动应用 ——大类资产配置研究系列（11） 魏建榕（首席分析师） 魏建榕（分析师）张翔（分析师） 证书编号：S0790519120001 张翔（分析师） weijianrong@kysec.cn 证书编号：S0790519120001 zhangxiang2@kysec.cn 证书编号：S0790520110001 证书编号：S0790520110001 傅开波（分析师） 证书编号：S0790520090003 高鹏（分析师） 证书编号：S0790520090002 苏俊豪（分析师） 证书编号：S0790522020001 胡亮勇（分析师） 证书编号：S0790522030001 王志豪（分析师） 证书编号：S0790522070003 盛少成（分析师） 证书编号：S0790523060003 苏良（分析师） 证书编号：S0790523060004 何申昊（分析师） 证书编号：S0790524070009 陈威（研究员） 证书编号：S0790123070027 蒋韬（研究员） 证书编号：S0790123070037 相关研究报告 《高频宏观因子构建与资产配置应用》-2023.10.25 《行业配置体系2.0：轮动模型的回顾、迭代与思考》-2022.2.27 《景气度研究：量化与主动的多视角》 -2021.12.23 《行业配置的量化解决方案》 -2020.11.25 《A股行业动量的精细结构》-2020.3.2 本篇报告是“行业轮动综合解决方案系列”的第三篇报告，在该系列报告中我们 将会开发最新的行业轮动模型、更新以往研究成果，并给出行业轮动应用的综合解决方案。 行业轮动交易模式的变化与应对 行业轮动在2022年以来轮动走向极致。从赔率角度：行业分化幅度在2017~2021年期间迎来持续5年的上行趋势，在2022年之后分化幅度逐渐减弱，目前赔率处于历史中位水平。从胜率角度：2021年之前行业动量持续性强，而从2022年开始行业动量延续性减弱，轮动速度明显加快。 在不同轮动频率与颗粒度下测试表明，行业动量效应在“一级行业+双周频率”下表现最优，适合以此展开行业轮动模型研究。 开源金工行业轮动3.0模型构建 行业轮动体系3.0在“一级行业+双周频率”下，针对体系2.0中已有的交易行为、景气度、资金流3个模型进行迭代，同时新增加筹码结构、宏观驱动、技术指标 3个新模型丰富了行业轮动的观察维度。 6个模型的轮动逻辑：交易行为模型捕捉行业日内动量+隔夜反转效应；景气度模型捕捉行业盈余动量效应；资金流模型捕捉主动抢筹+被动派发行为；筹码结构模型捕捉持仓收益+阻力支撑效应；宏观驱动模型捕捉高频宏观预期在行业上的映射；技术指标模型捕捉行业成份股在趋势、振荡、量能指标上的交易信号。 行业轮动信号合成研究 6个模型等权重合成模型，在2022年之前表现稳健，然而自2023年行业轮动加速后模型表现不佳。为了使行业轮动模型能够灵活适应市场波动，我们采用最小化排名跟踪误差方法，动态确定各模型的合成权重，构成行业轮动3.0模型得分。2012年以来，动态合成模型因子IC均值9.30%，年化ICIR为1.705，IC胜率61.4%；行业五分组多空年化收益25.5%，信息比率1.765。多头组合年化收益为18.7%，相对基准年化超额13.2%，信息比率1.432；空头组合年化收益-6.2%，相对基准负向超额12.1%，信息比率1.631。从分年度表现来看，行业轮动3.0信号在多头端与空头端表现均衡，且行业选择能力显著。 ETF行业轮动应用方案 对市场ETF产品进行全面梳理，并重点对行业主题ETF进行动态行业分类，大类行业ETF共有346只产品，覆盖24个一级行业。采用“行业-指数-产品”的ETF轮动框架，将行业轮动3.0信号构建ETF轮动组合。 2017年以来，ETF轮动组合年化绝对收益为25.5%、信息比率0.90；相对行业等权基准的超额年化收益为22.5%，超额信息比率为1.16。截至2024年11月底，ETF轮动组合绝对收益为20.0%。 风险提示：模型基于历史数据测试，市场未来可能发生重大。组合基于历史数据回测，并不直接构成产品推荐。 金融工程研究 金融工程定期 开源证券 证券研究报 告 目录 1、行业轮动交易模式的变化与应对4 1.1、行业轮动观察：2022年以来行业轮动走向极致5 1.2、行业轮动基础：关于轮动频率与颗粒度选择6 2、行业轮动3.0模型构建7 2.1、交易行为模型8 2.2、景气度模型10 2.3、资金流模型11 2.4、筹码结构模型12 2.5、宏观驱动模型15 2.6、技术分析模型16 3、行业轮动信号合成研究18 3.1、行业轮动等权合成模型18 3.2、行业轮动动态合成模型20 4、ETF行业轮动应用方案22 4.1、ETF产品梳理及行业分类22 4.2、行业ETF轮动应用框架24 5、总结与展望27 6、风险提示28 图表目录 图1：行业轮动研究是兼具胜率与赔率的重要研究方向4 图2：行业轮动赔率：自2022年以来分化幅度逐渐减弱，当前保持在历史中位水平5 图3：行业轮动胜率：自2022年以来动量延续性减弱，当前行业轮动处于加速阶段5 图4：行业月涨幅五分组表现，长期行业动量效应显著6 图5：行业月涨幅五分组多空，短期行业动量效应不显著6 图6：开源金工行业轮动体系3.0介绍8 图7：日内因子与隔夜因子拆分示意图8 图8：交易行为模型行业五分组表现（2012/01-2024/11）9 图9：行业景气度模型的构建示意图10 图10：景气度模型行业五分组表现（2012/01-2024/11）10 图11：行业上聪明资金的流动行为示意图11 图12：超大单主动抢筹行为的行业轮动表现11 图13：中小单被动派发行为的行业轮动表现11 图14：资金流模型行业五分组表现（2012/01-2024/11）12 图15：行业筹码分布示意图（2023/12/01-2024/11/29）12 图16：A股市场赚钱效应的历史变化（2012/01-2024/11）13 图17：筹码结构：持仓收益因子的行业轮动表现14 图18：筹码结构：阻力支撑因子的行业轮动表现14 图19：筹码结构模型行业五分组表现（2012/01-2024/11）14 图20：宏观驱动模型的构建流程图15 图21：宏观驱动模型行业五分组表现（2012/01-2024/11）15 图22：行业技术指标相关性分析（2012/01-2024/11）17 图23：技术分析模型行业五分组表现（2012/01-2024/11）18 图24：6类行业轮动模型相关性分析（2012/01-2024/11）19 图25：等权重合成模型行业五分组表现（2012/01-2024/11）19 图26：动态合成模型中6类因子权重贡献变化（2012/01-2024/11）20 图27：开源金工行业轮动3.0模型行业五分组表现（2012/01-2024/11）21 图28：各行业轮动模型的因子IC累积比较22 图29：ETF产品按不同类别划分的最新数量与规模统计23 图30：大类行业ETF的数量在2021年开始快速增长，目前覆盖度24个一级行业23 图31：行业ETF轮动的应用框架：“行业-指数-产品”24 图32：ETF轮动中分步骤构建组合的表现比较，行业轮动信号为主要收益贡献（2017/01-2024/11）25 图33：轮动组合相对行业等权基准的累积超额比较（2017/01-2024/11）26 表1：不同颗粒度与频率下行业涨幅五分组，频率越高颗粒度越粗动量效应越强6 表2：不同颗粒度与频率下行业动量效应比较，在“一级行业+双周频率”下动量效果最显著7 表3：双周频下日内因子与隔夜因子轮动能力比较，日内动量效应在2-4周较强，隔夜反转效应在6-8周较强9 表4：筹码结构因子在不同市场赚钱效应下的因子方向13 表5：四大类技术分析指标精选及简介16 表6：行业技术指标轮动表现比较（2012/01-2024/11）17 表7：6类行业轮动模型表现比较（2012/01-2024/11）18 表8：行业轮动3.0多头组合与空头组合分年度表现统计21 表9：24个一级行业代表ETF产品示例（2024/11/29）24 表10：ETF轮动中分步骤构建组合的表现统计25 表11：ETF轮动组合近期持仓明细26 本篇报告是“行业轮动综合解决方案系列”的第三篇报告，在该系列报告中我们将会开发最新的行业轮动模型、更新以往研究成果，并给出行业轮动应用的综合解决方案。 在2020年11月发布的《行业配置的量化解决方案》报告中，我们从交易行为、资金面、景气度三个维度出发构建了开源金工行业轮动体系。 在2022年2月发布的《行业配置体系2.0：轮动模型的回顾、迭代与思考》报告中，我们分别对三个维度的行业轮动模型进行迭代升级，同时对行业轮动的有效性与持续性等问题进行讨论。 站在2024年的岁末，回顾过去两年的行业轮动表现，我们可以观察到两个显著的变化。一方面，我们发现市场交易模式经历了显著地加速，这直接冲击了传统月度行业轮动的根基；另一方面，特色数据正在逐渐消失与祛魅，例如从2024年8月 19日开始停止披露的北向资金数据、2023年以来逐渐失效的分析师预期数据。面对市场快速变化和模型潜在失效，我们将对行业轮动体系进行全面地更新与迭代。 在本篇报告中，我们将会围绕以下四个热点话题展开讨论： （1）行业轮动的交易模式变化与行业轮动的底层逻辑； （2）6类行业轮动模型的轮动逻辑与模型构建方式； （3）各行业轮动模型的适应性与信号动态合成方案； （4）ETF产品梳理与基于ETF的行业轮动应用方案。 1、行业轮动交易模式的变化与应对 行业轮动研究是兼具胜率与赔率的重要研究方向。相对于高赔率、低胜率的择时研究，行业轮动具有更广的投资宽度以保证其相对稳定的胜率；相对于高胜率、低赔率的选股研究，行业轮动具有更高的集中度与交易频率以保证其可观的赔率。 图1：行业轮动研究是兼具胜率与赔率的重要研究方向 资料来源：开源证券研究所 1.1、行业轮动观察：2022年以来行业轮动走向极致 我们从行业轮动的赔率与胜率角度出发，观察市场行业轮动操作的难易程度。图2：行业轮动赔率：自2022年以来分化幅度逐渐减弱，当前保持在历史中位水平 数据来源：Wind、开源证券研究所，数据区间：2016/01/01-2024/11/29 对于行业轮动赔率而言，图2中我们按照周度行业按收益率分成五组，计算每周涨幅最高组与最低组平均收益的差值（红点），并对该周度行业分化时间序列提取趋势项（蓝线）。从上图中我们可以发现，市场在2017~2021年期间迎来持续5年的行业分化幅度上行趋势，而在2022年开始行业分化幅度逐渐减弱。这意味着，2022年之后行业轮动的赔率在相对降低，赔率大致处于历史中位水平。 图3：行业轮动胜率：自2022年以来动量延续性减弱，当前行业轮动处于加速阶段 数据来源：Wind、开源证券研究所，数据区间：2019/01/01-2024/11/29 行业轮动的底层基础是行业的动量效应，行业轮动的胜率就体现在行业动量的延续性上。因此，我们同样将行业按照过去K周涨幅进行五分组，做多涨幅最高组、 做空涨幅最低组并持有K周，计算K周动量的多空表现。我们发现从2021年4季度开始8周动量与4周动量开始失效；2022年年中开始3周动量失效；2023年2季 度开始2周动量失效；然而之前动量效果较弱的1周动量净值从2023年开始逐渐走强。这意味着，2022年以来市场行业轮动的延续性在变弱，轮动速度正在加快。 1.2、行业轮动基础：关于轮动频率与颗粒度选择 从行业轮动胜率与赔率变化趋势可以看出，以往传统的月度轮动模型已经难以适应当下市场的轮动节奏，为此我们需要重新对轮动的频率与轮动的