核心观点 - 报告构建并跟踪了两个行业轮动模型，分别为“相似预期差行业轮动模型”和“分析师预期边际变化行业轮动模型”，并基于模型观点构建了行业ETF组合 [11] - 相似预期差模型最新（2025年10月）推荐配置行业为：煤炭、通信、基础化工、汽车、房地产、机械 [1][21][33] - 分析师预期边际变化模型最新（2025年10月）推荐配置行业为：非银行金融、有色金属、农林牧渔、通信、钢铁、计算机 [2][33] - 最终构建的ETF组合综合了两个模型的推荐，配置行业为：非银行金融、有色金属、通信、基础化工、汽车 [3] 相似预期差行业轮动模型 - 模型核心逻辑是寻找与近期表现优异的股票相似但自身尚未大涨的个股，通过计算股票在市盈率行业相对值、净资产收益率、资产增长率上的欧氏距离来定义相似性 [12] - 在样本期内（2016年12月至2025年9月），该因子的信息系数（IC）均值为0.09，IC胜率为62.86%，信息比率（ICIR）为0.31，显示出显著的行业筛选能力 [14][15] - 基于该因子构建的Top 6多头组合年化收益率为13.66%，累计净值为2.70，显著高于万得全A指数（年化收益率6.23%）和行业等权指数（年化收益率4.90%） [17][18] - 该策略在2025年9月的月度收益率为+4.56%，相较于行业等权指数获得+3.66%的超额收益，其中汽车、电力设备及新能源、基础化工、传媒行业贡献了超额收益 [1] 分析师预期边际变化行业轮动模型 - 模型通过分析师对每股收益的一致预测变化率来构建因子，选取了近一月及近三月的多个预测变化率指标，并采用打分法进行因子复合以淡化个股绝对水平 [22] - 在样本期内（2016年12月至2025年9月），该因子的IC均值为0.06，IC胜率为60.00%，ICIR为0.23，具备行业筛选能力 [23][24] - 基于该因子构建的Top 6多头组合年化收益率为10.62%，累计净值为2.06，同样优于市场基准指数 [28][29] - 该策略在2025年9月的月度收益率为+1.03%，获得+0.13%的超额收益，其中有色金属、通信行业贡献了超额收益 [2] 策略情景分析 - 报告对两个策略在不同市场情景下的表现进行了分析，以超额收益率（相较于行业等权）衡量 [34] - 在“快速下跌”市场（如2018年5-12月），相似预期差策略表现突出，获得9%的超额收益，而分析师预期策略为-1% [34] - 在“震荡上行”市场（如2020年9月至2021年12月），相似预期差策略获得34%的超额收益，分析师预期策略获得22%的超额收益 [34] - 在“快速反弹”市场（如2024年8月至今），两个策略表现相对较弱，相似预期差策略超额收益为1%，分析师预期策略为-9% [34] ETF组合构建 - 综合两个模型的配置观点，构建了2025年10月的行业ETF组合，覆盖非银行金融、有色金属、通信、基础化工、汽车等行业 [3][35] - 报告为每个推荐行业列出了具体的ETF基金标的及其基金份额，例如非银行金融行业推荐了基金份额为593.65亿份的华宝中证全指证券公司ETF（512000）等 [35] - 基础化工行业推荐的鹏华中证细分化工产业主题ETF（159870）基金份额较大，为255.70亿份 [35] - 所列示的ETF基金筛选标准为基金份额大于1亿份 [35]