报告核心观点 本报告旨在将广发金工团队此前开发的、基于卷积神经网络（CNN）的ETF轮动策略，调整应用于更广泛的Wind行业主题指数池，以构建指数轮动策略[4][9]。实证结果显示，该策略在回测期内（2020年初至2026年1月底）表现优异，相较于万得偏股混基金指数产生了显著的超额收益，且收益表现比基于ETF的轮动组合更为稳定[4][55]。 策略方法与因子逻辑 - 模型基础：策略核心是使用卷积神经网络对标准化价量数据图表进行建模，以预测未来股价走势[13][15]。模型输入为包含过去20日价量信息（K线、移动平均线、成交量、MACD）的标准化图表，数据量达115Gb[13] - 因子生成：模型输出个股在未来截面日收益率处于前1/3（上涨）的概率，以此作为选股因子[15]。报告采用了I20R5（预测未来5日收益）等模型进行指数轮动[19] - 特征有效性：对CNN模型各卷积层的特征可视化表明，模型能有效提取价量图表中的形态信息，低层关注全局，高层则分化关注价格、成交量等不同部位的信息[23] Wind行业主题指数概况 - 指数规模与分类：截至2026年1月底，Wind行业主题指数合计有1046只，细分为行业（250只）、题材（550只）、热门概念（181只）和主题指数（65只）四个类别[4][27][47] - 覆盖范围广泛：这些指数定位于跟踪市场热点，涉及产业主题、风格、地域、改革、政策、券商金股等多种类型，覆盖范围远超ETF所跟踪的指数（419种）[4][45][47] - 与ETF对比：相较于ETF产品可能存在覆盖不足或重合度高的问题，Wind行业主题指数提供了更丰富、更细分的底层标的选择[9][45] 实证分析结果 - 因子表现：在周频轮动模式下，因子的Rank IC均值为3.7%，IC胜率为59.2%，多空年化收益为12.5%，多头年化收益为16.2%[55][56] - 组合业绩：持有5只指数的等权组合，在扣除双边千分之一费用后，自2020年以来年化收益达30.7%，相较于万得偏股混基金指数（年化收益9.0%）的超额收益为21.7%[4][55][61] - 年度表现：该指数轮动组合在2022年和2023年市场整体下跌时仍能取得正收益（分别为2.4%和2.4%），分年度收益表现比ETF轮动组合更稳定，但2025年收益（69.0%）低于ETF组合[55][61] - 持仓特征：组合持仓呈现出明显的行业或风格主题暴露，且暴露方向会动态变化，例如在2025年11月前后集中于石油主题，而在2026年1月则转向有色金属主题[4][65][67] 关键参数影响分析 - 持仓数量：持有不同数量指数对收益影响较小，持有3只、5只和10只指数的区间年化收益分别为28.1%、30.7%和26.7%[4][69] - 换仓频率：在双边千一费用下，周度换仓策略的收益（年化30.7%）高于双周度（25.4%）和月度（14.8%）[4][74][76] - 换仓价格：基于次日开盘价、当日收盘价和次日收盘价换仓的收益特征基本一致，其中采取次日收盘价换仓的收益相对最高，达33.1%，但波动率也较大[4][78][79] - 指数池范围：覆盖所有类别指数的收益最高（年化30.7%）；仅使用行业指数池次之（29.5%），且表现优于仅使用题材指数（15.3%）或主题指数（19.4%）[4][81][82]