报告核心观点 - 报告尝试融合主观研判与量化分析视角构建风格轮动框架，基于五大维度构建核心风格轮动模型并考虑用于实际可投资组合，本次仅基于基本面维度展开成长价值风格轮动研究，该视角下策略相较均衡配置基准能获长期超额，但受指标传导路径和时滞影响表现有局限 [3] 回顾：风格指数构建与风格轮动框架 - 成长与价值风格指数构建逻辑相似，核心差异在于筛选成分股时分别用成长因子与价值因子排序，构建规则包括上市时间限制、剔除 ST 风险标的、基于风格因子分位数筛选成分股、采用类行业中性权重设置 [18] - 风格轮动框架预计基于资金流、宏观、基本面、情绪、机构五个维度构建核心模型，最终考虑用于实际可投资组合，本篇基于基本面维度展开成长价值风格轮动研究 [27] 基本面视角下看风格轮动 - 基本面视角考察权益市场综合数据，与上一篇报告的宏观数据不同，其与权益市场关联更直接，指标分为市场整体指标和风格差异指标，每个分类下又分成长性、盈利水平等指标，主要反映中长期趋势，多数指标用适中期限长短均线差值判别趋势变动 [30] 基本面因素分析 成长性 - 不同经济周期中，成长性指标对市场风格轮动传导路径不同，权益市场营收和净利润同比增速变动趋势相近，能同步或领先反映风格切换，为风格轮动预判提供观测窗口 [31] - 权益市场成长性综合指标上升时，对应经济环境改善或行业需求上升，此时成长股受关注；经济下行或停滞时，价值股表现更稳定 [33][36] - 成长性指标复合信号：当(全指)营收同比增速、(全指)净利润同比增速二者成长信号之和大于 1 时配置成长，否则配置价值，该复合信号能覆盖多数历史情况 [43][45] 盈利水平 - 盈利水平指标中 ROE 和毛利率作用层级与传导路径有差异，市场整体盈利水平上升时，投资者风险偏好提升，资金追逐成长股，强化成长股估值溢价，盈利水平与成长股相对价值表现正相关 [47] - 盈利水平指标复合信号：当(全指)净资产收益率、(全指)毛利率、(成长 - 价值)毛利率三者成长信号之和大于 1 时配置成长，否则配置价值 [56] 财务健康与偿债能力 - 该类指标关注资产负债率、流动比率等，衡量企业偿债能力，在成长与价值风格轮动中，资产负债率上升和流动比率下降阶段，成长标的可能表现较好 [57][61] - 财务健康与偿债能力指标复合信号：当(全指)资产负债率触发中期均线上穿长期均线，或(全指)流动比率触发中期均线上穿短期均线时为成长信号，否则配置价值 [65] 运营效率 - 运营效率指标多为周转率指标，周转率越高企业运转效率越高，投资者对成长股和价值股的周转率看法不同，成长股可牺牲短期效率换长期市占率，价值股运转效率是“估值锚” [67][73] - 运营效率指标复合信号：当(成长 - 价值)存货周转率、(成长 - 价值)应收账款周转率、(成长 - 价值)总资产周转率三者同时触发中期均线下穿短期均线时配置成长，否则配置价值 [80] 估值水平 - 常见估值指标有市盈率、市净率、市销率、市现率，从利润、资产、营收及现金流维度综合衡量企业估值 [83] - 市场整体估值上升时成长股占优，下降时价值股受青睐 [85] - 估值水平指标复合信号：当(全指)PB_LF、(成长 - 价值)PE_TTM、(成长 - 价值)PS_TTM 三者成长信号之和大于 1 时配置成长，否则配置价值 [91] 综合基本面信号 - 综合 5 类指标信号，当超过 2 类指标复合信号选择配置成长标的时，基本面视角综合信号建议配置成长标的，反之配置价值标的 [93] - 基于基本面视角，成长与价值风格轮动策略换手率低，倾向长期持有，相对基准超额长期提升且稳定，少见大回撤 [93] - 2005 年 1 月 1 日至 2025 年 4 月 29 日，策略平均月度胜率约 60.91%，平均年化收益约 15.26%，相较基准平均年化超额约 6.06%，除 2012 年外其余年度月胜率不低于 50% [10][97] 总结 - 基本面视角下成长价值风格轮动策略能获超额表现，但受指标传导路径和时滞影响，超额收益和胜率有限，较上一篇报告表现有提升，2005 年 1 月至 2025 年 4 月超额表现稳定，回撤控制好 [101] - 风格轮动整体模型需从资金流、情绪、机构等多维度进一步研究完善，目前宏观和基本面视角策略更倾向长期持有，换手低 [101]

量化模型与构建方式 1. **模型名称**：宏观+量价大小盘双驱轮动策略 **模型构建思路**：结合宏观经济层面和微观量价层面的因子，驱动大小盘风格轮动[6] **模型具体构建过程**： - 从宏观经济层面选取PMI季均差分、社融加权同比、货币流动性、中美利差等因子 - 从微观量价层面选取宏观调整动量、狭义风格拥挤度、广义大盘拥挤度等因子 - 各因子发出大盘信号时设为1，小盘信号时设为-1，无信号时设为0 - 综合分数大于0时全仓配置沪深300指数，小于0时全仓配置中证1000指数，等于0时等权配置沪深300和中证1000指数[7] **模型评价**：截至2025Q1，策略回测胜率为82.22%，模型有效性较高[6] 2. **模型名称**：宏观量价双驱价值成长风格轮动模型 **模型构建思路**：整合宏观经济和微观量价因子，驱动价值成长风格轮动[12] **模型具体构建过程**： - 宏观经济因子包括PMI新订单季均差分、PPI-CPI加权环比、1Y国债、3M美债水平等 - 微观量价因子包括宏观调整动量、风格拥挤度、市场情绪等 - 各因子发出价值信号时设为1，成长信号时设为-1，无信号时设为0 - 综合分数大于0时全仓配置国证价值指数，小于0时全仓配置国证成长指数，等于0时等权配置国证价值和国证成长指数[13] **模型评价**：截至2025Q1，策略回测胜率为77.78%，模型有效性较好[12] 3. **模型名称**：行业轮动复合因子策略 **模型构建思路**：基于行业历史基本面、预期基本面、情绪面、量价技术面、宏观经济等多维度因子构建复合策略[18] **模型具体构建过程**： - 对中信一级30个行业进行打分 - 选择排名前5的行业等权构建多头组合 - 相对等权基准计算超额收益[20] 4. **模型名称**：行业轮动单因子多策略 **模型构建思路**：基于单一因子多策略组合进行行业轮动[18] **模型具体构建过程**： - 对中信一级30个行业进行打分 - 选择排名靠前的行业等权构建多头组合 - 相对等权基准计算超额收益[20] 模型的回测效果 1. **宏观+量价大小盘双驱轮动策略** - 区间收益：-2.41% - 年化收益：-5.83% - 年化波动：17.17% - 最大回撤：10.49% - 夏普比率：-0.34 - 卡玛比率：-0.56[11] 2. **宏观量价双驱价值成长风格轮动模型** - 区间收益：1.79% - 年化收益：4.48% - 年化波动：18.06% - 最大回撤：10.36% - 夏普比率：0.25 - 卡玛比率：0.43[17] 3. **行业轮动复合因子策略** - 上个月绝对收益：2.43% - 上个月超额收益：-0.64% - 2025年绝对收益：4.81% - 2025年超额收益：3.98%[20] 4. **行业轮动单因子多策略** - 上个月绝对收益：3.31% - 上个月超额收益：0.33% - 2025年绝对收益：4.56% - 2025年超额收益：3.83%[20] 量化因子与构建方式 1. **因子名称**：大小盘风格轮动因子 **因子构建思路**：结合宏观经济和微观量价因子驱动大小盘风格轮动[6] **因子具体构建过程**： - 宏观经济因子：PMI季均差分、社融加权同比、货币流动性、中美利差 - 微观量价因子：宏观调整动量、狭义风格拥挤度、广义大盘拥挤度 - 各因子信号值为1（大盘）、-1（小盘）或0（无信号）[7] 2. **因子名称**：价值成长风格轮动因子 **因子构建思路**：结合宏观经济和微观量价因子驱动价值成长风格轮动[12] **因子具体构建过程**： - 宏观经济因子：PMI新订单季均差分、PPI-CPI加权环比、1Y国债、3M美债水平 - 微观量价因子：宏观调整动量、风格拥挤度、市场情绪 - 各因子信号值为1（价值）、-1（成长）或0（无信号）[13] 3. **因子名称**：行业轮动复合因子 **因子构建思路**：整合多维度因子对行业进行打分[18] **因子具体构建过程**： - 行业历史基本面、预期基本面、情绪面、量价技术面、宏观经济等维度因子 - 对中信一级30个行业进行综合打分[20] 4. **因子名称**：行业轮动单因子 **因子构建思路**：基于单一因子对行业进行打分[18] **因子具体构建过程**： - 对中信一级30个行业进行单一因子打分 - 选择排名靠前的行业构建组合[20] 因子的回测效果 1. **大小盘风格轮动因子** - 2025Q2综合分数：3（大盘信号）[6] - 2025Q1综合分数：3（大盘信号）[6] 2. **价值成长风格轮动因子** - 2025Q2综合分数：3（价值信号）[12] - 2025Q1综合分数：-5（成长信号）[12] 3. **行业轮动复合因子** - 6月推荐行业：非银行金融、医药、建材、基础化工、钢铁[20] 4. **行业轮动单因子** - 6月推荐行业：非银行金融、电子、银行[20]

核心观点 - 报告旨在构建多因子加权的ETF轮动策略，优化股票因子映射框架以检验边际提升效果[1] - 单因子选股与ETF轮动对比显示因子呈现差异化特征，股票端多头年化收益约20%明显跑赢宽基指数，而ETF轮动因子表现边际下滑[1][11][15] - 采用Top5等权持仓组合策略后，bigbuy_bigsell、DL_1等因子年化收益显著提升至11.7%-16%[20] - 通过调整ETF回测框架（成分股权重阈值、等权映射、重复度剔除）使组合表现获得边际提升[27][28][34] - 多因子加权策略中ICIR加权组合年化收益达20%，较等权组合稳定性显著提升[38][84] 单因子选股与ETF轮动对比 - 覆盖低频价量、基本面、ETF申赎资金流、Level2数据和神经网络等5类共21个因子[7][8] - 股票端月度换仓下sim_corr因子RANK_IC达9.4%，DL_1因子多头年化收益20.4%[12] - ETF轮动端bigbuy_bigsell因子RANK_IC降至5.3%，年化收益6.5%[16] - 与Barra风格因子相关性分析显示不同因子呈现差异化特征，如sim_corr与市值因子负相关达-21.4%[14] ETF框架优化 - 成分股权重阈值设置（60%/80%）配合等权映射使fimage因子年化收益提升至15.8%[33] - 引入80%重复度阈值后，stock_data_flow2amt_ma5因子年化收益从15.4%提升至15.9%[35] - 非线性映射调整使组合波动率降低，bigbuy_bigsell因子波动从24.2%降至22.1%[32][33] 多因子加权表现 - 筛选EPS_YOY、bigbuy_bigsell等5个低相关性因子（最高相关性24.8%）构建组合[37] - 月度换仓下ICIR加权组合RANK_IC达11.2%，较等权组合提升0.3个百分点[39] - 2021-2025年ICIR加权组合年化收益19.9%，最大年度回撤17.2%[58][59] - 周度换仓策略中IC加权组合年化收益15.1%，但稳定性低于月度策略[62][72] 市场背景 - 截至2025年4月境内ETF数量达1141只，总规模4.04万亿元，较2024年底增长8.3%[4] - ETF产品凭借透明度高、费率低等优势成为居民资产配置重要工具[4][79] - 现有策略存在同指数多ETF产品重叠问题，需通过成分股重合度筛选优化[28]

投资策略与市场行为 - 投资者在自选股中精选重仓股后遭遇逆选择概率，10只股票中唯一重仓股下跌而其余9只上涨[1] - 市场存在"一卖就涨"现象，部分案例显示割肉后标的出现18交易日低于1元但一个月内反弹至2元[9][11] - 庄家控盘行为影响股价走势，需收集足够筹码才会启动拉升，散户抛售可能成为庄家吸筹信号[5][6] 资产配置方法论 - 摊大饼策略被多次验证有效，通过分散持仓降低单一个股风险，适合震荡市环境[12][13] - 低波动策略受推崇，重点配置公用事业、红利类股票及AH折价白马股，控制组合波动性[10] - 非专业投资者应避免单吊梭哈，分散投资可提高生存概率，虽牺牲部分收益但保证持续参与[13] 投资者心理与市场认知 - 投资者普遍存在被市场针对的错觉，认为自身操作被反向狙击形成"楚门的世界"效应[2] - 历史案例显示投资决策易受情绪干扰，ST大集案例中投资者因无法承受退市风险错失后续200%涨幅[9] - 超额收益获取难度极高，精确选中10股中最佳标的并重仓成功的概率堪比顶级投资大师水准[4]

报告核心观点 报告提出“预期共振”行业轮动策略，结合投资景气度、量价指标和分析师预期指标构建 12 个明细行业轮动指标，该策略表现稳健有超额收益，6 月推荐银行、家电、传媒、钢铁、食品饮料和有色金属行业 [2][15]。 策略核心逻辑 - 构建“预期共振”行业轮动策略，结合投资景气度、量价指标和分析师预期指标 [2][6]。 - 投资景气度指标采用“守正出奇”思路，结合市场和另类数据，构建两个正向筛选因子和两个负向剔除因子 [6]。 - 量价指标从灵活高效视角构建稳健技术指标，包括修正动量、隔夜收益率等 [6]。 - 分析师预期指标延用降噪打分法，构建净利润预期变化因子、行业预期调整得分因子和积极评级数量因子 [7]。 - 5 月各明细指标多头组合均获超额收益，投资景气度 0.44%，分析师预期 0.48%，量价指标 0.65% [2][7]。 策略表现 - 2016 年以来，行业多头组合年化超额收益率达 11.81%，夏普比率为 1.72 [11]。 - 2021 - 2024 年，多头组合收益为 66.29%，空头组合收益为 -36.23%，全行业等权基准收益为 -1.44% [3][11]。 - 2025 年 1 - 4 月，策略多头组合收益为 3.60%，基准收益为 0.12% [3][11]。 - 2025 年 5 月，策略多头组合收益为 2.06%，基准收益为 2.62% [3][11]。 最新推荐行业及相关 ETF - 6 月“预期共振”行业轮动指标排名靠前的行业有银行、家电、传媒、钢铁、食品饮料和有色金属 [4][15]。 - 报告列出各推荐行业相关 ETF 代码及简称 [18]。

报告核心观点 - 报告提出基于赔率和胜率的投资期望结合方式，为价值成长风格切换问题提供定量模型解决方案，最新一期风格轮动模型推荐价值风格，2013 年至今该模型策略年化收益率 26.61%，夏普比率 0.98 [1][4] 各部分总结 前言 - 报告创新性提出基于赔率和胜率的投资期望结合方式，后续将持续在样本外跟踪并定期汇报 [1][8] - 借用个股因子合成刻画成长和价值风格，价值用账面市值比、净利润市值比，成长用单季度净利润同比增速等，对因子做市值中性化和标准化处理后等权复合，选风格暴露前 20%个股为代表组合，风格收益周度换仓计算 [8] - 上周全市场成长风格组合收益 1.22%，价值风格组合收益 1.26% [1][8] 赔率 - 赔率指亏损为 1 时盈利的数值，一段收益率序列的赔率等于平均正收益/平均负收益的绝对值 [9] - 关注市场风格相对估值水平，用估值差的历史分位数法刻画并修正，计算风格暴露前 20%和后 20%股票组合账面市值比平均数之差为初始估值差，除以全市场估值平均数，再计算其历史排位次序百分比 [11] - 根据最新估值差分位数，当下成长风格赔率估计为 1.10，价值风格赔率估计为 1.07 [2][14] 胜率 - 梳理五个宏观指标和三个微观指标判断胜率，包括十年中债国债到期收益率、美国 6 个月国债收益率、PMI 等 [16] - 七个胜率指标中 4 个指向成长，3 个指向价值，当下成长风格胜率为 46.13%，价值风格胜率为 53.87% [16] 投资期望及策略收益 - 根据公式投资期望=胜率*赔率-（1 - 胜率），计算得成长风格投资期望为 -0.35，价值风格投资期望为 0.43，推荐价值风格 [4][18] - 2013 年至今，基于投资期望的风格轮动模型策略年化收益率 26.61%，夏普比率 0.98，总收益 1772.43%，年化波动 27.14%，最大回撤 50.48% [4][19]

ETF投资策略概述 - 策略是投资致胜的关键，在市场向好时能捕捉机会，波动时能分散风险[1] - ETF市场常见六大策略，投资者需根据自身情况选择合适策略[1] 长期策略 定投策略 - 定投是固定时间、固定金额投资同一基金，通过长期持有优质资产降低平均成本[1] - 案例显示：A基金净值3个月从1元跌至0.6元，定投使持仓成本从1元降至0.77元[2] - 适合无专业知识或时间盯盘的投资者，淡化择时概念，适用于下跌趋势行情[3] 网格交易策略 - 通过设定买入卖出价格点，利用价格波动实现低买高卖[4] - 程序化操作灵活性高，在震荡市中可获取超额收益[6] - 需严格按网格执行，不适合单边行情，适合有经验投资者[6] 金字塔策略 - 仓位管理策略，按递进比例分批操作，越跌越买、越涨越卖[6] - 正金字塔加仓法：低价多买高价少买 倒金字塔减仓法：高价多卖低价少卖[8] - 需对行情判断更准确，适合有判断力、资金量大的长线投资者[11] 短期策略 核心-卫星策略 - 核心仓位配置宽基ETF（如沪深300ETF）追踪市场平均表现[11] - 卫星仓位配置行业主题ETF捕捉超额收益[11] - 适合想稳健增值同时抓住行业机会的投资者[11] 波段操作策略 - 通过灵活买卖捕捉短期波动，包括估值动量法、技术分析法等[12] - 适用于波动大的行业ETF（科技/新能源/医药），适合短线经验丰富者[12] 板块轮动策略 - 利用行业强势时间错位切换品种，通过ETF精准抓住轮动机会[13] - 适合行业趋势明确、政策驱动阶段，需投资者有行业研究基础[13] 策略选择总结 - 策略无优劣之分，需结合投资目标、风险偏好和市场环境选择[13] - 应定期审视调整投资组合保持灵活性[13]

ETF投资策略 - ETF在资本市场中扮演重要角色，使普通投资者能够参与行业轮动，美港股市场分化加剧，科技巨头与传统能源此消彼长，消费复苏与高端制造交替领跑 [1] - 经济周期影响ETF表现，通胀回落期利好港股消费ETF，AI技术突破时美股半导体ETF常率先起舞 [1] - 构建ETF组合建议50%资金分配给宽基ETF（如标普500ETF和恒生指数ETF），30%配置行业ETF（根据季度GDP数据切换），20%用于捕捉突发性机会（如地缘冲突升级时的国防ETF） [1] - 行业轮动的本质是资金迁徙，观察ETF资金流量比盯个股涨跌更有预见性 [1] 季节轮动模型 - 一季度侧重配置港股高股息ETF（受益于年报分红预期），二季度转向美股消费ETF（把握暑期经济活力），三季度布局港股新能源ETF（对应政策窗口期），四季度增持美股科技ETF（押注年度新品发布季） [3] - 去年数据显示，按季节轮动模型调仓的组合跑赢大盘8个百分点，但需灵活调整，如遇美联储紧急加息可切换到公用事业ETF等防御品种 [3] - 行业ETF波动率通常是宽基指数的1.5-2倍，建议设置动态止盈线（当持仓ETF相对行业平均估值溢价超20%时分批减仓） [3] - 港股金融ETF与美股区域银行ETF存在负相关性，组合搭配能平滑波动，需警惕"伪流动性"陷阱（小众行业ETF日均成交不足百万美元可能面临折价抛售压力） [3] 智能导航系统策略 - 建议通过监测美港股行业ETF的资金流入强度、相对强度指标（RSI）背离、估值分位数等三维数据精准捕捉切换时机 [5] - 当前港股医疗ETF的PEG指标已低于十年均值，美股云计算ETF的机构持仓占比正快速回升，这类信号比市场情绪更可靠 [5] - 超额收益源于对产业变迁的深刻理解与工具的高效运用，而非频繁操作 [5]

市场概况 - A股市场上周显著回调，上证50、沪深300微跌0.18%，中证500、中证1000分别下跌1.10%、1.29%，中小盘股受流动性波动影响更大 [2] - 全周上证、深证、创业板指分别跌0.57%、0.46%、0.88%，仅中证红利微涨0.15%，高股息策略成为资金避风港 [2] - 行业板块方面，Wind一级行业平均跌幅0.28%，医药生物、综合、有色金属表现较好，分别上涨1.78%、1.41%、1.26%，通信、机械设备、计算机明显走弱，分别下跌2.31%、2.48%、3.02% [2][12] 全球大类资产 - 全球权益市场普遍回调，美股三大指数均跌超2%，恒生指数逆势涨1.10%，恒生科技微跌0.65%，CBOE波动率指数飙升29.29%至22.29，创三个月新高 [4] - 避险资产走强，COMEX黄金大涨5.35%，创近月新高，NYMEX天然气涨11.16%，工业金属分化，LME铜涨1.76%，焦煤暴跌7.23% [4] - 债券市场韧性凸显，中证综合债微涨0.07%，10年期与30年期国债期货分别跌0.51%、1.17% [4][13] 国内基金市场 - 上周合计发行26只基金，股票型基金发行19只，混合型基金发行2只，债券型基金发行5只，总发行份额158.20亿份 [2][16] - 万得全基指数下跌0.02%，普通股票型基金指数上涨0.13%，偏股混合型基金指数上涨0.07%，债券型基金指数上涨0.06% [2][9] - FOF指数表现突出，上涨0.60%，近一月涨幅1.37% [9] 国内债券市场 - 国债期货指数（CFFEX10年）上涨0.36%，10年期与30年期国债期货分别跌0.51%、1.17%，中长期债券利率保持相对低位 [13] - 国债到期收益率10年上升4BP至1.719%，期限利差10年-1年扩大4BP至0.269%，中短期票据到期收益率(AAA+)5年下降5BP至1.928% [15] - LPR1年和5年均下降10BP，分别至3.000%和3.500% [15]

报告核心观点 - 提出基于赔率和胜率的投资期望结合方式，为价值成长风格切换问题提供定量模型解决方案，最新一期风格轮动模型推荐成长风格，2013 年至今该模型策略年化收益率 27.18%，夏普比率 0.98 [1][4] 各部分总结 前言 - 创新性提出基于赔率和胜率的投资期望结合方式，后续将持续样本外跟踪并定期汇报 [1][8] - 借用个股因子合成刻画成长和价值风格，价值用账面市值比、净利润市值比，成长用单季度净利润同比增速等，对因子做市值中性化和标准化处理后等权复合，选风格暴露前 20%个股为代表组合，周度换仓测算收益 [8] - 上周全市场成长风格组合收益 0.82%，价值风格组合收益 1.15% [1][8] 赔率 - 赔率指亏损为 1 时盈利的数值，一段收益率序列的赔率等于平均正收益/平均负收益的绝对值 [9] - 采用估值差的历史分位数法刻画市场风格相对估值水平，经计算初始估值差、除以全市场估值平均数、计算历史排位次序百分比等步骤，且估值差历史分位数高代表相对低估值 [11][12][13] - 市场风格相对估值水平与预期赔率负相关，根据最新估值差分位数，当下成长风格赔率估计为 1.09，价值风格为 1.08 [2][14] 胜率 - 梳理五个宏观指标和三个微观指标判断胜率，包括十年中债国债到期收益率、美国 6 个月国债收益率、PMI 等 [18] - 七个胜率指标中 4 个指向成长，3 个指向价值，当下成长风格胜率为 46.13%，价值风格胜率为 53.87% [3][18][19] 投资期望及策略收益 - 根据公式投资期望=胜率*赔率 -（1 - 胜率），计算得成长风格投资期望为 0.22，价值风格为 -0.13，推荐成长风格 [4][19] - 2013 年至今，基于投资期望的风格轮动模型策略年化收益率 27.18%，夏普比率 0.98，总收益 1754.20%等 [4][20]