一、当期市场与行业概况 - 过去一个月（截至2026年3月31日），国内主要市场指数普遍下跌，其中沪深300下跌5.53%，上证50下跌7.02%，中证1000下跌10.99%，国证2000下跌11.36%，中证500下跌12.02% [2][10] - 行业指数同样多数下跌，在中信一级行业中仅有3个行业上涨，其中银行行业指数涨幅最大，月涨幅达3.82%，煤炭、电力及公用事业、通信、电力设备及新能源等行业指数涨幅靠前 [2][10] - 国防军工、钢铁、有色金属的行业指数表现落后，月涨跌幅分别为-15.59%、-15.71%和-17.43% [2][10] 二、行业因子与策略表现 - 2026年3月，在跟踪的七个大类因子中，仅超预期和调研活动因子表现较好，其IC值分别达到38.03%和37.22%，多空收益分别达到7.17%和4.02%，多头超额收益分别达到2.22%和3.61% [3][17] - 2026年年初至今，盈利、估值动量、分析师预期和调研活动因子的IC均值分别为15.25%、14.40%、6.69%和11.15%，带来正向贡献；估值动量、超预期和调研活动因子的多头超额收益分别为1.85%、0.40%和4.45% [3][17] - 从长期历史表现看，超预期增强因子自2011年以来的IC均值达到8.04%，风险调整的IC为0.288，多空年化收益率达17.45%，夏普比率为0.98；调研活动因子自2017年以来的IC均值达到9.25%，风险调整的IC达0.477，多空年化收益率达15.26%，夏普比率为1.38 [22][23][26] - 2026年3月，超预期增强行业轮动策略收益率为-9.49%，行业等权基准收益率为-6.46%，策略超额收益率为-3.03%；景气度估值行业轮动策略收益率为-13.58%，相比行业等权基准超额为-7.12% [3][31] - 2026年3月，调研行业精选策略表现突出，策略收益率为-3.00%，超额收益率为3.46% [3][38] - 长期来看，自2011年1月至2026年3月，超预期增强行业轮动策略年化收益率为12.32%，夏普比率为0.489，年化超额收益率为6.95%；自2017年1月至2026年3月，调研行业精选策略年化收益率为6.45%，年化超额收益率为2.56% [31][38][42] 三、行业轮动策略构建框架 - 超预期增强行业轮动框架以基本面为核心，叠加估值面和资金面共同分析，估值面包含估值动量因子，资金面考虑北向及公募持仓，基本面包括盈利、质量、分析师预期及超预期因子 [15] - 超预期因子指公司公告的营业收入及净利润等指标超出市场一致预期，引入该因子能完善行业轮动框架，因为市场不仅依据业绩增长定价，也参考市场预期 [15] - 景气度估值行业轮动策略主要基于估值动量、盈利与质量因子构建 [16] - 调研行业精选策略基于机构调研数据，从行业层面的调研热度与广度两个视角判断机构关注度动向，其中调研热度刻画公司热度，调研广度刻画行业拥挤度 [16] 四、当期行业推荐 - 超预期增强行业轮动策略为2026年4月推荐的行业为：有色金属、电力设备及新能源、基础化工、电子和国防军工行业，相比上月调出通信和机械行业，调入电力设备及新能源和国防军工行业 [4][45] - 在推荐行业中，有色金属行业超预期得分回升，保持总分第一；电力设备及新能源行业因估值动量和分析师预期得分上升，总得分排名第二；基础化工行业分析师预期得分回落，排名第三；国防军工行业因超预期得分上升而得到推荐 [4][46] - 景气度估值行业轮动策略给出的4月行业推荐为：国防军工、有色金属、基础化工、电力设备及新能源和传媒行业，其中传媒行业未进入超预期增强策略的推荐名单 [4][46] - 调研行业精选策略4月推荐的行业为：综合、家电、煤炭、非银行金融和电力及公用事业行业，其中电力及公用事业行业的基金调研热度上升，综合与煤炭行业的调研拥挤度下降 [4][49] - 在以上策略推荐行业中，家电、非银行金融和电力及公用事业得到调研行业精选策略的连续推荐 [4][50]

文章核心观点 - 通过构建基于ETF的风格轮动与行业轮动量化策略，可以在成长、价值、大盘、小盘等不同市场风格以及不同行业间进行切换，从而获取显著的超额收益 [1][2][3][4] 风格轮动策略总结 - **季度风格轮动策略**：从宏观环境与微观量价两大维度构建模型，进行季度调仓 [1] - 价值成长轮动模型（配置红利及创业板ETF）在2014年1月至2026年2月期间，相对中证800的年化超额收益达20.40%，月胜率达63.70% [1] - 大小盘轮动模型（配置沪深300及中证1000ETF）在2017年1月至2026年2月期间，相对中证800的年化超额收益达8.97%，月胜率达61.82% [1] - **月度风格轮动策略**：采用多维度因子构建月度打分模型 [2] - 价值成长轮动月度策略从宏观、估值、基本面3维度选因子，在2014年至2026年2月期间年化收益22.67%，相对中证800年化超额收益16.32%，月度胜率63.19% [2] - 大小盘轮动月度策略从宏观、估值、基本面、资金、情绪、量价6维度选因子，实现了26.84%的年化收益，相对中证800年化超额收益20.64%，月度胜率达71.23% [2] - **月度红利成长轮动策略**：通过分析红利股与债券性价比、美债利率、信用与经济环境、行业景气度等因素构建 [2] - 以300全收益指数为基准，该策略可获得13.29%的年化超额收益，月度胜率为61.19% [2] - 在众多单因子中，表现最好的是美债利率因子 [2] 行业轮动策略总结 - **行业轮动四象限策略**：主要采用景气度（预期基本面）、情绪面、技术面和宏观四个维度信息构建因子 [3] - 自2018年开始样本外跟踪至2025年12月，单因子多策略年化超额收益13.85%，复合因子策略年化超额收益7.28% [3] - 2025年，单因子多策略组合绝对收益36%，相对于等权基准超额收益12.29%；复合因子策略组合绝对收益38.1%，超额收益14.38%；两个组合的超额收益月度胜率均为58.3% [3] - **2025年因子表现分析**：因子有效性呈现较大分化，结构表现接近于2021年 [3] - 宏观因子表现极为突出，年化超额23.8%，月度胜率67% [3] - 景气度因子和情绪因子超额收益贡献相对平淡，分别为4.1%、7.1% [3] - 技术面因子表现较差，超额为-1.1%，这与历史上行环境中技术面因子表现较差的规律一致 [3] - **因子与市场环境联动性**：因子表现与市场环境存在较强关系 [4] - 在上涨市中，宏观、景气度和情绪面是驱动行业上行的主要动力 [4] - 技术面因子主要在下行市场环境中起到防御作用 [4] - 未来研究将尝试将市场环境的预判与划分引入策略因子的使用，以期望获得更稳定的超额收益 [4] 策略组合整体表现 - 构建以ETF为持仓品种的策略组合，自2014年以来（未发行ETF时段采用产品跟踪指数价格回溯），相对中证800指数获得11.4%的年化超额收益，信息比为1.01 [4]

报告行业投资评级 未提及 报告的核心观点 - 截至2026/03/22，模型推荐有色金属、传媒、通信、钢铁、非银金融、医药生物，边际增持有色金属、钢铁及医药生物，非银金融、钢铁、通信受预期提振驱动，有色金属、传媒、医药生物受价量反转及资金流驱动 [2] - 石油石化、家用电器和钢铁的量价及预期边际提升较多，有色金属和国防军工的情绪因子得分提升明显 [2] - 行业轮动模型从基本面、量价、情绪面三大维度出发，对原有因子进行双周频率回测，并拓展量价因子，筛选7个有效因子构建策略 [2] 根据相关目录分别进行总结 行业轮动策略行业指数得分 - 涉及vol60_pct因子、ETF因子、consensus等因子，展示了有色、国防军工等行业的因子得分情况 [3] 行业ETF组合标的 - 包括南方中证申万有色金属ETF、广发中证传媒ETF等6只ETF [4] 行业ETF组合标的详情 |证券代码|证券简称|成立日期|权重|四季末规模（亿元）|近一年日均成交（亿元）|今年以来收益率|今年以来跟踪误差|近一年收益率|近一年跟踪误差|近三年收益率|近三年跟踪误差| | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | |512400.OF|南方中证申万有色金属ETF|2017 - 08 - 03|16.67%|205.91|19.20|-0.09%|0.17%|75.34%|0.44%|77.03%|0.51%| |512980.OF|广发中证传媒ETF|2017 - 12 - 27|16.67%|26.43|4.45|0.75%|0.33%|17.28%|0.44%|33.77%|0.64%| |515880.OF|国泰中证全指通信设备ETF|2019 - 08 - 16|16.67%|136.38|14.32|4.90%|0.30%|141.64%|0.55%|223.79%|0.54%| |515210.OF|国泰中证钢铁ETF|2020 - 01 - 22|16.67%|39.80|2.46|-1.01%|0.19%|15.97%|0.50%|18.67%|0.73%| |512070.OF|易方达沪深300非银行金融ETF|2014 - 06 - 26|16.67%|176.13|5.06|-11.39%|0.26%|4.07%|0.99%|32.67%|1.15%| |512010.OF|易方达沪深300医药卫生ETF|2013 - 09 - 23|16.67%|169.74|4.14|-4.68%|0.22%|-1.42%|0.43%|-20.84%|0.46%| [5] 行业轮动策略表现 - 过去两周下跌1.18%，过去两周超额收益为3.18%，过去一年超额收益为20.68%，过去一年夏普率为1.93，Calmar比率为3.83 [5] 风险收益特征 |策略名称|过去两周收益率|过去两周超额收益|今年以来收益|今年至今超额收益|夏普率（过去一年）|最大回撤（过去一年）|Calmar比率（过去一年）|超额最大回撤（过去一年）| | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | |行业轮动策略|-1.18%|3.18%|5.99%|4.26%|42.48%|20.68%|1.93|11.11%|3.83|3.22%| [7] 策略/复合因子回测结果 |策略|因子|算法|权重|IC均值|IC标准差|ICIR|IC>0的频率|p - Value| | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | |量价|成交均价因子|优化基于近一年持仓成本均价的收益|50%|4.02%|26.56%|15.14%|59.45%|0.02| |量价|REVS5Indu1因子|近5日涨跌幅 - 行业中性|50%|3.68%|22.85%|16.11%|58.27%|0.01| |基本面|Consensus 4|相较25日前的边际变化|50%|2.81%|21.54%|13.05%|55.33%|0.04| |基本面|SUE因子|每年盈利同比增加值均值|50%|2.62%|22.32%|11.73%|53.52%|0.09| |基本面|建仓期ETF资金流因子|近6月ETF建仓资金流|33%|3.54%|20.55%|17.21%|56.69%|0.01| |情绪|Insurance 4|保险ETF资金流2周累计|-33%|-1.94%|22.54%|-8.60%|44.44%|0.19| |情绪|vol pct因子|60日平均换手率pct|-33%|-2.96%|23.62%|-12.52%|44.88%|0.05| |复合因子优化后|/|大类因子等权、小类因子等权|/|7.81%|24.02%|32.49%|46.64%|0.00| [10]

行业轮动四象限策略框架 - 策略从宏观、技术、景气、情绪四个维度构建因子，以驱动行业轮动 [1] - 策略自2018年开始样本外跟踪，截至2025年12月，单因子多策略年化超额收益为13.85%，复合因子策略年化超额收益为7.28% [2] 2025年策略表现 - 2025年，单因子多策略组合绝对收益为36%，相对于等权基准超额收益为12.29% [2] - 2025年，复合因子策略组合绝对收益为38.1%，超额收益为14.38%，两个组合的超额收益月度胜率均为58.3% [2] 2025年因子表现分化 - 2025年因子有效性呈现较大分化，结构表现接近2021年 [2] - 宏观因子表现极为突出，年化超额收益达23.8%，月度胜率为67% [2] - 景气度因子和情绪因子超额收益贡献相对平淡，分别为4.1%和7.1% [2] - 技术面因子表现较差，超额收益为-1.1%，这与历史上行市场中技术面因子表现较差的规律一致 [2] 因子表现与市场环境联动性 - 将市场按年度涨幅是否大于零分为上涨市与下跌市，四大维度因子的超额收益与市场环境存在较强关系 [3] - 上涨市中，宏观、景气度和情绪面是驱动行业上行的主要动力 [3] - 技术面因子主要在下行市场环境中起到防御作用 [3] - 未来研究将尝试将市场环境的预判与划分引入策略因子使用，以期望获得更稳定的超额收益 [3] ETF策略组合历史回溯表现 - 构建以ETF为持仓品种的策略组合，自2014年以来（未发行ETF时段采用产品跟踪指数价格回溯），相对中证800指数获得11.4%的年化超额收益，信息比为1.01 [3]

文章核心观点 - 文章旨在构建一个基于四个维度的行业轮动模型，以筛选高景气度行业并构建ETF投资组合，目标是获取超额收益 [1] - 综合行业轮动模型在历史回测中表现稳定且有效，特别是在2024年9月市场反弹后有效性显著提升 [2] - 基于该模型，构建了三种不同模式的ETF行业轮动投资组合，其中收益弹性优先模式的历史回测表现最佳 [2] 行业轮动模型构建 - 模型从基本面景气度、超预期水平、量价水平和资金流强度四个维度出发，分别构建行业轮动模型，并最终构建综合行业轮动模型 [1] - 各单一视角复合因子的样本内和样本外表现均较为稳定，全区间内各模型高景气组均积累了显著的超额收益 [1] 综合行业轮动因子表现 - 综合行业轮动因子以各单一视角复合因子为基础，采用等权方式构建 [2] - 全区间内，综合行业轮动模型的IC均值为12.54%、ICIR为50.92% [2] - 高景气组年化收益为17.84%，相对中证800指数的多空组合累计年化超额收益为14.44% [2] - 2024年9月市场开启反弹行情后，综合行业轮动因子的有效性得到显著提升 [2] - 2026年3月，综合行业轮动模型最新推荐行业为有色金属、机械设备、钢铁、国防军工、基础化工和通信行业 [2] ETF行业轮动投资组合构建与表现 - 在综合考虑产品规模、流动性、相关性、收益弹性、每日仓位动态调整、交易费用等因素后，构建了三种模式的ETF投资组合 [2] - **收益弹性优先模式**：年化收益为21.20%，更能够捕捉短期高景气细分赛道，历史回测表现好于另外两种模式 [2] - **流动性优先模式**：年化收益为18.57%，同样包含部分市场交易热点信息 [2] - **相关性优先模式**：年化收益为18.78%，凭借对行业暴露纯度的严格把控，整体业绩稳定性更高 [2]

量化模型与构建方式 1. 复合行业轮动因子模型 1.1 基本面景气度复合因子 * **模型名称**：基本面景气度复合行业轮动因子[4][8][14] * **模型构建思路**：从基本面景气度维度，选取资产质量、成长能力、营运能力、盈利水平、议价力等方向的多个有效财务指标，构建复合因子以预测行业未来表现[4][8][14][15]。 * **模型具体构建过程**： 1. **基础数据处理**：以申万一级行业为分类标准，基于行业内个股的财务数据，采用整体法计算行业指标[9][15]。 2. **单因子构建**：构建了12个有效财务指标因子，具体如下[15]： * **TTM应收账款周转率环比增长**：采用近4个季度（TTM）数据计算行业应收账款周转率，再计算环比增长（当季-上季）[17]。 $$行业应收账款周转率 = \frac{\sum 个股营业收入\_TTM}{\sum 个股应收账款\_TTM}$$ * **报告期末流动资产比例同比增长**：采用报告期末数据计算行业流动资产比例，再计算同比增长（当季-上年同季）[18]。 $$行业流动资产比例 = \frac{\sum 个股流动资产\_报告期末}{\sum 个股总资产\_报告期末}$$ * **报告期末速动比率同比增长**：采用报告期末数据计算行业速动比率，再计算同比增长[19]。 $$行业速动比率 = \frac{\sum 个股速动资产\_报告期末}{\sum 个股流动负债\_报告期末}$$ * **TTM存货周转率同比增长**：采用TTM数据计算行业存货周转率，再计算同比增长[20]。 $$行业存货周转率 = \frac{\sum 个股营业成本\_TTM}{\sum 个股库存\_TTM}$$ * **报告期末客户议价力同比增长率**：将应收账款定义为客户议价力，采用报告期末数据计算，再计算同比增长率（当季/上年同季-1）[21]。 * **报告期末供应商议价力环比增长**：将应付账款定义为供应商议价力，采用报告期末数据计算，再计算环比增长[22][23]。 * **TTM营业利润环比增长率**：采用TTM数据计算行业营业利润，再计算环比增长率（当季/上季-1）[24]。 $$行业营业利润 = \sum 个股营业利润\_TTM$$ * **季度营业利润率同比增长**：采用当季数据计算行业营业利润率，再计算同比增长[25]。 * **TTM核心利润环比增长率**：采用TTM数据计算行业核心利润，再计算环比增长率[26]。 * **季度核心利润率同比增长**：采用当季数据计算行业核心利润率，再计算同比增长[27]。 $$行业核心利润率 = \frac{\sum 个股营业收入\_季度 - \sum 个股营业成本\_季度 - \sum 个股其他成本项\_季度}{\sum 个股营业收入\_季度}$$ * **TTM归母扣非净利润环比增长率**：采用TTM数据计算行业归母扣非净利润，再计算环比增长率[28]。 * **TTM净资产收益率（ROE）环比增长**：采用TTM数据计算行业净资产收益率，再计算环比增长[29]。 $$行业净资产收益率 = \frac{\sum 个股扣非归母净利润\_TTM}{\sum 个股净资产\_TTM}$$ * **年内累计销售毛利率同比增长**：采用年内累计数据计算行业销售毛利率，再计算同比增长[30]。 $$行业销售毛利率 = \frac{\sum 个股营业总收入\_年内累计 - \sum 个股营业总成本\_年内累计}{\sum 个股营业总收入\_年内累计}$$ 3. **因子标准化与合成**：对上述有效单因子进行标准化处理，然后以各因子在样本内的IC胜率为权重，加权合成基本面景气度复合因子[13]。 * **模型评价**：该复合因子在全区间内积累了显著的超额收益，但在2024年9月A股反弹后出现短期“低景气反转”特征，随后有效性再次提升[31]。 1.2 超预期水平复合因子 * **模型名称**：超预期水平复合行业轮动因子[4][8][33] * **模型构建思路**：从超预期水平维度，涵盖基于公告的市场预期变化和分析师预期变化两个方面，构建复合因子[4][8][33]。 * **模型具体构建过程**： 1. **基础数据处理**：基于个股公告（正式报告、业绩预告、业绩快报）日期前后的收益变化，以及分析师预期数据，在调仓日按个股流通市值加权得到行业单因子水平[33][35]。 2. **单因子构建**：构建了5个有效因子，具体如下[35]： * **公告前后异常收益**：计算个股盈余公告T日的前n日至后m日的每日超额收益（以中证800为基准）之和。最终选定参数为m=2，n=0，即公告后2日的超额收益之和[36]。 * **净利润预期变动得分**：在个股报告发布日，若未来一年净利润预期较同一分析师上次预期变动超1%计+1分，低于-1%计-1分。在调仓日对个股得分进行60日滚动累计，再以流通市值加权得到行业得分[37]。 * **主营业务收入预期变动得分**：逻辑同净利润预期变动得分，针对主营业务收入预期，滚动累计窗口为20日[38]。 * **报告评级换算**：对行业内所有个股在过去180日内，分析师公开报告的平均评级得分取均值。个股评级得分由研报评级（如买入、卖出）按预设规则换算得出[39]。 * **上调减下调报告评级比例**：计算行业过去180日内，评级上调的研报数量减去评级下调的研报数量，再除以存在前期评级得分的研报总数量[40]。 3. **因子标准化与合成**：对有效单因子标准化后，以各因子IC胜率为权重，加权合成超预期水平复合因子[13]。 * **模型评价**：该复合因子对低景气行业的预判准确性较高。样本外在2022年8月至2023年12月期间有效性降低，但自2024年开始有效性显著提升并持续[41]。 1.3 量价水平复合因子 * **模型名称**：量价水平复合行业轮动因子[4][8][44] * **模型构建思路**：从量价水平维度，基于行业指数的日度数据，构建动量、成交波动和量价背离等因子，侧重行业中长期的动量效应[4][8][44]。 * **模型具体构建过程**： 1. **基础数据**：直接使用申万一级行业指数的日收益、成交量、成交额、换手率等数据[44]。 2. **单因子构建**：构建了7个有效因子，具体如下[44]： * **日内动量**：计算每日收盘价/开盘价作为日内动量指标，对各行业指标值进行10日滚动累计[45]。 * **隔夜动量**：计算每日开盘价/前一日收盘价作为隔夜动量指标，进行40日滚动累计后，对因子值取反（因隔夜涨幅呈反转效应）[46]。 * **移动平均趋势变化**：首先计算行业指数当前收盘价减去过去10日均价，定义为短期动量水平；然后计算该短期动量水平减去其10日前的值[47]。 * **动量期限差**：计算行业指数近10日收益率减去近5日收益率，因子值越高代表长期趋势明确且短期交易不拥挤[48][49]。 * **成交量波动**：计算行业指数过去20日成交量波动率，并取负值。因子值越高代表行业情绪越稳定[50]。 * **成交额波动**：计算行业指数过去20日成交额波动率，并取负值。因子值越高代表行业情绪越稳定[51]。 * **一阶量价背离**：计算成交量一阶变化（今日成交量/昨日成交量-1）与价格一阶变化（日涨跌幅）在40个交易日内Spearman相关系数的负值[52][53]。 $$一阶量价背离因子 = -corr\left(rank\left(\frac{Volume_i}{Volume_{i-1}}-1\right), rank\left(\frac{Close_i}{Open_i}-1\right), 40\right)$$ 3. **因子标准化与合成**：对有效单因子标准化后，以各因子IC胜率为权重，加权合成量价水平复合因子[13]。 * **模型评价**：该复合因子更注重中长期量价延续性。样本外在2024年9月A股反弹后，高景气组上涨弹性不及低景气组，可能与短期动量效应更显著有关[54]。 1.4 资金流强度复合因子 * **模型名称**：资金流强度复合行业轮动因子[4][8][57] * **模型构建思路**：从资金流强度维度，根据行业内个股的资金流入流出数据（按挂单金额分类），汇总得到行业整体资金流强度，以分析不同类型投资者的行为[4][8][57]。 * **模型具体构建过程**： 1. **基础数据**：使用个股资金流向数据，按Wind标准分类（如超大单>100万）[57]。 2. **单因子构建**：构建了3个有效因子，具体如下[57]： * **主动超大单资金流强度**：计算过去10日，行业内所有个股的每日平均主动超大单净流入金额，除以个股平均合计流通市值[58]。 * **主动超大单资金流极端突破**：首先计算行业当日主动超大单净流入金额减去其过去120日均值，再除以其过去120日标准差，得到当日强度；然后计算过去10日该强度的均值[59]。 * **小单资金流稳定性**：首先计算行业当日小单净流入金额减去其过去120日均值，再除以其过去120日标准差，得到当日强度；然后计算过去5日该强度的均值；对所有行业该值进行截面标准化后，取绝对值并取相反数[60][61]。 3. **因子标准化与合成**：对有效单因子标准化后，以各因子IC胜率为权重，加权合成资金流强度复合因子[13]。 * **模型评价**：该因子在2024年9月市场反弹后有效性显著提升，可能与资金流在反弹行情中对行业轮动的主导作用强化有关[62]。 1.5 综合行业轮动因子模型 * **模型名称**：综合行业轮动因子模型[4][13][65] * **模型构建思路**：将上述四个维度的单一视角复合因子（基本面景气度、超预期水平、量价水平、资金流强度）进行等权合成，构建最终的综合行业轮动因子，以提升模型有效性和稳定性[4][13][65]。 * **模型具体构建过程**： 1. **输入因子**：将经过再次标准化处理的四个单一视角复合因子作为输入[13][65]。 2. **合成方法**：对四个输入因子采用等权方式加权，合成最终的综合行业轮动因子[13][65]。 2. ETF行业轮动投资组合模型 * **模型名称**：ETF行业轮动投资组合[4][69] * **模型构建思路**：以前文构建的综合行业轮动模型选出的高景气行业为基础，通过一套ETF产品选定框架，构建可实际交易的ETF投资组合[4][69][70]。 * **模型具体构建过程**： 1. **高景气行业选择**：在每月调仓日，选取综合行业轮动因子排名前6的行业（高景气组）作为下月持仓行业[70][72]。 2. **标的指数筛选**： * 在调仓日，仅纳入存续期满1个月的股票型ETF所跟踪的指数作为备选池[72]。 * 对于每个高景气行业，保留成分股在该行业比例≥50%的指数作为备选指数[70]。 * 计算各备选指数与目标行业过去244个交易日的Spearman相关系数。若存在备选指数，保留相关系数≥80%的指数；若不存在，则保留相关系数排名前5且≥60%的指数[70]。 3. **ETF标的选定**： * 对于每个筛选出的标的指数，保留对应的ETF产品作为备选池[70]。 * 在每个调仓日，计算备选ETF过去1个月的日均成交额和日均流通规模[70]。 * 保留存续≥1个月、日均流通规模≥2亿、且日均成交额最高的ETF产品[70]。 * 若无满足条件的ETF，则用申万一级行业指数替代[71]。 4. **三种选定模式**：针对同一行业可能对应多个ETF的情况，定义了三种产品选定模式[70]： * **相关性优先模式**：选择相关系数最高的标的指数对应的ETF。 * **流动性优先模式**：选择过去1个月日均成交额最高的ETF。 * **收益弹性优先模式**：选择过去1个月收益表现最佳的ETF。 模型的回测效果 1. 单一视角复合因子回测效果（全区间） * **基本面景气度复合因子**：IC均值5.75%， ICIR 24.81%， 高景气组年化收益9.56%， 低景气组年化收益-1.74%[31] * **超预期水平复合因子**：IC均值7.31%， ICIR 28.99%， 高景气组年化收益10.93%， 低景气组年化收益-2.87%[41] * **量价水平复合因子**：IC均值7.16%， ICIR 32.98%， 高景气组年化收益8.65%， 低景气组年化收益-1.22%[54] * **资金流强度复合因子**：IC均值7.18%， ICIR 32.10%， 高景气组年化收益13.79%， 低景气组年化收益1.43%[62] 2. 综合行业轮动因子回测效果（全区间） * **综合行业轮动因子**：IC均值12.54%， ICIR 50.92%， 高景气组年化收益17.84%， 相对中证800指数的多空组合累计年化超额收益14.44%[65] 3. ETF行业轮动投资组合回测效果（2020/01/01 - 2026/02/28） * **ETF轮动组合（相关性优先）**：年化收益率18.78%， 年化波动率22.10%， 最大回撤-39.87%， 夏普比率0.85， 收益回撤比0.47[81] * **ETF轮动组合（流动性优先）**：年化收益率18.57%， 年化波动率23.10%， 最大回撤-40.38%， 夏普比率0.80， 收益回撤比0.46[81] * **ETF轮动组合（收益弹性优先）**：年化收益率21.20%， 年化波动率23.22%， 最大回撤-40.95%， 夏普比率0.91， 收益回撤比0.52[81]

一、 当期市场与行业表现概况 - **主要市场指数表现分化**：过去一个月，国证2000、中证1000、中证500、沪深300分别上涨4.07%、3.71%、3.44%、0.09%，而上证50下跌0.88% [1][10] - **行业指数多数上涨**：在中信一级行业中，有22个行业上涨，钢铁行业指数涨幅最大，月涨幅达9.52%，建材、机械、煤炭、国防军工等行业涨幅靠前 [1][10] - **部分行业表现落后**：消费者服务、非银行金融、传媒的行业指数月涨跌幅分别为-3.37%、-3.48%、-4.22%，表现靠后 [1][10] 二、 行业轮动策略架构与因子分析 - **策略构建框架**：超预期增强行业轮动框架以基本面为核心，叠加估值面和资金面，基本面包括盈利、质量因子以及分析师预期和超预期因子，估值面包含估值动量因子，资金面考虑北向和公募持仓 [16] - **补充策略跟踪**：报告同时跟踪基于估值动量、盈利与质量因子构建的景气度估值行业轮动策略，以及基于机构调研热度和广度构建的调研行业精选策略 [17] - **二月大类因子表现**：盈利与估值动量因子表现突出，IC值分别达到15.81%和30.64%，分析师预期因子IC值为5.47%；多空收益方面，盈利和估值动量因子分别达到2.74%和9.53%；多头超额收益方面，估值动量和调研活动因子表现较好，分别达到4.60%和1.37% [2][18] - **今年以来因子表现**：盈利和估值动量因子IC均值分别达到33.94%和36.14%，多头超额收益分别达到1.91%和6.63% [2][18] - **策略因子历史表现**：自2011年以来，超预期增强因子的IC均值达到8.30%，风险调整IC为0.299；自2017年以来，调研活动因子的IC均值达到8.99%，风险调整IC达0.466 [25][26] 三、 行业配置策略历史与近期表现 - **超预期增强策略二月表现**：策略收益率为6.86%，行业等权基准收益率为4.83%，超额收益率为2.03%；景气度估值策略二月收益率与之相同 [2][32] - **超预期增强策略历史表现**：自2011年1月至2026年2月，策略年化收益率为13.13%，夏普比率为0.523，年化超额收益率为7.20%，月均双边换手率为68.82% [32][39] - **调研精选策略二月表现**：策略收益率为5.79%，超额收益率为0.96% [2][40] - **调研精选策略历史表现**：自2017年1月至2026年2月，策略年化收益率为6.86%，夏普比率为0.347，年化超额收益率为2.20%，月均双边换手率达157.73% [40][44][47] 四、 当期行业配置推荐 - **超预期增强策略三月推荐**：推荐行业为有色金属、基础化工、通信、电子和机械行业，相比上月调出传媒和国防军工，调入通信和机械 [3][46] - **推荐行业细分因子解析**：有色金属超预期得分下降但仍总分第一；基础化工分析师预期得分上升至行业第二；通信行业超预期因子得分大幅提升，总排名升至第三；机械行业估值动量和超预期得分均上升 [3][46] - **景气度估值策略三月推荐**：推荐行业为国防军工、有色金属、钢铁、基础化工和房地产行业，其中国防军工、钢铁和房地产未进入超预期增强策略推荐名单 [3][46] - **调研精选策略三月推荐**：推荐行业为通信、家电、非银行金融、电力及公用事业与电力设备及新能源行业 [3][49] - **调研精选推荐逻辑**：通信、家电、电力及公用事业和电力设备及新能源行业的基金调研热度上升，同时通信、家电、非银金融和电力及公用事业的调研拥挤度下降 [3][49] - **共同关注行业**：通信行业同时获得超预期增强策略和调研精选策略的推荐 [3][50]

ETF配置策略 - 我国ETF市场已形成覆盖范围广、类型完整的产品体系 覆盖中国内地、香港、沪港深及海外主要发达与新兴市场 资产类型涵盖股票、债券及商品三大类 为投资者提供了精细化、多元化资产配置的基础工具池 [2] - 绝对收益策略通过股票、债券、商品和黄金等低相关性资产构建组合 列举了5个策略及其历史表现 例如目标波动率3%策略年化收益6.74% 目标波动率5%策略年化收益8.04% 基于权益增强的多元资产配置策略年化收益11.66% [3] - 相对收益策略包括风格轮动与行业轮动 风格轮动旨在通过成长、价值、大盘、小盘等风格切换获取超额收益 列举了5个模型 如宏观量价成长价值风格轮动模型年化收益26.65% 行业轮动旨在捕捉结构性机会 列举了2个组合 如四维度行业轮动策略年化收益20.17% [4] 军工与商业航天 - 长征十号运载火箭与梦舟载人飞船成功完成首次低空演示验证与最大动压逃逸飞行试验 这是我国载人登月任务的关键飞行试验 验证了火箭与飞船相关功能性能及系统接口匹配性 为后续任务积累了宝贵数据和经验 [7] - 我国探月工程总体进展顺利 计划在2030年前实现中国人首次登陆月球 载人登月任务已全面启动实施 具体过程包括发射月面着陆器与载人飞船在环月轨道交会对接等 [9] - 根据计划 我国将在2026年发射“嫦娥七号” 2028年发射“嫦娥八号” 并在2028年前构建国际月球科研站基本型 2030年前实现载人登月 2040年前建成完善型国际月球科研站 后续建设“应用型月球科研站” [9] - 十五五期间 以载人登月工程为代表的太空探索项目有望顺利开展 太空旅游、太空数智基础设施、太空资源开发、太空交通管理等太空经济新领域有望迎来高速发展 商业航天赛道有望成为十五五军工行业核心投资方向之一 [9]

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：超预期增强行业轮动策略[13] **模型构建思路**：以基本面为核心，叠加估值面和资金面进行多维度行业分析[13] **模型具体构建过程**： * **因子构成**：模型综合了多个维度的因子。 * **基本面**：包括基于实际披露业绩构建的盈利因子和质量因子，以及基于研报文本分析与分析师预期构建的分析师预期因子和超预期因子[13]。超预期因子指公司公告的营业收入、净利润等指标超出市场一致预期的部分[13]。 * **估值面**：包含估值动量因子[13]。 * **资金面**：考虑北向持仓、公募持仓等[13]。 * **合成方式**：将上述多个因子合成一个综合的“超预期增强因子”[22]。 * **组合构建**：每月初根据合成的超预期增强因子对行业进行排序，选取排名前1/6（即5个）的行业，以等权方式构建投资组合，按月调仓[32]。 2. **模型名称**：景气度估值行业轮动策略[14] **模型构建思路**：主要基于估值动量、盈利与质量因子进行行业轮动[14] **模型具体构建过程**：策略构建方法与超预期增强行业轮动策略一致[14]，即每月初根据合成的因子对行业排序，选取排名前5的行业等权配置，按月调仓。其核心因子为估值动量、盈利和质量因子[14]。 3. **模型名称**：调研行业精选策略[14] **模型构建思路**：基于机构调研数据，从行业层面的调研热度与广度两个视角判断机构投资者关注度的动向[14] **模型具体构建过程**： * **因子构成**： * **调研热度因子**：通过覆盖公司的调研活动平均数来刻画行业内的公司受关注热度[14]。 * **调研广度因子**：通过行业的调研覆盖程度来刻画行业拥挤度，该因子排名越高代表调研广度越低、拥挤度越低[45]。 * **合成方式**：将调研热度与调研广度两个细分因子合成为“调研活动因子”[14][45]。 * **组合构建**：每月初根据合成的调研活动因子对行业进行排序，选取排名前5的行业，以等权方式构建投资组合，按月调仓[36]。 模型的回测效果 （注：以下指标为截至2026年1月的长期历史回测结果，其中“今年以来”指标在报告中特指2026年1月单月表现） 1. **超预期增强行业轮动策略** * 年化收益率：12.71%[33] * 年化波动率：25.16%[33] * 夏普比率：0.505[33] * 最大回撤率：54.44%[33] * 年化超额收益率（相对行业等权基准）：7.12%[33] * 月均双边换手率：68.75%[33] * 2026年1月收益率：3.20%[33] * 2026年1月超额收益率：2.36%[33] 2. **景气度估值行业轮动策略** * 年化收益率：10.07%[33] * 年化波动率：25.91%[33] * 夏普比率：0.389[33] * 最大回撤率：56.24%[33] * 年化超额收益率（相对行业等权基准）：4.85%[33] * 2026年1月收益率：3.76%[33] * 2026年1月超额收益率：2.92%[33] 3. **调研行业精选策略** * 测试期：2017年1月-2026年1月[42] * 年化收益率：6.26%[37] * 年化波动率：19.83%[42] * 夏普比率：0.316[37] * 最大回撤率：40.18%[42] * 年化超额收益率（相对行业等权基准）：2.14%[37] * 月均双边换手率：157.35%[37] * 2026年1月收益率：0.20%[37] * 2026年1月超额收益率：-0.64%[37] 量化因子与构建方式 1. **因子名称**：盈利因子[13] **因子构建思路**：基于公司实际披露的业绩构建[13] 2. **因子名称**：质量因子[13] **因子构建思路**：基于公司实际披露的业绩构建[13] 3. **因子名称**：估值动量因子[13] **因子构建思路**：属于估值面因子，用于捕捉估值趋势[13] 4. **因子名称**：分析师预期因子[13] **因子构建思路**：基于研报文本分析与分析师预期构建[13] 5. **因子名称**：超预期因子[13] **因子构建思路**：识别公司公告的业绩指标（如营业收入、净利润）超出市场一致预期的部分[13] 6. **因子名称**：北向流入因子[13] **因子构建思路**：属于资金面因子，考虑北向资金的持仓动向[13] 7. **因子名称**：调研活动因子[14] **因子构建思路**：综合机构调研的热度与广度信息，刻画机构投资者对行业的关注度[14] **因子具体构建过程**：由两个细分因子合成： * **调研热度**：通过行业内覆盖公司的调研活动平均数来刻画[14]。 * **调研广度**：通过行业的调研覆盖程度来刻画行业拥挤度，该因子值越高代表调研广度越低、拥挤度越低[45]。 8. **因子名称**：超预期增强因子[22] **因子构建思路**：将盈利、质量、估值动量、分析师预期、超预期等多个因子合成一个综合因子，用于超预期增强行业轮动策略[13][22] **因子评价**：在行业预测方面具有显著效果[32] 9. **因子名称**：景气度估值因子[14] **因子构建思路**：主要基于估值动量、盈利与质量因子合成，用于景气度估值行业轮动策略[14] 因子的回测效果 （注：以下单因子表现数据为2026年1月当月表现） 1. **盈利因子** * IC值：30.34%[17] * 多空收益：4.52%[17] * 多头超额收益：2.31%[17] 2. **质量因子** * IC值：-3.89%[18] * 多空收益：-0.86%[18] * 多头超额收益：-1.81%[18] 3. **估值动量因子** * IC值：44.09%[17] * 多空收益：4.41%[17] * 多头超额收益：1.80%[17] 4. **分析师预期因子** * IC值：12.91%[17] * 多空收益：0.22%[18] * 多头超额收益：-1.84%[18] 5. **超预期因子** * IC值：-39.85%[18] * 多空收益：-2.82%[18] * 多头超额收益：-1.20%[18] 6. **调研活动因子** * IC值：16.16%[17] * 多空收益：-0.63%[18] * 多头超额收益：-0.70%[18] 7. **超预期增强因子** * IC历史均值（2011年以来）：8.26%[22] * 风险调整的IC（2011年以来）：0.297[22] * 多空年化收益率（2011年以来）：17.85%[23] * 多空夏普比率（2011年以来）：1.01[23] * 2026年1月IC值：18.62%[23] * 2026年1月多空收益率：2.51%[23] 8. **调研活动因子（长期表现）** * IC历史均值（2017年以来）：9.09%[22] * 风险调整的IC（2017年以来）：0.469[22] * 多空年化收益率（2017年以来）：14.99%[27] * 多空夏普比率（2017年以来）：1.35[27]

资产配置的生命周期策略 - 根据个人生命周期（20岁前受教育阶段、20-60岁职业生涯阶段、60岁后退休养老阶段）的收支特点，通过投资理财解决收支不平衡与时间不匹配问题 [5][6] - 资产配置分为三大需求：用于日常开销（强调流动性与安全性）、用于固定支出（强调安全性与一定流动性）、用于保值增值的长期投资（使用短期不用的闲钱） [2][4][5] - 青年期（20-30岁）风险承受能力较强，可参考“投资100法则”，例如25岁投资者可配置**70%**的股票ETF和**30%**的债券及货币ETF，并可根据实际支出和风险偏好调整 [8] - 中年期（30-60岁）收入增加但经济负担加重，风险承受能力可能下降，需从青年期比例下调股票ETF配置，相应提高债券ETF配置 [9] - 老年期（60岁以后）抗风险能力下降，若无额外收入，建议股票ETF投资比例降至**40%**以下，债券ETF比例升至**55%**以上，并保留**5%**的货币ETF作为流动性保障 [10] ETF投资策略类型 - **资产配置策略**：根据投资者年龄、收入、风险承受能力等因素动态调整资产配置比例，以适应不同生命周期阶段的财务需求和风险偏好，需持续关注个人财务状况和市场变化 [1] - **定投策略**：适合每月有固定现金流入、风险偏好较低的投资者，定期投入固定金额购买ETF，通过长期投资平滑成本、降低市场波动影响，但长期收益相对有限且对止盈等操作要求高 [1] - **行业轮动策略**：适合对市场趋势有较深理解和分析能力的投资者，根据经济周期、行业景气度动态调整不同行业ETF配置比例，以期获得更高回报，但对市场趋势判断要求高 [1] - **套利策略**：适合专业能力较强、资金体量较大的投资者，利用ETF在一级和二级市场间的价格差异进行折价或溢价套利 [1] 基于具体财务需求的ETF配置 - **日常开销备用金**：首要考虑流动性和安全性，适合配置货币ETF以满足随用随取的需求 [2][3][4] - **固定支出储备金**：需考虑安全性和一定流动性，以应对定期或可能发生的支出（如房贷、车贷），适合配置债券ETF中的国债ETF，以获得比货币基金更高的稳定收益 [4] - **长期投资（保值增值）**：使用短期不会使用的闲钱，根据风险承受能力配置股票ETF、债券ETF、商品ETF、外汇ETF、商品期货ETF或跨境ETF [5] 定投策略详解 - 定投是一种定期定额投资策略，核心在于“定期”和“定额”，通过长期稳定投资克服人性挑战，实现财富积累和增值 [11] - 定投通过分批买入避免在单一时间点“梭哈”的风险，能平均成本，让投资更稳健；若市场一直涨，定投收益可能不如一次性买入，但在其他情况下长期定投收益可期 [12] - 定投可通过场内自行买入ETF或场外定投ETF联接基金实现，场内操作灵活可即时卖出，场外可自动扣款但赎回流程较长且7天内赎回费可能较高 [13][14] 定投策略的优势 - 分散风险：通过定期投资将资金分散在不同时间点，降低市场波动影响，同时ETF本身具有多元化特点，进一步分散单一资产风险 [15][16][17] - 简化决策：无需频繁关注市场或复杂决策，只需按预定计划投资 [18] - 强制储蓄：有助于养成良好储蓄和投资习惯，通过定期定额逐步积累财富 [18] - 适合长期投资：利用时间力量实现复利效应，适合有长期投资计划和目标的人 [18] - 适合新手和忙人：是一种简单、低门槛的投资方式，适合新手、小额投资者及没有足够时间主动管理的投资者 [19] - 规避市场波动和情绪影响：采用定期定量方式帮助投资者规避短期市场波动和情绪影响 [19] 实施定投的步骤与注意事项 - 实施步骤包括：1）确定投资目标、风险承受能力和投资期限；2）根据目标和风险选择合适的ETF；3）设置定投的时间间隔和固定金额；4）定期评估和调整计划 [20][21] - 注意事项包括： - 选择合适的开始时间：当ETF追踪指数处于相对低点（如市盈率处于相对低点）时开始定投，可提高正收益概率 [21] - 选择合适的结束时间：当ETF追踪指数处于相对高点时考虑结束定投 [21] - 坚持长期投资：避免频繁切换不同ETF导致追涨杀跌 [22] - 考虑成长性：应选择具有长期上涨潜力的ETF进行定投，如宽基ETF或预期成长性好的行业主题ETF，而非过于平稳的货币ETF [22]