报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 - 报告基于宏观方法和动量指标构建多个 ETF 组合 包括宏观行业组合、宏观 + 动量行业组合、核心 - 卫星组合和三位一体风格轮动 ETF 组合 并介绍各组合构建方法、持仓情况及历史表现 [5] 根据相关目录分别进行总结 1. ETF 组合构建方法 1.1 基于宏观方法的 ETF 组合构建 - 根据经济、流动性、信用三个维度宏观变量 对宽基、行业主题、Smart Beta 三大类 ETF 跟踪指数计算宏观敏感性 依据当期宏观变量状态与指数宏观敏感性选 ETF 还考虑加入动量指标互补 [5] - 传统周期行业适合经济上行期配置 TMT 适合经济偏弱但流动性宽松时配置 消费在信用扩张时受益 国企、ESG 相关主题对流动性和信用低敏感 [5] - 依据宏观敏感性测算方法和动量构建宏观行业组合、宏观 + 动量行业组合、核心 - 卫星行业组合 并每月调仓 [5] 1.2 三位一体风格轮动 ETF 组合构建 - 以宏观流动性为核心构建中长期风格轮动模型 与沪深 300 指数对比 [6] - 综合胜率和赔率表现 筛选宏观因子、基本面因子与市场情绪因子构建成长/价值轮动、市值、质量三类模型 综合结果得最终指向 含 8 个风格偏好结果 [6] - 筛选目标风格暴露多的 ETF 控制行业暴露与风格组合相近 设置 3% - 20% 配置上下限 得 ETF 配置模型 [6] 2. 宏观行业组合 - 选成立 1 年以上、规模 2 亿以上的行业主题 ETF 跟踪指数 计算经济、流动性、信用敏感性得分 按最新指标调整得分方向后加总 若流动性与信用背离则去除流动性得分 取排名前 6 指数对应规模最大 ETF 等权配置 [7][8] - 目前经济前瞻指标回落、流动性偏松、信用指标偏紧 选对经济不敏感、对流动性敏感、对信用不敏感的 ETF 配置 整体偏向 TMT、创新药 [12] - 3 月持仓包括广发中证香港创新药 ETF、华夏中证 5G 通信主题 ETF 等 各占 16.67% [12] - 组合波动较大 2 月超额收益回撤 [13] 3. 宏观 + 动量行业组合 - 结合宏观与动量方法 各自筛选后合并 动量方法先将行业主题分组 每组选过去 6 个月涨幅最高产品等权配置 宏观和动量方法互补 [14] - 3 月持仓包括广发中证香港创新药 ETF、华夏中证 5G 通信主题 ETF 等 各占 8.33% 动量选中行业中周期占比高 [18] - 组合今年表现出色 2 月继续跑赢 [19] 4. 核心 - 卫星组合 - 因行业主题 ETF 波动高、行业轮动快 设计以沪深 300 为底仓的“核心 - 卫星”组合 [21] - 用宏观敏感性测算方法对国内宽基、行业主题和 Smart Beta ETF 指数池测算 构建宽基、行业、Smart Beta 三个股票组合 按 50%、30%、20% 权重加权得最终组合 [21] - 3 月持仓宽基偏向科创、创业板 组合表现稳健 除 12 月外几乎都跑赢 26 年 2 月继续跑赢 [26][28] 5. 三位一体风格轮动 ETF 组合 - 本期模型偏向小盘成长 - 高质量部分 展示模型因子暴露与历史表现 [29] - 3 月持仓包括景顺长城中证港股通科技 ETF、景顺长城中证国新港股通央企红利 ETF 等 [35]

报告行业投资评级 未提及 报告的核心观点 报告通过宏观、动量等方法，构建了宏观行业组合、宏观 + 动量行业组合、核心 - 卫星组合、三位一体风格轮动 ETF 组合等 4 个 ETF 组合，并介绍各组合持仓和历史表现 [1][4][5] 根据相关目录分别进行总结 ETF 组合构建方法 - 基于宏观方法的 ETF 组合构建：根据经济、流动性、信用三个维度的宏观变量，对宽基、行业主题、Smart Beta 三大类产品所跟踪指数计算宏观敏感性，结合动量指标，构建宏观行业、宏观 + 动量行业、核心 - 卫星行业 3 个 ETF 组合并每月调仓 [4] - 三位一体风格轮动 ETF 组合构建：以宏观流动性为核心构建中长期风格轮动模型，综合成长/价值、市值、质量 3 个模型结果得到最终风格指向，筛选目标风格暴露多的 ETF 并设置配置上下限，得到配置模型 [5] 宏观行业组合 - 构建方法：选择成立 1 年以上、规模 2 亿以上的行业主题 ETF 跟踪指数，计算经济、流动性、信用敏感性得分，根据最新指标调整得分方向后加总，若流动性与信用背离则去除流动性得分，取排名前 6 的行业主题指数对应规模最大的 ETF 等权配置 [6][7] - 持仓与表现：目前经济前瞻指标回落、流动性偏松、信用偏紧，组合偏向 TMT 和消费，2 月持仓 6 只 ETF；2025 年以来各月有超额收益，1 月大幅跑赢基准 [8][11] 宏观 + 动量行业组合 - 构建方法：结合宏观与动量方法，动量方法先将行业主题聚类分组，每组选过去 6 个月涨幅最高的 1 只产品等权配置，两种方法筛选结果直接合并 [12] - 持仓与表现：2 月持仓 12 只 ETF，动量选中行业中周期占比高；2025 年以来表现出色，1 月跑赢沪深 300 较多 [16][17] 核心 - 卫星组合 - 构建方法：以沪深 300 为底仓，用宏观敏感性测算方法分别对宽基、行业主题、Smart Beta ETF 指数池测算，构建宽基、行业、Smart Beta 3 个组合，按 50%、30%、20% 权重加权得到最终组合 [19] - 持仓与表现：2 月持仓 13 只 ETF，宽基偏向科创、创业板；2025 年以来表现稳健，除 12 月跑输近 1% 其余几乎都跑赢，2026 年 1 月超额明显 [21][23][24] 三位一体风格轮动 ETF 组合 - 模型结果：本期模型偏向小盘成长 - 高质量部分，展示因子暴露情况 [26] - 持仓与表现：2 月持仓 8 只 ETF；2025 年以来各月有超额收益，2026 年 1 月超额收益 7.42% [29][31]

报告行业投资评级 未提及 报告的核心观点 - 报告构建多个ETF组合，包括宏观行业组合、宏观+动量行业组合、核心 - 卫星组合和三位一体风格轮动ETF组合，各组合依据不同策略配置，且每月调仓，当前经济前瞻指标回升、流动性略偏紧、信用向好，组合配置有相应调整[5][8] 根据相关目录分别总结 1. ETF组合构建方法 1.1 基于宏观方法的ETF组合构建 - 根据经济、流动性、信用三个维度宏观变量，对宽基、行业主题、Smart Beta三大类ETF跟踪指数计算宏观敏感性，结合动量指标构建宏观行业、宏观+动量行业、核心 - 卫星行业3个ETF组合并每月调仓[8] - 传统周期行业对经济敏感，TMT对流动性敏感，消费对信用敏感，国企、ESG相关主题对流动性和信用低敏感[8] 1.2 三位一体风格轮动ETF组合构建 - 以宏观流动性为核心构建中长期风格轮动模型，与沪深300指数对比，综合胜率和赔率表现，筛选宏观、基本面和市场情绪因子构建成长/价值轮动、市值、质量三类模型，综合结果得到最终风格偏好指向[9] - 筛选目标风格暴露多的ETF，控制行业暴露，设置3% - 20%配置上下限得到配置模型[9] 2. 宏观行业组合 - 筛选成立1年以上、规模2亿以上行业主题ETF跟踪指数，计算经济、流动性、信用敏感性得分并加总，取排名前6指数对应规模最大ETF等权配置[10] - 当前经济前瞻指标回升、流动性略偏紧、信用向好，组合转向均衡，消费比例提升，10月持仓包括博时中证成渝地区双城经济圈成份ETF等6只ETF[14] - 2025年组合波动较大，9月超额收益恢复为正[15] 3. 宏观+动量行业组合 - 结合宏观与动量方法，动量方法先聚类行业主题，每组选过去6个月涨幅最高产品等权配置，两种方法筛选结果合并[16] - 10月持仓包括华宝中证银行ETF等12只ETF，医药板块权重降低，稀土、电池在动量端被选中[18] - 2025年组合表现出色，8月超额回撤后9月回正[19] 4. 核心 - 卫星组合 - 因行业主题ETF波动高、行业轮动快，设计以沪深300为底仓的核心 - 卫星组合[20] - 用宏观敏感性测算方法构建宽基、行业、Smart Beta 3个股票组合，按50%、30%、20%权重加权得到最终组合[21] - 10月持仓包括华泰柏瑞沪深300ETF等15只ETF，2025年表现稳健，几乎每月战胜指数，9月继续跑赢[24][25] 5. 三位一体风格轮动ETF组合 - 本期模型偏向小盘成长 + 高质量，展示了模型因子暴露与历史表现[26] - 2025年组合月度收益有波动，10月持仓包括南方中证1000ETF等8只ETF[30][31]

核心观点 - 研究通过6个维度（成交额、波动水平、融资存量、融资增量、基金持仓、资金流）构建指数拥挤度指标，用于筛选ETF组合中的高拥挤指数以提升长期稳定性 [1][17][19] - 拥挤度指标测试显示高拥挤指数组合长期表现显著弱于样本权益指数组合，如成交额占比拥挤组合累计收益-11.66% vs 样本组合41.03%（2016-2025）[26][33][38][43][47][52] - 多指标结合策略中，同时满足≥2个拥挤指标的指数剔除效果最佳，使相对收益指数组合累计收益率从292.66%提升至355.05% [59][63][64] - ETF组合应用显示，结合拥挤度筛选后相对收益ETF组合累计收益率从201.79%提升至263.53%，指数增强ETF组合从126.45%提升至149.26% [70][76][79] A股ETF市场发展 - 2019年以来权益ETF快速扩张，数量从2018Q4的133只增至2025Q2的972只，规模从0.27万亿元增至3.03万亿元 [7] 拥挤度指标构建 - 6个核心指标包括：成交额占比（3年分位数>90%）、Beta（5年分位数>90%）、融资余额市值比（3年分位数>90%）、融资增量成交额比（1年分位数>90%）、基金持仓比例（5年分位数>90%）、中小单主动买入额占比（3年分位数>100%）[23][24][57] - 指标间相关性低（平均相关系数0），如成交额占比与中小单买入额占比相关系数-0.36，基金持仓比例与融资余额市值比相关系数-0.16 [57][58] 单指标测试表现 - 成交额占比拥挤组合超额收益：2025年3月14只指数平均超额-3.48%，其中中证软件指数超额-6.03% [29][30] - Beta拥挤组合：2024年12月金融科技指数超额-8.91%，累计收益22.34% vs 样本组合41.03% [33][37] - 融资余额市值比拥挤组合：2021年10月17只指数中14只跑输，平均超额-7.05%，累计收益4.96% [41][42] - 基金持仓比例拥挤组合：2022年11月7只指数中5只跑输，平均超额-9.06%，累计收益-9.50% [49][50] 组合构建方法 - 相对收益ETF组合构建流程：先按6维度指标综合评分分10档，剔除第1档中≥2个拥挤指标的指数，剩余等权配置 [63] - ETF筛选标准：规模>2亿元、日均成交额>0.1亿元、存续>180天，限制同类主题产品数量 [67] - 指数增强组合以中证800为基准，控制行业偏离度同时最大化综合得分 [76]