量化模型与构建方式 1. **模型名称**：富国ETF轮动策略 - **模型构建思路**：通过盈利水平、经营质量、估值动量和分析师预期四个维度构建综合因子，筛选ETF进行月度轮动[26] - **模型具体构建过程**： 1. **因子合成**：将6个细分因子（扣非净利润环比、净利润同比、经营资本周转、经营资本占比、市盈率倒数、分析师预期变化）标准化后等权合成轮动因子[26][31] 2. **组合构建**：每月末按因子值排名前3的ETF等权配置，调仓频率为月度，手续费0.3%[16] 3. **基准对比**：以20只ETF等权组合作为基准[16] - **模型评价**：策略在长期回测中表现稳定，但近期受市场波动影响出现回撤[14][16] 2. **因子名称**：富国ETF轮动因子 - **因子构建思路**：从盈利、质量、估值、预期四个维度选取6个子因子，反映ETF的景气度特征[26][31] - **因子具体构建过程**： 1. **盈利类因子**： - 扣非净利润环比：$$ \text{扣非净利润环比} = \frac{\text{本期扣非净利润} - \text{上期扣非净利润}}{\text{上期扣非净利润}} $$，采用中位数法聚合[31] - 净利润同比：$$ \text{净利润同比} = \frac{\text{本期净利润} - \text{去年同期净利润}}{\text{去年同期净利润}} $$，中位数法聚合[31] 2. **质量类因子**： - 经营资本周转：$$ \frac{\text{经营收入}}{\text{经营资本}} $$，龙头股法聚合，半年环比计算[31] - 经营资本占比：$$ \frac{\text{经营资本}}{\text{总资产}} $$，龙头股法聚合，同比计算[31] 3. **估值动量因子**：市盈率倒数（$$ \frac{1}{\text{市盈率}} $$）半年环比变化，龙头股法聚合[31] 4. **分析师预期因子**：未来12个月EPS一致预期3个月变化率，龙头股法聚合[31] - **因子评价**：因子IC均值为6.8%，风险调整后IC为0.22，具备稳定选股能力[12][14] --- 模型的回测效果 1. **富国ETF轮动策略**： - 年化收益率：7.26% - 年化波动率：21.92% - 夏普比率：0.33 - 最大回撤率：42.20% - 信息比率（IR）：0.59 - 5月收益率：-2.03%（基准1.43%）[19] 2. **多空组合表现**： - 多空收益率：-6.96%（5月） - 历史IC均值：6.80%，标准差31.51%[12] --- 量化因子与构建方式 （与模型部分重复的因子构建内容已合并展示） --- 因子的回测效果 1. **富国ETF轮动因子**： - IC均值：6.80% - IC标准差：31.51% - 风险调整IC：0.22（t统计量2.24）[12] - 5月IC：-30.91%[14] 2. **子因子表现**： - 扣非净利润环比、市盈率倒数、分析师预期变化在农业ETF（159825.SZ）中排名显著靠前[24][25] --- 最新建议关注ETF（2025年5月） 1. **农业ETF（159825.SZ）**：扣非净利润环比、经营资本占比、市盈率倒数排名前1/7[24][25] 2. **大数据ETF（515400.SH）**：经营资本周转、经营资本占比排名靠前[24][25] 3. **稀土ETF（159713.SZ）**：市盈率倒数、分析师预期变化排名前1/7[24][25] --- 注：所有数据引用自研报原文，未包含风险提示等非核心内容。

报告核心观点 - 提出使用形态作为原始数据，将 ETF 成分股合成 ETF 信号的方式做 ETF 轮动，设计指标使同一截面下各 ETF 指数数据可比以构建轮动策略，基于历史数据回测，买入持有信号消失退出策略是更佳的 ETF 轮动信号 [1][2] 各部分总结 ETF 轮动策略介绍 - ETF 轮动指在不同 ETF 间切换调整投资组合，涉及不同资产类别、行业或地区，核心逻辑是根据预设规则动态调整持仓 ETF 组合以追求超越被动持有单一资产的回报 [6] - A 股目前的 ETF 轮动做法有动量轮动、行业/主题轮动、资产类别轮动、因子轮动 [7] - ETF 轮动策略优势是适应多变市场、分散单一资产风险、规则化避免情绪干扰，缺点是高频调仓产生摩擦成本、信号可能滞后带来踏空风险 [8] - 给出不同情况下的 ETF 选择示例，如选择近期表现强势的 ETF、根据经济周期切换行业、进行股债商品等大类资产切换、在不同风格间切换等 [9] 基于成分股的形态学 ETF 择时算法 - 提出股票后期形态是先期形态的结果，形态与资产绑定分析的理论，并采用个股形态信号合成的方法对 ETF 进行择时研究 [10] - 单个 ETF 择时算法并非轮动，关键是解决同一截面下 ETF 标的看多强度的比较问题 [15] 基于成分股形态的 ETF 轮动策略（以富国基金 ETF 为例） - 设计指标将同一截面下各 ETF 指数数据可比，构建轮动策略，计算 48 只富国 ETF 的形态学信号，可采取固定时间点调仓、每日调仓、买入持有信号消失退出三种交易策略 [16] 固定时间点调仓策略 - 每周一根据上周五选择的前 N 个 ETF 开盘价买入，下个周一重复，优点是计算量少、易实现，缺点是未充分发挥信号作用 [17] - 48 个 ETF 的 N 取不同数值有不同效果，双边交易手续费千 2 情况下，N 取 6 效果最好，可跑赢万得偏股混合型基金指数收益率，但回撤增加，整体效果一般 [17][20] 每日调仓策略 - 每日根据前一天晚上的信号选取 N 个 ETF 进行买入操作，第二天重复，优点是快速抓住 ETF 热点，缺点是换手率高、操作繁琐、交易成本高 [21] - 48 个 ETF 的 N 取不同数值有不同效果，双边交易手续费千 2 情况下，N 取 4 效果最好，选择 ETF 数目过少无法分散风险，过多会因手续费对冲收益 [23][28] 买入持有信号消失退出策略 - 以某天为起点买入持有，直到某 ETF 不再看多，选择剩下未选入的 ETF 中强度最大的买入，优点是尊重形态学信号特性、符合交易逻辑、可实现性高，缺点是需每日计算、关注信号变化 [29] - 48 个 ETF 的 N 取不同数值有不同效果，双边交易手续费千 2 情况下，N 取 4 最佳，说明 ETF 轮动并非选择 ETF 越多越好 [30][31][35] 总结 - 三种策略基于历史数据回测都可跑赢万得偏股混合型基金指数，固定时间点调仓策略计算量少、交易次数低、手续费少但收益率一般，每日调仓策略紧跟 ETF 成分股变化但计算量大、交易次数多、对手续费敏感，买入持有信号消失退出策略兼顾前两者优势，是更佳的 ETF 轮动信号 [35] 形态学信号的获取 - 华创金工将形态信号 API 化，可通过 API（网址 https://xingtai.pro）获取形态信号，还可通过 Python 接口获取形态介绍、定义、每日信号及历史与最新信号，也能复现指数择时、行业轮动和 ETF 轮动策略 [36][37]