报告核心观点 - 上周（20250616 - 20250620）保守型固收 + 产品收益中位数为 0.09%，宏观环境预测结果为 Inflation，行业 ETF 轮动组合超额收益 1.29%；股票端采用小盘价值组合 + 不择时的股债 10/90 和 20/80 月度再平衡策略，2025 年累计收益分别为 2.95% 和 5.17% [1] 固收 + 产品业绩跟踪 业绩统计 - 截至 2025 年 06 月 20 日，全市场符合筛选条件的固收 + 基金共计 1173 只，总规模 16921.27 亿元；上周共发行 4 只新产品 [9][10] - 上周不同类型基金业绩中位数表现分化，混合债券型一级 0.10%、二级 -0.02%、偏债混合型 -0.07%、灵活配置型 0.03%、债券型 FOF 0.05%、混合型 FOF 0.01%；按风险等级划分，保守型、稳健型、激进型基金中位数收益分别为 0.09%、0.00%、 -0.11% [2][12] - 年初至今不同类型基金业绩中位数分别为混合债券型一级 1.02%、二级 1.07%、偏债混合型 1.01%、灵活配置型 0.65%、债券型 FOF 1.36%、混合型 FOF 1.37%；保守型、稳健型和激进型的基金业绩中位数分别为 1.01%、1.13%、1.01% [14] - 过去一年不同类型基金业绩中位数分别为混合债券型一级 3.32%、二级 3.79%、偏债混合型 4.10%、灵活配置型 3.61%、债券型 FOF 3.82%、混合型 FOF 4.07%；保守型、稳健型和激进型的基金业绩中位数分别为 3.35%、3.81%、4.43% [15] 持有胜率与创新高产品 - 混合债券型一级的持有体验较好，季胜率、月胜率和周胜率中位数分别为 80.0%、69.2%和 54.7%；保守型基金的周胜率和月胜率较高，季胜率和稳健型、激进型产品的分布表现基本一致 [17] - 截止 2025.06.20，共有 294 只固收 + 产品的净值创历史新高，按投资类型包括混合债券型一级基金 212 只等；按风险类型包括保守型 265 只、稳健型 18 只、激进型 11 只 [20] 大类资产配置和行业 ETF 轮动策略跟踪 大类资产择时 - 2025Q2，逆周期配置模型给出的宏观环境预测结果为 Inflation，截至 6 月 20 日，沪深 300、国证 2000、南华商品和中债国债总财富指数 Q2 收益率分别为 -1.05%、 -1.83%、 -1.38%、1.92% [24] - 截至 6 月 20 日，沪深 300 指数、中债国债总财富指数、上金所 AU9999 合约 6 月收益率分别为 0.17%、0.71%和 1.28% [24] 行业 ETF 轮动 - 2025 年 6 月，行业 ETF 轮动策略建议关注国泰中证全指证券公司 ETF 等 4 只 ETF；组合上周收益 0.21%，相对 Wind 全 A 指数超额收益 1.29%；本月收益 0.79%，相对 Wind 全 A 指数超额收益 0.53% [2][25] 最新观点汇总（2025.06） - 给出国泰海通金工绝对收益策略 2025 年 6 月大类资产多空观点、月初权重及行业 ETF 组合，如股票负向，债券、黄金正向等不同策略下的权重分配 [28] 绝对收益策略表现跟踪 股债混合策略表现 - 展示国泰海通金工绝对收益策略上周、6 月及 2025 年初至今的表现，如（宏观择时）股债 20/80 再平衡策略上周收益 0.03%（YTD -0.48%）等 [3][30] 量化固收 + 策略表现 - 汇总国泰海通金工量化固收 + 策略上周、6 月及 2025 年初至今的表现，如不择时 + 10/90 月度再平衡策略下 PB 盈利本年收益 1.37%等 [37][39]

根据提供的研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. **逆周期配置模型** - 模型构建思路：通过代理变量预测未来的宏观环境，选择不同环境下表现最优的资产构建绝对收益组合[20] - 模型具体构建过程： 1. 预测宏观环境（如Inflation） 2. 根据环境选择资产（如股票、债券、商品） 3. 动态调整组合权重 - 模型评价：能够适应不同宏观周期，但依赖环境预测的准确性 2. **宏观动量模型** - 模型构建思路：从经济增长、通胀、利率等多维度构建择时信号[20] - 模型具体构建过程： 1. 计算宏观指标动量（如GDP、CPI等） 2. 生成多空信号 3. 应用于股票、债券等资产 3. **行业ETF轮动模型** - 模型构建思路：基于基本面、情绪面、量价技术面等多因子进行行业轮动[21] - 模型具体构建过程： 1. 匹配ETF跟踪指数与中信一级行业（23个行业基准池） 2. 计算因子得分（如历史基本面、预期基本面等） 3. 生成行业配置建议（等权重25%）[23] 4. **股债混合配置模型** - 模型构建思路：通过股债比例再平衡或风险平价控制组合波动[25] - 模型具体构建过程： - 再平衡策略：固定股债比例（如20/80）按月调整 - 风险平价策略：根据资产波动率动态分配权重 $$ w_i = \frac{1/\sigma_i}{\sum_{j=1}^n 1/\sigma_j} $$ 其中$\sigma_i$为资产i的年化波动率 5. **黄金择时策略** - 模型构建思路：结合宏观、持仓、量价和情绪因子多周期择时[20] 量化因子与构建方式 1. **PB盈利因子** - 构建思路：低估值+高盈利质量选股 - 具体构建： 1. 筛选PB低于行业中位数 2. 叠加ROE、盈利稳定性指标 2. **高股息因子** - 构建思路：选取持续高分红股票 - 具体构建： 1. 计算近3年股息率 2. 剔除分红不稳定的公司 3. **小盘价值因子** - 构建思路：小市值+价值特征组合 - 具体构建： 1. 按市值分为10组取最小30% 2. 叠加PB、PE等价值指标 4. **小盘成长因子** - 构建思路：小市值+高成长特征 - 具体构建： 1. 市值分组同小盘价值 2. 叠加营收增长率、净利润增长率 模型的回测效果 | 模型名称 | 本年收益 | 年化波动率 | 最大回撤 | 夏普比率 | |------------------------------|----------|------------|----------|----------| | 股债20/80再平衡 | -0.52% | 3.03% | 1.78% | -0.40 | | 股债风险平价 | 0.14% | 1.81% | 1.50% | 0.18 | | 股债黄金风险平价 | 0.91% | 2.27% | 1.49% | 0.95 | | 行业ETF轮动增强版20/80 | -0.30% | 3.38% | 1.64% | -0.21 | 因子的回测效果 | 因子组合（20/80配置） | 本年收益 | 年化波动率 | 最大回撤 | 夏普比率 | |-----------------------|----------|------------|----------|----------| | PB盈利 | 2.22% | 5.04% | 3.79% | 0.02 | | 高股息 | 1.26% | 4.51% | 3.47% | -0.13 | | 小盘价值 | 5.71% | 7.65% | 7.74% | 0.34 | | 小盘成长 | 5.16% | 7.76% | 8.07% | 0.29 | 注：所有测试数据截至2025年6月6日[26][35]

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。

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]

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]

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]

ETF市场概况 - 指数化投资理念愈发受到投资者认可，ETF产品凭借透明、低费率、交易便捷等优势成为居民资产配置的重要工具 [2] - 截至2025年4月，境内交易所挂牌上市的ETF数量达到1141只，市值总规模达到4.04万亿元，较2024年底(3.73万亿元)继续增长，规模创历史新高 [3] - 权益ETF总规模由2014年的约2000亿元增长至2025年4月的3.47万亿元，在各资产类别中规模增长相对明显 [19] ETF交易机制特点 - ETF具有独特的双层交易机制，即一级市场的申购赎回和二级市场的买卖交易 [8] - 一级市场主要通过实物申赎实现，用一篮子股票换取ETF份额或反向操作，总体门槛较高适合机构投资者 [9][11] - 二级市场交易门槛低，1手起购适合普通投资者，交易便捷且不会影响ETF总份额 [12] - 当二级市场价格与净值出现显著偏离时会出现套利机会，套利行为推动ETF市价回归净值 [13][14] ETF资金流因子构建 - 从ETF产品、跟踪指数和明细成分股3个维度构建因子，覆盖原始资金流、资金流数据占比等特征 [28] - 数据层级包括ETF维度、指数维度和个股维度，个股维度可将资金流数据下沉到具体股票中 [30][31] - 主要覆盖原始申赎资金流数据、资金流相对ETF规模占比和资金流相对成交额占比三个细分方向 [34] - 数据形式包括原始因子数据、固定百分位和滚动百分位 [35] 回测结果 - ETF资金流相关因子总体呈现反转特征，IC为负，相对较高资金流入的ETF后续预期有相对较差的市场表现 [39] - 个股维度相关因子的回测结果相对较优，月度换仓总体优于周度换仓 [49] - 基于stock_flow2amt_ma5构建的组合回测期间年化收益为10.2%，相比于偏股混合型基金指数实现较明显超额收益 [50] - 剔除宽基类ETF后构建的因子表现总体边际提升，基于stock_flow2amt_ma5构建的组合年化收益提升至15.3% [54] 市场结构分析 - 宽基类ETF占比相对较高，截至2025年4月规模合计为2.20万亿元占比约64%，行业主题类产品规模合计6351亿元占比约18% [22] - 2024年宽基ETF大幅流入，金额明显高于其他类型ETF产品，部分原因在于"救市资金"通过ETF产品形式流入市场 [53] - 行业主题型ETF在2020、2021年流入相对较多，宽基类ETF在2023年有相对明显的资金流入 [25]

ETF市场概况 - 指数化投资理念愈发受到投资者认可，ETF产品凭借透明、低费率、交易便捷等优势，成为居民资产配置的重要工具 [1][4] - 截至2025年4月，境内交易所挂牌上市的ETF数量达到1141只，市值总规模达到4.04万亿元，较2024年底增长8.3% [5] - 权益ETF总规模由2014年的约2000亿元增长至2025年4月的3.47万亿元，在各资产类别中增长最为明显 [17] - 宽基类ETF规模占比最高，截至2025年4月规模合计为2.20万亿元，占比约64% [20] ETF交易机制 - ETF具有独特的双层交易机制，包括一级市场的申购赎回和二级市场的买卖交易 [1][9] - 一级市场主要通过实物申赎实现，门槛较高，最小申赎单位通常为数十万至百万份，适合机构投资者 [10] - 二级市场交易门槛低，1手起购，适合普通投资者，交易便捷且不会影响ETF总份额 [11] - 当二级市场价格与净值出现显著偏离时，存在套利机会，套利行为推动ETF市价回归净值 [12][13] ETF资金流因子构建 - 基于申购赎回数据，从ETF产品、跟踪指数和明细成分股3个维度构建因子 [26] - 数据层级包括ETF维度、指数维度和个股维度，其中个股维度将资金流数据下沉到具体股票中 [28][29] - 数据类型涵盖原始申赎资金流数据、资金流相对ETF规模占比和资金流相对成交额占比 [34] - 数据形式包括原始因子数据、固定百分位和滚动百分位，并采取周度和月度平滑处理 [35][36] 回测结果 - ETF资金流相关因子总体呈现反转特征，IC为负，较高资金流入的ETF后续表现较差 [39] - 个股维度因子表现最优，月度换仓优于周度换仓，stock_flow2ast_ma5和stock_flow2amt_ma5因子的IC分别为6.0%和5.5% [48] - 剔除宽基类ETF后，因子表现边际提升，基于stock_flow2amt_ma5构建的组合年化收益达15.3%，超额年化收益12.3% [54] - 分年度表现显示，因子多头组合在2022年和2024年相对收益突出，2024年超额收益达32.7% [61][65] 绩优因子特征 - stock_flow2amt_ma5因子多头组合回测期间年化收益10.2%，显著跑赢偏股混合型基金指数 [49] - 该因子在2020年、2021年和2024年绝对收益突出，2022年和2024年相对收益优势明显 [61] - 分组收益显示多头组收益突出，但其他组区分度不足，需结合其他因子优化组合构建 [61]