银行ETF华宝（512800）当日开盘表现 - 4月9日，银行ETF华宝（512800）开盘下跌0.13%，报0.793元 [1][2] - 其重仓股普遍下跌：招商银行开盘跌0.35%，兴业银行跌0.27%，交通银行跌0.14%，浦发银行跌0.20%，江苏银行跌0.18%，平安银行跌0.45%，上海银行跌0.41%，民生银行跌0.27% [1][2] - 其重仓股中，工商银行和农业银行开盘价格无变动，涨跌幅为0.00% [1][2] 银行ETF华宝（512800）产品概况与历史业绩 - 该ETF的业绩比较基准为中证银行指数 [1][2] - 基金管理人为华宝基金管理有限公司，基金经理为丰晨成 [1][2] - 该ETF自2017年7月18日成立以来，累计回报为58.33% [1][2] - 该ETF近一个月的回报为1.48% [1][2]

报告行业投资评级 - 报告对多资产配置给出具体观点：看多短债、偏债低估转债、黄金资产 [2] - 报告对股债配置给出具体观点：看空权益资产 [3] - 报告对行业轮动给出具体观点：看多银行、医药、电力设备、传媒、纺服、商贸 [4] 报告核心观点 - 多资产配置核心观点：模型预测支持看多短久期债券、偏债低估转债及黄金资产 [2] - 股债配置核心观点：基于六维度择时框架的综合信号为-0.23，看空权益资产，最新权益仓位为4.21% [3] - 行业轮动核心观点：基于行业轮动3.0体系，推荐配置成长风格，看多科技与金融板块，并给出具体看好的六个行业及对应的ETF产品 [4] 多资产配置观点总结 - **债券久期择时**：模型预测未来三个月水平因子上升，斜率因子陡峭化，曲率因子增凸，推荐持有1年期短久期债券 [10][11]。2026年3月，开源久期调整策略回报18.3bp，等权基准收益率6.4bp，策略超额收益11.9bp [12]。最近一年，策略回报1.57%，基准收益率-0.12%，超额收益1.69% [12] - **转债配置**：截至2026年3月27日，“百元转股溢价率”为41.71%，滚动三年分位数92.8%，滚动五年分位数95.7%，显示相对于正股整体配置性价比偏低 [13][15]。“修正YTM–信用债YTM”指标中位数为-4.85%，显示偏债型转债整体配置性价比偏低 [15]。转债风格轮动模型（2018年2月14日至2026年3月13日）年化收益25.60%，最大回撤15.89%，信息比率1.51；2026年以来收益9.34% [16]。根据最新信号，未来两周推荐配置偏债低估转债指数 [2][16] - **黄金配置**：模型测算未来一年黄金的预期收益率为33.0% [22][23]。基于TIPS收益率的择时模型在过去一年持续看多黄金，策略绝对回报为62.0% [24][25] 股债配置观点总结 - **择时框架与信号**：报告从宏观流动性、信贷预期、跨境资金流、衍生品预期、市场资金流、技术分析六个维度构建A股权益择时框架 [29]。截至2026年3月27日，看多子信号包括：宏观流动性、期权PCR、大小单资金；看空子信号包括：信贷预期、中美汇率、中美利差、期货基差、融资融券、筹码结构、长端动量；综合信号为-0.23，看空权益资产 [31] - **组合表现与仓位**：全样本区间内，股债轮动组合（风险预算）年化收益率8.16%，最大回撤3.74%，收益波动比2.76，收益回撤比2.19 [33]。回顾2026年3月，权益平均仓位4.72%，债券平均仓位95.28%，组合当月收益-0.44% [33]。截至2026年3月27日，最新权益仓位为4.21% [3][33] 行业轮动观点总结 - **轮动体系与模型**：行业轮动3.0体系从交易行为、景气度、资金面、筹码结构、宏观驱动、技术分析六个维度构建子模型并动态合成双周频优选行业 [35]。近12周动态合成信号中，景气度模型、交易行为模型、筹码结构模型贡献占比较高 [42] - **最新观点与表现**：风格判断上，成长组得分高于价值组，推荐配置成长风格；板块上看多科技、金融板块 [4][41]。具体推荐配置行业为：银行、医药、电力设备、传媒、纺服、商贸 [4][41]。回顾2026年3月，行业多头组合收益-6.42%，空头组合收益-7.73%，行业等权基准收益-7.23%，多空组合收益1.65% [38] - **ETF轮动组合**：利用行业轮动信号构建ETF轮动组合，双周调仓 [46]。2026年3月，ETF轮动组合收益率为-5.69%，有ETF跟踪的行业平均收益率为-6.84%，超额收益率1.14% [50]。截至2026年3月27日的最新持仓为：游戏ETF华夏、电池ETF广发、医疗ETF华宝、银行ETF华宝，各占25%权重 [4][47]

量化模型与构建方式 1. 债券久期择时模型 * **模型名称**：改进的Diebold2006模型[10] * **模型构建思路**：利用改进的Diebold-Li模型，通过预测即期收益率曲线的水平、斜率、曲率三个因子，来映射不同久期债券的预期收益，从而实现久期择时[10]。 * **模型具体构建过程**： 1. 使用改进的Diebold2006模型对即期收益率曲线进行建模和预测[10]。 2. 将收益率曲线分解为水平、斜率、曲率三个因子[10]。 3. 对三个因子分别进行预测： * **水平因子**：基于宏观变量预判和政策利率跟随两个视角进行预测[10]。 * **斜率因子**与**曲率因子**：基于AR(1)模型进行预测[10]。 4. 将预测出的未来三个因子状态（上升/下降、陡峭/平坦、凸/凹）映射到不同久期债券的预期收益上，选择预期收益最高的久期进行配置[10][12]。 2. 黄金预期收益模型 * **模型名称**：基于TIPS收益率的黄金预期收益模型[22] * **模型构建思路**：将黄金的远期实际回报与美国抗通胀债券(TIPS)的远期实际回报相关联，通过估计两者之间的弹性系数k，并结合通胀预期，来预测黄金的名义预期收益率[22]。 * **模型具体构建过程**： 1. 建立黄金实际回报与TIPS实际回报之间的线性关系模型： $$E[Real\_Return^{gold}]=k\times E[Real\_Return^{Tips}]$$[22] 其中，k为弹性系数，通过扩展窗口OLS进行估计[22]。 2. 在黄金实际预期收益的基础上，加上预期通胀率，得到黄金的名义预期收益率： $$E[R^{gold}]=\pi^{e}+k\times E[Real\_Return^{Tips}]$$[22] 其中，$\pi^{e}$为预期通胀率，以美联储长期通胀目标2%作为代理[22]。 3. 当模型测算出的未来一年黄金预期收益率大于10%时，择时模型发出为期一年的看多信号[24]。 3. A股权益择时框架（多策略合成模型） * **模型名称**：A股权益择时多策略框架[29] * **模型构建思路**：从宏观流动性、信贷预期、跨境资金流、衍生品预期、市场资金流、技术分析六个维度分别构建子择时策略，然后通过动态调整各子策略权重合成综合择时信号，并基于此信号通过风险预算模型构建股债轮动组合[29]。 * **模型具体构建过程**： 1. **构建子策略**：在六个维度（宏观流动性、信贷预期、跨境资金流、衍生品预期、市场资金流、技术分析）下分别构建独立的择时子模型[29]。 2. **动态合成综合信号**：为使模型灵活适应市场环境，采用动态调整的方法为各子策略赋予权重，加权得到综合择时信号[31]。信号值越接近1表示越看多，越接近-1表示越看空[33]。 3. **构建股债轮动组合**：基于综合择时信号，运用风险预算模型动态分配股票和债券的仓位，构建股债轮动投资组合[29]。 4. 行业轮动体系3.0（多模型合成框架） * **模型名称**：行业轮动体系3.0[35] * **模型构建思路**：从交易行为、景气度、资金面、筹码结构、宏观驱动、技术分析六个维度出发，分别构建行业轮动子模型，然后对子模型的信号进行动态合成，以双周频优选行业[35]。 * **模型具体构建过程**： 1. **构建六个维度的子模型**： * **交易行为模型**：捕捉行业的日内动量与隔夜反转效应[35]。 * **景气度模型**：捕捉行业的盈余动量效应[35]。 * **资金流模型**：捕捉主动抢筹与被动派发行为[35]。 * **筹码结构模型**：捕捉持仓收益与阻力支撑效应[35]。 * **宏观驱动模型**：捕捉高频宏观预期在行业层面的映射[35]。 * **技术分析模型**：捕捉行业成分股在趋势、振荡、量能指标上的交易信号[35]。 2. **动态合成行业信号**：对上述六个子模型产生的信号进行动态加权合成，得到每个行业的最终得分[35][42]。权重根据模型近期的表现动态调整[42]。 3. **行业选择**：根据行业得分进行排序，选择得分高的行业作为看多方向[41]。 5. 转债风格轮动模型 * **模型名称**：转债风格轮动模型[16] * **模型构建思路**：在剔除高估值转债的基础上，选择能够捕捉市场情绪的指标，在转债的股性和债性两种主要风格之间进行轮动配置[16]。 * **模型具体构建过程**： 1. **剔除高估值转债**：构建**转股溢价率偏离度因子**和**理论价值偏离度因子**，综合筛选并剔除高估值转债[16]。 2. **构建风格轮动指标**：选择**转债20日动量**与**转债波动率偏离度**作为捕捉市场情绪的指标[16]。 3. **组合构建与调仓**：基于上述指标，构建转债风格轮动组合，每两周调仓一次[16]。根据信号在偏债低估转债指数和偏股型转债指数之间进行切换配置[16]。 6. ETF轮动组合构建模型 * **模型名称**：ETF轮动组合构建模型[46] * **模型构建思路**：利用行业轮动体系3.0产生的行业信号，选择对应的行业ETF构建投资组合，并通过分资金、分批次调仓的方式平滑调仓冲击[46]。 * **模型具体构建过程**： 1. **信号来源**：直接使用行业轮动体系3.0生成的行业得分作为ETF选择的依据[47]。 2. **组合构建**：每周选择得分最高的4个行业，并调入其对应的代表性ETF，每只ETF配置25%的权重[47]。 3. **调仓方式**：为平滑单双周调仓时点的扰动，将资金分为两份，每周对其中一份资金进行调仓。调入的ETF持有周期为两周[46]。 量化因子与构建方式 1. 百元转股溢价率因子 * **因子名称**：百元转股溢价率[13] * **因子构建思路**：构建一个在时间序列上可比的估值指标，用于衡量可转债与其正股之间的相对配置价值[13]。 * **因子具体构建过程**：计算每只可转债的转股溢价率，并以“百元”为单位进行标准化或调整，使得该指标在不同时期具有可比性。通过计算该指标在滚动历史窗口（如三年、五年）内的分位数，来判断当前转债相对于正股的估值高低[13]。 2. 修正YTM-信用债YTM因子 * **因子名称**：修正YTM–信用债YTM[15] * **因子构建思路**：通过剥离转股条款对转债到期收益率(YTM)的影响，得到“修正YTM”，再与同等级、同期限的信用债YTM比较，以衡量偏债型转债与信用债之间的相对配置价值[15]。 * **因子具体构建过程**： 1. 对偏债型转债的YTM进行修正，剔除转股期权价值的影响，得到纯债部分的收益率，即“修正YTM”[15]。 2. 计算“修正YTM”与同等级、同期限信用债YTM的差值[15]。 3. 计算全市场该差值的中位数，作为整体偏债型转债配置性价比的衡量指标。差值越低（或为负），说明偏债型转债相对于信用债的配置价值越低[15]。 3. 转股溢价率偏离度因子 * **因子名称**：转股溢价率偏离度因子[16] * **因子构建思路**：用于识别并剔除转股溢价率过高的可转债，即估值过高的转债[16]。 * **因子具体构建过程**：报告未给出具体公式，但思路是计算单只转债的转股溢价率与其自身历史均值或行业均值的偏离程度，偏离过大的被视为高估值标的[16]。 4. 理论价值偏离度因子 * **因子名称**：理论价值偏离度因子[16] * **因子构建思路**：用于识别并剔除市场价格严重偏离理论估值（如通过B-S模型计算）的可转债，即估值不合理的转债[16]。 * **因子具体构建过程**：报告未给出具体公式，但思路是计算转债市价与其通过模型计算出的理论价值之间的偏离度，偏离度过大的被视为估值不合理的标的[16]。 5. 转债20日动量因子 * **因子名称**：转债20日动量[16] * **因子构建思路**：作为捕捉市场情绪的指标之一，用于转债的风格轮动[16]。 * **因子具体构建过程**：计算可转债过去20个交易日的价格收益率，作为动量因子[16]。 6. 转债波动率偏离度因子 * **因子名称**：转债波动率偏离度[16] * **因子构建思路**：作为捕捉市场情绪的指标之一，用于转债的风格轮动[16]。 * **因子具体构建过程**：报告未给出具体公式，但思路是计算转债当前波动率与其历史波动率均值的偏离程度[16]。 模型的回测效果 1. **债券久期择时模型**：2026年3月，策略回报18.3bp，等权基准收益率6.4bp，超额收益11.9bp[12]。最近一年，策略回报1.57%，等权基准收益率-0.12%，超额收益1.69%[12]。 2. **黄金预期收益择时模型**：基于TIPS收益率的择时策略，在过去一年的绝对回报为62.0%[24]。 3. **A股权益择时框架（股债轮动组合）**：在全样本区间内，股债轮动组合（风险预算）年化收益率8.16%，最大回撤3.74%，收益波动比2.76，收益回撤比2.19[33]。2026年3月，组合收益为-0.44%[33]。 4. **行业轮动体系3.0**：2026年3月，行业多头组合收益为-6.42%，空头组合收益为-7.73%，行业等权基准收益为-7.23%，多头超额收益0.81%，空头超额收益0.5%，五分组多空组合收益为1.65%[38]。 5. **转债风格轮动模型**：2018年2月14日至2026年3月13日，策略年化收益为25.60%，最大回撤15.89%，信息比率(IR)1.51[16]。2026年以来收益为9.34%[16]。 6. **ETF轮动组合构建模型**：2026年3月，组合收益率为-5.69%，有ETF跟踪的行业平均收益率为-6.84%，超额收益率为1.14%[50]。 因子的回测效果 （报告中未提供单个因子的独立回测绩效指标，仅将其作为模型的一部分呈现结果。）