报告核心观点 - 构建行业轮动模型并基于此构建ETF组合，行业轮动模型长期有稳定超额收益，不同ETF轮动模型各有优劣，权重调整后的最优化组合在牛市阶段表现较好 [8][10] 行业轮动模型 因子构建 - 针对中信一级行业指数（剔除综合金融行业）从趋势、拥挤度、资金流向、均值回归等维度构建6个因子，包括动量、主买金额等，调仓频率为月度，研究区间为2019/1 - 2025/4 [5] 因子表现 - 不同阶段各因子表现不同，如动量因子在2019/1 - 2021/8为正向，2021/9 - 2023/7为负向，2023/8 - 2025/4为正向 [6] 算法步骤 - 月末计算各行业指数6个因子值，按因子表现阶段排序，将行业排序值分组，计算各行业因子新排序值平均值并排序，取前6个行业作为下月推荐行业 [6] 模型效果 - 回测期内行业轮动模型总收益212.87%，波动率合理，夏普比率好于沪深300、中证500和中证1000指数，长期保持稳定超额收益 [8][9][10] 不同市场效果 - 2019/1 - 2021/12总收益156.59%，2022/1 - 2025/4总收益21.93%，均有较好胜率 [13][15] 推荐组合 - 2025年5月推荐家电、煤炭等行业，2025年6月推荐石油石化、银行等行业 [17][18] ETF市场概况 规模变化 - 截至2024年末，股票型ETF整体规模29259.35亿元，综合ETF规模21381.13亿元，行业主题ETF规模6161.25亿元，行业主题ETF代替行业指数作投资工具可行性高 [25] ETF分布 - 展示不同大类ETF的所属概念、基金规模、周涨跌幅、周资金净买入额等信息 [27] 行业主题ETF - 基本能覆盖中信一级行业，但轻工、商贸零售、纺服等行业无相应ETF覆盖 [28] ETF组合构建 ETF轮动模型1 - 按中信一级行业指数成分股在行业主题ETF中找接近产品构建组合，计算相似度，筛选出各行业相似度高的跟踪指数及对应ETF产品 [32][33][34] 模型1效果 - 跟踪指数平替组合2019/1 - 2025/4总收益130.85%，有超额收益但不及行业轮动模型 [38][39] 模型1不同市场效果 - 2019/1 - 2021/12总收益132.63%，2022/1 - 2025/4总收益 - 0.77%，效果不及行业轮动模型 [42][44] ETF轮动模型2 - 用最优化方法将ETF组合成分股和行业轮动组合成分股分布差异求最优解，选取权重前15名ETF跟踪指数模拟构建组合 [46] 模型2效果 - 最优化组合2019/1 - 2025/4总收益117.09%，波动率显著降低 [55][56] 模型2不同市场效果 - 2019/1 - 2021/12总收益112.07%，2022/1 - 2025/4总收益2.37% [59][61] ETF轮动模型2权重调整 - 调整权重至100%后，2019/1 - 2025/4总收益155.49%，牛市阶段收益表现超行业轮动组合 [64][65] 模型2权重调整不同市场效果 - 2019/1 - 2021/12总收益159.06%，2022/1 - 2025/4总收益 - 1.38% [68][70] 推荐组合 - 给出权重调整后组合中各跟踪指数的权重、基金代码、简称、规模及细分投资类型 [71]