研究报告全文：证券研究报告金融工程研究2022年12月25日量化专题报告中观行业配置系列三行业ETF配置的解决方案引言国盛金工团队在资产配置和基本面量化领域长期深耕目前有一些作者还不错的研究成果行业配置作为其中重要一环本篇报告简要回顾一下分析师段伟良行业配置框架然后对行业ETF落地的解决方案进行讨论与研究执业证书编号S0680518080001邮箱duanweilianggszqcom问题行业配置模型应该如何落地目前市场有直接跟踪中证行业的ETF分析师刘富兵因此本文主要研究行业ETF配置的解决方案综合考虑规模和行业暴露执业证书编号S0680518030007我们筛选出约50个ETF作为备选池并以其跟踪指数作为研究对象指邮箱liufubinggszqcom数本身作为一揽子股票具备天然的优势高收益风险比即稳定的超额研究助理杨晔执业证书编号S0680121070008收益与较低的波动和回撤风险邮箱yangye3657gszqcom行业ETF配置上的应用思路一般分为两种直接法和间接法前者重新对相关研究ETF进行打分构建策略优点是指标和标的完全匹配缺点ETF推荐可能1量化专题报告宏观预期差量化与超预期策略和一级行业观点有偏差而后者参考一级行业观点寻找匹配ETF优点是宏观经济量化系列之二2022-12-23简单方便缺点是不完全匹配跟踪误差控制不住本文希望打分和标的2量化周报市场反弹进程尚未过半2022-12-18尽可能对应上打算尝试从直接法入手研究3量化分析报告股基解密疫情与政策推动互联网医疗快速发展汇添富中证互联网医疗投资价值分简单行业ETF轮动效果不错但跟踪误差控制不住我们对ETF进析2022-12-17行三标尺打分并选择高景气强趋势和交易不拥挤的ETF进行等权配置4量化分析报告择时雷达六面图技术面情绪面基准为中证800策略多头超额202信息比率163超额最大回撤-资金面继续弱化2022-12-1786但跟踪误差控制不住达到124和基准不太可比5量化分析报告掘金ETF价值重估风光正好组合优化控制跟踪误差融合一级行业观点后超额更加稳定控制绿色电力ETF投资价值分析2022-12-13跟踪误差和持仓上限后策略信息比率显著提升但有时和一级行业观点有所偏差然后我们将行业观点以控制行业暴露的方式纳入组合优化中信息比率进一步提升策略超额年化215信息比率229超额最大回撤-35月度胜率70思考行业ETF配置赚什么钱如何应用收益归因风格上小亏行业上做对择时Alpha依赖ETF管理人在风格上年化超额为-15行业上148alpha上84因此ETF配置主要赚行业和Alpha的钱风格小幅为负流动性损失行业收益主要来源于行业景气模型做对行业配置而Alpha收益则主要来源于ETF管理人的信息优势和主动筛选策略应用ETF呈现低收益和高夏普特征适用于低风险偏好投资者股息率10Ybond时做多行业ETF组合仓位上限20否则全部配置债券该股债混合策略年化收益约83最大回撤-25年化波动率为39夏普比率达到214风险提示模型根据历史数据规律总结未来存在失效的风险请仔细阅读本报告末页声明2022年12月25日内容目录一问题行业配置模型应该如何落地411行业配置模型落地的两种方式ETF选股412行业ETF的筛选综合考虑规模和行业暴露613ETF配置的优势与不足较高风险收益比但面临规模约束7二方案行业ETF配置的解决方案821行业ETF配置的两种思路直接法间接法822行业ETF指标计算思路和效果展示923行业景气模型在ETF配置上的应用12231简单ETF轮动测试波动较大跟踪误差控制不住12232组合优化控制跟踪误差和行业暴露后收益更加稳定13233问题如何与一级行业配置观点相融合14三思考行业ETF配置赚什么钱如何应用1631收益归因风格上小亏行业上做对择时Alpha依赖ETF管理人1632应用维度适合风险偏好较低的投资者使用20四工具行业ETF景气-趋势-拥挤度图谱和最新观点22参考文献22风险提示22图表目录图表1行业轮动的三个标尺4图表2行业景气趋势模型历史表现5图表3国盛金工行业配置体系基于组合优化模型的行业配置框架指标模型与应用5图表4筛选后行业ETF列表综合考虑规模和行业暴露6图表5ETF等权组合相比于中证800可以获得稳定超额收益7图表6散点图ETF跟踪指数波动率vs个股波动率8图表7散点图ETF跟踪最大回撤vs个股最大回撤8图表8行业ETF配置的两种思路9图表9行业配置模型所用指标介绍9图表10中证煤炭景气度拥挤度和行业走势跟踪10图表11CS新能车景气度拥挤度和行业走势跟踪10图表12中证酒景气度拥挤度和行业走势跟踪11图表13中证医疗景气度拥挤度和行业走势跟踪11图表14行业ETF景气模型剔除高拥挤表现优异12图表15行业ETF景气模型剔除高拥挤vs行业景气模型原始12图表16行业ETF景气模型vs中证80013图表17不做组合优化策略跟踪误差控制不住13图表18组合优化后行业ETF配置组合相比基准收益更加稳健14图表19ETF配置策略历史上对银行行业的暴露14图表20历史上中证银行的打分排序一直不高14图表21考虑一级行业配置观点后行业ETF配置组合信息比率进一步提升15图表22修正后策略在银行板块暴露更贴近一级行业配置观点市场下跌中起到保护作用16图表23行业ETF配置策略在BarraCNE5十大风格上的暴露17图表24行业ETF配置策略在BarraCNE5十大风格上的超额收益17图表25行业ETF配置策略在金融板块上的暴露和超额收益18P2请仔细阅读本报告末页声明2022年12月25日图表26行业ETF配置策略在周期板块上的暴露和超额收益18图表27行业ETF配置策略在科技板块上的暴露和超额收益19图表28行业ETF配置策略在消费板块上的暴露和超额收益19图表29ETF配置策略超额收益拆解风格行业Alpha20图表30ETF配置策略主要赚行业和Alpha的钱20图表31基于股息率模型的绝对收益策略历史表现21图表32ETF配置策略应用于固收策略表现不错21图表33ETF配置策略主要赚行业Beta和赛道Alpha的钱21图表34行业ETF景气度-趋势-拥挤度图谱22P3请仔细阅读本报告末页声明2022年12月25日引言国盛金工团队在资产配置和基本面量化领域长期深耕目前有一些还不错的研究成果行业配置作为其中重要一环本篇报告简要回顾一下我们的行业配置框架然后重点对行业ETF落地的解决方案进行讨论与研究一问题行业配置模型应该如何落地在本章节我们简要回顾了中观行业配置系列二行业配置模型的顶端优化中提出的行业配置模型的样本外效果并对行业配置该如何落地做一定的思考11行业配置模型落地的两种方式ETF选股在前期中观行业配置系列报告中我们编制了分析师行业景气指数并且构建了一套较为完整的行业配置框架行业景气度趋势和拥挤度它们分别对应着行业上涨过程中基本面的改善趋势的确认和交易拥挤的风险提示有着较强的连贯性在此基础上我们根据行业轮动的两种经典投资逻辑动量投资和景气度投资提出两种适用不同市场环境的行业配置解决方案1行业景气模型高景气强趋势规避高拥挤景气度为核心进攻性强需要拥挤度提示风险来保护比较偏同步2行业趋势模型强趋势低拥挤规避低景气顺着市场趋势走思路简单易复制持有体验感强比较偏右侧图表1行业轮动的三个标尺拥挤度趋势拥挤交易左侧退场信号赚非理性交易的钱趋势交易右侧进场信号赚市场共识扭转的钱景气度胜率交易同步进场信号赚基本面趋势的钱资料来源国盛证券研究所每个月底我们会给出具体的指标状态打分和行业配置权重建议经过几个月的样本外跟踪效果还不错行业配置模型多头年化242超额年化168信息比率176月度超额最大回撤-54月度胜率72近几个月换手不高总体维持了低波动低Beta的稳健风格在动荡的市场环境下均衡配置获得了较为稳定的超额表现P4请仔细阅读本报告末页声明2022年12月25日图表2行业景气趋势模型历史表现基准winda并行策略净值超额净值106584634221002013201420152016201720182019202020212022资料来源Wind国盛证券研究所在与客户路演交流和跟踪复盘的过程中众多的投资管理人为我们提供了非常有价值的想法和建议目前我们讨论最多也是亟需解决的一个问题就是行业配置模型应该如何落地或者更进一步行业配置模型应该应用于哪一类型的产品根据现有股票可投标的的梳理主要就是股票和ETF所以行业配置应用的维度主要就是量化选股和行业ETF配置在前期报告中我们简单讨论过行业配置模型结合PB-ROE选股的应用效果因此本篇报告着力于解决行业配置模型在ETF配置中的应用图表3国盛金工行业配置体系基于组合优化模型的行业配置框架指标模型与应用行行值趋势拥挤行基本面行行资料来源国盛证券研究所P5请仔细阅读本报告末页声明2022年12月25日12行业ETF的筛选综合考虑规模和行业暴露我们在筛选ETF的过程中主要综合考虑了规模和行业暴露的约束即规模尽可能要大以承载更大的流动性ETF跟踪指数尽可能与中信一级行业相匹配截止最新报告期我们筛选40-50个ETF并以其跟踪指数作为研究对象如下图所示其中大概分为三类1ETF与一级行业几乎完全匹配例如煤炭有色等主要集中在上游周期板块普遍特征是行业内部逻辑比较一致2ETF与一级行业不完全匹配但是和二级行业几乎完全匹配例如电力设备与新能源医药食品饮料和电子等主要集中在公募配置比例较高的赛道型行业3找不到能够对应的一级行业例如轻工制造商贸零售等普遍特征为行业规模较小关注度不高长期beta也不高被ETF发行人暂时放弃图表4筛选后行业ETF列表综合考虑规模和行业暴露重仓行业占比中信基金规模合计重仓行业名称中信No中信一级行业ETF证券代码ETF证券简称跟踪指数代码跟踪指数名称2021年报单位亿元2021年报单位1石油石化516570SH易方达中证石化产业ETF0334161657h11057CSI石化产业基础化工7406942煤炭515220SH国泰中证煤炭ETF5000434654399998SZ中证煤炭煤炭9782883有色金属512400SH南方中证申万有色金属ETF3581442199000819SH有色金属有色金属917393电力及公用事业159625SZ嘉实国证绿色电力ETF2568683649399438SZ绿色电力电力及公用事业69064电力及公用事业159611SZ广发中证全指电力ETF1229160345h30199CSI中证全指电力指数电力及公用事业7699815钢铁515210SH国泰中证钢铁ETF1977625327930606CSI中证钢铁钢铁9336626基础化工159870SZ化工ETF6935671465000813CSI细分化工基础化工8180327建筑516970SH广发中证基建工程ETF1102009206399995SZ基建工程建筑9229848建材159745SZ国泰中证全指建筑材料ETF7837136522931009CSI建筑材料建材8920769轻工制造00机械516960SH国泰中证细分机械设备产业主题ETF0957374126000812CSI细分机械电力设备及新能源67446810机械562500SH华夏中证机器人ETF13093332h30590CSI机器人机械438102电力设备及新能源515790SH光伏ETF1622679599931151CSI光伏产业电力设备及新能源768064电力设备及新能源159790SZ华夏中证内地低碳经济主题ETF3274871099000977CSI内地低碳电力设备及新能源65651511电力设备及新能源516160SH南方中证新能源ETF2798505375399808SZ中证新能电力设备及新能源603002电力设备及新能源561160SH富国中证电池主题ETF1446996183931719CSICS电池00电力设备及新能源515030SH华夏中证新能源汽车ETF1228629597399976SZCS新能车电力设备及新能源332967国防军工512660SH国泰中证军工ETF118631674399967SZ中证军工国防军工81100512国防军工512670SH国防ETF2592844216399973SZ中证国防国防军工852848汽车515250SH富国中证智能汽车主题ETF8378278693930721CSICS智汽车汽车29969613汽车516110SH国泰中证800汽车与零部件ETF8728012087h30015CSI中证800汽车汽车89947614商贸零售0015消费者服务159766SZ富国中证旅游主题ETF1690897525930633CSI中证旅游消费者服务60725716家电159996SZ国泰中证全指家用电器ETF3079040496930697CSI家用电器家电80974717纺织服装00医药512170SH华宝中证医疗ETF145658581399989SZ中证医疗医药965099医药159883SZ医疗器械8811702164h30217CSI医疗器械医药980505医药159938SZ广发中证全指医药卫生ETF2988544176000991SH全指医药医药98033418医药512290SH国泰中证生物医药ETF3731822764930726CSICS生医医药99692医药159992SZ创新药4319964648931152CSICS创新药医药984543医药512010SH易方达沪深300医药ETF9189594474000913SH300医药医药994224食品饮料159736SZ饮食ETF7940924654930653CSICS食品饮食品饮料9629419食品饮料512690SH酒ETF9276352512399987SZ中证酒食品饮料972444农林牧渔159865SZ国泰中证畜牧养殖ETF3640409386930707CSI中证畜牧农林牧渔89548720农林牧渔159825SZ富国中证农业主题ETF2098956389000949CSI中证农业农林牧渔493478银行512800SH华宝中证银行ETF1055435614399986SZ中证银行银行99035121银行159940SZ广发中证全指金融地产ETF1990814786000992SH全指金融地产银行44416222非银512880SH国泰中证全指证券公司ETF3265380263399975SZ证券公司非银行金融84478723地产512200SH南方中证全指房地产ETF7311134589931775CSI中证全指房地产房地产956824交通运输516910SH富国中证现代物流ETF0679025404930716CSICS物流交通运输788902电子512480SH国联安半导体ETF1096149238h30184CSI中证全指半导体电子931281电子159732SZ华夏国证消费电子主题ETF1078374542980030CNI消费电子电子840582电子159995SZ华夏国证半导体芯片ETF1940176707980017CNI国证芯片电子79182125电子515000SH华宝中证科技龙头ETF3625397899931087CSI科技龙头电子492182电子159939SZ广发中证全指信息技术ETF2532428059000993SH全指信息电子618878电子159997SZ电子ETF124624215930652CSICS电子电子838626通信515050SH华夏中证5G通信主题ETF9681066356931079CSI5G通信电子52424226通信515880SH国泰中证全指通信设备ETF1429651481931160CSI通信设备通信827942计算机159998SZ计算机1853242305930651CSICS计算机计算机74232127计算机159819SZ易方达中证人工智能主题ETF1477511851930713CSICS人工智计算机434596计算机515230SH国泰中证全指软件ETF2415876001h30202CSI软件指数计算机959691传媒512980SH广发中证传媒ETF4941711455399971CSI中证传媒CSI传媒92137628传媒159869SZ华夏中证动漫游戏ETF6477355667930901CSI动漫游戏传媒921878资料来源wind国盛证券研究所P6请仔细阅读本报告末页声明2022年12月25日13ETF配置的优势与不足较高风险收益比但面临规模约束根据笔者观察与调研相比于个股和主动权益基金的配置目前ETF产品的配置在机构投资者中的占比尚处于萌芽阶段事实上这种纯获取Beta收益的被动指数投资的风险收益比可能被普遍低估在获取alpha收益越来越难的阶段ETF配置具备其天然的优势较高收益风险比也就是较稳定的超额收益与较低的波动率和回撤风险为了历史数据的可获得性我们以ETF跟踪指数代替ETF产品作为研究对象考虑到ETF配置的个股以中高市值个股为主我们以中证800成分股作为基准股票池子收益层面我们发现ETF整体相比于中证800具备较为稳定的超额收益如下图所示2015年底至今ETF等权组合相比于中证800年化超额45信息比率达到122超额最大回撤仅为-32我们认为这是基金主动管理人的优势ETF管理人在选择个股和行业的时候天然经过了一轮筛选挑选了较有发展前景的个股和行业图表5ETF等权组合相比于中证800可以获得稳定超额收益基准ETF等权ETF等权相比中证800超额17141513131211110910705092015201620172018201920202021资料来源国盛证券研究所wind风险层面我们对比了ETF跟踪指数和个股的波动率最大回撤如下图所示横轴为年化收益率左下图纵轴为年化波动率右下图纵轴为最大回撤红色的点为ETF蓝色的点为个股时间窗口为2015年至今可以发现基本上在同样的收益水平下ETF的波动率和最大回撤都要远小于个股其中ETF组合的平均年化收益为26年化波动为28最大回撤为-48收益风险比为009而个股组合的平均年化收益为-74年化波动为49最大回撤为-66收益风险比为-017由此可以得出ETF整体具备较高收益风险比也就是较稳定的超额收益与较低的波动率和回撤风险我们认为这是组合管理的优势指数是一揽子的股票某种意义上达到了持仓分散和降低风险的效果P7请仔细阅读本报告末页声明2022年12月25日图表6散点图ETF跟踪指数波动率vs个股波动率图表7散点图ETF跟踪最大回撤vs个股最大回撤个股ETF个股ETF90080-207060-4050-6040波动率30最大回撤-8020-100100-120-80-60-40-20020406080-80-60-40-20020406080收益率收益率资料来源国盛证券研究所wind资料来源国盛证券研究所wind但是纯粹用ETF做配置也有一些不足的地方比如可能面临规模和标的约束因为当前规模较大的ETF主要集中在宽基风格和主题上除了部分行业的热门赛道ETF比如光伏酒和半导体规模较大外大部分ETF规模有限哪怕筛选后平均来看也只有10-20亿左右乐观估计假设日均换手率在5的情况下单只ETF每日的成交额也基本不足1个亿如果产品规模较大调仓可能较为困难此外到目前为止仍有较多行业没有相应匹配的ETF在产品配置端可能面临标的约束但随着近些年ETF市场的火爆发展储备一套行业ETF配置策略还是非常有价值的未来大概率有用武之处下面我们主要尝试一下对ETF跟踪指数进行三标尺打分搭建一套行业ETF配置策略实现量化特有的系统化和分散投资的优势二方案行业ETF配置的解决方案本章节我们主要介绍了行业ETF配置的解决方案包括行业ETF配置的两种思路行业ETF的三标尺打分计算与展示以及行业景气模型在ETF配置上的应用效果21行业ETF配置的两种思路直接法间接法行业ETF配置的研究看起来似乎很简单但事实上背后有较多细节比如中信一级行业和ETF跟踪的中证行业指数并不完全对应因此行业三标尺打分可能需要重新计算根据笔者总结行业轮动在ETF配置上的应用方法一般分为两种直接法和间接法1直接法根据筛选后ETF的跟踪指数重新计算行业三标尺打分然后根据打分综合选出行业结合组合优化模型定权重给出配置建议2间接法根据现有的一级行业配置建议寻找尽可能接近的ETF进行配置具体权重参考一级行业配置结果P8请仔细阅读本报告末页声明2022年12月25日图表8行业ETF配置的两种思路核心根据筛ETF的新计算行三标尺然根据综出行结组优行给出建议直接法ETF好处标ETF完全对应不足可能和一级行有偏的两种核心根据现有的一级行建议寻找尽可能接近的ETF进行具体参考一级行结果思间接法路好处顺着一级行下沉落地不用新搭建不足不完全匹组的可能不住资料来源国盛证券研究所总结来看直接法的优点在于重新做一个行业ETF配置模型指标和指数直接对应但缺点在于得到的ETF推荐可能和一级行业配置观点有偏差而间接法的优点是顺着之前的行业配置模型下沉落地不用重新搭建模型缺点是不完全匹配组合的跟踪误差可能控制不住本文希望打分和标的能完全对应上因此打算从直接法入手研究22行业ETF指标计算思路和效果展示在前期专题报告中我们的行业配置模型主要用到三个维度的六个指标具体计算方法和含义如下我们这里会基于ETF跟踪指数的成分股重新计算ETF的指标打分考虑到有一些指数2015年以后才编制时间窗口为我们设定为2015年底至今此外还有一个细节需要注意我们的拥挤度指标需要用过去6年的数据来做时序标准化即使时间窗口采用2015年至今计算拥挤度的时候仍然需要2009年至今的成分股数据考虑到时间较远某些跟踪指数没有成分股我们暂且用最早一期的成分股进行代替图表9行业配置模型所用指标介绍标类标名称标计算方法及含义近期上调行ROE的机构占比析师行衡量看多该行业ROE的机构比例近期上调行ROE的机构占比在过去十二个月的标准分析师行zscore衡量看多该行业ROE的机构占比在最近一年的变化计算当前未来4个季度ROEFTTM预测值机构加权再计算该指标过去一年的标准分析师期ROEFTTM的zscore衡量当前机构ROE预测值在最近一年的变化最新行单季ROE考虑业绩快报与预告净利润增速和营收增速环比的等权平均历史衡量行业最近一个季度基本面的边际变化行过去一年相比于行等的信息比率趋势信息比率衡量当前行业的趋势最近三月行换手率波率时序Barra和Beta历史分位数的等权平均拥挤衡量行业最近一个季度交易情绪在历史上所处的位置资料来源国盛证券研究所P9请仔细阅读本报告末页声明2022年12月25日为了更方便观察行业ETF指标状态与历史走势我们整理了行业分析师景气度拥挤度和跟踪指数超额收益的时间序列对比分析师景气度为正代表分析师看好该行业ROE改善未来可能有超额收益拥挤度较高代表短期交易过热需要规避这里我们展示几个热门行业ETF中证煤炭CS新能车中证酒和中证医疗的指标打分效果图表10中证煤炭景气度拥挤度和行业走势跟踪分析师景气度中证煤炭超额收益11061004090802070006-020504-0403-062013201420152016201720182019202020212022行业拥挤度中证煤炭超额收益114010300920081007000605-1004-2003-302013201420152016201720182019202020212022资料来源国盛证券研究所wind图表11CS新能车景气度拥挤度和行业走势跟踪分析师景气度CS新能车超额收益33050428032302011800-0113-0208-03-0403-052013201420152016201720182019202020212022行业拥挤度CS新能车超额收益33402830202310180013-1008-2003-302013201420152016201720182019202020212022资料来源国盛证券研究所windP10请仔细阅读本报告末页声明2022年12月25日图表12中证酒景气度拥挤度和行业走势跟踪分析师景气度中证酒超额收益33062804230218001308-0203-042013201420152016201720182019202020212022行业拥挤度中证酒超额收益3340283023201810130008-1003-202013201420152016201720182019202020212022资料来源国盛证券研究所wind图表13中证医疗景气度拥挤度和行业走势跟踪分析师景气度中证医疗超额收益330628042302180013-0208-0403-062013201420152016201720182019202020212022行业拥挤度中证医疗超额收益33302820231018001308-1003-202013201420152016201720182019202020212022资料来源国盛证券研究所wind可以发现基本上分析师景气度信号的变化速度较慢用于把握年度级别的趋势行情而拥挤度信号的变化速度较快一般以季为尺度用于规避短期交易风险观察近几年的景气度煤炭于2020年末开始扩张持续至今新能车于2020年初开始扩张并持续至今而酒和医疗则于2021年年初进入收缩从拥挤度看煤炭和新能车于2021年4季度提示高拥挤酒和医疗于2020年4季度提示高拥挤均获得还不错的效果P11请仔细阅读本报告末页声明2022年12月25日23行业景气模型在ETF配置上的应用231简单ETF轮动测试波动较大跟踪误差控制不住根据前期行业配置系列报告的思路我们这里尝试行业景气模型在ETF配置上的应用即定期选择高景气强趋势和拥挤度不高的ETF进行配置根据前文所示我们筛选后的ETF为50个时间窗口为2015年底至今具体思路如下1多头筛选月底根据景气度历史分析师趋势选前14的行业ETF作为底仓2拥挤度剔除行业底仓中剔除拥挤度在前14的行业剩下的行业等权配置3值得注意的是如果剩下行业ETF太少小于7个则说明高景气行业大多数交易比较拥挤此时在我们的框架下行业配置陷入困境高景气-强趋势-低拥挤的不可能三角采取保守策略将拥挤度前14的ETF剔除在剩下的行业ETF约38个中根据景气度趋势复合指标选取前14的行业如下图所示相比于ETF等权行业ETF的景气策略2015年至今多头年化190多头超额151信息比率147超额最大回撤-90月度胜率642表现还不错这里我们也对比了没有剔除高拥挤的情况原始高景气强趋势策略多头超额139超额最大回撤-91月度胜率617可以发现规避高拥挤后策略策略更加稳健与一级行业配置模型结论一致图表14行业ETF景气模型剔除高拥挤表现优异图表15行业ETF景气模型剔除高拥挤vs行业景气模型原始超额收益超额收益未剔除高拥挤ETF轮基准ETF等超额收益433352525322521521515111050505020152016201720182019202020212015201620172018201920202021资料来源国盛证券研究所wind资料来源国盛证券研究所wind那我们构建行业ETF轮动模型和中证800可比吗我们认为不可以直接比较如下图所示2015年至今策略相比于中证800多头超额202信息比率163超额最大回撤-86月度胜率617尽管超额收益和信息比率有所上升但如前文所述这是ETF等权本身相比中证800有4-5的超额收益带来的那为什么不能和中证800比较呢原因在于跟踪误差可能控制不住观察下右图可以发现基准是中证800时跟踪误差基本上要比ETF等权作为基准高前者为124后者为103并且在去年四季度达到历史最高值25因此一定的组合优化处理还是很有必要的P12请仔细阅读本报告末页声明2022年12月25日图表16行业ETF景气模型vs中证800图表17不做组合优化策略跟踪误差控制不住跟踪误差基准中证800跟踪误差基准ETF等权ETF轮基准中证800流通市值加超额收益44033535025330225250152215150111005050502015201620172018201920202021201620172018201920202021资料来源国盛证券研究所wind资料来源国盛证券研究所wind232组合优化控制跟踪误差和行业暴露后收益更加稳定沿用之前一级行业配置组合优化的思路我们这里也对行业ETF配置尝试进行组合优化具体而言我们设定需要优化的变量为行业ETF配置策略的权重w目标函数为组合预期收益其中为前文给出的景气度和趋势类指标的综合打分信号该指标越高越好限制条件包括1跟踪误差控制年化跟踪误差小于m2行业偏离行业偏离基准小于n3权重上下限控制权重上限为x仓位满仓4拥挤度预警拥挤度前14的行业相比于基准的权重低配50以上值得注意的是由于ETF之间不像一级行业具有互斥属性即ETF的成分股可能会在多个行业上有暴露因此我们需要先计算单个ETF在各个一级行业上的暴露矩阵然后根据权重求解出整个ETF组合在一级行业上的暴露从而达到控制行业暴露的效果然后我们每个月底以滚动的方式利用过去252个交易日行业指数相对基准的超额收益率计算协方差矩阵乘以权重作为未来跟踪误差的预测这里的基准是中证800指数通过个股流通市值加权得到组合优化的目标函数和约束的公式如下maxst0wxw1此外沿用之前的思路如果行业ETF配置陷入困境时剔除高拥挤后底池数量较少这个时候高景气的行业交易比较拥挤获取超额收益的难度较大我们建议降低风险偏好进行分散持仓具体参数细节如下1若行业ETF底池数量7则意味着高景气的行业没那么拥挤尽可能调高风险偏好设置年化跟踪误差m02权重上限x为0252若行业ETF底池数量7则意味着高景气的行业交易比较拥挤尽可能降低风险偏好设置年化跟踪误差m01权重上限x为0125P13请仔细阅读本报告末页声明2022年12月25日如下图所示策略多头年化211超额年化225信息比率192跟踪误差为117超额最大回撤-44月度胜率67增强效果明显图表18组合优化后行业ETF配置组合相比基准收益更加稳健行ETF组基准中证800超额收益454435353325252215151105052015201620172018201920202021资料来源国盛证券研究所wind233问题如何与一级行业配置观点相融合但正如前文所述直接法存在的问题我们发现ETF的配置建议可能和一级行业配置观点有偏差由于方法论是一致的大部分时间组合的行业暴露和行业配置观点基本一致但在一些特殊情况可能会出现较大不同这里我们用银行板块举例在今年1-4月底一级行业模型对银行配置的比例超过20在市场下跌中组合获得一定的抗跌属性而ETF模型得出的银行的行业暴露为0而在历史上ETF配置策略对银行的暴露也极低究其原因筛选后ETF的个数接近50个在众多的赛道型指数中按照行业景气模型这一套方法论银行的景气就排序很难靠前图表19ETF配置策略历史上对银行行业的暴露图表20历史上中证银行的打分排序一直不高中证银行在ETF组合中打分排序排名40ETF配置组合在银行的暴露800在银行的暴露254540203530152520101551050020152016201720182019202020212015201620172018201920202021资料来源国盛证券研究所wind资料来源国盛证券研究所windP14请仔细阅读本报告末页声明2022年12月25日那这一问题应该如何解决呢这里我们采用直接法和间接法融合的形式即将行业配置观点以控制行业暴露的方式纳入直接法的组合优化中去例如今年年初银行的配置权重20我们就在约束条件里加入ETF组合的银行行业暴露在20左右以其为中枢允许上下有波动如果限制太死可能也会侵蚀收益这样ETF配置的行业暴露和行业观点不会偏差太多模型的目标是最大化ETF的打分排序约束条件是控制跟踪误差单个ETF持仓上限行业暴露与行业观点偏离幅度具体细节如下1跟踪误差控制年化跟踪误差小于m2行业偏离行业偏离一级行业配置模型的权重小于n3权重上下限控制权重上限为x仓位满仓4拥挤度预警拥挤度前14的行业相比于基准的权重低配50以上组合优化的目标函数和约束的公式如下maxst0wxmaxw1同样地如果行业ETF配置陷入困境时剔除高拥挤后底池数量较少这个时候高景气的行业交易比较拥挤获取超额收益的难度较大我们建议降低风险偏好进行分散持仓具体参数细节如下1若行业ETF底池数量7即高景气的行业没那么拥挤尽可能调高风险偏好设置年化跟踪误差m02权重上限x为025偏离行业观点幅度n为012若行业ETF底池数量7即高景气的行业比较拥挤尽可能降低风险偏好设置年化跟踪误差m01权重上限x为0125偏离行业观点幅度n为01图表21考虑一级行业配置观点后行业ETF配置组合信息比率进一步提升行ETF组基准中证800超额收益454435353325252215151105052015201620172018201920202021资料来源国盛证券研究所windP15请仔细阅读本报告末页声明2022年12月25日如上图所示修正后策略多头年化201超额年化215信息比率229跟踪误差为94超额最大回撤-35月度胜率70观察修正后策略在银行板块的暴露在2022年1-4月底银行配置的比例在12左右在市场下跌中组合获得一定的抗跌属性因此我们认为考虑一级行业配置观点约束后配置会更加均衡贴近行业配置观点胜率和信息比率都有所提升但超额收益同样也会降低更适合低风险偏好投资者使用图表22修正后策略在银行板块暴露更贴近一级行业配置观点市场下跌中起到保护作用800在银行的暴露ETF配置组合修正后在银行的暴露25201510502015201620172018201920202021资料来源国盛证券研究所wind三思考行业ETF配置赚什么钱如何应用本章节我们主要对上述行业ETF配置策略做了收益归因包括在风格和行业上分别赚什么钱以及对ETF配置策略的应用做了点简单的探讨31收益归因风格上小亏行业上做对择时Alpha依赖ETF管理人由于ETF配置策略主要赚取Beta端的收益参考我们团队前期报告基金ALPHA进化史公募基金究竟赚的是什么钱我们对上述ETF配置策略做了一下风格和行业层面的收益归因尝试理解一下行业ETF配置策略赚的是什么钱首先是风格收益视角风格收益是指ETF配置策略相比中证800在BarraCNE5模型的十个风格因子上暴露所获得的收益风格因子包括市值非线性市值Beta动量波动率流动性价值盈利成长杠杆率下图是ETF配置组合相比中证800在十大风格上的历史暴露可以看到有如下特征1市值类在市值风格上长期低配在非线性市值上长期超配相比中证800ETF配置策略更偏中小盘2量价类在Beta动量波动率和流动性上长期超配相比中证800ETF配置策略风险偏好相对更高弹性更大更追逐动量效应P16请仔细阅读本报告末页声明2022年12月25日3基本面类在价值盈利和杠杆上长期低配在成长上长期超配相比中证800ETF配置策略更具成长性和高估值图表23行业ETF配置策略在BarraCNE5十大风格上的暴露市值beta动量波动率非线性市值01411112-020810808-04080606060604-060404020204-08020002-1-020-04-020-12-06-04-0220152016201720182019202020212015201620172018201920202021201520162017201820192020202120152016201720182019202020212015201620172018201920202021盈利成长杠杆价值流动性08060406140412040402010200-0208-040-04-0406-06-08-02-0804-08-12-04-102-12-06-120-16-1420152016201720182019202020212015201620172018201920202021201520162017201820192020202120152016201720182019202020212015201620172018201920202021资料来源国盛证券研究所wind那这些风格暴露带来超额收益了吗我们也统计了ETF配置策略在这些风格上的超额收益可以看到有如下特征1长期超额收益为正的风格在Beta动量和成长上稳定赚钱其中在Beta上获取超额最多以企业长期盈利兑现为核心追逐Beta收益2长期超额收益为负的风格在波动率非线性市值流动性上稳定亏损其中在流动性上负超额最大为了保证个股的流动性适当舍弃了一部分超额收益3不太确定的风格在市值上虽然赚钱但是波动较大在价值上近些年赚钱主要受益于价值风格的低谷未来并不明确在盈利杠杆上基本跑平既无正超额也无负超额总结来看ETF配置策略为了市场流动性在流动性和波动率上长期正暴露且亏钱为了追逐慢逻辑和成长性赚取中长期盈利兑现的收益在Beta动量和成长上长期正暴露且赚钱这与我们前期报告结论一致在风格上类似公募主动基金图表24行业ETF配置策略在BarraCNE5十大风格上的超额收益1111115125115非线性市值市值beta波率121111111151051110509091105110808095095070909095071051111115105盈利成长杠杆价值流性1111095105105095105090911108508509508080950950750907507090850709资料来源国盛证券研究所windP17请仔细阅读本报告末页声明2022年12月25日然后是行业收益视角行业收益主要指ETF配置策略相比中证800在中信一级行业上暴露所获取的超额收益经过归因主要分为如下三类1长期超额为正的行业2石油石化煤炭有色金属钢铁基础化工电力设备与新能源军工家电医药食品饮料农林牧渔银行非银行金融电子通信计算机2长期超额为负的行业-2传媒3超额收益不明显的行业-2-2电力及公用事业建筑建材轻工制造机械汽车商贸零售消费者服务纺织服装房地产交通运输这里我们可以看到不太确定的行业中主要分成两类一类是ETF没怎么覆盖的行业例如轻工制造纺织服装等ETF本身在这些行业上几乎无暴露自然超额收益不明显另一类主要是偏基建类例如电力建筑地产等模型在这些行业上判断效果较弱下面我们将行业大概分成金融周期科技和消费做个简单的收益分解和复盘图表25行业ETF配置策略在金融板块上的暴露和超额收益暴露银行暴露非银行金融暴露地产030303010101-01-01-01-03-03-03201520162017201820192020202120152016201720182019202020212015201620172018201920202021收益银行收益非银行金融收益地产1111105105105111095095095201520162017201820192020202120152016201720182019202020212015201620172018201920202021资料来源国盛证券研究所wind1金融相比中证800ETF配置策略长期低配银行和非银行金融近些年金融板块景气度较差超额收益为负策略在金融板块整体判断准确图表26行业ETF配置策略在周期板块上的暴露和超额收益暴露钢铁暴露石油石化暴露煤炭暴露有色暴露基础化工03030303030101010101-01-01-01-01-01-03-03-03-03-0320152016201720182019202020212015201620172018201920202021201520162017201820192020202120152016201720182019202020212015201620172018201920202021收益钢铁收益石油石化收益煤炭收益有色收益基础化工115105121110511511105111051110511109509509509509520152016201720182019202020212015201620172018201920202021201520162017201820192020202120152016201720182019202020212015201620172018201920202021资料来源国盛证券研究所windP18请仔细阅读本报告末页声明2022年12月25日2周期相比中证800ETF配置策略在大部分时间一直低配周期板块有两段时间超配第一次是2016初到2017年第二次是2020年底到2022年当前仅超配煤炭策略较为准确地把握住了周期板块的两次景气扩张整体判断效果不错图表27行业ETF配置策略在科技板块上的暴露和超额收益暴露通信暴露军工暴露电新暴露电子暴露传媒03030303030101010101-01-01-01-01-01-03-03-03-03-0320152016201720182019202020212015201620172018201920202021201520162017201820192020202120152016201720182019202020212015201620172018201920202021收益通信收益军工收益电新收益电子收益传媒10511510511105111051105111109509509509509520152016201720182019202020212015201620172018201920202021201520162017201820192020202120152016201720182019202020212015201620172018201920202021资料来源国盛证券研究所wind3科技相比中证800ETF配置策略在电新和军工这两个行业上长期超配在TMT板块上长期低配其中超配军工电子和通信的超额收益较高几次超低配均获得不错效果电新因为在2021年因为高拥挤低配错过最后一波行情也躲开了2022年初的下跌盈亏同源传媒在2019年超配获取负超额整体来看判断效果还行图表28行业ETF配置策略在消费板块上的暴露和超额收益暴露农林牧渔暴露家电暴露医药暴露食品饮料暴露消费者服务03030303030101010101-01-01-01-01-01-03-03-03-03-0320152016201720182019202020212015201620172018201920202021201520162017201820192020202120152016201720182019202020212015201620172018201920202021收益农林牧渔收益家电收益医药收益食品饮料收益消费者服务105105105111051051111109509509509509520152016201720182019202020212015201620172018201920202021201520162017201820192020202120152016201720182019202020212015201620172018201920202021资料来源国盛证券研究所wind4消费相比中证800ETF配置策略在消费板块上有过两次明显的超配第一次为2017年超配家电和食品饮料获取较高超额收益第二次为2019-2020年超配医药和农林牧渔效果不错但是2020年后因为高拥挤低配食品饮料错过最后一波行情也同样躲开了2021年年初的下跌同样也是盈亏同源整体来看判断效果还行总结来看策略在行业层面效果不错准确地抓住了几波年度级别的行情比如2017年和2019-2020年的消费2021-2022的周期2019年之后的军工和电子同样地在一些可能出现重大逻辑变化的热门行业电新和食品饮料上容易因为换手率中枢系统性上移而判断高拥挤提前减仓错失了最后一波收益同样也避免了高拥挤后的回撤P19请仔细阅读本报告末页声明2022年12月25日最终我们将行业ETF配置的收益进行了年化拆解风格行业Alpha其中风格和行业根据因子暴露因子收益再相加得到Alpha收益通过倒推得到如下图所示策略相对800的年化超额收益为217风格上为-15行业上为148alpha上为84由此可见ETF配置策略主要赚行业和Alpha的钱风格小幅为负流动性和波动率损失行业收益主要来源于行业景气模型做对行业配置而Alpha收益则主要来源于ETF管理人的信息优势和主动筛选图表29ETF配置策略超额收益拆解风格行业Alpha图表30ETF配置策略主要赚行业和Alpha的钱25超额收益风格收益行业收益Alpha收益435208431525-15216921015148510500行业收益风格收益Alpha收益超额收益2015201620172018201920202021资料来源国盛证券研究所wind资料来源国盛证券研究所wind32应用维度适合风险偏好较低的投资者使用那行业ETF配置策略如何应用呢或者说行业配置模型应该应用于哪一类型的产品在第一章我们有提到ETF产品相比于股票最大的优势在于较高的收益风险比在同样的收益水平下ETF的波动率和最大回撤都要远小于个股当然收益的弹性也要远小于个股也就是说ETF产品是个中低收益和风险的标的因此其天然适合风险偏好较低的投资者使用比如固收的股债混合产品以绝对收益为目标的主动量化产品以及对跟踪误差和回撤比较注重的中低风险产品这里我们简单测试一下行业ETF配置策略在固收策略上的应用效果在我们前期的专题报告稳定行业基本面量化择时与选股中我们提出了可以基于稳定行业股息率模型构建股债混合策略在股息率大于十年期国债收益率时做多股票仓位逐步提升至20否则空仓股票全部配置债券策略构建细节如下1配置标的沪深300指数中债-国债总财富7-10年指数2股票仓位股息率-10Ybond0开仓信号为1否则为0信号求MA5对应股票仓位020剩余仓位配置债券指数如下图所示策略14年至今年化收益率约为56最大回撤-33年化波动率为33夏普比率169股票平均仓位127P20请仔细阅读本报告末页声明