主要宽基及行业指数的日历效应。
　　通过对日历效应建立统计检验模型，我们认为A股主要指数在不同时间段表现出一定的日历效应，从历史数据来看，10月及12月表现出一定的超额收益。大盘股主要体现在年底的日历效应，并且近年来大盘股日历效应有减弱的趋势；中小盘股主要体现在年初的日历效应，并且小盘股的日历效应在近年来略有变强的趋势。
　　针对各行业，我们发现仅9月与11月对于任一行业均不存在月份效应，大部分月份均表现出一定的行业规律，其中大消费及周期行业的日历效应较为明显。
　　基于日历效应的行业ETF轮动策略。
　　在基于日历效应的行业ETF轮动策略下，我们分别构建了纯日历效应下的行业ETF轮动策略、经日历效应调整后的行业动量策略和二者结合的混合ETF轮动策略。三个策略均表现出一定的超额收益，纯日历效应下的行业ETF轮动策略表现出高换手率、高收益率、最大回撤较小的特点，经日历效应调整后的行业动量策略表现出低换手率、高胜率的特点，混合ETF轮动策略综合了二者优势，在控制最大回撤率不变大的前提下，取得了11.41%的超额年化收益率，夏普比率和信息比率均有所提升。
　　通过回测，我们认为在行业日历效应下，传媒行业在每年1月、非银金融在每年第四季度表现出一定的投资价值；每年5月的行业动量效应较为显著。
　　基于日历效应的主动股票型基金配置策略。
　　对于日历效应在A股主动股票型基金配置上的应用，我们认为主动型基金在每年8月份的业绩延续性较强，主要原因在于：由于基金在年报及半年报会披露其全部持仓信息，所以半年报及年报的重要性要远大于季报，但由于年报披露时间在春节后不久，容易涉及到基金经理变更、春节各项政策影响及年初资金扰动下投资者申赎情绪的变化等，使得主动型基金在年初的业绩延续性不强；8月份对应基金的半年报，加之基金经理在第三季度稳定性较强、投资者申赎情绪相对稳定，使得主动型基金在8月份表现出一定的业绩稳定性。
　　基于8月份日历效应的主动型基金策略的年化收益率为12.58%，相对于中证主动式股票型基金指数（930890.CSI）的超额年化收益率为9.37%，相对于沪深300的超额年化收益率为11.97%；策略夏普比率为0.65，相对于基准的信息比率为0.56，月度胜率为60.51%。
　　风险提示
　　报告基于历史数据，未来有失效的风险；市场环境变动风险，模型失效风险。
　　
　　

研究报告全文：证券研究报告2023年3月23日湘财证券研究所金融工程研究基金研究基于日历效应的基金投资策略研究相关研究在A股ETF及主动型基金中的应用1ETF与指数成分股套利研究20210929投资要点2基于基金折价的ETF投资策主要宽基及行业指数的日历效应略研究-202112283北向资金视角下的行业ETF通过对日历效应建立统计检验模型我们认为A股主要指数在不同时间段表现出一定的日历效应从历史数据来看10月及12月表现出一定的超额收轮动-20220330益大盘股主要体现在年底的日历效应并且近年来大盘股日历效应有减弱4基于北向资金与主力资金的的趋势中小盘股主要体现在年初的日历效应并且小盘股的日历效应在近行业ETF轮动-20220628年来略有变强的趋势针对各行业我们发现仅9月与11月对于任一行业均不存在月份效应大分析师李正威部分月份均表现出一定的行业规律其中大消费及周期行业的日历效应较为证书编号S0500522090001明显Tel862150295307基于日历效应的行业ETF轮动策略Emaillizwxcsccom在基于日历效应的行业ETF轮动策略下我们分别构建了纯日历效应下的行业ETF轮动策略经日历效应调整后的行业动量策略和二者结合的混合ETF地址上海市浦东新区银城路88号轮动策略三个策略均表现出一定的超额收益纯日历效应下的行业ETF中国人寿金融中心10楼湘财证券研轮动策略表现出高换手率高收益率最大回撤较小的特点经日历效应调究所整后的行业动量策略表现出低换手率高胜率的特点混合ETF轮动策略综合了二者优势在控制最大回撤率不变大的前提下取得了1141的超额年化收益率夏普比率和信息比率均有所提升通过回测我们认为在行业日历效应下传媒行业在每年1月非银金融在每年第四季度表现出一定的投资价值每年5月的行业动量效应较为显著基于日历效应的主动股票型基金配置策略对于日历效应在A股主动股票型基金配置上的应用我们认为主动型基金在每年8月份的业绩延续性较强主要原因在于由于基金在年报及半年报会披露其全部持仓信息所以半年报及年报的重要性要远大于季报但由于年报披露时间在春节后不久容易涉及到基金经理变更春节各项政策影响及年初资金扰动下投资者申赎情绪的变化等使得主动型基金在年初的业绩延续性不强8月份对应基金的半年报加之基金经理在第三季度稳定性较强投资者申赎情绪相对稳定使得主动型基金在8月份表现出一定的业绩稳定性基于8月份日历效应的主动型基金策略的年化收益率为1258相对于中证主动式股票型基金指数930890CSI的超额年化收益率为937相对于沪深300的超额年化收益率为1197策略夏普比率为065相对于基准的信息比率为056月度胜率为6051风险提示报告基于历史数据未来有失效的风险市场环境变动风险模型失效风险敬请阅读末页之重要声明金融工程研究正文目录1日历效应介绍及特点111宽基指数的日历效应112行业的日历效应42基于日历效应的行业ETF轮动策略521纯日历效应下的行业ETF轮动策略522经日历效应调整后的行业动量策略723纯日历效应与调整后行业动量效应的结合113基于日历效应的主动股票型基金配置策略1231主动型基金日历效应的检验1232基于日历效应的主动型基金策略构建134总结1641日历效应总结1642基于日历效应的ETF轮动策略1643基于日历效应的主动股票型基金配置策略165风险提示17图表目录图12018年以前沪深300各月份收益率1图22018年以后沪深300各月份收益率1图3仅12月持有及仅10月和12月持有沪深300指数的择时策略2图4纯日历效应下各月持有一个行业的ETF轮动策略6图5纯日历效应下不同排名行业所对应策略收益率7图6纯日历效应下不同排名行业所对应策略最大回撤7图7过去一年与未来一年各月份的RankIC统计8图8过去一年与未来一年各月份的RankIC值与t值8图9历史一年下5月份日历效应的3行业轮动策略9图10过去两年与未来一年各月份的RankIC值与t值9图11过去三年与未来一年各月份的RankIC值与t值9图12过去四年与未来一年各月份的RankIC值与t值10图13过去五年与未来一年各月份的RankIC值与t值10图14不同行业个数下5月份日历效应的行业轮动策略10图15历史一年下5月份日历效应的1行业轮动策略11图16纯日历效应与调整后行业动量效应相混合的ETF行业轮动策略12图17各月底过去三个月与未来一年平均RankIC值13图18各月底过去三个月与未来一年RankICt值13图19每年8月底持有过去三个月表现较好的10只主动型基金的策略表现14图20在不同持基数量下策略年化收益率与最大回撤14图21在不同持基数量下策略夏普比率与信息比率14图22每年8月底持有过去三个月表现较好的15只主动型基金的策略表现15敬请阅读末页之重要声明1金融工程研究表1沪深300在3年窗口期下各月份的P值3表2中证500在3年窗口期下各月份的P值3表3中证1000在3年窗口期下各月份的P值3表4各申万一级行业月份效应检验的P值4表5纯日历效应下各月份所关注行业5表6各行业在过去一年与未来一年的RankIC值8表7日历效应下的行业ETF轮动策略比较11表8主动型基金各月底过去三个月与未来一年的RankIC值13表9日历效应下主动股票型基金配置策略各年份表现15敬请阅读末页之重要声明2金融工程研究1日历效应介绍及特点日历效应最早来源于Fields1931发表的题为StockPriceAProbleminVerification文章随后Wachtel1942提出了一月效应RozeffandKinney1976进一步的研究发现19041974年间NYSE的股价指数1月份的收益率明显高于其他11个月的的收益率与日历效应相对应的金融学理念为EugeneFama提出的有效市场假说通常在较为有效的市场下日历效应不明显而在不够有效的市场下日历效应较明显本文主要通过对日历效应在A股市场进行验证并基于不同的日历效应构建行基金配置策略11宽基指数的日历效应我们将沪深300指数的月度收益率进行对比后发现指数在各月份表现有所分化但也呈现出一定的规律例如在2018年以前7月相对于上月表现出一定的超额收益7月收益率高于6月的年数共有5年占比7143在过去2012年到2022年的11年来12月的收益率在全年各月份排名前5的年份有7年并且12月的月度收益率有8年取得正收益占比分别为6364与7273在2018年以后12月的日历效应表现尤其明显12月均能进入当年各月收益排名前5并且4年均取得正收益占比为100图1图2图12018年以前沪深300各月份收益率图22018年以后沪深300各月份收益率资料来源Wind湘财证券研究所资料来源Wind湘财证券研究所如果我们采取单纯在12月份持有指数而在其他月份均空仓的简单择时策略在2010年至2022年的回测期策略能获得4189的累计收益相对于沪深300指数能获得3237的超额收益我们进一步发现10月份也存在着较明显的月份超额收益现象如果我们将策略进一步拓展为在每年的10月与敬请阅读末页之重要声明1金融工程研究12月持有指数而在其他月份均空仓策略累计收益扩大到7783图3虽然上述策略存在着事后诸葛亮的上帝视角问题但也为我们研究大盘指数是否存在日历效应提供了一个切入点图3仅12月持有及仅10月和12月持有沪深300指数的择时策略资料来源Wind湘财证券研究所为进一步验证大盘指数是否存在月份效应我们建立如下的统计检验模型Rt1D1t2D2t12D12ttRt为第t个月的收益率D1tD2t与D12t分别为一月二月至十二月的虚拟变量t为残差项如果实证发现1至12不全为0则说明大盘指数存在月份效应i显著则说明大盘指数在第i月存在着月份效应我们以3年为窗口长度分别滚动检验2010年至2022年间沪深300中证500及中证1000指数的月份效应在不同的检验期下月份效应模型的P值如表1表2与表3我们发现沪深300指数在1月3月与12月表现出一定的月份效应并且近年来月份效应有所减弱中证500与中证1000在2月与3月表现出一定的月份效应对于中证1000来说近年来月份效应表现较为明显上证50与沪深300的结果类似综上我们认为A股主要指数在不同时间段或多或少表现出一定的日历效应大盘股主要体现在年底的日历效应并且近年来日历效应有减弱的趋势中小盘股主要体现在年初的日历效应并且小盘股的日历效应在近年来有变强的趋势表1表2表3敬请阅读末页之重要声明2金融工程研究表1沪深300在3年窗口期下各月份的P值资料来源Wind湘财证券研究所表2中证500在3年窗口期下各月份的P值资料来源Wind湘财证券研究所表3中证1000在3年窗口期下各月份的P值资料来源Wind湘财证券研究所同样我们也可以考虑日历效应下的星期效应以及季节效应但考虑到星期效应所对应的操作频率较高面临较高的总手续费季节效应则反映迟缓并且缺乏更严格的理论依据所以我们在本文仅考虑月份效应敬请阅读末页之重要声明3金融工程研究12行业的日历效应由于不同行业在相同经济环境下的表现也会有所分化同时考虑到某些行业所固有的周期性导致某些特定行业在特定月份下可能会表现出一定的投资机会所以本部分我们针对各行业做日历效应检验同样沿用上述模型对于2010年至2022年间各行业分别做日历效应检验针对行业数据我们主要关注行业的超额收益率所以我们首先对各行业计算出其相对于所有行业平均值的超额收益率再针对各行业的超额收益率做月份效应检验不同月份的日历效应检验系数的P值如表4我们发现在12个月中仅有9月与11月对于任一行业均不存在月份效应大部分月份均表现出一定的行业规律其中大消费及周期行业的日历效应较为明显这也为我们基于日历效应构建行业轮动策略提供了可能表4各申万一级行业月份效应检验的P值资料来源Wind湘财证券研究所敬请阅读末页之重要声明4金融工程研究2基于日历效应的行业ETF轮动策略21纯日历效应下的行业ETF轮动策略基于行业轮动的思想我们试图从日历效应的角度出发挖掘不同行业在不同月份的特征以针对性的在对应月份持有优势行业为避免不同市场情形下行业的绝对收益偏差过大的影响同时为更细致的刻画出各行业的比较优势我们首先对各行业的月度收益率数据做如下处理1ERimyRimyRimyNiCRim1ERimyy其中为Rimy为行业i在y年m月的月度收益率ERimy为行业i在y年m月的月度超额收益率我们使用CRim作为行业i在第m个月日历效应下的收益率的衡量指标针对CR指标在2010年到2018年的历史回测期我们总结出在不同月份排名前五的行业属性如表5表5纯日历效应下各月份所关注行业行业1行业2行业3行业4行业51月传媒银行家用电器国防军工社会服务2月环保计算机电子汽车轻工制造3月美容护理计算机纺织服饰社会服务电子4月建筑装饰非银金融医药生物煤炭食品饮料5月电子计算机医药生物食品饮料农林牧渔6月食品饮料家用电器国防军工美容护理电子7月有色金属钢铁社会服务食品饮料农林牧渔8月美容护理商贸零售社会服务计算机电子9月传媒汽车社会服务通信商贸零售10月非银金融家用电器机械设备环保建筑装饰11月非银金融计算机建筑装饰通信农林牧渔12月非银金融银行建筑装饰房地产家用电器资料来源Wind湘财证券研究所我们尝试给出日历效应背后所蕴含的部分行业逻辑在1月份由于消费者在年底收入增加所带动的春节消费反弹以及影院春节档的带动使得传敬请阅读末页之重要声明5金融工程研究媒影视类企业表现出一定的投资价值传媒行业出现一定的投资机会在第四季度及年底企业IPO有倾向于有增加的趋势加上年底券商业务的拓展有助于非银金融行业的表现使得证券及非银金融行业在年底相对于其他行业表现出一定的比较优势我们在2019年到2022年对纯日历效应的行业轮动策略进行回测各行业所对应的ETF标的我们在报告北向资金视角下的行业ETF轮动中有所阐述策略通过在各月选择表5中所对应的第一个行业进行配置并对标到各行业所对应的ETF策略基准为除综合以外的30个申万一级行业等权组合策略回测结果如图4在2019年至2022年策略年化收益率为1848基准策略年化收益率为958沪深300指数年化收益率为649策略相对于基准与沪深300指数的年化超额收益率分别为890与1199策略夏普比率为071相对于基准的信息比率为042胜率为5417策略最大回撤率为2284最大回撤发生在2022年略高于基准2178的最大回撤率低于沪深300指数3444的最大回撤率图4纯日历效应下各月持有一个行业的ETF轮动策略资料来源Wind湘财证券研究所我们进一步对策略所持行业或ETF个数进行敏感性测试主要对表5中的不同排名下的行业构建纯日历效应下的行业ETF轮动策略我们发现在排名第一的行业下所构建的行业ETF轮动策略即每月仅持有一只行业ETF时的年化收益率较高且最大回撤率最低说明随着策略所持有行业数量的增加策略整体表现有所下降图5图6敬请阅读末页之重要声明6金融工程研究图5纯日历效应下不同排名行业所对应策略收益率图6纯日历效应下不同排名行业所对应策略最大回撤资料来源Wind湘财证券研究所资料来源Wind湘财证券研究所22经日历效应调整后的行业动量策略除了考虑各行业在固定月份的比较优势外本部分我们主要考察各行业在特定月份的表现是否能持续基于此我们构建了经日历效应调整后的行业动量策略同样以报告北向资金视角下的行业ETF轮动中的ETF为投资对象我们首先计算过去一年不同月份下的行业表现与未来一年相同月份下的行业表现之间的RankIC在2010年至2022年间各月份下的行业RankIC值如下表6我们分别统计在不同月份下RankIC大于005及小于-005的情形并且计算各月份的平均RankIC值及RankICt值结果如图7与图8我们发现过去12年中2月与3月在的RankIC值在005以上的年份有9年占比为7511月的RankIC值在-005以下的年份有9年占比755月的RankIC值在005以上的年份有10年占比80说明在2月3月及5月倾向于延续过去一年表现较好的行业存在着一定的行业动量效应而11月倾向于对过去一年表现较好的行业进行反转存在着一定的行业反转效应我们进一步验证历史一年该效应的稳定性通过检验各月份RankIC的t值发现5月t值较大同时5月的RankIC均值也较大说明5月对于历史一年的行业动量效应较明显且相对稳定敬请阅读末页之重要声明7金融工程研究表6各行业在过去一年与未来一年的RankIC值资料来源Wind湘财证券研究所图7过去一年与未来一年各月份的RankIC统计图8过去一年与未来一年各月份的RankIC值与t值资料来源Wind湘财证券研究所资料来源Wind湘财证券研究所我们以5月份的行业动量效应构建如下的行业轮动策略在每年的5月份持有前一年5月表现靠前的3个申万一级行业而在其他月份等权持有除综合以外的30个行业分别以各行业等权和沪深300指数作为策略基准从2010年至2022年策略回测结果如图9策略年化收益率为550策略基准年化收益率为321沪深300指数年化收益率为061策略相对于基准的年化超额收益率为229相对于沪深300的年化超额收益率为489策略夏普比率为034相对于基准的信息比率为049策略胜率为75策略最大回撤率为4779基准策略的最大回撤率为5074敬请阅读末页之重要声明8金融工程研究图9历史一年下5月份日历效应的3行业轮动策略资料来源Wind湘财证券研究所我们进一步将历史期拉长分别检验过去两年三年四年及五年与未来一年各月份的RankIC均值及RankIC的t值发现各月份的日历效应均不如历史一年下的日历效应显著图10图11图12图13图10过去两年与未来一年各月份的RankIC值与t值图11过去三年与未来一年各月份的RankIC值与t值资料来源Wind湘财证券研究所资料来源Wind湘财证券研究所敬请阅读末页之重要声明9金融工程研究图12过去四年与未来一年各月份的RankIC值与t值图13过去五年与未来一年各月份的RankIC值与t值资料来源Wind湘财证券研究所资料来源Wind湘财证券研究所为进一步检验该策略对于所选行业个数是否敏感我们分别对于所选行业数分别为1至10个进行策略回测随着所关注行业数量的增加策略的年化收益率及夏普比率均呈现下降趋势所以我们将所选行业数量确定为1个图14调整后的策略为在每年5月份持有前一年表现最好的一个申万一级行业所对应的ETF而在其他月份均等权持有除综合以外的30个行业策略表现如图14策略年化收益率为640相对于基准的超额收益率为319夏普比率为037相对于基准的信息比率为048策略胜率为9167图15图14不同行业个数下5月份日历效应的行业轮动策略资料来源Wind湘财证券研究所敬请阅读末页之重要声明10金融工程研究图15历史一年下5月份日历效应的1行业轮动策略资料来源Wind湘财证券研究所23纯日历效应与调整后行业动量效应的结合我们进一步将纯日历效应与经日历效应调整后的行业动量效应进行结合构建混合行业轮动策略具体的策略逻辑为在每年的5月份所持有的行业按照调整后的行业动量效应而在除5月以外的其他月份所持有的行业按照纯日历效应同样选择2019年至2022年的回测期策略的年化收益率为2099相对于纯日历效应策略年化收益率提升了251混合策略相对于基准策略的超额年化收益率为1141相对于沪深300指数的超额年化收益率为1450策略夏普比率为078相对于基准的信息比率为054相较于纯日历效应策略策略的夏普比率和信息比率均得到了一定提升虽然最大回撤率仍为2284但策略胜率提升至5833表7图16表7日历效应下的行业ETF轮动策略比较年化收益率基准收益率超额收益率夏普比率信息比率最大回撤率胜率纯日历效应18489588907104222845417日历调整后的动量64032131903704850569167混合策略2099958114107805422845833资料来源Wind湘财证券研究所敬请阅读末页之重要声明11金融工程研究图16纯日历效应与调整后行业动量效应相混合的ETF行业轮动策略资料来源Wind湘财证券研究所3基于日历效应的主动股票型基金配置策略31主动型基金日历效应的检验延续上述思路我们将日历效应应用到主动股票型基金的验证及策略构建上考虑到基金样本的可得性我们选取2010年至2022年市场上所有主动型基金剔除C类D类H类等基金剔除一年内到期的基金作为回测对象对于主动型基金我们主要考察基金的历史业绩是否能延续或是否有规律的出现反转基于此思想我们计算各月底过去三个月与未来一年基金业绩的RankIC值我们发现在过去12年里面有10年的8月份的RankIC值在005以上占比8333且8月份的RankIC均值及RankICt值在所有月份中均最显著所以我们认为主动型基金在8月底存在着一定的日历效应表8图17图18我们分析8月份日历效应较显著的内在逻辑为由于基金在年报及半年报会披露其全部持仓信息所以半年报及年报的重要性要远大于季报但由于年报披露时间在春节后不久容易涉及到基金经理变更春节各项政策影响及年初资金扰动下投资者申赎情绪的变化等使得主动型基金在年初的业绩延续性不强8月份对应基金的半年报加之基金经理在第三季度稳定性较强投资者申赎情绪相对稳定使得主动型基金在8月份表现出一定的业绩稳定性敬请阅读末页之重要声明12金融工程研究表8主动型基金各月底过去三个月与未来一年的RankIC值资料来源Wind湘财证券研究所图17各月底过去三个月与未来一年平均RankIC值图18各月底过去三个月与未来一年RankICt值资料来源Wind湘财证券研究所资料来源Wind湘财证券研究所32基于日历效应的主动型基金策略构建基于上述主动型基金的8月份日历效应我们构建了如下的基于8月份日历效应的主动型基金投资策略在每年的8月份持有过去3个月排名前10的基金持有期1年选取中证主动式股票型基金指数930890CSI作为策略基准策略所对应的FOF走势如图19策略的年化收益率为1169基准年化收益率为321沪深300年化收益率为061策略相对于基准的超额收益率为848相对于沪深300的超额年化收益率为1108策略夏普比率为061相对于基准的信息比率为043月度胜率为5577策略最大回撤率为3586均低于基准4623与沪深300指数4056的最大回撤率敬请阅读末页之重要声明13金融工程研究图19每年8月底持有过去三个月表现较好的10只主动型基金的策略表现资料来源Wind湘财证券研究所我们进一步对策略所持有的基金数量进行验证随着所持基金数量的上升策略年化收益率夏普比率和信息比率先降后升随着基金持有数量超过30只策略表现开始逐步下降但不论持有多少只基金策略均能稳定的跑赢基准及沪深300指数综合考虑我们认为在日历效应下每期持有15只主动型基金较为合适图20图21图20在不同持基数量下策略年化收益率与最大回撤图21在不同持基数量下策略夏普比率与信息比率资料来源Wind湘财证券研究所资料来源Wind湘财证券研究所将策略调整为在每年的8月份持有过去3个月排名靠前的15只基金持有期1年同样选取中证主动式股票型基金指数930890CSI作为策略基准策略所对应的FOF走势如图22策略的年化收益率为1258基准年化收益率为321沪深300年化收益率为061策略相对于基准的超额收益率为937相对于沪深300的超额年化收益率为1197策略夏普比率敬请阅读末页之重要声明14金融工程研究为065相对于基准的信息比率为056月度胜率为6051策略最大回撤率为3540图22每年8月底持有过去三个月表现较好的15只主动型基金的策略表现资料来源Wind湘财证券研究所分年度来看除2011年及2015年策略小幅跑输主动式股票型基金指数外其他年份均跑赢基准策略在2020年的超额收益率为3951策略在所有主动偏股型基金中各年度的收益率排名也较稳定处于前列表9表9日历效应下主动股票型基金配置策略各年份表现主动式股票型基超额收益主动偏股型基金策略收益率相对排名排名分位点金指数收益率率收益率中位数20101028-268129545541526672011-1938-1849-090-20731023434820128395073326179283214201323151375941159910303333201423491736612183910283571201546494707-0584673336253232016-248-17601512-1314311522039201726021157144515715919630102018-2312-2715403-2480115259444020196507485016574780533011761202010130617839516059303408822021116678038694119541646882022-2256-2271014-20253024946113年化收益1258321937资料来源Wind湘财证券研究所敬请阅读末页之重要声明15金融工程研究4总结41日历效应总结通过对日历效应建立统计检验模型我们认为A股主要指数在不同时间段表现出一定的日历效应从历史数据来看10月及12月表现出一定的超额收益大盘股主要体现在年底的日历效应并且近年来大盘股日历效应有减弱的趋势中小盘股主要体现在年初的日历效应并且小盘股的日历效应在近年来略有变强的趋势针对各行业我们发现仅9月与11月对于任一行业均不存在月份效应大部分月份均表现出一定的行业规律其中大消费及周期行业的日历效应较为明显42基于日历效应的ETF轮动策略在基于日历效应的行业ETF轮动策略下我们分别构建了纯日历效应下的行业ETF轮动策略经日历效应调整后的行业动量策略和二者结合的混合ETF轮动策略三个策略均表现出一定的超额收益纯日历效应下的行业ETF轮动策略表现出高换手率高收益率最大回撤较小的特点经日历效应调整后的行业动量策略表现出低换手率高胜率的特点混合ETF轮动策略综合了二者优势在控制最大回撤率不变大的前提下取得了1141的超额年化收益率夏普比率和信息比率均有所提升通过回测我们认为在行业日历效应下传媒行业在每年1月非银金融在每年第四季度表现出一定的投资价值每年5月的行业动量效应较为显著43基于日历效应的主动股票型基金配置策略对于日历效应在A股主动股票型基金配置上的应用我们认为主动型基金在每年8月份的业绩延续性较强主要原因在于由于基金在年报及半年报会披露其全部持仓信息所以半年报及年报的重要性要远大于季报但由于年报披露时间在春节后不久容易涉及到基金经理变更春节各项政策影响及年初资金扰动下投资者申赎情绪的变化等使得主动型基金在年初的业绩延续性不强8月份对应基金的半年报加之基金经理在第三季度稳定性较强投资者申赎情绪相对稳定使得主动型基金在8月份表现出一定的业绩稳定性敬请阅读末页之重要声明16金融工程研究基于8月份日历效应的主动型基金策略的年化收益率为1258相对于中证主动式股票型基金指数930890CSI的超额年化收益率为937相对于沪深300的超额年化收益率为1197策略夏普比率为065相对于基准的信息比率为056月度胜率为60515风险提示报告基于历史数据未来有失效的风险市场环境变动风险模型失效风险敬请阅读末页之重要声明17