川海智库

报告概述

本报告将前期成功的行业轮动方法应用于ETF投资，构建了纯因子ETF组合和指数增强ETF组合。报告首先介绍了均线趋势和资金流两个因子的构建与打分方法，然后通过ETF品种聚类构建互斥的备选池。在不考虑基准时，直接选择高得分ETF构成纯因子组合；引入行业偏离约束后，在贴近基准的前提下最大化因子得分，得到指数增强ETF组合。报告为投资者提供了一种可操作的增强型ETF投资策略。

报告的核心结论

双因子评分方法有效指导行业轮动

报告基于均线趋势和资金流两个因子对行业进行综合打分，历史回测显示得分排名靠前的行业组合表现良好。该方法通过多周期均线排列判断趋势方向，并利用资金流入率变化捕捉资金短期偏好，综合得分越高代表指数当前表现越强。

纯因子ETF组合追求高收益，但偏离基准较大

纯因子ETF组合直接选择综合得分最高的5只ETF等权配置，2019年12月至2026年5月累计收益446.50%，年化收益30.30%，最大回撤28.32%。该策略收益突出，但与业绩基准的走势偏离可能较大，适合风险承受能力较强的投资者。

指数增强ETF组合在控制偏离下实现稳健超额

通过引入行业偏离约束，指数增强ETF组合在贴近沪深300等基准的同时提升收益。以偏离约束0.10为例，累计收益207.77%，年化19.15%，最大回撤30.99%，多数年份跑赢沪深300，超额收益更稳定，适合追求相对收益的投资者。

ETF品种聚类解决持仓重叠问题

由于多只ETF可能重仓相同行业，报告通过对历史收益率聚类将ETF划分为互斥类别，每类选取市值最大的ETF构建30只备选池，确保组合分散化配置，避免行业过度集中。

报告回答的关键问题

如何利用均线趋势和资金流选择ETF？

报告构建了双因子评分系统：均线趋势因子通过多周期均线排列形态、扩散间距和时序变化三维度打分；资金流因子计算资金流入率的历史变化幅度，反映资金主动买卖方向。两个因子标准化后等权加总得到综合得分，得分最高的ETF被认为具有更强的短期趋势和资金支持。

指数增强ETF组合如何控制对基准的偏离？

指数增强ETF组合在优化目标中加入了行业偏离约束：要求组合的行业权重与基准（如沪深300）的行业权重之差的平方和不超过设定阈值（如0.10）。同时设置单只ETF权重上限25%和满仓约束，通过优化算法在最大化因子得分的同时控制行业暴露差异。

纯因子ETF组合和指数增强ETF组合哪个更适合普通投资者？

纯因子ETF组合年化收益30.30%但最大回撤28.32%，与基准偏离大，适合风险偏好高、追求绝对收益的投资者。指数增强ETF组合在偏离约束0.10时年化19.15%、最大回撤30.99%，多数年份跑赢沪深300，超额更稳定，更适合希望获得超越基准收益、同时控制相对风险的普通投资者。

报告中的代表性数据

446.50%

纯因子ETF组合累计收益

2019/12/27-2026/5/29，报告回测期间内纯因子ETF组合的累计收益率，年化30.30%，最大回撤28.32%。

207.77%

指数增强ETF组合（偏离约束0.10）累计收益

2019/12/27-2026/5/29，在行业偏离约束为0.10的条件下，指数增强ETF组合的累计收益，年化19.15%，最大回撤30.99%。同期沪深300年化收益3.10%。

3.10%

沪深300年化收益

2019/12/27-2026/5/29，作为业绩基准，沪深300指数同期年化收益3.10%，最大回撤45.33%。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 均线趋势因子的三维度构建方法详解，包括均线排列形态、扩散间距和时序变化的评分规则及综合得分计算。
  • 资金流因子的计算方式，包括资金流入率的定义、平滑处理及变化幅度的确定，附有具体实例。
  • ETF品种聚类分析的完整流程：基于历史收益率聚类、同类中选市值最大指数、构建30只备选池的详细步骤。
  • 纯因子ETF组合的完整回测表现，包括累计收益曲线、年度收益和行业穿透权重分布。
  • 指数增强ETF组合的优化模型：目标函数、行业偏离约束、权重上限等数学表达式及参数说明。
  • ETF行业权重分解的方法论：如何从成份股权重汇总得到每只ETF的行业暴露向量。
  • 不同偏离约束（0.02、0.03、0.05、0.10）下指数增强ETF组合的业绩对比，包括收益、回撤和超额表现。
  • 风险提示：量化模型基于历史统计规律，当规律变化时模型可能失效。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告