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。

1.1 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：

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。  

1.2、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：

2）ETF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。

1.3、ETF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4.5%，信息比率达到1.22，超额最大回撤仅为-3.2%。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。

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、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。

2.1、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。

2.2、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。

2.3、行业景气模型在ETF配置上的应用

1）多头筛选：月底根据景气度(历史+分析师)、趋势选前1/4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1/4的行业，剩下的行业等权配置；

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19.0%，多头超额15.1%，信息比率1.47，超额最大回撤-8.8%，月度胜率64.2%，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13.9%，超额最大回撤-9.1%，月度胜率61.7%。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。

2.3.2、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：

4）拥挤度预警：拥挤度前1/4的行业相比于基准的权重低配50%以上。

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：

如下图所示，策略多头年化21.1%，超额年化22.5%，信息比率1.92，跟踪误差为11.7%，超额最大回撤-4.4%，月度胜率67%，增强效果明显。

2.3.3、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。

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m；

2）行业偏离：行业偏离一级行业配置模型的权重小于n；

3）权重上下限：控制权重上限为x，仓位满仓；

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：

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。 

3.1、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。

①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Barra CNE5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。

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。

②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：

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。

2）周期：相比中证800，ETF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；

3）科技：相比中证800，ETF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；

4）消费：相比中证800，ETF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。

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。

3.2、应用维度：适合风险偏好较低的投资者使用

下面我们用ETF配置组合代替沪深300，希望获得一定的行业Beta收益。理论上讲，ETF配置策略有年化15%-20%的超额收益，平均仓位为12%左右，那应该可以在原有策略基础上提升2%左右。策略构建细节如下：

1)配置标的：ETF配置组合 + 中债-国债总财富(7-10年)指数；

2)股票仓位：股息率-10Y bond > 0，开仓信号为1，否则为0。信号求MA5，对应股票仓位[0%, 20%]，剩余仓位配置债券指数；

1.国盛证券-量化分析报告：行业轮动的三个标尺-20200614.

2.国盛证券-量化专题报告：分析师行业景气指数构建与应用-20211215.

3.国盛证券-量化专题报告：行业配置模型的顶端优化-20220708.

4.国盛证券-量化专题报告：基金ALPHA进化史：公募基金究竟赚的是什么钱？-20210518.

5.国盛证券-量化专题报告：稳定型行业基本面量化-20200719.

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。

本文节选自国盛证券研究所于2022年12月25日发布的报告《中观行业配置系列三：行业 ETF 配置的解决方案》，具体内容请详见相关报告。

段伟良   S0680518080001   [email protected]

刘富兵   S0680518030007   [email protected] 

杨晔      [email protected]

特别声明：《证券期货投资者适当性管理办法》于2017年7月1日起正式实施。通过微信形式制作的本资料仅面向国盛证券客户中的专业投资者。请勿对本资料进行任何形式的转发。若您非国盛证券客户中的专业投资者，为保证服务质量、控制投资风险，请取消关注，请勿订阅、接受或使用本资料中的任何信息。因本订阅号难以设置访问权限，若给您造成不便，烦请谅解！感谢您给予的理解和配合。

重要声明：本订阅号是国盛证券金融工程团队设立的。本订阅号不是国盛金融工程团队研究报告的发布平台。本订阅号所载的信息仅面向专业投资机构，仅供在新媒体背景下研究观点的及时交流。本订阅号所载的信息均摘编自国盛证券研究所已经发布的研究报告或者系对已发布报告的后续解读，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。本资料仅代表报告发布当日的判断，相关的分析意见及推测可在不发出通知的情形下做出更改，读者参考时还须及时跟踪后续最新的研究进展。

本资料不构成对具体证券在具体价位、具体时点、具体市场表现的判断或投资建议，不能够等同于指导具体投资的操作性意见，普通的个人投资者若使用本资料，有可能会因缺乏解读服务而对报告中的关键假设、评级、目标价等内容产生理解上的歧义，进而造成投资损失。因此个人投资者还须寻求专业投资顾问的指导。本资料仅供参考之用，接收人不应单纯依靠本资料的信息而取代自身的独立判断，应自主作出投资决策并自行承担投资风险。

版权所有，未经许可禁止转载或传播。