中金：行业轮动在ETF投资上的应用
摘要
在行业轮动系列的前序报告中，我们主要探讨的重心在于如何有效利用各类数据信息来构建一套能对未来行业截面收益具有显著预测能力的行业轮动模型本文以投资落地为目标，讨论了行业轮动观点在ETF投资上的应用方式与可行性通过构建细分行业体系与ETF基金组合优化的方式，构建了基于行业轮动观点的ETF投资模型
构建更贴合投资可行性的细分行业体系
以方便行业投资作为目的，参考GICS经济部门的板块划分，以Wind3级与4级行业为基础，通过拆分与拼接行为构建新的细分行业体系构建过程中着重考虑了同质性投资性和完备性三大原则：1. 根据产业的经济活动逻辑和行业发展的驱动因素，并充分考虑需求端的同质性与差异性；2. 要求行业具备一定的市场关注度与成交活跃度除电信服务保险等极个别具备自身独特风格的特殊行业外，考虑分散个股风险，控制行业成分股数量不少于十个；3. 分类方式基本实现对A股上市公司的全覆盖，且不存在一家公司同时属于多个行业的情况同时兼顾行业间规模的尽可能接近，做到行业间可比
最终构建而成的细分行业体系，在划分上由11个板块，71个细分行业构成
结合宏观中观微观的行业轮动模型在细分行业体系上效果优异
在中信一级行业体系上效果优秀的行业轮动模型，应用到新的细分行业体系下仍然显示出较为不错的行业截面预测能力，分组单调性优异以每期等权持有8个细分行业作为行业组合，在2010年2月至2021年6月近12年的样本区间内，组合年化收益21.3%，夏普比率0.89， 最大回撤47.8%相对于全细分行业等权基准年化超额收益11.5%，信息比率1.36，最大相对回撤14.6%
通过组合优化法，将细分行业观点转化为可投资的ETF组合
根据行业轮动组合所有持仓行业指数所构成的完整成份股权重分布作为拟合对象，用所有的ETF基于其各自的成份股数据，通过组合优化的方式，使得最终的ETF组合的成份分布与我们希望实现的细分行业配置尽可能的相近
从2016年开始，通过该方法构造的ETF组合基本可以实现行业轮动观点带来的收益，并且借由ETF跟踪指数在编制上带来的选股配置优势，最近3年甚至能在原有的行业组合基础上进一步增厚组合收益在2016年至2021年6月样本期间，组合优化法ETF组合的年化收益率18.1%，夏普比率0.82，最大回撤35%，各项数据均小幅好于对应细分行业组合表现8月最新ETF组合持仓观点
推荐跟踪以下指数的ETF组合：中证细分化工产业主题指数，中证钢铁指数，中证全指家用电器指数，中证新能源汽车指数，中证煤炭指数，中证500信息技术指数，中华交易服务半导体芯片行业指数具体可投资标的与仓位数据见正文
正文
构建细分行业体系：兼顾逻辑性与投资性为何需要构建一套细分行业体系？
在行业轮动系列的前序报告中，我们主要探讨的重心在于如何有效利用各类数据信息来构建一套能对未来行业截面收益具有显著预测能力的行业轮动模型
从回测及样本外跟踪的效果来看，无论是我们的SAMI微观行业轮动模型还是在此基础上叠加中观景气度与宏观数据后构建出的综合行业轮动模型，在中信一级行业体系上的轮动效果均不错在2010年2月至今（2021年8月6日）长达近12年的样本内，综合行业指标ICIR高达0.62，行业组合年化收益率达21.6%，相对于全行业等权基准超额收益年化可达13.9%其中今年至今（2021年8月6日）轮动模型组合收益率13.4%，跑赢全行业等权基准9.02ppt
图表: 综合行业轮动模型净值表现
注：计算区间为2010-02-01至2021-08-06，基准为全中信一级行业等权基准
图表: 综合行业轮动模型每年均有超额收益
注：计算区间为2010-02-01至2021-08-06，基准为全中信一级行业等权基准
研究的最终目的是要应用到实际，对最终投资产生帮助虽然上述研究成果从效果上看颇具吸引力，但在落地到应用上却有不少障碍主要有以下几点：
我们的轮动模型应用在中信一级行业体系上，但目前市场并没有任何行业基金或ETF基金直接对应到中信一级行业看好哪些行业往往并不能有直接的标的可以投资
当下不少行业ETF基金或主题ETF基金其跟踪对象往往更为细化，深入到某一具体细分行业或主题即使同一一级行业下的不同细分行业，其走势也有较大差异，此时仅有一级行业上的轮动观点显得过于粗放，很难将观点对应到当下的主流投资工具上
鉴于此，我们认为编制一套更为细化的行业体系，并在该体系上获得轮动观点将更为方便之后的投资落地
细分行业体系的编制方式
分类原则与逻辑
行业分类是对国民经济活动中具有同质性的经济活动进行归类和划分过去从生产者的角度来进行行业分类曾被证明非常有效，但随着现代经济的发展，居民可支配收入不断增加，行业的重点从生产端逐渐向消费端转移，经济活动越来越强调需求侧的作用尤其在疫情冲击下，经济复苏除了需要企业的复工复产外，更需要需求端的带动因此，在对行业进行归类和划分时，除了重视生产端的特征外，我们还应重视需求端的异同
本次行业分类以GICS全球行业分类标准的11大经济部门为参考，包括能源，材料，工业板块，可选消费，日常消费，医疗保健，金融，信息技术，电信服务，公用事业，和房地产业
- 能源：能源板块包括从事石油天然气和煤炭等燃料的生产运输和销售的企业，以及相关设备和服务的供应商
- 材料：材料板块包括化学品建材和矿产相关等各类原料与材料的生产加工企业的
- 工业：工业板块包括资本货物的生产销售，以及商业服务的提供商
- 可选消费：可选消费板块包括汽车，家电，酒店旅游等需求弹性大，对经济周期敏感的消费类企业
- 日常消费：日用消费板块则由需求弹性弱，对经济周期较为不敏感的消费类企业，例如食品饮料
- 医疗保健：医疗保健板块包括医疗保健服务商，医疗器械企业以及医药研发与生产企业
- 金融：金融板块包括银行券商保险以及综合金融等金融企业
- 信息技术：信息技术板块包括软件和硬件的生产服务公司，半导体研发与生产以及电子产品相关的企业
- 电信服务：电信服务板块包括通讯服务和通讯设施等满足大众日常沟通需求的企业
- 公用事业：公用事业板块包括从事水电煤与环保等与居民日常生活密切相关且具备公用品属性的企业
- 房地产：房地产板块是指从事房地产开发和经营的企业
同质性原则：为了更好地应用在行业投资上，本次行业分类对行业进行划分和归类的过程中，行业内的相似性与行业间的差异性是重要依据，主要根据的是产业的经济活动逻辑和行业发展的驱动因素，同时充分考虑需求端的同质性与差异性
投资性原则：我们要求行业具备一定的市场关注度与成交活跃度除电信服务保险等极个别具备自身独特风格的特殊行业外，为了考虑分散个股风险，我们要求控制行业成分股数量不少于十个
完备性原则：本次行业分类设计以GICS经济部门板块为第一次划分，细分行业为第二次划分，基本实现对A股上市公司的全覆盖，且不存在一家公司同时属于多个行业的情况此外，我们也兼顾了行业间规模的尽可能接近，做到行业间可比
具体操作上，由于Wind行业分类标准与GICS全球行业分类标准接近，每个行业所含的成分股较为明确，且每个行业都有对应的Wind行业指数，便于投资策略的检验与实现因此，我们主要以Wind三级和四级行业分类为基础，对其进行分拆与合并，以此得到新的行业划分结果具体操作上：
- 对于一些原本在同一Wind大类行业内，但其商业基本面与驱动力不同，行业走势分化较大的细分行业，我们将对其进行拆分例如，我们将Wind三级行业金属非金属与采矿中的钢铁单独列出作为一个行业，而将其他的子行业共同归为有色金属行业
- 对原本所属不同Wind大类行业，但各自成分股数量较少，且行业发展的驱动因素和需求端影响较为接近的行业，我们将对其进行合并重组例如，我们跨越两个原有的Wind三级行业，将Wind四级行业中的航空和机场服务重组为民航机场行业，海运和海港与服务重组为港口海运行业
- 对于内部成分股数量较少且逻辑较为一致的板块，我们选择将其整体保留例如，我们保留了电信服务，没有进行进一步的划分此外，对于个别成分股较少，流动性较差，成交不活跃且市场关注度较低，又难以与其他行业合并的细分行业，我们考虑从我们的行业分类中剔除
最终我们共得到了71个行业具体行业分类结果如下图所示：
图表: 细分行业分类体系
Wind行业体系指数按照成分股自由流通市值加权编制而成，而我们构建的细分行业指数由Wind一至四级行业拆分合并而成，故对于细分行业体系中的任一行业，我们也按照其成分股自由流通市值加权来计算该行业指数每一天的收益率，并相应编制其指数走势
图表: 细分行业指数走势示例（仅个别细分行业）
细分行业体系下的行业轮动及在ETF投资上的应用
预测能力显著，组合收益突出
我们将报告行业轮动系列（2）：如何在打分体系下运用宏观与中观信息中构建的行业轮动模型应用到新的细分行业体系下，整体步骤如下（每一步中的具体实现及处理细节不在正文赘述，感兴趣的读者可参考上述提及的报告正文内容）：
1. 基于SAM映射方式，计算细分行业的各个维度的微观指标得分
2. 计算宏观经济增长指数与宏观流动性指数，根据两个宏观指数的月度边际变化确定宏观数据场景，并相应确定各个微观指标的权重对于每个细分行业，将各微观指标按相应权重加权求和得到复合指标值
3. 对于部分周期性行业，根据它们的中观景气度状态（极度景气中间状态极度不景气）相应地在对应复合指标值上给予附加分或扣分，得到最终的行业指标得分
在新的细分行业体系下，轮动模型仍然显示出较为不错的行业截面预测能力，分组单调性优异若按照综合行业指标得分大小对细分行业排序，将得分最高的前20%行业等权构建多头组合得分最低的后20%行业等权作为空头组合2010 年2 月至2021 年6 月期间，多头组合年化收益19.2%，夏普比率0.82，最大回撤51.2%，月均双边换手率61%相对于全行业等权基准的超额年化收益9.6%，信息比率1.58，最大相对回撤12.2%，月度胜率66.9%
图表: 综合行业轮动指标在细分行业体系下分组单调性优异
注：计算区间为2010-02-01至2021-06-30，基准为全细分行业体系行业等权基准
图表: 综合行业轮动指标在细分行业体系下的轮动效果统计
注：计算区间为2010-02-01至2021-06-30，基准为全细分行业体系行业等权基准
为了了解组合持有的行业个数对最终多头组合的收益表现的影响，我们分别测试了从仅用得分最高的1个行业构建多头组合，到最多每期等权持有15个行业的多头组合，它们分别的组合收益特征易看出，持仓行业个数越少的组合收益往往越高，若每次仅持有一个行业指数，年化收益可高达41.4%，但相应的其波动与回撤也较大当持仓个数从5个到15个行业之间时，行业组合的年化收益变化波动逐渐趋于平稳，基本维持在20%左右
图表: 不同持仓行业个数下，行业多头组合的收益特征统计
注：计算区间为2010-02-01至2021-06-30
后续我们不妨以等权持有8个细分行业作为推荐行业组合观点，进一步研究如何将得到的细分行业观点应用到ETF投资上由于目前的ETF产品发行时间主要集中在最近几年，其真实的净值数据样本太少，为了能更好地测试行业轮动观点在ETF投资上的运用效果，我们用每个ETF产品所跟踪指数的历史收益率数据替代该ETF在较长历史时期内的收益与净值数据后文中的研究结果也均是基于该方式计算而得，特此说明
图表: 细分行业组合收益特征
注：计算区间为2010-02-01至2021-06-30，基准为全细分行业体系行业等权基准
为何应用在ETF指数投资领域？
根据有效市场假说，在市场完全较为有效的前提下投资者很难通过主动投资来获取超过市场平均水平的收益随着我国股票市场的有效性不断提高，被动投资的理念正在逐步走入投资者的视野中
成分股优势：代表性高流动性高质量好
根据证监会在2021年1月18日公布的公开募集证券投资基金运作指引第 3 号指数基金指引文件的要求，指数基金的标的指数应当符合市场容量充足持续运行平稳和具备有效验证的代表性等特点，且指数基金的成份股要求代表性强分布广泛和流动性良好市场竞争和政策监管一定程度上共同推动了指数投资的质量提升
- 一方面，指数编制时会选择流动性较好，具备一定市场关注度的板块或主题，并且指数的成份股包含了某个行业或主题的一篮子股票，天然具备分散化投资的优势
- 另一方面，为了考虑指数长远的表现以及流动性的要求，指数发行人在指数编制和成分股调整时，也可能会做出一定的个股精选与排除，实际上具备了有限的选股能力，进而使得指数相对于行业整体有一定的超额
交易优势：费率低透明度高交易灵活
ETF基金作为跟踪指数，实现指数投资的重要工具，其具备费用低流动性好透明度高和跟踪误差小等优势
- 首先，ETF的管理费率大多不超过0.5%，作为对比，主动权益基金的管理费率一般在1.5%左右
- 其次，ETF基金具备场外申赎和场内买卖的双重特点，在二级市场可以和股票一样灵活交易，具备较好的流动性
- 此外，由于ETF每日公布净值和份额数据，具备相比其他股票型基金更高的透明度
- 最后，ETF基金的申赎是一篮子股票，这间接提供了T+0交易的机会，而套利交易的存在会使得ETF基金的跟踪误差维持在非常小的水平，避免了跟踪误差给指数投资者带来的偏误
截至2021年上半年，以国内A股市场为主要投资标的的股票型ETF基金接近400只，总规模达7918 亿元，分别跟踪超过200个不同的国内股票指数这为我们的指数与ETF基金投资提供了丰富的选择和空间
细分行业轮动在ETF投资上的应用：逐一对应法
在新的细分行业体系中，也并没有直接的ETF产品一一对应，因此若我们希望能通过ETF投资来实现每期的行业观点，我们需要找到一种方式，使得最终投资的ETF产品尽量与我们看好的行业有较高的重合度
逻辑与方法：简单直观
一种天然朴素的想法是：对于我们构造的细分行业体系，针对每一个细分行业，从已有的ETF产品中找到跟它最为接近的产品每当我们看好该细分行业时，就相应投资这个最为接近的ETF产品作为实现方式
我们以持仓重合度占比作为细分行业与ETF产品接近程度的度量方式，其计算方式为持仓交集（细分行业，ETF基金）与持仓并集（细分行业，ETF基金）的比值：
持仓重合度（细分行业，ETF基金）＝ 持仓交集/持仓并集
分别测算每个细分行业对应的最相似的ETF基金，以及相应的相似度有较为直观对应ETF基金的行业多为金融周期与消费类的细分行业商业银行，酒类与它们的对应ETF相似度在0.99以上；家电，煤炭，资本市场，钢铁，房地产管理与开发与其对应ETF也有0.9以上相似度然而，大部分不那么受投资者关注的细分行业很难找到高度相似的ETF基金与相应ETF相似度在0.6以上的细分行业仅有19个，而与对应ETF相似度低于0.3的细分行业有42个之多图表：各细分行业最高持仓相似度分布
实践效果：长期难以跟上细分行业组合
按照逐一对应法，通过等权持有每个月行业轮动模型给出的8个细分行业所对应的最大相似度ETF基金，构建ETF组合在2010年2月至2021年6月区间内，ETF组合年化收益率10.3%，夏普比率0.52，最大回撤52%虽然相比大部分市场宽基指数有更高的收益，但相比其希望实现跟踪的细分行业组合却有非常大的差距，年化收益率仅为细分行业组合的一半左右
我们通过计算 log(细分行业组合净值/ETF组合净值) 的方式，来表达行业组合相对ETF组合在时间序列上的表现差异从下图看出，一直到2019年上半年之前，ETF组合都较为稳定地跑输行业组合，直到近2年，ETF组合的收益率才基本接近希望实现的细分行业组合
一个重要的原因在于，我国ETF指数发展正是从近几年开始大规模兴起站在发ETF基金的基金公司角度而言，满足当下市场最为热的投资需求，开发相应主题或指数的ETF是最好的选择因此像消费，成长等近几年一直较为强势的主题，或者像周期，金融等会有明显周期波动机会的行业，与它们相关的ETF产品会得到基金行业更为优先布局与发展因此当最近几年我们的行业轮动模型持仓也主要以这些行业为主时，就能以更为适合接近的ETF基金构造相应ETF组合
图表：逐一对应法下的ETF组合难以有效实现行业组合收益
注：计算区间为2010-02-01至2021-06-30
图表：ETF组合与细分行业组合收益特征比较
注：计算区间为2010-02-01至2021-06-30 若将轮动范围缩小到仅关注最优对应度足够高的细分行业与相应ETF产品，那么ETF组合的表现能有较为显著的提升假设我们仅取最优对应度超过0.3的29个细分行业作为轮动样本，轮动模型每次仍然推荐8个细分行业，并按照其对应的最大相似度ETF基金进行等权配置在2010年2月至2021年6月区间内，ETF组合年化收益率上升至14.0%，夏普比率0.67，最大回撤47%
然而通过这样选取拥有较好对应ETF基金的细分行业子样本，实际上是用上了未来信息的，并不能真的在现实投资中实现这是因为哪些细分行业在近几年有与之高相似度的ETF基金被发行出来，一定程度上取决于其之前的走势而这站在较久的历史时点是无法了解这一信息的
因此，逐一对应法虽然从逻辑以及实现手段上具有直观简洁的优势，但在当前ETF布局仍待继续完善的格局下，其对于行业轮动观点的实现度较为有限
图表: 相似度筛选后的ETF组合净值
注：计算区间为2010-02-01至2021-06-30
细分行业轮动在ETF投资上的应用：组合优化法
逻辑与方法：从最终持仓角度出发
逐一对应法效果不佳，我们尝试别的方式，尽量绕过某些个别行业没有较为接近的ETF基金的难点，来构建ETF组合
在构建ETF组合的流程上，逐一对应法的做法是对每个持有的细分行业寻找最优匹配的ETF基金，并替代完成最终组合而从最终持仓的角度，我们完全可以把所有持有的细分行业放在一起当作一个标的，根据它完整的成份股分布，用所有的ETF基于其各自的成份股数据，通过组合优化的方式，使得最终的ETF组合的成份分布与我们希望实现的细分行业配置尽可能的相近，即完成如下的优化问题：
实践效果：最近几年效果较好
按上述组合优化法每月调仓构造ETF组合，在2010年2月至2021年6月区间内，ETF组合年化收益率16.7%，夏普比率0.73，最大回撤47%虽然仍较细分行业组合仍有较大差距，但相比逐一对应法有较大程度提升
图表：ETF组合与细分行业组合净值对比
注：计算区间为2010-02-01至2021-06-30
图表：ETF组合与细分行业组合收益特征统计数据
注：计算区间为2010-02-01至2021-06-30
且通过观察ETF组合与细分行业组合的逐年收益，容易发现ETF组合难以较好实现行业观点的现象主要集中在2015年以前较早的历史阶段尤其在市场急涨急跌，个股收益波动较大且极具差异性的2015年，ETF组合与细分行业组合的差异被大幅放大
而从2016年起，随着ETF产品的多元化，ETF组合基本可以实现行业轮动观点带来的收益，最近3年甚至能在原有的行业组合基础上进一步增厚组合收益
图表: 2016年起组合优化法ETF组合效果优异
注：计算区间为2016-01-01至2021-06-30
图表：ETF组合与细分行业组合收益特征统计数据
注：计算区间为2010-02-01至2021-06-30
图表：ETF组合与细分行业组合逐年收益比较
注：计算区间为2010-02-01至2021-06-30总结 & 最新观点
总结
本文以投资落地为目标，讨论了行业轮动观点在ETF投资上的应用方式与可行性通过构建细分行业体系与ETF基金组合优化的方式，构建了基于行业轮动观点的ETF投资模型
构建更贴合投资可行性的细分行业体系：
以方便行业投资作为目的，参考GICS经济部门的板块划分，以Wind3级与4级行业为基础，通过拆分与拼接构建新的细分行业体系构建过程中着重考虑了同质性投资性和完备性三大原则：1. 根据产业的经济活动逻辑和行业发展的驱动因素，并充分考虑需求端的同质性与差异性；2. 要求行业具备一定的市场关注度与成交活跃度除电信服务保险等极个别具备自身独特风格的特殊行业外，考虑分散个股风险，控制行业成分股数量不少于十个；3. 分类方式基本实现对A股上市公司的全覆盖，且不存在一家公司同时属于多个行业的情况同时兼顾行业间规模的尽可能接近，做到行业间可比最终细分行业体系划分为11个板块，71个细分行业
结合宏观中观微观的行业轮动模型在细分行业体系上效果优异：
在中信一级行业体系上效果优秀的行业轮动模型，应用到新的细分行业体系下仍然显示出较为不错的行业截面预测能力，分组单调性优异以每期等权持有8个细分行业作为行业组合，在2010年2月至2021年6月近12年的样本区间内，组合年化收益21.3%，夏普比率0.89， 最大回撤47.8%相对于全细分行业等权基准年化超额收益11.5%，信息比率1.36，最大相对回撤14.6%
通过组合优化法，将细分行业观点转化为可投资的ETF组合：
根据行业轮动组合所有持仓行业指数所构成的完整成份股权重分布作为拟合对象，用所有的ETF基于其各自的成份股数据，通过组合优化的方式，使得最终的ETF组合的成份分布与我们希望实现的细分行业配置尽可能的相近从2016年开始，通过该方法构造的ETF组合基本可以实现行业轮动观点带来的收益，并且借由ETF跟踪指数在编制上带来的选股配置优势，最近3年甚至能在原有的行业组合基础上进一步增厚组合收益在2016年至2021年6月样本期间，组合优化法ETF组合的年化收益率18.1%，夏普比率0.82，最大回撤35%，各项数据均小幅好于对应细分行业组合表现
综合考虑到最近几年的回测结果，以及当下愈加完善的ETF产品市场，我们认为通过对ETF基金进行组合优化的方式来实现细分行业轮动观点是一个不错的ETF基金投资应用
最新细分行业观点与ETF组合持仓
根据7月底最新数据，8月观点及配置如下：
行业轮动模型推荐行业包括：
钢铁，煤炭，农业化工，电气部件与设备，家居，基础化工，家电，特种化工
对应推荐的ETF组合的持仓包括跟踪一下指数的ETF：
中证细分化工产业主题指数，中证钢铁指数，中证全指家用电器指数，中证新能源汽车指数，中证煤炭指数，中证500信息技术指数，中华交易服务半导体芯片行业指数
图表：以7月底数据计算给出的8月ETF组合持仓与权重明细
风险提示：本篇报告中的测试结果均基于模型与历史数据历史数据存在不被重复验证的可能，模型存在过拟合的风险本报告不对模型样本外的组合收益表现作任何保证
同时ETF基金亦存在跟踪误差带来的风险，本报告不对任何ETF基金的误差管理做任何保证
文章来源
本文摘自：2021年08月12日已经发布的行业轮动系列（3）：行业轮动在ETF投资上的运用分析员 胡骥聪 SAC 执业证书编号：S0080521010007 SFC CE Ref：BRF083
分析员 王 浩 SAC 执业证书编号：S0080516090001 SFC CE Ref：BMQ376
分析员 刘均伟 SAC 执业证书编号：S0080520120002 SFC CE Ref：BQR365
分析员 宋唯实 SAC 执业证书编号：S0080120090082 SFC CE Ref：BQG075
分析员 古 翔 SAC 执业证书编号：S0080521010010 SFC CE Ref：BRE496
分析员 王汉锋 SAC 执业证书编号：S0080513080002 SFC CE Ref：AND454
法律声明
向上滑动参见完整法律声明及二维码
关注 中金点睛
微信扫一扫关注公众号
