相似预期差行业轮动模型构建与表现 [page::0][page::1]

• 通过市盈率行业相对值、净资产收益率和资产增长率衡量股票间欧氏距离，筛选相似股票。

- 相似预期差因子计算为相似股票加权收益率与自身收益率之差。

• 历史样本期内因子IC均值为0.09，IC胜率63.11%，IR比率0.31，表现稳健。

- 多头Top 6组合年化收益率12.03%，最大回撤19.27%，收益波动比0.69，显著优于万得全A及行业等权指数。

动态分析师预期边际变化行业轮动模型及其绩效 [page::3][page::4]

• 因子基于近1月及3月一致预测收益变化率，采用打分法进行复合。

- 因子IC均值为0.06，IC胜率59.22%，IR比率0.22，显示有效行业筛选能力。

• 历史回测多头Top 6组合年化收益率9.58%，最大回撤31.83%，收益波动比0.51，绩效优于行业比较基准。

策略推荐行业与情景分析 [page::3][page::6]

| 行业轮动模型 | 2025年8月推荐行业 |
|------------------------------|--------------------------------------------------|
| 相似预期差行业轮动模型 | 煤炭、非银行金融、电子、石油石化、计算机、建材 |
| 动态分析师预期边际变化行业轮动模型 | 有色金属、钢铁、建材、农林牧渔、非银行金融、食品饮料 |

• 快速下跌、强劲反弹、震荡行情等多种情景下行业轮动策略展现稳定的超额收益能力，策略有效规避部分市场下行风险。

ETF组合构建及推荐 [page::6]

• 基于行业轮动观点构建ETF组合，包括煤炭、有色金属、非银行金融、电子、计算机等行业相关ETF。

- 重点ETF标的涵盖中证煤炭ETF、南方中证申万有色金属ETF、华宝中证全指证券公司ETF、国联安中证全指半导体产品与设备ETF及相关计算机软件ETF。

• ETF组合旨在实现行业配置策略的实操落地，帮助投资者通过ETF高效参与行业轮动。

风险提示与声明 [page::7][page::10]

• 市场环境变化可能影响因子表现，存在数据准确性风险。

- ETF组合策略不构成投资收益保证，投资需谨慎并结合自身风险承受能力。

• 报告仅供专业投资者参考，不作为具体投资建议。

【西南金工】行业配置策略与ETF组合构建（2025年8月）深度分析报告

---

1. 元数据与报告概览

• 报告标题：《【西南金工】行业配置策略与ETF组合构建（2025年8月）》

- 作者及机构：郑琳琳、王天业及团队，西南证券研究所，发布日期2025年8月4日

• 主题：基于量化模型的行业配置策略与ETF组合构建，涵盖“相似预期差行业轮动模型”和“分析师预期边际变化行业轮动模型”的构建与应用。

- 核心论点：
- 以量化因子构建行业轮动模型，识别未来行业表现趋势，形成月度投资配置建议。
- 对比市场基准，策略组合持续展现超额收益，风险收益表现优良。
- 构建行业ETF组合，力求复制模型优势，满足实际投资组合构建需求。

• 投资评级与目标价：报告不直接给出单个股票评级或目标价，而是提出行业级别的配置建议和ETF品种选择，为机构投资者提供行业配置指引。

- 主要信息：
- 两大核心模型均显示明显信息系数与预测能力；
- 模型多头组合收益显著超越市场对比基准；
- 表格与图表突出精准解释模型因子计算方法和历史绩效；
- 最新行业建议集中于煤炭、非银行金融、电子等传统与新兴热点行业；
- ETF组合对应当前市场资金流行与流动性最佳的相关品种；
- 风险提示系统完整，提醒投资者注意市场变化及数据准确性问题。[page::0-7]

---

2. 逐节深度解读

2.1 相似预期差行业轮动模型

• 模型简介：

- 该模型核心思想为“发现表现优异且相似但股价尚未涨幅显著的个股”，延伸至行业层面，通过市盈率相对值、净资产收益率（ROE）和资产增长率三元素计算欧氏距离衡量个股相似性。
- 通过距离阈值筛选相似股票，计算基于这些股票过去一个月收益的市值加权平均收益与目标个股上月收益差，定义“相似预期差因子”。
- 行业因子构建为板块内所有股票相似预期差因子的简单算数平均，体现行业整体的未反映优异表现潜力。

• 数学表达与技术细节：

- 股票间相似距离采用标准化市盈率行业相对值$\hat{PE}i^t$，其中行业相对值通过减去行业均值并除以标准差实现标准化，有效解决行业间PE绝对值差异带来的偏差。
- $\Delta ERi^{(t)}$计算权重为市值加权，保证优质大型相似股票权重足够重视。
- 该细节体现了模型对“历史表现与相似度双因子”的创新融合。

• 历史回测表现：

- 信息系数（IC）均值显著为0.09，IC与收益同方向比例63.11%，ICIR为0.31，表现统计学意义强（t统计量3.14）。
- IC统计图和累计IC趋势图显示该因子的预测能力存在稳定提升，尤其近年表现尤为突出（见图1）。

• 策略绩效：

- 多头Top6组合年化收益12.03%，远超万得全A指数4.67%和行业等权3.85%。
- 年化波动率略低于均值市场0.17对0.18，说明策略风险相对较好控制。
- 累计净值达到2.35，显示9年多倍收益增长。
- 最大回撤19.27%，较市场明显改善，体现较强风险控制能力。
- 月度收益率图 (图2) 与净值提升趋势 (图3) 都描绘策略持续超额收益创造过程。

• 推荐行业：

- 最新配置（2025年8月）为煤炭、非银行金融、电子、石油石化、计算机、建材六大行业，呈现能源周期+科技+金融混合风格。
- 历史月度推荐显示因子策略灵活调整，适应市场节奏（表3）[page::0-3]

2.2 动态分析师预期边际变化行业轮动模型

• 模型介绍：

- 根据分析师对未来每股收益预测变动速率，结合一月和三月两个时间窗口，一致预期的涨跌幅度，进行多级打分并采用市值加权，最终复合为行业动态分析师预期因子。
- 该方法将分析师预期的“边际变化”视为行业景气度及估值的风向标，增强预判未来收益趋势的能力。

• 历史回测表现：

- 信息系数均值为0.06，ICIR 0.22，IC胜率59.22%，t统计量2.23，呈现较好但略弱于相似预期差因子的预测能力。
- IC趋势和累计IC图（图4）显示该因子在后期上涨趋势延续，有一定的稳定预测能力。

• 策略表现：

- 多头Top6组合年化收益率9.58%，高于万得全A指数4.67%，但略低于相似预期差模型；
- 年化波动率0.19，略高于基准0.18，呈现较高波动带来的额外收益；
- 累计净值1.89，相较基准1.29明显更优；
- 最大回撤31.83%，与基准相近，显示一定程度的风险敞口；
- 近一年月度收益图（图5）和累积净值变化图（图6）配合，验证策略在不同市场环境表现稳健。

• 行业推荐：

- 2025年8月主推有色金属、钢铁、建材、农林牧渔、非银金融和食品饮料，核心覆盖大周期资源品与内需消费，体现预期的差异化与组合多样化（表6）[page::3-5]

2.3 模型汇总及行业配置观点

• 表7整合了两大模型的行业配置：

- 相似预期差轮动：煤炭、非银、电子、石油石化、计算机、建材；
- 分析师预期边际变化：有色金属、钢铁、建材、农林牧渔、非银、食品饮料。

• 两模型均强调资源周期及非银行金融板块，多元化且覆盖周期与成长板块。

- 情景分析（表8）显示两策略在快速下跌、强劲反弹、震荡行情阶段的相对收益表现，整体超额收益稳定，且能够在震荡及调整阶段相较行业等权获得相对优势。[page::5-6]

---

3. 图表深度解读

3.1 表1：相似预期差因子信息系数分析

• 清晰展示了因子0.09的IC均值，0.31的IC标准差，并伴随3.14显著t统计值，验证基于统计学的有效性。

- IC胜率63.11%意味着因子在超过半数时间内成功预测收益正负方向，具备实用价值。

3.2 图1：行业维度相似预期差因子IC统计图

• 柱状表示每月IC值，折线为累计IC；

- 从2017年1月开始，IC多月为负，逐步转为稳步上升，2022年后累计IC显著攀升，体现模型不断完善及适应市场。

• 自图来看，持续较强的行业层面预测能力，背后支撑模型在当下配置框架中的重要地位。

3.3 表2与图2、图3：相似预期差行业轮动策略表现

• 表2的数据量化策略相比基准提供了双倍以上年化收益率，且风险调整后表现突出。

- 图2反映策略月度超额收益波动，反映在行情复杂多变时策略仍具稳定性。

• 图3的净值曲线明显高于行业等权及万得全A，验证长期收益优势。

3.4 表4与图4：动态分析师预期因子统计表现

• IC均值虽低于相似预期差，但依然显著正向，验证其作为补充信号的有效性。

- 图4呈现IC稳定但波动较大，模型对市场不确定性敏感。

3.5 表5与图5、图6：动态分析师预期策略表现

• 表5显示策略同样跑赢基准，但收益与波动率均较高，说明风险-收益结构有所不同。

- 图5、6分别反映月度超额收益波动和净值成长，以支持该策略真实表现。

3.6 表9：ETF组合相关基金标的

• 各细分行业对应多个ETF基金标的，份额均大于1亿，且覆盖煤炭、有色金属、非银金融、电子、计算机等行业，样本具备流动性与市场代表性。

- ETF选择充分体现了行业组合实际操作可行性，方便投资者进行低成本复制。

• 具体基金例：

- 煤炭ETF：国泰/中证煤炭ETF，主力份额66.93亿份；
- 电子领域半导体ETF数量多，涵盖半导体、芯片等细分领域，保证策略多元性；
- 计算机类ETF，从软件、大数据到计算机应用层面均有覆盖。

• 该详细基金列表为组合构建提供了细致实施路径。[page::1-9]

---

4. 估值分析

本报告重在量化行业配置与ETF组合构建，未直接给出企业估值模型和目标价，体现渠道为客观量化信号驱动的投资建议。

• 采用的核心“估值”方法为基于行业市盈率相对值的标准化处理，作为个股相似度距离的重要指标之一。

- 行业选股逻辑和组合推荐依赖于因子回测的累计净值和相对收益表现，隐含风险调整后的估值判断。

• ETF组合关注资金流动性和市场容量，间接反映市场对板块估值认可度。

- 若结合企业层面估值，报告暗示PE、ROE等核心指标的相对行业均值与标准差，保证选股和行业配置基于相对价值分析。

这类以量化指标和统计回测为基础的估值体系，依赖于历史数据的统计稳定性而非传统DCF或绝对估值方法，适合行业轮动和配置策略。敏感性主要来自模型因子的变化和市场风格切换。

---

5. 风险因素评估

• 市场环境变化风险：模型和因子基于历史数据，当未来市场风格、宏观环境发生重大变化，历史预期效应可能失灵，策略收益无法保证。

- 数据准确性风险：数据依赖第三方提供，如Wind，存在数据错误或延迟的可能，影响因子计算与信号准确性。

• ETF组合风险：

- ETF价格受市场流动性、交易费率、跟踪误差影响；
- 宏观因素、行业周期波动、风格轮动对基金表现均有影响。

• 策略回撤风险：

- 最大回撤接近20%-30%，投资者需能承受一定程度资金波动。

• 策略模型局限：

- 量化因子可能存在过拟合风险，实际中可能受限于行业结构变化和政策风险。

• 缓解策略：

- 报告本身未具体详述缓解方法，但提示投资者注意风险承受能力，理性投资。

• 投资者教育强调：

- 明确ETF组合不构成投资保证；建议结合自身情况审慎决策。[page::6-7]

---

6. 批判性视角与细微差别

• 因子有效性：

- 虽然因子均显著，但IC均值较低(0.06-0.09)体现预测能力有限，信息量有限；
- 这类中低IC因子虽能稳定获取超额收益，但对投资者要求严格的风险控制和高频调仓。

• 收益波动率对比：

- 动态分析师预期模型最大回撤较大，可能带来较大资本波动，适合风险承受能力较强投资者。

• 策略时间跨度：

- 虽然样本期长，但是早期IC多为负，模型预测能力提升较近期集中，表现有一定阶段依赖。

• 数据与模型假设：

- 市盈率行业相对值作为距离计算基础，假定行业估值合理且可比，现实中不同行业轮动频繁，可能弱化此假设。

• ETF配置限制：

- ETF品种虽丰富，但对小型细分行业覆盖不足，可能影响模型完全复制的精准性。

• 情景分析中，快速反弹期策略表现差异较大，存在短期策略择时能力不足问题。

- 持仓集中度、换手率等策略执行成本未涉及，投资者需结合执行难度评估实际收益。

整体来看，报告客观数据充分，逻辑严密，但对策略复杂性和执行风险的警示略显不足。

---

7. 结论性综合

本报告基于严格量化因子构建两套行业轮动策略，分别为“相似预期差行业轮动模型”和“动态分析师预期边际变化行业轮动模型”。两套模型均基于历史面板数据，通过严谨的数学处理和行业视角有效筛选具备超额收益潜力的行业板块：

• 核心贡献：

- 因子定义创新，尤其“相似预期差”结合相似度与历史收益，赋予模型良好预测能力和实用性。
- 模型各自均展现了正向IC和超额收益，优秀的风险调整回报以及适度的最大回撤水平。
- 策略通过Top6多头组合展现了明显跑赢行业等权和大盘指数的能力，证明有效提升选行业精度。
- ETF组合细致覆盖核心推荐行业，结合大额份额基金，确保落地操作的流动性和代表性。

• 图表支撑：

- 表1、4显示各因子IC统计特征，数据真实有效。
- 图1、4展示因子IC的时间演化，反映预测力的演进。
- 表2、5及图2、3、5、6展现策略收益率和净值增长的强劲表现，超越基准具备投资价值。
- 表9详细基金支持行业配置的ETF选择，保障组合构建的可执行性。
- 情景分析表8深化理解策略在多种市场条件下的表现，增强策略在不同环境的稳健性判断。

• 总体判断：

- 结合策略历史表现与最新行业配置，报告推荐煤炭、非银行金融、电子、石油石化、计算机、建材（相似预期差模型）及有色金属、钢铁、建材、农林牧渔、非银金融、食品饮料（分析师预期模型）为2025年8月重点关注行业。
- ETF组合与行业配置高度匹配，投资者可结合自身需求实施配置及投资。
- 风险提示充分，投资者需合理评估模型假设和未来市场可能影响。

报 告为机构投资者提供了数据支撑充分、逻辑清晰且结合实务操作的行业配置与ETF组合研究方案，具有较强的参考价值与实操意义，优化投资决策流程。

---

参考文献标注

• 所有数据、图表、模型构建细节均来源于报告页码：0-10。[page::0-10]

---

图表示例引用

• 图1：行业维度相似预期差因子IC统计图

• 图2：近一年相似预期差行业轮动策略月度收益率

• 图3：相似预期差多头策略与市场指数净值变化图

• 图4：动态分析师预期因子IC统计图

• 图5：近一年动态分析师预期行业轮动策略月度收益率

• 图6：动态分析师预期多头策略与市场指数净值变化图

---

（完）

报告