2022年基金专题研究 赛道ETF聚焦型投资利器

1、引言

ETF 作为一种可在场内交易的开放式基金，具有持仓透明、费率低廉、交易便 捷等多种优点。近五年来伴随着主题行业投资的快速发展，权益 ETF 也驶入发展快 车道，2018 年~2021 年规模的年化复合增速达到 47%，目前整体规模已超 9000 亿 元。从 ETF 的底层资产类别来看，也日益丰富，涵盖了国内权益、债券、货币、商 品，海外市场等等众多大类资产。无论从资产配置层面，还是中观赛道行业配置层 面，种类缤纷的 ETF 产品为打造多元收益 FOF 提供了无限的可能性。

权益类 ETF 底层资产为一篮子股票，成分股数量多在 30 只~50 只之间，可将 权益 ETF 分为宽基 ETF、赛道 ETF 与风格 ETF（Smart Beta），其中 2018Q2- 2019Q2 的规模增长主要来源于宽基 ETF，四个季度累计规模增长超 1300 亿元，险 资左侧低位布局指数是这轮行情主要的推手；2019Q2-2020Q4 的规模增长主要来源 于赛道 ETF，代表性题材是科技、消费、医药等，六个季度累计规模增长超 2400 亿 元，规模增长由净值上涨、新基金发行、存量基金份额增长三重因素共同贡献； 2020Q4 至今，宽基类、赛道类 ETF 整体仍然保持扩张趋势，截止 2022Q2，赛道 ETF 规模已超宽基 ETF，达到 4725 亿元，占据半壁江山。

赛道 ETF 是跟踪某行业/主题/赛道指数的 ETF 产品，其标的丰富度远大于宽基 指数，不管是同属一个行业、一个产业链、一个地域、一个概念，只要存在统一的股 价驱动逻辑，理论上都能发行赛道 ETF。截止 2022Q2，赛道 ETF 数量接近 400 只， 呈现多点开花的格局，赛道型 ETF 是投资特定 Beta 并分散个股风险的最方便的工 具，Beta 之间收益分化差距极大，优秀的赛道 ETF 轮动策略可以获取不菲的收益， 不管是作为主策略还是 FOF 组合的子策略都能提升整体组合的弹性和收益预期，本篇报告聚焦于赛道型 ETF，探究赛道 ETF 轮动策略实现形式。

2、赛道ETF：聚焦型投资利器

2.1、从行业轮动到赛道ETF轮动

行业轮动与赛道 ETF 轮动之间，许多框架是相通的，但两者同样存在差异。对 于行业轮动来说： 1、行业与行业之间的界限是清晰的，单只股票仅仅属于单个行业，行业与行业 之间在个股上是互斥的；2、一个行业可能包含上百只股票，主营业务相关的龙头票和小票均会包含在特 定行业中； 3、落地到投资端时还需要进行一定的调整操作，因为市场上可能不存在能够完 美表征某个行业全部个股的基金产品或是 ETF，一般寻找一个成分股最为类似的 ETF 或是与指定行业跟踪误差最小的 ETF，或是直接购买行业龙头股票作为行业表 征。

对于赛道 ETF 轮动来说，其基本逻辑基于行业轮动，但又与行业轮动存在差别： 1、赛道与赛道之间往往存在重叠成分股，例如新能车 ETF（515700.SH）和碳 中和龙头 ETF（512580.SH）成分股中都包含宁德时代，在不同的投资逻辑驱动下， 单只个股可能属于不同的主题； 2、赛道 ETF 一般成分股为 30~50 只，多为流动性良好的个股，在颗粒度上比 宽泛的行业或是板块更加聚焦，贴合实际投资标的，且可以在场内非常方便地买入；

3、阶段性收益较高的 ETF 可能聚焦了某个投资热点，这种热点在行业划分上 可能跨越几个行业，例如 2021 年收益较高的光伏 ETF（515790.SH）、煤炭 ETF （515220.SH）、新能车 ETF（515700.SH）在中信一级行业上都有一定的跨越，如 果我们仅投资单个行业，可能会错过这种虽然跨越了几个行业、但对市场热点聚焦的比较好的 ETF 产品。 赛道 ETF 轮动是行业轮动的具体实现形式，落实到了具体的投资标的，但主题 和主题之间存在重叠成分股，因此需要对赛道 ETF 进行合理分类，同分类中选择的 ETF 数量需要控制，防止在某些个股上极端暴露。

2.2、如何进行合理的赛道ETF分类？

在构造 ETF 轮动策略之前，首先对权益 ETF 进行筛选，得到赛道 ETF 池，并 且进行合理的主题分类，分为以下三步： 1、从全体权益 ETF 中（603 只，9454 亿）剔除宽基 ETF、风格 ETF（主要是 红利、成长、ESG 等），筛选得到 393 只、4725 亿规模的赛道型 ETF。 2、单个指数上存在多只跟踪产品的，保留规模最大的一只 ETF，例如中证全指 证券公司指数（399975.SZ）共有 11 只 ETF 跟踪，选择规模最大的 512880.SH，筛选得到 220 只独立的赛道 ETF（赛道指数）。

3、即使是独立的 ETF 之间有可能存在很高的成分股重叠度，计算每两只 ETF 之间的重叠成分股权重，分层聚类，再基于逻辑对赛道 ETF 进行主题分类， 部分特殊 ETF 也做剔除处理，例如以下几种情况，①所指赛道不明晰：非 周期 ETF，②混合市场 ETF：A 股+港股医药 ETF，③特殊事件驱动 ETF： 国企改革 ETF，④地域类 ETF：大湾区 ETF。

最终我们整理归纳出 59 个主题用于轮动，目前规模较大的 ETF 主题包括证券、芯片、医药、军工、新能源、银行、碳中和、光伏、消费、食品饮料 等，证券作为目前规模最大的 ETF 主题，于 2019~2020 年快速扩张，截止 2022/8/31 规模约 710 亿元，单个基准上的跟踪产品竞争激烈。芯片主题在 2020 年初规模急 剧上升，目前规模达到 491 亿元，医药主题 2019 年至今规模稳步上升，目前达到 438 亿元。

将这 59 个主题归纳到 6 大板块中，可以发现，金融地产板块细分赛道较少， ETF 产品多为银行、地产、证券、保险，或是两两组合，但规模占比达到 25%，是 最大的一个板块。中游制造与 TMT 板块规模分别占 24%、22%，但这两个板块颗粒 度较粗，板块内异质性极强，在不同的投资逻辑与领域中可以发展出颗粒度较细的多个子赛道，尤其是 TMT 板块，涉及 24 个主题，可供投资标的非常丰富。

我们认为，在一个赛道 ETF 布局覆盖比较全面的市场中，使用 ETF 来构造行业 轮动组合收益可期。统计赛道 ETF 成分股在中信一级行业的市值覆盖度，例如，有色金属 2021 年的市值覆盖度为 97%，代表赛道 ETF 涉及持股的原 始股票流通市值涵盖有色金属行业的 97%，数字越大，赛道 ETF 在这个行业的布局 越完备，2017 年往后，随着一些稀有标的产品逐渐发行，赛道 ETF 基本实现了对 全行业的全面布局。

3、赛道指数的五维度轮动框架

本节探讨如何使用赛道 ETF 来构造高弹性的轮动策略，我们主要使用自下而上 的信号以及 ETF 产品层面的特点来构造赛道 ETF 轮动组合，创建一个五维度 ETF 轮动模型，分别从盈利的边际改善、动量、北向资金、拥挤度、产品内部牵引力展开 讨论。

由于早年间许多赛道 ETF 产品尚未成立，行业覆盖度较低，因此在横截面对比 时可能无法选到市场上真正优秀的投资主题，虽然早年间有些 ETF 产品尚未成立， 但指数成立的时间会更早一些，ETF 产品的业绩基本由指数所决定，因此我们可以 使用现存赛道 ETF 产品跟踪的所有指数来模拟 ETF 轮动组合，回测条件如下： 1、样本域：现存赛道型 ETF 跟踪的所有指数； 2、回测时间：2012/12/31~2022/8/31； 3、调仓频率：每月末调仓。

3.1、基本面：盈利的边际改善

个股的盈利改善是股价上涨的基本面驱动力，因此我们重点关注。首先在个股 层面上测算历史盈利状况（净利润、ROE）的边际改善、以及分析师预期视角下的 营收、净利润的同比、环比变化，其次对每个指标纳入边际变化的历史分位数作为 过去一年盈利改善幅度高低的表征指标，此外 SUE（预期外盈余）作为选股的有效 指标，我们同样纳入框架中，最终根据指数在个股上的配置权重，汇总得到指数层面 的因子。

3.2、技术面：动量的预测效果

国内市场不管是主动权益基金还是指数都存在一定的动量效应，分别计算各个 赛道指数在过去 12 个月、6 个月、3 个月的收益率以及其相对于中证全指的信息比 作为动量因子值，图表 18 为各动量因子选赛道指数的效果。

从测算结果来看，回溯时间达到 12 个月时动量效应更显著，但整体胜率比较有 限，多头的年化超额主要是由高盈亏比带来的，选用过去 12 个月的收益率以及信息 比率等权合成作为动量因子 Mark_MOM，rankIC 为 6.96%、ICIR 为 0.65，多头年 化超额为 5.13%。 动量因子分五组净值与超额、多空收益曲线分组保 持单调，多空超额对称，长期来看，动量因子在 2019 年至 2021 年上半年表现较好， 多空曲线稳定上涨，回撤较大时间段为 2016 年前以及 2021 年 9~12 月。

3.3、聪明钱的指引：北向资金

北向资金具有较强的选股、选行业与择时能力，可以称之为“聪明钱”，追踪北 向资金的流入流出可以较好地把握市场的投资热点，我们主要计算： 1、北向持仓市值占个股流通市值的比例、北向持仓市值占北向资金总持仓的比 例； 2、关注持仓占比相对于过去一段时间均值的差，即当前持仓相对于过去平均是 高还是低； 3、关注持仓占比相对于过去 6 或 3 个月的环比变化。

3.4、使用三维度合成赛道指数基础轮动模型

综合基本面：盈利的边际改善、技术面：动量的预测效果、“聪明钱”北向资金 的指引，将 3.1、3.2、3.3 所获取的 Mark_Fundamental、Mark_MOM、Mark_SHSC 等权合成赛道指数评分。 首先使用这三个维度来合成一个赛道指数的基础轮动模型，每月底选择得分最 高的 5 个指数，为了防止在用一个主题过度暴露，单个主题中最多选择一个赛道指 数。

3.5、主题拥挤导致负向收益

回顾赛道指数基础轮动模型，我们发现，虽然有些主题指数的三维度因子得分 都很好，然而未来的收益排序非常靠后，将此类样本提取统计后发现多为当期拥挤 交易的主题，图表27为某赛道指数点位高低与成分股整体20日换手率的变化情况， 从图中较为清晰地反映了指数的快速上涨往往伴随着换手的提升，即交易热度的上 升，在交易热度达到顶峰后指数表现为过于拥挤，后续有很大概率下跌。

因此我们希望在赛道指数轮动中纳入第四个维度，即交易拥挤度。使用当期换 手率（过去 10 日/20 日均值）相对于过去一段时间换手率均值（过去 120 日/240 日 /480 日）的差来表征当前交易拥挤度，当这个指标过高时，代表最近一段时间的交 易相对于历史情况过于拥挤。我们测算不同回溯期拥挤度因子的轮动效果，发现拥挤度因子本身并无实质轮动效果。

那么拥挤度因子对于主题的未来收益预测能力表现在何处？我们使用基本面因 子与拥挤度因子（Turnover_20d_240d）双分组排序后描述这种特征，横向代表基本面因子得分从低到高，得分越高，代表预期未来收益越高，纵向代 表拥挤度因子得分从低到高，得分越高表示越拥挤，图中数字为 3×3 共 9 个组合的 年化实现超额收益率。

我们发现，首先，基本面因子得分越高，组合未来收益越好，与 3.1 结论一致， 其次，拥挤度因子得分与未来收益的关系，在高基本面因子得分组和低基本面因子 得分组是不同的，在高基本面因子得分组（最右列），拥挤度越高，组合超额收益越 差，在低基本面因子得分组（最左列），拥挤度越低，组合超额收益越差，并且这种 现象非常显著。 正是因为拥挤度因子在不同预期收益组，对未来收益的指示方向完全相反，才 会导致拥挤度因子本身并无轮动效果，从逻辑的角度解析，高拥挤度（第三行）意味 着成交异常活跃，买卖量的增大很有可能是市场对该主题的未来运动方向存在较大 分歧，分歧较大时因子得分对未来收益的区分度更低，而低拥挤度（第一行）意味着 市场分歧较小，因子得分对未来收益的预测效果较为优秀。

赛道指数轮动组合年化收益为 23.19%，相对基准（所有赛道指数指数等权）年 化超额为 16.51%，相对 3.4 中的策略有年化 4.75%的提升，过去 10 年中有 9 年能 够跑赢基准，且负向收益年份 2016、2018、2022 年都有了较为显著的提升，剔除 拥挤度过高的行业能够为组合带来正贡献，尤其是在避开大幅下跌行业时发挥了重 要作用。

3.6、放大弹性：成分股牵引力

华安金工在 2022/2/6 发布的报告《揭秘布局优秀行业主题基金的“必要条件”》 中，深入探讨了从赛道 ETF 产品的设计角度来看，一只具有规模潜力的 ETF 应该满 足的一些“必要条件”，包括合适的股票数量、预期未来业绩、行业内集中分散程度、 潜在市值容量、Beta 与波动的高低、成分股内驱动力的一致程度。 从策略构建的角度来说，我们看好某个投资主题时，更倾向于配置市场上最接 近这个投资逻辑的 ETF。红色粗线表示强驱动力，红色细线表示弱 驱动力，ETF-1 的三只个股均主要受到驱动力 A 的影响，而 ETF-2 的三只个股内部驱动力分化比较严重，结构较为松散。当我们看好驱动力 A 时，直觉上更倾向于配 置 ETF-1。

我们将驱动力对 ETF 成分股的影响强弱，概括为过去一段时间内成分股股价走 势的一致程度，作为 ETF 内部的成分股牵引力，牵引力越高，代表过去一段时间成 分股走势越相似。计算时，使用过去半年的数据将个股收益率对指数收益率进行回 归，计算指数对于行业内个股股价的解释度 2，然后计算该指数内每只个股的 2加 权均值，作为衡量行业内股价走势一致度的指标。当 2 = 1时，表明个股收益完全 是由指数收益所驱动，指数的成分股牵引力越强，可以完全表征某个驱动力， 2越 小，代表指数内个股受到的驱动因素越多，成分股牵引力越弱，颗粒度比较粗，产品 结构比较松散。

直觉来看，当我们看好某个主题时，需要配置该主题下牵引力最强的那个产品。 需要注意的是，不同的主题内存在天然的牵引力强弱差异，例如证券、白酒等主题， 其个股盈利逻辑清晰，主题内个股往往同涨同跌，而中游以及 TMT 板块的一些主题， 可能内部成分股仍然存在分化，然而，这并不意味着我们永远不配置此类主题，只是 需要在考虑同类主题下的产品时，选择成分股牵引力更高的指数去配置。

从数据层面我们也可以验证这个直觉性的结论，使用基本面因子与牵引力因子 双分组排序，横向代表基本面因子得分从低到高，得分越高，代表 预期未来收益越高，纵向代表牵引力因子得分从弱到强，图中数字为 3×3 共 9 个组 合的年化实现超额收益率。

我们发现，在高基本面因子得分组（最右列），牵引力越强，组合超额收益越高， 而在低基本面因子得分组（最左列），牵引力越强，组合超额收益越差，牵引力在高 预期收益组和低预期收益组的影响方向也是相反的，也就是说，选择强牵引力的标 的实质上是对 Beta 的完全捕捉甚至是放大，在构造高弹性组合或是拥有胜率极高 的轮动策略时，牵引力能够进一步放大收益。 再在第 3.5 节的策略基础上加入第五个维度，牵引力的考虑，之前构造的赛道 指数轮动组合，每个主题我们仅选取一个指数，当一个主题内有多个指数时，简单地 选择得分最高的那个指数进行配置，在本节中，我们将这个条件替换为：当一个主题 内有多个指数时，选择牵引力最强的那个指数进行配置，由此构建的赛道指数轮动 组合分年度表现与净值曲线。

赛道指数轮动组合年化收益为 24.43%，相对基准（所有赛道指数等权）年化超 额为 17.76%，相比于第 3.5 节中的策略夏普比更优，今年收益效果变差，主要由于 年初的主题信号错判后，牵引力进一步放大这种错判所导致的，因此对于牵引力指 标，倾向于在更高弹性的组合中应用，且需要具有比较高的轮动胜率。

3.7、稳健性测试：不同持有只数

赛道指数总共归类为 59 个主题，前文测试条件下，每一期选择 5 个主题，同一 个主题下最多选择 1 只产品，策略比较激进，本节我们将持有主题数放宽： 测算假设 1：持有 8 只产品代表 8 个主题，每个主题下最多选 1 只； 测算假设 2：持有 10 只产品代表 10 个主题，每个主题下最多选 1 只； 测算假设 3：持有 10 只产品，每个主题下最多选 2 只，代表的主题数不定；可以看到，当每一个主题仅选择一只产品时，随着持有只数的上升，年化收益率 下降，夏普比率下降，波动率也下降。当赛道指数轮动组合作为单策略时，持有 5 只 数量比较少，持有 10 只左右更加合适，当赛道指数轮动组合作为弹性组合附加到 FOF 组合中时，持有 5 只左右可以很好地放大收益，如果需要降低产品端的风险时， 可以在同一个主题下持有 2 只产品。

3.8、真实ETF轮动策略收益测算与最新持仓

鉴于早年间许多赛道 ETF 产品尚未成立，行业覆盖度较低，因此前文我们使用 赛道 ETF 指数来模拟测算轮动策略的收益效果，ETF 收益虽然基本与指数收益类 似，但仍存在一定的跟踪误差。2020 年后，ETF 发行数量激增，布局覆盖比较全面， 因此本节我们将回测时间段划分为两段：①2012/12/31~2019/12/13，由于产品布局 有限，仍然使用赛道指数模拟；② 2020/1/1~2022/8/31，整体赛道 ETF 市场已成规 模，使用真实的 ETF 产品净值进行测算，每一期选择得分最高的 5 只 ETF，对于同 一个主题，选择内部牵引力最强的指数，对于同一个指数，选择规模最大的 ETF。

使用真实 ETF 测算条件下，2020~2021 年仍然可以获得十分可观的超额收益， 今年表现与指数模拟十分类似。未来的赛道 ETF 市场，可选 Beta 丰富，主题布局 全面，赛道 ETF 构造轮动策略，不管是作为主策略还是 FOF 组合的子策略都能提 升整体组合的弹性和收益预期。ETF 轮动组合近三个月持仓情况与各维度评分截止最新 2022/8/31，建议配置碳中和龙头 ETF、车联网 ETF、食品饮料 ETF、煤炭 ETF、 电力 ETF。

4、总结

自从权益ETF 发展驶入快车道以来，2018 年~2021年年化复合增速达到 47%， 目前整体规模已超 9000 亿元。赛道 ETF 是跟踪某行业/主题/赛道指数的 ETF 产品， 不同于宽基 ETF、风格 ETF，赛道 ETF 只要同属一个行业、一个产业链、一个地域、 一个概念，存在统一的股价驱动逻辑，都能发展成 ETF 产品。截止 2022Q2，赛道 ETF 数量接近 400 只，呈现多点开花的格局，赛道型 ETF 是投资特定 Beta 并分散 个股风险的最方便的工具，Beta 之间收益分化差距极大，优秀的赛道 ETF 轮动策略 可以获取不菲的收益，本篇报告聚焦于赛道型 ETF，探究赛道 ETF 轮动策略的实现形式。

赛道 ETF 轮动以行业轮动策略为基石，但又与行业轮动存在差别：赛道与赛道 之间往往存在重叠成分股，赛道 ETF 一般成分股为 30~50 只，颗粒度更细，贴合实 际投资标的，热点性 ETF 可能会跨越几个行业，为防止 ETF 轮动组合在个股上的极 端暴露，首先对赛道 ETF 进行合理分类，同分类中选择的 ETF 数量需要控制。 我们主要使用自下而上的信号以及 ETF 产品层面的特点来构造赛道 ETF 轮动 组合，分别从盈利的边际改善、动量、北向资金、拥挤度、产品内部牵引力展开讨论， 盈利的边际改善、动量、北向资金，都能对未来指数收益产生明显的预测效果，此外 发现，预期收益较高且拥挤度较高的行业未来很可能会出现负向收益，因此需要做 一定的拥挤度剔除操作，有效降低回撤。在同一个主题内选择产品时，倾向于选择强 牵引力的标的，以实现对 Beta 的完全捕捉甚至是放大。

编辑：JACK