1 如何定义行业轮动基金

1.1 基础基金池

近年来，A 股市场行业轮动特征明显，而多数主动权益基金经理出身于行业研究员，能 力圈集中在过去深入研究的行业，而后慢慢拓展。市场行业风格的轮动导致基金业绩产生较 大分化。市场开始关注行业轮动能力强的基金经理，但受合同约定、基金规模和能力圈等因 素的影响，多数主动权益基金经理对短期行业轮动的精准把握难度较大。本文旨在优选具备 行业轮动能力的基金经理，并希望跟踪优秀行业轮动基金经理的持仓，为投资者提供一定的 投资建议。 对于行业轮动基金的选择，我们首先需要明确定义行业轮动基金池。从主动权益基金池 中剔除行业主题型基金，可以作为我们基础基金池。

（1）主动权益基金池：对于主动权益基金，由于基金股票仓位变动、基金经理跳槽离 职等问题，为了更全面测试选基因子有效性，我们对基金做以下筛选处理： 1）主动权益基金池：普通股票型、偏股混合型、灵活配置型，只保留初始基金。 2）基金股票仓位：过去两年股票平均仓位均值大于 60%。 3）基金任职时间：基金经理连续任职时间超过两年。 （2）非行业主题基金：对于行业轮动基金，我们需要剔除行业主题基金这类特征鲜明、 不进行行业轮动的基金。

结合西南金工报告《基于行业主题划分的主被动基金选择分析》，对行业主题产品划分 为两类，一类是基于短期博反弹的细分赛道行业主题，一类是基于长期配置思维的宽行业主 题。对于前者的筛选，主要采用持仓法对基金进行行业主题分类。观察基金历史持仓，若该 基金在某个行业的历史持仓长期高于某一阈值，则可以说明该基金的风格属于该行业。我们 将仅依靠行业仓位筛选的主动基金池，称为“纯粹类基金池”；对于后者，有些基金在名称内也明确表明了该基金投资的行业主题，在纯粹类主被动基金池的基础上添加带有行业关键 词的基金得到的新基金池，我们称其为“宽范围基金池”。

具体而言，根据目前 A 股市场的 6 大板块以及 30 个中信一级行业分类，本文划分出包 括食品饮料行业主题，国防军工行业主题在内一共 9 个行业主题以及包括大消费，TMT在内 的 6 个泛宽基主题。值得注意的是，医药行业主题与医药泛宽基主题筛选方法一致。

1.2 高行业轮动基金池

在剔除行业主题基金之后，我们还需要判断基金是否具有行业轮动行为。本文使用行业 轮动度来衡量基金是否有行业轮动操作行为。 行业轮动度即比较当期行业配置比例与上期行业配置比例的变动绝对值。同时考虑行业 市值的变动和市场基准，我们选择使用基金行业配置与市场基准行业配置的差值作为基金行 业超低配比例，对比超低配比例与上一期的变动绝对值。

行业轮动度的计算方式为： ??????????? = ∑|(??,?,? − ??,?,? ) − (??,?,?−1 − ??,?,?−1 )| ? ?=1 其中，??,?,?为基金 f 在 t 时刻行业 i 上归一化后的配置比例，?? ,?,?是基准在 t 时刻行业 i 上的配置比例。本文选用中证 800 成分股作为我们的行业配置比例基准。 每期在非行业主题基金池中筛选出行业轮动度过去两年（四期）均值排名前 50%的基金 作为高行业轮动度基金池。

1.3 行业轮动目标基金池

在定义高行业轮动度基金池后，我们参考市场上基金经理的行业配置行为，对行业轮动 基金进行进一步的筛选，主要考虑基金的换手率和行业集中度。

我们在考虑行业轮动度的同时，也需要考虑基金的换手率。部分基金有高换手特征，个 股交易频率高，这将被动导致基金的行业轮动度也较高。但这类基金并不是我们目标的行业 轮动基金，因此需要通过指标筛选予以剔除。 结合换手率，我们可以对行业轮动度进行换手率中性化。将行业轮动度对换手率回归得 到的残差作为换手率中性化后的行业轮动度，即???????。 ??????????? = ? + ? ???????? + ? ??????? = ? 其中，??????????? 为基金当期的行业轮动度，???????? 为基金当期换手率。对于基金池 的行业轮动度和换手率统一做归一化后，进行截面回归，得到换手率中性化后的行业轮动度 ???????。

每期在高行业轮动基金池中筛选出中性化行业轮动度过去两年（四期）均值排名前 50% 的基金。如下图所示，将行业换手率中性化后，能区分高轮动高换手的基金区分开，以获得 在高换手基金中具有更高行业轮动度的基金。

另一方面，我们认为在进行行业切换的基金经理可分为两类，一类是温和做行业轮动的 基金经理，另一类是压赛道的基金经理，后者往往行业集中度高，且一旦压准赛道后，行业 轮动速度较慢。压赛道的这类基金并不是我们目标的行业轮动基金，因此也需要通过指标筛 选予以剔除。 本文定义行业集中度来衡量基金经理对于行业配置是集中还是分散。如果该基金的行业 配置比例与基准行业配置相近，行业配置较为分散；如果与基准的行业配置偏离较大，则说 明其持仓行业较集中，可能体现为压赛道选手。

集中度 = ∑ (??,? − ??,??800,? ) 2 ? ?=1 ? 其中，??,?为基金在 t 时刻行业 i 上归一化后的配置比例，??,??800,?是基准中证 800 在 t 时刻行业 i 上的配置比例。 通过统计分析，在非行业主题基金池中，根据 2022 年报计算的行业集中度均值为 0.44%， 中位数为 0.3%。从直方图可明显看出行业集中度呈现右偏，我们希望截断尾部中行业集中 度明显偏高的基金。箱型图中将行业集中度大于 1%的数据点设为离群值，直方图中在 1.2% 附近出现厚尾，最后我们截断行业集中度大于 1.2%的基金，1.2%的行业集中度在基金池中 分位数为 95%。因此我们进一步剔除集中度分位数大于 95%的基金，认为这些基金可能为 压赛道型基金。

综上，在高行业轮动基金池基础上，剔除过去两年（四期）换手率中性化行业轮动度排 名后 50%，以及行业集中度大于 95%分位数的基金，进一步得到行业轮动目标基金池。截 至 2023 中报，行业轮动目标基金池包含 482 只基金。

2 基金优选因子

2.1 优选因子表

对于现有的基金池，我们希望基于行业轮动基金的特征，构建有效的基金优选因子选择 未来业绩表现较优的行业轮动基金。 我们从基金评价的角度切入，主要通过基金持仓数据、净值数据和基金特征将基金优选 因子分为以下五大类因子。其中，根据基金持仓数据，可以将基金经理的能力分为行业轮动 能力、选股能力和交易能力。

对选基因子测试进行相关说明： 基金池：非行业主题基金池、高行业轮动基金池和行 业轮动目标基金池基金池。 1） 测试区间：2018-08-31 至 2023-09-30。 2） 因子计算频率：月度。若因子数据未更新，使用上一期的因子值。 3） 基金因子考察期：现任基金经理过去一年均值。 4） 数据预处理：因子横截面标准化。 5） 因子有效性测试方法：分别利用分层回测法和 IC 法对因子有效性进行测试。

2.2 行业轮动能力

对于行业轮动基金，最重要的是衡量基金的行业轮动能力。参考 Brinson 模型的收益拆 分逻辑，本文通过基金的行业超低配置比例和行业超额收益构建基金行业轮动精准度因子。 本文使用的基准为中证 800，计算基金行业仓位相对中证 800 成份股行业的超低配比例，行 业下一期超额收益使用中证 800 成分股所属行业相对中证 800 在下一季度的超额收益。 本文计算行业轮动精准度的数据为半年报和年报的全部持股数据，因此行业轮动精准度 因子每年 2 期，更新时间分别为 3 月底和 9 月底。

针对行业轮动精确度因子的构建细节，本节主要从三个方面计算不同的行业轮动精准度 算法： 1） 不同行业配置能力：静态行业配置能力和动态行业配置能力。 2） 不同行业细分等级：一级行业和二级行业。 3） 不同收益的计算方式：行业超额收益均值和胜率均值两种方法。

具体行业轮动精准度的计算公式如下： 1）静态行业轮动收益：计算基金在行业上的持仓超配比例以及行业指数上的超额收益。 = ∑ ?? − ??,??800 ??,??800 − ???800 ? ?=1 ? 其中，??为基金在行业 i 上的持仓比例，??,??800为中证 800 在行业 i 上的持仓比例， ??,??800 − ???800为中证 800 中行业 i 在未来一季度的超额收益。 2）静态行业轮动胜率：计算基金在行业上的持仓超配比例以及行业指数是否具有超额 收益。 = ∑ ???? ?? − ??,??800 ??,??800 − ???800 ? ?=1 ? 其中，??为基金在行业i 上的持仓比例，??,??800为中证 800 在行业 i 上的持仓比例，?? ,??800 为中证 800 中行业 i 未来一季度的收益，???800为中证 800 未来一季度的收益。

3）行业动态配置收益：考虑基金对行业的动态变动是否精确，因此考虑基金行业配置 与上期的主动变动，剔除当期由于行业市值被动变动后的行业配置比例。动态配置收益的计 算公式如下： = ∑ ??,? − ??,?−1∗ 1+??,? ∑ ??,?−1∗ 1+??,? ? ?=1 ??,?+1 ? ?=1 ? 其中?? ,?为基金 t 期在行业 i 的持仓比例， ??,?−1∗ 1+??,? ∑ ??,?−1∗ 1+??,? ? ?=1 为基金上期持仓行业在当期的 被动变动仓位，两者之差为基金的主动调仓比例，?? ,?+1为基金持仓的行业 i 在未来一季度的 绝对收益。

4）行业动态配置胜率：考虑基金行业配置与上期的主动变动，剔除当期的行业配置比 例由于市值而导致的被动变动。动态配置胜率的计算公式如下： = ∑ ???? ((??,? − ??,?−1∗ 1+??,? ∑ ??,?−1∗ 1+??,? ? ?=1 ) (??,?+1 ? )) ?=1 ? 其中?? ,?为基金 t 期在行业 i 的持仓比例， ??,?−1∗ 1+??,? ∑ ??,?−1∗ 1+??,? ? ?=1 为基金上期持仓行业在当期的 被动变动仓位，两者之差为基金的主动调仓比例，?? ,?+1为基金持仓的行业 i 在未来一季度的 绝对收益。

行业轮动精准度因子回测结果如下表所示。结合因子回测 ICIR，分组的单调性对选基因 子结果分析，我们发现绝对收益计算的行业轮动能力优于相对收益的胜率；静态行业轮动因 子优于动态行业轮动因子。其中，静态一级行业轮动收益在行业轮动目标基金池中，回测区间内 Rank IC 均值为 4.23%，ICIR 为 0.24。IC 值除 2021 年上半年有所回落，其余时间均持续上升。

动态二级行业轮动收益在行业轮动目标基金池中，回测区间内 IC 均值为 2.57%，ICIR 为 0.23。基金分组收益单调性不显著，IC 值在回测期持续上升。

2.3 选股能力

基金经理的投资组合最后是以个股作为标的，因此除了在行业配置上获得超额收益以外， 在选股上也有超额收益。参考 Brinson 模型的收益拆分逻辑，上节通过基金的行业配置比例 和行业超额收益构建基金行业轮动精准度，本节通过基金选股超额收益构建基金选股能力因 子。

基金的选股收益来源于基金在行业内选股超额收益与基金行业超低配比例。本文统一使 用中证 800 成分股为基准。 选股收益的计算公式如下所示： 选股收益 = ∑ ?? − ??,??800 ??− ??,??800 ? ?=1 ? 选股胜率的计算公式如下所示： 选股胜率 = ∑ ????( ?? − ??,??800 ?? − ??,??800 ) ? ?=1 ? 其中，??为基金在行业 i 上的持仓比例，??,??800为中证 800 在行业 i 上的持仓比例，??是 基金持仓行业 i 在未来一季度的收益，??,??800为中证 800 中行业 i 未来一季度的超额收益。

对比使用收益和胜率两种计算方式，并对选股收益中的行业进行细分。结果发现，二级 细分行业下的选股能力因子选基效果不如一级行业。一级选股收益因子在回测区间内 IC 均 值 2.43%，ICIR 为 0.15。因此最后选用一级选股收益作为选股能力因子。 从因子分组结果来看，在行业轮动目标基金池中，选股收益因子分组单调性不显著， 选 基效果不明显，但 IC 值自 2021 年 9 月以来持续上升。截至 2023 年 9 月末，根据基金经理任职以来的选股收益因子，下表为得分较高的前 30 只基金。

2.4 交易能力

基金经理只在半年报和年报公布全部持仓信息，在此期间有很多调仓行为，我们通过基 金实际收益与模拟持仓与之差作为基金的隐形交易能力。 模拟持仓是指在基金经理报告期内不做投资调整的假设下，通过半年报和年报公募公布 的全部持仓构建模拟组合。 若基金经理具备一定的交易能力，并结合其对行业轮动的判断，则基金经理具备一定的 调仓换股能力，可进而高频跟踪其持仓选股，提供投资意见。

隐形交易能力的计算公式如下所示，计算基金净值收益与基金模拟持仓收益在基金池中 的排名百分比之差。????? ???????? = ???? ???? − ???? ∑?? ? ?=1 ??,? 其中??是基金模拟持仓中股票 j 的权重，?? ,?是股票 j 在未来一季度的收益率，????是基 金未来一季度净值收益率。 隐形交易因子在三类基金池中均具有较高的 IC 值。在回测区间内，行业轮动目标基金 池 IC 均值为 3.37%，ICIR 为 0.27。

隐形交易因子在行业轮动目标基金池中效果更加显著，累计 IC 起持续上升。另一方面 也说明自 2019 年起市场行业轮动现象明显，在轮动速度加快的市场，需要基金经理更加敏 锐地把握投资机会，在交易调仓中获得超额收益。 截至 2023 年 9 月末，根据基金经理任职以来的隐形交易能力因子，下表为得分较高的 前 30 只基金。

2.5 基金净值表现因子

本节我们根据基金净值表现，测试基金业绩因子的有效性。基金业绩因子背后的逻辑是， 如果基金过往的业绩优秀，未来获得优秀业绩的可能性更大，体现基金业绩的动量。 为平衡基金短期投资能力和长期回报水平，本文测试了短期（三月）的业绩和长期（一 年）的业绩，结果显示长期业绩具有更高的 ICIR 以及因子稳定性。除此之外，本文测试了 风险调整后的收益率指标，例如夏普、Calmar、相对中证 800 上行捕获率和下行捕获率以及 最大回撤等指标。 通过因子回测结果，我们主要选择 ICIR 较高的近 1 年回报作为基金收益的有效选基因 子。

2.6 基金特征因子

基金特征数据可以从另一个维度帮助我们选择业绩好的基金，从而优化选股策略。关于 基金特征主要包括基金规模和基金持有人结构。 规模越大的基金换仓成本越高，因此更难进行行业轮动；规模较小的基金不适用于机构 投资或者 FOF 投资。我们在基金池筛选时只选择基金规模在 1-100 亿之间的基金，发现在 基金池中，基金规模与基金未来业绩显著负相关。

关于基金持有人结构，本文测试了机构投资者持有比例、基金公司持有比例和管理人员 工持有比例。持有比例越高说明基金被信任程度更高，机构或管理人员工更愿意倾向于投资 该基金。 回测结果发现持有比例越高，基金未来收益越好。此处主要选择 ICIR 最高的管理人员 工持有比例作为有效选基因子。

2.7 选基因子组合

根据上文的回测结果，我们选择各维度中 IC 均值最高的因子作为行业轮动基金的优选 因子。其中包括行业轮动能力中的静态一级行业收益和动态二级行业收益因子、选股一级收 益因子、隐形交易能力、业绩因子中的近一年回报和管理人员工持有比例这六个因子作为对 基金优选因子。

构建复合因子： 1） 等权复合因子：使用等权的方法将以上六个因子标准化后计算均值，获得复合因子。 2） 加权复合因子：考虑因子有效性以及行业轮动基金的特征，我们对静态一级行业收 益和交易能力赋予较高的权重，其他因子赋予较低的权重。因子权重设置：静态一 级行业收益：动态二级行业收益：交易能力：选股能力：过去一年夏普：管理人持 有比例=2：1：2：1：1：1。

对比不同基金池的复合因子效果，复合因子相比单因子 Rank IC 均值显著提升。等权复 合因子在行业轮动目标基金池中 Rank IC 均值 5.47%，加权复合因子回测区间 Rank IC 均值 达到 5.76%，ICIR0.37。对比行业轮动目标基金池和另外两个基金池，行业轮动目标基金池 中复合因子的 ICIR 值更高，在行业轮动目标基金池中更易优选基金。通过加权后的复合选基因子，展示行业轮动目标基金池中排名靠前的 30 个基金产品， 如下表所示。在最新一期的行业轮动目标基金池中，兴业国企改革 A、中信保诚多策略 A 和 上银鑫卓 A 得分较高。

3 构建投资策略

本节我们从优选行业轮动基金池中，根据基金持仓股构建投资策略。择股策略主要分为 以下步骤： 1）优选行业轮动基金：根据上节提到的加权复合因子，定期选择排名较高的前 M 只基 金。由于基金经理往往会有相对中长期的策略展望，同时持仓因子的更新时间多为半年度， 因此我们相对低频地对优选基金组合进行半年的调仓。基金组合的换仓日期与优选因子相对 应，即 3 月底和 9 月底。

2）跟踪基金持仓：本文使用基金季报重仓股数据，提高选股策略的换仓频率，同时使 用重仓股精简股票池。在每期报告发布日期的月底进行个股换仓。 3）行业选择：由于本文选择的是行业轮动基金，因此在择股时增大对行业的风险暴露。 我们认为，可根据优选基金的行业超配比例，进而选择超配比例较大的行业内个股。对于优 选基金组合，我们选择每期行业占比相较中证 800 超配较高的 N 个行业，从而选择在前 N 个行业中的个股进行投资组合策略。 4）个股权重：在既定的前 N 个行业中的个股，计算优选基金组合重仓股对每只股票的 权重均值，最后归一化得到个股组合权重。

3.1 行业轮动策略

在构建选股策略之前，我们先检验是否能通过优选行业轮动基金持仓构建行业轮动策略。 行业轮动策略回测设置：根据优选基金池的重仓股行业分布，计算基金持仓行业相较中 证 800 成分股行业的超低配比例，选择超配比例较高的前 N 个行业等权配置。换仓时间：基 金季报发布日期的月底，季频换仓。 行业轮动策略效果：回测期 2019 年 1 月 31 日至 2023 年 9 月 30 日，选择排名前 10 基金持仓超低配前 5 个行业相较行业等权获得 11.33%的超额年化收益。根据优选基金池重 仓股持仓选择行业，可一定程度上跑赢行业等权。

3.2 选股策略

本节，我们在优选基金池超配的行业内进行选股。对于个股的权重，我们计算优选基金 对每只股票的持仓权重均值，最后归一化得到个股组合权重。 下表对选择不同行业个数、不同基金池基金个数进行稳健性分析，可得到以下结论： 行业选择个数：对于行业轮动基金的行业超配比例进行排序，选择较少的行业提高行业 集中度可提高选股策略收益。 优选基金个数：在优选基金池中对基金得分进行排序，选择排名靠前的基金。选择前 10 基金构建的选股策略效果优于选择前 50 的基金池，因此基于基金持仓的选股策略，组合构 建在质不在量，借鉴少量优质基金的持仓数据构建的选股策略效果较优。

根据以上分析，我们选用两种策略：激进策略，选择收益最优的策略，每期选择排名前 10 的优质行业轮动基金，配置超配比例最大的 1 个行业中的个股；稳健策略，选择回撤较 小的策略，每期选择排名前 10 的优质行业轮动基金，配置超配比例最大的 7 个行业中的个 股。 在回测期 2018 年 10 月 31 日至 2023 年 9 月 30 日，激进选股策略年化收益 43.62%， 超额年化 32.16%，夏普比率 1.18，激进选股策略在 2020、2021 年结构性牛市中大放异彩， 但近期超额收益下降。

稳健选股策略年化收益 30.93%，超额年化 19.48%，夏普比率 1.14。稳健策略每年均 战胜万得偏股基金指数。

4 总结

近年来行业轮动逐渐加速，市场鲜明的行业轮动使得市场对具备行业轮动能力的基金经 理关注有所加强。本文通过定义行业轮动基金池，测试有效的行业轮动选基因子，最后通过 基金池的持仓数据构建选股策略。 首先，定义行业轮动基金池。在主动权益基金池中，在剔除行业主题基金后我们构建了 非行业主题基金池，再根据基金的行业轮动度，我们进一步定义高行业轮动基金池。最后结 合换手率、行业集中度，我们进一步筛选，得到行业轮动目标基金池。最后在三个不同基金 池中测试选基因子有效性。

其次，对行业轮动基金进行评价，本文从行业轮动能力、选股能力、交易能力、基金业 绩和基金特征五个维度出发，分别在三类基金池中进行选基因子的回测检验。最后在每一类 中选择回测 ICIR 最高的因子作为有效选基因子。并将六个因子标准化后构建复合因子，在 行业轮动目标基金池中，复合因子相比单因子 Rank IC 均值显著提升。等权复合因子在行业 轮动目标基金池中 Rank IC 均值 5.47%，加权复合因子回测区间 Rank IC 均值达到 5.76%， ICIR0.37。对比行业轮动目标基金池和另外两个基金池，行业轮动目标基金池中复合因子的 ICIR 值更高，在行业轮动目标基金池中更易优选基金。

最后，构建带有行业偏好的选股策略。根据优选基金的持股比例均值，以及优选基金池 的行业超配比例，本文构建了行业超配比例较高的行业内个股作为投资策略。自 2018 年 10 月末至 2023 年 9 月，在行业轮动目标基金池每期选择加权得分最高的 10 只基金，并选择优 选基金池中超配行业中的个股，我们构建了两个策略：激进策略，每期选择超配比例第一行 业中的个股，相较万得偏股混合型基金指数超额年化 32.16%，夏普比率 1.18，激进选股策 略在 2020、2021 年结构性牛市中大放异彩，但近期超额收益下降；稳健策略，每期选择超 配比例前 7 行业中的个股，策略超额年化 19.48%，夏普比率 1.14，每年均战胜万得偏股基 金指数。总体而言持续获得相对市场总体水平的超额收益，基本符合预期。

 

编辑：520中国