2025年ETF推荐配置报告：行业轮动视角下的ETF组合构建

行业轮动模型

因子构建和测试

研究对象：中信一级行业(剔除 综合金融行业)，共计29个行业。  针对中信一级行业指数，分别从 趋势、拥挤度、资金流向、均值 回归等不同维度构建了6个因子。 测试区间：2019/1-2025/4 。调仓频率：月度。

行业轮动模型算法

等权配置6个因子的算法： （1）月末计算每个中信一级行业(剔除 综合金融行业)指数的6个因子：动量、 主买金额、换手率变化、乖离率、行业 内收益偏差和波动率的数值。 （2）按照因子表现不同阶段正向、负 向顺序分别由大到小、由小到大排列各 因子值，获得各因子值排序序号。 （3）将29个行业的排序值按照由小到 大的顺序分为四组，同组的排序值标记 为同一排序值（每7个行业分为一组， 最后8个行业划为一组，共计分为四组， 分别标记为1-4组）。 （4）计算每个行业各因子新排序值的 平均值，将平均值按照由小到大的顺序 排列； （5）取前6个行业，作为下个月投资的 推荐行业。

行业轮动模型效果

回测样本期间，该行业轮动模型长期保 持稳定的超额收益。 2019/1-2025/4，该行业轮动模型总收 益高达212.87%，同期沪深300收益率为 37.83%，中证500收益率为60.26%，中 证1000收益率为63.47%。 该行业轮动模型的波动率水平控制在合 理区间，夏普比率显著好于沪深300、 中证500和中证1000指数。

ETF市场概况

ETF规模变化

近年来ETF市场不断扩容，截止 2024年末，股票型ETF整体规模达 到29259.35亿元。其中，综合ETF 规模达到21381.13亿元。行业主 题ETF规模达到6161.25亿元。随着每年新发行业主题ETF的跟踪 指数类型不断增多，由ETF代替行 业指数作为行业轮动策略的投资 工具可行性非常高。

行业主题ETF

我们按照中信一级行业指数 规则，将行业主题ETF进行 相应的行业分类。 截止目前，行业主题ETF基 本能覆盖中信一级行业。 轻工、商贸零售、纺服等标 的数量较少的行业没有相应 的行业主题ETF覆盖。

ETF组合构建

ETF轮动模型1

按照中信一级行业指数成分股，在行 业主题ETF中找到最为接近的ETF产品。 根据月度行业轮动模型的推荐组合， 构建相应的ETF组合。 相似度=持仓交集（行业指数，ETF成 分股）/持仓并集（行业指数，ETF成 分股）。

将行业主题ETF的成分股逐一 与中信行业指数进行相似度计 算，最终筛选出相似度最高的 ETF跟踪指数。 在ETF跟踪指数序列下，匹配 基金规模最大、流动性最好的 ETF产品。

ETF轮动模型1-模型效果

由于大部分行业主题ETF于近年成立， 为测试ETF轮动模型的有效性，我们 将跟踪指数作为平替。  模型结果显示，跟踪指数平替组合的 总收益达到130.85%，年化波动率达 到21%，夏普比率为6.23。相较于沪深300、中证500、中证1000 指数，跟踪指数平替组合取得了明显 的超额收益。但相较于行业轮动模型， 该模型仍损失了不少收益。

ETF轮动模型2

跟踪指数平替组合效果不及行业轮动模型，主要原因在于对于每一个行业指数找不到有 效分布相同的ETF产品。鉴于此，我们尝试使用最优化的方法，将问题转化为ETF组合成 分股和行业轮动组合成分股的分布差异求最优解。

ETF轮动模型2-模型效果

通过最优化方法，我们选取了权重 排名前15名的ETF跟踪指数模拟构 建ETF组合。模型结果显示，最优化组合总收益 达到117.09%，年化波动率为 16.85%，夏普比率为6.95。 相较于行业轮动组合和跟踪指数平 替组合，最优化组合总收益有差距， 但波动率显著降低。

ETF轮动模型2权重调整-模型效果

通过对最优化组合进行调整权重，将权 重调整至100%。 调整权重后的最优化组合总收益显著提 高，总收益达到155.49%，年化波动率仍 然控制在20.07%。 特别值得关注的是，2019-2021年结构性 牛市阶段中，最优化组合的收益表现超 过行业轮动组合。可见在牛市阶段，ETF 产品通过一定的选股机制能够进一步增 厚组合收益。

报告节选：

编辑：火腿肠