【报告导读】

1. 行业ETF数量规模近年来增长迅速，广泛覆盖热门行业，中信一级行业口径下年度和月度行业轮动持续，行业ETF的配置方法具有可行性。

2. 热门大类行业中行业ETF的二级行业数量规模覆盖率较高，追踪二级行业指数ETF适合归纳至一级行业口径将进行配置。

3. 资金流向相关指标能直观反映市场对行业的关注度，适合作为上述归纳方法下一级行业选择指标。

4. 单纯的资金流向指标不能在长时间内取得稳定的超额收益，进一步结合二阶随机占优的ETF行业配置策略能够较于中证800取得显著超额收益。

核心观点

行业ETF数量规模近年来增长迅速，广泛覆盖热门行业，中信一级行业口径下年度和月度行业轮动持续，行业ETF的配置方法具有可行性：截至2024年12月31日，已上市的行业ETF共有423支，总规模达到5466.40亿元。其总数量和规模在2021年以后较于之前出现高速增长。从其大类行业的分布来看，科技和消费等热门大类行业的ETF规模覆盖超过1000亿元，受到市场青睐。加之从2020年到2024年，每年表现最好和表现最差的中信一级行业指数不尽相同，不同行业月度收益率的大偏差恒定存在，一级行业口径下的行业主题ETF轮动策略仍然存在可行性。

热门大类行业中行业ETF的二级行业数量规模覆盖率较高，追踪二级行业指数ETF适合归纳至一级行业口径将进行配置：截至2024年12月31日，在热门大类行业消费和科技中二级行业覆盖数量覆盖率分别为53.57%和61.19%，规模覆盖率57.68%和75.80%，直接覆盖大类行业和一级行业的ETF数量和规模占比较少，但由于二级行业种类较多，具有不易跟踪的特点，同时大类行业仅有7个，分类过于简单不适用于轮动策略，加之在中信一级行业口径下的轮动效应，将追踪二级行业指数的ETF归纳到相应一级行业进行轮动是更好的配置方法。

资金流向相关指标能直观反映市场对行业的关注度，适合作为上述归纳方法下一级行业选择指标：资金流向相关指标能够直观反映市场对行业的关注度，适合于上述将追踪二级行业的ETF归纳至相应一级行业的配置方法，适合作为一级行业口径下行业的选择指标。从融资余额、净主动买入额和游资净买入额三个角度来看，融资余额代表了整体市场对于某个行业的买入信心，净主动买入额能够对机构投资者和散户投资者进行细化分析，代表不同市场主体的买入意愿，而游资净买入额代表市场投机资本对于行业的看好程度。

单纯的资金流向指标不能在长时间内取得稳定的超额收益，进一步结合二阶随机占优的ETF行业配置策略能够较于中证800取得显著超额收益：根据上述资金流向角度，通过指标测试之后确定具体指标对一级行业进行选择，选择后的行业等权策略相较于全行业平均超额收益表现在2023年较为不稳定。由于上述过程没有考虑最终持仓权重的问题，需要进一步运用基于Copula的二阶随机占优算法对ETF持仓进行权重优化。以中证800指数作为策略基准，自2020年至2025年1月，策略年化收益率为20.15%，相较于中证800指数超额累计达到155.30%，超额收益显著。

风险提示

报告结论基于历史价格信息和统计规律，但二级市场受各种即时性政策影响易出现统计规律之外的走势，所以报告结论有可能无法正确预测市场发展，报告阅读者需审慎参考报告结论。历史收益不代表未来业绩表现，文中观点仅供参考，不构成投资建议。

正文

一、行业主题ETF及其轮动策略

行业ETF规模和数量自2015年以来增长迅速，尤其覆盖消费电子等热门大类行业，突破千亿元规模，行业ETF能够较好地成为相应行业策略的投资标的，加之ETF本身流动性优势，其较于股票本身更适合作为策略投资标的。从2020年到2024年，每年表现最好和表现最差的中信一级行业指数不尽相同，不同行业月度收益率偏差较大且恒定存在，同时煤炭和电子行业自2024年以来的月度收益率对比行业平均也没有稳定相关关系，一级行业口径下的月度轮动策略仍然存在可行性。而由于一级行业轮动效应明显，分类较于一级行业多并且较于二级行业易于跟踪，同时因为热门大类行业中覆盖到二级行业的ETF数量规模更多，我们采用一级行业为轮动基础，将覆盖到二级行业的ETF归纳到一级行业进行轮动。轮动包含两个阶段，第一阶段为行业选择，由于资金流向指标只是直观衡量行业在市场关注度，适合于上述二级行业归纳方法，加之其本身对于未来收益率预测的有效性，我们主要资金流向指标为主的指标组合选择行业；第二阶段为在行业下选择ETF，我们从ETF的二级市场交易特性、动量和流动性三个角度出发，基于因子测试结果，选择1个月时间窗口中出现折价更高，换手率更高，日均涨跌幅更低的ETF。

（一）行业ETF数量增加、流动性有较好支撑

截至2024年12月31日，已上市的行业ETF共有423支，总规模达到5466.40亿元。从历年数量和规模来看，行业ETF无论数量和规模从2015年开始均维持长期增长的势头，尤其在2020年，总规模从859.63亿元增长至2925.84亿元，规模增长率超过200%，在2021年数量从92支增长至255支，数量增长率超过150%，且其总数量和规模在2021年以后较于之前出现高速增长。从其大类行业的分布来看，科技和消费行业ETF在近几年维持较于其他行业更高的数量规模增长， 热门行业ETF数量更多，但关注度不高的行业也有覆盖。

截至2024年12月31日，行业ETF对各大类行业、一级行业和二级行业的覆盖数量和覆盖规模如下图所示。在消费和科技大类中二级行业覆盖数量覆盖率分别为53.57%和61.19%，规模覆盖率为57.68%和75.80%，在热门大类行业中行业主题ETF偏向于细分覆盖到二级行业， 而直接覆盖大类行业和一级行业的ETF数量和规模占比较少，不适合直接用覆盖到大类行业或者一级行业的ETF作为行业轮动策略的投资标的。

热门大类行业的行业ETF数量和规模近年来增速加快，截至2024年已经达到可观的数量和规模，可以较好地作为行业策略的投资标的。自2023年至2024年12月31日近两年全部行业主题ETF的换手率与沪深300成分股对比，就平均换手率而言，行业主题ETF全面大幅优于沪深300成分股，而从最小换手率的角度来看，两年时间中行业主题ETF也大体优于沪深300成分股。以沪深300为A股市场的基准来看，行业主题ETF较于股票本身具有更高的流动性，加之ETF本身的交易规则导致其交易成本和交易灵活性方面也优于股票本身。 行业ETF的轮动策略有较好的流动性支持。

（二）一级行业口径下行业轮动明显

中信一级行业的口径下，从2020年以来截至2024年12月31日，每一年表现最好的3个一级行业指数和表现最差3个的一级行业指数没有出现行业固定的现象，未有行业出现超过两年以上位于年度收益率变现最好或者变现最差的行业，其中房地产于2020至2021年均位于30个中信一级行业年度收益率前3名，但其在2023年位于最后3名，而消费者服务在2020和2022年位于前3名，而在2021年位于后3名， 在年的时间尺度和中信一级行业的口径下，自2020年以来行业轮动现象普遍存在。

以月为尺度来看，从2020年以来截至2024年12月30个中信一级行业指数每月月度涨跌幅的标准差均大于2%，在2021年7月录得峰值11.33%，行业之间月度收益率的偏离长期存在。以煤炭电子行业为例，其2024年以来的行业指数月度涨跌幅对比全行业平均如下，可以看出上述两个行业指数的月度涨跌幅波动较大，与全行业平均相比没有发现稳定的相关关系，在月的时间尺度和中信一级行业的口径下，行业轮动效应依然明显， 以月为频率的行业轮动策略具有实施基础。

前文结论表明，直接覆盖大类行业和一级行业的行业ETF数量和规模占比较少，在热门行业中直接覆盖到二级行业的ETF数量更多，但由于二级行业种类较多，具有不易跟踪的特点，同时大类行业仅有7个，分类过于简单不适用于轮动策略，加之前文讨论在中信一级行业口径下行业轮动的效果明显，我们考虑采用中信一级行业的口径进行行业ETF的轮动策略，同时把覆盖到二级行业的ETF归纳至相应一级行业进行轮动，分类对应关系如下。 我们所选投资标的即为跟踪一级行业指数和跟踪二级行业指数的行业ETF，同时将跟踪二级行业指数的ETF作为其对应一级行业下的所选投资标的。

截至2024年12月31日通过上述方法在中信一级行业口径下30个中信一级行业中，行业ETF覆盖其中的26个，11个行业突破100亿元规模。电子和医药行业等热门行业接近1000亿元规模，ETF数量也在30支以上， 在一级行业尺度下行业ETF的数量和规模满足行业轮动策略的实施条件。

（三）行业轮动指标

以中信一级行业为口径，自2023年至2024年近两年的时间内，我们在每个月对30支行业指数计算月度机构净买入额，用月底指数自由流通市值标准化之后依照此指标将行业指数从小到大分为10组，每组包含3支指数，并计算了每一个分组在两年时间内下个月的平均指数涨跌幅，结果如下图所示。可以看出，虽然下月涨跌幅关于标准化后的机构月度净买入额没有严格的单调性，但整体来看当资金流向更多，次月涨跌幅就更大。同时资金流向对行业具有直观逻辑，即资金流入，尤其是机构聪明资金越多地流入行业，行业受到市场关注就会更多，作为行业选择方法适用于我们上述的行业归纳方法，同时期对行业整体股票收益率也具有积极作用。因此， 我们可以利用资金流向指标来进行行业选择。

在选择行业之后， 我们尝试换手率、折溢价率和涨跌幅出发，确定ETF的选择指标,具体指标的计算方法如下图所示。折溢价率为ETF二级市场交易价格关于其自身净值的偏差率，价格低于净值称为折价，而高于净值称为溢价。如ETF出现折价，则二级市场在之后有较大可能会进行向上修正从而获得相对于净值本身超额收益，因此ETF折价越多，之后获得超额收益的可能也越大，代表二级市场交易的特性。换手率代表ETF的流动性，和策略本身的实施有关，高换手率能够降低策略的调仓成本，减小策略的交易成本，因此我们倾向于换手率更高的ETF。涨跌幅代表ETF的动量，其本身对未来收益率的影响分为动量效应和反转效应，对应指标不同的方向。上述三种指标能够较为全面地概括ETF的市场特性，为测试指标的有效性，我们采用3个不用的时间窗口对指标进行测试，分别为前1/2/3个月，计算指标在不同年份和月份的信息比率（IC），结果如下表所示。

从2021年到2024年，折溢价率指标的IC值绝对值较小，但大体为负数，这也与前文的逻辑相吻合，从最近的2023年和2024年来看，1个月窗口的折溢价率指标IC值方向相对稳定，因此我们采用1个月的时间窗口，方向为负，计算ETF的折溢价率选择指标。换手率上，1/2/3个月时间窗口上的换手率指标IC值负值较多，但从绝对值上看大体偏低，如2023年IC绝对值最高的3个月时间窗口全年平均IC值0.02绝对值仅为0.02，说明换手率对最终ETF的收益率影响并不高，但从流动性角度考量，我们倾向于选择换手率高，流动性好的ETF作为投资标的，因此就换手率指标，我们选择1个月的时间窗口，方向为正。最后从日均涨跌幅的指标IC值来看，大体上负值偏多，说明前1/2/3个月日均涨跌幅对次月收益率具有负向影响，反转效应占据主导。从2023-2024年近两年的结果来看，1个月窗口的日军涨跌幅IC值方向较为稳定，3个月时间窗口的指标在2023年全年平均IC值取0.12，而2024年则为-0.20，1个月时间窗口的指标在2024年平均IC值为-0.16，2023年为0.02.因此，我们同样选择1个月时间窗口计算日均涨跌幅指标，方向为负。

综上所述，我们把三个指标均设定为1倍权重，最终ETF指标选择如下：

二、资金流向的行业轮动方法

资金流向指标描述了市场不同角度及主体的资金流入流出情况，分行业来看能直观反映出市场对每个行业的关注度情况，具体来说我们从融资余额、净主动买入额和游资净主动买入额三个角度进行观察，融资余额代表市场对行业个股的关注度和交易热情，净主动买入额反映市场不同主体，尤其是机构投资者和散户投资者对与行业的投资意愿，而游资净买入额代表了短期主力资本的行业的看好程度。除去上述资金流向指标以外，我们辅以流动性和风险度量指标进行行业选择。依据资金流向的选择可以优于行业的平均表现，但行业的资金流向未考虑持仓权重的问题，因此选择后的行业相较于全行业平均的超额收益表现较为不稳定，后续可针对ETF持仓权重进行进一步优化。

（一）行业融资余额

投资者通过抵押物品融资来投资股票的行为称为融资买入，单支股票当前总融资量称为当前股票的融资余额， 融资余额直观反映了市场对该支股票的关注度，即购买意愿，市场对股票的购买意愿越强烈，融资融券的交易就越多。由于各中信一级行业本身体量不一致，直接对比融资余额变化的绝对值缺乏参考性，因此我们考虑融资余额的涨跌幅。根据2024年各中信一级行业融资余额的变化百分比对比指数本身的变化（图10），融资余额上升较多的行业，由于市场的关注度高，或实现一定程度上涨，但融资余额与指数涨跌幅并非简单的正相关关系。我们追踪了全体A股融资余额在2023至2024年的变化情况对比上证综指， 融资余额的变化和指数变化基本是同步进行的，这也符合投资者融资买入越多，指数价格越高的直观逻辑，但其对未来的预测能力较低。因此， 不能够用简单用正相关概括过去的融资余额变化和未来指数的走势。

为了更量化地探究融资余额的变化对未来一个月指数本身收益率的预测能力，我们构建融资余额环比指标，其具体计算方法如下。同时为了更全面地测试指标表现，我们选择了1/2/3个月的时间窗口，对指标进行分别测试，计算指标与次月对应中信一级行业指数收益率的IC值，结果如下表所示。

从2021年到2024年，融资余额环比指标的IC值大体为负数，说明历史融资余额的变化率与次月的指数收益率总体上呈现负相关，反转效应占据主导。从IC绝对值来看，1个月的时间窗口再2023和2024年具有高绝对值的月份较于2个月和3个月更多，且其在2021至2022年平均表现也更好。因此，我们采用1个月的时间窗口计算融资余额环比指标，方向为负。

（二）行业指数净主动买入额

股票净主动买入额为一段时间内的主动买入额减去主动卖出额，而所谓“主动”即按照当前买1价格或者卖1价格成交的订单，买1价格成交为主动卖出，卖1价格成交为主动买入，代表了相应群体主观的买入意愿。同时，根据订单金额的不同，可以分为超大单（100万元以上）、大单（20万元-100万元）、中单（4万元-20万元）和小单（4万元以下），对应机构、大户、中户和散户这四种类型的投资者的交易情况。 机构资金在市场上一般被比喻为“聪明资金”，而散户资金则更多的代表市场的非理性情绪因素，因此我们在订单类型上主要关注机构和散户的净主动买入。为了消除各行业本身市值大小造成的的净主动买入额绝对值的差异，下图为2024年各中信一级行业指数累计机构、散户和总净主动买入额占2024年12月31日自由流通市值的比例对比指数全年涨跌幅。从结果来看，指数本身的涨跌幅与机构、散户和总净主动买入的占比均呈现正相关关系，这也符合投资者买入意愿越高，净主动买入额越多，资金流入越多，指数本身收益率就越高的直观逻辑，无论净主动买入额来源于机构还是散户。但与融资余额存在同样的问题，指数涨跌幅可能倾向于在较短的时间窗口与净主动买入额产生同步变化，而导致净主动买入额对未来的预测能力较低。

为了进一步探究净主动买入对未来的预测能力，我们计算如下中信一级行业指数的主动净买入额/自由流通市值环比指标。类似于融资余额环比，我们同样分为1/2/3个月的时间窗口对3个净主动买入额环比指标进行测试，测试IC值如下图所示。

从测试结果来看，机构订单主动净买入额环比无论在哪个时间窗口下指标IC值的绝对值较小，虽然从4年的全年平均来看，IC值大体为负数，但机构资金之所以被称为“聪明资金”的缘由正是因为机构对市场未来的判断更为准确，因此我们更倾向于选择获得机构资金关注的行业，所以对于机构净主动买入额环比，我们采用1个月的时间窗口进行计算，方向为正。在散户主动净买入额环比的测试结果中，4年的IC值大多为负数且绝对值较于机构主动净买入额的测试结果普遍偏高，与次月收益率负相关更为明显，这与散户资金所代表的非理性资金相符合，当市场非理性资金开始进入时，在未来就有更大可能发生回调，且基于散户净主动买入额环比在1个月的时间窗口IC绝对值普遍更高的结果，我们采用1个月的时间窗口计算散户主动净买入环比指标，方向为负。从指数的总净主动买入额环比来看，其于次月收益率负相关明显，反转效应占据主导。从上图可以看出，2024年各行业在总净主动买入额中，散户的净主动买入额占据主导，映证了其反转表现，IC绝对值整体不高，未有年份大于0.1，因此我们简单采用1个月的时间窗口计算指数总体净主动买入额环比指标，方向为负。

（三）行业游资净买入额

A股每个交易日中，交易所会公布出现交易异动的个股详细信息，称为个股龙虎榜。大部分交易异动为个股出现异常涨跌幅或换手率等，与市场资金异常买入或者卖出有关，其中比较主要的为游资的短期大量买入和卖出。 作为寻求短期回报的资本，当游资大量涌入某一个行业的时候，往往表明该行业可能迎来短期上涨，因此游资的买入卖出也是资金流向指标中的重要参考。2024年中信一级行业游资净买入额对比，可以看出游资的净买入额与指数涨跌幅大致呈显正相关，即游资净买入越多，指数涨跌幅越高。但同样，并非所有行业符合正相关的规律，例如金融大类中的银行业、非银行金融和综合金融行业，虽然在2024年不受游资青睐但其指数取得了相对较高的涨跌幅，同时历史游资净买入额对于未来行业指数收益率的影响也需要进行进一步测试。

基于以上讨论，我们计算如下游资净买入额指标，同样以1/2/3个月为时间窗口，分别计算不同时间窗口下指标与未来1个月对应中信一级行业指数收益率的IC值进行测试。

从IC绝对值来看，游资净买入额与机构净主动买入环比类似，绝对值相对较小，游资对于次月收益率的影响总体来说不大，且其在4年时间整体呈现负相关，反转效应显著。因此，我们同样简单采用1个月的时间窗口计算游资净买入额，方向为负。

（四）指标选择

综合上述讨论，我们对资金流向指标的最终选择如下。

由于策略主要采用资金流向指标，因此我们定义上述资金流向指标的权重为2倍。除去资金流向指标之外，我们辅助增加流动性和风险度量指标，即换手率和波动率。当一支ETF在上个月月内流动性改善，波动率提升的时候，说明其正在逐渐受到市场关注，未来上涨可能性提升，同时高流动性也意味着相应行业的ETF交易成本降低。因此，我们选定两种指标为正向，由于为辅助性指标，我们选择其权重为1/2，指标选择以及计算方法如下：

（五）基于资金流向指标的行业轮动策略

2024年下半年共6个月每月根据上述方法综合得分表现最好和表现最差的3个中信一级行业统计中，不存在某一行业连续数月综合指标表现前3， 上述选择指标轮动效应明显。

据此，我们首先构建基于资金流向的中信一级行业轮动策略，在每个自然月的第1个交易日，选取上述综合指标最大的8个行业，作为本月的持仓行业进行等权调仓。以行业指数为标的，我们计算了从2020年截至2025年1月27日累计策略等权持仓收益率对比全行业等权持仓的累计收益率，如下图所示。从5年的累计收益率来看，策略普遍高于全行业等权，策略等权在计算时间内年化收益率为6.53%，全行业等权为3.41%，但从2023年的收益率来看，策略等权全年下跌11.40%，全行业等权下跌4.68%，说明 上述轮动的等权策略能够在特定时间段内不能够稳定取得超额收益。

以2023年为例，计算了每个月由上述策略所选行业指数中最大收益率，对比当月全行业的平均收益率，结果如下图所示。可以看出，通过行业轮动所选出大的行业，在2023年每个月的最大收益率均高于全行业平均，即上述以资金流向为基础的行业轮动，能够选出表现优于全行业平均的行业，只是未考虑实际持仓权重优化的问题。因此， 如果进一步对行业持仓进行权重优化，可以更稳定地取得更为可观的超额收益。

三、基于Copula的二阶随机占优权重优化

基于二阶随机占优侧重头部分布，控制尾部风险的特性，我们利用二阶随机占优对不同行业持仓权重进行优化，同时为了在优化过程中获得大量独立同分布的相关样本进行积分计算，我们选用高斯Copula进行相关性建模并进行模拟抽样，构建基于Copula的二阶随机占优权重优化策略。最后，由于策略本身的特性，其对于任何市场宽基指数的行业分布相关程度均较低。但为避免出现极端权重以及增加策略的泛用性，我们选择中证800指数作为策略基准指数，限制策略行业分布权重尽量接近指数本身的行业权重。

（一）二阶随机占优理论

二阶随机占优作为一种广泛应用的风险资产选择标准，其本质为一种统计学概念，定义为当两个随机分布满足如下条件：

即当x取到实数域内任意值的时候，如果某一个随机分布的累积概率分布函数在上述区间内的积分均小于等于另一个随机分布的累积概率分布函数在到区间内的积分，则可以说前一个随机分布对后一个随机分布具有严格的二阶随机占优。

以如下方差为1的正态分布为例，左图中分别列出了均值为0和均值为1的正态分布累积分布函数，均值为1的函数曲线恒定位于均值为0的曲线下方，根据定积分的定义，可知均值为1的分布对于均值为0的分布严格满足上述条件，即均值为1的分布对于均值为0的分布有严格的二阶随机占优。观察右图二者的概率密度函数曲线，可以看出，如果一个分布对另一个分布二阶随机占优， 那么它将较于这个分布具有更多的头部优势和更小的下尾风险，利用二阶随机占优可以选择平均收益更好，风险更小的策略权重，适用于对上述ETF行业策略进行持仓策略权重优化。

（二）基于Copula的二阶随机占优策略构建

在利用上述二阶随机占优理论进行权重优化中，需要大量的标的收益率相关性样本以计算特定策略下的边际概率累积分布函数的积分值。如果直接采用过去长时间的收益率数据作为样本， 会存在较为严重的异均值异方差问题。以贵州茅台为例，其在2024年全年内的单日收益率如下图所示，可以看出明显的周期性，即不同时间段的收益率可能存在不同的均值和方差，所以我们倾向于用过去较短时间段，例如前1个月的收益率数据进行计算。 但样本量太少同样面临积分计算不准确的问题，因此我们决定采用Copula函数对所选标的的收益率进行建模，用以生成大量独立同分布的相关性样本，如下图所示为贵州茅台和五粮液基于2024年12月的日频收益率数据，利用高斯Copula函数建模后进行的模拟日频收益率抽样结果，横轴为贵州茅台模拟收益率，纵轴为五粮液模拟收益率，该抽样保证了所有相关性样本来自同一个联合概率分布。

我们利用Copula函数构建二阶随机占优权重优化方法，来对行业选择之后的ETF实际持仓权重进行优化，具体步骤如下：

为加强二阶随机占优的效果，我们在该优化中采用循环优化，即在第一次优化中二阶随机占优的对照策略采用等权策略，之后的每一次优化均采用上一次优化的优化结果为对照策略，共优化10次。

为避免出现极端的权重优化，例如在某些月份某一支ETF的持仓达到100%，同时也为了策略的应用更为广泛，我们参照中证大中小盘指数中证800。如下图为中证800指数2024年12月31日的中信一级行业市值分布情况，可看出共有4个行业占比较高，因此，以中证800指数为对比基准， 我们约束上述权重优化模型使得每一期持仓中有不少于4个中信一级行业的持仓份额份额大于5%。但由于所选行业本质上是为资金流向指标所选择，且经过二阶随机占优优化之后，真实持仓权重较于中证800有较大变化，因此我们虽以中证800为参考基准， 但实际策略持仓的行业权重与中证800或任何其它市场宽基指数背离较多。

四、基于Copula的ETF行业轮动策略表现

基于前文的讨论，我们最终构建基于Copula的ETF行业轮动策略，步骤如下图所示：

以2020年1月2日至2025年1月27日为回测区间，回测参数设置如下：

1. 抽样总数 ：1万

2. 交易成本：0.03%

3. 初始资金：1亿元

4. 调仓日期：每月第1个交易日

2020年以来的年化收益率为20.15%，Sharpe比率为0.86，Calmar比率为0.75，由于2025年仅有1月的数据，且受到1月2日市场大幅下跌影响，因此2025年的回测数据具有参考价值较小，以最近2024年全年的数据来看，策略年化收益率达到32.80%，Sharpe比率1.23，Calmar比率1.72。从策略跟踪来看，回测时间段的累计收益率达到101.93%，相较于中证800指数超额累计达到155.30%， 经过二阶随机占优优化之后的策略较于中证800指数自2021年8月开始具有显著超额收益。

策略自2024年以来的每期持仓如下表，每个调仓日未出现极端的持仓权重，最新一期调仓时间为2025年2月5日，最新策略配置为华夏中证文与传媒ETF（持仓权重85.00%）、鹏华中证银行ETF（持仓权重5.00%）、华宝中证军工ETF（持仓权重5.00%）和华安中证申万食品饮料ETF（持仓权重5.00%）。从策略的换手率来看，回测区间内策略换手率除去个别调仓日大体处于100%以上，甚至达到200%，为持仓全换手， 策略整体属于高换手策略。

五、风险提示

报告结论基于历史价格信息和统计规律，但二级市场受各种即时性政策影响易出现统计规律之外的走势，所以报告结论有可能无法正确预测市场发展，报告阅读者需审慎参考报告结论。基金历史收益不代表未来业绩表现，文中观点仅供参考，不构成投资建议。

如需获取报告全文，请联系您的客户经理，谢谢！

本文摘自：中国银河证券2025年2月21日发布的研究报告《ETF策略系列：结合二阶随机占优的资金流向ETF行业配置策略》

分析师：马普凡

评级标准：

评级标准为报告发布日后的6到12个月行业指数（或公司股价）相对市场表现，其中：A股市场以沪深300指数为基准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准，北交所市场以北证50指数为基准，香港市场以恒生指数为基准。

行业评级

推荐：相对基准指数涨幅10%以上。

中性：相对基准指数涨幅在-5%～10%之间。

回避：相对基准指数跌幅5%以上。

公司评级

推荐：相对基准指数涨幅20%以上。

谨慎推荐：相对基准指数涨幅在5%～20%之间。

中性：相对基准指数涨幅在-5%～5%之间。

回避：相对基准指数跌幅5%以上。

法律申明：

投资有风险，入市请谨慎。