核心观点 - 投资者普遍面临行业基金投资中"涨得最好的基金总是买得最少"的困境 这主要源于对行业缺乏深度了解、风险承受能力不足以及人性中的追涨杀跌倾向[4] - 长期稳定收益的关键在于科学资产配置、明确风险偏好区间以及选择可持续的赚钱方式 而非依赖行业轮动或短期市场时机判断[5][9][11] - 主动管理型基金在A股市场仍具备长期超额收益潜力 当前阶段可能处于均值回归的有利周期[18] 行业基金投资困境 - 行业基金波动性大导致投资者不敢重仓 即使选对行业也可能因过早止盈而错失大部分收益 例如创新药基金持续上涨但投资者在走强过程中不断减仓至零仓位[4] - 行业轮动策略有效性存疑 历史数据显示专注行业轮动的基金经理整体未显现显著超额收益 即便在美股成熟市场该策略亦非主流[5] - 普通投资者缺乏行业研究深度 在机构竞争激烈的领域难以获得持续优势 建议避免参与不擅长的行业轮动交易[5] 成功投资案例特征 - FOF基金通过分散配置实现稳健收益 例如2020年起每周定投FOF 在2021年市场波动中因回撤较小而坚持持有 最终积累可观资产[7] - 逆向投资在市场恐慌时布局 例如2023年初北证指数下跌30%后大仓位定投ETF联接基金 后期指数走高带来显著收益[8] - 安全边际策略有效控制风险 例如预估最大亏损20%的可承受范围 实际投资回报远超预期[8] 资产选择框架 - 优先选择能持续创造现金流的生息类资产 如债券的票息收益稳定 股票中公司业绩增长部分比估值波动更易把握[12] - 主动基金筛选需综合业绩表现(5-7年牛熊周期)、投资风格契合度(如成长板块)及对管理人的感性认知[11] - 通过概率化框架评估基金经理能力可持续性 类似NBA赛季命中率统计 重点识别赚钱方式稳定、不依赖风格运气的管理人[13] 估值与时点判断 - 放弃预测涨跌 转向评估资产贵贱 使用PE/PB/股息率等估值分位数指标横向对比各类资产[13][14] - 当前债基静态收益率约1.7%-1.8% 股债性价比偏向权益资产 市场流动性充裕且政策积极有利于风险资产[14] - A股主动管理基金长期存在超额收益 因市场定价非完全有效且机构化比例不高 当前主动基金超额收益可能处于均值回归的向上周期[18] 投资执行建议 - 明确风险偏好上下限：亏损承受上限与踏空承受下限 将仓位控制在中枢范围内实现低买高卖[9] - 避免追涨看不懂的资产 尤其在涨幅过大时 市场轮动效应可能导致普通投资者买在高点[9][17] - 采用"弱者思维"选择无需持续超越市场就能获利的投资方式 分批分散加仓权益资产 保持组合均衡[16][17][18]

报告行业投资评级 未提及 报告的核心观点 - 恒泰证券研究所基于相关策略报告构建基于行业和主题ETF的策略组合 [2] - 2025年8月18 - 22日期间策略累计净收益约6.08%，相对于沪深300ETF的超额收益约为1.79%；2024年10月14日至今，策略样本外累计收益约15.90%，相对于沪深300ETF累计超额约0.76% [3] - 2025年8月25日一周，模型推荐配置通信设备、工业金属、电池等板块，未来一周策略将新增持有电池ETF、科创半导体ETF、工业母机ETF等产品，并继续持有通信设备ETF、工业有色ETF、卫星ETF等产品，截至上周末，ETF及标的指数的交易择时信号给出日度及周度看多信号 [12] 根据相关目录分别进行总结 策略说明 - 恒泰证券研究所基于《行业轮动下的策略组合报告:基于行业风格延续和切换视角下的定量分析》（20241007）和《股票型ETF市场概览与配置方法研究:以基于行业轮动策略的ETF组合为例》（20241013）构建基于行业和主题ETF的策略组合 [2] 策略更新 |基金代码|ETF名称|ETF市值（亿元）|持有情况|重仓申万行业及权重|周度择时信号|日度择时信号| | --- | --- | --- | --- | --- | --- | --- | |159583|通信设备ETF|2.68|继续持有|通信设备(73.61%)|1|1| |560860|工业有色ETF|18.08|继续持有|工业金属(54.97%)|1|1| |159755|电池ETF|48.90|调入|电池(60.37%)|1|1| |588170|科创半导体ETF|4.09|调入|半导体(87.1%)|1|1| |159667|工业母机ETF|6.53|调入|自动化设备(45.3%)|-1|1| |159206|卫星ETF|2.05|继续持有|军工电子(34.22%)|1|1| |516150|稀土ETF嘉实|58.89|调入|小金属(34.67%)|1|1| |560170|央企科技ETF|14.17|调入|航空装备(22.35%)|1|1| |588830|科创新能源ETF|5.73|调入|光伏设备(47.93%)|1|1| |159698|粮食ETF|2.06|调入|种植业(48.33%)|1|1|[3] 业绩追踪 - 2025年8月18 - 22日期间，策略累计净收益约6.08%，相对于沪深300ETF的超额收益约为1.79%；2024年10月14日至今，策略样本外累计收益约15.90%，相对于沪深300ETF累计超额约0.76% [3] 行业轮动ETF策略近1周持仓与表现（20250818 - 20250822） |基金代码|ETF名称|ETF市值（亿元）|本期持有情况|近1周涨跌幅(%)| | --- | --- | --- | --- | --- | |159583|通信设备ETF|2.68|继续持有| - 1.74| |517520|黄金股ETF|12.89|调出|/| |159869|游戏ETF|4.39|调出|/| |159206|卫星ETF|2.05|继续持有|4.90| |560860|工业有色ETF|18.08|继续持有|3.11| |159992|创新药ETF|108.68|调出|0.64| |159865|乔殖ETF|44.95|调出|2.37| |563010|电信ETF|1.53|调出|9.41| |512670|国防ETF|65.54|调出|2.85| |588780|科创芯片设计ETF|4.73|调出|/| |ETF组合平均收益|/|/|/|6.08| |沪深300ETF|510300|4097.72|/|4.28| |ETF组合超额收益|/|/|/|1.79|[12] 行业轮动ETF策略未来1周推荐板块与产品（20250825 - 20250829） - 2025年8月25日一周，模型推荐配置通信设备、工业金属、电池等板块，未来一周策略将新增持有电池ETF、科创半导体ETF、工业母机ETF等产品，并继续持有通信设备ETF、工业有色ETF、卫星ETF等产品，截至上周末，ETF及标的指数的交易择时信号给出日度及周度看多信号 [12]

美国降息周期中的港股表现 - 在美国降息周期中港股弹性或好于美股主要受益于流动性和风险偏好改善 [1] - 首推TMT能源电讯行业 [1] - 当前美国劳动力市场降温信号逐渐显现叠加关税带来的通胀压力可能强化滞胀交易环境 [1] 滞胀交易模式特征 - 通胀担忧缓解前交易模式以滞胀交易为主阶段性切向宽松交易情形Ⅰ和衰退交易情形Ⅰ [1] - 滞胀交易下港股涨幅较高接近宽松交易涨幅美股小幅上涨接近复苏交易涨幅 [1] - 美债收益率回落接近衰退交易跌幅大宗商品小幅上涨接近宽松和复苏交易涨幅 [1] 港股科技ETF产品特性 - 港股科技ETF（513020）跟踪港股通科技指数（931573） [1] - 指数从通过港股通交易的科技相关上市公司中选取资讯科技业电子零件互动媒体及服务等行业市值最高的30只证券作为指数样本 [1] - 指数侧重信息技术与硬件设备领域展现软硬结合及多赛道均衡配置的特点 [1] 替代投资渠道 - 没有股票账户的投资者可关注国泰中证港股通科技ETF发起联接A（015739）和国泰中证港股通科技ETF发起联接C（015740） [1]

行业配置变动 - 投资者增加科技板块持仓1.9个百分点 工业与通信服务板块各增0.6个百分点 [1] - 医疗保健板块持仓减少1.3个百分点 金融与必需消费品板块各减0.7个百分点 [1] - 小盘股中科技板块持仓增幅达2.3个百分点 非必需消费品板块增0.9个百分点 [1] 小盘股特征 - 小盘必需消费品板块持仓下降0.9个百分点 医疗保健板块下降0.8个百分点 [1] - 对冲基金超配小盘医疗保健板块达资产管理规模28%（基准指数占比10%） [2] - 小盘股领域增加金融与通信服务板块配置 [1] 科技板块持仓格局 - 对冲基金持续低配科技板块 该趋势自2017年延续至今 [1] - 低配主因大型科技股快速扩张导致持仓权重被动下降 [1] 地域持股分布 - 美国本土基金持有标普500指数81%的股权 [1] - 能源板块北美市场持股集中度达86% 为地域主导性最强板块 [2] - 房地产板块外国持股占比22% 为国际化程度最高板块 [2]

根据提供的研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. **模型名称：扩散指数行业轮动模型** - **模型构建思路**：基于价格动量原理，通过行业扩散指数捕捉行业趋势，选择向上趋势的行业进行配置[24] - **模型具体构建过程**： 1. 计算各中信一级行业的扩散指数，反映行业价格趋势强度 2. 选择扩散指数排名靠前的行业作为配置标的 3. 每月进行轮动调仓，配置扩散指数提升较大的行业[25][26] - **模型评价**：在趋势性行情中表现较好，但在市场反转时可能失效[24] 2. **模型名称：GRU因子行业轮动模型** - **模型构建思路**：基于GRU深度学习网络，利用分钟频量价数据生成行业因子，捕捉短期交易机会[30] - **模型具体构建过程**： 1. 使用GRU网络处理行业分钟频量价数据 2. 输出行业因子得分，反映行业短期动量特征 3. 选择GRU因子得分较高的行业进行配置[31][32] - **模型评价**：在短周期表现较好，但长周期表现一般，极端行情可能失效[30] 量化因子与构建方式 1. **因子名称：行业扩散指数** - **因子构建思路**：衡量行业价格趋势强度，反映行业动量特征[25] - **因子具体构建过程**： 1. 计算行业价格序列的扩散指标 2. 标准化处理得到扩散指数，取值范围0-1 3. 指数越高表示行业趋势越强[26] 2. **因子名称：GRU行业因子** - **因子构建思路**：通过GRU网络提取行业量价特征，反映短期交易信号[31] - **因子具体构建过程**： 1. 输入行业分钟频量价数据到GRU网络 2. 网络输出行业因子得分，得分越高表示短期动量越强[32] 模型的回测效果 1. **扩散指数行业轮动模型** - 2025年8月超额收益1.51%[28] - 2025年以来超额收益1.75%[28] 2. **GRU因子行业轮动模型** - 2025年8月超额收益-1.78%[33] - 2025年以来超额收益-6.66%[33] 因子的回测效果 1. **行业扩散指数** - 截至2025年8月15日，排名前六的行业扩散指数值： - 综合金融1.0 - 钢铁1.0 - 非银行金融0.999 - 综合0.998 - 有色金属0.997 - 通信0.997[25] 2. **GRU行业因子** - 截至2025年8月15日，排名前六的GRU因子值： - 有色金属5.67 - 非银行金融4.65 - 建材4.14 - 房地产4.08 - 钢铁3.64 - 基础化工2.71[31]

报告行业投资评级 未提及 报告的核心观点 本周A股市场持续上升，上证指数稳定在3600点之上，两市周度日均成交额较上周减少，融资融券余额突破2万亿且呈上升趋势，市场杠杆资金参与度活跃，投资者风险偏好较高；动量因子和盈利因子涨幅居前，市值因子跌幅较大；股指期货中IM基差升水，IH基差贴水；建议关注国产算力产业链、AI应用端以及消费复苏板块，在指数回调后关注左侧布局机会 [1][10][13] 根据相关目录分别进行总结 本周市场回顾 行业指数 本周有色金属、机械和国防军工等板块涨幅居前，综合金融和非银行金融板块交易活跃度大幅降低；上周涨幅较优的医药板块本周回调，上周跌幅较大的煤炭、有色金属板块本周大幅反弹；大部分行业板块成交额占比近四周新低，投资者应注意行业板块拥挤度风险 [10] 市场风格 本周五类中信风格指数均上涨，周期风格涨幅领先，成长风格周度成交额占比提升至近四周最高值，消费风格涨幅最小且成交额占比小幅下降，稳定和金融风格成交额占比均降至近四周最低水平；主要宽基指数均上涨，小盘股超额收益显著 [12] 主动权益基金 不同主题赛道中本周表现优异的基金 以TMT、金融地产、消费、医药、制造和周期六个板块为基准，筛选出单赛道和双赛道中本周表现优异的基金，如周期赛道的前海开源沪港深核心资源A、消费赛道的汇添富消费升级A等 [17][18] 不同策略分类中表现优异的基金 将基金分为深度低估、高成长、高质量等类型，统计出本周不同类型基金中表现优异的基金，如深度低估策略的华夏磐锐一年定开A、高成长策略的民生加银前沿科技等 [19][20] 指数增强型基金 本周指数增强基金的超额收益分布 沪深300、中证500、中证A500、创业板、科创创业50指数增强基金超额收益均值为正，中证1000、中证2000指数增强基金超额收益均值为负；中性对冲基金和量化多头基金绝对收益均值为正 [23][24] 本期债券基金选品 中长债基金池 根据基金规模、收益风险指标等筛选出中长债基金池，如博时双季乐六个月持有A、农银汇理悦利等 [38][39] 短债基金池 筛选出短债基金池，如上银慧享利30天滚动中短债A、浦银安盛稳鑫120天滚动中短债A等 [39] 本周基金高频仓位探测 最近一周主动权益基金大幅加仓机械和计算机行业，大幅减仓电子、银行和汽车行业；最近一个月通信、银行和非银行金融行业仓位明显增加，食品饮料行业仓位明显减少 [3][40] 本周美元债基金周度跟踪 对关注的美元债基金进行周度跟踪，如华安全球美元收益A美元现汇、华安全球美元票息A美元现汇等，展示了基金规模、区间收益、近三年最大回撤和申购赎回状态 [44][45]

市场行情回顾 - 两融余额突破2万亿，市场情绪偏强，成长与周期板块持续轮动 [4] - 市场成交额小幅回落但仍处高位，受新藏铁路预期带动周期板块走强 [4] - 建议在周期、稀土、科技、军工、医药等主题轮动回调时布局 [4] 股票市场因子跟踪 - 小盘成长风格大幅占优，大小盘风格波动上升，价值成长风格波动下降 [6] - 行业指数超额收益离散度保持近一年低位，行业轮动速度下降 [6] - 前100个股成交额占比及前5行业成交额占比均上升，市场波动率升高但换手率略降 [6][12] 商品市场因子跟踪 - 贵金属及农产品板块趋势强度上升，其余板块持平或下降 [15] - 贵金属及有色板块基差动量快速上升，有色板块波动率略有下降 [15] - 有色及贵金属板块流动性下降，黑色及能化板块波动率维持 [15] 期权市场因子跟踪 - 上证50与中证1000隐含波动率继续回落，期权偏度短期快速震荡 [24] - 市场上涨与估值风险防范情绪形成矛盾，右侧与左侧交易博弈 [24] 可转债市场因子跟踪 - 百元转股溢价率接近一年最高值，低溢价率转债占比趋势增加 [26] - 市场热度推动转债成交额继续升高，结构性涨幅特征显著 [26]

市场走势分析 - 当前A股呈现"结构性牛市"特征，行业收益率差异显著，行业轮动策略可通过捕捉强势行业获取超额收益 [2] - 相比2024年10月政策驱动的急涨，本轮上涨由基本面修复和流动性宽松支撑，走势更健康：二季度GDP增速5.2%，企业盈利修复趋势明确 [3] - 政策面有托底信号：中央汇金增持ETF超1900亿元，险资加仓低估值蓝筹，"国家队"释放维稳信号 [3] - 增量资金持续入场：北向资金上半年净增持101亿美元，融资余额4月以来增加750亿元，居民储蓄通过公募入市趋势延续 [3] 投资策略与板块配置 - 行业轮动策略采用月度调仓周期，平衡交易成本与调仓频率，设定15%~20%收益率止盈目标和2%~4%固定比例止损 [2] - 短期操作建议：若回调至3550点附近且缩量企稳，可加仓金融（银行/券商）及回调充分的科技成长股（AI算力/创新药） [3] - 中期配置方向：守势板块关注高股息蓝筹防御波动，攻势方向关注科创50、人形机器人、创新药等政策与产业共振领域 [3] 财富管理行业趋势 - 中国财富管理行业进入高增长周期，投资顾问作为"最后一公里"引路人直接影响全民资产配置走向 [1] - 行业从"规模扩张"转向"高质量发展"，投顾需整合"买方立场+科技内化+跨域专业+全球视野"四维能力 [4] - 服务模式面临转型：从"卖方销售"（依赖佣金）转向"买方投顾"（收取咨询费），需重构收入结构并解决短期阵痛 [4] 科技赋能与能力升级 - 智能投顾工具可支持个性化服务，但对非结构化数据洞察存在瓶颈，AI可替代基础分析工作如风险评估、策略生成 [4] - 投顾需升级为"决策赋能者"，利用AI整合宏观-行业-企业分析，动态适配市场变化，同时运用大模型优化投研匹配与客服响应 [5] - 未来服务模式为"人机协同"：AI处理标准化流程，投顾专注情感陪伴，实现客户账户价值与情绪价值双重提升 [5]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称：扩散指数行业轮动模型** - **模型构建思路**：基于价格动量原理，通过行业扩散指数捕捉行业趋势，选择趋势向上的行业进行配置[27] - **模型具体构建过程**： 1. 计算各中信一级行业的扩散指数，反映行业价格趋势强度 2. 选择扩散指数排名靠前的行业作为配置标的 3. 每月进行轮动调仓，动态调整行业配置[27] - **模型评价**：在趋势行情中表现优异，但在市场反转时可能失效[27][37] 2. **模型名称：GRU因子行业轮动模型** - **模型构建思路**：基于GRU深度学习网络，利用分钟频量价数据生成行业因子，捕捉短期交易信号[33][38] - **模型具体构建过程**： 1. 使用GRU网络处理高频量价数据，提取行业特征 2. 生成GRU行业因子，反映行业短期动量 3. 选择因子排名靠前的行业进行配置，每周调仓[33][36] - **模型评价**：擅长把握短期交易机会，但长周期表现一般，极端行情下可能失效[33][38] 量化因子与构建方式 1. **因子名称：行业扩散指数** - **因子构建思路**：衡量行业价格趋势的强度，用于识别动量较强的行业[27][28] - **因子具体构建过程**： 1. 计算行业价格序列的扩散指标 2. 标准化处理得到扩散指数，范围在0到1之间 3. 指数越接近1，表示行业趋势越强[28][29] 2. **因子名称：GRU行业因子** - **因子构建思路**：通过GRU网络提取行业量价特征，生成因子得分[33][34] - **因子具体构建过程**： 1. 输入行业分钟频量价数据到GRU网络 2. 输出行业因子得分，正得分表示看涨，负得分表示看跌[34][36] 模型的回测效果 1. **扩散指数行业轮动模型** - 2025年以来超额收益：-0.41%[26][31] - 2024年超额收益：-5.82%[27] - 2023年超额收益：-4.58%[27] - 2022年超额收益：6.12%[27] 2. **GRU因子行业轮动模型** - 2025年以来超额收益：-4.35%[33][36] - 本周超额收益：0.65%[36] - 8月以来超额收益：0.32%[36] 因子的回测效果 1. **行业扩散指数** - 最新排名靠前的行业：综合金融(1.0)、钢铁(1.0)、建材(1.0)[28][29] - 环比提升较大的行业：煤炭(+0.683)、石油石化(+0.396)[29][30] 2. **GRU行业因子** - 最新排名靠前的行业：钢铁(2.82)、建材(1.72)、交通运输(1.3)[34][36] - 环比提升较大的行业：钢铁、建材、交通运输[34][36]

量化模型与构建方式 1. **模型名称**：多元CNN-LSTM预测模型 - **模型构建思路**：结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的优势，通过多元时间序列分析技术对并行金融时间序列（如行业指数）进行联合预测，考虑序列间的动态相关性[11][12] - **模型具体构建过程**： 1. **输入层**：对齐多个时间序列数据并按时间顺序排列[14] 2. **卷积层**：使用64个过滤器（卷积核大小=2）提取特征，激活函数为ReLU[20] 3. **池化层**：窗口大小为（2,2）[20] 4. **LSTM层**：两层隐含单元（各128个），处理时序依赖关系[20] 5. **全连接层**：输出预测值，损失函数为均方根误差（RMSE）： $$R M S E={\sqrt{\frac{1}{n}\sum_{i}({\hat{y_{i}}}-y_{i}\,)^{2}}}$$ [20] - **模型评价**：对TMT行业预测精度较高，消费类行业误差较大；分组训练后预测效果提升[25][32] 2. **模型名称**：分组多元CNN-LSTM - **模型构建思路**：将申万一级行业按投资属性分为6组（如消费及医药、大科技等），每组独立训练子模型以降低复杂度[26][27] - **模型具体构建过程**： 1. **行业分组**：消费及医药（9行业）、上游资源及材料（5行业）、高端制造（6行业）、地产及基建（4行业）、大科技（4行业）、大金融（2行业）[27] 2. **子模型结构**：每组采用与主模型相同的CNN-LSTM架构，但参数独立训练[28] 3. **预测整合**：各子模型输出组内行业预测值，最终合并为全行业预测结果[28] --- 量化因子与构建方式 1. **因子名称**：T+5行业收益率预测因子 - **因子构建思路**：基于多元CNN-LSTM模型对行业指数未来5日收益率的预测值，作为行业轮动信号的输入[35] - **因子具体构建过程**： 1. 调整模型超参数：时序回看窗口扩展至20天，LSTM隐含单元增至256个[34] 2. 使用扩展窗口训练（2014年3月至调仓时点前数据），每季度重新训练[35] 3. 对T+5预测值排序，选取前5名行业作为多头组合[35] --- 模型的回测效果 1. **多元CNN-LSTM（全行业）**： - 测试集预测误差范围：1.56%~3.30%（T+1）[23] - TMT行业误差最低（如电子1.56%），消费类较高（如食品饮料3.25%）[23] 2. **分组多元CNN-LSTM**： - 分组后测试误差改善：电子从1.56%降至1.78%，食品饮料从3.25%降至2.68%[32][33] - T+5预测误差较T+1显著上升，但仍在可接受范围[37] 3. **行业轮动策略**： - 年化收益：15.6%（基准3.6%），年化超额收益11.6%[38] - 最大回撤：-27.1%（基准-36.3%），夏普比率0.7（基准0.27）[38] --- 因子的回测效果 1. **T+5收益率预测因子**： - 行业轮动组合IR：1.01，最长回撤修复时间248天[38] - 分组后因子稳定性提升，但T+5预测误差波动增大[37]