TEAM行業輪動策略：四主體行為解構與信號合成-資產定價系列之三

內容目錄一、引言：從單點信號”到“團隊共識的指標進化路徑 4二、四主體行為解構與信號合成 6行業機構預期：機構行為 6行業景氣度：分析師行為及財報行為 13行業趨勢：市場行為 18行業擁擠度：市場行為 19三、TEAM輪動策略 TEAM行業輪動策略 21ETF賽道輪動策略 24四、總結 風險提示 圖表目錄圖1：TEAM指標體系 4圖2：TEAM指標釋義 5圖3：基金重倉程度構建的行業輪動策略無超額收益 6圖4：基金因子到行業因子的映射路徑示意圖 6圖5：選基因子轉化成選股因子的映射方式 7圖6：股票FHQ因子五分組表現（中證800成份股域） 8圖7：單指標行業輪動凈值走勢（基金質量） 8圖8：單指標行業輪動超額對沖（基金質量） 8圖9：單指標行業輪動凈值走勢（基金超配差） 9圖10：單指標行業輪動超額對沖（基金超配差） 9圖單指標行業輪動凈值走勢（基金調倉預期） 10圖12：單指標行業輪動超額對沖（基金調倉預期） 10圖13：機構行為因子相關性 10圖14：綜合機構預期合成示意圖 11圖15：單指標行業輪動凈值走勢（綜合機構預期） 11圖16：單指標行業輪動超額對沖（綜合機構預期） 11圖17：合成的綜合機構預期優于單一基金指標 12圖18：計算示意圖（以計算天風證券對煤炭行業的盈利預測為例） 13圖19：單指標行業輪動凈值走勢（分析師行業景氣指數） 14圖20：單指標行業輪動超額對沖（分析師行業景氣指數） 14圖21：單指標行業輪動凈值走勢（分析師行業景氣指數_Z_Score） 14圖22：單指標行業輪動超額對沖（分析師行業景氣指數_Z_Score） 14圖23：單指標行業輪動凈值走勢（預期ROE_FTTM的Z_Score） 14圖24：單指標行業輪動超額對沖（預期ROE_FTTM的Z_Score） 14圖25：單指標行業輪動凈值走勢（財報景氣度） 15圖26：單指標行業輪動超額對沖（財報景氣度） 15圖27：景氣度因子相關性 16圖28：行業綜合景氣度合成 16圖29：單指標行業輪動凈值走勢（行業綜合景氣度） 17圖30：單指標行業輪動超額對沖（行業綜合景氣度） 17圖31：合成的綜合景氣度優于單一景氣度指標 17圖32：單指標行業輪動凈值走勢（趨勢） 18圖33：單指標行業輪動超額對沖（趨勢） 18圖34：單指標行業輪動凈值走勢（擁擠度） 20圖35：單指標行業輪動超額對沖（擁擠度） 20圖36：TEAM行業輪動氣泡圖 21圖37：TEAM行業輪動策略 22圖38：ETF指數自定義賽道分類 24圖39：當前各賽道對應的規模最大ETF名單 25圖40：ETF賽道輪動氣泡圖 26圖41：每期參與輪動的指數和賽道數量 26圖42：高彈性ETF賽道輪動策略 27圖43：穩健版ETF賽道輪動策略 29表1：綜合機構預期指標多頭組合持倉案例 12表2：行業綜合景氣度指標多頭組合持倉案例 17表3：趨勢指標多頭組合持倉案例 19表4：擁擠度指標多頭組合持倉案例 20表5：TEAM行業輪動策略分年度表現（區間：2013/2/1-2026/7/10） 22表6：近18期行業輪動組合持倉明細 23表7：高彈性ETF賽道輪動策略分年度表現（區間：2015/1/5-2026/7/17） 27表8：近18期ETF賽道輪動組合持倉明細 28表9：穩健版ETF賽道輪動策略分年度表現（區間：2015/1/5-2026/7/17） 29一、引言：從“單點信號”到“團隊共識”的指標進化路徑A股行業收益分化劇烈、排名波動頻繁，單一維度策略常面臨信號衰減、風格漂移與擁擠踩踏。如何系統性地整合多維度信息，構建穿越不同宏觀周期與風格切換的輪動框架，是量化配置研究的關鍵課題。本報告提出“TEM”行業輪動指標體系，從市場（ding、企業（Enpis、分析師（Analyst）及機構（Manager）四類核心主體的行為出發，構建“量價—基本面—預期—資金流”四維分析框架。我們認為，行業價格是不同信息優勢主體在各自約束條件下博弈的均衡結果：市場交易者傳遞邊際信息，企業財報錨定基本面，分析師預期反映前歧”預示反轉；捕捉這種協同與背離，是提升輪動策略穩健性的根本路徑。的信息迷霧，將機構資金的真實配置意圖轉化為可量化的行業信號，補全了機構定價權持續提升背景下的增量信息。同時，本報告繼承并拓展了此前“趨勢、擁擠度及景氣度三維框架的研究積累：市場維度以趨勢捕捉共識、以擁擠度識別風險；企業維度以財報景氣度刻畫基本面邊際改善；分析師維度以預期擴散指數反映前瞻變化。三維框架由此進化至TEAM體系，實現了從“單點信號”到“多主體共識”的系統性升級。綜上所述，TEAM框架實現了對市場核心定價主體的系統化解構與信號合成。各維度信息并非孤立信號源的機械拼湊，而是通過“共識”與“分歧”動態決定行業配置方向。后續章節將逐一展開四維度指標的構建邏輯、回測驗證與信號合成路徑，為行業配置提供一套理論根基扎實、邏輯自洽且業績可驗證的系統性工具。圖1天風證券研究所圖2主體指標指標計算方法及含義核心邏輯和判斷標準市場(Trading)行業趨勢行業擁擠度行業過去一年相比于行業等權的信息比率，衡量當前行業的趨勢最近三個月行業換手率、波動率(時序)和Bt歷史標準分的等權平均，衡量行業最近一個季度交易情緒在歷史上所處的位置>0，代表過去一年上漲比較穩定比較高，代表交易比較擁擠企業(Eti)財報景氣度最新行業單季度ROE(考慮業績快報與預告)、凈利潤增速和營收增速的環比的等權平均，衡量行業最近一個季度基本面的邊際變化比較高，財報基本面數據改善幅度大分析師(lyt)分析師行業景氣指數分析師行業景氣指數_zscore分析師預期ROE_FTTM的z_scoreROE的機構占比，衡量看多該行業ROE的機構比例近期上調行業ROE的機構占比在過去十二個月的標準分，衡量看多該行業ROE的機構占比在最近一年的變化先計算當前未來4個季度ROE_FTTM預測值(機構加權)，再計算該指標過去一年的標準分，衡量當前機構ROE預測值在最近一年的變化>0，代表上調盈利預測的分析師占大多數>0，代表上調盈利預測的分析師有增加>0，代表分析師近期上調幅度比較大基金質量行業成份股的平均持有基金質量，衡量重倉行業的主動權益基金經理的平均選股能力比較高，代表持倉行業的基金質量較高機構()基金超配差高質量基金重倉股票組合相對中證800指數的行業超配程度，衡量高質量主動權益基金經理的行業超配程度比較高，代表高質量基金超配程度大基金調倉預期主動權益基金經理的主動加倉行為(按基金能力因子加權)，衡量行業的主動權益基金經理的最新邊際加倉預期比較高，代表優秀基金經理的邊際調倉看好天風證券研究所二、四主體行為解構與信號合成行業機構預期：機構行為簡單基于公募基金重倉程度構建行業輪動策略長期來看無超額收益。很多投資者在每次基金季報披露后都會非常關注主動權益基金的重倉股和行業配置，但實證顯示，自2013年初以來，公募重倉程度因子在行業輪動層面經歷了兩次長周期失效：2013年中至2017年初，以及2021年初至今。因此，僅僅依賴公募基金整體重倉程度構建指標做行業輪動的話，長期信息價值非常有限。圖3：基金重倉程度構建的行業輪動策略無超額收益

超額(右軸) 基于公募重倉因子的行業輪動策略 行業等權基

1.201.101.000.900.800.700.600.50如何刻畫公募機構行為，構建有效的行業輪動因子，是一個重要的話題。下文我們借助此前的基金研究和選股研究成果，從公募主動權益基金經理行為角度，發掘了幾個比較好用的行業輪動指標。①如何刻畫行業的持有基金質量？主動權益基金經理在中證800評價指標和基金重倉股信息，通過一種映射方式可將其轉化為具備顯著超額收益的選股因子FHQ，計算每個行業成份股的平均FHQ作為行業基金質量指標。按照下述步驟可構建基金因子到行業因子的映射：基金因子（選股alpha勝率）→股票因子（FHQ）→行業因子（基金質量）圖4：基金因子到行業因子的映射路徑示意圖天風證券研究所第1步：計算基金因子基金樣本：公募主動權益基金計算時點：在季報截止公布日計算。計算基金因子：滾動回看5段觀測區間（包含4個完整季度及15個交易日，計算基金的持股勝率，其中alpha的定義為股票收益率減去對應行業收益率。第2步：基金因子→股票因子按下圖映射方式，將基金因子映射為股票因子：T（基金因子）→股票因子。因子構建的底層邏輯：股票的FHQ(??????????????????????_??????????????越高，表明持有該股票的基金平均選股能力越強；反之則越弱。圖5：選基因子轉化成選股因子的映射方式天風證券研究所映射公式：T（基金選股alpha勝率）→股票FHQ因子?? ??????????=∑????????,??/∑????,????=1 ??=1其中，????是基金??的選股alpha勝率因子值，????,??是在計算股票因子時衡量基金??的權重，測試表明對具體加權方式不敏感，本文采用“占凈值比加權研究發現，股票FHQ因子在中證成份股域內有顯著超額。800成份股域內，測算了股票FHQ因子的績效，從五分組表現來看：組5（因子最大組）有顯著超額，呈現顯著多頭效應，多頭和空頭區分度良好。圖6：股票FHQ因子五分組表現（中證800成份股域）

組5/組1 組1 組2 組3 組4 組

54.543.532.521.510.50第3步：股票因子→行業因子通過第一步我們根據股票被重倉基金的平均勝率計算股票FHQ因子，然后按照行業指數的成份股，計算平均FHQ，即得到行業的基金質量fund_quality：????????_????????????????=????????(????????)??因子測試：基于單指標（基金質量undquli，下面2個圖展示了單指標做行業配置55個行業，月頻調倉、等權配置，主要結論有：多頭組合年化超額4.05%，多空對沖年化指標長期來看比較穩健，2018~2021年表現相對平庸，其他年份表現強勢，2025年以來多頭端有很高的彈性。圖7：單標行業動凈走勢（金質） 圖8：單標行業動超對沖（金質） ②如何刻畫行業的高質量基金超配程度？FHQ因子構建的多頭組合具備較高的超額收益，其在行業層面alpha。為了衡量高質量基金重倉股票組合相對中證800指數的行業超配程度，我們構建行業的基金超配差指標。具體計算方法為：計算股票FHQ因子：根據股票被重倉基金的平均勝率計算股票FHQ因子。構建轉化股票組合：FHQ只股票構成高得分股票組合。計算股票組合超配程度：計算該股票組合的行業成份股數量分布，減去中證800指數成份股的行業成份股數量分布，得到行業的基金超配差指標。因子測試：基于單指標（基金超配差undorigh，下面2個圖展示了單指標做行業配置策略的效果，其中多頭是單指標得分最高的5個行業，空頭是單指標得分最低的5個行業，月頻調倉、等權配置，主要結論有：多頭組合年化超額3.45%，多空對沖年化指標年之后有效性顯著提升，空頭端有很強的負向剔除能力。圖9：單標行業動凈走勢（金超差） 圖10：單標行業動超對沖（金超差） ③如何刻畫行業的基金調倉預期？基金調倉預期：衡量選股能力強的基金群體對該行業的加權平均看多強度。捕捉基金經理的調倉方向，通常比看絕對配置更有信息含量。接下來繼續嘗試借助基金因子的力量，挖掘優秀基金經理行為中蘊含的行業輪動alpha。核心邏輯是選股能力強的基金大幅加倉的行業，未來表現更優。轉化得到的行業輪動因子可視作主動權益基金經理調倉預期，反映優秀基金經理的調倉共識。∑??:Δ????,??,??>5%????,??,???Δ????,??,??????????_????????????????????,??=

∑??,Δ????,??,??>5%Δ????,??,??其中，????,??,??是基金選股能力，Δ????,??,??是基金對行業持倉邊際變化。具體計算方法為：提取基金重倉股：提取基金重倉股，分別計算本期和上期的持股市值，剔除股票自身漲跌幅影響，再歸一化權重，得到本期和上期的持股權重。調倉信號：對每個行業，計算權重變化幅度。5%的基金調倉記錄。計算調倉預期信號：以加倉幅度加權平均基金的選股能力得分，得到該行業的看多信號。缺失行業用當日截面最小值填充。因子測試：（基金調倉預期undblnce，下面2個圖展示了單指標做行業配置策略的效果，其中多頭是單指標得分最高的5個行業，空頭是單指標得分最低的5個行業，月頻調倉、等權配置，主要結論有：2.66%5.91%;指標階段性失效，例如2021、2022年面臨較大回撤，最近幾個月表現也不佳，其他時間段該指標表現較好。圖單指標業輪凈值走（基調倉預） 圖12：單標行業動超對沖（金調預期） 上述3個機構行為細分指標之間相關系數不高，僅基金質量和基金超配差之間的相關系數相對而言高一些，整體而言存在一定的互補性。圖13：機構行為因子相關性相關系數基金質量基金超配差基金調倉預期基金質量1.000.660.39基金超配差0.661.000.30基金調倉預期0.390.301.00④如何將3個機構行為細分指標合成1個綜合機構預期指標？對這3個機構行為細分指標分別進行截面Z-Score標準化處理，以消除量綱差異并實現橫向可比。再將標準化后的得分等權加總，構建綜合機構預期指標：????????????????????=????????_??????????????_??+????????_????????????????????_??+????????_??????????????????_??圖14：綜合機構預期合成示意圖天風證券研究所因子測試：基于3個細分指標合成的單指標綜合機構預期，下面2個圖展示了單指標做行業配置策略的效果，其中多頭是單指標得分最高的5個行業，空頭是單指標得分最低的5個行業，月頻調倉、等權配置，主要結論有：4.64%8.39%；三個細分指標融合后，指標的有效性進一步提升。圖15：單標行業動凈走勢（合機預期） 圖16：單標行業動超對沖（合機預期）綜合機構預期優于單一基金指標。綜合機構預期的年化超額、IR、勝率均明顯優于3個單一基金指標，且最大回撤介于基金質量與基金調倉預期之間，風險收益比最優。圖17：合成的綜合機構預期優于單一基金指標表1：綜合機構預期指標多頭組合持倉案例調倉日期持倉行業超額收益2026529電子、通信、有色金屬、基礎化工、煤炭850%2026430電子、通信、有色金屬、基礎化工、煤炭751%2023129紡織服裝、煤炭、商貿零售、交通運輸、房地產540%2020529電子、通信、醫藥、計算機、農林牧漁507%2018427農林牧漁、食品飲料、汽車、消費者服務、家電833%2015430醫藥、國防軍工、家電、計算機、電力及公用事業688%2014118銀行、電力及公用事業、交通運輸、國防軍工、建筑1451%2013127計算機、輕工制造、家電、電力設備及新能源、醫藥685%2013628醫藥、食品飲料、電子、傳媒、國防軍工588%2013531醫藥、食品飲料、電子、傳媒、國防軍工522%行業景氣度：分析師行為及財報行為①如何構建分析師景氣指數？借鑒采購經理指數（PMI）的編制方法，構建分析師行業景氣度擴散指數：在該行業覆蓋研究機構中，認為ROE增速環比上調的機構占比（按機構重要性和預測準確性加權。核心邏輯是：統計看多的機構占比。分析師景氣度指標計算方法：（）分析師個股盈利預測明細數據(FY,FY2;（）分析師個股一致預期數據(FY1,FY2);（3）其他用到的個股財務和基本面數據；計算未來四個季度凈利潤TTM（根據已公布的季報比例調整FY1和FY2的權重;（）若有業績快報則采用快報數據代替FY（3）運用整體法計算每家機構對每個行業的盈利預測；（）縱向可比：本期與上期成分股取交集保證數2）橫向可比：計算行業與大盤的相對RE（3）去噪音：使用移動平均MA對數據做平滑處理（4）機構重要性賦權：機構對該板塊的凈利潤覆蓋（）圖18：計算示意圖（以計算天風證券對煤炭行業的盈利預測為例）天風證券研究所在上述計算過程中，我們可以同時獲得3個不同的分析師景氣指數：ROE分析師行業景氣指數_Z_Score：近期上調行業ROE的機構占比在過去十二個月的標準分。分析師預期EFTTM的ZSor先計算當前未來4個季度EFTTM預測值(機構加權，再計算該指標過去一年的標準分。下面我們逐個檢驗了這35個5個行業，月頻調倉、等權配置。測試結果表明這3個指標都有不錯的行業選擇能力，并且存在互補性。基于分析師行業景氣指數構建的多頭組合年化超額，多空對沖年化該指標下半年至年末，多空對沖超額面臨回撤。圖19：單標行業動凈走勢（析師業景氣數） 圖20：單標行業動超對沖（析師業景氣數） 基于分析師景氣指數_Z_Score構建多頭組合年化超額，多空對沖年化3.27%;該指標年表現強勢，2026年以來多空對沖超額面臨回撤。圖單指標行輪動凈走（析師業景氣數Zo） 圖：單指標行輪動額對沖分析行業景指數Zo）基于行業分析師預期ROE_FTTMZ_Score構建的多頭組合年化超額，多空對沖年化該指標長期來看表現穩健，但年超額較低。圖單指標行業動凈值（預期的圖24：單標行業動超對沖（期的②如何從財報維度構建指標完善行業景氣度的刻畫？財報景氣度：最新行業單季度ROE、凈利潤增速和營收增速環比變化的等權平均。趨勢與擁擠度指標從交易維度刻畫了行業的量價特征，而行情的持續性最終需要基本面支撐。ROE（含業績快報/預告口徑、凈利潤增速與營收增速的環比變化等權平均，捕捉行業基本面的最新邊際變化，為行業輪動策略提供基本面維度的驗證與補充。行業財報景氣度指標計算方法：指標獲取：環比、凈利潤增速環比、營收增速環比三大財報邊際指標；MADEMA時序平滑；相對刻畫：以4周邊際變化反映景氣度邊際改善幅度，截面標準化排名體現行業間相對強弱；合成規則：三大維度等權重合成，得到行業財報景氣度。基于（財報景氣度2個圖展示了單指標做行業配置策略的效果，55個行業，月頻調倉、等權配置，主要結論有：2.18%4.59%;財報景氣度的多空對沖超額主要貢獻發生于2015年，其他年份單指標不具備顯著超額能力，近幾年呈現周期性有效和失效的特征。圖25：單標行業動凈走勢（報景度） 圖26：單標行業動超對沖（報景度）上述4個景氣度細分指標之間相關系數不高，僅分析師行業景氣指數和分析師預期ROE_FTTM_Z_Score之間的相關系數相對而言高一些，整體而言存在一定的互補性。圖27：景氣度因子相關性相關系數分析師行業景氣分析師行業景氣指數 指數_zscore分析師預期ROE_FTTM_zscore財報景氣度分析師行業景氣指數1.00 0.500.67-0.03分析師行業景氣指數_zscore0.501.000.220.01分析師預期ROE_FTTM_zscore0.670.221.00-0.01財報景氣度-0.030.01-0.011.00至此，我們從分析師行為和企業行為兩大維度構建了4個不同的指標，對行業景氣度進行了全面的刻畫。其中，分析師預期類指標覆蓋了賣方分析師對行業中期供需、盈利中樞的一致預判。財報景氣度是基于上市公司已披露真實財務數據，反映行業當期經營落地的實際盈利、營收現狀，錨定景氣的客觀兌現程度，規避純預期帶來的脫離基本面偏差。這4個景氣度指標分別對應歷史已實現基本面、一致預期景氣信號、標準化后預期景氣相對分位、盈利預期相對強弱，具備一定程度的互補性。③如何將4個景氣度細分指標合成1個行業綜合景氣度指標？為了多維度信息相互印證、對沖單一指標偏誤，接下來我們合成行業綜合景氣度，能夠同時兼顧行業當下真實經營水平與全市場對其未來盈利改善的一致預期，更完整地反映行業景氣的真實強弱與邊際變化。圖28：行業綜合景氣度合成天風證券研究所因子測試：基于4個細分指標合成的單指標行業綜合景氣度，下面2個圖展示了單指標做行業配置策略的效果，其中多頭是單指標得分最高的5個行業，空頭是單指標得分最低的5個行業，月頻調倉、等權配置，主要結論有：多頭組合年化超額5.07%，多空對沖年化行業綜合景氣度指標長期來看表現穩健，具備穩定的行業選擇能力。圖29：單標行業動凈走勢（業綜景氣度） 圖30：單標行業動超對沖（業綜景氣度） 綜合景氣度優于單一景氣度指標。4因子綜合景氣度的IR和勝率均為最高，年化超額也高于任一單一景氣度指標，說明等權合成后信息互補、穩健性增強。圖31：合成的綜合景氣度優于單一景氣度指標表2：行業綜合景氣度指標多頭組合持倉案例調倉日期持倉行業超額收益2026529石油石化、建材、基礎化工、有色金屬、電力設備及新能源609%2026327交通運輸、商貿零售、通信、計算機、電子574%2025126電子、有色金屬、傳媒、非銀行金融、計算機686%2024531電子、輕工制造、石油石化、汽車、通信448%2022527電力及公用事業、電力設備及新能源、汽車、醫藥、有色金屬485%2021730電子、鋼鐵、基礎化工、國防軍工、有色金屬410%2021625鋼鐵、有色金屬、基礎化工、輕工制造、電子1329%2020117有色金屬、消費者服務、國防軍工、醫藥、傳媒750%2015100消費者服務、農林牧漁、通信、有色金屬、輕工制造461%2014118商貿零售、電力設備及新能源、非銀行金融、紡織服裝、家電455%行業趨勢：市場行為行業趨勢：行業過去12個月相對于行業等權指數的信息比率。趨勢是市場共識的集中體現。長期來看，市場具備自我迭代與進化能力，趨勢因而成為識別一致預期的有效抓手。即便在缺乏配置方向時，也可通過趨勢信號理解市場當前的交易主線，這正體現了市場有效性的價值。為了較好地刻畫行業動量，我們類比因子動量中常用的12ICIR”，構造了行業層面的橫截面動量因子：過去12個月行業相比于行業等權的信息比率。行業趨勢指標具基于行業日度收益構建周度頻率，計算各行業相對基準的52周滾動線性加（ighdI具體計算步驟：計算行業周度漲跌幅：提取每周最后一個交易日行業指數收盤價，計算周度漲跌幅。計算行業周度超額收益：用各行業周度收益減去基準周度收益，得到行業超額收益序列。滾動52周線性加權平均收益：521到52遞增，近期數據權重更高。滾動52周標準差：52周超額收益的標準差，代表波動風險。構建加權趨勢指標（加權信息比率：用加權平均超額收益/滾動標準差，最終得到Weighted_IR_52w趨勢因子。因子測試：基于單指標（趨勢nd，下面2個圖展示了單指標做行業配置策略的效果，55個行業，月頻調倉、等權配置，主要結論有：多頭組合年化超額3.08%，多空對沖年化6.53%，長期來看確實有效;趨勢指標在、年面臨較大回撤，僅依賴趨勢指標做行業輪動存在太多不確定性，策略的有效時間呈現一定的周期性。圖32：單標行業動凈走勢（勢） 圖33：單標行業動超對沖（勢）表3：趨勢指標多頭組合持倉案例調倉日期持倉行業超額收益2026529通信、電子、建材、機械、電力設備及新能源1313%2026430通信、基礎化工、電子、有色金屬、建材918%2023224輕工制造、計算機、通信、傳媒、機械858%2021625基礎化工、電力設備及新能源、煤炭、汽車、鋼鐵1002%2020117汽車、電力設備及新能源、食品飲料、基礎化工、家電634%2018427醫藥、食品飲料、消費者服務、計算機、石油石化614%2014118交通運輸、建筑、非銀行金融、機械、紡織服裝1258%2013127計算機、家電、傳媒、電力設備及新能源、農林牧漁800%2013628傳媒、通信、電子、計算機、醫藥1244%2013531傳媒、電子、通信、計算機、汽車573%行業擁擠度：市場行為行業擁擠度：由行業換手率比率、波動率比率和beta比率的等權平均合成。趨勢反映市場共識，但市場并非始終有效，羊群效應與非理性交易盛行時尤為明顯。擁擠度指標旨在識別市場的非有效狀態，進而捕捉真實有效信息。行情末端常現情緒過熱與交易擁擠，行業擁擠度可有效度量此類風險。行業擁擠度指標計算方法：計算所有股票的三個細分指標：3個月換手率(波動率、beta),作為行業的換手率(波動率、beta)。計算行業換手率beta)與全部行業換手率(波動率、beta)的比值。滾動窗口Zscore：6年的滾動窗口，將行業換手率波動率、beta)比率進行Z_Score(beta)比率具有可betaZ_Score進行算術平均處理，作為該行業最終的擁擠度指標。因子測試：基于單指標（擁擠度od，下面2個圖展示了單指標做行業配置策略的效果，其中多頭是單指標得分最高（擁擠度最低）的5個行業，空頭是單指標得分最低（擁擠度最高）的5個行業，月頻調倉、等權配置，主要結論有：多頭組合超額，多頭端沒有行業選擇能力，但空頭年化超額-3.35%，即空頭端能幫助規避高擁擠行業風險;擁擠度不適合單獨作為行業輪動指標，它屬于行業層面的風險因子，或可與動量等指標形成互補，彌補趨勢策略周期性失效的缺陷。圖34：單標行業動凈走勢（擠度） 圖35：單標行業動超對沖（擠度） 表4：擁擠度指標多頭組合持倉案例調倉日期持倉行業超額收益2024/3/29銀行、非銀行金融、鋼鐵、有色金屬、食品飲料3.37%2023/12/29銀行、農林牧漁、交通運輸、有色金屬、煤炭4.65%2021/8/27交通運輸、房地產、輕工制造、石油石化、農林牧漁5.02%2020/10/30房地產、紡織服裝、石油石化、鋼鐵、煤炭5.05%2018/9/28房地產、煤炭、農林牧漁、商貿零售、紡織服裝3.60%2018/4/27電力設備及新能源、農林牧漁、食品飲料、商貿零售、紡織服裝5.20%2015/12/31農林牧漁、家電、煤炭、銀行、有色金屬5.51%2015/4/30基礎化工、農林牧漁、石油石化、機械、電子5.98%2014/2/28房地產、有色金屬、煤炭、電力及公用事業、建筑3.58%2013/7/26農林牧漁、房地產、商貿零售、交通運輸、煤炭6.04%三、TEAM輪動策略TEAM行業輪動策略由TEAM其中，擁擠度指標通常用于規避極端擁擠風險的行業，另外3個維度指標通常可用于給行業正向打分。這里我們將這3個指標等權合成對行業的TEAM綜合打分針對每個日期截面，將原始指標分別做截面z-score標準化，再等權合成：TEAM綜合打分:????????_????????????????=??_??????????+??_????????????????????+??_????????圖36：TEAM行業輪動氣泡圖策略構建：剔除高擁擠、剔除低景氣，選擇TEAM高得分的行業Step1：剔除擁擠行業8個行業邏輯：太擁擠的行業容易發生踩踏Step2：剔除低景氣行業7個行業邏輯：景氣太差的行業預期收益不高Step3：篩選高得分行業在每個月末調倉日，經過上述兩層初篩，剩余行業≥134個行業等權持有，直到下個月末調倉策略績效：2013/2/12026/7/10，TEAM24.34%，相對基準行業等權41%1.5866.05%。2026年初以來，行業輪動組合超額收益率24.90%，顯示出較高的彈性。圖37：TEAM行業輪動策略表5：TEAM行業輪動策略分年度表現（區間：2013/2/1-2026/7/10）年份TEAM行業輪動組合行業等權基準超額收益201317.90%6.35%11.54%201453.17%46.68%6.49%2015104.11%49.57%54.54%2016-9.51%-13.14%3.63%201731.77%1.53%30.23%2018-19.64%-28.45%8.81%201939.46%28.86%10.60%202036.45%23.11%13.34%202133.80%11.99%21.81%2022-9.68%-13.79%4.11%202311.38%-4.18%15.57%202419.96%9.03%10.93%202542.39%23.75%18.64%202620.92%-3.98%24.90%策略構建邏輯：TEAM行業輪動采用先排雷、再擇優的三層分層篩選框架，分層約束各司其職、邏輯遞進，兼顧風險控制與景氣收益捕捉。先通過擁擠、景氣兩道門檻過濾負向收益驅動的行業，再基于多維度綜合行業打分精選優質賽道。固定選取4個行業持倉，相比動態不固定持倉具備一定程度的優勢：規則客觀、收益聚焦、便于實操和復盤。表6：近18期行業輪動組合持倉明細調倉日期 持倉行業2026/6/30 煤炭、石油石化、機械、計算機2026/5/31 電子、基礎化工、煤炭、機械2026/4/30 電子、基礎化工、煤炭、機械2026/3/31 電子、基礎化工、煤炭、機械2026/2/28 電子、基礎化工、計算機、煤炭2026/1/31 電子、計算機、傳媒、煤炭2025/12/31 計算機、非銀行金融、傳媒、消費者服務2025/11/30 計算機、傳媒、非銀行金融、輕工制造2025/10/31 計算機、基礎化工、醫藥、房地產2025/9/30 房地產、基礎化工、計算機、醫藥2025/8/31 電子、電力設備及新能源、通信、基礎化工2025/7/31 有色金屬、電力設備及新能源、電子、傳媒2025/6/30 傳媒、基礎化工、有色金屬、非銀行金融2025/5/31 傳媒、醫藥、建材、非銀行金融2025/4/30 電子、非銀行金融、建材、有色金屬2025/3/31 有色金屬、非銀行金融、電子、銀行2025/2/28 有色金屬、汽車、非銀行金融、電子2025/1/31 有色金屬、非銀行金融、汽車、電子ETF賽道輪動策略大部分ETF的核心目標是嚴格控制跟蹤誤差和偏離度，ETF是緊密跟蹤指數的。因此，做首先，我們將ETF覆蓋的所有指數劃分為賽道輪動池：提取全部有A股指數，寬基保留部分代表性指數；2年以上；篩選得到共計128個指數，自定義分類為10個大類：寬基、SmartBeta、周期、新能源、高端制造與軍工、、醫藥、大金融、大消費、公用事業。6012856個自定義二級分類作為細分賽道（例如：電子、半導體、機器人、銀行、創新藥……圖38：ETF指數自定義賽道分類天風證券研究所圖39：當前各賽道對應的規模最大ETF名單賽道ETF代碼基金簡稱賽道ETF代碼基金簡稱房地產5220.H南方中證全指房地產ETF機器人159530.SZ易方達國證機器人產業ETF鋼鐵5520.H國泰中證鋼鐵ETF機械560280.SH廣發中證工程機械ETF化工159870.SZ鵬華中證細分化工產業主題ETF軍工5270.H富國中證軍工龍頭ETF黃金股517520.SH永贏中證滬深港黃金產業股票ETF汽車516520.SH華泰柏瑞中證智能汽車ETF基建516970.SH廣發中證基建工程ETF家電596.Z國泰中證全指家用電器ETF建筑材料575.Z國泰中證全指建筑材料ETF酒512690.SH鵬華中證酒ETF煤炭515220.SH國泰中證煤炭ETF旅游576.Z富國中證旅游主題ETF能源159930.SZ匯添富中證能源ETF農林牧漁55.Z國泰中證畜牧養殖ETF油氣5130.H國泰中證油氣產業ETF食品飲料159736.SZ天弘中證食品飲料ETF有色512400.SH南方中證申萬有色金屬ETF綜合消費159928.SZ匯添富中證主要消費ETF創新藥592.Z銀華中證創新藥產業ETF非銀512880.SH國泰中證全指證券公司ETF科創生物570.H嘉實上證科創板生物醫藥ETF銀行512800.SH華寶中證銀行ETF醫療器械53.Z永贏中證全指醫療器械ETF半導體556.Z國泰中證半導體材料設備主題ETF中藥560080.SH匯添富中證中藥ETF傳媒512980.SH廣發中證傳媒ETF綜合醫藥512170.SH華寶中證醫療ETF電子5732.Z華夏國證消費電子主題ETF光伏5570.H華泰柏瑞中證光伏產業ETF泛科技515000.SH華寶中證科技龍頭ETF新能源537.Z國泰創業板新能源ETF動漫游戲59.Z華夏中證動漫游戲ETF新能源車515030.SH華夏中證新能源汽車ETF計算機159851.SZ華寶中證金融科技主題ETF新能源電池5755.Z廣發國證新能源車電池ETF人工智能515980.SH華富中證人工智能產業ETF科創創業588000.SH華夏上證科創板50ETF軟件552.Z嘉實中證軟件服務ETF滬深3005030.H華泰柏瑞滬深300ETF通信515880.SH國泰中證全指通信設備ETF中證1000512100.SH南方中證1000ETF芯片520.H嘉實上證科創板芯片ETF中證20005330.H華泰柏瑞中證2000ETF云計算5650.H易方達中證云計算與大數據ETF中證5005050.H南方中證500ETF成長597.Z華夏創成長ETF中證800515800.SH匯添富中證800ETF紅利512890.SH華泰柏瑞紅利低波ETF電力561.Z廣發中證全指電力公用事業ETF價值523.Z易方達國證價值100ETF電網設備159326.SZ華夏中證電網設備主題ETF央國企512950.SH華夏央企結構調整ETF航空航天5227.Z華夏國證航天航空行業ETF質量521.Z華夏國證自由現金流ETF指數打分：對每個日期截面，將原始指標做z-score標準化，給指數進行打分：TEAM指數綜合打分:????????_????????????????????=??_??????????+??_????????????????????+??_????????賽道代表指數：由于同一賽道內，可能涵蓋多個相似度很高的指數，因此有必要選一個指數作為賽道代表指數。在每個日期截面，我們在每個自定義二級分類中，分別取TEAM綜合得分最高的指數作為該賽道的代表。TEAMETF輪動策略。56個自定義二級行業賽800（000906.SH）為基準，獲取長期穩定超額收益。沿著行業輪動類似的方法構建賽道輪動策略，整體思路是剔除高擁擠、剔除低景氣，再選擇TEAM打分高的指數。圖40：ETF賽道輪動氣泡圖ETF覆蓋賽道數量逐年遞增，2015年之后具備足夠的輪動寬度。早期ETF覆蓋的指數數量較少，2015年之后逐步擴容，覆蓋到25+個賽道，2021年以后穩定在50+個賽道。早期有指標覆蓋的細分賽道寬度不夠，2015年之后的回測結論更可靠，因此下文策略的回測從2015年開始。圖41：每期參與輪動的指數和賽道數量指數數量 二級賽道數量 128個 56個16012080400策略構建：剔除高擁擠、剔除低景氣，選擇TEAM高得分的ETF賽道Step1：剔除擁擠賽道25%比例賽道56個賽道中剔除擁擠度太高的賽道Step2：剔除低景氣賽道60%比例賽道56個賽道中剔除景氣太差的賽道Step3：篩選高得分賽道在每個月末調倉日，經過上述兩層初篩，平均剩余14個賽道選取綜合打分最高的8個賽道等權持有，直到下個月末調倉策略績效：1/52026/7/17，高彈性ETF56%，相對基準(中證800)年化超額為16.00%，信息比率1.13，近七年（2020-2026）平均年度超18.52%2026賽道輪動組合超額收益率，顯示出較高的彈性。圖42：高彈性ETF賽道輪動策略超額(右軸) ETF賽道輪動策略(等權) 中證80010.009.008.007.006.005.004.003.002.001.000.00表7：高彈性ETF賽道輪動策略分年度表現（區間：2015/1/5-2026/7/17）

6.005.505.004.504.003.503.002.502.001.501.00年份高彈性ETF賽道輪動策略中證800超額收益201545.75%14.91%30.83%2016-9.60%-13.27%3.67%201728.13%15.16%12.97%2018-16.03%-27.38%11.36%201932.18%33.71%-1.53%202047.59%25.79%21.80%202120.74%-0.76%21.50%2022-9.90%-21.32%11.41%20233.98%-10.37%14.36%20245.61%12.20%-6.59%202564.28%20.89%43.40%202622.37%-1.39%23.77%表8：近18期ETF賽道輪動組合持倉明細調倉日期 持倉賽道2026/6/30 2026/5/31 2026/4/30 2026/3/31 2026/2/28 2026/1/31 2025/12/31 2025/11/30 200010002025/10/31 10002025/9/30 10002025/8/31 2025/7/31 2025/6/30 2025/5/31 2025/4/30 2025/3/31 2025/2/28 2025/1/31 為基準，如何進行權重優化，構建穩健版ETF賽道輪動策略？為實現更穩健的輪動策略，我們引入barra風格因子進行組合權重優化。指數風格暴露計算：每個月末，根據最新指數成份股和股票Barra風格因子暴露，等權聚合得到每只指數的10維風格暴露。基準中證800的暴露同樣以成份股等權聚合得到。1????,??=??

∑ ??s∈index??其中j∈{size,non_linear_siz