使用ETF构建板块轮动策略的初步探索
吴先兴，杨丽华 量化先行者
报告要点
板块轮动模型
本文将中信一级行业划分为周期、大金融、消费和TMT四个板块，然后基于宏观信号向板块强弱的传导逻辑，在指定部分宏观信号方向的前提下，测试得到能够满足支持度、置信度、提升度要求的宏观信号。
使用这些信号构建板块轮动策略。2006年3月至今，板块轮动策略1年化收益为22.99%，超额板块平均8.92%，日度相对最大回撤为13.5%。板块轮动策略2年化收益为19.23%，超额板块平均5.16%，日度相对最大回撤为5.97%。
使用ETF构建板块轮动策略
本文选取8个行业指数ETF合成周期、大金融、消费和TMT四个板块，构建板块轮动策略。2017年8月至今，ETF板块轮动策略1年化收益为4.73%，超额wind全A 9.71%，日度相对最大回撤为7.78%。ETF板块轮动策略2年化收益为-1.80%，超额wind全A 3.18%，日度相对最大回撤为2.66%。
正文
本篇报告将中信一级行业指数划分为周期、大金融、消费和TMT四个板块，然后基于宏观信号向板块强弱的传导逻辑，在指定部分宏观信号方向的前提下，测试得到能够满足支持度、置信度、提升度要求的宏观信号用以构建板块轮动策略，然后尝试使用ETF实现板块轮动策略。
1
板块轮动模型
了解我们所处周期的位置会深刻影响我们的获胜机会。如果周期所处的位置发生变化，而我们没有改变自己的投资占位，那我们就会陷入被动。换句话说，我们忽略了主动调整以改变胜率的机会。
不同的领域有不同的周期，而一个领域的周期变化又可能影响另一个领域周期的变动。经济周期影响企业盈利周期，企业盈利周期影响金融市场波动，市场波动又会影响信贷宽松程度，信贷宽松程度又会反过来影响经济、企业盈利和市场波动。实际上各个周期之间的传导机制更为复杂，不同类型周期并不是孤立运行。但是由于A股样本期短、样本数量较少，我们很难找到一个稳妥的方法，既满足经济逻辑，又能够用以构建比较稳健的策略。本文我们从宏观变量到板块行情的传导逻辑出发，使用支持度、置信度、提升度分析宏观信号到板块行业的传导强弱，然后将可用逻辑视作板块轮动信号进行板块配置。1.1． 从宏观变量到板块行情的传导1.1.1 板块划分我们依据中信一级行业的超额收益相关性将所有行业划分为周期、大金融、消费、TMT四个板块，由于“综合”行业属性不明确，因而被排除在外。从下图可以看到，周期和大金融的正相关性更强，消费和TMT板块的正相关性更强。
各板块包含的行业如下。在接下来的测试中，板块收益率使用行业收益率按照各行业自由流通市值加权获得，板块平均收益使用四个板块收益率等权平均。如果板块收益相对板块平均的超额非负，则将该板块记为强势板块，如果板块收益相对板块平均的超额为负，则将该板块记为弱势板块。
1.1.2 宏观指标
本文使用PMI作为经济周期的代理变量，使用申万A股一致预期ROE作为企业盈利周期的代理变量，使用过去12个月社融新增总量同比作为信贷周期的代理变量，使用1年期国开债到期收益率月度均值作为流动性的代理变量。特别的对于大金融板块，由于流动性是非常核心的影响因素，我们将1年期国开债到期收益率替换为3个月期Shibor月度均值，增加1年期国开债到期收益率月度均值与3个月期Shibor月度均值之差作为流动性溢价的代理变量。过去12个月社融新增总量同比使用“社会融资规模：当月值：初值”进行计算，由于该变量从2012年1月开始，更早的年份，使用“社会融资规模：当月值”填充；3个月期Shibor从2006年10月开始，更早的年份，使用“中债国开债到期收益率：6个月”填充。申万A股一致预期ROE从2006年开始，难以找到类似的指标进行填充，因而本部分的测试样本期从2006年开始。
对于PMI和一致预期ROE，若当期值大于上期，则记为上行，否则记为下行；对于过去12个月社融新增总量同比、1年期国开债到期收益率、3个月期Shibor和流动性溢价，由于波动相对剧烈，因而在当期值大于过去6个月均值时，记为上行，否则为下行。1.1.3 传导逻辑与信号强弱我们首先探讨各个板块的传导逻辑，并指定指标方向，然后计算样本期内宏观变量向板块传导的强弱。我们主要基于以下指标判断强弱程度。假设宏观情景为事件A，对应板块强弱为事件B，P表示事件发生的概率，计算并使用以下规则筛选信号。1）支持度：事件A和事件B同时出现的概率P（AB）>=9.5%。如果事件AB同时出现概率过小，可能会受偶然性因素影响，无法确认传导逻辑强弱；2）置信度：事件A出现后，事件B发生的概率P（B|A）>=60%。该指标衡量如果事件A发生、事件B发生的概率，在本文中用于确定传导强度；3）提升度：事件A发生，是否能影响事件B出现的概率P（B|A）/ P（B）>=1.15。如果事件A和B是独立的，则提升度为1， 如果事件A发生会导致事件B发生的概率提升，则提升度大于1，在本文中用于确定传导强度；4）使用Apriori算法遍历并筛选所有满足以上条件的信号，如果在同一个板块预测中，出现信号延长问题，例如信号2比信号1多一个变量但其他变量与信号1相同，此时依据信号的置信度进行筛选。如果长信号的置信度低于短信号，则保留短信号，如果长信号的置信度高于短信号，则保留长信号。周期板块受经济状况的影响比较明显，相对而言，经济下行时周期弱势，企业盈利恶化时周期弱势，社融上升时大金融等板块强势、周期弱势，利率下行时流动性比较充裕、TMT和金融板块强势、周期弱势。根据上文的计算规则筛选宏观变量的传导路径，获得以下结果：
对于大金融板块，利率降低、流动性提升时金融强势，由于流动性是核心影响因素，我们设定每个信号中必须包含shibor指标；金融企业通过借入短期资金、放出长期资金盈利，因而流动性溢价也是影响因素之一，流动性溢价提升时金融强势；新增社融上升时金融板块强势；经济增长和企业盈利改善与金融板块的强弱并不十分直接，因而不做限制。（例如当企业盈利下降时，由于国内银行板块具有避险属性，银行板块上升，但企业盈利恶化会影响银行的贷款质量，不利于银行板块）。根据上文的计算规则筛选宏观变量的传导路径，获得以下结果：
对于消费板块，经济下滑周期弱势、消费强势，企业盈利恶化周期弱势、消费强势，社融增长大金融等板块强势、消费弱势，利率上升TMT和大金融弱势、消费强势。根据上文的计算规则筛选宏观变量的传导路径，获得以下结果：
TMT企业的融资需求比较强烈，因而设定每个信号中必须包含流动性指标，流动性提升TMT强势，社融增长TMT强势，经济下滑周期弱势、TMT强势，企业盈利恶化周期弱势、TMT强势。根据上文的计算规则筛选宏观变量的传导路径，获得以下结果：
1.2． 板块轮动策略表现
板块轮动策略1：基于以上8条信号从周期、大金融、消费、TMT四个板块中筛选强势板块。如果当期无任何信号出现，则等权配置四个板块，如果有做多信号出现，则等权做多相应的板块，如果只有做空信号出现，不对做空的板块进行配置、等权做多其他板块。回测参数设置如下：1） 样本期：20060302-201908012） 板块收益率使用行业收益率按照行业自由流通市值加权获得3） 业绩基准为四个板块平均收益率4） 为了保证PMI数据的可获得性，换仓时间为次月第一个交易日收盘5） 手续费为双边千三获得20060302-20190801期间回测业绩如下。全样本期内策略年化收益为22.99%，超额板块平均收益8.92%，日度相对最大回撤为13.5%，信息比为0.91，仅在2007和2017年出现超额略微为负的情况。排除无信号的期数，在有信号的样本期内，全样本胜率为64%。
板块轮动策略2：基于以上8条信号从周期、大金融、消费、TMT四个板块中筛选强势板块。如果某板块信号为弱势信号，则将该板块信号强度记为0。如果某板块信号为强势信号，则将该板块信号强度记为2。如果某板块当期没有触发强弱信号，则将该板块信号强度记为1。使用板块信号强度进行归一化，将归一化的结果作为板块的配置权重。回测参数设置如下：1） 样本期：20060302-201908012） 板块收益率使用行业收益率按照行业自由流通市值加权获得3） 业绩基准为四个板块平均收益率4） 为了保证PMI数据的可获得性，换仓时间为次月第一个交易日收盘5） 手续费为双边千三获得20060302-20190801期间回测业绩如下。全样本期内策略年化收益为19.23%，超额板块平均收益5.16%，日度相对最大回撤为5.97%，信息比为1.10。排除无信号的期数，在有信号的样本期内，全样本胜率为68.3%，仅在2014年和2016年出现超额为负的情况。
1.3． 小结本部分基于宏观信号构建板块轮动策略，从回测结果来看，板块轮动策略1和板块轮动策略2均取得相对不错的表现。板块轮动策略1在出现做多信号时，只对有做多信号的板块进行配置，板块轮动策略2则高配有做多信号的板块，低配既无做空也无做多信号的板块。从业绩表现上来看，板块轮动策略1的超额更高，但回撤更大。板块轮动策略2的超额收益略低，但更为稳健。
2
使用ETF构建板块轮动策略
2.1． ETF筛选
相比于股票，ETF分散化程度更高，对于想要持有某一板块/行业的投资者来说，直接买入ETF比按照行业成份股买入更为便利。相比于传统基金，ETF成本低、透明性好、支持场内的盘中交易，便于把握市场机会，能更好地满足短期调仓需求。但是国内目前的行业ETF数量较少，多数行业ETF集中在金融、地产、医药、军工等领域，中信一级行业覆盖不全，难以直接用来构建板块轮动策略。本文尝试使用回归的方法将ETF和板块匹配起来，构建板块轮动策略。本文的板块轮动模型共有周期、大金融、消费、TMT四个板块，我们使用以下ETF合成板块。对于周期和消费板块，每期使用过去一个月ETF基准指数收益率对板块收益率进行回归，将所得到的回归系数进行归一化处理，作为各个ETF在板块内的配置权重。
从拟合优度上来看，全指能源、全指材料、全指工业对周期板块回归的平均拟合优度为99.5%，上证消费、全指可选、全指医药对消费板块回归的平均拟合优度为98.4%，对板块均有比较好的拟合效果。在选择ETF时，对于单个板块，我们尽量选择基准指数是使用统一标准进行划分的ETF。如果此类指数无法覆盖板块内的多数行业，我们尽量选用与已选指数所覆盖行业相对独立的其他指数进行补充，以免在回归时出现系数为负的情况。2.2． 使用ETF的策略表现使用以上ETF构建板块轮动策略1，由于工业ETF发行较晚，我们从2017年8月开始回测，回测参数设置如下：1） 样本期：20170802-201908012） 业绩基准为wind全A3） 为了保证PMI数据的可获得性，换仓时间为次月第一个交易日收盘4） 手续费为双边千三5） 板块权重使用板块自由流通市值占比，板块内ETF权重由回归系数归一化求得获得20170802-20190801期间回测业绩如下。全样本期内策略年化收益为4.73%，超额wind全A 9.71%，日度相对最大回撤为7.78%，信息比为1.18，全样本胜率54%。
使用以上ETF构建板块轮动策略2，回测参数设置如下：1） 样本期：20170802-201908012） 业绩基准为wind全A3） 为了保证PMI数据的可获得性，换仓时间为次月第一个交易日收盘4） 手续费为双边千三5） 将四个板块的板块信号强弱*板块自由流通市值进行归一化处理，作为板块配置权重，板块内ETF权重由回归系数归一化求得获得20170802-20190801期间回测业绩如下。全样本期内策略年化收益为-1.80%，超额wind全A 3.18%，日度相对最大回撤为2.66%，信息比为0.96，全样本胜率54%。
2.3． 小结
使用ETF构建板块轮动策略有以下优点：1）由于部分ETF会使用打新等方式增厚收益，因而使用ETF构建策略的超额收益可能更高。2）ETF交易便捷，并且有多层流动性加持，更适于构建策略。但使用ETF也有一定的缺陷：1）多数ETF追踪的基准指数在构建时都使用了流动性筛选底层股票，如果出现极端小票行情，ETF和原始板块轮动策略将出现较大偏离。2）ETF的目标是追踪对应的基准指数，不可避免的有一定的跟踪误差，很可能会增大策略的相对最大回撤。3）使用ETF合成板块时，虽然拟合优度较高，但仍有一定的误差。
总结
本文基于宏观信号和板块行情的传导强弱确定板块轮动信号，构建板块轮动策略。2006年3月至今，板块轮动策略1年化收益为22.99%，超额基准8.92%，日度相对最大回撤为13.5%。板块轮动策略2年化收益为19.23%，超额基准5.16%，日度相对最大回撤为5.97%。
最后我们使用ETF尝试构建板块轮动策略。2017年8月至今，ETF板块轮动策略1年化收益为4.73%，超额wind全A 9.71%，日度相对最大回撤为7.78%。ETF板块轮动策略2年化收益为-1.80%，超额wind全A 3.18%，日度相对最大回撤为2.66%。
风险提示：因子失效风险、基金风格变动风险
注：文中报告节选自天风证券研究所已公开发布研究报告，具体报告内容及相关风险提示等详见完整版报告。
证券研究报告
《天风证券-基金研究报告-使用ETF构建板块轮动策略的初步探索》
对外发布时间
2019年8月8日
