ETF轮动策略提升收益和分散风险

摘要： 　　2025年06月18日，广发证券发表了一篇基金行业的研究报告，报告指出，ETF轮动策略可提升收益，分散风险且与市场风格一致。　　报告摘要如下： ETF发展迅速，轮动需求旺盛：截...

　　2025年06月18日，广发证券发表了一篇基金行业的研究报告，报告指出，ETF轮动策略可提升收益，分散风险且与市场风格一致。

　　报告摘要如下： ETF发展迅速，轮动需求旺盛：截止2025年6月15日，股票型ETF（包含场外联接基金）规模总计达到3.81万亿元，ETF数量达到2031只，已经超过主动管理类基金（包括普通股票型、偏股混和指数增强型）的2.84万亿元规模。由于A股市场存在明显的行业和风格分化，仅买入单一ETF并长期持有未必能取得较好的投资体验。由于ETF投资目标在于紧密跟踪某个指数的净值表现，ETF基金所跟踪的指数至关重要，一个好的Beta能为投资者带来丰厚的收益回报。不同指数间的截面收益率差异较大，通过轮动方式定期调仓能获取相对更优的策略表现。 深度学习因子构建与测试：构建ETF轮动策略的一种常见方式是将有效的个股因子聚合到指数层面，从而可以实现指数轮动的效果。我们使用AGRU模型基于日频K线量价数据训练得到了A股上表现优异的选股因子。模型训练时使用损失函数调整的方式，改进因子多空收益表现，最终因子在各股票池中均有不错的选股效果。 ETF轮动策略构建：接下来我们使用个股因子通过指数成分股权重映射的方式得到指数层面的因子值。月度调仓情况下，因子的IC均值为7.80%，多头年化超额收益率为4.92%，多头超额回撤-14.02%。但若将调仓频率提升至周频，因子的IC均值为4.84%，多头年化超额收益率为8.59%，多头超额回撤-13.23%。收益水平有一定提升，这也与A股较快的行业轮动速度相匹配。此外考虑到众多指数之间相关性过高，不利于起到分散投资风险的作用，我们使用MMR算法对投资标的重新调整，避免组合集中暴露在某些特定行业或风格上。策略的相对于沪深300全收益指数的年化超额收益率为8.43%，信息比率为0.99，超额最大回撤为-9.87%。 限定特定数量的ETF轮动策略：我们考虑到近期实际可投资的标的数量已超过300，我们将每期持仓ETF数量限定至5、10或15只。在持仓5只ETF的情况下，年化超额收益率为12.34%，超额最大回撤为-12.17%。持仓10只ETF时，年化超额收益率为8.75%，超额最大回撤为-8.83%。持仓15只ETF时，年化超额收益率为8.13%，超额最大回撤为-8.66%。策略表现整体稳健，与市场优势风格高度一致。 风险提示：（1）本文所述算法与模型用量化方法通过历史数据统计、建模和测算完成，所得结论与规律在市场政策、环境变化时存在失效风险。（2）基于模型得到的相关结论并不能完全准确地刻画现实环境以及预测未来。（3）本文策略通过一定的假设与历史数据回测得到，当交易成本提高、市场结构及交易行为改变时有可能存在失效风险，可能导致策略收益下降或出现亏损。