行业配置报告（2024年6月）
模型介绍
相似预期差因子：该因子旨在寻找那些在相似股票表现优异但自身尚未大幅上涨的股票。通过计算股票间的相似性（基于市盈率行业相对值、净资产收益率、资产增长率）并设定阈值，筛选出过去一个月内历史收益率超过万得全A指数的相似股票集合，然后计算这些股票的市值加权平均历史收益率与自身历史收益率之差作为相似预期差因子。
动态分析师预期因子：此模型基于分析师预期的边际变化，挑选出未来潜在增长潜力较高的行业。通过评估分析师对各行业预期的变化情况，构建多头策略。
交易集中度因子：此模型关注交易集中度，通过识别行业内部交易集中的股票，推测这些股票可能被市场低估，进而构建行业轮动策略。
历史回测
- 相似预期差因子：在2016年12月至2024年5月的样本期内，该因子显示出较强的投资能力，信息系数（IC）均值为0.12，IC与均值同向比例高达65.17%，ICIR为0.43。
策略跟踪
- 相似预期差行业轮动模型：在样本期内，该模型构建的多头策略整体表现优于市场基准（万得全A指数与中信一级行业等权指数），年化收益率达到11.25%，年化波动率为0.17，累计净值为2.00，收益波动比为0.67，最大回撤率为19%。
最新配置观点
-
基于相似预期差因子：最新配置观点为建材、交通运输、银行、纺织服装、建筑、电力及公用事业等行业。
-
基于分析师预期边际变化：推荐家电、食品饮料、通信、汽车、有色金属、纺织服装等行业。
-
基于交易集中度因子：建议关注轻工制造、医药、商贸零售等行业。
ETF组合构建
最新的ETF行业组合配置包括银行、电力及公用事业、家电、医药、有色金属等行业。
风险提示
报告结论基于历史数据，未来市场环境变化可能导致实际表现与结论不符。ETF组合构建不构成投资收益保证或投资建议，基金产品表现受多种因素影响，存在波动风险。投资者应充分了解自身风险偏好和承受能力。
附录
- 相关研究
- 趋势共振量化大小盘风格轮动策略
- “HI+AI”赋能国企投资，“指数+”产品分析
- 换手率因子在股债中的差异性与增强作用
- 海富通中证2000增强策略ETF分析
- 长信基金许望伟：攻守兼备，三维构建稳健均衡组合
- 浦银安盛基金杨岳斌：聚焦价值投资，挖掘ESG优质领域
- 鹏华基金梁超：产业认知引导行业轮动，价值成长并重挖掘个股机会
- 多视角构建长短期美债利率择时信号
- 中邮核心优势：把握周期板块轮动，挖掘低估值投资机会
- 中银夏宜冰：锚定MSCI全球指数，长期资产增值践行者
目录
-
基于相似预期差因子的行业轮动模型
-
基于分析师预期边际变化的行业轮动模型
-
基于交易集中度的行业轮动模型
-
模型汇总
-
ETF组合构建
-
风险提示
