基于AI预测中的个股Beta信息构建ETF轮动策略20240917

本次报告介绍了基于AI预测中个股贝塔信息构建的ETF轮动策略。报告首先回顾了AI选股框架，使用数量模型和神经网络模型进行训练，并对比了不同模型的效果。结果显示，合成模型在超额收益和回撤水平上均有提升。

报告接着介绍了ETF市场概况，指出股票型ETF规模达1.8万亿元，数量超过700只，按功能可分为规模、行业主题和策略风格三大类。其中，行业主题类ETF数量最多，但宽基类ETF规模更大。

报告核心部分阐述了从个股到ETF的自下而上轮动策略。通过有效个股阿尔法因子构建指数轮动策略，并测试了两种加权方案（指数成分股权重和等权）及原始因子与行业中心化因子的效果。结果显示，使用指数成分股权重加权、原始因子效果更优。

报告进一步分析了因子在三类指数中的轮动效果，发现规模、行业主题和策略风格类ETF均表现良好，其中行业主题类超额收益更高。宽基类ETF在大小盘风格轮动中表现稳定，成功抓住了市场节奏。

研究结论显示，指数轮动策略年化超额收益14%，超额回撤7%，优于偏股混合基金和沪深300指数。结合ETF可投资性分析，要求ETF规模不小于1亿元，并选取等权前五、前10或前15只ETF，策略效果依然有效。

最终结论是，通过个股阿尔法因子映射指数层面，并使用原始因子值，能够构建有效的ETF轮动策略，实现超额收益和风险控制。