ETF市场结构分析与策略应用

1、CONTENTS目录ETF市场特征及发展趋势ETF的应用之一：跨市场配置ETF的应用之二：指数收益增强ETF的应用之三：板块轮动配置11. ETF市场特征及发展趋势2国内ETF市场规模近万亿，已成长为多资产、多板块的重要投资工具热门产品集中于科技类板块，增量规模来源有所分化新发ETF活跃度整体更高，流动性差异影响ETF的行情敏感度及买卖价差表现ETF费率整体呈逐年降低趋势，但对规模影响不显著ETF持有人结构间接影响标的指数表现资料来源：Wind，中信证券研究部，数据统计区间为2019年1月1日至2020年9月11日国内ETF市场格局截至2020年9月11日，沪深两市已上市交易的ETF基金353

2、只，资产管理规模合计9592亿元。相比于2019年1月2日，已上市的ETF规模增加了1045亿元，其中资金净赎回910亿元，全市场ETF日均成交额为484亿元 ；A股ETF规模合计6439亿元，其中行业型ETF是2019年以来规模增长主力，共增加1241亿元至1737亿元，获1060亿元资金净申 购。细分板块看，证券、半导体、5G通信是规模最大的行业ETF板块1.1国内ETF市场规模近万亿，已成长为多资产、多板块的重要投资工具ETF分类ETF数量ETF规模（亿元）区间规模变化（亿元）区间规模加 权收益率区间申赎金额（亿元）日均成交额（亿元）A股ETF合计2846439.3961.745.77-

3、878.46223.25A股-宽基1113195.1239.853.35-1107.64100.88上证507495.0-103.540.17-276.2120.46上证1801221.462.160.00-2.740.76沪深300181271.3246.433.94-266.5931.36深100584.330.840.90-17.642.33中证50018572.675.000.67-185.7420.76创业板类19421.053.1110.73-165.6819.19中小板类223.54.6977.13-9.150.56A股-行业671737.11241.282.811059.506

4、9.98A股-主题711303.3-500.7013.88-731.7146.35A股-策略31198.9-15.8517.37-93.515.92A股-风格44.9-2.841.59-5.100.12QDII13275.9128.310.0391.5926.02商品13273.8109.840.1455.3627.09黄金7258.6116.670.1162.6225.43上海金38.0-3.63-2.54-4.081.06债券16190.2-171.320.51-184.473.33货币272412.316.680.005.75205.06合计3539591.51045.25-910.23

5、484.753资料来源：Wind，中信证券研究部 数据统计区间为2019年1月2日至2020年9月11日2019年以来细分行业和主题ETF的板块规模变动从细分板块看，2019年以来净值规模增长前 十名的板块中有近半数板块属于科技类（包括 半导体、5G通信、科技、信息技术）规模增长靠前的板块，增量规模来源有所分化:5G通信、军工、医药、消费量价齐升，净值增长与资金净申购共同推动规模增长；证券、半导体、银行、有色金属、信息技 术等板块规模增长主要来自资金净申购；科技板块则主要由净值增长带来的规模增 加，但资金整体净申购较少或净赎回；以上板块契合了市场热点，是“爆款”产 品的主要聚集地1.2热门产品

6、集中于科技类板块，增量规模来源有所分化板块数量规模（亿元）规模变化（亿元）规模加权收益率净申赎（亿元）日均成交额（亿元）证券9568.79483.101.28405.7419.55半导体5451.29359.074.08364.7431.685G通信3257.88186.7918.06188.2715.88军工5150.6171.5312.0939.753.76消费7101.4270.593.7028.461.32医药12147.6566.018.1016.166.42银行688.4665.560.4362.601.99科技8144.6455.1156.85-1.158.81有色金属135.1

7、734.360.0032.730.65信息技术225.6621.100.0010.460.65金融地产528.1820.780.0018.130.07非银233.2015.852.197.750.43房地产216.9214.720.5013.670.28人工智能323.549.2725.048.141.18通信116.759.1112.5513.481.83食品饮料111.047.810.005.160.57电子263.046.186.8520.312.99TMT27.985.090.001.290.06计算机226.574.4527.4113.631.22环保118.644.230.00-2

8、.970.10能源22.562.120.002.190.04原材料20.650.120.00-0.080.01煤炭13.32-0.0615.65-0.420.43主题11.91-0.061.76-0.230.15工业20.57-0.080.00-0.340.01钢铁12.28-1.2219.76-1.490.42传媒227.00-2.452.69-11.160.71家电15.68-2.7523.88-4.390.40国防12.77-5.4458.39-7.130.20金融250.55-5.630.23-16.970.40新能源汽车3127.52-18.239.68-14.368.344资料来源

9、：Wind，中信证券研究部 数据统计区间为2019年1月2日至2020年9月11日，规模和日均成交额单位为亿元新发基金中不活跃ETF数量和规模占比ETF板块间与板块内流动性两级分化显著按照2019年以来ETF的日均成交金额与净值规模 变化（绝对值），分别统计不同阈值下的不活跃 ETF数量和规模占比：不活跃ETF通常规模偏小，在新发和存量基金中规模占比均不超过2%存量ETF里不活跃ETF的数量占比接近三分之 一，新发ETF中数量占比相对较小1.3.1ETF流动性两级分化显著，新发ETF的整体活跃度更高ETF不同板块间日均成交额分化较大（亿元）存量基金中不活跃ETF数量和规模占比规模变化0.2规模

10、变化0.4规模变化0.6规模变化0.8规模变化1数 量 占 比日均成交额0.0216.316.816.816.816.822.123.223.223.223.226.827.928.9日均成交额0.0429.529.529.530.031.632.132.132.633.233.734.2日均成交额0.06日均成交额0.08日均成交额0.135.3规模变化0.2规模变化0.4规模变化0.6规模变化0.8规模变化1规 模 占 比日均成交额0.020.50.50.50.50.50.60.60.60.60.60.70.80.8日均成交额0.040.80.80.80.80.90.9日均成交额0.061

11、.01.11.01.1日均成交额0.08日均成交额0.11.11.5数 量 占 比日均成交额0.020.60.61.21.81.8日均成交额0.040.62.53.14.34.9日均成交额0.061.83.74.95.56.77.48.6日均成交额0.082.54.34.99.8日均成交额0.13.16.78.611.0规模变化0.2规模变化0.4规模变化0.6规模变化0.8规模变化1规 模 占 比日均成交额0.020.20.20.20.40.4日均成交额0.040.20.50.50.70.8日均成交额0.060.30.60.70.81.01.1日均成交额0.080.40.70.81.11.5

12、日均成交额0.10.51.01.31.751.3.2流动性差异影响ETF的行情敏感度及买卖价差表现按照日均成交额将ETF分成10组，考察每组ETF的月度日均成交额变化率与市场总体流动性及市场行情的相关性，我们发现：流动性头部的ETF对市场总体流动性的敏感度更高，流动性次差的ETF对市场行情的敏感度更高买卖价差水平与流动性之间呈非线性关系从经验数据看，日均成交额是否达到3000万元对ETF流动性质量影响较大日均成交额达到3000万元以上时，不同ETF之间的平均价差与价差波动性相差较小；不足3000万元时，平均价差水平与价差的波动性更高资料来源： Wind，中信证券研究部 注：Spread Mea

13、n指基金买一卖一价差的均值， Spread Std指基金买一卖一价差的标准差按照流动性分组的ETF组合分别与市场总流动性及市场行情的相关性0.660.480.430.560.630.620.650.880.450.350.380.550.460.510.370.300.470.340.350.371.000.900.800.700.600.500.400.300.200.100.000%10% 10%20% 20%30% 30%40% 40%50% 50%60% 60%70% 70%80% 80%90% 90%100%相关系数与ETF市场总成交额变化率的相关性月度日均成额分组日均成交额增大流动

14、性次差基金对市 场行情的敏感度更高与中证800收益率的相关性头部基金对市场总体流动性的敏感度更高国内ETF日均成交额与买卖盘价差关系6按年度统计的ETF管理费变化趋势（%）自2004年首只ETF上市以来，新发ETF的管理费整体呈下降趋势，2020年发行的ETF平均管理费为0.38%从大类ETF的管理费分布看，当前股票型ETF中0.5%的管理费仍是主流，此外0.15%和0.3%的较低费率产品数量也在增加；债 券型ETF费率整体低于股票型ETF，管理费基本在0.3%以下；QDII和商品型ETF则偏高1.4.1ETF管理费呈逐年下降趋势当前不同大类ETF的管理费分布（数量）0.60.50.40.30

15、.20.10.02004 2006 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020资料来源： Wind，中信证券研究部管理费管理费QDII型债券型商品型股票型货币型0.1554720.1810.24740.257130.2830.341670.3360.3510.410.4580.52121990.65150.827资料来源： Wind，中信证券研究部六只下调管理费的ETF信息2019年以来，共有六只ETF基金主动下调了管理费，调整后管理费为市场最低的0.15%我们基于费率调整日，分别统计了六只ETF在调整日前后40个交易

16、日的规模和份额变动情况，可以看到，管理费下降后，六只ETF的整体规模和份额都没有提升ETF的规模增长主要仍来自净值的提升和资金的净申购1.4.2ETF降费对基金规模影响不显著六只ETF费率调整前后净值规模和份额变化20151050-5-10T-40T-20T-10T-5T-1调整日T+1T+5T+10T+20T+40净值规模差份额差证券代码场内简称基金管理人原管理费现管理费调整时间159952创业ETF广发基金管理有限公司0.500.152019-08-07159922500ETF嘉实基金管理有限公司0.500.152019-06-15512520MSCIETF华泰柏瑞基金管理有限公司0.50

17、0.152019-06-10512510ETF500华泰柏瑞基金管理有限公司0.500.152019-06-10510310HS300ETF易方达基金管理有限公司0.200.152019-05-24512090MSCI易基易方达基金管理有限公司0.500.152019-04-208资料来源：Wind，中信证券研究部 注：持有人结构数据来自相关基金2020年半年报不同资产类型ETF的持有人结构对比按整体法统计并穿透计算ETF联接中的持有人数据，2010年以来全部ETF中机构投资者的持有占比从31%逐步提升，期间机构最 高持有比例达65%，至2020年半年报小幅回落至51.5%；股票型ETF最近六

18、个报告期的持有人集中度呈下降趋势，前十集中度由2017年年报的78%下降至2020年半年报的62%，更丰富的ETF工具选择与更多的投资者参与分散了ETF份额的持有人集中度1.5.1ETF机构持有比例整体过半，持有人集中度则逐渐下降股票型ETF最近六个报告期的持有人集中度变化72%75%78%64%67%71%54%58%62%59%58%64%63%53%58%69%69%62%100%90%80%70%60%50%40%30%20%10%0%top3top5top102017/12/312018/6/302018/12/312019/6/302019/12/312020/06/31910不同

19、产业ETF的持有人结构对比A股行业ETF整体的个人投资者占比达77%，其中基地、科技、 周期产业对应的细分ETF个人投资者占比均超80%；仅军工和金融细分行业对应的ETF持有者结构中机构占比更高规模排名前三的证券（569亿元）、半导体（451亿元）、5G 通信（258亿元）板块ETF持有人中，个人占比分别高达78%、 87%、88%，且ETF联接贡献较多1.5.2行业ETF个人投资占比过半，不同板块间持有人结构分化较大A股ETF细分类型的持有人结构对比机构投资者个人投资者ETF合计规模（亿元）ETF数量上证5070%29%485.027沪深30064%35%1266.5618中证50058%4

20、1%570.9318深10062%38%84.245创业板指37%62%272.6713金融92%8%50.552军工71%28%150.615房地产44%54%16.922非银41%59%33.202银行35%64%88.466传媒34%65%27.002食品饮料32%68%11.041消费30%69%101.427钢铁29%68%2.281医药25%74%147.6512证券21%78%568.799科技20%79%144.648家电19%81%5.681人工智能19%81%23.543有色金属19%81%35.171煤炭18%81%3.321新能源汽车17%83%127.523国防16%

21、84%2.771信息技术16%82%25.662电子16%80%63.042计算机15%81%26.572通信14%85%16.7515G通信10%88%257.883半导体9%87%451.295金融地产9%89%28.185TMT5%94%7.982能源1%99%2.562环保1%99%18.64135%30%28%25%19%13%12%65%69%71%74%81%85%87%100%90%80%70%60%50%40%30%20%10%0%制造消费资料来源：Wind，中信证券研究部金融医药周期注：持有人结构数据来自相关基金2020年半年报科技基地机构投资者个人投资者管理人员工11资料

22、来源：Wind，中信证券研究部（年化波动率考察区间为2020年初至今）指数波动率与ETF占比、市值和ETF个人投资者占比关系不同类型资金偏好的参与方式不同：因ETF一级市 场的申赎存在最小单位，对资金体量要求高，个人 投资者一般直接在二级市场买卖ETF或通过申赎 ETF联接基金进行间接投资。机构投资者中，交易 型资金更偏好流动性充裕的二级市场，而配置型资 金为减少入场的价格冲击，通常在一级市场进行申 赎操作。以下散点图将跟踪指数和个股流通市值中的ETF占 比与ETF个人投资者占比结合，其中散点颜色代表 指数和个股市值大小，市值越大，颜色越深红；散 点大小代表ETF被个人持有的比例：当ETF占比

23、较低时，指数与个股本身的市值对波 动率具有最大的解释能力，市值越大波动率越低；当ETF占比较高时，对于市值差异不大的指数或 个股，ETF个人持有比例高的指数和个股波动率 较高。1.5.3ETF持有者结构或间接影响标的指数及成分股波动率ETF占比较低时，市值是 波动率的最大解释因素， 市值越大，波动率越小。ETF占比较高时，ETF 个人持有比例高的指 数波动率大。ETF占比指 数 波 动 率资料来源：Wind，中信证券研究部我们测算发现，5G通信指数ETF申赎变化与指数收益率的冲击正相关，而宽基类ETF标的指数收益率变化却与ETF申赎的冲击 负相关，收益率跃升吸引更多的申购，ETF个人持有比例高

24、的产品展现了“追涨杀跌”的投资行为。在指数价格快速冲高过程中，个人持有比例高的热门主题行业ETF产品申购不断加大，指数成份股自由流通市值中ETF占比上 升，鉴于ETF的个人投资者对信息的理解和反应偏迟钝，成份股自由流通市值中“真正自由流通“的部分变小，主动资金的变 化对指数和个股价格的冲击影响就会更明显，加剧了波动率。1.5.3个人占比更高的ETF板块申赎表现出“追涨杀跌”的交易特征沪深300收益率变化对ETF合 计申赎的累计冲击效应沪深300ETF合计申赎变化对 指数收益率的累计冲击效应5G通信指数收益率变化对 ETF合计申赎的累计冲击效应5G通信ETF合计申赎变化对 指数收益率的累计冲击效

25、应122. ETF的应用之一：跨市场配置13跨市场ETF提供低相关配置元素，有效控制组合风险基于ETF的多市场策略：七个重要经济体的组合配置多市场配置提升组合收益稳健性，长期配置性价比高14伴随着国内经济的发展和居民财富的快速积累，投资者海外配置需求日益提升。在众多可供选择的跨境投资工具中，QDII ETF及指数基金因为较低的参与门槛、畅通的海外投资通道和丰富的全球化布局，成为多数投资者首选的跨境投资工具投资海外市场最主要的作用是可以为组合提供低相关性的配置元素，分散组合风险A股内部沪市、深市、大盘、中小盘等细分市场间高度相关A股与欧洲和美洲主要国家市场则始终保持低相关性欧美、亚太等区域板块内

26、因为地缘、历史、政治、经济等方面的影响，板块内部股市的联动性比板块间更强2.1跨市场ETF提供低相关配置元素，有效控制组合风险全球主要市场指数相关系数测算标普500富时100法国CAC40德国DAXMSCI巴西MSCI印度日经225富时新加坡STI台湾加权指数恒生指数沪深300中证500创业板指上证综指深证综指标普5001.000.630.650.640.590.370.270.350.260.310.240.190.200.220.20富时1000.590.610.630.581.000.880.850.470.490.500.510.480.480.380.430.430.490.520.

27、490.380.420.390.490.500.480.300.310.300.240.240.240.240.240.240.290.290.290.250.250.25法国CAC400.890.831.000.94德国DAX0.911.00MSCI巴西0.550.530.511.000.340.200.340.250.270.200.170.160.190.17MSCI印度0.240.350.350.330.321.000.340.590.550.540.570.560.530.340.280.270.320.300.330.30日经2250.180.340.350.320.250.301

28、.000.400.400.33富时新加坡STI0.290.460.450.420.380.510.540.510.571.000.650.720.500.510.420.380.480.43台湾加权指数0.220.340.330.320.280.410.611.000.680.410.370.500.43恒生指数0.260.420.400.380.380.490.720.641.000.680.540.500.660.56沪深3000.110.090.120.110.090.160.160.150.180.140.130.120.140.170.150.150.120.160.150.140.

29、180.130.120.120.140.230.260.310.360.470.391.000.850.790.970.900.88中证5000.190.210.180.190.270.290.270.250.891.000.930.990.950.911.00创业板指0.370.710.890.891.000.81上证综指0.230.260.310.350.460.390.980.920.721.00深证综指0.190.220.260.310.980.920.912017年以来相关性水平2002年以来相关性水平资料来源：Wind、中信证券研究部（注：表格右上角相关性系数考察期为2017010

30、1至20201030，左下角为20020101至20201030）资料来源：wind，中信证券研究部注：数据截至2020年9月11日，日均成交额考察2020年9月1日至11日，基金成立日前的净值走势用跟踪指数的走势替代不同国家和地区指数工具的净值走势为了验证多市场配置的策略效果，借助QDII ETF及指数基金，我们分别测算A股、港股、印度、日本、德国、法国、美股七个市 场的简化配置效果，对于7个经济体，选择国内已经上市的规模最大、流动性最好的ETF产品进行模拟配置效果测算：组合1：A股：沪深300ETF ；组合2：A股+港股：沪深300ETF+恒生ETF；组合3：亚洲：组合2+日经225ETF

31、+印度ETP；组合4：亚洲+欧洲：组合3+德国30ETF+法国CAC40ETF；组合5：亚洲+美股：组合3+标普500ETF+纳斯达克100ETF；组合6：七个市场FOF组合2.2基于ETF的多市场策略：七个重要经济体的组合配置不同国家和地区指数工具基本信息代码名称市场成立日期净值规模（亿元） 管理费+ 托 管费（ ）日均成交额（万元） 513500.SH博时标普500ETF美国2013-12-0519.630.8511,505513100.SH国泰纳斯达克100ETF美国2013-04-2510.970.8035,629513080.SH华安法国CAC40ETF法国2020-05-290.5

32、10.65187513030.SH华安德国30(DAX)ETF德国2014-08-0810.981.001,909164824.SZ工银瑞信印度市场人民币印度2018-06-152.581.80111513880.SH华安三菱日联日经225ETF日本2019-06-120.610.25416159920.SZ华夏恒生ETF中国香港2012-08-0987.830.75134,040510300.SH华泰柏瑞沪深300ETF中国大陆2012-05-04371.870.60179,16215多市场配置有助于提高组合稳健性和盈利概率，长期来看收益效果更好：1）从近17年的考察结果看，组合内资产类别越

33、多，组合整体风险和最大回撤越小；同时风险调整后收益较高，近3年、近5年和近 10年亚洲+美股、亚洲+美股+欧洲的多市场组合信息比率均优于沪深300ETF，且年化收益率也较可观；2）相比于只有港股和A股的ETF组合，美股、欧洲股票市场的加入使得组合绩效更好，体现了多市场分散风险的优势。2.3多市场配置提升组合收益稳健性，长期配置性价比高15%目标风险水平下基于风险平价模型的配置组合表现资料来源：Wind，中信证券研究部目标风险15%约束下的多市场配置策略绩效考察期沪深300A股+港股亚洲亚洲+欧洲亚洲+美股亚洲+美股+欧洲年化收益率整体12.77%9.47%11.47%10.17%11.96%1

34、0.82%近1年20.45%7.47%6.95%5.69%12.54%10.42%近3年10.44%5.69%3.69%3.15%9.11%7.34%近5年10.77%9.19%7.67%6.94%11.39%9.87%近10年9.23%6.39%4.67%5.10%9.13%8.14%2020年以来23.81%5.69%2.90%0.43%9.45%6.23%年化波动率整体26.37%20.62%19.85%17.20%16.04%15.82%近1年21.93%21.26%19.20%20.81%20.47%21.45%近3年21.12%18.89%15.01%15.30%15.17%15.

35、44%近5年20.42%17.50%14.13%14.34%13.66%14.04%近10年23.03%17.75%15.31%14.65%13.42%13.73%2020年以来24.90%24.06%22.18%24.12%23.86%24.99%信息比率整体0.480.460.580.590.750.68近1年0.930.350.360.270.610.49近3年0.490.300.250.210.600.48近5年0.530.530.540.480.830.70近10年0.400.360.310.350.680.592020年以来0.960.240.130.020.400.25单边换手率

36、整体-1.69%2.03%2.17%2.02%2.11%最大回撤整体72.30%68.97%68.10%58.21%58.16%55.47%163. ETF的应用之二：指数收益增强17杠杆ETF与债券50/50组合较基准指数具有稳定的增强效果杠杆ETF与债券组合牛市进取，熊市抗跌基于波动率与利润利息比择时，杠杆ETF与债券组合收益进一步增强海外沪深300ETF（PEK) 与高质量中债ETF (CBON)滚动5年收益率对比传统的股债组合中，由于债券资产的长期收益率较难跑赢股票，长期配置未加杠杆的股债组合往往难以战胜股票指数。近5年PEK和CBON滚动年收益率平均值为2.04%和0.72%，PEK

37、滚动年收益率超过CBON滚动年收益率10%的胜率为36.37%。借助杠杆ETF，通过较少的资金占用就能达到对股票指数100%的风险头寸，剩余资金可用于债券投资或现金管理来增强收益。3.1杠杆ETF与债券50/50组合较基准指数具有稳定的增强效果资料来源：Bloomberg，中信证券研究部 注：时间范围2014-11-11 2020-04-2318沪深300 正向2倍杠杆ETF(CHAU)与高质量中债ETF (CBON)50/50组合表现使用沪深300指数2倍杠杆ETF（CHAU）与高质量中债ETF（CBON）构建杠杆ETF与债券的50/50组合。在考虑了每日再平衡的交易费用后，杠杆ETF与债券

38、的50/50组合在考察区间里仍然能实现超额收益，通过精选风险收益性价比 更高的债券ETF，上述50/50组合相比于沪深300ETF仍有提升的空间。3.1杠杆ETF与债券50/50组合较基准指数具有稳定的增强效果20%15%10%5%0%-5%1301201101009080706050402015-4-162015-6-82015-7-292015-9-182015-11-92015-12-312016-2-242016-4-152016-6-72016-7-282016-9-192016-11-82016-12-302017-2-232017-4-172017-6-72017-7-28201

39、7-9-192017-11-82018-1-22018-2-232018-4-172018-6-72018-7-302018-9-192018-11-82019-1-32019-2-262019-4-172019-6-102019-7-312019-9-202019-11-112020-1-32020-2-262020-4-17累计超额收益（右轴）CHAU+CBONPEKCHAU和CBON 50/50每日再平衡组合历史表现资料来源：Bloomberg，中信证券研究部 注：时间范围2015-11-11 2020-04-2318杠杆ETF与债券50/50组合中，债券ETF对组合收益率的贡献较低（平

40、均0.62%），这与CBON保守的债券持仓有关；组合每年皆实现了较沪深300ETF的超额收益，下跌市中表现较好；在市场下跌过程中CHAU产生的损失较PEK更小，在市场上 涨过程中CHAU与PEK产生的收益基本相同。组合的抗跌属性一方面源于债券收益，另一方面源于每日仓位平衡3.2杠杆ETF与债券组合牛市进取，熊市抗跌CHAU+CBON组合年度收益率拆解资料来源：Bloomberg，中信证券研究部 注：时间范围2015-4-16 2020-04-23，收益率皆已年化20当市场估值过高时降低杠杆ETF的名义价值头寸，使其低于100%的股票ETF头寸，以此降低后市行情切换指数下跌的损失；当市场估值过低

41、时增加杠杆ETF的名义价值头寸，使其高于100%股票ETF头寸，以此来搏取后市指数反弹的收益。在波动率过高时，杠杆ETF的头寸也相应降低，在市场估值底部和波动率过低时增加杠杆ETF的头寸。用利润利息比（PIR）测度估值水平：沪深300指数的PE倒数除以10年期国债收益率=0用用60天指数滑动平均波动率测度波动率高低： = 261 60 (1 ) (1 )2，（0 1)为衰减系数3.3基于波动率与利润利息比择时，杠杆ETF与债券组合收益进一步增强基于波动率与利润利息比指标的杠杆ETF主动策略利润利息比低，波动率低保持被动跟踪仓位利润利息比波动率利润利息比高，波动率低利用杠杆ETF趋势交易优势 适

42、度加仓杠杆ETF利润利息比高，波动率高保持被动跟踪仓位利润利息比低，波动率高杠杆ETF亏损幅度与概率均高 适度减仓杠杆ETF资料来源：中信证券研究部21资料来源：Bloomberg，中信证券研究部CHAU+CBON主动策略组合年度收益率拆解组合主动择时增强策略的构建方法为：在利润利息比处于历史20%到80%数值范围内，组合仍按照每日50/50再平衡；其余情况利用如下公式对应调整杠杆ETF（CHAU）的头寸，使杠杆ETF在组合中的权重在38%至65%之间变动： = 0.5 0.5 0.5 从收益率拆分来看，主动策略较50/50每日再平衡被动跟踪组合无论在上涨行情或下跌行情中的超额收益均有明显提升

43、，CHAU仓位 在熊市中造成的损失更小，在牛市中产生的收益更高，体现出主动策略组合更强的市场下跌抗跌属性和市场上涨进取属性。3.3基于波动率与利润利息比择时，杠杆ETF与债券组合收益进一步增强主动策略组合历史表现22总收益(%)年化收益(%)PEK 年化 收益（%）年化超额 收益(%)年化波动 率(%)夏普比率信息率月胜率(%)最大回撤(%)超额收益 最大回撤 (%)最大回撤 天数全部-1.02-0.21-6.796.7935.89-0.120.4150.4236.6214.57502020-9.61-28.94-36.4121.5568.64-0.480.5449.322.459.93382

44、01935.2235.9232.210.6324.491.30.1151.6918.613.51802018-26.52-27-28.273.2228.52-1.090.4347.6636.24.46175201730.6331.0829.85-1.0915.561.74-0.1555.77.257.69502016-4.49-4.56-15.0614.5538.88-0.220.6348.7314.4114.57894.ETF的应用之三：板块轮动配置23ETF成为基金公司布局行业指数工具的首选五个不同维度的量化行业配置模型基于ETF的大类板块配置策略资料来源：Wind，中信证券研究部2015

45、Q2，行业分级异军突起，行业型指数基金中ETF仅占5%，到2019年底，ETF已取代分级基金，成为规模占比最大的行 业指数工具2020年底，分级基金将不再存续，当前存量的分级基金以行业和主题为主，预计未来ETF将继续承接部分分级的转型规模， 行业ETF将进一步扩容4.1 ETF成为基金公司布局行业指数工具的首选ETF成为基金公司布局行业型指数基金的主要工具类型0%10%20%30%40%50%60%70%80%90%0500100015002000250030002010/6/302010/9/302010/12/312011/3/312011/6/302011/9/302011/12/312

46、012/3/312012/6/302012/9/302012/12/312013/3/312013/6/302013/9/302013/12/312014/3/312014/6/302014/9/302014/12/312015/3/312015/6/302015/9/302015/12/312016/3/312016/6/302016/9/302016/12/312017/3/312017/6/302017/9/302017/12/312018/3/312018/6/302018/9/302018/12/312019/3/312019/6/302019/9/302019/12/31行业ETF

47、行业LOF行业分级行业普通行业ETF-规模占比（右轴）40%11%2%39%8%行业ETF行业ETF联接行业LOF行业分级行业普通24模型类别模型逻辑概述策略适用性概述基本面（宏观）宏观视角下的大类板块配置模型基于产业板块景气度的宏观驱动因素分析，寻找基本面占优板块。盈利、成长等基本面风格表现较强时表现较优。基本面（中观）业绩估值比价视角的行业配置模 型寻找行业未被估值反映的业绩预期。估值风格表现较强时表现较优。技术面（模式匹配）模式识别视角的行业配置模型通过行业走势匹配历史相似时点，借鉴历史表现对各行业进 行配置。市场模式性比较强、行情表征的经济运行逻辑比较相似 时表现较优。技术面（趋势）趋

48、势行业配置模型投资者行为非理性，趋势形成-趋势延续-趋势终结的过程将 不断上演。行业趋势持续性比较好时表现较优。投资者行为（公募）公募持仓多维综合视角下的行业 配置模型以逆市配置视角，结合公募超低配、增减仓行为构建行业配 置信号.机构话语权较强的行情表现较优。资料来源：Wind，中信证券研究部，注：数据截至2020年10月31日各行业配置模型净值情况各模型10月最新配置建议4.2 五个不同维度的量化行业配置模型0.801.201.001.401.602019123120200109202001172020020420200212202002202020022820200309202003172

49、0200325202004022020041320200421202004292020051220200520202005282020060520200615202006232020070320200713202007212020072920200806202008142020082420200901202009092020091720200925202010132020102120201029宏观视角下的板块配置模型业绩估值比价视角的行业配置模型 模式匹配视角的行业配置模型趋势视角的行业配置模型公募持仓视角的行业配置模型中证全指标配金融、地产25非银行金融（家电、汽车等）超配周期上游源（煤炭

50、、有色、电力及公用事业石油石化）银行汽车家电超配可选消费机械电子家电银行交通运输纺织服装消费者服务轻工制造食品饮料电力设备及新能源商贸零售银行宏观视角下的大 类板块配置模型业绩估值比价视角的 行业配置模型模式识别视角的 行业配置模型趋势行业配置模 型公募持仓多维综合视角 下的行业配置模型传媒电力设备及新能食品饮料因为每个板块并没有完全对应的ETF工具， 考虑到工具功能的发挥，ETF筛选原则如下：先优选规模大于1亿元以上、日均成交额大 于200万以上的ETF；在满足条件的ETF中，按照标的指数的行 业分布与大类行业板块的契合度，如有直 接对应的综合行业指数就先选择综合类行 业ETF；如果没有合适

51、的综合行业ETF，则对大类 行业板块内的细分一级行业选择对应的 ETF，并将板块内ETF的等权加权收益率 作为该板块收益率4.3 基于ETF的大类板块配置策略大类行业板块划分方式及对应ETF工具医药汇添富中证主要消费ETF1599281265277.36农林牧渔可选消费汽车家电餐饮旅游广发中证全指可选消费ETF1599362593.61纺织服装商贸零售防御电力及公用事业交通运输中证环保产业指数512580108219.58TMT电子元器件计算机通信华宝中证科技龙头ETF5150002413198.6326大类行业板块 中信一级行业ETF工具代码日均成交额（万元） 规模（亿元）上游中游石油石化汇

52、添富中证能源ETF1599306412.16煤炭国泰中证煤炭ETF51522057554.77有色金属南方中证申万有色金属ETF5124001266632.76基础化工钢铁国泰中证钢铁ETF51521034031.63建 筑 建材轻工制造机械 电力设备必选消费国防军工国泰中证军工ETF5126604424076.19食品饮料传媒金融地产银行广发中证全指金融地产ET71非银行金融房地产资料来源：Wind，中信证券研究部，注：数据截至2020年10月31日在双边千三的交易费用下，两类轮动策略均跑赢中证全指全收益 指数，近5年相对中证全指的年化超额收益分别为9.05%和15

53、.6%， 对应信息比率分别为1.86和1.66，收益性价比较高；2016年以来基于ETF的行业轮动策略收益效果比基于中信一级 行业指数的更好，主要在于2017年后经济增速下滑使得策略 超配必选消费板块，而必选消费ETF的标的指数中证主要消费 指数成分股中白酒板块权重更高，贡献较多收益空间4.3 基于ETF的大类板块配置策略近5年效果更好基于宏观驱动因素的大类行业板块配置策略表现资料来源：Wind，中信证券研究部，注：数据截至2020年10月31日基于中信行业指数及行业ETF的大类行业板块配置策略表现1.51.41.31.21.110.90.80.70.60.500.511.522.533.54

54、2013-01-032013-03-072013-05-092013-07-092013-09-032013-11-072014-01-032014-03-072014-05-072014-07-032014-08-282014-10-312014-12-262015-03-032015-04-292015-06-262015-08-212015-10-272015-12-222016-02-242016-04-212016-06-212016-08-162016-10-202016-12-152017-02-172017-04-182017-06-162017-08-112017-10-132017-12-082018-02-052018-04-112018-06-082018-08-062018-10-092018-12-042019-01-312019-04-042019-06-052019-08-012019-09-272019-11-292020-02-042020-03-312020-06-012020-07-292020-09-23基于ETF的轮动策略净值中证全指基于指数的轮动策略净值ETF策略相对指数策略强