TEAM行业轮动策略：四主体行为解构与信号合成-资产定价系列之三

内容目录一、引言：从单点信号”到“团队共识的指标进化路径 4二、四主体行为解构与信号合成 6行业机构预期：机构行为 6行业景气度：分析师行为及财报行为 13行业趋势：市场行为 18行业拥挤度：市场行为 19三、TEAM轮动策略 TEAM行业轮动策略 21ETF赛道轮动策略 24四、总结 风险提示 图表目录图1：TEAM指标体系 4图2：TEAM指标释义 5图3：基金重仓程度构建的行业轮动策略无超额收益 6图4：基金因子到行业因子的映射路径示意图 6图5：选基因子转化成选股因子的映射方式 7图6：股票FHQ因子五分组表现（中证800成份股域） 8图7：单指标行业轮动净值走势（基金质量） 8图8：单指标行业轮动超额对冲（基金质量） 8图9：单指标行业轮动净值走势（基金超配差） 9图10：单指标行业轮动超额对冲（基金超配差） 9图单指标行业轮动净值走势（基金调仓预期） 10图12：单指标行业轮动超额对冲（基金调仓预期） 10图13：机构行为因子相关性 10图14：综合机构预期合成示意图 11图15：单指标行业轮动净值走势（综合机构预期） 11图16：单指标行业轮动超额对冲（综合机构预期） 11图17：合成的综合机构预期优于单一基金指标 12图18：计算示意图（以计算天风证券对煤炭行业的盈利预测为例） 13图19：单指标行业轮动净值走势（分析师行业景气指数） 14图20：单指标行业轮动超额对冲（分析师行业景气指数） 14图21：单指标行业轮动净值走势（分析师行业景气指数_Z_Score） 14图22：单指标行业轮动超额对冲（分析师行业景气指数_Z_Score） 14图23：单指标行业轮动净值走势（预期ROE_FTTM的Z_Score） 14图24：单指标行业轮动超额对冲（预期ROE_FTTM的Z_Score） 14图25：单指标行业轮动净值走势（财报景气度） 15图26：单指标行业轮动超额对冲（财报景气度） 15图27：景气度因子相关性 16图28：行业综合景气度合成 16图29：单指标行业轮动净值走势（行业综合景气度） 17图30：单指标行业轮动超额对冲（行业综合景气度） 17图31：合成的综合景气度优于单一景气度指标 17图32：单指标行业轮动净值走势（趋势） 18图33：单指标行业轮动超额对冲（趋势） 18图34：单指标行业轮动净值走势（拥挤度） 20图35：单指标行业轮动超额对冲（拥挤度） 20图36：TEAM行业轮动气泡图 21图37：TEAM行业轮动策略 22图38：ETF指数自定义赛道分类 24图39：当前各赛道对应的规模最大ETF名单 25图40：ETF赛道轮动气泡图 26图41：每期参与轮动的指数和赛道数量 26图42：高弹性ETF赛道轮动策略 27图43：稳健版ETF赛道轮动策略 29表1：综合机构预期指标多头组合持仓案例 12表2：行业综合景气度指标多头组合持仓案例 17表3：趋势指标多头组合持仓案例 19表4：拥挤度指标多头组合持仓案例 20表5：TEAM行业轮动策略分年度表现（区间：2013/2/1-2026/7/10） 22表6：近18期行业轮动组合持仓明细 23表7：高弹性ETF赛道轮动策略分年度表现（区间：2015/1/5-2026/7/17） 27表8：近18期ETF赛道轮动组合持仓明细 28表9：稳健版ETF赛道轮动策略分年度表现（区间：2015/1/5-2026/7/17） 29一、引言：从“单点信号”到“团队共识”的指标进化路径A股行业收益分化剧烈、排名波动频繁，单一维度策略常面临信号衰减、风格漂移与拥挤踩踏。如何系统性地整合多维度信息，构建穿越不同宏观周期与风格切换的轮动框架，是量化配置研究的关键课题。本报告提出“TEM”行业轮动指标体系，从市场（ding、企业（Enpis、分析师（Analyst）及机构（Manager）四类核心主体的行为出发，构建“量价—基本面—预期—资金流”四维分析框架。我们认为，行业价格是不同信息优势主体在各自约束条件下博弈的均衡结果：市场交易者传递边际信息，企业财报锚定基本面，分析师预期反映前歧”预示反转；捕捉这种协同与背离，是提升轮动策略稳健性的根本路径。的信息迷雾，将机构资金的真实配置意图转化为可量化的行业信号，补全了机构定价权持续提升背景下的增量信息。同时，本报告继承并拓展了此前“趋势、拥挤度及景气度三维框架的研究积累：市场维度以趋势捕捉共识、以拥挤度识别风险；企业维度以财报景气度刻画基本面边际改善；分析师维度以预期扩散指数反映前瞻变化。三维框架由此进化至TEAM体系，实现了从“单点信号”到“多主体共识”的系统性升级。综上所述，TEAM框架实现了对市场核心定价主体的系统化解构与信号合成。各维度信息并非孤立信号源的机械拼凑，而是通过“共识”与“分歧”动态决定行业配置方向。后续章节将逐一展开四维度指标的构建逻辑、回测验证与信号合成路径，为行业配置提供一套理论根基扎实、逻辑自洽且业绩可验证的系统性工具。图1天风证券研究所图2主体指标指标计算方法及含义核心逻辑和判断标准市场(Trading)行业趋势行业拥挤度行业过去一年相比于行业等权的信息比率，衡量当前行业的趋势最近三个月行业换手率、波动率(时序)和Bt历史标准分的等权平均，衡量行业最近一个季度交易情绪在历史上所处的位置>0，代表过去一年上涨比较稳定比较高，代表交易比较拥挤企业(Eti)财报景气度最新行业单季度ROE(考虑业绩快报与预告)、净利润增速和营收增速的环比的等权平均，衡量行业最近一个季度基本面的边际变化比较高，财报基本面数据改善幅度大分析师(lyt)分析师行业景气指数分析师行业景气指数_zscore分析师预期ROE_FTTM的z_scoreROE的机构占比，衡量看多该行业ROE的机构比例近期上调行业ROE的机构占比在过去十二个月的标准分，衡量看多该行业ROE的机构占比在最近一年的变化先计算当前未来4个季度ROE_FTTM预测值(机构加权)，再计算该指标过去一年的标准分，衡量当前机构ROE预测值在最近一年的变化>0，代表上调盈利预测的分析师占大多数>0，代表上调盈利预测的分析师有增加>0，代表分析师近期上调幅度比较大基金质量行业成份股的平均持有基金质量，衡量重仓行业的主动权益基金经理的平均选股能力比较高，代表持仓行业的基金质量较高机构()基金超配差高质量基金重仓股票组合相对中证800指数的行业超配程度，衡量高质量主动权益基金经理的行业超配程度比较高，代表高质量基金超配程度大基金调仓预期主动权益基金经理的主动加仓行为(按基金能力因子加权)，衡量行业的主动权益基金经理的最新边际加仓预期比较高，代表优秀基金经理的边际调仓看好天风证券研究所二、四主体行为解构与信号合成行业机构预期：机构行为简单基于公募基金重仓程度构建行业轮动策略长期来看无超额收益。很多投资者在每次基金季报披露后都会非常关注主动权益基金的重仓股和行业配置，但实证显示，自2013年初以来，公募重仓程度因子在行业轮动层面经历了两次长周期失效：2013年中至2017年初，以及2021年初至今。因此，仅仅依赖公募基金整体重仓程度构建指标做行业轮动的话，长期信息价值非常有限。图3：基金重仓程度构建的行业轮动策略无超额收益

超额(右轴) 基于公募重仓因子的行业轮动策略 行业等权基

1.201.101.000.900.800.700.600.50如何刻画公募机构行为，构建有效的行业轮动因子，是一个重要的话题。下文我们借助此前的基金研究和选股研究成果，从公募主动权益基金经理行为角度，发掘了几个比较好用的行业轮动指标。①如何刻画行业的持有基金质量？主动权益基金经理在中证800评价指标和基金重仓股信息，通过一种映射方式可将其转化为具备显著超额收益的选股因子FHQ，计算每个行业成份股的平均FHQ作为行业基金质量指标。按照下述步骤可构建基金因子到行业因子的映射：基金因子（选股alpha胜率）→股票因子（FHQ）→行业因子（基金质量）图4：基金因子到行业因子的映射路径示意图天风证券研究所第1步：计算基金因子基金样本：公募主动权益基金计算时点：在季报截止公布日计算。计算基金因子：滚动回看5段观测区间（包含4个完整季度及15个交易日，计算基金的持股胜率，其中alpha的定义为股票收益率减去对应行业收益率。第2步：基金因子→股票因子按下图映射方式，将基金因子映射为股票因子：T（基金因子）→股票因子。因子构建的底层逻辑：股票的FHQ(𝑭𝒖𝒏𝒅𝑯𝒐𝒍𝒅𝒊𝒏𝒈_𝑸𝒖𝒂𝒍𝒊𝒕𝒚越高，表明持有该股票的基金平均选股能力越强；反之则越弱。图5：选基因子转化成选股因子的映射方式天风证券研究所映射公式：T（基金选股alpha胜率）→股票FHQ因子𝐹 𝐹𝑭𝑯𝑸𝑖=∑𝐴𝑓𝑤𝑖,𝑓/∑𝑤𝑖,𝑓𝑓=1 𝑓=1其中，𝐴𝑓是基金𝑓的选股alpha胜率因子值，𝑤𝑖,𝑓是在计算股票因子时衡量基金𝑓的权重，测试表明对具体加权方式不敏感，本文采用“占净值比加权研究发现，股票FHQ因子在中证成份股域内有显著超额。800成份股域内，测算了股票FHQ因子的绩效，从五分组表现来看：组5（因子最大组）有显著超额，呈现显著多头效应，多头和空头区分度良好。图6：股票FHQ因子五分组表现（中证800成份股域）

组5/组1 组1 组2 组3 组4 组

54.543.532.521.510.50第3步：股票因子→行业因子通过第一步我们根据股票被重仓基金的平均胜率计算股票FHQ因子，然后按照行业指数的成份股，计算平均FHQ，即得到行业的基金质量fund_quality：𝒇𝒖𝒏𝒅_𝒒𝒖𝒂𝒍𝒊𝒕𝒚𝑖=𝑚𝑒𝑎𝑛(𝑭𝑯𝑸𝑗)𝑗因子测试：基于单指标（基金质量undquli，下面2个图展示了单指标做行业配置55个行业，月频调仓、等权配置，主要结论有：多头组合年化超额4.05%，多空对冲年化指标长期来看比较稳健，2018~2021年表现相对平庸，其他年份表现强势，2025年以来多头端有很高的弹性。图7：单标行业动净走势（金质） 图8：单标行业动超对冲（金质） ②如何刻画行业的高质量基金超配程度？FHQ因子构建的多头组合具备较高的超额收益，其在行业层面alpha。为了衡量高质量基金重仓股票组合相对中证800指数的行业超配程度，我们构建行业的基金超配差指标。具体计算方法为：计算股票FHQ因子：根据股票被重仓基金的平均胜率计算股票FHQ因子。构建转化股票组合：FHQ只股票构成高得分股票组合。计算股票组合超配程度：计算该股票组合的行业成份股数量分布，减去中证800指数成份股的行业成份股数量分布，得到行业的基金超配差指标。因子测试：基于单指标（基金超配差undorigh，下面2个图展示了单指标做行业配置策略的效果，其中多头是单指标得分最高的5个行业，空头是单指标得分最低的5个行业，月频调仓、等权配置，主要结论有：多头组合年化超额3.45%，多空对冲年化指标年之后有效性显著提升，空头端有很强的负向剔除能力。图9：单标行业动净走势（金超差） 图10：单标行业动超对冲（金超差） ③如何刻画行业的基金调仓预期？基金调仓预期：衡量选股能力强的基金群体对该行业的加权平均看多强度。捕捉基金经理的调仓方向，通常比看绝对配置更有信息含量。接下来继续尝试借助基金因子的力量，挖掘优秀基金经理行为中蕴含的行业轮动alpha。核心逻辑是选股能力强的基金大幅加仓的行业，未来表现更优。转化得到的行业轮动因子可视作主动权益基金经理调仓预期，反映优秀基金经理的调仓共识。∑𝑓:Δ𝑤𝑓,𝑖,𝑡>5%𝑠𝑓,𝑖,𝑡⋅Δ𝑊𝑓,𝑖,𝑡𝑓𝑢𝑛𝑑_𝑟𝑒𝑏𝑎𝑙𝑎𝑛𝑐𝑒𝑖,𝑡=

∑𝑓,Δ𝑤𝑓,𝑖,𝑡>5%Δ𝑤𝑓,𝑖,𝑡其中，𝑠𝑓,𝑖,𝑡是基金选股能力，Δ𝑊𝑓,𝑖,𝑡是基金对行业持仓边际变化。具体计算方法为：提取基金重仓股：提取基金重仓股，分别计算本期和上期的持股市值，剔除股票自身涨跌幅影响，再归一化权重，得到本期和上期的持股权重。调仓信号：对每个行业，计算权重变化幅度。5%的基金调仓记录。计算调仓预期信号：以加仓幅度加权平均基金的选股能力得分，得到该行业的看多信号。缺失行业用当日截面最小值填充。因子测试：（基金调仓预期undblnce，下面2个图展示了单指标做行业配置策略的效果，其中多头是单指标得分最高的5个行业，空头是单指标得分最低的5个行业，月频调仓、等权配置，主要结论有：2.66%5.91%;指标阶段性失效，例如2021、2022年面临较大回撤，最近几个月表现也不佳，其他时间段该指标表现较好。图单指标业轮净值走（基调仓预） 图12：单标行业动超对冲（金调预期） 上述3个机构行为细分指标之间相关系数不高，仅基金质量和基金超配差之间的相关系数相对而言高一些，整体而言存在一定的互补性。图13：机构行为因子相关性相关系数基金质量基金超配差基金调仓预期基金质量1.000.660.39基金超配差0.661.000.30基金调仓预期0.390.301.00④如何将3个机构行为细分指标合成1个综合机构预期指标？对这3个机构行为细分指标分别进行截面Z-Score标准化处理，以消除量纲差异并实现横向可比。再将标准化后的得分等权加总，构建综合机构预期指标：𝑭𝒖𝒏𝒅𝑬𝒙𝒑𝒆𝒄𝒕=𝒇𝒖𝒏𝒅_𝒒𝒖𝒂𝒍𝒊𝒕𝒚_𝒛+𝒇𝒖𝒏𝒅_𝒐𝒗𝒆𝒓𝒘𝒆𝒊𝒈𝒉𝒕_𝒛+𝒇𝒖𝒏𝒅_𝒓𝒆𝒃𝒂𝒍𝒂𝒏𝒄𝒆_𝒛图14：综合机构预期合成示意图天风证券研究所因子测试：基于3个细分指标合成的单指标综合机构预期，下面2个图展示了单指标做行业配置策略的效果，其中多头是单指标得分最高的5个行业，空头是单指标得分最低的5个行业，月频调仓、等权配置，主要结论有：4.64%8.39%；三个细分指标融合后，指标的有效性进一步提升。图15：单标行业动净走势（合机预期） 图16：单标行业动超对冲（合机预期）综合机构预期优于单一基金指标。综合机构预期的年化超额、IR、胜率均明显优于3个单一基金指标，且最大回撤介于基金质量与基金调仓预期之间，风险收益比最优。图17：合成的综合机构预期优于单一基金指标表1：综合机构预期指标多头组合持仓案例调仓日期持仓行业超额收益2026529电子、通信、有色金属、基础化工、煤炭850%2026430电子、通信、有色金属、基础化工、煤炭751%2023129纺织服装、煤炭、商贸零售、交通运输、房地产540%2020529电子、通信、医药、计算机、农林牧渔507%2018427农林牧渔、食品饮料、汽车、消费者服务、家电833%2015430医药、国防军工、家电、计算机、电力及公用事业688%2014118银行、电力及公用事业、交通运输、国防军工、建筑1451%2013127计算机、轻工制造、家电、电力设备及新能源、医药685%2013628医药、食品饮料、电子、传媒、国防军工588%2013531医药、食品饮料、电子、传媒、国防军工522%行业景气度：分析师行为及财报行为①如何构建分析师景气指数？借鉴采购经理指数（PMI）的编制方法，构建分析师行业景气度扩散指数：在该行业覆盖研究机构中，认为ROE增速环比上调的机构占比（按机构重要性和预测准确性加权。核心逻辑是：统计看多的机构占比。分析师景气度指标计算方法：（）分析师个股盈利预测明细数据(FY,FY2;（）分析师个股一致预期数据(FY1,FY2);（3）其他用到的个股财务和基本面数据；计算未来四个季度净利润TTM（根据已公布的季报比例调整FY1和FY2的权重;（）若有业绩快报则采用快报数据代替FY（3）运用整体法计算每家机构对每个行业的盈利预测；（）纵向可比：本期与上期成分股取交集保证数2）横向可比：计算行业与大盘的相对RE（3）去噪音：使用移动平均MA对数据做平滑处理（4）机构重要性赋权：机构对该板块的净利润覆盖（）图18：计算示意图（以计算天风证券对煤炭行业的盈利预测为例）天风证券研究所在上述计算过程中，我们可以同时获得3个不同的分析师景气指数：ROE分析师行业景气指数_Z_Score：近期上调行业ROE的机构占比在过去十二个月的标准分。分析师预期EFTTM的ZSor先计算当前未来4个季度EFTTM预测值(机构加权，再计算该指标过去一年的标准分。下面我们逐个检验了这35个5个行业，月频调仓、等权配置。测试结果表明这3个指标都有不错的行业选择能力，并且存在互补性。基于分析师行业景气指数构建的多头组合年化超额，多空对冲年化该指标下半年至年末，多空对冲超额面临回撤。图19：单标行业动净走势（析师业景气数） 图20：单标行业动超对冲（析师业景气数） 基于分析师景气指数_Z_Score构建多头组合年化超额，多空对冲年化3.27%;该指标年表现强势，2026年以来多空对冲超额面临回撤。图单指标行轮动净走（析师业景气数Zo） 图：单指标行轮动额对冲分析行业景指数Zo）基于行业分析师预期ROE_FTTMZ_Score构建的多头组合年化超额，多空对冲年化该指标长期来看表现稳健，但年超额较低。图单指标行业动净值（预期的图24：单标行业动超对冲（期的②如何从财报维度构建指标完善行业景气度的刻画？财报景气度：最新行业单季度ROE、净利润增速和营收增速环比变化的等权平均。趋势与拥挤度指标从交易维度刻画了行业的量价特征，而行情的持续性最终需要基本面支撑。ROE（含业绩快报/预告口径、净利润增速与营收增速的环比变化等权平均，捕捉行业基本面的最新边际变化，为行业轮动策略提供基本面维度的验证与补充。行业财报景气度指标计算方法：指标获取：环比、净利润增速环比、营收增速环比三大财报边际指标；MADEMA时序平滑；相对刻画：以4周边际变化反映景气度边际改善幅度，截面标准化排名体现行业间相对强弱；合成规则：三大维度等权重合成，得到行业财报景气度。基于（财报景气度2个图展示了单指标做行业配置策略的效果，55个行业，月频调仓、等权配置，主要结论有：2.18%4.59%;财报景气度的多空对冲超额主要贡献发生于2015年，其他年份单指标不具备显著超额能力，近几年呈现周期性有效和失效的特征。图25：单标行业动净走势（报景度） 图26：单标行业动超对冲（报景度）上述4个景气度细分指标之间相关系数不高，仅分析师行业景气指数和分析师预期ROE_FTTM_Z_Score之间的相关系数相对而言高一些，整体而言存在一定的互补性。图27：景气度因子相关性相关系数分析师行业景气分析师行业景气指数 指数_zscore分析师预期ROE_FTTM_zscore财报景气度分析师行业景气指数1.00 0.500.67-0.03分析师行业景气指数_zscore0.501.000.220.01分析师预期ROE_FTTM_zscore0.670.221.00-0.01财报景气度-0.030.01-0.011.00至此，我们从分析师行为和企业行为两大维度构建了4个不同的指标，对行业景气度进行了全面的刻画。其中，分析师预期类指标覆盖了卖方分析师对行业中期供需、盈利中枢的一致预判。财报景气度是基于上市公司已披露真实财务数据，反映行业当期经营落地的实际盈利、营收现状，锚定景气的客观兑现程度，规避纯预期带来的脱离基本面偏差。这4个景气度指标分别对应历史已实现基本面、一致预期景气信号、标准化后预期景气相对分位、盈利预期相对强弱，具备一定程度的互补性。③如何将4个景气度细分指标合成1个行业综合景气度指标？为了多维度信息相互印证、对冲单一指标偏误，接下来我们合成行业综合景气度，能够同时兼顾行业当下真实经营水平与全市场对其未来盈利改善的一致预期，更完整地反映行业景气的真实强弱与边际变化。图28：行业综合景气度合成天风证券研究所因子测试：基于4个细分指标合成的单指标行业综合景气度，下面2个图展示了单指标做行业配置策略的效果，其中多头是单指标得分最高的5个行业，空头是单指标得分最低的5个行业，月频调仓、等权配置，主要结论有：多头组合年化超额5.07%，多空对冲年化行业综合景气度指标长期来看表现稳健，具备稳定的行业选择能力。图29：单标行业动净走势（业综景气度） 图30：单标行业动超对冲（业综景气度） 综合景气度优于单一景气度指标。4因子综合景气度的IR和胜率均为最高，年化超额也高于任一单一景气度指标，说明等权合成后信息互补、稳健性增强。图31：合成的综合景气度优于单一景气度指标表2：行业综合景气度指标多头组合持仓案例调仓日期持仓行业超额收益2026529石油石化、建材、基础化工、有色金属、电力设备及新能源609%2026327交通运输、商贸零售、通信、计算机、电子574%2025126电子、有色金属、传媒、非银行金融、计算机686%2024531电子、轻工制造、石油石化、汽车、通信448%2022527电力及公用事业、电力设备及新能源、汽车、医药、有色金属485%2021730电子、钢铁、基础化工、国防军工、有色金属410%2021625钢铁、有色金属、基础化工、轻工制造、电子1329%2020117有色金属、消费者服务、国防军工、医药、传媒750%2015100消费者服务、农林牧渔、通信、有色金属、轻工制造461%2014118商贸零售、电力设备及新能源、非银行金融、纺织服装、家电455%行业趋势：市场行为行业趋势：行业过去12个月相对于行业等权指数的信息比率。趋势是市场共识的集中体现。长期来看，市场具备自我迭代与进化能力，趋势因而成为识别一致预期的有效抓手。即便在缺乏配置方向时，也可通过趋势信号理解市场当前的交易主线，这正体现了市场有效性的价值。为了较好地刻画行业动量，我们类比因子动量中常用的12ICIR”，构造了行业层面的横截面动量因子：过去12个月行业相比于行业等权的信息比率。行业趋势指标具基于行业日度收益构建周度频率，计算各行业相对基准的52周滚动线性加（ighdI具体计算步骤：计算行业周度涨跌幅：提取每周最后一个交易日行业指数收盘价，计算周度涨跌幅。计算行业周度超额收益：用各行业周度收益减去基准周度收益，得到行业超额收益序列。滚动52周线性加权平均收益：521到52递增，近期数据权重更高。滚动52周标准差：52周超额收益的标准差，代表波动风险。构建加权趋势指标（加权信息比率：用加权平均超额收益/滚动标准差，最终得到Weighted_IR_52w趋势因子。因子测试：基于单指标（趋势nd，下面2个图展示了单指标做行业配置策略的效果，55个行业，月频调仓、等权配置，主要结论有：多头组合年化超额3.08%，多空对冲年化6.53%，长期来看确实有效;趋势指标在、年面临较大回撤，仅依赖趋势指标做行业轮动存在太多不确定性，策略的有效时间呈现一定的周期性。图32：单标行业动净走势（势） 图33：单标行业动超对冲（势）表3：趋势指标多头组合持仓案例调仓日期持仓行业超额收益2026529通信、电子、建材、机械、电力设备及新能源1313%2026430通信、基础化工、电子、有色金属、建材918%2023224轻工制造、计算机、通信、传媒、机械858%2021625基础化工、电力设备及新能源、煤炭、汽车、钢铁1002%2020117汽车、电力设备及新能源、食品饮料、基础化工、家电634%2018427医药、食品饮料、消费者服务、计算机、石油石化614%2014118交通运输、建筑、非银行金融、机械、纺织服装1258%2013127计算机、家电、传媒、电力设备及新能源、农林牧渔800%2013628传媒、通信、电子、计算机、医药1244%2013531传媒、电子、通信、计算机、汽车573%行业拥挤度：市场行为行业拥挤度：由行业换手率比率、波动率比率和beta比率的等权平均合成。趋势反映市场共识，但市场并非始终有效，羊群效应与非理性交易盛行时尤为明显。拥挤度指标旨在识别市场的非有效状态，进而捕捉真实有效信息。行情末端常现情绪过热与交易拥挤，行业拥挤度可有效度量此类风险。行业拥挤度指标计算方法：计算所有股票的三个细分指标：3个月换手率(波动率、beta),作为行业的换手率(波动率、beta)。计算行业换手率beta)与全部行业换手率(波动率、beta)的比值。滚动窗口Zscore：6年的滚动窗口，将行业换手率波动率、beta)比率进行Z_Score(beta)比率具有可betaZ_Score进行算术平均处理，作为该行业最终的拥挤度指标。因子测试：基于单指标（拥挤度od，下面2个图展示了单指标做行业配置策略的效果，其中多头是单指标得分最高（拥挤度最低）的5个行业，空头是单指标得分最低（拥挤度最高）的5个行业，月频调仓、等权配置，主要结论有：多头组合超额，多头端没有行业选择能力，但空头年化超额-3.35%，即空头端能帮助规避高拥挤行业风险;拥挤度不适合单独作为行业轮动指标，它属于行业层面的风险因子，或可与动量等指标形成互补，弥补趋势策略周期性失效的缺陷。图34：单标行业动净走势（挤度） 图35：单标行业动超对冲（挤度） 表4：拥挤度指标多头组合持仓案例调仓日期持仓行业超额收益2024/3/29银行、非银行金融、钢铁、有色金属、食品饮料3.37%2023/12/29银行、农林牧渔、交通运输、有色金属、煤炭4.65%2021/8/27交通运输、房地产、轻工制造、石油石化、农林牧渔5.02%2020/10/30房地产、纺织服装、石油石化、钢铁、煤炭5.05%2018/9/28房地产、煤炭、农林牧渔、商贸零售、纺织服装3.60%2018/4/27电力设备及新能源、农林牧渔、食品饮料、商贸零售、纺织服装5.20%2015/12/31农林牧渔、家电、煤炭、银行、有色金属5.51%2015/4/30基础化工、农林牧渔、石油石化、机械、电子5.98%2014/2/28房地产、有色金属、煤炭、电力及公用事业、建筑3.58%2013/7/26农林牧渔、房地产、商贸零售、交通运输、煤炭6.04%三、TEAM轮动策略TEAM行业轮动策略由TEAM其中，拥挤度指标通常用于规避极端拥挤风险的行业，另外3个维度指标通常可用于给行业正向打分。这里我们将这3个指标等权合成对行业的TEAM综合打分针对每个日期截面，将原始指标分别做截面z-score标准化，再等权合成：TEAM综合打分:𝑻𝑬𝑨𝑴_𝑰𝒏𝒅𝑺𝒄𝒐𝒓𝒆=𝒛_𝒕𝒓𝒆𝒏𝒅+𝒛_𝒑𝒓𝒐𝒔𝒑𝒆𝒓𝒊𝒕𝒚+𝒛_𝒇𝒖𝒏𝒅图36：TEAM行业轮动气泡图策略构建：剔除高拥挤、剔除低景气，选择TEAM高得分的行业Step1：剔除拥挤行业8个行业逻辑：太拥挤的行业容易发生踩踏Step2：剔除低景气行业7个行业逻辑：景气太差的行业预期收益不高Step3：筛选高得分行业在每个月末调仓日，经过上述两层初筛，剩余行业≥134个行业等权持有，直到下个月末调仓策略绩效：2013/2/12026/7/10，TEAM24.34%，相对基准行业等权41%1.5866.05%。2026年初以来，行业轮动组合超额收益率24.90%，显示出较高的弹性。图37：TEAM行业轮动策略表5：TEAM行业轮动策略分年度表现（区间：2013/2/1-2026/7/10）年份TEAM行业轮动组合行业等权基准超额收益201317.90%6.35%11.54%201453.17%46.68%6.49%2015104.11%49.57%54.54%2016-9.51%-13.14%3.63%201731.77%1.53%30.23%2018-19.64%-28.45%8.81%201939.46%28.86%10.60%202036.45%23.11%13.34%202133.80%11.99%21.81%2022-9.68%-13.79%4.11%202311.38%-4.18%15.57%202419.96%9.03%10.93%202542.39%23.75%18.64%202620.92%-3.98%24.90%策略构建逻辑：TEAM行业轮动采用先排雷、再择优的三层分层筛选框架，分层约束各司其职、逻辑递进，兼顾风险控制与景气收益捕捉。先通过拥挤、景气两道门槛过滤负向收益驱动的行业，再基于多维度综合行业打分精选优质赛道。固定选取4个行业持仓，相比动态不固定持仓具备一定程度的优势：规则客观、收益聚焦、便于实操和复盘。表6：近18期行业轮动组合持仓明细调仓日期 持仓行业2026/6/30 煤炭、石油石化、机械、计算机2026/5/31 电子、基础化工、煤炭、机械2026/4/30 电子、基础化工、煤炭、机械2026/3/31 电子、基础化工、煤炭、机械2026/2/28 电子、基础化工、计算机、煤炭2026/1/31 电子、计算机、传媒、煤炭2025/12/31 计算机、非银行金融、传媒、消费者服务2025/11/30 计算机、传媒、非银行金融、轻工制造2025/10/31 计算机、基础化工、医药、房地产2025/9/30 房地产、基础化工、计算机、医药2025/8/31 电子、电力设备及新能源、通信、基础化工2025/7/31 有色金属、电力设备及新能源、电子、传媒2025/6/30 传媒、基础化工、有色金属、非银行金融2025/5/31 传媒、医药、建材、非银行金融2025/4/30 电子、非银行金融、建材、有色金属2025/3/31 有色金属、非银行金融、电子、银行2025/2/28 有色金属、汽车、非银行金融、电子2025/1/31 有色金属、非银行金融、汽车、电子ETF赛道轮动策略大部分ETF的核心目标是严格控制跟踪误差和偏离度，ETF是紧密跟踪指数的。因此，做首先，我们将ETF覆盖的所有指数划分为赛道轮动池：提取全部有A股指数，宽基保留部分代表性指数；2年以上；筛选得到共计128个指数，自定义分类为10个大类：宽基、SmartBeta、周期、新能源、高端制造与军工、、医药、大金融、大消费、公用事业。6012856个自定义二级分类作为细分赛道（例如：电子、半导体、机器人、银行、创新药……图38：ETF指数自定义赛道分类天风证券研究所图39：当前各赛道对应的规模最大ETF名单赛道ETF代码基金简称赛道ETF代码基金简称房地产5220.H南方中证全指房地产ETF机器人159530.SZ易方达国证机器人产业ETF钢铁5520.H国泰中证钢铁ETF机械560280.SH广发中证工程机械ETF化工159870.SZ鹏华中证细分化工产业主题ETF军工5270.H富国中证军工龙头ETF黄金股517520.SH永赢中证沪深港黄金产业股票ETF汽车516520.SH华泰柏瑞中证智能汽车ETF基建516970.SH广发中证基建工程ETF家电596.Z国泰中证全指家用电器ETF建筑材料575.Z国泰中证全指建筑材料ETF酒512690.SH鹏华中证酒ETF煤炭515220.SH国泰中证煤炭ETF旅游576.Z富国中证旅游主题ETF能源159930.SZ汇添富中证能源ETF农林牧渔55.Z国泰中证畜牧养殖ETF油气5130.H国泰中证油气产业ETF食品饮料159736.SZ天弘中证食品饮料ETF有色512400.SH南方中证申万有色金属ETF综合消费159928.SZ汇添富中证主要消费ETF创新药592.Z银华中证创新药产业ETF非银512880.SH国泰中证全指证券公司ETF科创生物570.H嘉实上证科创板生物医药ETF银行512800.SH华宝中证银行ETF医疗器械53.Z永赢中证全指医疗器械ETF半导体556.Z国泰中证半导体材料设备主题ETF中药560080.SH汇添富中证中药ETF传媒512980.SH广发中证传媒ETF综合医药512170.SH华宝中证医疗ETF电子5732.Z华夏国证消费电子主题ETF光伏5570.H华泰柏瑞中证光伏产业ETF泛科技515000.SH华宝中证科技龙头ETF新能源537.Z国泰创业板新能源ETF动漫游戏59.Z华夏中证动漫游戏ETF新能源车515030.SH华夏中证新能源汽车ETF计算机159851.SZ华宝中证金融科技主题ETF新能源电池5755.Z广发国证新能源车电池ETF人工智能515980.SH华富中证人工智能产业ETF科创创业588000.SH华夏上证科创板50ETF软件552.Z嘉实中证软件服务ETF沪深3005030.H华泰柏瑞沪深300ETF通信515880.SH国泰中证全指通信设备ETF中证1000512100.SH南方中证1000ETF芯片520.H嘉实上证科创板芯片ETF中证20005330.H华泰柏瑞中证2000ETF云计算5650.H易方达中证云计算与大数据ETF中证5005050.H南方中证500ETF成长597.Z华夏创成长ETF中证800515800.SH汇添富中证800ETF红利512890.SH华泰柏瑞红利低波ETF电力561.Z广发中证全指电力公用事业ETF价值523.Z易方达国证价值100ETF电网设备159326.SZ华夏中证电网设备主题ETF央国企512950.SH华夏央企结构调整ETF航空航天5227.Z华夏国证航天航空行业ETF质量521.Z华夏国证自由现金流ETF指数打分：对每个日期截面，将原始指标做z-score标准化，给指数进行打分：TEAM指数综合打分:𝑻𝑬𝑨𝑴_𝑰𝒏𝒅𝒆𝒙𝑺𝒄𝒐𝒓𝒆=𝒛_𝒕𝒓𝒆𝒏𝒅+𝒛_𝒑𝒓𝒐𝒔𝒑𝒆𝒓𝒊𝒕𝒚+𝒛_𝒇𝒖𝒏𝒅赛道代表指数：由于同一赛道内，可能涵盖多个相似度很高的指数，因此有必要选一个指数作为赛道代表指数。在每个日期截面，我们在每个自定义二级分类中，分别取TEAM综合得分最高的指数作为该赛道的代表。TEAMETF轮动策略。56个自定义二级行业赛800（000906.SH）为基准，获取长期稳定超额收益。沿着行业轮动类似的方法构建赛道轮动策略，整体思路是剔除高拥挤、剔除低景气，再选择TEAM打分高的指数。图40：ETF赛道轮动气泡图ETF覆盖赛道数量逐年递增，2015年之后具备足够的轮动宽度。早期ETF覆盖的指数数量较少，2015年之后逐步扩容，覆盖到25+个赛道，2021年以后稳定在50+个赛道。早期有指标覆盖的细分赛道宽度不够，2015年之后的回测结论更可靠，因此下文策略的回测从2015年开始。图41：每期参与轮动的指数和赛道数量指数数量 二级赛道数量 128个 56个16012080400策略构建：剔除高拥挤、剔除低景气，选择TEAM高得分的ETF赛道Step1：剔除拥挤赛道25%比例赛道56个赛道中剔除拥挤度太高的赛道Step2：剔除低景气赛道60%比例赛道56个赛道中剔除景气太差的赛道Step3：筛选高得分赛道在每个月末调仓日，经过上述两层初筛，平均剩余14个赛道选取综合打分最高的8个赛道等权持有，直到下个月末调仓策略绩效：1/52026/7/17，高弹性ETF56%，相对基准(中证800)年化超额为16.00%，信息比率1.13，近七年（2020-2026）平均年度超18.52%2026赛道轮动组合超额收益率，显示出较高的弹性。图42：高弹性ETF赛道轮动策略超额(右轴) ETF赛道轮动策略(等权) 中证80010.009.008.007.006.005.004.003.002.001.000.00表7：高弹性ETF赛道轮动策略分年度表现（区间：2015/1/5-2026/7/17）

6.005.505.004.504.003.503.002.502.001.501.00年份高弹性ETF赛道轮动策略中证800超额收益201545.75%14.91%30.83%2016-9.60%-13.27%3.67%201728.13%15.16%12.97%2018-16.03%-27.38%11.36%201932.18%33.71%-1.53%202047.59%25.79%21.80%202120.74%-0.76%21.50%2022-9.90%-21.32%11.41%20233.98%-10.37%14.36%20245.61%12.20%-6.59%202564.28%20.89%43.40%202622.37%-1.39%23.77%表8：近18期ETF赛道轮动组合持仓明细调仓日期 持仓赛道2026/6/30 2026/5/31 2026/4/30 2026/3/31 2026/2/28 2026/1/31 2025/12/31 2025/11/30 200010002025/10/31 10002025/9/30 10002025/8/31 2025/7/31 2025/6/30 2025/5/31 2025/4/30 2025/3/31 2025/2/28 2025/1/31 为基准，如何进行权重优化，构建稳健版ETF赛道轮动策略？为实现更稳健的轮动策略，我们引入barra风格因子进行组合权重优化。指数风格暴露计算：每个月末，根据最新指数成份股和股票Barra风格因子暴露，等权聚合得到每只指数的10维风格暴露。基准中证800的暴露同样以成份股等权聚合得到。1𝐹𝑖,𝑗=𝑁

∑ 𝑖s∈index𝑖其中j∈{size,non_linear_siz