> **来源：[研报客](https://pc.yanbaoke.cn)** # ETF 量化策略周度更新 (20260313) 总结 ## 核心内容概览 本报告总结了2026年3月13日的ETF量化策略表现及最新持仓情况，涵盖宏观择时策略、动量择势策略、资金流向策略、分位数回归策略以及期权基础策略（buywrite、putprotection、straddle）。 --- ## 主要观点 ### 宏观择时策略 - **累计收益率**：2020年以来截至2026年3月13日为 **54.63%** - **年化夏普比率**：1.45 - **年化卡玛比率**：1.65 - **最新持仓**（2026年2月27日调仓）： - 沪深300ETF：6.96% - 中证500ETF：8.04% - 国债ETF：38.74% - 公司债ETF：14.56% - 豆粕ETF：8.77% - 有色ETF：5.60% - 黄金ETF：12.34% - 货币ETF：5.00% - **暂不配置标普500ETF** ### 动量择势策略 - **累计收益率**：2020年以来截至2026年3月13日为 **184.21%** - **年化夏普比率**：0.91 - **年化卡玛比率**：0.67 - **最新持仓**（2026年3月12日调仓）： - 华宝中证新材料ETF：36.25% - 国泰富时中国国企开放共赢ETF：30.63% - 南方上证科创板新材料ETF：16.88% - 南方中证500信息技术ETF：16.25% ### 资金流向策略 - **累计收益率**：2020年以来截至2026年3月13日为 **68.10%** - **年化夏普比率**：0.51 - **年化卡玛比率**：0.30 - **最新持仓**（2026年3月16日调仓）： - 华宝中证800地产ETF：30.00% - 华夏上证主要消费ETF：30.00% - 华宝中证军工ETF：30.00% - 国泰中证钢铁ETF：10.00% ### 分位数回归策略 - **累计收益率**：2020年以来截至2026年3月13日为 **145.22%** - **年化夏普比率**：0.86 - **年化卡玛比率**：0.55 - **最新持仓**（2026年3月13日调仓）： - 科技类ETF总配置权重：50% - 富国上证科创板芯片ETF：40.00% - 其他科技类ETF：各2.50% - 剩余50%配置于国泰上证5年期国债ETF（511010.SH） ### 期权基础策略 - **buywrite策略**： - 最佳表现ETF：创业板ETF，累计收益率 **20.35%** - 最新一期收益率：**1.14%** - **putprotection策略**： - 最佳表现ETF：深证100ETF，累计收益率 **26.54%** - 最新一期收益率：**1.06%** - **straddle策略**： - 最佳表现ETF：科创50ETF，累计收益率 **6.26%** - 最新一期收益率：**1.71%** --- ## 关键信息 ### 策略表现 - **宏观择时策略**整体表现稳健，年化夏普比率和卡玛比率较高，最大回撤较小。 - **动量择势策略**表现突出，累计收益率高，但波动较大，最大回撤较高。 - **资金流向策略**表现中等，累计收益率和夏普比率较低，但回撤控制较好。 - **分位数回归策略**表现较好，累计收益率高，且对尾部风险有较好的控制。 - **期权策略**中，**buywrite**和**straddle**表现相对较好，**putprotection**策略表现也较为稳健。 ### 风险提示 - 报告结论基于历史数据和统计规律，但市场可能受即时性政策影响，出现与统计规律不符的走势。 - 历史收益不代表未来表现，文中观点仅供参考，不构成投资建议。 --- ## 策略逻辑与配置方法 ### 宏观择时策略 - 基于经济周期划分，使用Black-Litterman模型，结合Gaussian和Copula分布。 - 配置权重根据经济周期和流动性进行动态调整。 - 资产配置权重约束： - 股票ETF：≥50% - 债券ETF：≥15% - 商品ETF：≥15% - 货币ETF：≥5% ### 动量择势策略 - 基于XGBoost预测ETF上涨概率，结合拥挤度进行配置。 - 配置周期为一周，回测时间从2020年1月2日开始，每个季度末重新训练模型。 ### 基于Copula的二阶随机占优策略 - 利用二阶随机占优理论，优化ETF配置权重，以控制尾部风险。 - 通过高斯Copula函数构建联合分布模型，进行多次循环优化。 ### 基于分位数随机森林的科技类ETF配置策略 - 预测条件分位数，控制尾部风险。 - 配置科技类ETF，权重不得低于50%。 - 使用Fama-French五因子模型进行预测，并结合二阶随机占优优化。 ### 期权基础策略 - **buywrite**：买入标的资产，卖出虚值认购期权。 - **putprotection**：买入标的资产，买入虚值认沽期权。 - **straddle**：买入平值认购与认沽期权，适用于波动市场。 --- ## 附录与相关研究 ### 相关研究 1. 宏观经济周期划分下的ETF配置方法 2. 结合价格动量和拥挤度的两融ETF交易策略 3. 资金流向ETF行业配置策略 4. 基于QRF分布预测的科技类ETF轮动策略 ### 附录内容 - **宏观择时策略流程图**：展示策略构建与执行过程。 - **动量择势策略逻辑**：包括ETF筛选、动量与拥挤度计算、权重分配等。 - **二阶随机占优策略**：通过概率密度函数与累积分布函数进行策略优化。 - **科技类ETF配置策略**：基于分位数随机森林算法预测收益率分布。 - **ETF期权基础策略**：详细说明buywrite、putprotection和straddle策略的构建与执行。 --- ## 分析师信息 - **马普凡**：金融工程首席分析师，拥有14年量化研究经验。 - **白拙朴**：金融工程分析师，专注于可转债定价模型、ETF及期权研究。 - **研究助理**：童诗倍。 --- ## 联系方式 - **中国银河证券研究院** - **地址**： - 深圳市福田区金田路3088号中洲大厦20层 - 上海浦东新区富城路99号震旦大厦31层 - 北京市丰台区西营街8号院1号楼青海金融大厦 - **公司网址**：www.chinastock.com.cn - **联系方式**： - 深广地区：程曦（0755-83471683）, 苏一耘（0755-83479312） - 上海地区：林程（021-60387901）, 李洋洋（021-20252671） - 北京地区：田薇（010-80927721）, 褚颖（010-80927755）