20260302-西南证券-行业配置报告（2026年3月）_行业配置策略定期跟踪及行业ETF组合构建_22页_2mb

> **来源：[研报客](https://pc.yanbaoke.cn)** # 行业配置策略定期跟踪及行业ETF组合构建 # 摘要 # 相似预期差行业轮动模型 最新配置观点：煤炭、建筑、轻工制造、基础化工、建材、交通运输 上月组合收益率表现：2026年2月，组合月度收益率 $+5.24\%$ ，相较于行业等权指数超额收益率 $+2.97\%$ 。2月行业配置为：煤炭、钢铁、轻工制造、房地产、建筑、建材。 # $\bullet$ 分析师预期边际变化行业轮动模型 最新配置观点：计算机、有色金属、非银行金融、电力及公用事业、电力设备及新能源、煤炭 上月组合收益率表现：2026年2月，组合月度收益率 $+2.43\%$ ，相较于行业等权指数超额收益率 $+0.16\%$ 。2月行业配置为：非银行金融、有色金属、通信、计算机、电力及公用事业、钢铁。 # 基于行业指数量价特征的行业轮动模型 最新配置观点：非银金融、建筑装饰、公用事业、环保、商贸零售 上月组合收益率表现：2026年2月，组合月度收益率 $+0.69\%$ ，相较于行业等权指数超额收益率 $-2.37\%$ 。2月行业配置为：通信、家用电器、建筑装饰、非银金融、电子。 # ETF组合构建 最新ETF行业组合配置：煤炭、非银金融、建筑装饰、公用事业、基础化工 # 风险提示 本报告结论完全基于公开的历史数据，若未来市场环境发生变化，因子的实际表现可能与本文的结论有所差异，同时可能存在第三方数据提供不准确风险。ETF组合不构成投资收益的保证或投资建议，基金产品的表现受宏观环境、市场波动、风格转换等多重因素影响，存在一定波动风险，投资者需充分认知自身风险偏好以及风险承受能力，基金有风险，投资需谨慎。 # 西南证券研究院 分析师：郑琳琳 执业证号：S1250522110001 邮箱：zhengll@swsc.com.cn 分析师：王天业 执业证号：S1250524050002 邮箱：wty@swsc.com.cn # 相关研究 1. 基于BLACK-LITTERMAN模型融合资产择时与风格轮动的资产配置研究(2026-02-26) 2. 多重周期嵌套下关注多主线与风格轮动再平衡——2026年度资产与基金组合配置策略 (2026-01-09) 3. 国泰量化策略收益A：打造“宏观研判+多策略”主动量化框架(2026-01-05) 4. ESG投资现状及量化多因子策略跟踪(2025-12-31) 5. 内需估值洼地盈利稳健，逆向布局低估值成长——中庚价值先锋产品投资价值分析 (2025-12-31) 6. 强化学习驱动下的解耦时序对比选股模型 (2025-12-25) 7. 海富通中证2000增强策略ETF：交易与持有成本双低，增强策略护航超额收益 (2025-12-03) 8. 中欧基金刘勇：锚定绝对收益，打造低波动财富增长曲线 (2025-09-26) 9. 汇添富基金杨璐：坚守质地成长，动态平衡估值趋势 (2025-09-26) 10.国泰基金智健：以估值成长再平衡践行稳健进攻 (2025-09-25) # 目录 # 1 基于相似预期差因子的行业轮动模型 1.1模型介绍 1.2历史回测 3 1.3 策略跟踪 3 # 2基于分析师预期边际变化的行业轮动模型. 5 2.1模型介绍 5 2.2历史回测 5 2.3策略跟踪 6 # 3基于行业指数量价特征的行业轮动模型 8 3.1模型介绍 8 3.2历史回测 12 3.3 策略跟踪 ..... 12 # 4行业轮动模型汇总 15 4.1行业配置观点汇总 15 4.2多策略情景分析 15 # 5行业ETF组合构建. 16 # 6风险提示 16 # 图目录 图1：股票距离与相似股票示意图 图2：行业视角相似预期差因子构造示意图 2 图3：行业维度相似预期差因子IC统计图 3 图4：近一年相似预期差行业轮动策略月度收益率 图5：相似预期差多头策略与市场指数净值变化图 图6：动态分析师预期因子IC统计图 图7：近一年动态分析师预期行业轮动策略月度收益率 图8：动态分析师预期多头策略与市场指数净值变化图 图9：行业视角相似预期差因子构造示意图 8 图10：上行趋势因子计算示意图 图11：下行趋势因子计算示意图 图12：量价特征多因子IC统计图 12 图13：基于行业指数量价特征的行业轮动策略月度超额收益率变化示意图 13 图14：基于行业指数量价特征的行业轮动策略多头与市场指数净值变化图 13 # 表目录 表 1: 相似预期差因子信息系数分析结果. 3 表 2：相似预期差行业轮动策略收益表现(2016 年 12 月起) 表 3：相似预期差行业轮动策略推荐行业. 5 表 4：动态分析师预期因子信息系数分析结果. 表 5：动态分析师预期行业轮动策略收益表现(2016 年 12 月起) 表 6：动态分析师预期行业轮动策略推荐行业. 表 7：量价特征多因子信息系数分析结果. 12 表 8：基于行业指数量价特征的行业轮动策略收益表现(2011 年 1 月起) 表 9：基于行业指数量价特征的行业轮动策略推荐行业. 13 表 10：基于行业指数量价特征的行业轮动策略行业因子得分明细 ..... 14 表 11：行业轮动模型配置观点 ..... 15 表 12：策略情景分析. 15 表 13：ETF 组合相关基金标的. 16 # 前言 本篇，我们基于《基于相似股票历史收益的选股因子研究》（2022年5月20日）、《基于趋势确定性的量价行业轮动研究》（2023年11月27日）构建的行业轮动模型，每月定期更新月度行业配置观点，并对策略历史表现进行持续跟踪。在此基础上，根据行业轮动策略的行业配置结论构建行业ETF投资组合。 # 1 基于相似预期差因子的行业轮动模型 # 1.1 模型介绍 从投资者的投资心理出发，投资者在预测某只股票未来的收益率时一般会采用代表性启发法（Tversky and Kahneman, 1974）。因此，投资者对某只股票及其相似股票往往持有相同的收益预期，这也就意味着，如果某只股票的相似股票近期均表现良好且已经实现了较高收益，而这只股票本身还尚未实现较大涨幅，那么投资者往往对这只股票的未来收益充满期待，倾向于买入持有该股票。 相似预期差因子的核心逻辑是寻找相似股票表现优异但其本身业绩尚未兑现的个股。相似预期差因子值的计算方法如下。 首先，我们要通过股票距离来刻画股票间的相似性，从而筛选出相似股票，具体而言，我们将 $i$ 股与 $j$ 股在 $t$ 时刻的距离 $D_{ij}^{t}$ 定义为二者在市盈率行业相对值、净资产收益率、资产增长率之间的欧氏距离： $$ D _ {i j} ^ {t} = \sqrt {\left(\widehat {P E} _ {i} ^ {t} - \widehat {P E} _ {j} ^ {t}\right) ^ {2} + \left(R O E _ {i} ^ {t} - R O E _ {j} ^ {t}\right) ^ {2} + \left(A s s e t _ {i} ^ {t} - A s s e t _ {j} ^ {t}\right) ^ {2}} $$ 其中， $\widehat{PE}_i^t$ 为 $i$ 股在 $t$ 月末的市盈率行业相对值， $ROE_i^t$ 为 $i$ 股截止 $t$ 月末已披露的最新报告期的净资产收益率， $Asset_i^t$ 为 $i$ 股截止 $t$ 月末已披露的最新报告期的资产增长率。 图1：股票距离与相似股票示意图 数据来源：西南证券整理 为了降低各个指标不同的数量级和量纲对股票距离测算产生的偏误，计算距离之前，以上指标均需要在截面上进行标准化处理。并且，为了避免动量因子对实证结果产生干扰，我们在构建股票距离指标时并没有引入股票的历史收益率。 市盈率行业相对值的具体算法如下： $$ \widehat {P E} _ {i} ^ {t} = \frac {\left(P E _ {i} ^ {t} - \overline {{P E}} _ {i} ^ {t}\right)}{s t d (P E ^ {t})} $$ 其中， $PE_{i}^{t}$ 为 $i$ 股在 $t$ 月末的市盈率， $\overline{PE}_i^t$ 为 $i$ 股所属行业在 $t$ 月末的平均市盈率，std（ $PE^t$ ）为 $i$ 股所属行业在 $t$ 月末的市盈率的标准差。 给定股票距离 $D_{ij}^{t}$ 的阈值，相似预期差因子 $\Delta ER_{i}^{(t)}$ 定义为同股票 $i$ 在时刻 $t$ 距离小于阈值的全部 $r$ 只股票过去一个月历史收益率的市值加权平均值与该股上一个月历史收益率之差： $$ \Delta E R _ {i} ^ {(t)} = \sum_ {k = 1} ^ {r} W _ {k} R _ {k} ^ {(t - 1)} - R _ {i} ^ {(t - 1)} $$ $$ W _ {k} = S z _ {k} / \sum_ {j = 1} ^ {r} S z _ {j} $$ $$ k \in \left\{k \mid \min _ {k} \sum_ {k = 1} ^ {r} D _ {i, k} ^ {(t)} \right\} $$ 其中， $W_{k}$ 代表 $k$ 股以市值加权的权重， $R_{k}^{(t-1)}$ 代表 $k$ 股 $t-1$ 月的收益率。 当股票自身历史收益率为正时，相似预期差因子值较大意味着相似股票的历史收益较高，而股票本身的涨幅尚小，投资者对该股票的未来收益预期较高，倾向于买入或持有该股；股票本身收益率为负时，相似预期差因子值较大的原因一方面源于相似股票历史收益较高，另一方面由于股票本身收益率较低，负负得正，最终导致相似预期差的因子值较大。 在相似股票历史收益表现良好的情况下，这只股票同期股价却大幅下跌，这往往意味着该股票存在特异性风险。 图2：行业视角相似预期差因子构造示意图 数据来源：西南证券整理 在相似预期差因子的基础上需要将个股因子映射到行业维度，具体步骤如下所示： 1）为了避免股票自身的盈亏对相似预期差因子的测算造成偏误，我们首先根据股票上一个月的市场表现将股票分为强势组与弱势组。强势组由前一月超额收益为正的个股组成，弱势组由前一个月超额收益小于或等于零的个股组成。超额收益指个股收益与市场收益之差，市场收益以万得全A指数月度收益率为基准。 2）在每个中信一级行业内，根据每只股票A股市值的大小，通过等权合成的方式，计算相似预期差因子值的平均值作为这一行业的相似预期差因子值。注意，在计算相似预期差市值加权平均值时，仅考虑第一步筛选出的过去一个月收益跑赢万得全A指数的个股。 3）在每一个时刻，每一个中信一级行业内，重复以上步骤，我们就可以得到每个时刻每个行业的相似预期差因子值。 # 1.2历史回测 在样本期（2016/12-2026/2）内，行业维度下相似预期差因子具备较强的行业筛选能力。相似股预期差因子的IC均值为0.09，IC与均值同向的比例为 $62.73\%$ ，ICIR为0.31。 表 1: 相似预期差因子信息系数分析结果 因子 IC均值 IC标准差 t统计量 IC胜率 IR比率 相似预期差因子 0.09*** 0.30 3.26*** 62.73% 0.31 数据来源：Wind，iFinD，恒生聚源，西南证券整理 图3：行业维度相似预期差因子IC统计图 数据来源：Wind，iFinD，恒生聚源，西南证券整理 # 1.3 策略跟踪 样本期内，根据相似预期差因子构建的多头Top6组合表现全面优于万得全A指数与行业等权指数，策略年化收益率为 $14.65\%$ ，年化波动率为0.17，累计净值为3.08，收益波动比0.85，最大回撤率 $19.27\%$ 。 表 2：相似预期差行业轮动策略收益表现(2016 年 12 月起) 行业轮动策略 年化收益率 年化波动率 累计净值 收益波动比 最大回撤率 相似预期差因子 14.65% 0.17 3.08 0.85 19.27% 万得全A 7.00% 0.18 1.61 0.39 32.59% 中信一级行业等权 5.84% 0.18 1.46 0.33 31.67% 数据来源：Wind，iFinD，恒生聚源，西南证券整理 图4：近一年相似预期差行业轮动策略月度收益率 数据来源：Wind，iFinD，恒生聚源，西南证券整理 图5：相似预期差多头策略与市场指数净值变化图 数据来源：Wind，iFinD，恒生聚源，西南证券整理 表 3：相似预期差行业轮动策略推荐行业 日期 相似预期差行业轮动策略推荐行业 组合收益率 超额收益率 2026年03月 煤炭、建筑、轻工制造、基础化工、建材、交通运输 / / 2026年02月 煤炭、钢铁、轻工制造、房地产、建筑、建材 5.24% 2.97% 2026年01月 消费者服务、石油石化、非银行金融、电子、汽车、基础化工 6.04% 0.96% 2025年12月 银行、消费者服务、钢铁、传媒、建材、农林牧渔 1.46% -1.47% 2025年11月 非银行金融、石油石化、银行、家电、建材、电力及公用事业 0.17% 1.34% 2025年10月 煤炭、通信、基础化工、汽车、房地产、机械 0.44% -0.68% 数据来源：Wind，iFinD，恒生聚源，西南证券整理 # 2 基于分析师预期边际变化的行业轮动模型 # 2.1 模型介绍 我们选用近一月一致预测每股收益变化率、近三月一致预测三月每股收益变化率，近一月一致预测每股收益（未来十二个月）变化率、近三月一致预测每股收益（未来十二个月）变化率通过行业内市值加权构建动态分析师预期因子。 为了淡化个股绝对变化水平，客观刻画行业整体景气度，我们采用打分法进行因子复合。具体操作为如下所示： 1）根据一致预期边际变化的正负进行打分，一致预期上调记1，下调记-1； 2）一致预期边际变化大于 $1\%$ 记1，小于 $-1\%$ 记-1； 3）一致预期边际变化大于 $2\%$ 记1，小于 $-2\%$ 记-1； 4）一致预期边际变化大于 $3\%$ 记1，小于 $-3\%$ 记-1； 5）加总以上得分，在中信一级行业内采用市值加权计算平均分，得到因子值。 # 2.2历史回测 在样本期（2016/12-2026/2）内，动态分析师预期因子具备显著的行业筛选能力。因子的IC均值为0.06，IC与均值同向的比例为 $60.00\%$ ，ICIR为0.22。 表 4：动态分析师预期因子信息系数分析结果 因子 IC均值 IC标准差 t统计量 IC胜率 IR比率 动态分析师预期因子 0.06** 0.26 2.32** 60.00% 0.22 数据来源：Wind，iFinD，恒生聚源，西南证券整理 图6：动态分析师预期因子IC统计图 数据来源：Wind，iFinD，恒生聚源，西南证券整理 # 2.3 策略跟踪 样本期内，相较于万得全A指数与行业等权指数，根据动态分析师预期因子构建的多头Top6组合可以获得显著的超额收益，策略年化收益率为 $11.95\%$ ，年化波动率为0.19，累计净值为2.41，收益波动比0.64，最大回撤率 $31.83\%$ 。 表 5：动态分析师预期行业轮动策略收益表现(2016 年 12 月起) 行业轮动策略 年化收益率 年化波动率 累计净值 收益波动比 最大回撤率 动态分析师预期因子 11.95% 0.19 2.41 0.64 31.83% 万得全A 7.00% 0.18 1.61 0.39 32.59% 中信一级行业等权 5.84% 0.18 1.46 0.33 31.67% 数据来源：Wind，iFinD，恒生聚源，西南证券整理 图7：近一年动态分析师预期行业轮动策略月度收益率 数据来源：Wind，iFinD，恒生聚源，西南证券整理 图8：动态分析师预期多头策略与市场指数净值变化图 数据来源：Wind，iFinD，恒生聚源，西南证券整理 表 6：动态分析师预期行业轮动策略推荐行业 日期 动态分析师预期行业轮动策略推荐行业 组合收益率 超额收益率 2026年03月 计算机、有色金属、非银行金融、电力及公用事业、电力设备及新能源、煤炭 / / 2026年02月 非银行金融、有色金属、通信、计算机、电力及公用事业、钢铁 2.43% 0.16% 2026年01月 非银行金融、有色金属、通信、煤炭、电力设备及新能源、钢铁 7.72% 2.65% 2025年12月 非银行金融、通信、钢铁、有色金属、电力设备及新能源、计算机 6.07% 3.14% 2025年11月 非银行金融、有色金属、电力设备及新能源、通信、计算机、钢铁 -2.56% -1.40% 2025年10月 非银行金融、有色金属、农林牧渔、通信、钢铁、计算机 1.55% 0.44% 数据来源：Wind，西南证券整理 # 3 基于行业指数量价特征的行业轮动模型 # 3.1 模型介绍 2022年至2023年间，A股市场因子有效性变化显著，基本面因子有效性有所下降，量价类因子有效性有所上升。在市场风格切换迅速的背景下，量价类因子更新频率较高，在捕捉市场风格切换与热点主题投资机会具备显著优势。 A股市场长期实证结果表明，个股维度反转效应较为显著，行业维度动量特征较为明显；2021年来，伴随着市场切换速率加快，传统动量因子在行业维度有效性显著衰减，我们将重构动量因子计算方式，寻求行业维度更优动量特征刻画，以此为基础，从行业趋势动量、行业成交额低波、行业交易情绪动量3个维度构建多因子量价行业轮动体系。 图9：行业视角相似预期差因子构造示意图 数据来源：西南证券整理 # 3.1.1 趋势动量因子 行为金融学上将此类现象称之为锚定效应（Anchoring Effect），指当人们需要对某个事件做定量估测时，会将某些特定数值作为起始值，起始值像锚一样制约着估测值。当投资者试图判断行业指数的未来趋势时，行业指数短期走势、前高、前低以及当前时点的收盘价都是投资者判断行业趋势的重要参考。 基于锚定效应，提出以下猜想：投资者在进行投资决策时，针对行业指数上涨和下跌两种不同的情境，对锚点的选择或有不同。指数近期上行，投资者主要关注涨势是否可以延续，上涨是否遭遇阻力，因此前期高点将是趋势判断的重要参考；指数近期下行，投资者主要关注跌势是否即将终止，下跌是否具备支撑，因此前期低点将是趋势判断的重要参考。 趋势因子的计算分为定性定量两部分，对应定性窗口（Judgement Window，JW）与定量窗口（Trackback Window，TW）。采用定性窗口内行业指数的绝对收益判断行业指数处于上涨（下跌）状态；采用定量窗口内行业指数历史最高（低）价，计算行业指数相对前高（低）涨（跌）幅。 假设行业指数在定性窗口内绝对收益符号为正，认定该行业指数处于上涨阶段，上行趋势因子TrendsUp通过此时收盘价与定量窗口内行业指数最高价之比计算，衡量此时行业指数相较前高的相对涨幅，因子取值范围为(0,1]，当因子取值为1时，说明行业指数相较于前高走出新高，此时为上涨阶段极致买入信号。 $$ i f \quad C l o s e _ {t} > C l o s e _ {t - J u d g e m e n t W i n d o w} $$ $$ T r e n d s U p = \text {C l o s e} _ {t} / \max \left(H i g h _ {i}, i = t, t - 1, \dots , t - \text {T r a c k b a c k W i n d o w}\right) $$ 图10：上行趋势因子计算示意图 数据来源：Wind，iFinD，恒生聚源，西南证券整理 假设行业指数在定性窗口内绝对收益符号为负，认定该行业指数处于下跌阶段，下行趋势因子TrendsDown通过此时收盘价与定量窗口内行业指数最低价之比计算，衡量此时行业指数相较前低的相对跌幅，因子取值范围为 $(1,\infty ]$ ，当因子取值为1时，说明行业指数相较于前低走出新低，此时为下跌阶段极致卖出信号。 $$ i f \quad C l o s e _ {t} < C l o s e _ {t - J u d g e m e n t W i n d o w} $$ $$ T r e n d s \quad D o w n = C l o s e _ {t} / \min (L o w _ {i}, i = t, t - 1, \dots , t - T r a c k b a c k W i n d o w) $$ 图11：下行趋势因子计算示意图 数据来源：Wind，iFinD，恒生聚源，西南证券整理 上（下）行趋势因子的构建依赖于定性与定量窗口的选择，本文采用粗糙网格搜索的方式，计算各个参数组合下因子月度IC均值与月度ICIR，考察不同参数下因子的有效性及参数敏感性，进而选择最优参数组合构建因子。考虑到投资者在行业短期上涨或下跌这两种情境下，判断行业近期走势所需观测的时间及参考点的选择或有不同，因此我们分别针对行业上涨与下跌这两种情景进行参数选择与敏感性分析，进而分别构建上行趋势因子与下行趋势因子。 由于上行趋势因子与下行趋势因子规模存在差异，采用因子打分的方式，将上行趋势因子与下行趋势因子等权复合形成趋势动量因子Trends。Trends因子的多头由相对涨幅最大与相对跌幅最小的行业组成；空头由相对跌幅最大与相对涨幅最小的行业组成。 $$ T r e n d s = \operatorname {r a n k} (T r e d n s U p) + \operatorname {r a n k} (T r e d n s D o w n) $$ 趋势动量因子与传统动量因子有效性变化趋势相近，均为行业收益率特征的动量刻画，但相较于传统动量因子，趋势动量因子有效性大幅领先。2021年后，A股市场行业动量效应有所衰减，传统动量因子有效性出现显著回撤，同期趋势动量因子有效性有所降低但并未出现明显回撤，呈现出更强的市场环境适应性。 # 3.1.2 成交额低波因子 A股市场中，从长期来看成交额低波的股票可以获得显著的超额收益，低波超额现象在行业维度同样存在。考虑到行业成交额受行业规模影响，且行业成交额序列自相关性较高，为了精准刻画行业指数成交额的波动情况，需要先对行业成交额做中性化处理。 $$ \text {V a l u e} _ {t} = \alpha_ {t} + \beta M C a p _ {t} + \varepsilon_ {t} $$ $$ \text {V a l u e} \quad S t d _ {t} = \frac {1}{s t d (\varepsilon)} $$ 通过施密特正交，剔除行业流通市值与行业历史平均成交额对成交额的干扰，得到中性化成交额序列，过去20个交易日中性化成交额序列标准差的倒数作为行业指数的低波刻画。 # 3.1.3 交易情绪动量因子 交易情绪的变化会对市场行情产生影响，投资者的情绪会直接影响到资产的供需关系和价格走势。市场上做多热情和做空热情的相对比例会影响到市场的波动性和资金流动方向。因此，能够准确把握行业交易情绪对于投资者来说具有重要意义。通过做多力量与做空力量的相对比例刻画行业交易情绪变化，构造交易情绪动量因子。 $$ T r a d i n g S e n t i m e n t = \sum_ {t = t - W i n d o w} ^ {t} \frac {\text {H i g h} _ {t} - \text {B e n c h m a r k} _ {t}}{\text {B e n c h m a r k} _ {t} - \text {L o w} _ {t} + 1} $$ 其中High为最高价，Low为最低价，Window为观测窗口，Benchmark为价格比较基准。根据Benchmark的不同，分别构建了隔夜交易情绪动量OTSM与日内交易情绪动量DTSM，Benchmark分别对应前收盘价PreClose与开盘价Open。 隔夜交易情绪动量OTSM，比较日内最高价同前收盘价之差与前收盘价与日内最低价之差的相对大小，衡量隔夜交易情绪，加总窗口期内日度隔夜交易情绪，衡量窗口期内隔夜交易情绪特征。 $$ O T S M = \sum_ {t = t - W i n d o w} ^ {t} \frac {\text {H i g h} _ {t} - \text {P r e C l o s e} _ {t}}{\text {P r e C l o s e} _ {t} - \text {L o w} _ {t} + 1} $$ 日内交易情绪动量DTSM，比较日内最高价同开盘价之差与开盘价与日内最低价之差的相对大小，衡量日内交易情绪，加总窗口期内日度日内交易情绪，衡量窗口期内日内交易情绪特征。 $$ D T S M = \sum_ {t = t - W i n d o w} ^ {t} \frac {\text {H i g h} _ {t} - O p e n _ {t}}{\text {O p e n} _ {t} - L o w _ {t} + 1} $$ 等权聚合隔夜与日内交易情绪动量因子，构成交易情绪动量因子。 $$ T S M = O T S M + D T S M $$ # 3.1.4 多因子聚合 采用因子打分（Rank）的方式将趋势动量因子、成交额低波因子、交易情绪动量因子等权合成为行业轮动量价特征多因子。 $$ \text {C o m p l e x F a c t o r} = \operatorname {r a n k} (\text {T r e n d s}) + \operatorname {r a n k} (\text {V a l u e S t d}) + \operatorname {r a n k} (\text {T S M}) $$ # 3.2 历史回测 在样本期（2011/01-2026/2）内，行业轮动量价特征多因子具备较强的行业筛选能力。量价特征多因子的IC均值为0.11，IC与均值同向的比例为 $69.61\%$ ，ICIR为0.45。 表 7：量价特征多因子信息系数分析结果 因子 IC均值 IC标准差 t统计量 IC胜率 IR比率 量价特征多因子 0.11*** 0.24 6.41*** 69.61% 0.45 数据来源：Wind，西南证券整理 图12：量价特征多因子IC统计图 数据来源：Wind，iFinD，恒生聚源，西南证券整理 # 3.3 策略跟踪 样本期内，根据相似预期差因子构建的多头Top6组合表现全面优于行业等权指数，策略年化收益率为 $15.92\%$ ，年化波动率为0.23，累计净值为9.28，收益波动比0.71，最大回撤率 $40.19\%$ ，相较行业等权指数年化超额收益率 $10.86\%$ ，超额收益波动比1.49，超额最大回撤率 $10.08\%$ 。 表 8：基于行业指数量价特征的行业轮动策略收益表现(2011 年 1 月起) 行业轮动策略 年化收益率 年化波动率 累计净值 收益波动比 最大回撤率 多头（Top 5） 15.92% 0.23 9.28 0.71 40.19% 申万一级行业等权 4.65% 0.21 1.98 0.22 51.16% 多头超额 10.86% 0.07 4.73 1.49 10.08% 数据来源：Wind，iFinD，恒生聚源，西南证券整理 图13：基于行业指数量价特征的行业轮动策略月度超额收益率变化示意图 数据来源：Wind，iFinD，恒生聚源，西南证券整理 图14：基于行业指数量价特征的行业轮动策略多头与市场指数净值变化图 数据来源：Wind，iFinD，恒生聚源，西南证券整理 表 9：基于行业指数量价特征的行业轮动策略推荐行业 日期 基于行业指数量价特征的行业轮动策略推荐行业 组合收益率 超额收益率 2026年03月 非银金融、建筑装饰、公用事业、环保、商贸零售 / / 2026年02月 通信、家用电器、建筑装饰、非银金融、电子 0.69% -2.37% 2026年01月 电子、计算机、电力设备、国防军工、环保 6.31% 0.54% 2025年12月 汽车、轻工制造、传媒、建筑装饰、家用电器 1.76% -0.55% 2025年11月 计算机、电力设备、通信、基础化、环保 -1.53% -0.57% 2025年10月 电力设备、有色金属、电子、基础化工、传媒 -0.60% -1.34% 数据来源：Wind，iFinD，恒生聚源，西南证券整理 表 10：基于行业指数量价特征的行业轮动策略行业因子得分明细 行业名称 趋势动量得分 成交额低波得分 交易情绪动量得分 总得分 农林牧渔 0.42 0.23 0.90 0.61 基础化工 0.81 0.77 0.39 0.74 钢铁 0.77 0.00 0.87 0.52 有色金属 0.03 0.58 0.68 0.35 电子 0.65 0.94 0.29 0.77 家用电器 0.13 0.65 0.03 0.10 食品饮料 0.10 0.03 0.55 0.03 纺织服饰 0.55 0.32 0.06 0.16 轻工制造 0.71 0.10 0.35 0.26 医药生物 0.29 0.61 0.00 0.13 公用事业 0.52 0.84 0.81 0.87 交通运输 0.48 0.45 0.32 0.39 房地产 0.35 0.35 0.65 0.48 商贸零售 0.97 0.16 0.74 0.81 社会服务 0.32 0.68 0.61 0.55 综合 0.74 0.42 0.97 0.90 建筑材料 0.45 0.06 0.42 0.19 建筑装饰 0.84 0.90 0.71 0.94 电力设备 0.68 0.74 0.48 0.71 国防军工 0.06 0.71 0.45 0.32 计算机 0.19 0.52 0.94 0.65 传媒 0.00 0.19 0.16 0.00 通信 0.58 0.48 0.58 0.58 银行 0.16 0.26 0.13 0.06 非银金融 0.94 0.97 0.52 0.97 汽车 0.24 0.87 0.19 0.45 机械设备 0.90 0.81 0.10 0.68 煤炭 0.39 0.13 0.77 0.42 石油石化 0.61 0.29 0.23 0.29 环保 0.87 0.39 0.84 0.84 美容护理 0.24 0.55 0.26 0.23 数据来源：Wind，iFinD，恒生聚源，西南证券整理 # 4行业轮动模型汇总 # 4.1行业配置观点汇总 表 11：行业轮动模型配置观点 行业轮动模型 最新行业配置观点 相似预期差行业轮动模型 煤炭、建筑、轻工制造、基础化工、建材、交通运输 分析师预期边际变化的行业轮动模型 计算机、有色金属、非银行金融、电力及公用事业、电力设备及新能源、煤炭 基于行业指数量价特征的行业轮动模型 非银金融、建筑装饰、公用事业、环保、商贸零售 数据来源：西南证券整理 # 4.2 多策略情景分析 表 12：策略情景分析 情景分类 样本区间 相似预期差 分析师预期 量价特征 行业等权 快速下跌 2018/4-2018/12 -10% -24% -14% -23% 强劲反弹 2019/1-2019/3 25% 31% 25% 30% 震荡下行 2019/4-2020/3 -4% -6% 8% -8% 快速上涨 2020/4-2020/8 37% 29% 38% 30% 震荡上行 2020/9-2021/12 36% 29% 48% 12% 快速下跌 2022/1-2022/4 -17% -13% -21% -19% 强劲反弹 2022/5-2022/6 18% 15% 13% 15% 快速下跌 2022/7-2022/10 -17% -17% -18% -14% 震荡下行 2022/11-2024/8 6% -8% 7% -11% 强劲反弹 2024/9-至今 72% 63% 92% 66% 数据来源：Wind，iFinD，恒生聚源，西南证券整理 # 5行业ETF组合构建 表 13：ETF 组合相关基金标的 行业名称 基金代码 基金简称 基金全称 基金份额（亿份） 煤炭 515220.SH 煤炭 ETF 国泰中证煤炭 ETF 78.25 159930.SZ 能源 ETF 中证能源 ETF 5.96 非银金融 512000.SH 券商 ETF 华宝中证全指证券公司 ETF 706.63 512880.SH 证券 ETF 国泰中证全指证券公司 ETF 490.38 512900.SH 证券 ETF 南方 南方中证全指证券公司 ETF 61.81 159841.SZ 证券 ETF 天弘中证全指证券公司 ETF 103.08 建筑装饰 516970.SH 基建 ETF 广发 广发中证基建工程 ETF 15.74 516950.SH 基建 ETF 银华 银华中证基建 ETF 1.62 159635.SZ 基建 ETF 华夏 华夏中证基建 ETF 1.25 159619.SZ 基建 ETF 国泰中证基建 ETF 1.04 公用事业 159611.SZ 电力 ETF 广发中证全指电力公用事业 ETF 39.98 159611.SZ 电力 ETF 广发中证全指电力公用事业 ETF 39.98 561560.SH 电力 ETF 华泰柏瑞中证全指电力公用事业 ETF 8.62 561700.SH 电力 ETF 博时 博时中证全指电力公用事业 ETF 2.21 基础化工 516020.SH 化工 ETF 华宝中证细分化工产业主题 ETF 75.28 516120.SH 化工 50ETF 富国中证细分化工产业主题 ETF 77.69 516220.SH 化工 ETF 国泰 国泰中证细分化工产业主题 ETF 5.27 159870.SZ 化工 ETF 鹏华中证细分化工产业主题 ETF 377.37 数据来源：Wind,iFinD,恒生聚源,西南证券整理,截止日期：2026 年 2 月 27 日,各行业主题 ETF 选择基金份额大于 1 亿展示 # 6 风险提示 本报告结论完全基于公开的历史数据，若未来市场环境发生变化，因子的实际表现可能与本文的结论有所差异，同时可能存在第三方数据提供不准确风险。ETF组合不构成投资收益的保证或投资建议，基金产品的表现受宏观环境、市场波动、风格转换等多重因素影响，存在一定波动风险，投资者需充分认知自身风险偏好以及风险承受能力，基金有风险，投资需谨慎。 # 分析师承诺 本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，报告所采用的数据均来自合法合规渠道，分析逻辑基于分析师的职业理解，通过合理判断得出结论，独立、客观地出具本报告。分析师承诺不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接获取任何形式的补偿。 # 投资评级说明 报告中投资建议所涉及的评级分为公司评级和行业评级（另有说明的除外）。评级标准为报告发布日后6个月内的相对市场表现，即：以报告发布日后6个月内公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。其中：A股市场以沪深300指数为基准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准；香港市场以恒生指数为基准；美国市场以纳斯达克综合指数或标普500指数为基准。 公司评级 买入：未来6个月内，个股相对同期相关证券市场代表性指数涨幅在20%以上 持有：未来6个月内，个股相对同期相关证券市场代表性指数涨幅介于10%与20%之间 中性：未来6个月内，个股相对同期相关证券市场代表性指数涨幅介于-10%与10%之间 回避：未来6个月内，个股相对同期相关证券市场代表性指数涨幅介于-20%与-10%之间 卖出：未来6个月内，个股相对同期相关证券市场代表性指数涨幅在-20%以下 行业评级 强于大市：未来6个月内，行业整体回报高于同期相关证券市场代表性指数5%以上 跟随大市：未来6个月内，行业整体回报介于同期相关证券市场代表性指数-5%与5%之间 弱于大市：未来6个月内，行业整体回报低于同期相关证券市场代表性指数-5%以下 # 重要声明 西南证券股份有限公司（以下简称“本公司”）具有中国证券监督管理委员会核准的证券投资咨询业务资格。 本公司与作者在自身所知情范围内，与本报告中所评价或推荐的证券不存在法律法规要求披露或采取限制、静默措施的利益冲突。 《证券期货投资者适当性管理办法》于2017年7月1日起正式实施，本报告仅供本公司签约客户使用，若您并非本公司签约客户，为控制投资风险，请取消接收、订阅或使用本报告中的任何信息。本公司也不会因接收人收到、阅读或关注自媒体推送本报告中的内容而视其为客户。本公司或关联机构可能会持有报告中提到的公司所发行的证券并进行交易，还可能为这些公司提供或争取提供投资银行或财务顾问服务。 本报告中的信息均来源于公开资料，本公司对这些信息的准确性、完整性或可靠性不作任何保证。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的价格、价值及投资收入可升可跌，过往表现不应作为日后的表现依据。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告，本公司不保证本报告所含信息保持在最新状态。同时，本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。 本报告仅供参考之用，不构成出售或购买证券或其他投资标的要约或邀请。在任何情况下，本报告中的信息和意见均不构成对任何个人的投资建议。投资者应结合自己的投资目标和财务状况自行判断是否采用本报告所载内容和信息并自行承担风险，本公司及雇员对投资者使用本报告及其内容而造成的一切后果不承担任何法律责任。 本报告 须注明出处为“西南证券”，且不得对本报告及附录进行有悖原意的引用、删节和修改。未经授权刊载或者转发本报告及附录的，本公司将保留向其追究法律责任的权利。 # 西南证券研究院 # 上海 地址：上海市浦东新区陆家嘴21世纪大厦10楼 邮编：200120 # 北京 地址：北京市西城区金融大街35号国际企业大厦A座8楼 邮编：100033 # 深圳 地址：深圳市福田区益田路6001号太平金融大厦22楼 邮编：518038 # 重庆 地址：重庆市江北区金沙门路32号西南证券总部大楼21楼 邮编：400025 西南证券机构销售团队 区域 姓名 职务 座机 手机 邮箱 上海 蒋诗烽 院长助理、研究销售部经理、上海销售主管 021-68415309 18621310081 jsf@swsc.com.cn 崔露文 销售岗 15642960315 15642960315 clw@swsc.com.cn 李煜 销售岗 18801732511 18801732511 yfliyu@swsc.com.cn 汪艺 销售岗 13127920536 13127920536 wyyf@swsc.com.cn 戴剑箫 销售岗 13524484975 13524484975 daijx@swsc.com.cn 张方毅 销售岗 15821376156 15821376156 zfyi@swsc.com.cn 李嘉隆 销售岗 15800507223 15800507223 ljlong@swsc.com.cn 欧若诗 销售岗 18223769969 18223769969 ors@swsc.com.cn 贾文婷 销售岗 13621609568 13621609568 jiawent@swsc.com.cn 张嘉诚 销售岗 18656199319 18656199319 zhangjc@swsc.com.cn 毛玮琳 销售岗 18721786793 18721786793 mwl@swsc.com.cn 北京 李杨 北京销售主管兼销售岗 18601139362 18601139362 yfly@swsc.com.cn 张岚 销售岗 18601241803 18601241803 zhanglan@swsc.com.cn 姚航 销售岗 15652026677 15652026677 yhang@swsc.com.cn 杨薇 销售岗 15652285702 15652285702 yangwei@swsc.com.cn 王宇飞 销售岗 18500981866 18500981866 wangyuf@swsc.com.cn 王一菲 销售岗 18040060359 18040060359 wyf@swsc.com.cn 张鑫 销售岗 15981953220 15981953220 zhxin@swsc.com.cn 马冰竹 销售岗 13126590325 13126590325 mbz@swsc.com.cn 刘艳 销售岗 18456565475 18456565475 liuyanyj@swsc.com.cn 广深 高欣 广深销售主管兼销售岗 13923418464 13923418464 gaoxin@swsc.com.cn 龚之涵 销售岗 15808001926 15808001926 gongzh@swsc.com.cn 唐茜露 销售岗 18680348593 18680348593 txl@swsc.com.cn 文柳茜 销售岗 13750028702 13750028702 wlq@swsc.com.cn 林哲睿 销售岗 15602268757 15602268757 lzr@swsc.com.cn