ETF投资观察系列：相对估值驱动的中国ETF动态配置策略

在A股市场宽基指数与行业ETF产品日益丰富的背景下，如何通过科学的量化信号实现大类资产的动态轮动，成为机构投资者关注的核心议题。传统静态配置策略在面对市场极端波动时往往暴露出较大的回撤风险，而基于宏观基本面或单一技术因子的择时模型又容易陷入过拟合困境。银河证券发布的该项研究，将经典的Shiller CAPE（周期调整市盈率）框架引入中国A股市场，并结合PE-TTM与中位数绝对偏差（MAD）方法构建了适用于本土市场的相对估值指标体系，进而提出了一套完整的ETF动态配置策略。

一、CAPE-MA35模型的本土化迁移与指标构建

Shiller CAPE最初由诺贝尔经济学奖得主Robert Shiller提出，其计算公式为当前实际价格除以过去120个月（即10年）经通胀调整后的平均实际盈利。该指标通过平滑短期盈利波动，能够更真实地反映市场的长期估值水平。然而，直接将该指标应用于中国市场面临历史数据长度不足以及A股盈利周期特征不同的挑战。

为此，研究团队对原始模型进行了本土化改造。首先，采用PE-TTM（滚动市盈率）替代原始的盈利收益率计算方式，并将回溯窗口设定为1200个交易日（约对应4至5年的交易周期），以适配A股市场的运行节奏。其次，在数据处理上，研究引入了Median/MAD（中位数/中位数绝对偏差）方法来消除异常值干扰。具体而言，先对PE-TTM取自然对数，计算其在1200个交易日窗口内的中位数，再求出各期对数值偏离中位数的绝对中位数偏差（MAD）。由于MAD是稳健的离散度量，乘以常数1.4826后可近似等效于标准差，从而得到稳健的相对估值分位数（RV）。当RV大于1时，意味着当前估值显著高于历史中枢；反之则低于历史中枢。

在此基础上，研究进一步构建了CAPE-MA35相对估值信号。该信号的计算逻辑是将当前的相对估值指标除以其过去420个交易日（约35个自然月）的移动平均值（MA35）。当比值X大于1时，表明当前估值处于上升趋势或相对高估状态；当X小于1时，则表明估值处于下降趋势或相对低估状态。为了捕捉估值变化的斜率，研究还利用过去10个周期的OLS回归系数来衡量信号的动量方向，并设定了±0.01的阈值来判定趋势的确立。

二、多维状态定义与ETF组合映射规则

策略的核心在于将连续的估值信号转化为离散的资产配置状态。研究定义了五种市场状态，并为每种状态设定了明确的触发条件及对应的ETF权重分配方案。资产池涵盖了沪深300ETF、中证500ETF、创业板ETF、红利ETF、5年期国债ETF以及黄金ETF，兼顾了权益、固收与商品三大类资产。

第一种状态为“全面防御”，触发条件为估值下行趋势确立（β小于-0.01）、中期动量为负且短期收益率为负。此时组合大幅降低权益仓位，配置50%的5年期国债ETF、30%的黄金ETF和20%的红利ETF，完全规避宽基指数的下跌风险。第二种状态为“谨慎进攻”，当估值上行趋势确立（β大于0.01）、中期动量非负且相对估值分位数处于70%以上的高位时触发。此时虽然趋势向上，但估值已偏高，因此配置55%的沪深300ETF、25%的中证500ETF、15%的红利ETF以及5%的现金，保持一定防御性。第三种状态为“价值布局”，当相对估值分位数低于30%且中期动量非负时触发，表明市场处于极度低估区域，组合将配置30%的沪深300ETF、20%的创业板ETF、25%的红利ETF、15%的5年期国债ETF和10%的黄金ETF，进行左侧布局。第四种状态为“高估防守”，仅当相对估值分位数高于70%时触发，无论其他指标如何，均强制降低高风险权益敞口，转向配置25%的红利ETF、35%的5年期国债ETF和25%的黄金ETF等低波资产。第五种状态为“常规配置”，在不满足上述任何极端条件时，维持沪深300ETF 45%、中证500ETF 30%、红利ETF 20%和现金5%的基础基准组合。

这种基于状态机的配置逻辑，使得策略能够在市场不同周期阶段自动切换风险偏好，避免了人为情绪干预。

三、20个交易日采样频率下的回测表现

研究首先测试了以20个交易日（约一个月）为调仓频率的策略表现。回测区间设定为2016年1月11日至2026年7月1日，单边交易成本设定为1个基点（1bp）。

在沪深300指数增强测试中，CAPE-MA35动态配置策略实现了9.59%的年化收益率，年化波动率为10.96%，Sharpe比率达到0.8745，最大回撤控制在13.07%，Calmar比率为0.7334。作为对比，同期沪深300全收益指数的年化收益率仅为3.93%，但最大回撤高达45.60%，Sharpe比率低至0.2111；而传统的股债平衡策略（如固定比例配置）年化收益率为6.34%，最大回撤为16.34%，Sharpe比率为0.6202。动态配置策略在收益率上实现了显著超额，同时将最大回撤压缩至基准指数的三分之一左右，展现出优异的风险调整后收益能力。

在全市场组合（包含更多行业与风格ETF）的测试中，20个交易日采样频率下策略的年化收益率进一步提升至11.83%，Sharpe比率突破1.0大关，达到1.0115，最大回撤依然维持在13.07%。这表明随着可投资产范围的扩大，策略能够通过更精细的行业轮动获取额外的Alpha收益，同时并未增加组合的下行风险。

四、5个交易日增密采样的边际改善效应

为了验证提高信号响应速度是否能带来更好的投资效果，研究将调仓频率从20个交易日缩短至5个交易日，并相应地将所有参数窗口按比例缩放（例如1200个交易日的总窗口对应240个采样点，420个交易日的MA35窗口对应84个采样点等）。

回测结果显示，在沪深300组合中，5个交易日采样频率下的年化收益率提升至11.06%，Sharpe比率达到1.0402，最大回撤微增至13.21%。与20个交易日频率相比，年化收益率提高了约1.5个百分点，Sharpe比率提升了约0.17，而最大回撤几乎未变。在全市场组合中，5个交易日频率下的年化收益率达到12.71%，Sharpe比率为1.0443，最大回撤为13.75%。

增密采样带来的优势主要体现在对市场拐点捕捉的及时性上。统计数据显示，5个交易日频率下的总交易次数远高于20个交易日频率（例如沪深300组合从128次增加至500次），但单次换仓的平均换手率有所下降。整体来看，5个交易日频率在年化收益率和Sharpe比率上均优于20个交易日频率，累计收益率分别达到338.93%和337.31%，远超20个交易日频率下的194.11%和169.58%。不过，高频调仓也带来了更高的潜在摩擦成本，需要结合实际交易环境进行评估。

五、交易成本敏感性与参数稳定性检验

动态配置策略的实际落地效果高度依赖于交易成本。研究系统性地测试了单边1bp、5bp、10bp和20bp四种交易成本假设下的策略表现。

对于20个交易日采样频率的沪深300组合，当交易成本从1bp上升至20bp时，年化收益率从9.59%下降至8.78%，降幅约为0.81个百分点；Sharpe比率从0.8745下降至0.8009；最大回撤基本保持在13.08%不变。对于5个交易日采样频率的同一组合，交易成本从1bp升至20bp时，年化收益率从11.06%下降至9.63%，降幅达到1.43个百分点；Sharpe比率从1.0402降至0.9064。全市场组合在5个交易日频率下，20bp成本时的年化收益率为11.27%，Sharpe比率为0.9251。

对比发现，高频策略对交易成本更为敏感。当单边交易成本达到20bp时，5个交易日频率相对于20个交易日频率的收益优势被大幅压缩，两者的年化收益率差距从1bp成本时的1.47个百分点缩小至0.85个百分点。因此，在实际应用中，若机构投资者的ETF交易佣金及冲击成本较高，采用20个交易日频率可能是更具性价比的选择；若具备极低成本的交易通道，5个交易日频率则能提供更优的绝对收益。

在参数稳定性方面，研究重点检验了状态划分中相对估值分位数阈值（如30%/70%）的敏感性。测试了20%/80%、25%/75%、30%/70%、35%/65%和40%/60%五组参数。结果表明，30%/70%的参数组合在全样本期内取得了最优的Sharpe比率（0.7910），而其他参数组的Sharpe比率分布在0.6997至0.7786之间，差异在合理范围内。特别是在2024年1月1日至2026年7月1日的样本外测试区间内，30%/70%参数组合的Sharpe比率高达1.6215，证明了该参数设定的稳健性与有效性。

六、策略应用价值与配置启示

综合各项测试结果，基于CAPE-MA35相对估值驱动的ETF动态配置策略在中国市场展现出了显著的实战价值。该策略通过严谨的数学公式将复杂的估值判断转化为标准化的执行信号，有效克服了主观择时的随意性。

从资产配置的角度看，策略在极端行情下的防御能力尤为突出。通过将估值高位与趋势向下相结合触发“全面防御”或“高估防守”状态，组合能够迅速向国债、黄金等避险资产转移，从而将最大回撤严格控制在14%以内，远优于被动持有宽基指数的体验。而在市场底部区域，策略又能通过“价值布局”状态逐步提升权益仓位，确保不错失后续的修复行情。

此外，该策略框架具备良好的可扩展性。底层逻辑不局限于特定的ETF品种，投资者可根据自身的风险偏好和账户属性，将资产池替换为跨境ETF、商品ETF或细分行业ETF。同时，研究中关于采样频率与交易成本的权衡分析，为不同类型资金（如长线配置型资金与短线交易型资金）提供了差异化的实施路径参考。