一、ETF 投资的机构化

1.1 ETF 发展现状

ETF 是跟踪产品对应标的指数并在交易所上市交易的基金。2004 年 12 月，华夏基金推出了我国第一只 ETF——上证 50ETF（510050.SH），拉开了我国 ETF 发展的序幕。 2023 年 9 月末，国内 ETF 产品共 849 只，其中股票型 ETF 共 689 只，非货币型 ETF 共 822 只。ETF 规模合 计共 25426.74 亿元，其中股票型 ETF 规模合计 12324.75 亿元，非货币型 ETF 规模共 15415.72 亿元。

2019 年后，ETF 发展进入快车道，数量和规模均呈现爆发式增长。

根据股票型 ETF（不包含指数增强型）所跟踪对应指数的不同，我们将其划分为三大类：宽基、行业和风格； 各个大类下下分 45 个二级分类，在二级分类下下分三级分类共 47 个，其中宽基不含三级分类。ETF 分类我们 放在附录中。 从股票 ETF 的发展来看，整体发展根据 I 级分类呈现接力式递进。2019 年至 2021 年，宽基 ETF 迎来上涨潮， 带动 ETF 发展增速整体上行；2021 年后，行业 ETF 接棒宽基 ETF 发展潮，仅 2021 年上半年，行业 ETF 数量增加 96 只，接近翻倍，2022 年后，宽基 ETF 数量持平，行业 ETF 数量增速放缓，风格 ETF 数量和规模上涨。 从近两年发展来看，受益于自身的灵活性，行业 ETF 和风格 ETF 未来无论是规模还是数量均有希望迎来更 广阔的市场。

在行业 ETF 内部，科技 ETF 数量占比较高，但金融 ETF 和军工 ETF 尽管数量占比较低，规模占比相对较高。 从发展历程看，新能源、医药和消费等主动权益青睐主题近年来增速放缓，科技 ETF 近年来仍有较高增速。在风格 ETF 内部，除去未进行分类的其他风格，港股、MSCI 相对占比较高，近年来 ESG、碳中和等概念 ETF 有较大的发展。在宽基 ETF 内，沪深 300 和中证 500 占据绝对优势。

1.2 公募 FOF 对股票型 ETF 投资变化

国内公募 FOF 发展起步于 2018 年，和 ETF 大规模发展的时间点相近。本节我们通过数据讨论公募 FOF 对 ETF 的投资热度。 从 ETF 自身角度，机构投资者占比一直较高，和主动权益基金（普通股票、平衡混合、灵活配置、偏股混 合）相比，2018 年以来，股票型 ETF 的机构投资者占比中位数高于 30%，且近年有上涨态势，目前股票型 ETF 机构投资占比中位为 43.45%，而主动权益基金机构投资者占比 2020 年以来持续下降，2021 年后中位数低于 10%，最新一期机构持仓中位数为 6.15%。

统计公募 FOF（仅合并统计 A 类）对股票型 ETF 的投资趋势变化，2021 年前公募 FOF 持有 ETF 规模在 40 亿元以下，平均持有占比 7.04%，2021 年后，尽管公募 FOF 持有 ETF 的平均占比下降，但整体持有 ETF 规模仍 然持续上涨。

需要注意的是，公募 FOF 对 ETF 的持有权重 2020 年来中位数不会超过 10%，表明国内 FOF 对 ETF 的投资 整体权重水平偏低。但有少数 FOF 会持有 ETF 权重接近甚至超过 80%，这种 FOF 型 ETF，即以某种 FOF 策略指 数为跟踪标的，但其底层投资资产或跟踪指数的构成为 ETF 的基金相较于传统 FOF 有交易便利、费率低和流动 性较好的特点。 以富国行业精选 FOF（501216）为例，该 FOF 的投资特色即为风格轮动和行业轮动策略。从 2023 年半年 报披露显示，该 FOF 持有 14 只基金均为 ETF，不对主动权益基金进行投资，所持有 ETF 合计占净值比 80.71%， 覆盖的 ETF 种类主要集中于行业 ETF，前三大重仓跟踪指数为芯片、机器人和互联网，同时该 FOF 对同基金公 司内的 ETF 持有权重较高，最近两期披露显示持有同公司 ETF 占比平均接近 50%。

从海外市场看，美国第一只 FOF 型 ETF 在 2008 年发行，之后一直保持良好发展态势，据 ICI 的基金年报统 计显示，2022 年末 FOF 型 ETF 数量 145 只，平均每年新发 15 只，同时规模达到 247.41 亿美元，相较于 2008 年的 0.97 亿美元，规模年复合增长率达到 48.56%；虽然相较于 ETF 总体数量，FOF 型 ETF 数量占比不超过 5%， 但近年来一直保持稳定上涨。规模上 FOF 型 ETF 占 ETF 总体规模不足 0.4%，2019 至今保持占比扩大的趋势。我国目前 FOF 型 ETF 共 5 只，成立时间均较晚，尚处于发展起步阶段。而对于 ETF 产品线覆盖面广，风格 品种丰富的基金公司而言，FOF 型 ETF 无疑是 FOF 产品未来创新化发展方向之一。

从公募 FOF 对所投资 ETF 的偏好来看，2020 年前对宽基类 ETF 的投资占比较高，2020 年后，公募 FOF 对 行业类 ETF 的投资占比迅速攀升。 对细分品种的偏好上，行业内 FOF 对金融、科技和消费持有占比较高，2023 年 FOF 增加了科技 ETF 和周 期 ETF 的配置，减少金融和消费 ETF 配置比例。宽基内配置较多为沪深 300 和中证 1000，而在时序变化层面， FOF 大幅度减少了中证 500 和创业板指的配置比例，目前 FOF 对创业板指的配置比例低到可以忽略不计。 FOF 对风格类 ETF 的配比集中在少数几个风格中，目前持有红利低波、国企风格权重相对较高，同时今年 以来增加了红利低波类 ETF 的持有比例。

受益于国内 ETF 发展方兴未艾以及公募 FOF 对 ETF 的投资热度逐渐提升，扩充和加深对 ETF 产品的研究是 必要的。 我们在过往的报告《基于主题分类的基金行业轮动 FOF 策略》和《基金长期能力因子应用——利用优选基 金构造行业轮动策略》中，从主动权益基金视角研究主动权益基金对股票行业加减仓行为从而构建行业轮动策 略，因此，从机构视角来看，相对持有比例较高的 ETF 的资金流入对 ETF 未来的收益是否有一定相关性也是一 个研究方向。本文即是对 ETF 的净流入以及未来收益之间关系进行定量研究。

二、ETF 净流入和未来收益关系

2.1 ETF 净流入计算

ETF 每日净流入的计算公式为： ETF 每日净流入=(ETF 当日流通份额-ETF 昨日流通份额)*当日平均成交价。 剔除 ETF 成立第一个月的数据后，多日净流入即将每日净流入进行相加得到。我们以沪深 300 类 ETF 的累计净流入以及收益为例，需要注意的是此处沪深300ETF净值走势可以理解为沪深300全收益指数（H00300.CSI）。

从沪深 300 类 ETF 的净流入和净值对比可以看出，ETF 净流入-ETF 收益之间存在较为明显的反向关系。这和 ETF 持有者多为机构有关，机构在 ETF 的交易过程中更为理性，存在下跌-买入和上涨-卖出的关系。但是我们也 要注意到，在这种负向关系中，也存在指数涨跌和资金流入同向变动的时刻，我们所研究的目标，就是探寻这 些“异样”的时刻能否对未来产生启示。为了研究，我们对 ETF 过去一段时间区间的收益以及净流入进行象限划分，并考察每个象限占比以及未来 收益情况。其中，当指数和资金同增时为第一象限，指数下跌但净流入为正时为第二象限，以此类推。

2.2 象限和未来收益划分

以沪深 300 类 ETF（以下简称 ETF）为例，我们考察不同窗口期的象限日度占比以及未来收益情况。考察时间窗口为 2013 年至 2023 年 9 月底。 从象限来看，1 到 3 象限在窗口期内占比较为平均，而 4 象限（指数上涨资金流出）占比相对较多，超过 30%。而随着过去窗口期长度的延长，2 和 4 象限占比逐渐提升。因此，从短期看，ETF 的上涨会带来资金流出， 而下跌和资金流入之间的关系并不明显。而在中长期，指数的涨跌和资金流入之间关系的负向关系趋于明显， 和我们从收益-资金流的图中所看到的类似。长期来看，指数上涨大部分时间内资金流出，指数下跌大部分时间 内资金流入。

同时，我们统计各个象限收益相对所有象限平均收益的相对收益。

而在“过去象限-未来收益”的架构中，我们考察每个象限未来 n 个交易日的累计收益均值以及中位数。 随着短期到中长期过去窗口逐渐增加，1 象限（资金流和收益同增）未来 1 月内收益始终较低，但过去资 金正向流入以及 ETF 正收益的情况下，未来 3 月收益会迎反转，这种反转的幅度随着过去窗口期的增加而增加。 当过去 1 年资金正向流入同时 ETF 正收益的情形下，未来 3 月平均累计收益达到 3.25%。 2 象限（ETF 下跌资金流入）中，过去短期 ETF 下跌，但同时有资金流入的情形下，未来短期内（5 日）ETF 收益会反转，对应 ETF 平均收益 1.5%，中位收益 1%；但在未来长期（3 月），ETF 会依然下跌。这个特点随着过 去窗口期的延长而减弱，在过去窗口期延长至 250 日时，未来 1 月和 3 月的 ETF 收益累计超额均为负。

对于 3 象限（ETF 下跌资金流出），我们将其和 2 象限一起考察，2、3 象限实际上是从资金流角度对 ETF 过 去窗口期动量效应的划分。资金流对 ETF 动量效应的划分受到动量-反转效应在短期和长期影响而呈现相反效应。 在短期窗口的未来收益中，过去 ETF 下跌同时资金流入未来收益为正，但资金流出未来收益为负，当过去窗口 转为长期，这个结论会相反。 4 象限（ETF 上涨资金流出）的考察我们和 1 象限进行对比，4 象限未来收益和 1 象限未来收益基本相反， 同样体现了资金流的分割效应。

总结来看，在沪深 300 类 ETF 中，短期 1、2、4 象限未来收益为正概率较大，3 象限收益为负概率较大； 长期 1、3 象限未来收益为正概率较大，2、4 象限收益为负概率较大。 我们同样构造一个回归以展示象限-收益之间关系，其中??是未来 t 日平均日收益时间序列，??是象限的哑 变量： ?? = ∑???? 4 ?=1 从回归结果看，1 和 3 象限在长短期的未来收益预测效应呈现相反特征，短期-短期和长期-长期的预测效应 更显著。

2.3 根据象限构造择时策略

根据 2.2 的结论，本节我们使用象限进行沪深 300 的择时，但是需要注意的是，本小节我们使用的是已经 在全样本期内对象限-收益测试归纳出的结果，用于构造沪深 300 择时，因此可以看作是样本内的结果。 我们使用 20 日的结果，每日/周/月末根据当前的象限进行多空选择，当当前时点为 1、2 和 4 象限时，做 多沪深 300，当象限处于 3 象限时，进行做空。

从结果看，日频、周频和月频的沪深 300 择时中，月频择时效果最好，年化收益 17.34%，月胜率 61.19%。

三、ETF 资金流构建样本外滚动择时

3.1 样本外滚动择时模型构建

在 2.3 中，我们基于 2012-2023 的数据，总结了 ETF 流量收益与未来收益之间的关系，并根据过去象限划分 构造了择时策略，但如我们在 2.3 开头所说，这样的择时策略未免有按图索骥之嫌，过去十余年的经验在未来 还能是否适用尚不得而知。 因此本节将会利用 ETF 资金流构建滚动窗口的指数择时，由于我们注重当前时点的可得信息，因此可以看 作是一个样本外的日频择时模型，可参考价值会更强。同第二节一样，我们依然在沪深 300 类 ETF 中进行尝试。 我们在每个 t 时点，分别计算过去 w1，w2 窗口期（w1：流入窗口，w2：收益窗口）t 时点所处象限，因此对于每个时点 t，都有不同流入和收益交叉窗口期的象限划分。

统计 t 时点可得数据下，过去两年每个窗口-象限未来收益的 T 值： ? = ????(? − ????ℎ?) ???(? − ????ℎ?) √n.由于在每个 t 时点会对应多个窗口-象限-T 的组合，因此我们将这些 t 时点的符合条件的组合，计算： ???? = ????(?) ???(?) 作为 t 日信号，信号的分子表示方向，信号的分母表示分歧；可以理解为每个窗口-象限-T 组合都是对未来 收益的一个观点，当观点趋向一致时，信号强度也会越强。最后，在日频上，当 sign>0.1 时做多，sign<-0.1 时 做空，其余时间为信号不敏感期，进行空仓操作。

3.2 样本外滚动择时模型结果

从 2014 年 8 月至 2023 年 9 月，沪深 300 滚动择时累计收益 327.01%，年化收益 17.59%，同期沪深 300 年 化收益 3.75%，收益波动比 0.8，最大回撤 21.56%，Calmar 比 0.82。分各年看，滚动窗口的择时在 2017、2019 和 2023 年表现不佳。在对于沪深 300 的高点回避方面，策略表 现较好。

策略换手率方面（由于策略存在做空，将做空和做多方向均算做 1 次交易，从做多向做空算 2 次交易），日 频平均年换手 52.7 倍，我们同样测试了该方法在周频和月频的效果。周频平均年换手 20.1 倍，月频平均换手 9.6 倍。 策略在周频和月频下年化收益分别为 18.55%和 16.3%。

四、更多讨论

在第三章中，我们以市场交易量较大，同时机构投资者较为偏好的沪深 300 类 ETF 为例，讨论了利用净流 入-收益象限划分构造指数择时策略的方式，实际上，受到 ETF 的持有结构、ETF 分类下差异化和跟踪指数等种 种差异，使用 ETF 流量和收益构造择时可能会有较大的结果差异。在此我们将讨论这种方法在其他类型 ETF 的 应用方式。处于泛用性考虑，在模型参数上我们没有做调整，保留 2019 年以来的结果，同时剔除日均流量变化 小于 1 亿元的 ETF 类。

该模型在行业类 ETF 内均没有较好效果，可能与行业类 ETF 中标的尽管同属一个二级分类，但标的间可能 有较大差异有关，例如科技类 ETF 下辖 13 个子分类。而在宽基类中，除本文已探索的沪深 300 外，在上证 50、 创业板 50 和创业板指有较好效果，其中创业板 50 择时年化 32.05%，收益波动比 1.17，远高于原 ETF。而在中 证 1000 和中证 500 中效果较差。

五、结语

本文介绍了一种利用 ETF 资金流入-收益划分象限后构造择时信号的方法，以沪深 300 为例使用该方法对其 进行择时，在样本外滚动测试中，2014 年 8 月至 2023 年 9 月，累计收益 327.01%，年化收益 17.59%，远超同期沪深 300 指数。策略在周频和月频下年化收益分别为 18.55%和 16.3%。周频平均年换手 20.1 倍，月频平均年 换手 9.6 倍。 同时我们使用该方法在更多的 ETF 种类中进行测试，结果显示在行业类 ETF 中很难有效，而在宽基类 ETF 的上证 50、创业板 50 和创业板指中均能有较好效果。 宽基指数的择时困难重重，本文仅是从一个角度提供择时思路，后续仍有诸多研究亟待补充。

 

编辑：520中国