2024年基于ETF资金流构建行业轮动策略

ETF 市场参与者及行为模式

ETF 资金净流入数据的计算方法和观测意义

ETF 中的资金通常与北向资金并称为“Smart Money”，ETF 的资金流向对于市场投资机 会和市场投资风险有一定的指示作用。原因是大多数 ETF 产品需要用“一揽子”股票进行 申赎，且最小申购赎回单位资产净值大多在 50 万元以上，部分产品能达到 300 万元以上， 资金门槛相对较高，因此申购赎回 ETF 份额的投资者多为机构投资者或专业水平较高的个 人投资者，这些投资者对于市场变化较为敏感，其申购或赎回行为能在一定程度上反映投 资观点或市场情绪。ETF 每日的净申购情况会反映为当日的 ETF 份额增减，因此业内通常 以每日 ETF 份额增减与 ETF 净值1的乘积来估算当日 ETF 资金净流入，并以此来观测 ETF 机构投资者的动向。

ETF 市场参与者、价格形成机制与份额变动原因

本篇报告的主要目的是研究 ETF 资金流对其跟踪标的未来收益的指向性作用，因此首要任 务是对 ETF 市场具体参与者及行为模式进行分析，从而理清 ETF 资金流入流出的逻辑、理 解资金流向与标的收益的内在关联。

价格形成机制：一级市场的 IOPV 代表实际价值，二级市场的交易价格由供需关系决定

ETF 市场包括一级发行市场和二级交易市场，两个市场的价格形成机制有较大差异，交易 对手方也有较大差异，从价格形成机制来看： 1) ETF 的一级市场价格是 ETF 份额参考净值（IOPV），是 ETF 实时单位净值的近似值， 由交易所根据基金公司提供的申购赎回清单（PCF）与清单内证券的最新成交价格计 算，每 3 秒或每 15 秒公布一次。 2) ETF 的二级市场价格则是由买盘和卖盘的供需关系决定的。正常情况下，ETF 的二级 市场价格与一级市场 IOPV 不会完全一致但也不会有较大偏离，但在市场情绪极度高 涨（极度低迷）的情况下，二级市场价格相比一级市场 IOPV 会有较高的溢价（折价）。

市场参与者：机构投资者、做市商和套利交易者会造成基金份额变动

通过一级市场申赎基金份额的投资者多为机构投资者。这些机构投资者的交易对手方是基 金公司，申购和赎回行为会直接带来基金份额的变动，最终反映为资金流入或流出。

通过二级市场买卖基金份额的投资者包括个人投资者、机构投资者、做市商和套利投资者。 这些投资者的交易对手方是其他投资者，买入或卖出行为一般不会直接带来基金份额的变 动。但大资金的买卖行为会导致 ETF 的二级市场价格偏离一级市场价格，进而通过 ETF 做 市商和套利投资者的操作间接造成份额变动。

行为模式：部分机构投资者频繁进行非信息性交易，导致 ETF 资金流难以清晰传递观点

做市商和套利交易者：当市场情绪高涨，二级市场出现大量买盘，二级市场价格相比一级 市场 IOPV 出现较高溢价时，做市商会向基金公司申购 ETF 份额并在二级市场上卖出，在 提供流动性的同时获取价差收益，这一操作会造成 ETF 资金净流入。反之当市场情绪低落， 二级市场大量卖盘导致 ETF 出现折价，做市商和套利投资者的操作会造成资金净流出。 有明确多空观点的机构投资者：看多则申购或买入，看空则赎回或卖出，这种投资者通常 交易频率不会很高，仅在明确看多/看空的时候会进行操作。 进行波段操作的机构投资者：另一种机构投资者则是长期持有 ETF 并积极进行短期波段操 作的投资者，行为模式通常是在 ETF 上涨到阶段性收益目标后进行部分赎回以兑现收益， 在 ETF 下跌时则继续申购以累积低价筹码。这样的交易行为在学术论文中被称为 Non-informational Trading，即非信息性交易，这种交易行为通常不是基于资产价值变化的 预期，而是出于利润锁定、投资组合再平衡、流动性需求等原因进行的操作。

波段操作的机构投资者与做市商和套利投资者的交易方向是相反的，个人投资者对联接基 金的申购赎回也会带来 ETF 份额变化，有明确多空观点的投资者交易频率又不会太高，由 此可知，ETF 申赎的主要参与者具有很强的异质性，既没有统一的方向，也不存在趋同的 交易模式，因此 ETF 的份额变动通常难以清晰反映某类投资者的观点，导致日常的 ETF 资 金净流入数据看起来并没有那么的“Smart”。 虽然 ETF 资金日常小幅流入流出的数据很难用来指导投资，但极端情况下的 ETF 资金流向 数据却可以在一定程度上反映投资者观点和市场情绪，具备较高的参考价值。本篇报告对 全市场 ETF 产品做了较为详尽的分类，提取各类 ETF 资金净流入位于历史高点和资金净流 出位于历史高点的情景，分析此后的市场表现并构建策略进行回测。在接下来的章节中， 我们将首先明确 ETF分类规则，再对 ETF资金净流入与市场涨跌之间的统计规律进行分析， 最后对策略效果进行展示。

ETF 资金流是较为有效的反向指标，可以此构建行业轮动策略

业界和学界在使用 ETF 资金流预测收益率方面做过许多尝试，但多数都没有明确结论，或 给出 ETF 资金流数据无效的结论。但经过精细化的产品分类、长时间的跟踪观测和大量的 数据挖掘工作，我们发现 ETF 资金流是有效性较强的反向指标。在本章节中，我们将采用 ETF 资金流指标构建行业轮动策略，并尝试对出现超额收益的原因进行解释。

ETF 产品分类：定量初步划分，定性复核结果

由于本部分主要采用行业 ETF 进行研究，此处主要针对行业 ETF 的分类规则进行说明。在 对行业 ETF 进行定量划分时，我们提取每只 ETF（包括已清算 ETF 产品）的重仓行业名称 （SW2021）及重仓行业投资市值占基金资产净值比，若 ETF 在某一行业上的权重超过 70%， 则将此 ETF 归类为该行业 ETF。考虑到绝大多数行业指数的重仓行业不会随着时间发生改 变，我们仅在 2023 年报这一截面上进行筛选。 在进行定性复核时，若 ETF 在单一行业上的权重不超过 70%，但基金名称和跟踪指数名称 中均有明确行业归属，则我们依然将其归为该行业的 ETF。例如建信中证农牧主题 ETF 在 农林牧渔上的权重为 51%，在基础化工上的权重是 41%，但其在基础化工行业的持股多集 中在农化制品二级行业，且基金名称明确归属于农林牧渔行业，因此我们依然将其归为农 林牧渔行业。

资金流预测效果观测：资金净流出较多，未来短期内预期收益为正

规律发现：当资金净流出位于历史高点，未来一周预期收益为正

以周频预测为例，我们将资金净流入的滚动两年历史分位数每隔 10%划分一个阈值区间（左 闭右开区间），观测每个行业 ETF 当周合计资金净流入落在各阈值区间时，下周该行业指数 收益率的均值、中位数、正收益概率和盈亏比。关于资金净流入和收益率的计算方法，我 们采用了自然周和每日向前滚动 5 个交易日的方法来计算： 1) 方法 1：若采用自然周，则采用过去一周的资金净流入和未来一周的收益率来观测资金 流预测效果； 2) 方法 2：若采用滚动交易日，则采用 T-4 日到 T 日这五天的资金净流入之和作为周度 资金净流入，采用 T+1 日到 T+6 日的收益率作为未来一周的收益率，以此来观测资金 流预测效果。 两种方法本质上是相同的，采用方法 1 构建策略时逻辑更通顺；而方法 2 观测点数量显著 多于方法 1，规律可靠性更强，因此我们将同时展示两种计算方法下的规律。下图中首先展 示了 21 个行业（23 个行业有对应 ETF 产品，但石油石化和机械设备行业中最早的 ETF 成 立时间不足 2 年，无法计算历史分位数）在周度资金净流入历史分位数落在不同区间时的 预期绝对收益，以及减去同期所有行业算术平均收益率的预期超额收益。

从结果中可以清晰看到，无论采用自然周计算还是滚动计算： 1) 若当周行业资金净流入的历史分位数落在[0%,10%)区间时，则下一周该行业的预期收 益在 0.5%左右，显著高于其他阈值区间的预期收益。预期超额在 0.4%左右，同样高 于其他区间。 2) 若当周行业资金净流入的历史分位数落在[90%,100%]区间时，则下一周该行业的预期 收益为负，低于多数阈值区间的预期收益。预期超额则低于所有阈值区间的预期超额。 分行业来看，ETF 规模较大且资金流历史数据较长的行业大多遵循此规律。以滚动五个交 易日下的超额收益测算结果为例。从胜率角度看，规律较为显著的包括有色金属、医药生 物、家用电器等，例如家电行业在 ETF 资金净流入历史分位数小于 5%时未来一周跑赢行 业均值的概率超过 67%、历史分位数小于 10%时胜率超过 61%、历史分位数小于 20%时 胜率超过 64%。从盈亏比角度看，规律比较显著的行业有电力设备、有色金属、非银金融、 传媒、电子等行业，例如非银金融行业，在历史分位数小于 5%/10%/20%时，下周超额收 益的盈亏比均超过 1.5。整体来看，50%-70%的行业胜率超过 50%，75%-80%的行业盈亏 比超过 1。 在观测点数量较多的行业中，房地产和通信行业不遵从此规律，资金净流入较少时预期超 额为负。此外，农林牧渔、钢铁、煤炭、基础化工、建筑材料等 ETF 规模较小且资金流历 史数据较短的行业则不遵循此规律。

策略结果：周度策略年化收益率超过 20%，夏普比率超过 1

周度多头策略回测结果：年化收益率超过 20%，夏普比率超过 1，月度胜率接近 70%

从回测结果来看，在开仓阈值设为历史分位数的 5%或 10%时，策略表现较好： 1) 年化收益率超过 20%； 2) 收益风险比较为可观，Sharpe 超过 1，Calmar 在 1 左右； 3) 与等权行业组合相比，周度胜率 57%，超额收益盈亏比 1.19，月度开仓胜率 69.70% （若不开仓则不计入分母），超额收益盈亏比 1.416； 4) 当阈值为 5%，自然年收益均为正数，除 2019 年外自然年超额收益均为正数，2024 年超额收益为 16.79%（截止 2024 年 8 月 31 日未年化）；当阈值为 10%，2024 年超 额收益为 9.23%。

除周度资金净流入外，我们也对日度/月度资金净流入构建的日频/月频轮动策略也做了测试， 策略也有较为显著的超额收益，但收益率和风险收益比略逊于周度策略。月度策略收益率 低于周频策略，但超额收益月度盈亏比超过 2，每次开仓的预期收益相对可观。日频策略收 益率低于周频策略，最大回撤幅度大于周度策略，且 2021 年表现较差。

周度空头策略回测结果：年化超额 10%-20%，绝大多数年份录得正收益

类似地，我们尝试采用 ETF 资金流信息来构建空头策略。融券费用年化通常在 10%左右且 券源紧张，因此此策略不具备实践意义，展示策略效果的目的仅为说明 ETF 资金净流入历 史分位数较高时或指示标的短期下跌风险。 在不考虑费用的情况下，此策略收益较为可观，且相比空头等权基准的超额收益较为稳定： 1) 当阈值设定在 5%时，空头策略年化收益为 11%，相对行业等权空头组合的年化超额 收益为 16%，月度胜率 65%，月度盈亏比接近 1.7，仅 2024 年获得负超额。 2) 当阈值设定在 20%，空头策略年化收益为 15%，相对行业等权空头组合的年化超额收 益为 20%，月度胜率 74%，月度盈亏比为 1.3，每年超额收益均为正值。

原理讨论：非信息性交易带来的短期价格压力或可解释收益来源

出现这类现象的原理，我们尝试从市场情绪、股价动量、市场微观结构、行为金融学等角 度进行讨论并验证，结果显示价格压力假说或能较好地解释超额收益来源。

市场情绪与股价动量无法解释此现象，简单动量策略并无显著超额

首先从市场情绪角度来看，资金的流出通常代表市场对投资标的的看法较为悲观，但这一 规律在 ETF 市场中并不适用。如前所述，我们发现标的价格上涨期间 ETF 资金通常是净流 出，而标的价格下跌期间 ETF 资金通常是净流入，即使在较为极端的情况下，例如 ETF 资 金净流入的历史分位数位于前 10%（或后 10%）时，此规律依然成立，而且跌幅（涨幅） 比其他区间更大。 其次，既然某行业 T 期涨幅较大时 T 期通常资金净流出较多，而某行业 T 期资金净流出较 多时T+1期行业倾向上涨，那T+1期的超额收益是否源于T期的股价动量？基于以上思路， 我们构建了两种简单动量策略以作参考： 1、每周末对当周行业的收益率排序，下周配置涨幅最高的 ind_num（1/2/3/5）个行业。 2、每周末计算当周行业收益率的滚动历史分位数（计算细则同资金流历史分位数），下周 配置前一周历史分位数超过阈值 x（x = 99%/95%/90%/80%）的行业。 若动量策略有较高的超额收益，则说明基于 ETF 资金净流入构建的策略本质上是动量策略。 但回测结果如下图所示，简单动量策略表现较差，说明 ETF 资金净流入策略的超额很难简 单用股价动量来完全解释。

价格压力假说有一定解释力度，供需关系短期变化会带来股价非理性波动

价格压力假说：非信息性因素驱动下的供需关系变化会对股价造成短暂的非理性波动

再次，从微观市场结构的角度来看，股票价格会因供需关系的变化而暂时受到影响，这一 现象也被称为价格压力假说，且学界相关研究论文较多。例如： 1) 新纳入重要指数的股票价格在短期内出现负自相关性：Greenwood（2008）2发现新 纳入日经 225 指数成分股的股票，在加入后短期内与其他成分股收益率的相关性显著 增加，说明日经 225 指数基金的非信息性交易，在短期内导致股票价格产生了与基本 面无关的非理性变化。而这些被纳入指数的股票在短期内的收益率会出现负自相关的 情况，说明这些价格“扭曲”在短期内会逐渐回归到正常水平。在被剔除出日经 225 指数的成分股中也观测到了类似的现象，进一步论证了这一观点。

2) 短期内被大量抛售或大量买入的股票，其价格在未来短期内会出现可预测的反向变化： 如 Hendershott 和 Seasholes(2007)3对纽交所做市商在 1994 年到 2004 年的股票库存 与股票价格之间的关系进行了研究。当市场上某只股票被抛售，做市商需要买入股票 以提供流动性，此时做市商会被动增加该股票的库存。研究发现，专业做市商的股票 库存量与未来短期内的股票收益率正相关，做多高库存股票、做空低库存股票的投资 组合，在未来 1 日和 5 日内的预期回报率分别为 0.10%和 0.33%。而做多前期下跌的 高库存股票、做空前期上涨的低库存股票，在未来 5 日内的预期回报率为 1.05%。在 论文中这一价格效应也被认为是由非信息性交易者对流动性提供者的收益补偿。

3) 非信息性交易会导致股票价格的可预测性反转：Andrade, Chang 和 Seasholes（2008） 4对股票周度数据进行了分析，观测到获得大量买入的股票，其价格会在后续出现回落； 而被大量抛售的股票，其价格会在后续出现反弹。

ETF 总规模越大的行业，极端资金净流入后的价格反转现象越显著

总结而言，非信息性因素驱动下的股票大量抛售（或大量买入）通常不会持续很久，当市 场供求恢复平衡，定价恢复理性，价格往往会出现反向变动。这一假说同样可以套用到 ETF 及其成分股上。即：当 ETF 资金净流出较多时，短期可能会压低 ETF 及其成分股的价格， 即使当周 ETF 是上涨的，也会导致其真实价值被暂时低估，因此资金净流出行业较多的行 业 ETF 在下一周有可能出现价格修正现象，导致价格有上涨的倾向。 若该理论在 ETF 中成立，则对于 ETF 规模越大的行业、或是 ETF 总规模在该行业股票总 市值中占比更高的行业，在出现极端资金净流出时后续价格反弹应当越明显；ETF 规模越 小或是规模在行业中占比越低的行业，在出现极端资金净流入时后续价格下跌现象也应当 越明显。 为了验证这一理论是否成立，我们使用周度资金净流入历史分位数低于 5%时各行业 ETF 下一周的预期收益率，与 ETF 规模和 ETF 规模在行业股票总市值中的占比，分别求相关系 数和秩相关系数。从下图中可以看到，各行业 ETF 总规模与净流入低于阈值时的预期收益 率存在较为显著的正相关关系，两者相关系数为 0.64，秩相关系数高达 0.71。各行业 ETF 总规模在行业中的占比与预期收益率之间也存在正相关关系，相关系数和秩相关系数都在 0.65 左右。

而周度资金净流入历史分位数超过 95%时，该现象依然成立，从下图中可以看到，各行业 ETF 总规模与净流入超过阈值时的预期收益率存在较为显著的负相关关系，两者相关系数 为-0.48，秩相关系数为-0.58。各行业 ETF 总规模在行业中的占比与预期收益率之间也存 在负相关关系，相关系数和秩相关系数都在-0.53 左右。

在日度频率和月度频率下也观测到同样的结论。日度频率下，各行业 ETF 总规模与日度净 流入低于阈值时的次日预期收益率之间，存在很显著的正相关关系，两者相关系数为 0.75， 秩相关系数甚至高达 0.88。各行业 ETF 总规模在行业中的占比与预期收益率之间也存在正 相关关系，相关系数和秩相关系数都 0.77 左右。月度频率下，各行业 ETF 总规模与月度净 流入低于阈值时的次月预期收益率之间，存在正相关关系，两者相关系数为 0.49，秩相关 系数 0.65。各行业 ETF 总规模在行业中的占比与预期收益率之间也存在正相关关系，相关 系数和秩相关系数分别为 0.49 和 0.59。 以上结果说明，非信息性因素驱动下的 ETF 资金大量流出（或流入），会在短期内改变成分 股的供需关系，对股票价格产生向下（向上）的暂时性压力，这种压力会导致股票价格偏 离股票的实际价值，当市场逐步消化这一偏离，股价也会随之反转。

行为金融学角度的其他参考理论

除价格压力假说外，还可以尝试从行为金融学角度来对此现象进行解释，但行为金融学理 论通常存在较难证伪的问题。行为金融学强调投资者的心理偏差、情绪波动和非理性行为 在市场定价中的作用，而这些因素难以精确量化或进行实验验证。因此在此我们仅简单列 示可能能为此现象提供解释的行为金融学理论以供参考，无法进行更多数据验证。 反应过度（Overreaction）。当某个行业 ETF 上涨幅度较大时，部分投资者（尤其是散户） 可能认为价格过高而选择获利了结，导致资金流出。然而，这种获利了结并不一定反映行 业的真实基本面状况，而是对价格变化的情绪化反应。如果市场的基本面依然良好，那么 资金的流出只是暂时的反应，下一周的价格可能继续上涨，形成反向的超额收益。 处置效应（Disposition Effect）。处置效应描述了投资者倾向于过早卖出盈利资产，同时又 不愿意卖出亏损资产的行为。当一个行业 ETF 表现较好时，持有该 ETF 的投资者可能倾向 于锁定盈利而卖出持仓，这会导致资金净流出。该效应的存在可能导致市场中短期内供需 失衡，造成当前价格涨幅不足，未来市场供需回归平衡后会回补此前不足的涨幅。 逆向思维（Contrarian Thinking）。当资金流出较多时，市场可能过度悲观，而一些逆向投 资者会看到其中的价值机会并入场。这样的行为可能会在下一周推高 ETF 的价格，从而形 成超额收益。这种情况暗示，资金流出的分位数较高可能是市场情绪过度反应的信号，从 而成为反向策略的依据。

宽基和板块轮动策略也有一定超额，但收益低于行业轮动策略

从前一章节的原理分析可知，宽基 ETF 和板块 ETF 的总规模虽大，但占其成分股总市值的 比例较低，价格压力效应会被稀释，对标的价格产生的影响也会削弱。宽基 ETF 轮动策略 和板块 ETF 轮动策略的结果验证了这一结论：宽基 ETF 在各个调仓频率下构建的多头轮动 策略效果均较差，仅月度频率下以 99%为阈值的空头轮动策略能够获取超额；板块 ETF 在 周度和月度频率下的多头和空头轮动策略能够获得一定超额收益，但效果弱于行业轮动。

对于宽基 ETF，以 99%作为阈值的月频空头轮动策略能够获得超额收益

以跟踪上证 50、沪深 300、中证 500、中证 800、中证 1000、国证 2000、创业板指、科 创 50、科创创业 50 等 9 个宽基指数的 ETF 资金净流入来构建行业轮动策略，具体方法与 行业轮动策略类似。结果显示多头策略基本没有超额收益，仅有以 99%作为阈值的月频空 头轮动策略能够获得一定超额，说明当月宽基指数有历史分位数较高的资金净流入时，应 当警惕短期回调风险。

对于板块 ETF，周频和月频策略能够获得超额，但收益低于行业策略

板块 ETF 的资金流轮动策略也有一定超额，但超额收益及收益稳定性均低于行业策略。周 度多头策略在 5%阈值下有接近 15%的年化收益和年化超额，但开仓胜率和开仓盈亏比低 于行业策略。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）