2024年ETF轮动研究报告：基于Level2因子的ETF轮动策略

一、境内 ETF 市场概况

（一）ETF 总体概况

近年来，指数化投资理念愈发受到投资者认可，ETF产品凭借透明、低费率、 交 易便捷等优势，成为居民资产配置的重要工具。上交所于9月13日发布《ETF投资交 易白皮书（2024年上半年）》（后续简称《白皮书》）。根据《白皮书》，2024年 上半年，境内ETF市场持续向好发展，交投活跃度再上台阶，总成交额达14.7万亿元、 非货ETF总成交额11.5万亿元，同比均创历史新高。 ETF产品快速发展，指数化投资已成为境内公募基金行业发展趋势。Wind数据 显示，截至2024年10月底，境内交易所挂牌上市的ETF数量达到1005只，市值总规 模达到3.67万亿元，较2023年底（2.05亿元）大幅增长，创历史新高。

产品布局日趋完善。境内ETF的投资标的涵盖了股票、债券、货币、商品、境外 股票等大类资产，产品布局较为完善。根据Wind，截至2024年10月底，包含跨境类 的股票ETF合计规模约3.16万亿元，在各类资产中占比较高。

（二）权益 ETF 概况

权益ETF的规模增量相对明显。下沉到资产类型，观察权益ETF的规模变动，权 益ETF的总规模由2014年的约2000亿元增长至2024年10月末的3.29万亿元，在各资 产类别中，规模增长相对明显。

进一步观察权益ETF中，各大类型的产品规模最新情况。规模方面，宽基类ETF 占比相对较高，根据Wind，截至2024年10月底，宽基ETF的规模合计为2.09万亿元， 占比约66%，行业主题类产品规模合计为6106亿元，占比约19%。

（三）ETF 市场格局

截至2024年10月底，境内有51家基金公司拥有上市非货币ETF产品。排名前十 的基金公司非货币管理规模合计为2.79万亿，占市场总规模的83%。已有10家管理 人非货币ETF管理规模突破千亿。

下沉到具体产品，规模靠前的产品已突破千亿元，跟踪指数以沪深300等宽基指 数为主。

基于指数分类，截至2024年10月底，权益类ETF的跟踪指数合计有351种，ETF 合计规模靠前的指数同样以宽基指数为主。

二、Level2 高频因子

（一）Level 1 与 Level 2 行情数据介绍

对于量化投资者来说，更在于对数据的全面收集和深度分析，并结合数学模型 和算法，从海量数据中挖掘出隐藏的市场规律。这些规律可能是某些股票价格的趋 势，市场的周期性波动，抑或是短期的交易信号。一旦这些规律被发现并加以利用， 量化投资者便能在股票市场的博弈中获得优势。 股票行情数据源于上交所和深交所，根据数据的频率和丰富度通常分为Level 1 数据和Level 2数据。如表1所示，Level 1数据为3秒一笔的快照（Snapshot）数据， 包含了常用行情软件上可以看到的最高价、最低价、开盘价、收盘价、成交量、成交 额、成交笔数、委买委卖量、5档申买申卖价、5档申买申卖量等数据。而相比数据 频率较低、数据丰富度有限的Level 1数据，Level 2数据中则不仅提供了更为丰富的 快照（Snapshot）数据，如10档申买申卖价、10档申买申卖量、最优买卖价前50笔 委托、买卖委托价位数、买卖撤单信息等，而且提供了Level 1数据中所不包含的逐 笔订单（Tick）数据。逐笔订单数据包含了当日交易时段中集合竞价阶段和连续竞价 阶段的每一笔订单数据，其中的关键信息包括精确到毫秒的订单时间、逐笔序号、 频道代码、价格、数量、金额、买入卖出订单号和订单类别等详细数据。Level 2数 据中的逐笔订单数据是一切行情数据的根源，不同频率的快照数据均由逐笔订单数 据聚合而成。在“海量Level 2数据因子挖掘”系列研究报告中，将尝试对Level 2数据 中详细的快照数据和逐笔订单数据进行深入分析并加以利用，有望能够从中获得更 为丰富的价格趋势、周期波动、交易信号等规律和信息，从而挖掘出更为有效的因 子，构建出具有超额收益的股票投资组合。

（二）Level 2 选股因子成果

广发金融工程团队过往发布《多维度解耦的94个大小单因子》、《订单维度解 耦的22个长短单因子》、《大小单与长短单的241个碰撞火花》等多篇Level2数据 相关选股因子研究报告。 如《多维度解耦的94个大小单因子：海量Level 2数据因子挖掘系列（一）》， 报告从所有行情数据的根源——Level 2逐笔订单出发，通过“大小订单”的角度对所 有交易订单进行窥探，结合多维度解耦的分析方法构建出了多个有效的大小单因子， 并从中挑选出表现优异者构建出了精选大小单因子组合，在A股全市场及各大板块中 均取得了较为突出的表现。《订单维度解耦的22个长短单因子：海量Level 2数据因 子挖掘系列（二）》则通过“订单成交完成时长”的角度继续对Level 2逐笔订单数据展 开研究，通过订单维度的解耦分析方法构建出了22个有效的长短单因子，并从中挑 选出表现优异者构建出了精选长短单因子组合，在A股全市场及各大板块中均取得了 较为突出的表现。 统计结果来看，在20日换仓条件下，在选股维度，多个因子的RankIC均值大 于8%，其中有部分因子的RankIC大于10%。

（三）选股因子应用于 ETF

由个股汇总到指数，再映射ETF的逻辑，我们将选股因子应用到ETF轮动。考虑 到ETF产品的流动性，对ETF产品作规模和成交额等基本要求。另外，个股因子只涉 及境内A股市场，对跟踪海外和沪港深等指数的ETF作剔除处理。

本报告尝试基于如下因子进行ETF轮动回测，分别测算因子IC、分组收益等特 征，观察因子在ETF维度和个股相比是否有明显不同。 ETF范围：境内权益ETF； 回测区间：2020.01.01 – 2024.10.31； 分档方式：根据当期ETF的因子值，从小到大分为五档 ； 调仓周期：周度、月度； 加权方式：等权；重复性筛选：跟踪同一指数的多只ETF，仅保留规模最大或成交额最大的1只 ETF； 流动性限制：换仓日滚动过去2周的日均规模超过1亿元，日均成交额超1000万 元。

三、周频回测实证分析

（一）实证总体表现

周频ETF产品轮动模式下，ETF的IC值相对不够突出，但头部组合收益相对突出， 其中bigbuy_shortbuy_bigsell_shortsell_H1的IC均值相对较高，约3.4%。 筛选因子靠前的5只或10只ETF作等权组合，部分组合的回测收益明显高于wind 偏股混合型基金指数。其中bigbuy_bigsell因子、longbuy因子的Top5组合回测区间 年化收益分别为13.8%和15.2%。

（二）绩优因子信息

本部分进一步展示部分收益相对突出因子在分年度表现等方面的具体特征。 测算结果显示，分组收益方面，相对有效因子的多头组收益相对突出，但其他 几组的收益区分度不够明显。 分年度收益表现方面，绝对收益方面，2020年、2021年和2024年初至今相对突 出；相对收益方面，因子多头组合在2021年以来较稳定地实现超额收益。

四、月频回测实证分析

（一）实证总体表现

月频ETF产品轮动模式下，ETF的IC值相对突出，如bigbuy_bigsell的IC均值相 对较高，约6.7%。 筛选因子靠前的5只或10只ETF作等权组合，部分组合的回测收益明显高于wind 偏股混合型基金指数。其中bigbuy_bigsell因子、bigbuy_shortbuy_bigsell_shortsell 因子的Top5组合回测区间年化收益分别为16.8%和19.6%。

五、进一步检验

（一）相关性分析

因子内部，相对股票的相关性而言，可能由于可选标的数量相对更少等因素影 响，ETF端的内部相关性总体高于股票内部相关性。

我们团队前期发布基于卷积神经网络的选股因子（fimage因子）用于ETF轮动， 进一步对比该因子与Level2因子在ETF维度的相关性。结果显示，fimage因子与“大 小单”主题因子有一定相关性，与长短单因子的相关性相对较低。

（二）复合因子表现

本部分尝试将多个相对有效的因子进行合成，以检测合成后的因子相比于单个 因子能否边际提升。

复合因子1基于Level2因子加权合成，回测显示，复合后的因子表现并未提升， 说明因子内部相关性总体较高。

复合因子2基于Level2因子和fimage因子进行加权合成，回测显示，由于因子相 关性相对较低，回测年化收益边际提高。

六、总结

ETF市场概况：ETF产品凭借透明、低费率、交易便捷等优势，成为居民资产配 置的重要工具，指数化投资已成为境内公募基金行业发展趋势。Wind数据显示，截 至2024年10月底，境内交易所挂牌上市的ETF数量达到1005只，市值总规模达到 3.67万亿元，较2023年底（2.05亿元）大幅增长，创历史新高。 Level2高频因子：包含逐笔订单（Tick）数据，逐笔订单数据包含了当日交易时 段中集合竞价阶段和连续竞价阶段的每一笔订单数据，其中的关键信息包括精确到 毫秒的订单时间、逐笔序号、频道代码、价格、数量、金额、买入卖出订单号和订单 类别等详细数据。 Level2选股因子应用于ETF：由个股汇总到指数，再映射ETF的逻辑，将选股因 子应用到ETF轮动。考虑到ETF产品的流动性，对ETF产品作规模和成交额等基本要 求。

周频回测实证分析：基于ETF回测的IC值相对不够突出，部分组合的回测收益 明显高于wind偏股混合型基金指数。其中bigbuy_bigsell因子、longbuy因子的Top5 组合回测区间年化收益分别为13.8%和15.2%。 月频回测实证分析：基于ETF回测的IC值相对突出，如bigbuy_bigsell的IC均值 相对较高，约6.7%。bigbuy_bigsell因子、bigbuy_shortbuy_bigsell_shortsell因子的 Top5组合回测区间年化收益分别为16.8%和19.6%。 因子特征总结：分组收益方面， 相对有效因子的多头组收益相对突出，但其他 几组的收益区分度总体不够明显。分年度收益表现方面，绝对收益方面，2020年、 2021年和2024年初至今相对突出；相对收益方面，因子多头组合在2021年以来较稳 定地实现超额收益。 进一步检测：ETF端的内部相关性总体高于股票内部相关性。基于卷积神经网 络的选股因子（fimage因子）与Level2因子的相关性总体较小，与Level2因子进行合 成，多头组合回测年化收益边际提高。

编辑：火腿肠