2026年行业配置报告（2026年3月）：行业配置策略定期跟踪及行业ETF组合构建

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。

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。

1.3 策略跟踪

样本期内，根据相似预期差因子构建的多头 Top 6 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%。

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。

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 Top 6 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%。