PMI数据超预期，基本面回暖下看好消费和科技双轮驱动

从兴证金工择时模型看，截至2025年2月28日，兴证股票择时模型给出乐观信号，债券择时模型给出谨慎乐观信号，信号因子具体情况见下表。

根据截至2025年2月28日的“分歧与共振”行业轮动模型结果，排序最靠前的行业分别是： 电子、医药生物、建筑装饰、农林牧渔、汽车。 在经过宏观日历效应的调整后，各行业持仓权重分别为： 16.67%、33.33%、16.67%、16.67%、16.67%。

每月中，我们会根据技术面最新信号和宏观数据发布日效应对策略持仓进行调整，如需高频跟踪模型请联系兴证金工团队。

从各个维度的细分结果来看：

1）电子：主要推荐理由为技术面和资金流表现优秀。技术面上从行业内部个股分化情况来看，动量趋势积极，资金流维度，该行业相关窄基ETF份额相对缩小。

2）医药生物：主要推荐理由为技术面和基本面表现优秀，技术面上动量趋势积极且从叠加泡沫的产业链传导景气度溢出效应来看，行业存在上涨动力；基本面上业绩不可预测程度较高，其行业内超预期个股数量占比较高且行业内个股业绩存在一致趋势，且宏观数据发布后该行业存在超预期效应。

3）建筑装饰：主要推荐理由为技术面和资金流表现优秀。技术面上从叠加泡沫的产业链传导景气度溢出效应来看，行业存在上涨动力；同时，该行业相关窄基ETF份额相对缩小的同时大单资金流入靠前。

4）农林牧渔：主要推荐理由为资金流表现优秀，技术面和基本面相对均衡。资金流，该行业相关窄基ETF份额相对缩小的同时大单资金流入靠前。

5）汽车：主要推荐理由为技术面和资金流表现优秀。技术面上从叠加泡沫的产业链传导景气度溢出效应来看，行业存在上涨动力；同时，资金流维度该行业大单资金流入靠前。

进一步，我们基于行业指数与行业ETF之间的逻辑关系、收益率相关性、股票持仓相似性与流动性等维度综合考虑，构建了行业与行业ETF之间的映射关系，并根据每个月的行业轮动观点提供ETF推荐列表，供各位投资者参考，下表展示了行业ETF推荐名单。

在这一部分，我们将对“分歧与共振”行业轮动模型进行简要介绍。我们借鉴了宏观策略方向大量的思想，从分歧与共振的角度构建了一个综合技术面、基本面、资金流和宏观维度的稳健型行业轮动策略。

技术面维度，动量是最经典的技术面指标之一，基于动量的思想，我们分别考察了行业的内生动量和动量溢出效应：内生动量效应尝试从行业内个股走势趋同性的角度出发，成分股走势分化的加剧可能预示着行业当前整体趋势难以持续；动量溢出效应使用产业链上下游景气度溢出，从侧面衡量某一行业是否具有上涨动力。

基本面维度，我们聚焦于两大类衡量行业基本面的指标，分别为基于真实业绩的行业基本面评价指标和基于分析师预测的行业基本面评价指标。针对每个行业，我们首先判定该行业历史业绩的可持续程度，可持续程度越高的行业，我们主要从真实业绩的角度出发判断其基本面，而可持续程度越低的行业，我们主要从预期业绩的角度出发判断其基本面。

资金流维度，我们综合北向和ETF资金进行判断。北向资金代表了主动、外资视角的观点，而ETF资金代表了被动、内资视角的观点，不同资金在市场环境变化不同阶段的行业选择可能存在差异，拥有定价权的资金往往能够与股价共振。受北向数据披露限制，现阶段我们用主力资金对其进行代替。

宏观维度，行业表现具有发布日效应，我们发现在通胀数据即CPI发布日，当日表现好的行业，在未来一个月也倾向于继续表现好。

最终，本文综合技术面、基本面、资金流维度的信息，并进一步引入了宏观发布日效应，构造了一个高胜率、稳健型行业轮动策略。

2.3

历史表现回顾

我们以选择排序最靠前的6个行业（即综合因子值最大的6个行业）为例对策略表现进行回测。具体而言，在每个调仓日，我们首先选择最近一期技术面、基本面、资金流综合打分排名前6的行业作为备选并默认等权，然后根据最近发布日行业收益排序情况剔除排名后6位的行业，剩下的行业中若有发布日收益排序前6的则权重增加一倍后归一化。

从回测结果来看，截至2025年2月28日，策略年化收益率为14.45%，年化波动率为22.77%，相对等权基准的年化超额收益为16.15%；超额收益年化波动率为9.37%，最大回撤为7.82%，夏普比率和卡玛比率分别为1.72和2.06。

“共振与分歧”行业轮动策略高胜率特征突出，策略月度胜率达到了70%。同时可以发现，在过去的10年间（2016年至2025年2月），策略每年均能获得相对基准的超额收益，年胜率达到了100%。

2023年以来，在宏观环境的不断变化、市场热点的持续切换下，众多行业轮动模型纷纷失效，而本文构造的行业轮动策略能够较好地适应市场。

3.1.1 最新观点

风格一般是指股票所具有的某种共同特征，而该特征驱动此类股票的收益率保持一定的相关性。从历史看A股成长和价值风格轮动特征明显，相对走势发生了多次反转，这意味着如果能够捕捉风格的转换将有力地提升组合收益水平。我们选取申万高低市盈率指数作为成长和价值风格的代表，从技术面、国内流动性、海外流动性以及股市反弹期等角度选取了6个对成长价值轮动具有预测力的因子，并通过结构化的方法合成单因子信号，构建了多维结构化成长价值轮动模型。具体可参考2022年8月5日的深度报告《风格轮动系列七：多维结构化成长价值轮动模型》。

需要注意的是，这里我们对深度报告中的模型结构做了微调，使之更加符合逻辑和信号稳健。具体而言，股市反弹期因子不再是单独的开关型因子，而是与其它三个主要因子在同一层级。同时股市反弹期因子的信号生成逻辑调整为若性价比大于过去4年90%分位点，则观察过去两月成长是否战胜价值且价值收益为负，若是则看好价值，否则看好成长。性价比位于其它分位点的情形信号生成方式不变。

结构化模型2025年2月底给出风格偏价值的信号。从具体风格驱动因素看，相对多数维度信号看好价值。 历史上当以万得全A换手率为代表的交易活跃时，代表市场风险偏好较高，相对利好成长风格的表现。当前市场换手率突破过去2年的中位数水平，说明活跃程度相对较高，成长相对占优。过去一个月价值代表指数动量相对略占优，因此技术面维度总体信号均衡。从流动性角度看，当国内外流动性较好时，相对利好成长风格。国内流动性中，中长期贷款增速还处于下行状态，广义流动性还不够好，而期限利差相对较低，国内流动性维度总体信号偏价值。国外流动性主要指美债利率的变动，这个指标历史上对成长价值相对走势的解释力极强。当前美联储处于降息周期，美债利率预计呈下行趋势，相对利好成长风格。另外，股市反弹期因子显示股市整体性价依然处于极端高位，给出成长风格有望在反弹中占优的信号。综合来看，各因子信号加总后认为成长风格相对占优。

3.1.2 模型历史表现

我们回测的时间范围是2013年底至2025年2月底，选取申万高、低市盈率指数作为成长和价值风格的代表，使用成长和价值的月度调仓等权组合作为比较基准。从下方图表看，结构化多因子组合可以实现年化25.78%的收益率，0.99的收益风险比，最大回撤43.63%，均优于等权基准组合。结构化因子带来了20.23%的超额年化收益率，最大回撤为13.08%。

从分年表现看，2014至2024的所有年份中，轮动策略均实现了正的超额收益。总体看结构化风格轮动模型具有较强的稳健性。模型在2022年9月底以来的样本外表现优异，策略年化收益27.03%，远高于基准4.08%的年化收益，月度胜率71%左右。

3.2.1 最新观点

我们从趋势和拐点两个维度出发寻找逻辑和实证上对于大小盘轮动有预测力的因子，并构建大小盘轮动模型。 在趋势型指标方面，我们构建了流动性、经济增长和动量三个维度的指标。其中流动性我们使用期限利差和信用利差代表，经济增长我们使用房地产投资累计增速代表，动量我们用大小盘相对净值的均线突破捕捉。在拐点型指标方面，我们构建了市场拐点期和风格关注度拐点期两种因子。我们用股债相对性价比是否处于极端位置来判断股市整体的拐点。另外，我们使用大小盘的历史相对换手率分位数来捕捉风格关注度的拐点，相对关注度达到极端位置往往也是风格拐点的前兆。具体可参考2023年1月20日的深度报告《基于拐点+趋势的大小盘轮动研究》。

结构化模型2025年2月底给出风格均衡的信号。 从具体风格驱动因素看，多个维度相对看好小盘。动量维度风格过去一个月已经切向小盘。从经济增长角度看，代表传统经济增速的房地产投资累计同比与大小盘相对走势具有较强一致性。这主要是因为大盘股例如银行、地产等行业往往与传统经济整体更相关。近期地产投资同比继续下行，给出看好小盘的信号。从拐点型指标看，股市反弹期因子显示股市整体性价比已经处于极端高位，因此给出弹性高的小盘可能在反弹中占优的信号。风格关注度拐点没有给出明确方向。综合来看，各因子信号加总后认为小盘风格相对占优。

3.2.2 模型历史表现

我们回测的时间范围是2013年底至2025年2月底，选取申万大、小盘指数作为大盘和小盘风格的代表，使用大小盘月度调仓等权组合作为比较基准。从下方图表看，结构化多因子组合可以实现年化16.97%的收益率，0.68的收益风险比，最大回撤53.10%，均优于等权基准组合。结构化因子带来了11.76%的超额年化收益率，最大回撤为10.00%。值得注意的是，模型在2022年12月30日以来的样本外表现优异。策略实现8.23%的年化收益，高于基准1.03%的年化收益率，月度胜率达到68%左右。

4.1

组合构建方法

在每个调仓日，我们使用风险预算模型构建股债战略基准组合，然后根据股票择时信号对战略基准组合权重进行调整，并根据债券择时信号进行久期轮动配置，其中长久期债券用中长期纯债型基金指数（885008.WI）代表，短久期债券用短期纯债型基金指数（885062.WI）代表，从而构建中、低风险战术组合。组合具体构建方法请见附录。

4.2

历史表现

我们这里给出兴证金工股债配置组合自2014年1月2日至2025年2月28日的历史表现。

从图表看，股债基金指数配置组合中，战略基准组合实现了5.90%的年化收益和1.51的收益风险比。低风险战术组合年化收益率提升到6.51%，中风险战术组合进一步将年化收益率提升到7.69%，证明了战术配置的有效性。

4.3

最新一期权重

截至2025年2月28日，兴证金工择时模型给出股票乐观，债券谨慎乐观的信号，因此战术组合中超配股票权重，并配置短久期债券。组合于3月第一个交易日收盘即2025年3月3日进行调仓。

五、附录

本报告的资产配置过程分为两个部分：战略资产配置和战术资产配置。我们假设调仓频率为月度，在每月底获得下一期组合最优权重，并在下月的第一个交易日收盘时进行调仓。

值得注意的是，本报告测算过程中使用的资产收益率数据包括两种：权重计算标的收益率和实际配置标的收益率。具体来说，我们先选定用于计算最优权重的各资产指数收益率数据，然后将根据指数计算出的权重应用于具体配置标的进行组合构建。

我们使用风险预算或均值方差方法构建战略资产组合，从而获得战略资产配置权重向量。

然后我们对战略基准组合权重进行战术调整，其中包括两步。第一步，我们根据股票择时信号进行战术权重调整，当看多股票时提高股票权重，股票谨慎乐观时降低股票权重。第二步，根据债券择时信号进行久期轮动，若看多债券则配置长久期债券资产，否则配置短久期债券资产。

5.1

战略配置模型

风险预算模型是通过使每种资产对组合整体的风险贡献权重等于提前设定的风险预算来达到分散风险的目的。本质上，风险预算策略放弃了对回报率的预测而将重点放在了对风险编制预算的环节。

5.2

战术权重调整

若当前股票择时信号为看平，则不改变股票权重，股票目标权重等于原基准权重。

另外，在本报告多资产配置组合中，由于可能有多个同类型资产（如5种股票资产），这时单个股票资产的权重向上调整空间计算方法有所不同。我们先获得所有股票资产权重之和的向上调整空间，然后将此调整空间除以择时信号为看多的股票资产数量即得到每个股票的权重向上调整空间。

5.3

战术久期轮动

除了利用股票择时信号对战略基准权重进行调整，我们还可以根据债券择时信号选择债券配置标的，即进行久期轮动配置。

债券的走势主要受到基本面的驱动，包括经济增长、物价水平、资金面等因素；同时作为一种交易资产，债券价格也反映了市场中各方力量的博弈，投资者也可以从债券价格中挖掘市场情绪和风险偏好的变化。综合考虑各方面的影响，兴业证券金融工程团队使用实体经济、物价水平、债券估值、技术指标和短期资金流向指标构建了长期表现稳健的债券综合择时模型（详细内容请参见《系统化资产配置系列之十一：基于量化视角的利率债择时体系研究》2020-12-20），使用的择时因子请参见下表。

债券的久期表示债券的平均还款期限，久期越长表明债券对利率的敏感性越高，反之久期越短表明债券对利率的敏感性越低。在进行大类资产配置时，投资者可以根据债券的择时信号构建债券久期轮动模型，从而提高债券单资产的表现，策略的具体方案如下：当模型看多债券时，债券部分全仓配置长久期债券型基金；当模型看空债券时，债券部分全仓配置短久期债券型基金。

风险提示：模型结论基于历史数据，在市场环境转变时模型存在失效的风险。