高景气 ETF 乖离率策略深度研究报告

一、核心结论

我更认可“高景气过滤后乖离率等权”作为汇报主版本，因为它夏普更高、最大回撤更低、不过度依赖 Top10 排名；Top10 版本收益略高，但集中度更高，回撤也略大。当前版本适合作为研究框架和观察系统，若要实盘，还应补入 Wind 行业盈利预测、ETF流动性冲击、申赎规模变化、以及更严格的样本外检验。

二、标的池来源和去重规则

原始标的来自本地 Wind 导出的关注 ETF 表：C:\Users\gaohaobo\.codex\ETF基金.xlsx。处理时先按跟踪指数去重，同一个跟踪指数只保留最新规模最大的 ETF，避免同一指数下多个 ETF 重复计权。

三、景气度筛选逻辑

策略当前把刘晨明“高景气行业优先”的思想落成两层代理过滤。第一层是主题白名单：AI、TMT、算力、云计算、通信、半导体、芯片、机器人、电网、创新药、医疗设备等。第二层是中期趋势过滤：价格站上 120 日均线，或 120 日收益为正。金融地产、红利低波、煤炭钢铁、油气、传统消费等被剔除。

重要限制：这里还不是“真正的盈利景气度数据库”。它是用 ETF 名称/指数名称和中期价格趋势做代理。优点是稳定、可日更、可复现；缺点是可能错过基本面景气刚启动但价格尚未确认的行业，也可能把短期强趋势误判成景气。

四、乖离率公式和阶段分类

乖离率使用对数价格相对 EMA20 的偏离，和普通价格乖离相比，对数形式更适合跨 ETF 比较。

阶段分类来自乖离率和趋势稳定性组合：

当前回测里的“买入/持仓集合”只有三个阶段：买入区、主线确认、重新入场。也就是说，代码里的买入信号不是单点买入，而是每天重新生成目标组合：当天属于这三个阶段且通过景气/趋势过滤，就进入候选；否则目标权重为 0。这里有一个需要特别审计的问题：名称叫“持有区”的阶段，在当前回测里并没有继续持有，而是会被调出。这和中文直觉不一致，属于下一版必须修正或重新命名的地方。

五、回测设置

回测使用 ETF 历史收盘价序列，信号日收盘后生成目标权重；收益计算使用下一交易日收盘收益，避免用未来数据。单边交易成本按 0.1% 扣减；初始资金 100 万元。对比对象是沪深300ETF(510300)买入持有。

六、当前截面信号

当前最终纳入 28 个 ETF，其中买入/主线确认/重新入场 15 个，过热 6 个。

七、交易详细过程

下面是重新整理后的逐次调仓记录。每行以“信号日期”为准：该日收盘后生成目标持仓，并按下一交易日收益计算组合净值。卖出原因按优先级归类为景气/趋势过滤失效、阶段离开买入集合、Top10 排名挤出或等权再平衡。

八、完整筛选清单

这张表展示所有去重后的 ETF：哪些通过景气筛选，哪些通过中期趋势，最终是否纳入，以及当前乖离率阶段。

九、我认为还需要领导前重点说明的风险

• 样本期偏短：当前从 2024 年开始，经历了成长风格较强的阶段，不能证明长期跨周期有效。
• 景气度是代理变量：目前还没有接入 Wind 盈利预测增速、行业景气高频指标和成分股一致预期。
• 换手偏高：年化换手接近 100，实盘需考虑冲击成本、场内流动性和交易纪律。
• ETF 主题重叠：AI、通信、半导体、机器人之间相关性高，组合表面分散，实际风险因子可能集中。
• 信号更适合“景气主线回调买入”，不适合单独判断行业长期拐点。

十、下一版建议

如果这套框架要升级到可汇报版本，我建议下一版加入三项：第一，用 Wind 行业一致预期净利润增速/上修比例替代关键词景气；第二，把 ETF 成交额、规模、折溢价纳入交易可行性过滤；第三，做 2020-2023 的样本外压力测试，尤其检验成长股熊市和风格切换阶段。