穿越牛熊：行業輪動策略的反脆弱進化論

當ETF賽道深陷費率戰與規模焦慮時，中證A500指數卻以另類姿態撕開市場——這只誕生即被貼上“新銳”標簽的寬基指數，憑借對科創屬性與中小市值的傾斜性覆蓋，成為近兩年機構博弈“貝塔收益”的主戰場。

除了密集成立的指數基金以外，截至今年4月，全市場已有26只指數增強產品參與競逐，不同產品之間分化劇烈：兩只成立時間間隔不到一個月的A500指數增強基金，目前的超額收益差值已經接近10%。

歸根結底，A500指數"市值+行業雙輪篩選"的編制原則，使得成份股市值和流動性分層顯著，為量化模型留足了“翻石頭”的空間。因此，在選擇A500指數增強基金時，基金經理的投資能力與增強策略變得至關重要。

華安基金量化投資部助理總監、基金經理張序的突圍密碼，藏在八年磨一劍的"行業輪動+多因子"雙擎模型里。通過對行業輪動的深度理解和持續迭代，其管理的華安事件驅動量化基金自2020年執掌以來，連續五年跑贏偏股混基指數，年化超額收益達9.3%，無論在公募量化還是主動股基均排名前1%。

而當市場還在爭論主動量化與被動投資的邊界時，華安基金已悄然完成中證A500產品線的戰術合圍。繼2024年精準卡位A500ETF之后，再次推出了由張序管理的中證A500指數增強基金（A類：023466；C類：023467），既是對市場需求的精準回應，也是其量化投資能力的一次戰略升級。

行業輪動恰逢其時

4月初，突發關稅事件為經濟復蘇的不確定性蒙上了一層新的陰影，也打斷了A股的上升節奏，春季行情中的兩大發動機AI和機器人紛紛熄火。但在市場劇震中，也同樣有板塊表現優異，比如博弈政策的大消費和應對地緣沖突的自主可控。

這種新舊主線的分野，恰恰是過去多年A股走勢的一個縮影。即使有時指數沒有走出明顯的行情，但卻總會有表現出彩的行業，因此在A股的投資策略中，行業輪動一直是熱門課題。

華安基金的行業輪動配合多因子選股模型起始于2017年，彼時也正是張序剛剛加入華安基金的實踐起點。作為中科大少年班統計學專業出身的前UBS量化分析師，張序具備著非常扎實的量化分析基礎，同時也深度參與并一步步見證了華安量化模型的誕生與成熟。

在模型構建之初，華安量化投資團隊曾經對比過三類主流的投資策略方法論，分別是大類資產配置策略，行業輪動策略和選股策略。

其中，大類資產配置策略選擇資產的樣本數偏少，多半在20個子資產以內，屬于小樣本研究，從量化模型到投資實踐的不確定性最大；而行業輪動策略屬于中樣本研究領域，在30多個申萬一級行業的基礎上對個別行業進行拆解，可以使樣本量超過40個，相比于小樣本會更精確一點；而選股策略則屬于大樣本研究，相對來說精確度最高，但是在波動率和回撤控制方面略有不足。

考慮到公募基金客戶的風險偏好，華安基金量化投資團隊最終選擇以行業輪動策略為基礎來搭建量化模型，其中首要解決的問題是如何對行業進行排序。

“經過探索，我們最終是通過多因子框架來解決行業排序問題，”張序介紹道，“多因子模型不僅能有效解決行業排序問題，而且將行業多維信息數據與行業觀點相結合，來幫助我們預測行業未來的表現情況。”

多因子框架就像自動駕駛系統：L2級輔助駕駛夠用，但要在秋名山漂移還得藤原拓海。而華安基金的獨特之處在于，將行業深度研究作為因子加入了量化模型之中。

“基本面類因子在2020年以前表現亮眼，貢獻了絕大部分超額收益，”張序表示，“但是由于賣方分析師預期因子的缺陷，2020年以后因子波動加大，一方面A股市場分析師傾向于發表樂觀預期而避免發表負面觀點，造成分析師預期數據相對樂觀；二是分析師預期變動相對滯后。”

為了降低分析師預期問題對投資的影響，華安量化投資團隊開始對行業進行更加深入的研究，以便更好、更精確且更及時的對行業盈利預期形成更好的刻畫。

“在這部分我們做了比較多的研究，也一直在不斷完善這個體系。包括對產業鏈進行劃分，與該行業買賣方交流，梳理指標，并判斷相關性與領先性，最后滾動回歸預測EPS等，以預測每個行業未來一個季度盈利預期會是怎么樣，作為對賣方分析師預期數據的補充，幫助我們更好地分析、了解、跟蹤行業預期數據。相當于我們對每個行業有個景氣度修正體系。”張序說。

而在行業輪動策略的基礎上，華安量化投資團隊還運用了多因子選股模型和事件驅動模型來精選個股，進一步提升組合的超額收益能力。

目前，張序已將機器學習技術引入選股體系，結合決策樹分類器模型、深度學習模型、時間序列學習模型和卷積網絡學習模型等方法，在多維度數據分析的基礎上，幫助篩選出具備投資價值的個股。

并且，針對賽道型行業，如電子、新能源、醫藥、食品飲料等，還搭建了單行業選股模型，通過行業內部的精細化選股捕捉黑馬個股，進一步提升超額收益潛力。

除此以外，張序還配置了一定的倉位用于事件驅動的交易策略。例如，在業績披露階段，基金經理會統計過去業績超預期的公司整體的超額和投資勝率，并據此進行動態調整，以捕捉事件驅動的投資機會。

在實踐中不斷迭代

從2019年開始，這套行業輪動配合多因子選股模型逐漸打磨成熟，并開始投入實戰，目前已經在包括華安事件驅動量化基金在內的多類產品中應用。從結果來看，在震蕩市中模型的超額收益比較明顯。

“如果是單邊上漲或者單賽道行情，比如2018之后那幾年消費行業的超額收益相對較強，大家更多把消費行業的貝塔屬性理解成阿爾法屬性。這個時候做行業輪動，每個月都選到消費行業的難度很大，甚至在交易過熱的時候，我們出于風險角度考慮還會主動回避，雖然損失了一定進攻性，但有助于控制回撤，提升投資人的持有體驗。”張序介紹。

相反，恰恰是在震蕩市中，指數漲幅限制場外資金的進場熱情，某一行業或賽道經過一段時間上漲之后，沒有增量資金加持做多動能難以為繼，市場情緒便會向其他有預期的低位行業轉移。行業輪動模型因為可以及時把握切換信號，因此可以做出比較明顯的超額收益。

而比較難能可貴的是，張序還會在實戰中對不斷對模型進行迭代。

由于A股個人投資者交易量占比長期超過60%，經常出現非理性交易行為，導致價格波動與基本面脫節，再加上政策與監管環境動態變化，基于歷史統計規律的量化模型很容易失效。只有通過持續監控市場結構變化、深入理解本土市場特性，并靈活結合技術創新，才能在這一高波動、強博弈的市場中維持策略的有效性。

從歷史上看，張序的量化框架經歷過三次比較大的進化。

第一次是在2021年2月。在此之前，張序的行業輪動更多是從尋找阿爾法的角度出發，并沒有太多考慮風險因子。2021年春節后，在美債利率上行的背景下出現了抱團股的批量回調，對行業輪動模型的波動控制能力產生了比較大的挑戰，促使張序把風險因子納入了模型之中。

具體操作就是基于PEG模型、PB-ROE模型、市盈率歷史分位數等，來篩選掉高估值、低性價比的行業，盡可能避免選擇過度擁擠的行業。

張序補充，“在過去兩年投資實踐中，也是比較有效的幫我們做了行業篩選，比如說2021年8月份，通過風險類因子，我們提早把周期行業給排下去了。還有2022年8月份，也是通過這類因子，把新能源行業排下去了，幫助我們兩次避免買入高擁擠的行業。”

第二次則是在2022年一季度。當時由于俄烏戰爭、國內疫情反彈等利空事件比較多，高成長的“新半軍”出現了集體回調，后期公募基金的踩踏行為比較嚴重。經過分析張序發現，這些賽道雖然分布在不同的行業，都基本上屬于一個大賽道。從表面看，組合可能是行業分散的，但實質上會集中在某一兩個賽道，形成了比較強的組合相關性。

于是，張序在行業模型中加入了賽道中性和估值中性的風控方式，降低單一賽道波動對組合帶來的影響。“其中，賽道中性主要是基于申萬一級、二級行業對行業進行賽道的切分，嚴格控制每個賽道中的行業數量不超過兩個，來控制賽道集中的風險，”張序表示，“而估值中性，就是把最終的行業組合看成股票組合，來控制組合的估值相對于我們要跟蹤基準估值的偏離。”

第三次則是在最近兩年。伴隨著ChatGPT橫空出世，張序敏銳察覺到AI在量化投資領域的應用潛力，因此早早開始了相關探索。

“不僅在AI最擅長的量價領域，大模型會比較強的賦能，另一方面在基本面量化上，我們也做了很多研究，”張序說，“包括對于很多非結構化的數據，都可以通過一些AI模型來進行學習、轉化出一些不錯的因子，這也是我們重點探索的方向之一。”

而經過兩年多的研究實踐，張序在AI量化上已經積累起非常豐富的經驗，本次發行的華安中證A500指數增強基金，也將是升級后的量化框架的全新實踐。

尾聲

清明假期前后，特朗普政府的加稅政策引發了全球資本市場劇震。這種“無差別攻擊”，本質上是試圖以短期政治收益換取長期經濟轉型，但其忽視了全球化深度互嵌的現實，低估了中方反制決心與國際社會的反彈。

中國通過“以戰止戰”的強硬姿態，既捍衛了自身利益，也為多邊貿易體系提供了抗衡單邊主義的范本。未來，若美國繼續升級對抗，全球經濟或將陷入更深的“囚徒困境”，而中國在重構供應鏈、技術自主與貨幣體系方面的布局，可能成為破局關鍵。

而華安中證A500增強基金（A類：023466；C類：023467）的推出，既是對“新質生產力”的政策呼應，也是量化投資從“因子內卷”向“AI進化”躍遷的試水之作。張序的挑戰在于：如何在策略透明化與超額收益之間找到新平衡，又如何在中證A500的30只同類產品中構建差異化壁壘。

在A股這片非有效性的沃土上，量化投資的終極對決，早已超越因子挖掘的“技術維度”，升維至認知迭代的“哲學層面”。張序與中證A500的碰撞，恰似一場動態博弈的實驗——當市場進化的速度超過模型迭代的勇氣，任何Alpha終將淪為Beta；唯有將“預判變化”刻入策略基因，方能在不確定性的迷霧中，捕捉那道轉瞬即逝的確定性微光。

風險提示:基金有風險，投資需謹慎。以上內容僅供參考，不預示未來表現，也不作為任何投資建議。其中的觀點和預測僅代表當時觀點，今后可能發生改變。未經同意請勿引用或轉載。

作者：張偉棟

編輯：沈暉

責任編輯：沈暉