20260826-国信证券-金融工程专题报告_基于分域轮动的科技板块投资策略_44页_2mb

报告摘要

基于分域轮动的科技板块投资策略总结

核心内容

本报告探讨了基于分域轮动的科技板块投资策略，旨在通过识别科技板块内部的风格切换规律，构建具有轮动增强效果的组合。核心观点如下：

科技板块是中美资本市场共同的核心主线，其市值占比持续提升，成为市场增长的重要驱动力。
科技基金的业绩长青概率较低，长期稳定战胜同类基金的基金较为稀缺，需注重风格适配与持续选股。
科技板块内部存在频繁的轮动现象，动量效应是轮动演绎的核心驱动力。
基于机构关注与非机构关注维度进行分域，能更精准捕捉科技风格切换信号，提升策略的稳定性与收益表现。

主要观点

科技主线的重要性
- 美股70年历史显示，科技板块逐步从边缘走向主导，2026年5月29日市值占比达34.59%。
- A股科技板块（TMT）市值占比从2006年的4.33%上升至2025年的22.55%，表明科技在市场中的地位日益提升。
科技基金的业绩波动性
- A股科技基金中，能连续三年或五年稳定战胜中位数的基金占比分别仅为14.64%和3.45%，说明科技投资需动态调整策略。
轮动策略与动量效应
- 科技板块轮动主要由动量效应驱动，但动量信号存在稳定性不足的问题，需结合趋势识别方法进行优化。
- 基于阶段反弹与回撤的趋势识别法可有效提升策略的稳定性，避免因趋势未确认而造成收益损失。
机构关注分域的策略优势
- 机构关注股与非机构关注股的分域策略，通过动态划分，实现对科技风格切换的精准捕捉。
- 该分域策略在2015-2026年期间表现突出，胜率高达81%，盈亏比1.53，多空收益均值达13.81%。
科技分域轮动增强组合的表现
- 该组合相对新兴成指长期稳健上行，年化超额收益达34.75%，信息比1.79，月度胜率71%。
- 组合年化收益达45.29%，2026年以来录得102.11%的收益，夏普比率1.39。

关键信息

科技板块的演变
- 美股科技板块在1990-2000年互联网泡沫期间权重快速冲高，2025年末达34.59%。
- A股TMT板块市值占比从2006年的4.33%升至2025年的22.55%。
科技基金的挑战
- 连续三年、五年战胜科技基金中位数的基金占比分别为14.64%、3.45%。
- 科技板块的高切换特性使得“长胜将军”式基金稀缺。
分域轮动策略
- 常见分域方式包括：行业主题、市值风格、成长价值风格、其他风格。
- 机构关注/非机构关注分域策略表现最优，胜率81%，盈亏比1.53，多空收益均值13.81%。
趋势识别方法
- 基于阶段反弹与回撤的趋势识别法，通过设定阈值（如10%）判断趋势转换。
- 在趋势不明确阶段引入常规状态，等权配置两类资产以提升稳定性。
科技分域轮动增强组合构建
- 采用多因子模型，在机构关注与非机构关注两个分域各选取25只股票构建增强组合。
- 该组合在2015年以来每年均取得正超额收益，年化超额收益达34.75%。
科技板块的扩容
- 原有TMT板块基础上，引入泛科技指数成分股，扩充至约1448只股票。
- 选取23个与科技相关的指数，最终筛选出15只，构成科技股票池。
机构关注股的划分
- 采用启发式分域方法，基于机构持仓市值、持股占比、卖方机构覆盖等指标，构建机构关注与非机构关注种子组合。
- 通过WLS回归，计算个股在机构关注组合上的暴露β，若β大于阈值（如0.9），则划分为机构关注股。

策略优势与风险

优势

风格适配能力强：能够根据市场风格变化动态调整配置，提高策略灵活性。
收益增强显著：机构关注增强组合年化超额收益达16.87%，非机构关注增强组合达26.95%。
稳定性较高：通过趋势识别法优化，减少因趋势未确认导致的收益损失。

风险

市场环境变动风险：宏观经济、政策、投资者行为等因素可能影响策略表现。
模型失效风险：基于历史数据构建的模型在极端行情下可能失效，需持续优化与验证。

策略应用与效果

操作规则
- 在机构关注股强势阶段买入增强组合，弱势阶段转向非机构关注股，趋势不明确时等权配置。
组合表现
- 2015年以来，科技分域轮动增强组合年化收益达45.29%，年化超额收益34.75%，月度胜率71%。
- 每年均能在科技基金中排名前50%，表现突出。
市值与换手率
- 组合市值中位数在2019-2020年偏大，2022年以来市值中枢下移，2025年又有所回升。
- 年度单边换手率平均为6.97倍，表明策略对市场风格切换反应灵敏。

结论

科技板块作为市场核心主线，其内部轮动频繁，需通过合理的分域策略进行配置。机构关注/非机构关注分域策略在动量轮动中表现优异，具备较高的胜率与盈亏比，能够有效捕捉科技风格切换信号。科技分域轮动增强组合在长期表现上优于等权组合，且具备良好的风险调整后收益。然而，该策略依赖于历史数据与特定假设，存在市场环境变动与模型失效等风险，需持续优化与监控。

展开完整摘要