收益来源类别划分下的 ETF 投资策略研究

摘要： 本报告探讨了一种基于收益来源类别划分的 ETF 投资策略。通过分析个股成分股重合度与指数相对收益相关性，利用迭代 K-means 聚类方法将 ETF 跟踪指数划分为 26 个一类标签，旨在通过精准区分 Beta 收益来源来优化资产配置与组合构建。

核心观点：

1. Beta 收益分类优化组合：通过对 ETF 指数进行聚类划分，在构建多头组合时采用“板块大类加权”而非简单等权，能有效提升收益并降低绝对与相对收益的风险。
2. 增强策略应侧重 Alpha：ETF 的收益主要来自行业和风格端（Beta），以 Beta 收益来源作为增强策略的配置维度性价比不高，指数增强仍应以 Alpha 为主，分类标签主要用于降低波动。
3. 绝对收益构建路径：建议以红利池为底仓（70%-80%），风格池为配置（10%-20%），行业池为收益增厚，在最小化 Beta 和最大化打分目标下可获得较好的风险收益比。

论据支撑：

1. 量化分类体系：结合申万一级行业权重占比、市值暴露及超额收益相关性，构建了包含超大盘、红利、综合科技等 26 类标签的分类体系。
2. 回测数据：多头组合策略 2019 年以来年化收益 20.30%，最大回撤 -35.07%；绝对收益组合年化收益 18.44%，最大回撤 -20.28%，整体表现优于中证红利全收益指数。

局限性/风险：

1. 模型失效风险：宏观环境或投资者交易行为改变可能导致量化模型失效。
2. 行情波动风险：市场主题行情波动可能加大非传统行业分类策略的波动。
3. 历史数据局限：回测基于历史数据，不保证未来收益。