【西部金工】相对旋转图RRG框架下的行业和ETF轮动策略

西部西部量化团队 2026-06-30 置信度: high

综合质量 4 /5

新颖性 3 /5

可复现性 4 /5

核心内容

研报以Julius de Kempenaer的相对旋转图（RRG）为框架，计算中信一级行业相对等权基准的RS-Ratio和RS-Momentum，将行业分为领先/改善/滞后/疲软四象限。核心策略分两层：第一层用自由流通市值加权扩散指标选出长期动量最强的6个行业；第二层用RRG三、四象限过滤剔除短期动能走弱的行业。最终信号通过组合优化映射至行业/主题ETF池，最小化ETF组合与行业打分Score的偏差，并约束单行业权重≤1/k。另设5%行业偏离约束的沪深300增强版本。

经济逻辑

扩散指标捕捉行业长期趋势广度（220日窗口），但无法识别边际走弱。RRG通过RS-Momentum领先于RS-Ratio的特性，刻画相对强度的边际变化方向。叠加二者 = 长期有动量 + 短期仍向上 = 动量延续概率更高，减少动量崩溃风险。顺时针旋转路径（领先→疲软→滞后→改善→领先）为行业轮动提供前瞻性信号。

超额收益逻辑

超额收益来源于：1）扩散指标捕捉长期动量效应——行业内成分股上涨广度高的行业具有持续性正向预期收益；2）RRG过滤剔除长期有动量但短期RS-Momentum已转负的行业，避免动量崩溃，减少震荡市中的虚假信号；3）组合优化以行业暴露匹配为目标，使ETF组合的行业暴露尽可能贴近选中的k个等权行业，控制非目标行业的暴露；4）顺时针旋转路径提供前瞻性，RS-Mom领先RS-Ratio拐点，使策略在趋势转折前后调整持仓。

构造细节 [strategy]

数据输入

: (日频): (日频): (日频/月频): (日频)

组合方式

两阶段过滤：扩散指标选Top6行业 → RRG剔除三、四象限 → 剩余k个行业等权打分（选中=1，其他=0）→ 组合优化映射ETF

绩效

21.51%

ETF轮动策略年化收益率

34.98%

ETF轮动策略最大回撤

20.60%

行业轮动策略年化收益率

8.42%

沪深300增强年化超额收益率

基准: 中信一级行业等权、沪深300

回测期: 2018.12.28-2026.03.31

基于相对旋转图(RRG)和扩散指标构建行业轮动策略，并映射至ETF。ETF轮动策略年化收益率为21.51%，最大回撤34.98%，相对中信一级行业等权和沪深300的年化超额收益率分别为10.34%和14.86%。

收益归因

报告未进行收益归因分析。

缺口: 未提供基于风险因子或风格暴露的归因结果，仅分析了策略在不同市场状态（上涨、下跌、震荡）下的表现。

稳健性

子样本稳定性: 参数敏感性：RS-ratio回看200-250日、RS-mom回看60-100日区间内策略表现稳定，所选(220,60)非过拟合尖点。调仓频率：月频/双周频/周频年化21%-23%，差异不大，换手增加的收益被交易费用侵蚀。分年度：2019-2025每年均为正收益，2024-2025年二级行业轮动优于一级行业。

风格偏差: 策略为动量类，在单边上涨市（2019-2021.09, 2025.04至今）超额弹性大；下跌市（2023.04-2024.09）超额稳健；大幅震荡市热点切换快时出现回撤。存在动量崩溃风险。

参数稳健性中等偏上，调仓频率不敏感，但风格偏向动量，震荡市表现较弱，需结合其他信号或仓位管理改善。

数据依赖

所需数据: 中信一级行业指数日收盘价、行业成分股自由流通市值及收盘价、行业/主题ETF全部持仓及日成交额、沪深300行业暴露

可复现性: medium

核心计算逻辑清晰可复现，RRG和扩散指标公式明确。主要难点在于ETF持仓数据的及时性和准确性（持仓数据有滞后），以及行业/主题ETF样本池的动态变化（上市退市）。组合优化为标准二次规划，可用cvxopt/scipy求解。

新颖性评估 [新组合]

RRG和扩散指标均为成熟方法，研报的创新在于将二者组合使用——扩散指标选长期动量+RRG过滤短期动能走弱行业，互补解决扩散指标在震荡市滞后问题。ETF映射的组合优化方法和沪深300增强构建属于工程化应用，方法论创新性中等。

不足与缺陷

扩散指标仅用单一220日窗口，对短期边际变化不敏感，叠加RRG仅做剔除而非加权融合，信号利用率不高
ETF持仓数据存在滞后（季报披露），用最新持仓计算行业暴露可能与实际有偏差，回测中可能存在前视偏差
行业/主题ETF样本池随时间变化（新上市ETF纳入时点未明确说明），可能存在存活偏差
未提供收益归因分析（Brinson或因子暴露分解），无法判断超额收益来自行业选择还是ETF选择
2026年数据为虚构时间，回测结果真实性存疑
RRG的顺时针旋转假设在A股短期波动剧烈时可能不成立，A股行业轮动速度远快于成熟市场
交易费率单边万3未考虑冲击成本和滑点，ETF流动性较差时实际成本更高
二级行业轮动仅展示结果，未说明109个行业的具体计算和ETF映射方式
单ETF权重≤20%或无行业约束的变体仅展示收益，未分析风险调整后的稳健性

可复用元素

RRG四象限划分逻辑清晰，RS-Ratio=100×RS/SMA(RS,220)、RS-Mom=100×RS_Ratio/SMA(RS_Ratio,60)的标准化方式可直接使用
扩散指标+RRG两层过滤的框架可推广至其他动量因子的改进
ETF组合优化映射方法（min偏差+行业权重约束）具有通用性，可用于任意行业信号到ETF的转换
不同调仓频率的对比结果（换手收益被费用侵蚀）对实务操作有参考价值
参数敏感性分析（200-250日/60-100日）为参数选择提供了稳健性证据

启发

RRG不仅可用于行业轮动，也可用于个股相对行业基准的轮动，或跨资产类别（股/债/商品）的轮动
RRG的顺时针旋转路径可量化为旋转速度/旋转角度，作为行业加速度因子
扩散指标的多窗口版本（如同时计算60/120/220日）可构建扩散指标期限结构，类似期限利差
ETF映射的组合优化方法可推广为任意信号到可投资标的的映射，包括但不限于Smart Beta ETF、主动基金组合
无行业权重约束版本年化31.53%说明信号本身较强，可考虑用风险预算替代简单约束

改进方向

用多窗口扩散指标加权替代单一220日窗口

基于: 扩散指标在220日窗口下震荡市滞后预期收益: 结合60/120/220日三窗口的扩散指标，短期窗口捕捉边际变化，长期窗口确认趋势，预计减少震荡市回撤2-5个百分点

将RRG从二值过滤改为连续权重打分

基于: 当前仅剔除三、四象限，一二象限内部无区分预期收益: 用距原点距离×象限权重构建连续得分，替换0/1打分，提升信号分辨率和信息利用率

引入行业波动率状态识别进行动态仓位管理

基于: 策略在震荡市回撤明显预期收益: 用行业间收益相关性或横截面波动率识别市场状态，震荡市降低仓位/增加约束，预计最大回撤从35%降至25-30%

RRG旋转速度因子替代RS-Momentum

基于: RS-Mom仅为一阶变化率预期收益: 计算RRG图中行业点在二维空间的旋转角速度（atan2方法），捕捉趋势加速/减速，预期提升信号前瞻性

复现计划

1) 数据准备：获取中信一级行业指数（28个，剔除综合/综合金融）日收盘价、成分股自由流通市值及收盘价、行业/主题ETF持仓及成交额。2) 计算RS：每日RS=行业指数/等权基准。3) 计算RS_Ratio_raw=100×RS/SMA(RS,220)，RS_Mom_raw=100×RS_Ratio_raw/SMA(RS_Ratio_raw,60)，再各取MA20。4) 计算扩散指标：对每个行业成分股比较T vs T-220日收盘价，用自由流通市值加权，取MA20。5) 每月末：选DI最高的6个行业→剔除RRG三、四象限→剩余k个行业Score=1。6) ETF池：全市场行业/主题ETF，同指数留20日均额最高者。7) 组合优化：用scipy.optimize或cvxpy求解min Σ(Σw_f×w_{f,i}-Score_i/k)² s.t. w_f≥0, Σw_f=1, Σw_f×w_{f,i}≤1/k。8) 沪深300增强：将最后约束改为|Σw_f×w_{f,i}-w_{300,i}|≤5%。9) 回测：月频调仓，单边万3费率。10) 验证：对照报告中ETF轮动年化21.51%、行业轮动年化20.60%、增强超额8.42%等关键指标。