ETF的聚类优选与热点趋势策略构建| 民生金工

国联民生叶尔乐 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

报告提出“聚类-评价-趋势”三层ETF优选框架。首先利用k-means++算法根据指数成分股重叠度进行半年度聚类降维；其次在同类指数中从估值贡献、集中度、盈利能力、成长性及长短期夏普比率维度剔除较弱者，并对跟踪同一指数的ETF按费率、规模、成交额等打分优选；最后在初筛ETF池中，通过K线的最高价与最低价20日回归系数判断多空形态，选取双上行且最高价斜率大于最低价斜率的标的，再叠加短期换手率跃升条件，选出10只ETF构建风险平价组合。

经济逻辑

K线的最高价与最低价是多空力量极值博弈的结果，蕴含阻力与支撑信息。当最高价与最低价同时上行，且最高价上行斜率比最低价更陡峭时，说明支撑强于阻力，上方空间打开。叠加短期换手率激增代表市场资金关注度急剧上升，两者共振可有效捕捉ETF短期热点趋势爆发的机会。

超额收益逻辑

核心超额收益来源于两点：一是通过多维评价体系筛选出基本面优秀、流动性好且夏普比率高的优质ETF资产，剔除编制不合理和基本面弱的指数；二是通过价格形态（最高价斜率强于最低价斜率表示支撑强于阻力）与资金面（短期换手率激增代表短期关注度跃升）的共振，精准捕捉短期上涨趋势强劲的ETF品种，叠加风险平价控制组合波动。

构造细节 [strategy]

数据输入

: (半年度): (季度/半年度): (月度): (日频)

组合方式

在初筛ETF池中，选取最高价与最低价20日回归系数均为正的ETF；计算支撑阻力因子并取前20%；再在其中选取近5日/近20日换手率比值最高的前10只ETF；利用风险平价模型分配10只ETF权重，周度调仓。

绩效

14.46%

年化收益

14.44%

年化波动

1.0

年化夏普

12.56%

年化超额(相对沪深300)

基准: 沪深300指数

回测期: 2016年至2025年2月21日

组合2016年以来年化收益14.46%，年化波动14.44%，年化夏普1.0，相对沪深300指数的年化超额12.56%，在择时和资产配置上较为准确。

收益归因

对主动基金与ETF的业绩差异进行了归因分析，指出主动基金超额收益主要来自行业配置，而在风格偏离上不占优，选股alpha稳定性较弱。

方法: 收益拆分

缺口: 未对构建的ETF组合策略自身的超额收益进行归因分析。

稳健性

子样本稳定性: 2016-2017年由于市场上ETF数量较少，且经基本面筛选后大盘宽基占比低，策略超额出现明显回撤；2018年后随着ETF池扩大，稳定性显著增强。

风格偏差: 策略高度偏向动量、趋势及短期资金流入风格，在存在明显行业主线或主升浪行情中表现优异，但在市场快速轮动或震荡行情中可能产生较多交易磨损。

策略对ETF样本池宽度有一定依赖，在样本充足的近几年表现稳健，但具有显著的动量和趋势风格暴露。

数据依赖

所需数据: 半年度指数成分股及权重、季度财务数据、月度ETF产品指标（费率、规模、成交额、跟踪误差等）、日频ETF量价数据（最高价、最低价、换手率）

可复现性: medium

需要指数成分股权重及多维度基本面数据用于k-means++及打分筛选，数据获取相对容易，但历史早期成分股数据及部分指标可能存在缺失，复现难度中等。

新颖性评估 [新组合]

策略本身使用的方法（k-means++、风险平价、线性回归斜率）均为传统算法，但创新性地将这些方法在ETF投资流程中进行了巧妙组合，构建了完整的“聚类-评价-趋势”三层ETF优选框架。

不足与缺陷

k-means++中n/5的聚类数量设定缺乏理论依据，可能导致某些大类被拆分过细或小类合并过多
基本面打分及ETF评价打分均采用等权或固定权重，未考虑不同市场环境下各维度的有效性差异，可能存在指标失效风险
换手率作为资金关注度代理变量存在噪音，短期换手率激增也可能是资金出货导致，单向做多可能面临高位接盘风险
2016-2017年由于样本不足导致超额回撤，说明策略对池子宽度有依赖，缺乏应对小样本的缓冲机制

可复用元素

通过k-means++按成分股相似度对指数进行聚类降维，解决了ETF跟踪指数冗余复杂的问题
利用最高价与最低价的20日回归斜率构建支撑阻力形态判断，提供了形态量化的新视角
ETF产品评价体系（费率*0.4+成交额*0.2+规模*0.2+跟踪误差*0.1+信息比率*0.1）极具实操价值

启发

高低价形态斜率差因子可推广至个股或可转债的短期趋势判断
聚类降维可应用于全市场股票或基金的分类去重，提升后续打分优选的合理性
短期/中期换手率比值可作为资金关注度跃升的独立alpha因子应用于多资产市场

改进方向

将基于价格形态的支撑阻力因子与基于真实资金流向（如北向资金净流入或主力净流入）或行业景气度指标相结合，构建量价与基本面共振的增强型因子

基于: 原策略仅使用量价形态和换手率作为信号，未考虑资金流出导致换手率激增的假信号及行业基本面拐点预期收益: 提高趋势判断胜率，减少在震荡市或假突破行情中的无效交易磨损

对最高价与最低价斜率进行横截面Z-score标准化，并引入波动率调整，构建跨品种可比的趋势强度因子

基于: 原策略直接使用绝对斜率差作为支撑阻力因子，未考虑不同ETF价格量纲不同导致的斜率不可比性预期收益: 消除绝对价格差异带来的因子偏差，增强因子在不同价格区间ETF间的横截面区分度

复现计划

1. 获取全市场非货币ETF及跟踪指数的成分股、权重及基本面数据；2. 半年度应用k-means++聚类，并完成指数与ETF的多维打分初筛池构建；3. 计算每日最高价与最低价20日回归斜率，筛选双上行标的；4. 计算支撑阻力因子取前20%，结合换手率比值取前10只；5. 应用风险平价计算权重，按0.05%成本周度调仓回测验证。