重要提示：通过本订阅号发布的观点和信息仅供中信建投证券股份有限公司（下称“中信建投”）客户中符合《证券期货投资者适当性管理办法》规定的机构类专业投资者参考。因本订阅号暂时无法设置访问限制，若您并非中信建投客户中的机构类专业投资者，为控制投资风险，请您请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。对由此给您造成的不便表示诚挚歉意，感谢您的理解与配合！
核心结论
本文深入探讨了散户投资占比较高行业ETF、机构为主导的新发主动权益基金以及私募基金的资金流行业轮动效应及其对策略的增强作用。其中，行业ETF的资金流构建的行业轮动策略可实现多空年化收益32.24%。新发主动权益基金的资金流入构建的轮动策略年化多空收益达9.81%，通过优化为一年同比的横截面因子后收益稳定性可进一步提高。私募基金行业配置轮动策略在2021年后表现出更强的抗风险能力，年化多空收益14.2%，相对公募行业配置超额收益5.79%。
行业ETF的资金流行业轮动效应及对现有策略增强
行业ETF的投资形态很大程度上反映了市场中散户的投资行为，其机构持有率最低，整体仅20%的机构持有率，ETF新发3个月至半年份额稳定后，ETF对应的指数或行业往往会迎来上涨。根据份额变动率构建行业轮动策略，在一级行业中，可以取得多空年化26.52%的效益，在二级行业中进行轮动可以取得多空年化32.24%。直接使用ETF份额变动率构造ETF组合效果并不优秀，但如果使用Leiden算法将ETF的份额变动率按照ETF分类进行汇总后构建ETF组合，可以取得年化多空31.03%的收益。使用份额变动率的一级行业轮动策略对公募基金优选基金资金流行业轮动进行增强，策略增强后的各年多空收益相较于原始策略有明显改善。
新增主动权益基金资金流的行业轮动策略研究
构建模型模拟计算新成立主动权益基金在各个行业流入资金情况，并以此构建行业轮动策略，策略多空全时段和偏股混相对全A强势程度走势以及新发主动权益资金一致程度较高，2021年前收益斐然，2021年Q3后收益较弱，改造为一年同比的横截面因子后收益稳定性得以提升。
私募基金资金流的行业轮动策略研究
构建模型对私募股票基金进行仓位估算后，私募基金权益仓位相比公募基金权益仓位和市场指数走势一致性更高，在择时层面使用私募和公募的仓位差异构造策略效果并不惊喜。使用私募行业配置构造行业轮动和公募相比，受到抱团瓦解现象冲击更小，从近年收益情况来看，私募的行业配置近年来显然更具参考价值，年化相对公募行业配置跑赢5.79%
风险提示：基金过去业绩不代表未来收益，基于多种方法对基金收益处理后的收益数据同样不能代表基金未来业绩表现；量化模型存在失效风险，从历史上看，突发政策，美债利率及贸易冲突等宏观事件均可能导致大小风格轮动产生季度层面错判从而影响后续应用；基金标签仅为量化维度客观评价，不代表基金主观投资策略；基金组合拟合程度受到多种结果影响，可能会和理论净值产生较大差异；建模模型仅为估计理想情况，与现实世界可能存在较大差异，结果仅作为研究讨论使用，不构成投资建议。
本文对市场中散户、公募基金以及私募基金的资金流进行研究和讨论，散户视角我们从散户持仓占比极高的行业类ETF入手，测算ETF新发资金及后续资金变动对行业指数走势的影响；公募基金我们在已有的基础上一方面使用散户的资金流行业轮动效应对其进行增强，另一方面补全了过往研究中着重存量基金的研究忽视新发基金研究的短板，构建模型估算了新发基金的持仓并模拟估算建仓过程中流入市场资金对行业指数的影响；私募基金方面我们在以往研究的基础上进行了仓位测算的初步尝试，并研究私募基金仓位和公募基金仓位的走势异同及对市场的择时效应，同时也测试了私募基金行业仓位的行业轮动效应。
本文结构分为三部分，分别阐述我们在ETF资金流、公募新发主动权益基金资金流及私募基金资金流的影响，每部分内包括资金流的测算及模型构建等细节，最终落脚于构建策略进行检验。
主要内容
一、行业ETF的资金流行业轮动效应
我们使用2024年中报披露统计不同细分类型股票ETF的投资者结构，并考虑联接基金的机构投资穿透。下图为不同ETF分类机构投资者持有占比的平均以及中位数。其中，宽基类ETF机构持仓中位42.6%，细分下A50，沪深300和中证800等指数的机构持有率均超过70%，创业板宽基指数ETF的机构持有率最低，不足40%；风格类ETF机构持有率34.46%，其中地区发展和国企类ETF机构持有率超80%；而行业类ETF的机构持有率最低，整体仅20%的机构持有率，细分行业中，最高的公用事业及交运行业为代表的稳定类ETF机构持有率超40%，其余行业ETF机构持有率均较低，医药、新能源和金融行业ETF的机构持有率仅10%至20%。
因此，行业ETF的投资形态很大程度上反映了市场中散户的投资行为。本节中，我们聚焦于行业ETF，讨论对有新ETF覆盖的行业或ETF新品进行投资，研究是否能获取超额收益。
1.1
ETF新覆盖行业的投资
ETF在上市前一个月基本信息均披露完毕，因此我们可以使用ETF所跟踪指数作为刚上市的投资组合代替。当所跟踪指数在某个中信一级行业的投资占比超过某个阈值时，定义该行业为“ETF覆盖的行业”；在每个月末，我们统计当前市场被ETF覆盖的行业，如果当月新加入ETF覆盖的行业在此前并未有被ETF覆盖，则该行业为“ETF覆盖的新行业”。
统计ETF新覆盖行业覆盖时点前后12个月对应行业的平均相对超额收益，假设t0为新行业进入ETF市场的时点，在t0的左边，t在-12~0之间的行业超额收益计算方法为t0/t-1；在t0的右边，t在0~12之间的行业超额收益计算方法为t/t0-1。
根据统计，ETF新覆盖行业对应行业指数在覆盖前普遍下跌，在新行业发行前3个月，行业下跌中位数3%，而行业指数ETF新发半年后行业超额逐渐体现，发行10个月后超额中位数为4%。
分各个行业来看，医药、有色金属和新能源等行业在ETF覆盖前一年至ETF覆盖时点均有较好收益，而国防军工、传媒和煤炭等行业收益较差。
如果我们将 “ETF覆盖的行业”的定义阈值从70%提升至90%，则新发行业在新发前1年经历了比较明显的下跌，行业新发后，一年内有较为明显相对30个行业的超额。
但随着阈值提升，样本量也变少。在该结论下仅有17只行业。同时我们注意到ETF发行的时点较为集中。其中成立于2020年1月附近和2021年1月附近的行业未来1年收益均较差。
使用该结论尝试构造策略：如前文所述，ETF新发前一个月会披露基金合同等信息，因此我们在新行业ETF出现前一个月末配置该行业并持有12个月。对每个月末来说，如果当月有新的行业加入，并对多个行业进行再平衡，如果当月没有过去持有的新增行业，则当月平均配置30个中信一级行业。
策略年化收益1.9%，相对行业等权年化超额5.5%。同时我们尝试在当月开始持有和滞后开始持有若干月满1年，结果显示，在新发行业后的半年内持有该行业均可以获得相对基准较好的超额收益，其中，滞后1-3月持有可以获得更好效果。
1.2
投资新品ETF的策略
如果我们将视野放宽，不局限于新的行业受到新资金涌入这一命题，而是认为每一种新品类ETF的上市都会给某个板块带来新资金。我们首先界定什么是新品类ETF：根据新发ETF跟踪指数的持仓及权重设为向量，计算其与当前现存ETF的持仓权重向量之间的余弦相似度，当该ETF所跟踪指数与当前市场中ETF的余弦相似度均小于0.7时，界定为一只新品类ETF。新品ETF从2006年至今共192只产品，其中行业97只，风格80只，宽基15只。
下图为各月新ETF上市数量，2014年前市场新品ETF偏好风格类，2014年后，市场新品ETF偏好行业和风格类并重，2018年后，新品ETF数量呈现爆发式增长，在风格和行业类新品ETF年均新发均相比之前有较大提升。
考察ETF新品类在上市后1年的平均收益，在刚上市3个月平均负收益，在之后一年内逐渐形成正收益；不过，从中位数来看，这种形态可能更多由于部分基金的高收益带来，整体新品类基金在之后的一年中没有显著的超额收益。
分宽基、行业和风格来看，宽基在新发前半年内有较高负收益；行业在3-6月能够有正向收益，风格的收益特征不明显。
和前文类似，构造一个ETF持有策略，即当新品类行业型ETF发行时在第三个月持有至第十二个月，每个月末如果当月有新的ETF加入，则对多个ETF进行再平衡，如果当月没有新品类ETF，则当月等权配置市场上所有的ETF。由于这个策略依然只是一个假想策略，因此用全市场所有的ETF等权配置作为基准并不会有太大的影响，实际上全市场等权配置ETF和多数宽基走势并无不同。
结果显示，新品类ETF的滞后持有策略并不能获得较好投资收益，尽管在2020年至2022年有一段超额收益，但在全时段来看，策略的波动较大，整体超额收益并不明显。
我们将新品类ETF上市后的份额变动进行考察，统计平均和中位数随着上市月份变动。可以看到ETF的份额在上市前三个月增长较快，而在3个月后新品类ETF的份额变动普遍转向平稳。因此，新品类ETF上市前三个月的负收益和快速的份额变动呈现负关系。
1.3
利用ETF份额变动构造行业轮动策略
上节最后我们提到，ETF上市前三个月的负收益和快速的份额变动呈现负关系。本节我们尝试使用ETF的份额变动构造策略。
1.3.1 中信一级行业指数的行业轮动策略构建
和之前一样，我们首先用在某个中信一级行业有较高占比的ETF来代替该中信一级行业，具体来说，ETF披露全持仓（新发ETF为所跟踪指数持仓）在某个中信一级行业的投资占比超过某个阈值时，定义该ETF为某行业ETF。
每月末计算各个ETF过去一段窗口期的份额变动，在每个行业内，将该行业对应的若干ETF的份额变动使用规模加权求和，将每个行业的ETF份额变动从低到高进行排序分为若干等分。多头持有份额减少较多的行业，空头持有份额增加较多的行业。
不过，由于行业之间天然存在份额配置高低，这种方法在不同行业之间的可比性可能并不公平。考虑过去20交易日份额变动的行业轮动策略在2020年效果一般，但在其余年份效果较好。
将份额变动修改为份额变动比率后，每月末计算各个ETF的份额变动率，在每个行业内，将该行业对应的若干ETF的份额变动率按照规模加权，将每个行业的规模加权份额变动率从低到高进行排序分为若干等分，计算每一等分的净值曲线。
2020年4月起，在分为五等分的情形下，组合的每个档位中至少有3个行业（即30个行业的10%），因此我们统计从2020年4月起进行统计。结果相比单纯使用份额变动更为稳定。
在多参数的稳定性测试中，我们每一组结果仅保留G1档位有3行业以上的样本期。参数包括回看窗口时长，划分档位和划分行业阈值，我们比较每一组低/高份额变动率净值的年化收益和夏普比。随着档位划分越细，收益越高，这一点很好理解。同时，窄基划分阈值70%最合适，过低会导致行业杂质较多，过高会大幅度减少行业样本数。而回看窗口20交易日变化最有效。
不过，档位划分过细会导致样本期较短，在这种情况下，20天窗口，70%阈值，5档恰为最优参数。
1.3.2 中信二级行业指数的行业轮动策略构建
当我们将该方法下探至中信二级行业分类后，我们以阈值50%为例，满足以上规则的二级行业共24个，涉及19个一级行业，整体分布较为分散，在周期、成长和价值板块均有分布。
同样采用阈值70%，切分5档，使用窗口期20天的参数，此时我们的基准指数为当时可用的二级行业指数平均收益，同一时间段内，份额变动率负向变动最大的样本组超额相比一级行业效果更好，带来了多空上更强的超额，但稳定性有所下降。
二级行业轮动策略的参数稳定性测试中，和一级行业轮动参数测试类似，划分的细致度越高，策略收益越高，而二级行业通过阈值修正的界定方式则和收益并无显著关系，同时需要注意的是二级行业基金的最高阈值设定无法超过90%。
而在回看窗口上，相比于一级行业轮动策略，单周的份额变动构造策略最为有效。
例如5天回看、5档分组、阈值0.7下，策略多空取得32.24%的年化收益，夏普比1.5。
整体而言，对二级行业采用份额变动率构造行业轮动策略可以获得比使用一级行业构造行业轮动策略更稳定的收益。
1.4
利用ETF份额变动构造ETF组合策略
如果跳开用ETF到行业的映射关系，直接使用ETF的份额变动率作为对ETF的选基因子。同样使用20日窗口，分10档来进行检验。
2022年以来策略多头超额较差，空头超额较为稳定。直接使用ETF份额变动率，忽略了ETF之间的相关性，在资金流动时，可能分散在同类ETF的多个品种中，因此我们将ETF之间的同类型考虑进来。
在考虑同类型ETF时，我们引入Leiden算法，根据ETF的持仓相似度，设定阈值后，将行业ETF进行社群分类。在设定同社群相似度阈值为0.3时，以下为最新一期的基金社群分类。
随着阈值提升，社群的分类会增多，各个社群之间的关联性会下降。
使用0.3阈值，20交易日窗口计算份额变动比率，分10档月频调仓。对各个社群进行计算份额变动率，社群内使用规模加权。将每期持有ETF不同社群之间等权，社群内部等权。基准同理。
控制了同类资金流后，社群分类下的策略的G1超额以及多空相比单纯的对单ETF进行份额变动率构造策略有所提升， G1/G10各年均取得较好多空收益。
为了防止最优参数造成的过拟合，我们使用滚动最优参数法，每个月将过去一年最优窗口参数在次月使用。2020年11月以来，各年均取得正多空收益，策略在2024年多空夏普比有所下降，其余各时段多空夏普比均表现稳定。
1.5
对资金流行业轮动信号的增强
我们首先对资金流行业轮动信号进行回顾：我们从主动权益基金中缩小范围，每一期只考察核心能力最优秀的基金仓位变动，并复制跟随。具体做法如下，在每个时点截面，选取可得信息中长期能力因子排序前20的基金，这里的可得信息指长期能力因子的计算披露在每个月的3月和9月，在一年中的若干时点需要考虑到这一点。
根据20只基金的行业仓位测算平均，多头部分使用优选基金仓位配置最多的行业，空头部分配置优选基金减仓最多的行业，为了防止样本期内过度调参在样本期外失效的问题，在每个月计算组合时，在过去时间段的多个参数组计算每组的收益波动比，将收益波动比最高的一组参数组输入进当月使用参数，计算该月多空行业组合。构成我们基于长期能力因子的行业轮动策略，策略每个月末多头和空头各选取三个中信一级行业等权构成组合。
策略自2023年5月发布，样本外有过回撤，但在2023年和2024年均实现正多空收益，今年以来（截至2024年9月25日）策略多头超额4.3%，空头超额7.36%，多空收益12.59%。
我们考虑将ETF资金流行业轮动的信号和公募基金资金流的信号进行合并，每个月末将ETF资金流信号和公募基金资金流信号取交集，为了保证交集存在，将ETF资金流的划分调整为3档，保证多头和空头档行业较多可以产生交集。
使用ETF资金流信和优选公募基金资金流信号合并后，策略自2021年至2024年9月25日各年均取得正多头超额和正向多空，在可比年份中，增强后的各年多空收益相较于原始策略有明显改善。今年以来策略取得15.31%的多头超额和30.62%的多空收益。
二、新增主动权益基金资金流的行业轮动策略研究
本节我们讨论主动权益基金新发基金的资金流的行业轮动研究，在之前的系列报告中，我们对主动权益基金的行业仓位到行业轮动信号构建进行了较多篇幅的研究，也如前文提到有些许积累的成果。但过往研究对样本池的局限性较大，需要权益基金成立一年以上，对市场中新成立主动权益基金的资金流研究有所欠缺。
本节我们将参考之前对ETF新发资金流的研究，构建模型讨论新发主动权益基金建仓期的资金流是否能够构建行业轮动策略。
2.1
新发主动权益基金的组合模拟及资金流计算
我们假设每一只主动权益基金新发时，均有一段时间的建仓期，在建仓期内，基金经理会按照持仓将基金初始规模资金平均且随时间线性分配到个股上，和ETF不同，主动权益基金没有固定跟踪的指数持仓披露，因此我们首先设计算法对基金经理的持仓进行估算。
估算主动权益基金时我们出于方便考虑仅考虑新发A类基金，不考虑转型基金。每日提取当日新发普通股票型基金和偏股混合型基金，对每个新发基金进行如下操作：提取新发基金基金经理（可能有多个）；对每个基金经理进行如下操作：
(a)统计基金经理曾经管理产品，同时限定最晚停止管理时间离当前产品新发时间不能超过1年，如果基金经理曾经没有管理过产品，则停止估算新发产品持仓。
(b)统计基金经理曾经管理多只产品的在管收益率协方差矩阵，使用Leiden算法对基金经理曾经管理的多个产品进行分类作为基金经理多个投资偏好，换言之，基金经理可能有N个投资偏好，每个投资偏好下可能对应管理M只基金。
(c)对相同投资偏好下的基金，使用最近一期披露全持仓并进行平均作为基金经理该投资偏好的模拟持仓。
(d)使用BERT(chinese-roberta-wwm-ext)模型将新产品名称和过往管理产品名称进行语义相似度判别，每个基金经理投资偏好中使用该偏好内最高的相似度作为新产品和该偏好的相似度，如果经理过往仅有一个投资偏好，则使用该投资偏好作为模拟持仓。
(e)如果新发基金有多位基金经理，计算每位基金经理可能的持仓。将多个基金经理模拟持仓权重平均后和新发基金规模进行匹配，在未来的一个月内，将每只个股流入资金按照交易日长度平均分配至每日。
模型回测的时间段从2016年1月1日至2024年9月30日，每个月末计算当月各个行业的新流入资金量。
以电子行业为例，下图展示新发主动权益基金模拟资金流入电子行业以及电子指数走势对比，由于新发基金模拟资金流入自2022年以后绝对值相对以前有较大滑落，因此两者的对比并不算明显。但同时计算行业新流入主动权益基金资金一年同比后可以看到两者有一定的共振关系。我们同样对公募持仓占比较高的其他三个行业：医药、食品饮料和通信同样对比，这种特征依然存在。
但这种共振关系用于单行业的择时效果并不稳定，我们测试了每个行业的资金流一年同比用于构造单行业的择时，在每个月末如果该行业一年资金流入同比为正，则次月配置该行业，反之做空该行业。结果显示在中信一级行业中，仅在电子和交通运输等行业能够获得收益，在煤炭、家电行业的胜率能够超过60%。
2.2
策略构建
基于上文研究，我们构建一个基于估算资金流的行业轮动策略：使用月度各个资金流入占比作为指标和各个资金流入占比一年同比作为指标，分十档构建月度行业轮动策略。由于策略依赖主动权益基金，月度资金流入行业轮动多空全时段和偏股混相对全A强势程度走势以及新发主动权益资金一致程度较高。同时需要注意，月度资金流入受到各个行业自身基本面影响天然存在高低，例如综合、综合金融等行业天然资金流入量较少。策略年化多空9.81%，但自2021年Q3主动权益基金资金流入锐减后策略收益较差。
采用月度资金流入一年同比作为行业轮动因子构建策略，可以消除一定该效应，在2016、2019和2022年录得负收益，其余年份均为正收益，年化收益8.01%。
我们同样测试了假设建仓期为3个月的情形，结果与建仓期1个月并无太大差异。
三、私募基金资金流的行业轮动策略研究
3.1
私募基金资金流测算
本节我们讨论私募基金的资金流信号能否构造择时或行业轮动指标，我们对私募基金的资金流相关测算受到监管对数据披露的影响，2024年7月底之前的数据研究结果和7月之后的结果可能存在较大差异，之后的研究需要在以后随着数据披露进程不断更新完善。
从Wind数据库中提取私募基金数据，共310800条数据信息，其中含有投资类型分类的基金共225596只，包含股票、固定收益、期货、其他型分类，剩余基金数据库没有给出具体投资类型分类标签，其中股票型193080只，出于研究便利性，我们仅提取股票型基金的净值进行下一步研究。
私募基金净值的披露一般以周度为单位，某些基金频率更低以月频为单位，为了计算的统一性，我们保留周频披露净值的基金，每周计算每只私募基金的披露完整度，具体计算方法为披露完整度=（基金成立周至净值最后披露周总共披露周数）/（基金成立周至净值最后披露周交易总周数），我们每周仅保留历史披露完整度为1的基金。
同时，考虑到数据库对基金的分类并不明确，我们剔除私募基金名称中带有：CTA、FOF、中性、对冲等字样的股票型私募基金产品。
经过以上处理，下图为可用私募基金样本数量和可用公募基金样本数量随时间变化的曲线，2016年前两者数量级差距并不大，2023年私募基金数量样本池增长相比公募基金有着极大的优势。2024年7月后，受到监管要求，私募基金披露数量锐减，在2024年7月最后两周时下降到2000只。
使用周度再平衡计算的股票型私募基金指数，相对偏股混年化超额6.6%；2021年后超额较为明显，2024年9月底相对公募偏股混指数有较大跑输。
对私募进行价值-成长风格回归。和公募在价值的暴露较少不同，私募在价值的暴露相对更激进。
大盘小盘风格回归判断中，两类产品对大小盘的暴露相似度更高，但私募在大小盘上的择时频率更高。
我们使用卡尔曼滤波对私募基金的仓位进行测算，具体实现上从日频的迭代转化为周频的迭代，迭代周数设定为50周，即一年。
3.2
私募基金资金流测算行业轮动策略构建
公募的仓位测算和私募的仓位测算频率均为周频，将两者的周频权益总仓位进行对比。私募仓位相比公募仓位和指数走势相关性更高。不过可能受到数据影响，2024年7月后测算私募仓位发生较大减仓。同时，基于仓位对比我们构造一个简单的择时策略：当过去3个月私募减去公募仓位持续上行时，做多中证500，反之做空中证500，周度调整。
策略年化收益约6.9%，需要注意的是，2023年四季度私募的仓位相对公募有明显的加仓，而在之后小盘崩溃时私募仓位又明显下跌，正反面的两次做错导致在2024年一季度的极致行情中策略承受较大回撤，同时如前文所说，可能受到数据披露的影响，近期私募仓位测算较低，因此9月底以来市场反弹承压较大。
以2024年7月底的私募各个行业配置为例，私募和公募平均行业配比差异较大：公募喜好的医药、电子和食品饮料，私募配置权重并不高；私募配置比例较高的电力公用、银行和交运，公募相较而言配置处于仅处于中游。
按照我们在公募基金资金倾向的行业轮动构造的常规做法，对于私募高仓位的行业多头，反之空头，按月轮动。2015、2022和2023年私募行业轮动失败，其余年份表现均较好。相对30个行业的超额收益来说，多头2015、2022年表现较差。和公募的行业配置多空相比，受到抱团瓦解现象冲击更小，但2022-2023年的8月间，私募行业配置多空收益较低，尽管如此，从两者对比来看，私募的行业配置近年来显然更具参考价值。
和公募的行业配置多空相比，私募行业配置轮动策略2016年以来几乎每年均有超越公募配置多空收益，其中2019年和2020年两年略微跑输，但在2021年后受到抱团瓦解现象冲击更小，结合近年收益来看，私募的行业观点多空年化私募的行业配置近年来显然更具参考价值，年化相对公募行业配置跑赢5.79%。
另一个角度，对于私募基金加减仓行为构造行业轮动，使用动态参数+延展窗口的方法，多头私募加仓的行业，空头私募减仓的行业，策略近年来均有多空正收益，但效果并不稳定。
四、结语
本文对测算ETF新发资金及后续资金变动对行业指数走势的影响，发现随着新发ETF短期份额上升，多数ETF会出现收益下降，而在新发3个月至半年份额稳定后，ETF对应的指数或行业往往会迎来上涨。从份额增加和收益下降的联系入手，本文构建了根据份额下降选取行业的策略，在一级行业中，可以取得多空年化26.52%的效益，在二级行业中效果更好，多空年化32.24%。直接使用ETF份额变动率构造ETF组合效果并不优秀，但如果使用分类算法将ETF的份额变动率按照ETF分类进行汇总后构建ETF组合，可以取得年化31.03%的收益。
我们使用份额变动率的一级行业轮动策略对公募基金优选基金资金流行业轮动进行增强，策略自2021年至2024年9月25日各年均取得正多头超额和正向多空，在可比年份中，增强后的各年多空收益相较于原始策略有明显改善。今年以来策略取得15.31%的多头超额和30.62%的多空收益。
同时本文构建模型估算了新发基金的持仓并模拟估算建仓过程中流入市场资金对行业指数的影响，新资金流入行业轮动策略受到偏股混的资金流入强弱影响，多空年化9.81%，采用月度资金流入一年同比作为行业轮动因子构建策略，收益更加稳定，年化多空收益8.01%。
私募基金和公募的行业配置多空相比，私募行业配置轮动策略在2021年后受到抱团瓦解现象冲击更小，结合近年收益来看，私募的行业观点多空年化私募的行业配置近年来显然更具参考价值，年化多空14.2%，相对公募行业配置跑赢5.79%。
当然，对于本文的第二及第三部分，建模仍然有不够精细的地方，在未来的研究我们会继续深入，构造视角更广，深度更深的资金流研究方法。
风险分析
1、基金过去业绩不代表未来收益，基于多种方法对基金收益处理后的收益数据同样不能代表基金未来业绩表现；
2、量化模型存在失效风险，从历史上看，突发政策，美债利率及贸易冲突等宏观事件均可能导致大小风格轮动产生季度层面错判从而影响后续应用；
3、基金标签仅为量化维度客观评价，不代表基金主观投资策略；
4、基金组合拟合程度受到多种结果影响，可能会和理论净值产生较大差异；
5、建模模型仅为估计理想情况，与现实世界可能存在较大差异，结果仅作为研究讨论使用，不构成投资建议。
证券研究报告名称：《机构资金研究系列之四：利用散户、公募及私募的资金流构造行业轮动策略》
对外发布时间：2024年11月4日
报告发布机构：中信建投证券股份有限公司
本报告分析师：丁鲁明 执业证书编号：S1440515020001
刘一凡 执业证书编号：S1440523070011
免责声明：
本公众订阅号（微信号：鲁明量化全视角）为丁鲁明金融工程研究团队（现供职于中信建投证券研究发展部）设立的，关于金融工程研究的唯一订阅号；团队负责人丁鲁明具备分析师证券投资咨询（分析师）执业资格，资格证书编号为：S1440515020001。
本公众订阅号所载内容仅面向专业机构投资者，任何不符合前述条件的订阅者，敬请订阅前自行评估接收订阅内容的适当性。订阅本公众订阅号不构成任何合同或承诺的基础，本公司不因任何订阅或接收本公众订阅号内容的行为而将订阅人视为本公司的客户。
本公众订阅号不是中信建投证券研究报告的发布平台，所载内容均来自于中信建投证券研究发展部已正式发布的研究报告或对报告进行的跟踪与解读，订阅者若使用所载资料，有可能会因缺乏对完整报告的了解而对其中关键假设、评级、目标价等内容产生误解。提请订阅者参阅本公司已发布的完整证券研究报告，仔细阅读其所附各项声明、信息披露事项及风险提示，关注相关的分析、预测能够成立的关键假设条件，关注投资评级和证券目标价格的预测时间周期，并准确理解投资评级的含义。
本公司对本帐号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。本帐号资料、意见等仅代表来源证券研究报告发布当日的判断，相关研究观点可依据本公司后续发布的证券研究报告在不发布通知的情形下作出更改。本公司的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本帐号资料意见不一致的市场评论和/或观点。
本帐号内容并非投资决策服务，在任何情形下都不构成对接收本帐号内容受众的任何投资建议。订阅者应当充分了解各类投资风险，根据自身情况自主做出投资决策并自行承担投资风险。订阅者根据本帐号内容做出的任何决策与本公司或相关作者无关。
本帐号内容仅为本公司所有。未经本公司许可，任何机构和/或个人不得以任何形式转发、翻版、复制和发布相关内容，且不得对其进行任何有悖原意的引用、删节和修改。除本公司书面许可外，一切转载行为均属侵权。版权所有，违者必究。
中信建投金融工程深度专题报告回顾
（点击标题可查看历史文章）
【资产配置】
【因子选股】
【交易策略与衍生品】
深度专题7：2015年衍生品市场政策总结及交易策略 |
【基金产品研究与FOF】
