以下分析对兴业证券经济与金融研究院、XYQuantResearch联合研究报告《融券费率与利用率视角下的港股主题和ETF配置》(2026年7月发布)进行全面、系统的解读。为便于溯源,文中涉及到报告中的结论、数据点和图表均在相应句末标注了页码引用标记 [page::页码],若同一处结论涉及多页内容,按要求给出不超过两个引用页的标注。
一、元数据与概览(引言与报告概览)
-
标题与主题
- 报告标题:融券费率与利用率视角下的港股主题和ETF配置
- 主题聚焦:在港股科技与高股息主题之间进行ETF轮动配置,并将独特的融券数据(融券费率、融券利用率)嵌入四维度普适性框架,探索是否能提升策略的超额收益与降低潜在风险 。
-
作者、机构与时间
- 作者/机构:XYQuantResearch(研究团队)与兴业证券经济与金融研究院的研究成果整理与发布
- 发行时间与地点:2026年7月23日 08:01,广东
- 适用对象:聚焦港股主题ETF的投资者与研究者,尤其关注高股息与科技主题之间的轮动与配置,以及对“另类数据”在港股主题判断中的应用价值
-
核心结论与核心要点(摘要性信息)
- 核心框架:基于宏观经济、海外流动性、南下资金、动量四维度的普适性轮动框架,在对比以往的高股息科技等权基准时,能稳定产生超额收益,且风险控制更友好。
- 融券数据的增量信息:融券费率与融券利用率等数据,作为对原始四维度模型的增量因子,能显著提升组合的年化超额收益、并降低最大回撤。具体而言,加入独特融券信息后,年化超额由原始模型的约13.9%提升至约15.6%,最大回撤由约14.3%降至约11.5% 。
- 结果概览:文中列举的多组回测结果显示,四维度轮动框架在不加入融券维度时的年化超额为13.92%,最大回撤约14.27%;将融券维度加入并以等权方式输出信号后,超额收益与波动性改进显著,且在整合DCBS和UTIL等两类融券维度后,潜在收益提升更明显(示例见后续各章节的图表与数据) 。
-
风险提示(来自首页总结的风险提示)
- 模型结果基于历史数据,市场环境转变时存在失效风险,提示投资者谨慎对待回测结果对未来的预测性与稳健性 。
-
可视化与图表入口
- 首页图表与各章节图表均作为支撑证据,图表覆盖四维度轮动、化解风险的强化效果、以及融券数据的信息含量。见首页图(“首页图表、高股息轮动框架业绩走势”)与后续章节的各走势图,嵌入式图像均来自 Wind 数据与研究院整理的回测结果。相关图表将在文中逐一解读,并附带图片路径以便溯源。示例性图像如下(示意):
二、逐节深度解读(逐章精读与剖析)
二十二、二、普适性轮动框架与四维度(港股高股息 vs 科技)
-
章节要点概览
- 章节核心在于提出“普适性四维度轮动框架”:宏观经济、海外流动性、南下资金、动量四个维度,各自发出信号并等权投票形成月度轮动信号,若平票则维持基准。文中还分别给出四个维度在各自情形下的回测结果,奠定后续将融券数据整合进框架的基础 。
-
各维度逻辑与证据(简述-推理-关键数据点)
-
宏观经济(CPI-PPI 剪刀差)
- 论点:CPI与PPI的相对走向(剪刀差)作为国内经济状态的代理指标,剪刀差收窄两期往往利好高股息主题,若两期走阔则配置科技 。
- 证据:图示与回测结果显示“剪刀差”因子在历史区间实现约10.75%的年化收益、6.43%的年化超额,最大回撤约16.94%,月胜率约56.94%(交易费为单边千三,基准为等权)。
- 数据点与意义:剪刀差的两期判定逻辑体现对趋势滞后性与周期性变动的适度容错;对港股主题的解释力在于其对国内生产端成本与消费端价格的相对变动敏感性,尤其在周期转折点的信号作用较为显著、并且对高股息的防御性属性形成支撑。
- 图表溯源:图4展示CPI-PPI剪刀差与科技/高股息相对净值走势(2017/12/01-2026/06/26)。
-
海外流动性(1年期美债收益率)
- 论点:全球资金对港股的影响显著,1年期美债收益率上行通常压缩全球流动性,长久期科技股承压;收益率下降则利好科技估值与风险偏好,且高股息在利率上升周期具防御属性 。
- 证据:图示显示科技相对净值与1年期美债收益率呈负相关关系,回测结果给出约12.26%的年化收益、7.48%的超额,最大回撤约25.04%,月胜率约58.76%(同样扣费为单边千三,等权基准)。
- 数据点与意义:美债收益率作为全球利率环境的直接代理,凸显了港股主题轮动中对风险偏好与估值的敏感性,尤其在2020–2022年等宏观冲击期对科技与高股息的轮动影响显著。
- 图表溯源:图7显示1年期美国国债收益率与科技/高股息相对净值走势(2017/12/01-2026/06/26),图8给出对应的历史表现曲线。
-
南下资金(港股通月均买入成交净额)
- 论点:港股通资金的净买入规模反映内地资金偏好对港股的影响;净流入降低时偏好低Beta的高股息,净流入扩大时偏好科技等高弹性标的;以月均买入成交净额低于过去12个月中位数为信号时,次月持有高股息,反之持有科技 。
- 证据:港股通因子回测给出约13.34%的年化收益、9.58%的超额,最大回撤18.68%,月胜率61.36%,对长期超越等权基准有显著优势 。
- 数据点与意义:体现资金流向对港股主题轮动的“宏观性”验证,南下资金的风险偏好变化可作为对科技/高股息两风格的预测信号。
- 图表溯源:图9、图10分别展示港股通相关信号与相对净值、以及策略净值(2017/12/01-2026/06/26) 。
-
动量(科技/高股息相对月动量)
- 论点:主题轮动的趋势效应具有持续性,若本月高股息跑赢科技,则下月继续配置高股息,反之则配置科技 。
- 证据:科技/高股息相对月动量因子实现约12.01%的年化收益、7.69%的超额,最大回撤16.31%,月胜率54.90%(基准为等权)。
- 数据点与意义:月度趋势信号的有效性为短期轮动提供了可操作性强的切换信号,与其他维度信号的相互印证提升了策略鲁棒性。
- 图表溯源:图13/图14/图15对应的动量系列与回测结果显示在。
-
四维度普适性轮动框架的整合与回测结果
- 组装方式:将四个维度的信号等权叠加形成综合信号;信号分值大于0时配置科技,小于0时配置高股息,等于0时维持等权基准。为回测的简单性,采用ETF全收益指数作为风格代表,并且考虑单边千三的交易费率 。
- 结果要点:
- 四维度轮动框架(不额外融券信息)实现年化收益约17.90%、年化超额约13.92%,最大回撤约14.27%,月胜率约65.82%(相对基准显著优于等权) 。
- 与之对应的两张图表:图16显示历史收益曲线,图17显示策略净值曲线(2018/01/02-2026/06/26)。
-
场景注释与方法论要点
- 数据来源与可追溯性:选取规模大、成分股可追溯日期长的指数作为代表,科技主题使用中证港股通科技指数(931573.CSI),高股息使用恒生港股通高股息低波动指数(HSHYLV.HI)。数据来源Wind,研究院整理,扣费设置为单边千三、基准为等权 。
- 风险提示:模型回测基于历史数据,市场环境变化时可能失效,强调稳健性需以实证框架中的多维信号交叉验证为基础 。
二、三、独特融券数据与高股息、科技轮动(融资融券维度的引入)
-
背景与核心观点
- 融券数据(融券费率 DCBS、融券利用率 UTIL)被视作对传统四维度模型的增量信息。融券费率越高,做空成本越大,理论上对未来资产下跌的置信度更高;融券利用率越高,做空供给趋紧,潜在下跌压力上升。作者将个股层面的融券特征“加成”到指数层,形成新的因子,测试其对港股高股息/科技轮动的影响力 。
- 相关图表与证据:图18给出融券类数据的字典,图19-22对比腾讯等标的的融券费率与融券利用率,展示不同风格的融券特征差异;以及对异象组合回测的学术证据,确认“融券费率异常”在美股市场的研究背景。核心结论在于,融券层面的信号具有独立信息价值,有助于提升超额收益与降低风险 。
-
融券费率(DCBS)的量化回测
- 结论:以标准化后的个股融券费率按权重加成到指数层,月末对比科技/高股息的融券费率差值,若科技的标准化融券费率高,则下月配置高股息;反之则配置科技。结果显示:融券费率因子在港股主题轮动中的年化收益约16.41%,年化超额约11.75%,最大回撤约15.46%,月胜率约59.22%,显著优于等权基准 。
- 视觉证据:图23 展示科技/高股息融券费率差值与相对净值走势,图24-25 展示DCBS策略的历史表现与净值曲线(2017/12/01-2026/06/26)。
-
融券利用率(Util)的信息含量
- 论点与结果:将融券利用率(Util)标准化后,同样以权重“加成”到指数层,观察其对科技/高股息轮动的预测力。结论显示:融券利用率因子实现约15.29%的年化收益、10.62%的年化超额,最大回撤约19.16%,月胜率约59.22%,较基准具明显优势 。
- 视觉证据:图26-28 展示利用率差值与相对净值、以及Util策略的净值曲线(2017/12/01-2026/06/26)。
-
融券数据的稳健性与行业分组
- 在恒生综合行业分组的示例中,将融券费率在12个行业间分组,结果显示低融券费率组别拥有更高的年化收益(约13.71%),但最大回撤较高(约32.77%),提示在行业层面融券信息的异质性与分组敏感性,需要谨慎解读和恰当的风险管理 。
- 图40-41 提供行业分组框架的历史表现与策略净值曲线,作为融券数据在行业维度应用的案例佐证 。
-
将融券数据融入四维度框架(5维度扩展)
- 将融券维度作为第五维度引入,观察其与原四维度信号的相关性。结果表明,融券维度与其他四维度信号之间的相关性相对较低,因此“1+1”的组合潜在具有显著的增量价值。将DCBS、UTIL两类信号以等权输出时,四维度+DCBS轮动框架的年化收益提升、超额提升、并且最大回撤显著下降;在“DCBS+UTIL”双维度均衡输出下,年化收益甚至提升到更高水平,且月胜率维持在60%-65%区间,显示出较强的鲁棒性与一致性 。
-
关键图表与溯源
- 图29:多维度月信号相关系数矩阵(2017/12/29-2026/05/29)—为后续五维整合提供相关性诊断基础(出处为文内说明,未附图表编号但位于该段落的前后);
- 图30/31:四维度+DCBS轮动框架历史表现与策略净值(2018/01/02-2026/06/26);
- 图32/33:四维度+Util轮动框架历史表现与策略净值;
- 图34/35:四维度+(DCBS+UTIL)/2信号等权轮动框架历史表现与净值;
- 图36/37:四维度+(DCBS+UTIL)/2分位等权轮动框架历史表现与净值;
- 图38/39:在多个情境下的超额收益对比与年度分解。
三、图表深度解读(对每个重要图表的逐图解读)
-
图1:科技/高股息相对净值走势(page 1)
- 描述与要点:该图对比了科技与高股息在相对净值上的表现,显示自2018年以来两者轮动明显,科技在特定阶段(如2020年前后)表现强势,而在2021–2023年高股息再度获得优势,2024-2025年科技再度回升但轮动强度在波动中变化。
- 与文本关系:支撑“高股息与科技主题之间存在阶段性轮动”的核心命题,文本在引言中明确指出历史阶段性轮动的时间段分布(2018年、2019–2020、2021–2023、2024–2025等) 。
-
图2(图2在文本中的标注与解释,页码对应页2-页3之间的图像,涉及港股ETF的基本情况)
- 描述:展示Top20 ETF的跟踪指数规模与成分股可追溯性;蓝色代表科技指数,红色代表高股息指数。
- 解释:说明研究选取的科技与高股息样本具备较强的可追溯性与代表性,支撑后续维度回测的可复制性与稳健性 。
- 溯源图片:
-
图3/图4(普适性框架与CPI-PPI剪刀差因子、回测收益)
- 描述:图3显示四维度框架的维度简介、信号合成方式;图4展示CPI-PPI剪刀差与科技/高股息相对净值的关系。
- 关键解读:四维度的信号整合为轮动框架的核心驱动;CPI-PPI剪刀差因子在历史区间实现显著的正向超额,且回测期间对科技/高股息风格的轮动有明确指引。
- 数据点与意义:剪刀差因子年化约10.75%,最大回撤约16.94%,月胜率约56.94%(扣费);图4示意两者的同步性,强化了宏观与风格轮动之间的逻辑联系。
-
图5/图6(CPI-PPI剪刀差因子历史表现与策略净值)
- 描述:图5给出CPI-PPI剪刀差因子在2017/12/01-2026/06/26的历史收益序列;图6给出对应策略净值曲线。
- 解释:展示因子本身与策略在同一时期的表现,验证因子信号的可执行性和一致性。
-
图7/8(1年期美国国债收益率因子及其历史表现)
- 描述:图7显示美债收益率因子与科技/高股息相对净值的关系;图8给出该因子的历史表现。
- 解释:进一步证实海外利率对港股风格轮动的影响路径,且在利率高低变化的阶段对轮动信号的有效性有体现 。
-
图9-12(港股通维度及其策略净值)
- 描述:港股通月均买入成交净额及其与科技/高股息相对净值的关系(图10),以及港股通因子策略净值(图12)。
- 解释:通过南下资金维度,展示资金流向对港股主题轮动的预测力,成为“南向资金–风格轮动”之间的桥梁。相关回测表明港股通信号具有可观的超额收益潜力 。
-
图13-15(相对月动量的历史表现与策略净值)
- 描述:相对月动量与净值的并行曲线及策略净值曲线,显示出月度趋势信号的可操作性与稳健性。
- 解释:说明动量维度对捕捉短期趋势的有效性,且与前述四维度信号的叠加提升了整体表现的稳定性 。
-
图16/17(四维度轮动框架的总体回测与净值)
- 描述:汇总四维度轮动框架的历史回测与净值曲线,显示出显著的超额收益与较低的波动性特征,在长期区间内具有可观的复利效应 。
-
图18-22(独特融券数据的字典、对比与异象)
- 描述:对融券费率和融券利用率的异象、对比(如腾讯与Minimax的融券费率、利用率等)进行图示。
- 解释:呈现融券数据在资产定价、市场情绪与做空成本方面的潜在信息含量,为后续的因子构造提供直观证据。图21的“融券费率异常”研究来自知名学术论文,作为方法学支撑的外部参照 。
-
图23-28(DCBS、UTIL及混合策略的历史表现与净值)
- 描述:分别给出科技/高股息融券费率差值、DCBS因子、Util因子及混合策略的历史表现与净值曲线。
- 解读:DCBS与Util两类独立因子都实现了显著的超额收益,但在不同时间段的波动性与回撤存在差异;将两者合并并进行分位/等权输出后,整体回报与稳健性显著提升,体现了信息互补性与风险分散效果。图34-37展现了不同合成方式下的回测结果(2018/01/02-2026/06/26)。
-
图40-41(行业分组下的融券费率框架)
- 描述:恒生综合行业分组框架在不同分组的历史表现及策略净值。
- 结论:行业层面的融券费率信号具有显著的分层效果,低费率组别在回测期内实现较高收益,但也伴随较大的回撤风险(如最高32.77%),提示行业粒度的信号需要在投资组合层面进行更精细管理 。
四、估值分析(方法论与假设)
-
重点结论:
- 该报告的“估值”部分并非以传统企业估值(如DCF、EV/EBITDA、P/E等)为核心,而是以轮动策略的历史表现与潜在超额收益作为评估维度。因此,文本更多强调的是投资策略的胜率、超额收益、最大回撤和相对基准超越性,而非对单一股票的内在价值定价。
- 这意味着,若要对港股主题ETF进行“估值”类分析,需将其扩展至策略层面的风险调整收益、稳定性、以及在不同市场环境下的鲁棒性,而非传统的贴现现金流等方法。
-
投资组合与风险考量
- 提醒:模型结果基于历史数据,潜在的过拟合、样本偏倚、以及在极端市场情形下的表现不确定性需要在实施前进行充分压力测试与前后测(以及交易成本、滑点、流动性等现实因素的再评估) 。
五、风险因素评估(风险点与缓释)
-
模型风险与数据风险
- 任何以历史数据驱动的多因子轮动模型都存在在市场环境变化时失效的风险。作者明确提示“模型结果基于历史数据的测算,在市场环境转变时模型存在失效的风险” 。
- 数据质量与可追溯性:尽管选取了高规模、可追溯性强的指数作为样本,但港股市场本身在某些阶段的流动性、交易成本与披露差异可能影响回测的外推性。
-
交易成本与执行风险
- 文中明确采用单边千三的交易成本假设,被视为回测中的常规设定;但在实际执行中,交易成本、滑点、券商差异以及成交频率等可能使实际收益略有偏离回测结果。
-
风险缓释策略
- 提到了“缓冲区”设定以处理融券信号的接近性问题(在距离较近时维持等权配置,待区分明显后再给出方向性判断),这是对模型鲁棒性的潜在提升方向,提示读者在实际应用中可加入容错区间与动态权重调整机制,以降低信号噪音带来的波动性 。
六、批判性视角与细微差别(审慎视角)
-
潜在偏见与稳健性
- 回测结果高度依赖于所选样本(港股高股息与科技主题的指数代表、港股通资金、美国利率等宏观代理变量)的历史表现。若未来宏观环境出现结构性变化,四维度框架的信号组合可能需要重新评估其相关性与权重。
- 融券数据的可得性与稳定性可能随监管、市场参与者行为改变而出现结构性变化,导致历史相关性在未来市场中减弱。因此,在实际投资中应对融券因子进行前瞻性鲁棒性测试,并考虑市场深度变化带来的影响。
-
同期性与多维耦合
- 四维度之间的信号相关性并非完全独立,存在潜在的共线性风险。作者在后续章节尝试引入融券作为第五维度来增加信息独立性,但实际操作中仍需评估各维度信号间的动态相关性,尤其在极端市场阶段的耦合性变化。
- 恒生行业分组案例显示,低融券费率组别的收益高但回撤也高,提示行业层面的信号在分散性与风险性之间的权衡需要更加细致的风险控制框架。
-
实践性与可操作性
- 本文对交易成本给出“单边千三”的假设,并以等权输出为默认的信号整合方式;在不同基金、ETF的交易成本、税收、换手率等实际条件下,策略的净收益可能略有不同。对投资者而言,落地时需进行本地化的成本-收益分析,并结合个人税务、交易半径及风控偏好进行调控。
七、结论性综合(整合性结论)
-
核心发现
- 四维度普适性轮动框架在港股高股息与科技主题配置中具有显著的超额收益能力与鲁棒性潜力,历史回测显示年化超额在13.92%到17.90%之间波动,且最大回撤控制在11.5%-14.3%区间(不同维度组合下的结果),显示出相对稳健的风险管理能力与较强的趋势跟踪能力 。
- 融券数据(融券费率 DCBS 与融券利用率 UTIL)作为独立信息源,能够显著提升框架的增量收益。将融券信号加入四维度框架后,年化超额显著上升至约15.25%-16.57%范围,且最大回撤得到有效压缩,显示出信息互补性与风险分散效果(以DCBS、UTIL单独及组合输出为例) 。
- 将DCBS和UTIL的信号混合输出(分位/等权)后,若将两者信号叠加并采用两类信号的均值法,则在2018/01/02-2026/06/26区间呈现出最高的年化收益潜力,达到约20.81%的年化回报,超额约16.57%,并且最大回撤控制在约16.02%,月胜率在65%左右,显示出极强的理论鲁棒性与实际可操作性潜力(需要在真实交易情境下进一步验证) 。
- 行业分组的融券信号也具备一定的实证意义,但需注意不同分组的风险回撤差异,提示在策略实现层面需引入更细粒度的风控与组合内在调节机制 。
-
对投资者的启示
- 以港股 ETF 为载体的主题轮动策略,若加入独特的融券信息,能够在理论与实证层面提升超额收益与风险控制,尤其在宏观环境变化、利率波动与资金流向发生结构性变化的阶段,融券维度提供的增量信息具有较强的解释力与前瞻性潜力。
- 需要强调的是,回测并非对未来的保证。实际应用需考虑市场环境变化、交易成本、流动性、滑点、以及信号的稳定性(缓冲区/容错机制的设定)等因素。上述条款在报告末尾的风险提示中已被明确指出 。
附注与来源要点(溯源整理)
- 框架与核心理论:宏观、海外流动性、南下资金、动量四维度的普适性轮动框架及其回测结果,详见第一页(首页要点与章节引导)与第二、三节图表(含图3、图4等)的数据与论证 , , , , 。
- 融券数据与独立信息增量:DCBS、UTIL的定义、图表与回测结果(图18-28系列、图29-37系列),以及整合后的超额收益提升(图29-37、图38-39)。
- 行业分组案例:恒生综合行业分组的案例(图40-41),用于说明融券信号在行业维度的潜在应用边界 。
- 风险与合规:全文末尾对风险提示、免责声明和适用对象的明确,提示读者在实际操作中的合规与风险控制要点 。
综上所述,该研究提供了一个系统化的港股主题ETF配置框架,从四维度普适性轮动出发,再引入独特的融券维度,形成多层次、可操作的策略组合。对投资者而言,核心价值在于:1) 以宏观与资金流向为核心信号,捕捉高股息与科技之间的主题轮动;2) 用融券数据提供的额外信息增强信号独立性与鲁棒性;3) 通过多维度整合与缓冲区策略,提升组合的风险控制能力与稳健性。需要强调的是,尽管回测结果显示出显著的潜在收益,但在实际应用中仍需关注市场的结构性变化、信号稳定性与交易成本的波动,以确保策略在不同市场环境下的可执行性与稳健性。 , , , ,
如需进一步细化到具体的实施清单(如信号权重配置、缓冲区参数设置、止损/止盈规则、以及在不同交易成本情景下的敏感性分析等),可基于上述图表和章节逐步展开,形成可直接落地的投资流程文档。