目錄CatalogTOC\o"1-2"\h\z\u一、ETF量化策略跟蹤 3（一）宏觀擇時策略 3（二）動量擇勢策略 4（三）行業(yè)輪動策略 5（四）基于Copula的二階隨機占優(yōu)策略 7（五）基于分位數(shù)隨機森林的科技類ETF配置策略 8二、風險提示 10三、附錄 10（一）宏觀擇時策略 10（二）動量擇勢策略 11（三）行業(yè)輪動策略 12（四）基于Copula的二階隨機占優(yōu)策略 12（五）基于分位數(shù)隨機森林的科技類ETF配置策略 13一、ETF量化策略跟蹤（一）宏觀擇時策略截至2025年11月28日，基于Gaussian分布的B-L宏觀擇時策略年化收益率為7.58%，夏普比率和Calmar比率分別為1.4404和1.6488，最大回撤為-4.60%（20251103-20251128）內(nèi)，宏觀擇時ETF策略收益率為0.14%。表1：基于Gaussian分布的B-L宏觀擇時策略各年度凈值表現(xiàn)年化收益率年化波動率Sharpe比率alar比率最大回撤2020年以來7.58%5.17%1.44041.6488-%202013.93%7.77%1.73033.8308-%20211.65%5.82%0.30980.3960-%20225.30%5.27%1.00571.5680-%20235.79%3.52%1.61642.5165-%20248.85%4.71%1.82261.9246-%202514.12%4.43%3.00587.6490-%圖1：基于Gaussian分布的B-L宏觀擇時策略單位凈值表現(xiàn)跟蹤情況1.41.31.21.12020/7/12020/9/12020/7/12020/9/12020/11/12021/1/12021/3/12021/5/12021/7/12021/9/12021/11/12022/1/12022/3/12022/5/12022/7/12022/9/12022/11/12023/1/12023/3/12023/5/12023/7/12023/9/12023/11/12024/1/12024/3/12024/5/12024/7/12024/9/12024/11/12025/1/12025/3/12025/5/12025/7/12025/9/12025/11/1根據(jù)2025年11月28日調(diào)倉結果，2025年12月最新配置組合為滬深300ETF（配置比例3.41%），中證500ET（配置比例5.09%），標普500ET（配置比例6.50%），國債ET（配置比例39.88%），公司債ET（配置比例20.94%），豆粕ET（配置比例5.62%），有色ET（配置比例3.89%），黃金ETF（配置比例9.67%）和貨幣ETF（配置比例5.00%）。表2：基于Gaussian分布的B-L宏觀擇時策略最新一期ETF配置權重日期滬深300ETF中證500ETF標普500ETF國債ETF公司債ETF豆粕ETF有色ETF黃金ETF貨幣ETF2025年3月6.56%8.44%0.00%47.40%3.81%9.44%4.69%14.66%5.00%2025年4月6.56%8.44%0.00%45.48%4.64%9.34%4.92%15.63%5.00%2025年5月6.45%8.55%0.00%56.69%0.00%10.99%5.35%6.97%5.00%2025年6月6.71%8.29%0.00%38.86%11.24%8.48%5.38%16.03%5.00%2025年7月6.61%8.39%0.00%39.57%11.39%8.32%5.52%15.20%5.00%2025年8月6.63%8.37%0.00%37.78%13.41%8.39%5.86%14.55%5.00%2025年9月6.65%8.35%0.00%38.21%14.04%8.29%5.77%13.68%5.00%2025年10月2.26%4.51%8.23%60.52%3.76%7.14%3.03%4.92%5.63%2025年11月7.01%7.99%0.00%55.94%0.00%11.63%5.02%7.40%5.00%2025年12月3.41%5.09%6.50%39.88%20.94%5.62%3.89%9.67%5.00%（二）動量擇勢策略20201220251128ETF動量擇勢策略年化收益率為18.02Calmar比率分別為0.8677和0.6275，最大回撤為-28.72%。在最近一個報告期（20251103-20251128）內(nèi)，策略收益率為0.23%。表3：動量擇勢策略各年度凈值表現(xiàn)年化收益率年化波動率Sharpe比率alar比率最大回撤2020年至今18.02%21.86%0.86770.6275-%202048.57%21.82%1.93273.7148-%202132.94%18.76%1.61223.2840-%20221.53%22.84%0.17970.0858-%2023-%16.47%-0.1270-0.1674-%20244.49%25.75%0.29800.3032-%202534.93%24.48%1.34642.6310-%圖2：動量擇勢策略單位凈值表現(xiàn)跟蹤情況3.00

動量擇勢策略凈值 滬深300 超額(右軸)

2.502.50

2.002.001.501.000.50

1.501.000.502020/1/22020/3/22020/1/22020/3/22020/5/22020/7/22020/9/22020/11/22021/1/22021/3/22021/5/22021/7/22021/9/22021/11/22022/1/22022/3/22022/5/22022/7/22022/9/22022/11/22023/1/22023/3/22023/5/22023/7/22023/9/22023/11/22024/1/22024/3/22024/5/22024/7/22024/9/22024/11/22025/1/22025/3/22025/5/22025/7/22025/9/22025/11/2策略為周度調(diào)倉，最新一期調(diào)倉時間為1121日，最新配置組合為國泰中證煤炭ETF（30.06%）、南方中證500信息技術ETF（持倉權重29.07%）、易方達中證云計算與大數(shù)據(jù)ETF（持倉權重26.31%）、匯添富中證電池主題ETF（持倉權重10.05%）和匯添富中證光伏產(chǎn)業(yè)ETF（持倉權重2.61%）。表4：最新一期動量擇勢策略ETF持倉調(diào)倉日期持倉代碼持倉名稱收盤價(元)板塊持倉權重2025/11/21515220.SH國泰中證煤炭ETF2.5489煤炭30.06%2025/11/21512330.SH南方中證500信息技術ETF1.2780信息29.07%2025/11/21516510.SH易方達中證云計算與大數(shù)據(jù)ETF1.5150云計算26.31%2025/11/21159796.SZ匯添富中證電池主題ETF0.9300電池10.05%2025/11/21516290.SH匯添富中證光伏產(chǎn)業(yè)ETF0.576光伏2.61%（三）行業(yè)輪動策略策略從2020年以來，年化收益率9.57%，相對滬深300年化超額收益率7.36%，最大回撤-42.98%，超額最大回撤-23.61%，在最近一個報告期（20251103-20251128策略實現(xiàn)收益-1.46%，超額1.02%。表5：行業(yè)輪動策略各年度凈值表現(xiàn)時間年化收益年化超額收益最大回撤超額最大回撤年化波動率Sharpe比率2020年至今9.57%7.36%-%-%22.11%0.43202078.58%39.41%-%-%26.52%2.962021-%-%-%-%27.62%-0.532022-%9.84%-%-%24.18%-0.602023-%12.04%-%-%14.32%-0.06202420.47%3.59%-%-%20.17%1.01202511.20%-%-%-%15.09%0.74圖3：低波擴散行業(yè)輪動策略單位凈值表現(xiàn)跟蹤情況2.521.510.52020/1/22020/3/22020/1/22020/3/22020/5/22020/7/22020/9/22020/11/22021/1/22021/3/22021/5/22021/7/22021/9/22021/11/22022/1/22022/3/22022/5/22022/7/22022/9/22022/11/22023/1/22023/3/22023/5/22023/7/22023/9/22023/11/22024/1/22024/3/22024/5/22024/7/22024/9/22024/11/22025/1/22025/3/22025/5/22025/7/22025/9/22025/11/2

低波擴散行業(yè)輪動凈值 滬深300 超額(右軸)

1.81.61.41.210.80.60.4根據(jù)11月28日調(diào)倉結果，11月最新配置組合為：綠色電力ETF、油氣ETF、家電ETF、農(nóng)業(yè)ETF、鋼鐵ETF及金融ETF，調(diào)出新能車ETF。表6：最新一期低波擴散行業(yè)輪動策略ETF持倉調(diào)倉日期持倉代碼持倉名稱所屬行業(yè)收盤價（元）持倉權重2025/11/28159625.SZ綠色電力ETF電力及公用事業(yè)1.202025/11/28159697.SZ油氣ETF石油石化1.152025/11/28159996.SZ家電ETF基礎化工1.502025/11/28159825.SZ農(nóng)業(yè)ETF農(nóng)林牧漁0.822025/11/28515210.SH鋼鐵ETF鋼鐵1.472025/11/28510230.SH金融ETF銀行1.38（四）基于Copula的二階隨機占優(yōu)策略2020年1月2日至2025年11月28日，基于Copula的二階隨機占優(yōu)策略年化收益率為14.24%，夏普比率和Calmar比率分別為0.6725和0.3342，最大回撤為-42.62%。在最近一個報告期（20251103-20251128）策略收益率為0.25%。表7：基于Copula的二階隨機占優(yōu)策略各年度凈值表現(xiàn)時間年化收益率年化波動率Sharpe比率alar比率最大回撤2020年至今14.24%24.15%0.67250.3342-%202085.76%31.02%2.16076.1174-%202126.46%22.26%1.16521.2181-%2022-%24.35%-0.4425-0.5181-%2023-%18.72%-1.0082-0.8372-%20248.57%27.81%0.43390.4638-%202523.52%17.08%1.32282.0986-%圖4：基于Copula的二階隨機占優(yōu)策略各年度凈值表現(xiàn)跟蹤情況2.521.510.52020-01-022020-03-022020-01-022020-03-022020-05-022020-07-022020-09-022020-11-022021-01-022021-03-022021-05-022021-07-022021-09-022021-11-022022-01-022022-03-022022-05-022022-07-022022-09-022022-11-022023-01-022023-03-022023-05-022023-07-022023-09-022023-11-022024-01-022024-03-022024-05-022024-07-022024-09-022024-11-022025-01-022025-03-022025-05-022025-07-022025-09-02根據(jù)策略計算方法，最新一期調(diào)倉時間為2025121日，最新策略配置為廣發(fā)中證全指汽車ET（持倉權重85.00%、廣發(fā)國證糧食產(chǎn)業(yè)ET（持倉權重5.00%、國泰中證煤炭ET（持倉權重5.00%）和富國中證全指證券公司ETF（持倉權重5.00%）。表8：基于Copula的二階隨機占優(yōu)策略最新一期ETF配置權重調(diào)倉日期持倉代碼持倉名稱收盤價（元）中信一級行業(yè)持倉權重2025/12/1159512.SZ廣發(fā)中證全指汽車ETF1.4500汽車85.00%2025/12/1159587.SZ廣發(fā)國證糧食產(chǎn)業(yè)ETF1.3180農(nóng)林牧漁5.00%2025/12/1515220.SH國泰中證煤炭ETF1.1390煤炭5.00%2025/12/1515850.SH富國中證全指證券公司ETF1.4610非銀行金融5.00%（五）基于分位數(shù)隨機森林的科技類ETF配置策略自2020年以來截至2025年11月28日，策略年化收益率為11.93%，夏普比率和卡瑪比率比率分別為0.6796和0.3991，最大回撤-29.89%。在最新的報告期內(nèi)（20251103-20251128）策略收益率為-6.88%。表9：基于分位數(shù)隨機森林的科技類ETF配置策略各年度凈值表現(xiàn)時間年化收益率年化波動率Sharpe比率alar比率最大回撤2020年至今11.93%19.33%0.67960.3991-%202014.15%19.68%0.77310.9290-%20214.04%14.16%0.35040.3097-%2022-%16.18%-0.6577-0.6020-%202317.34%21.79%0.84220.7430-%202423.05%21.01%1.09061.7948-%202531.14%22.18%1.33251.9346-%圖5：基于分位數(shù)隨機森林的科技類ETF配置策略各年度凈值表現(xiàn)跟蹤情況2.521.510.52020-01-022020-03-022020-01-022020-03-022020-05-022020-07-022020-09-022020-11-022021-01-022021-03-022021-05-022021-07-022021-09-022021-11-022022-01-022022-03-022022-05-022022-07-022022-09-022022-11-022023-01-022023-03-022023-05-022023-07-022023-09-022023-11-022024-01-022024-03-022024-05-022024-07-022024-09-022024-11-022025-01-022025-03-022025-05-022025-07-022025-09-022025-11-02根據(jù)策略計算方法，最新一期調(diào)倉時間為20251128ETF總持倉權重為95.63%，配置為浦銀安盛中證光伏產(chǎn)業(yè)ET（持倉權重4.78%、易方達中證軍工ET（持倉權重4.78%）、國泰CES半導體芯片ETF（持倉權重4.78%）、富國中證大數(shù)據(jù)產(chǎn)業(yè)ETF（持倉權重4.78%）和易方達中證消費電子主題ETF（持倉權重76.51%），其余4.37%現(xiàn)金持倉。表10：基于分位數(shù)隨機森林的科技類ETF配置策略最新一期ETF配置權重調(diào)倉日期持倉代碼持倉名稱收盤價（元）持倉權重2025/11/28159609.SZ浦銀安盛中證光伏產(chǎn)業(yè)ETF0.55404.78%2025/11/28512560.SH易方達中證軍工ETF0.724.78%2025/11/28512760.SH國泰CES半導體芯片ETF1.5394.78%2025/11/28515400.SH富國中證大數(shù)據(jù)產(chǎn)業(yè)ETF0.9484.78%2025/11/28562950.SH易方達中證消費電子主題ETF1.18376.51%二、風險提示報告結論基于歷史價格信息和統(tǒng)計規(guī)律，但二級市場受各種即時性政策影響易出現(xiàn)統(tǒng)計規(guī)律之外的走勢，所以報告結論有可能無法正確預測市場發(fā)展，報告閱讀者需審慎參考報告結論?；饸v史收益不代表未來業(yè)績表現(xiàn)，文中觀點僅供參考，不構成投資建議。三、附錄（一）宏觀擇時策略配合經(jīng)濟形勢的變化，央行往往會施行相應的貨幣政策以調(diào)節(jié)流動性，流動性對大類資產(chǎn)價格也具有重要影響，例如寬松的流動性可以直接驅(qū)動資產(chǎn)價格上漲，也可以通過刺激總需求影響經(jīng)濟增長，從而間接影響資產(chǎn)價格。因此，基于前文中馬爾科夫模型劃分的經(jīng)濟周期結果，我們根據(jù)當前所處的經(jīng)濟周期提高相應大類資產(chǎn)的權重。另外，我們同時加入了境外資產(chǎn)的配置，對SOFR-Tbill利差進行區(qū)制劃分，以決定是否將境外資產(chǎn)納入資產(chǎn)組合。由于資產(chǎn)價格指數(shù)不能直接進行交易，我們以ETF作為投資標的構建可交易的ETF宏觀擇時策略。經(jīng)過多年的發(fā)展，ETF已經(jīng)涵蓋股票、商品、債券、境外、貨幣等品種，可分別對應大類資產(chǎn)配置中的股票指數(shù)、商品指數(shù)、債券指數(shù)、標普500指數(shù)和貨幣指數(shù)。我們以ETF在不同周期的歷史均值收益作為觀點矩陣分別輸入基于Gaussian分布的Black-Litterman模型與基于Copula分布的Black-Litterman模型，最終獲得ETF的配置權重，具體流程如圖5所示。圖6：ETF宏觀擇時策略流程圖10表11：資產(chǎn)配置權重約束

資產(chǎn)配置權重約束：為保證回測時間足夠長，我們選擇在2020年以前上市的ETF。除貨幣ETF外，其余四類ETF均為兩融標的。商品ETF中，我們選擇有色ETF、豆粕ETF和黃金ETF；債券ETF中，我們選擇上市期限較早的5年國債ETF代表國債，中債-中高等級公司債利差因子財富(總值)指數(shù)ETF代表信用債。股票ETF、境外ETF、貨幣ETF滿足條件的標的較多，其中股票ETF我們選擇上市期限較早、代表性較強的華泰柏瑞滬深300ETF、嘉實中證500ETF，境外ETF選擇博時標普500ETF，貨幣ETF選擇銀華日利A。在大類資產(chǎn)配置上，我們依據(jù)經(jīng)濟周期劃分的結果對不同類別ETF配置權重進行限制；對于海外資產(chǎn)，只有當海外指標發(fā)出擇時信號時，才將標普500ETF納入股票ETF類別中，否則不配置海外資產(chǎn)。大類資產(chǎn)配置權重限制如表9所示。資產(chǎn)類別代表性ETFETF代碼復蘇過熱滯脹衰退總資產(chǎn)權重股票ETF滬深300ETF510300.SH≥50%≥15%≥15%≥15%≥0%且≤100%中證500ETF159922.SZ標普500ETF513500.SH債券ETF國債ETF511010.SH≥15%≥15%≥15%≥50%公司債ETF511030.SH商品ETF豆粕ETF159985.SZ≥15%≥50%≥15%≥15%有色ETF159980.SZ黃金ETF518880.SH貨幣ETF銀華日利A511880.SH=5%=5%≥5%且≤20%=5%動態(tài)資產(chǎn)配置結果：基于GaussiaTh分布的Black-LittermaTh模型：每月末合成經(jīng)濟指數(shù)和流動性指數(shù)，并對指數(shù)進行狀態(tài)劃分，根據(jù)月末狀態(tài)劃分結果設置不同資產(chǎn)的權重約束。同時，將各資產(chǎn)從數(shù)據(jù)起始日至月末在不同狀態(tài)下的收益均值作為主觀收益，將主觀收益和權重限制輸入Black-Litterman模型，計算約束下最優(yōu)權重?；谧顑?yōu)權重進行大類資產(chǎn)配置并持有組合一個月，實現(xiàn)動態(tài)配置。（二）動量擇勢策略基于動量和擁擠度擇時構建ETF交易策略可以捕捉價格動量，并降低動量結束時明斯基時刻的損失。ETF動量擇勢策略使用XGBoost預測出的ETF上漲概率作為動量指標，以基金份額歷史分位數(shù)代表擁擠度，然后基于板塊動量（板塊內(nèi)ETF均值）和擁擠度（ETF個體份額總和作為板塊份額）選擇動量排名前20且（1-歷史分位數(shù)）排名前20的板塊，最后再選擇板塊內(nèi)動量最大的ETF，并根據(jù)擁擠度計算ETF配置權重。我們以所有行業(yè)和主題型股票ETF、純債ETF和可轉(zhuǎn)債ETF，以及和黃金、豆粕等大宗商品ETF為樣本池，并參考對ETF的主題分類，共劃分為汽車、半導體、金融、消費等65個板塊。在回測過程中，我們首先選擇動量排名前20（1-歷史分位數(shù)）20的板塊，考慮到同時滿足上漲概率高、擁擠度低的板塊數(shù)量在不同時間內(nèi)差別較大，當選中的板塊數(shù)量大于等于5時，我們從初步選擇結果中?。?-歷史分位數(shù)）5的板塊；當選中的板塊數(shù)量小于5個時，我們將在板塊篩選結果中加入純債和黃金板塊，以提高組合分散度、降低策略波動。ETF策略資產(chǎn)1111配置調(diào)整周期為一周，回測時間為2020年1月2日至今，回測時，每個季度末重新訓練一次XGBoost模型。（三）行業(yè)輪動策略在報告《行業(yè)擴散指數(shù)因子作用機理解析及改進方法》中我們分析了行業(yè)擴散指數(shù)因子的有效性及其有效性的作用機理。行業(yè)擴散指數(shù)是一種基于指數(shù)成分股上行狀態(tài)合成的動量指標，其相較于傳統(tǒng)動量因子更能反映指數(shù)漲跌背后的貢獻來源。單因子回測結果表明擴散指數(shù)因子分層效果及穩(wěn)定性優(yōu)于傳統(tǒng)動量因子，因此可以設計相應的行業(yè)輪動策略。在此基礎上，我們疊加波動率對模型進一步改進，構造低波擴散行業(yè)輪動模型。（詳情參考銀河金工《行業(yè)擴散指數(shù)因子作用機理解析及改進方法》《行業(yè)輪動模型在行業(yè)及主題ETF配置上的應用》）。行業(yè)輪動策略一般集中于行業(yè)指數(shù)層面，在配置時，投資者可通過在特定行業(yè)的配置偏離獲取超額收益。而對于希望通過直接配置特定行業(yè)指數(shù)的投資者來說，ETF無疑是較好的投資工具。因此我們嘗試將行業(yè)輪動策略應用在ETF上，實現(xiàn)策略的有效落地。我們將目前已上市ETF進行梳理，構建ETF標的池，并通過其跟蹤指數(shù)與行業(yè)指數(shù)的相關性計算，將行業(yè)與ETF進行匹配，選擇相關系數(shù)較高且規(guī)?？壳暗腅TF作為對應行業(yè)的可投資標的。我們按月度調(diào)倉、組內(nèi)等權配置。（四）基于Copula的二階隨機占優(yōu)策略二階隨機占優(yōu)作為一種廣泛應用的風險資產(chǎn)選擇標準，其本質(zhì)為一種統(tǒng)計學概念，定義為當兩個隨機分布滿足如下條件：?? ??∫????(??)????≤∫????(??)????,???∈(?∞,+∞)?∞ ?∞即當??取到實數(shù)域內(nèi)任意值的時候，如果某一個隨機分布的累積概率分布函數(shù)在?∞到??區(qū)間內(nèi)的積分均小于等于另一個隨機分布的累積概率分布函數(shù)在?∞到??區(qū)間內(nèi)的積分，則可以說前一個隨機分布對后一個隨機分布具有嚴格的二階隨機占優(yōu)。以如下方差為1的正態(tài)分布為例，左圖中分別列出了均值為0和均值為1的正態(tài)分布累積分布函數(shù)，均值為1的函數(shù)曲線恒定位于均值為0的曲線下方，根據(jù)定積分的定義，可知均值為1的分布對于均值為0的分布嚴格滿足上述條件，即均值為1的分布對于均值為0的分布有嚴格的二階隨機占優(yōu)。觀察右圖二者的概率密度函數(shù)曲線，可以看出，如果一個分布對另一個分布二階隨機占優(yōu)，那么它將較于這個分布具有更多的頭部優(yōu)勢和更小的下尾風險，利用二階隨機占優(yōu)可以選擇平均收益更好，風險更小的策略權重。圖7：方差為1正態(tài)布累計概率分函數(shù) 圖8：方差為1正態(tài)布概率密度分函數(shù)1.51

0.5μ=0μ=1μ=0μ=10.30.5

0.20.1μ=0μ=1μ=0μ=1-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3

0-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3在該策略中，我們利用行業(yè)輪動的思路，以行業(yè)主題ETF為投資標的。行業(yè)尺度采用中信一級行業(yè)，并將所有的二級行業(yè)指數(shù)歸納到一級行業(yè)。截至2025年11月28日，投資標的池中ETF數(shù)量共有336支，覆蓋30個中信一級行業(yè)中的25個?；販y過程中，我們采用按月調(diào)倉的方式，每個月第一個交易日首先根據(jù)截至上個月的歷史數(shù)據(jù)計算資金流向指標輔以流動性指標以及風險度量指標對各個被覆蓋的中信一級行業(yè)進行打分，在選取得分最高的8個行業(yè)之后，再根據(jù)流動性指標、動量指標和估值指標分別對追蹤這8個行業(yè)一級指數(shù)和二級指數(shù)，并且上市時間在1ETF進行打分，并選出每個行業(yè)得分最高的ETF為下個月持倉的待選ETF。接著利用上述待選在上個月的收益率序列，基于高斯Copula函數(shù)構建收益率的聯(lián)合分布模型，通過Copula模型生成的模擬樣本，以上述二階隨機占優(yōu)積分條件為約束條件，平均收益率為目標函數(shù)，優(yōu)化計算最優(yōu)策略的持倉權重。優(yōu)化過程我們采用循環(huán)優(yōu)化的策略，即第一次優(yōu)化采用等權策略為二階隨機占優(yōu)的對比策略，接下來每次優(yōu)化均采用上一次優(yōu)化的優(yōu)化結果作為二階隨機占優(yōu)的對比策略，總共優(yōu)化10次，得到策略的最優(yōu)權重。（五）基于分位數(shù)隨機森林的科技類ETF配置策略分位數(shù)隨機森林算法拓展了一般隨機森林的計算過程，模型不再僅僅是預測條件均值而是進一步預測條件分位數(shù)，具體來說，其預測目標可以表示為：??(??|??=??)=??(??≤??|??=??)=??(1{??≤??}|??=??)其中，??為模型的自變量，??為模型預測的應變量，而隨機森林所預測的即使相應的應變量??在??=??的條件下小于特定分位數(shù)??的概率。而通過遞歸循環(huán)計算，可以近似的到??的反函數(shù)??:??(??|??=??)=??|??(??≤??|??=??)=??即當??(??≤??|??=??)等于特定概率??的時候，分位數(shù)??的取值。通過分位數(shù)隨機森林算法，能夠利用隨機森林對與變量非現(xiàn)象變化的強捕捉特點，對標的資產(chǎn)的收益率生成任意密度的分位數(shù)網(wǎng)格預測，在分位數(shù)與分位數(shù)之間，填充均勻分布，能夠?qū)崿F(xiàn)對標的資產(chǎn)收益率分布的建議建模，從而有效地控制標的資產(chǎn)地尾部風險。如下圖所示為參數(shù)??=2及??=2的伽馬分布以及均值為4，方差為8的正態(tài)分布概率密度函數(shù)對比示例。二者均值均為4，方差均為8，但從概率密度的函數(shù)分布來看，伽馬分布明顯較于正太概率分布具有更大的尾部風險。通過分位數(shù)隨機森林分布建模，能精確且有效地識別此類尾部風險，為標的資產(chǎn)的配置做出參考。伽馬分布函數(shù)正態(tài)分布函數(shù)圖9：伽馬分布VS正態(tài)分布概率密度函數(shù)對比示例伽馬分布函數(shù)正態(tài)分布函數(shù)0.200.150.100.050.000.220.000.220.440.660.881.101.321.541.761.982.202.422.642.863.083.303.523.743.964.184.404.624.845.065.285.505.725.946.166.386.606.827.047.267.487.707.928.148.368.588.809.029.249.469.689.90在策略中，我們基于分位數(shù)隨機森林對資產(chǎn)收益率分布建模，控制尾部風險的思路，以行業(yè)主題ETF為投資標的。由于行業(yè)主題ETF的跟蹤指數(shù)分類沒有統(tǒng)一標準，我們將指數(shù)按照中信行業(yè)分類的模式，歸納至大類、一級和二級行業(yè)。策略投資標的為追蹤歸納至科技與制造大類行業(yè)指數(shù)的行業(yè)主題ETF，截至2025年11月28日，可投資標的數(shù)量共有284支?；販y過程中，我們同樣采用按月調(diào)倉的方式，在每個自然月最后一個交易日進行調(diào)倉。首先選出所有