▍行业&主题型ETF发行规模增加且板块轮动加快，推动主题跟踪需求，但大规模基本面指标体系的构建一直是一个难点。
随着ETF产品开发不断规范，权益类产品不断丰富，同时板块轮动持续加速，以行业和主题为代表的ETF快速发展。截止到2023年9月25日，行业&主题型ETF产品共有463支，合计规模6339亿元，资产规模市场占比达到50%。新的ETF产品不断上市，提供了更多的投资选择，市场对细分主题跟踪和选择的需求也与日俱增。
▍聚焦海量中观数据资产，借助大模型优势进行智能化数据处理，形成统一的ETF主题跟踪指标体系与方法设计。
大模型具备语言理解与知识蒸馏双重属性，可以对海量经济数据库进行充分挖掘，并实现在同一时间序列下的ETF主题基本面跟踪和比较。面向A股市场所有的行业&主题型ETF产品，我们自主构建了73个可投资的细分主题，结合恒生聚源经济指标库，通过“指标产品初筛+指标回测精选”方法，完成了数十万个原始基本面经济指标对ETF细分主题的映射和定期跟踪信号的生成。
.jpg)
▍指标产品初筛：设计Prompt引导大模型，自动化实现指标产品到细分主题的关系映射。
在海量数据处理任务中，通过明确需求、设计Prompt语句、测试检查、批量调用API等步骤，使得GPT3.5尽可能地理解需求并自动化构建指标产品到ETF主题的关系映射。从GPT3.5生成的结果来看，ETF主题对应的平均产品数量达到135个，平均指标数量达到1.2万个。
▍指标回测精选：借助信号化方法多维度测试指标定期择时效果，通过指标特征与回测结果对基本面指标进行打分排序。
针对每个ETF细分主题，将初筛后的连续指标按照趋势状态（分位数水平、趋势变化、幅度变化、持续变动）转换为离散的趋势信号值。开展对目标ETF产品择时策略的回测，通过胜率、盈亏比等结果进行信号有效性判断，依据打分排名选取Top20指标进行ETF主题跟踪。
▍投资有效性探索：主题跟踪优势行业包括食品饮料、半导体、畜牧业等，具备高广度信息优势和主题横向对比能力。
我们将精选后的指标聚合为复合信号，并对每个ETF主题分别开展月度择时策略。相对主题ETF代表产品，绝大多数择时策略均有超额收益，策略平均年化超额收益率达到11.04%，平均月度胜率达到63.01%。同时，基于复合信号可实现ETF细分主题的定期跟踪和比较，并形成月度级别的行业&主题型ETF产品推荐。
▍风险因素：
底层数据产品可持续性不及预期；底层数据准确性不及预期；大模型计算准确度不及预期；科技领域与数据确权监管趋严。
