4. 行业ETF流动性画像与成本基准

在行业ETF轮动策略中，交易成本并不是一个可以统一套用的常数。同样一笔50万元的调仓指令，放在日均成交额数十亿元的宽基ETF上可能只是盘口里的一朵小浪花，而放在某些细分行业ETF上，却足以把买一卖一价差推开好几档。因此，构建成本测算模型的第一步，不是急着套公式，而是先给每只候选ETF做一份“流动性画像”，并据此建立分层化的成本基准参数库。

一、流动性画像的三个核心维度

刻画一只行业ETF的流动性，最直接可得的指标有三类，它们分别回答不同层面的问题。

日均成交额回答“这只ETF一天能吞吐多少资金”。它是最粗粒度但最稳定的容量指标，通常取近20个交易日成交额的均值，同时观察最小值，以识别是否存在个别交易日流动性骤降的情况。日均成交额决定了策略容量上限的粗略量级。

盘口深度回答“在当前价位附近，我能立刻成交多少而不显著推动价格”。实务中常取买一至买五、卖一至卖五的挂单金额合计，或计算冲击成本曲线：以不同委托规模（如10万、50万、100万、300万元）模拟吃单，估算相对中间价的成交均价偏离。盘口深度是即时冲击成本最贴近真实的来源，但它随行情瞬时变化，需要多次采样取中位数。

换手率回答“这只ETF的交易活跃度相对于其规模是否充分”。换手率＝区间成交额÷区间平均规模。规模大但换手率极低的ETF，往往持有人结构集中、做市商报价稀疏，盘口可能比成交额所暗示的更薄。换手率与日均成交额配合使用，可以识别“大而不活”的品种。

此外，买卖价差（相对中间价的半价差，单位bp）是直接计入成本的显性项，也应纳入画像。它与盘口深度高度相关，但更直观，适合作为分层的第一道筛子。

二、从指标到分层：建立成本基准参数库

把上述指标综合起来，可将行业ETF划分为若干流动性层级，并为每层设定一套默认成本参数。下面给出一个示例性的分层框架（参数为教学假设，实际使用时应以自身券商费率与真实盘口采样结果校准）：

表中“冲击成本系数”用于把委托规模换算为额外成本：单边冲击成本（bp）≈ 系数 ×（委托金额 ÷ 建议单笔上限）× 基准冲击量。举例来说，某L2层级ETF建议单笔上限150万元，若一次委托300万元，则规模倍数为2，冲击成本约为1.2×2×（该层基准冲击，假设为5bp）＝12bp，再加上3bp半价差，单边成本约15bp，双边往返约30bp。这个量级已经足以吞掉一次行业轮动中相当一部分预期超额收益，这正是必须先做流动性画像的原因。

三、画像与分层的实际操作流程

落地时可按以下顺序执行，形成可复用的基准参数库：

1. 确定候选池：列出策略可能触及的全部行业ETF，按跟踪指数去重，保留规模最大、成交最活跃的一只作为代表。
2. 采集成交数据：取近20个交易日的日成交额、日换手率，计算均值与最小值，记录最小值/均值比值作为稳定性指标。
3. 采样盘口：在连续竞价时段（避开开盘前5分钟与收盘前5分钟）分3～5个时点抓取买卖五档，记录五档挂单金额合计与半价差，取中位数。
4. 模拟冲击：以10万、50万、100万、300万元四档规模，按盘口逐档吃单估算成交均价，得到各规模下的冲击成本曲线。
5. 归层与赋值：按上表阈值归入L1～L4，写入半价差基准、冲击系数与单笔上限，形成参数库条目。
6. 回测校验：用历史调仓记录代入参数库估算成本，与账户实际成交回报对比，偏差持续超过30%的品种需重新采样。

需要强调的是，参数库的价值在于“可比较、可更新、可追溯”。每只ETF的条目应保留采样日期与原始指标，这样当轮动信号触发时，成本测算模块可以直接按层级调用参数，而不必临时拍脑袋估计。

有了这份分层参数库，后续章节中的轮动成本测算就有了统一的输入口径：每只ETF不再是一个模糊的“流动性还行”，而是带着层级、半价差、冲击系数和单笔上限的结构化条目。当策略信号要求把资金从L3品种切换到L1品种时，成本模型可以分别调用两边的参数，算出这次切换的真实往返成本，再与预期收益增量比较，从而判断这笔轮动是否值得执行。

最后提醒一点：流动性画像的采样时间应尽量覆盖不同市场状态。平静期与波动放大期的盘口深度可能相差数倍，若参数库只基于平静期数据建立，在极端行情下会系统性低估成本。稳妥的做法是同时记录平静期与压力期的采样结果，在成本测算中按策略所处的市场状态选择对应参数，或对基准值施加一个压力情景上浮系数。