请务必阅读正文之后的免责条款和声明。
请务必阅读正文之后的免责条款和声明。
目录
一、行业轮动体系构建与跟踪 2
、行业轮动体系 2
、宏观因子 2
、财务因子 4
、分析师预期因子 5
、ETF份额变动因子 6
、全体基金仓位因子 7
、优选基金仓位因子 8
、事件动量因子 9
二、复合行业轮动信号构造与跟踪 10
图表目录
图表1：行业轮动体系 2
图表2：宏观变量池 3
图表3：宏观模块业绩 3
图表4：宏观模块超额净值 3
图表5：财务模块业绩 4
图表6：财务模块超额净值 4
图表7：分析师预期模块业绩 5
图表8：分析师预期模块超额净值 5
图表9：ETF份额变动模块业绩 6
图表10：ETF份额变动模块超额净值 6
图表11：全体基金仓位模块业绩 7
图表12：全体基金仓位模块超额净值 7
图表13：优选基金仓位模块业绩 8
图表14：优选基金仓位模块超额净值 8
图表15：事件动量模块业绩 9
图表16：事件动量模块超额净值 9
图表17：复合信号分组绩效（2012年以来） 10
图表18：复合信号超额净值 10
图表19：最新期信号明细 11
一、行业轮动体系构建与跟踪
、行业轮动体系
我们的行业轮动体系坚持在月频进行轮动，子模块主要涵盖宏观、财务、分析师预期、被动基金资金流，主动基金资金流、事件动量维度。宏观维度主要刻画了行业的经济周期动量效应，财务维度则主要从三大报表出发优选财务状况较好的行业，分析师预期展示分析师预期边际上调的行业动量效应，ETF份额变动逻辑为超卖行业ETF反转，公募基金/优选基金仓位动量刻画了公募基金/优选基金重仓行业的动量效应，事件动量效应的逻辑则是事件发生时的市场惯性（非线性行业动量）。
本节分别介绍各个子模块并展示其业绩表现。每个模块均为月频调仓，其中涉及的样本外跟踪开始时间均以报告外发时间计算，此前没有外发的子模块样本外开始时间则以模型开发完成时间计算。
图表1：行业轮动体系
增长：工业增加值、PMI等
增长：工业增加值、PMI等
通胀：CPI，PPI等流动性：M1，M2等
宏观
被动基金资金
流
ETF份额
资产负债表
利润表
现金流量表
财务
行业轮动
体系
主动基金资金
流
公募基金实际持仓估
算
预期营业收入
预期净利润
预期净资产
分析师预
期
事件
动量
量价数据
中信建投
资料来源：、宏观因子
资料来源：
请务必阅读正文之后的免责条款和声明。在2024年5月7日发布的《宏观因子行业轮动体系》中，我们介绍了使用宏观数据来解释行业截面收益差异的若干途径，最终我们选择使用变量筛选+行业超额对宏观变量回归的方式作为我们宏观模块的策略并持续样本外跟踪。我们使用的宏观变量范围如下表，这些变量均为数值型变量，为了方便建模，我们将数值型变量处理为标记型变量，即仅保留宏观变量上行下行趋势（1，-1，0）而不再考虑其变化幅度，因变量则为每月行业相对行业等权的超额收益。
请务必阅读正文之后的免责条款和声明。
资料来源：W
资料来源：W
请务必阅读正文之后的免责条款和声明。
图表2：宏观变量池
实际GDP
M1
CPI
国债到期收益率
1/市盈率
名义GDP
M2
PPI
信用利差
1/股息率
工业增加值
社融存量
22省市生猪平均价
期限利差
A股波动率
房地产开发投资完成额
CRB指数
IND，
经过研究，最终模型每个月变量会综合考量过去半年每月的变量选择结果，对变量出现的次数进行排序，使用出现次数在前5名的变量并剔除仅入选1次的变量作为最终模型入选变量。模型拟合分为两步，首先使用行业超额收益率为因变量，逐步回归筛选出的变量为自变量进行OLS拟合并计算拟合残差接着使用残差为因变量，月度示性变量为自变量进行第二步拟合。残差进行第二步拟合主要是为了刻画月度效应。
宏观模块在2019年1月至2025年4月，多头5行业组合年化超额14.1%，超额胜率61.8%，空头5行业组合年化超额-9.2%，超额胜率36.8%。分年来看，除了2023年模型录得负超额，其余每年均能有10%+的超额表现。2024年3月样本外跟踪以来，多头累计超额12.1%。宏观模块在2024年9-10月诸多模型回撤时仍保持了稳定正超额表现。报告期宏观模块多头超额-0.9%，宏观多头最新观点为电力及公用事业、国防军工、医药、房地产、综合。
图表3：宏观模块业绩
年化收益
年化波动
夏普比率
最大回撤
年化超额
信息比率
超额最大回撤
调仓胜率
多头
21.1
21.8
0.97
16.3