策略深度报告：基于XGBoost模型的AI行业配置系统.pdf

策略深度报告：基于XGBoost模型的AI行业配置系统。本报告以“周期-信号-动量”行业配置系统为基础，基于 XGBoost 模型构建 AI 行 业配置系统，实现月度行业配置输出。

市场轮动加速驱动行业配置模型升级。近年来，A 股市场风格频繁切 换、主线热点轮动加快，传统依赖主观经验或静态因子打分的行业配置 策略日益难以有效捕捉结构性机会。行业轮动背后的驱动因素具有多维 性和阶段性，估值、成长、情绪、资金行为等因子交替主导，而经济周 期、货币政策等宏观变量则进一步增强了市场表现的非线性特征。这对 策略研究提出了更高要求：模型不仅要具备预测能力，更需具备可解释 性与实战落地性。为此，报告基于 XGBoost 非线性机器学习算法，结合 中银策略“周期-信号-动量”配置框架，构建了一套数据驱动、结构清 晰、逻辑可循的行业配置系统，以支持策略判断与行业轮动决策。

“周期-信号-动量”行业配置框架概述。“周期-信号-动量”行业配置框架可 以概括为周期定风格、信号找行业、动量辅助择时。在宏观维度，通过 资本开支周期与库存周期识别中短周期变化形成风格方向；在中观层 面，结合“次年 g-复合 g”模型与行业特有信号体系，依据行业景气判断 投资机会；而在时点判断上，则引入市场动量指标辅助择时，增强策略 的动态适应能力。

“周期-信号-动量”行业配置体系信号系统。将申万一级行业分为周期资 源品、地产建筑、公用事业、必选消费、可选消费、硬科技、软科技、 大金融等八大行业，不同行业均有相关性较高的宏观或中观信号。如资 源品业绩与经济周期关系密切，市场行情则与大宗商品价格高度相关； 地产具有较强的逆周期特征，行情与地产周期高度相关；公用事业行业 在历史行情之中表现出了较强的防御属性，在市场偏好弱势的环境下往 往有较为坚挺的市场表现；必选消费防御性较强，行业的价格驱动效应 明显；可选消费行情往往受居民收入及消费预期有催化，与社零同比有 较高相关性；科技和高端制造业（硬科技、软科技）具有显著的产业周 期驱动特征，且充裕的流动性会对行情形成明显助推；金融行业行情则 受金融周期驱动，与社融、M2 等金融指标相关度较高。

AI 行业配置模型构建与实证方法。本报告选取了 2006 年 1 月至 2025 年 3 月期间的月度数据作为样本区间，覆盖近二十年的完整市场周期，在 因子选取方面，模型构建考虑行业收益的多维驱动因素，综合纳入了包 括宏观经济指标、市场情绪变量、行业盈利能力指标等在内的 15 个核心 因子， 在建模策略上，为提升模型的泛化能力和实战落地性，采用 8 年 滚动训练 + 逐月预测的方式进行回测与模拟预测。

AI 行业配置模型回测表现与配置建议。2014 年 1 月-2025 年 3 月， AI 行业配置模型筛选 Top3 行业累积收益率为 122.31%，高于同期等权重行 业指数的累积收益率 80.26%。模型 Top3 组合夏普比率、最大回撤均优 于等权重指数，以及万得全 A、上证指数等传统宽基指数。5 月 AI 强化 行业配置模型输出 TOP10 行业主要分布在消费、红利等风格。