2025年行业轮动系列专题报告：基于景气度视角下的降频行业轮动策略

1 行业轮动现象与概述

在投资实践中，行业配置始终是市场各类投资者们关注的焦点之一，而 在不同的经济周期下，各行业的收益存在明显差异，如何精准把握市场节奏、 踏准上涨行业成为行业配置长期以来的主要难点。其原因在于行业轮动现象 长期存在，而行业轮动是指，在不同经济周期阶段中，不同行业间相对收益 呈现系统性差异的现象。 为了更好的观察行业轮动现象，我们统计了自 2010 年以来，申万一级 行业中月度收益最高的行业，不难发现，月度级别的行业领涨连贯性较差， 鲜有行业能维持连续两月涨跌幅排名第一。将时间周期拉长到年度级别，也 仅有 2016 年至 2017 年食品饮料行业连续领涨。由此可见，行业轮动现象不 仅长期存在且广泛存在于各个时间维度中。

进一步地，我们将各一级行业划分至大金融、大科技、大消费、大制造、 大周期板块，并统计各个板块下行业月度收益最高出现次数。在 2010 年 1 月至 2025 年 6 月共 186 个交易月中，大消费板块下行业出现次数最多共 49 次，10 个子行业平均月收益最高出现次数约为 5 次；大科技板块下子行业平 均月收益最高出现次数最高，4 个子行业共出现 42 次，平均约为 10 次。其 次，将各板块下子行业收益取平均合成板块收益后，统计近 15 年来各板块 走势，也可发现，尽管不同时期领涨的板块有所不同，但整体看下来大科技 与大消费板块在所有板块中走势占优。

一般来说，当行业轮动速度较快时，市场往往博弈属性偏强，表明市场 缺少明显的主线，此时市场整体大概率维持震荡行情；而当行业轮动速度放 缓时，暗示市场出现了共识性较为一致的方向，市场可能处于上行或下行的 趋势中。为了观察市场走势与行业轮动速度的关系，我们按照以下方式构建 了行业轮动速度指标： 1) 计算申万一级行业周度收益率的排名值； 2) 计算当期排名相较于上期排名变动的绝对值并在截面上求和； 3) 对 2）中计算得出的值滚动 3 月取平均作为最终的轮动速度指标； 图 5 展示了近 5 年来行业轮动速度与 Wind 全 A 指数的走势对比，可以 发现，当行业轮动速度处于低位震荡时，市场偏向震荡上涨，而当行业轮动 速度处于高位震荡时，市场偏向震荡下跌。同时，从轮动速度的线性趋势线 走势不难发现，近年来，市场整体轮动速度逐步加快，市场的有效性进一步 提升，对投资者们进行行业配置的要求也在逐步提高。由此可见，行业轮动 速度虽不具备较好的前瞻性，但其在一定程度上反映了市场当前的状态，为 我们后期进行决策与策略搭建起到了一定的指示作用。

在上篇行业轮动专题报告中，我们开发了基于中观层面的行业轮动策略。 在该策略中，我们以 Barra 中量价类因子为基础构造了适用于指数层面的大 类因子，同时引入了风险与情绪因子捕捉相应的增量信息。在日频调仓的背 景下，该策略取得了一定的成效，但核心问题也同样明显： 高频调仓导致策略收益显著下降：尽管行业所对应的 ETF 交易成本 较低，在我们将总体交易费用设置为双边 0.05%后，策略收益仍下 降约 6%（年化 34%至年化 28%）。 缺乏基本面信息：尽管量价信息可以更加直观地揭示行业间的强弱 关系，但基本面信息可能包含更长期的行业变化趋势。 为了深入探究细分行业的相对强弱关系，我们将原策略的行业池由 Wind 中国行业指数扩充至申万二级行业指数，同时针对以上两点问题，我 们首先引入行业景气度指标对行业进行划分，其次在景气度筛选后的基础上 将前文策略进行降频（周度）处理，以达到为策略引入新的增量信息以及适 配更低频次的操作要求。

2 行业景气度指标的构建与回测

行业景气度反映了行业未来发展的繁荣程度，其同时受到宏观经济环境、 行业产业链关系以及企业经营业绩的影响。当行业景气度处于上升阶段时， 企业经营业绩上升，行业整体盈利水平、成交情绪向好；而当行业景气度处 于下行阶段时，市场需求疲软，企业利润缩减，行业整体成交情绪下滑。因 此，正确识别行业的景气度有利于更好地捕捉超额收益。 在行业轮动策略之中，行业景气度是重要的刻画跟踪指标。从本质上来 说，行业景气程度是行业轮动现象形成的根本因素，大多数行业或板块的投 资机会都是由景气驱动而形成的。不同于量价等行业中观层面信息，景气度 无法直接获取，因此我们考虑用行业下个股数据合成行业数据来构建景气度 指标，具体地，考虑到数据获取的便捷性，我们选取个股财务基本面数据作 为基础指标：营业收入同比增长率、净利润同比增长率、净资产收益率 TTM、 PEG，同时为了避免合成后景气度指标短期波动较大以及行业间不可比的情 形，我们首先将四个基础指标取过去一个月的均值做平滑处理再将数据进行 时序差分。最后，将处理好的基准指标按照个股流通市值加权后合成景气度 指标。

可以发现，近 15 年来景气度指标的分组单调性较好，高景气度行业组 合始终跑赢了低景气度组合，从高景气度组合相对低景气度组合超额走势来 看，净值曲线持续震荡上扬且超额回撤整体维持了较低的水平，反映了景气 度指标有效性较强且稳定性较好。 接下来，我们将围绕高景气度组构建行业轮动策略，具体而言，我们选 取高景气度组合下行业作为行业池，再对现有行业池使用上文所构建的轮动 策略，同时将策略降频为周频调仓（如无特殊说明，回撤时采用数据默认为 周度数据）。

3 景气度视角下的行业轮动策略

上节我们已经讨论到，基于个股基本面数据聚合的行业景气度指标具有 良好的有效性，本节我们将具体构建景气度视角下的行业轮动策略。

3.1 因子选取与策略搭建

行业池选取

近些年来，随着中国经济与股票市场的蓬勃发展，A 股各类新兴行业上 市公司日益增加，为了能够有效覆盖 A 股全行业，申万宏源证券于 2021 年 8 月调整与修订了此前 2014 年版本的行业分类标准体系并推出了最新版的行 业分类标准体系。 此次调整具体变化有：一级行业从 28 个调整至 31 个，二级行业从 104 个调整至 134 个，三级行业从 227 个调整至 346 个。在 134 个二级行业中， 有量价数据的为 124 个。

在上表申万二级行业中，我们选择上节经景气度筛选后的高景气行业作 为底层行业池，同时每个月滚动更新高景气度行业池。

因子选取

Barra 模型作为业内所公认的权威风险模型为我们系统性地归纳总结了 一系列具有风格特征的股票类量价因子，本文在 Barra 的基础上进行筛选与 改造并用以生成指数层面的大类因子，除此以外，本文还加入风险因子与情 绪因子用以捕捉相应的增量信息。

模型回测细节

数据获取：选取申万二级行业指数 2014 07 18—2025 04 25 的量价 类数据。调仓频率：每周调仓。回测方式：首先筛选出模型预测涨幅前五的行业，再根据行业流通 市值加权计算组合收益。 交易费用：行业轮动策略落地产品为对应行业的 ETF，而场内 ETF 交易费用相较于个股来说具有明显的优势。

因免征印花税的缘故，ETF 交易成本整体较低，所以我们在回测时将总 体交易费用设置为双边 0.05%，无风险收益率为 2%。

3.2 行业轮动模型回测结果

本节我们使用上节所搭建多因子轮动模型进行回测，首先，我们在不同 景气度的行业池内运行行业轮动策略。

不难发现，不同景气度下行业轮动策略效果的分化程度较为显著，基本 呈现高景气度>中景气度>低景气度的态势。此外，高景气度行业轮动策略在 效果远超中低景气度的同时最大回撤也远低于后两者。表明了高景气度下行 业轮动策略有效性更强。 接着，我们加入交易成本后，考察策略相较于行业等权指数与中证 800指数的超额收益表现。在周度调仓、双边万五的交易成本下，策略收益仅略 微降低 1%（28.87%－>27.75%），与上篇报告日频调仓策略相比，交易成本 带来的收益衰减大幅减少。从超额收益来看，策略长期保持了较为稳定的超 额水平，超额年化收益超 20%，超额夏普与卡玛比率维持在 1 以上，同时相 对基准月度胜率超 60%。

3.3 风控体系下行业轮动模型回测结果

本节我们在上节行业轮动策略的基础上加入风控指标以动态控制策略仓 位，达到降低最大回撤与提升夏普比率的目的。

风控体系下，策略年化收益下降约 3%，但同时也大幅降低了策略的年 化波动与最大回撤，反映在夏普率由 0.88 提升至 1.11、卡玛比率由 0.65 提升至 1.08。从超额收益表现来看，风控体系下策略相较于中证 800 超额明显 优于行业等权超额，体现在超额年化收益、超额年化波动与超额最大回撤上， 前者均优于后者。整体来看，风控体系下策略表现进一步提升，在不损失过 多收益的基础上，较好地控制了策略的风险水平。

4 总结

本文是行业轮动系列专题的第二篇。在本文中，我们进一步深入探讨了 行业轮动现象，我们从近 15 年来申万一级行业月度收益最高行业观察到， 行业轮动现象不仅是造成行业配置难以获取较市场超额的首要因素，同时其 长期存在且广泛存在于各个时间维度中。 其次，我们将各申万一级行业划分至 5 大板块中（大金融、大科技、大 消费、大制造、大周期），并探究行业轮动是否在大类板块间存在一定的聚 合现象。结果显示，虽然各板块间也存在涨跌互现，你方唱罢我登场的轮动 情形，但整体上，大科技与大消费板块在所有板块中走势占优且其子行业也 常常位于领涨地位。 接着，我们还构建了行业轮动速度指标以观察市场走势与行业轮动速度 的关系，其具体构建方式为： 1) 计算申万一级行业周度收益率的排名值； 2) 计算当期排名相较于上期排名变动的绝对值并在截面上求和； 3) 对 2）中计算得出的值滚动 3 月取平均作为最终的轮动速度指标；

根据统计结果，我们发现近 5 年来行业轮动速度中枢整体上移，同时， 当行业轮动速度处于低位震荡时，市场偏向震荡上涨，而当行业轮动速度处 于高位震荡时，市场偏向震荡下跌。当下行业轮动速度由高转低，可能暗示 市场出现了一定的主线行情。 最后，我们在上篇行业轮动专题的基础上，改进了其原有策略的两个缺 陷：高频调仓导致策略收益显著下降：尽管行业所对应的 ETF 交易成本 较低，在我们将总体交易费用设置为双边 0.05%后，策略收益仍下 降约 6%（年化 34%至年化 28%）。缺乏基本面信息：尽管量价信息可以更加直观地揭示行业间的强弱 关系，但基本面信息可能包含更长期的行业变化趋势。 具体而言，我们将原策略的行业池由 Wind 中国行业指数扩充至申万二 级行业指数，同时针对以上两点问题，我们首先引入行业景气度指标对行业进行划分，其次在景气度筛选后的基础上将前文策略进行降频（周度）处理， 以达到为策略引入新的增量信息以及适配更低频次的操作要求。 我们采用个股财务基本面数据作为合成行业景气度的基础指标：营业收 入同比增长率、净利润同比增长率、净资产收益率 TTM、PEG，同时为了避 免合成后景气度指标短期波动较大以及行业间不可比的情形，我们首先将四 个基础指标取过去一个月的平均做平滑处理再将数据进行时序差分。最后， 将处理好的基准指标按照个股流通市值加权后合成景气度指标。 经检验，合成行业景气度指标具有较好的区分度。因此，我们在高景气 度行业池的基础上，使用行业层面的贝塔、残差波动率、动量、风险、情绪 五大类十因子组合构建行业轮动策略，结果显示，扣费后策略年化收益为 27.75%、夏普率 0.88、卡玛比率 0.65、月胜率为 58.14%，明显跑赢基准指 数行业等权与中证 800。为进一步降低策略的最大回撤，提升风险收益比， 我们设置策略的风险水平不高于 20%的 ES（Expected Shortfall）与 DD （Downside Deviation）。结果表明，风控体系下，策略以牺牲 3%年化收益为 代价，大大降低了最大回撤与波动率，其回测结果具体为，年化收益 24.94%， 夏普率 1.11，卡玛比率 0.96，月胜率为 54.89%。整体来看，风控体系下策 略表现进一步提升，在不损失过多收益的基础上，较好地控制了策略的风险 水平。

编辑：火腿肠