研究目标
本篇报告的目标是提出一套简单、直观、有效的行业轮动方法体系，使得投资者能够 以可视化的方式实时观察行业走势状态，并得到对未来投资机会的提示。
本文使用行业指数的价格与成交金额，即价量数据。近年来对价量数据的使用主要集中 在深度学习方法上，但此类方法不具备可解释性。我们采用更直观的路径，构造完全可 解释的价量指标，用于刻画行业走势状态。
刻画行业走势状态的过程可以分为2个步骤： (1) 根据价格与成交金额的变化方向，得到4种状态：放量上涨、放量下跌、缩量下跌、 缩量上涨。 (2) 对于每种状态，计算价格、成交金额涨跌幅度，以及两者涨跌幅度的相对比例。从 而对行业走势状态实现更准确的定位。
我们根据走势状态将行业坐标位置绘制在极坐标系上，可视化效果与雷达相似，可以帮 助及时把握投资机会：当行业运行至坐标系的特定区域时，意味着投资机会的出现。因 此将此行业轮动方法称为行业投资雷达。
从单期到多期的走势状态
我们以历史20日走势状态为例，观察行业指数在极坐标系中的位置。当期大部分指数的极角在0至90°之间，即过去20日出现放量上涨。
历史走势状态与未来涨幅
我们更关注指数历史走势状态与未来涨幅的关系。进一步计算每只指数未来20日涨幅， 并根据涨幅渲染散点颜色，红色表示涨幅较高，绿色表示涨幅较低。
多周期走势状态与未来涨幅规律
还可以统计更多的周期对应关系，如历 史60日与未来20日，历史30日与未来 90日，在不同周期上建立规律。
历史与未来周期的多对一关系
为了能够预测指数涨幅，要寻找历史周期与未来周期之间的多对一关系： 以月度组合为例，在分析指数历史走势状态与未来走势关系时，应固定未来涨幅周期为 20个交易日；同时为了发现更稳定的规律，遍历从5日到240日的多个历史运行周期， 并从中选择最有效的周期。这种多对一关系就是模型的核心——位置参数表。根据不同的调仓周期需求，还可以使用更多未来涨幅周期建立位置参数表。
通过走势状态和位置参数表选择行业
在每个调仓时点上，计算行业指数多个历史周期的走势状态，并分别与相应历史周期的 位置参数表进行对比，匹配未来涨幅排名靠前的区域作为可投资区域，从中选择行业。
生成位置参数表时，采取滚动时间窗口，使用调仓日起向前一段时间内的区域到涨幅的 映射关系确定参数。 当调仓周期较长时，计算映射关系用到的未来时间窗口也较长，应确保不含未来信息。 例如对于月频调仓，在T月末调仓时，应使用不晚于T-2月的走势状态参数，这样在计算 未来20日涨幅时，可以确保时间跨度不会超过调仓日期(T月末)。
周度调仓行业组合
2014/1/1-2025/6/30，周度调仓行业组合上涨369.06%，同期行业等权组合上涨80.97% ，行业组合超额收益为288.09%，超额收益集中在2018年之后。
2014/1/1-2025/6/30，月度调仓行业组合上涨388.85%，同期行业等权组合上涨80.97% ，行业组合超额收益为307.88%。
半年度调仓行业组合
2014/1/1-2025/6/30，半年度调仓行业组合上涨279.77%，同期行业等权组合上涨 80.97%，行业组合超额收益为198.80%。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
