研究背景与目标
本报告从微观视角探索构建行业轮动策略，对比不同因子处理方案，寻找去除噪声且有效的微观因子，以构建行业轮动策略捕捉行业Beta。
Barra因子介绍及因子中性化方案
Barra风格因子模型包含八类风格因子：规模、波动率、流动性、价值、质量、动量、成长、分红。报告采用申万一级行业指数构建行业轮动策略，并使用百分位数法去极值。
因子有效性测试框架
报告采用信息系数法与回归显著性验证相结合方式检验行业因子有效性，并加入NDCG指标评价因子在行业轮动中的效果。
行业轮动因子介绍
报告对比了三种行业因子处理方案：
- 方案一：计算个股层面因子取值，截面上标准化后合成行业因子。
- 方案二：计算个股层面因子取值，截面上去极值标准化后合成行业因子。
- 方案三：行业因子风格中性化处理，对因子回归风格因子取残差后去极值标准化合成行业因子。
报告选定部分无效的Barra二级/三级因子进行方案三的风格中性化处理。
方案一年频窗口参数选用因子及样本内外表现示例
以方案一为例，展示某窗口参数设定下，方案一在样本内外的表现。2023年窗口选择的12个因子中，除QRS_beta_5与inv_turnover_qoq外，其余均为反向指标。样本外表现虽有一定衰减，但总体延续2023年窗口表现。合成因子样本内外整体表现未衰减，样本外IC仍高达10.74%。
行业轮动策略
报告利用最新w周滚动窗口选取有效的行业轮动因子，并将这些因子合成用于k周的行业轮动。行业轮动单因子在滚动窗口上入选要求为IC绝对值大于2%，NDCG@5大于20%。
调参结果
- 方案一：窗口参数为每个训练集10周，样本外使用轮动因子1周。自2016年至今，年化收益15.05%，年化波动18.67%，最大回撤-23.11%，周度胜率54.07%，夏普比率0.81，卡玛比率0.65。相比沪深300指数年化超额为14.92%，相比中证800指数年化超额为16%。
- 方案二：窗口参数同方案一。自2016年至今，年化收益18.97%，年化波动18.62%，最大回撤-17.62%，周度胜率56.94%，夏普比率1.02，卡玛比率1.08。相比沪深300指数年化超额为18.84%，相比中证800指数年化超额为19.92%。
- 方案三：窗口参数为每个训练集120周，样本外使用轮动因子25周。自2016年至今，年化收益3.29%，年化波动19.77%，最大回撤-32.19%，周度胜率55.26%，夏普比率0.17，卡玛比率0.10。相比沪深300指数年化超额为3.16%，相比中证800指数年化超额为4.24%，效果不佳。
研究结论
- 方案一和方案二在滚动窗口上表现良好，方案三效果不佳。
- 近年来行业轮动加快，长训练集与样本外相对长窗口参数效果一般，因子风格中性化处理方式适用长训练集参数。
- 报告最终推荐方案一和方案二构建行业轮动策略。
