一、行业分类难以满足多元需求，主题概念投资快速兴起
- 传统行业分类难以完整刻画企业多元业务特征，信息损失增加，市场对反映结构性趋势和阶段性主题的概念指数需求提升。
- Wind概念指数数量快速增长，截至2025年9月30日，Wind概念指数共有1034只，Wind热门概念指数共有339只。
- Wind热门概念指数成分股数量偏少，87.98%的指数成分股在100只以下，10只以下成分股的指数数量占比6.16%。
- Wind热门概念指数采用等权重方式编制，具有“因子中性”特点，在小市值与价值因子上暴露较高，具备均值回归特征。
二、基于TimeMixer模型的热门概念指数轮动策略构建
- 基于TimeMixer改进的机器学习模型，将个股Alpha信息聚合到Wind概念指数上，构建指数轮动策略。
- TimeMixer改进的机器学习模型在选股层面效果显著，周频选股因子的IC高达10.68%，多头年化超额收益率和多头信息比率分别高达45.42%和3.66%。
- 聚合到概念指数后的因子IC均值为7.27%，多头年化超额收益率为30.77%，多头信息比率为1.28。
- 基于TimeMixer的热门概念指数轮动策略相对于中证全指和Wind热门概念指数等权分别取得了费后18.06%和9.02%的年化超额收益率，相对于中证全指超额最大回撤仅为9.97%，信息比率为1.73。
- 策略所有年度均相对中证全指实现正向超额收益，2019—2025年期间，平均需要配置约263只股票，周度来看每周实际持有的股票数量均值约为301只。
三、基于热门概念指数轮动效应的选股策略构建
- 为提升策略可操作性，从概念指数成分股中筛选更具代表性的少量标的构建Alpha股票组合和龙头股组合。
- 基于TimeMixer改进的机器学习模型Alpha因子排名选出前20只股票构建投资组合，相对于中证全指实现了费后11.34%的年化超额收益，超额最大回撤为22.87%，信息比率达到0.79。
- 选择自由现金流率（FCF2EV）筛选热门概念指数中的核心标的构建龙头股等权组合，相对于中证全指年化超额收益为20.63%，信息比率1.61。
- 自由现金流率因子在成长大幅占优的年份（2019、2020和2025）年表现略弱，组合在2019-2025所有年份均获得了正超额。
