报告行业投资评级 未提及 报告的核心观点 - 2026年以来传统量价因子集体失效，为偏动量特征的行业轮动模型因子化提供场景，且行业轮动模型超额稳健性为其因子化提供基础 [2] - 行业轮动因子具备良好特性，因子月度IC达5.3%，ICIR达4.0，加入传统多因子框架可提升模型近年表现，但与指增框架行业偏离约束有冲突 [2] - 行业轮动因子在选股上有增量贡献，保持个股偏离约束同时放松行业偏离是使用该因子的最佳方案 [2] 根据相关目录分别进行总结 为行业轮动模型寻找使用场景：从量价因子失效说起 - 2026年以来中证500指数出现量化模型超额回撤，对标该指数的指增和主动量化类指增产品大多跑输，截至1月底，中证500指增产品平均跑输3.46%，主动量化产品平均跑输1.96% [5][6] - 主要失效的量价因子逻辑相似，大都强调反转，在1月指数快速上涨、热门板块驱动下因子反向，动量、成长等因子对冲效果有限 [8][11] - 行业轮动模型大量基于动量，可与传统量价因子互补，但缺乏使用场景，其多头组合表现不亮眼，稳健超额因基准未获大众认可而缺乏实际意义 [11][14][17] 行业轮动模型的因子化 - 将行业模型改为选股因子较易处理，把股票所属行业得分拼接，因行业数量多对因子IC影响有限，且需对因子进行正交处理 [23] - 原始行业轮动因子月度IC与成长因子相关性超0.4，正交化处理后表现单调性好，累计IC和多空表现优异，能中和量价因子反转特性 [24][26][29] - 2017 - 2026年1月，行业轮动因子月均IC达5.3%，强于其他传统因子，ICIR为0.40，排在第三，整体特性优异 [31] 行业轮动因子的使用和比较分析 - 四因子和五因子模型比较：加入行业轮动因子的五因子模型战胜基础四因子模型，带来更高超额收益，增强了组合牛市进攻性和超额稳定性 [34][36][40] - 因子等权vs ICIR加权：因因子动量有效性变弱，ICIR加权效果不如因子等权，加入行业轮动因子的五因子等权组合各年份表现最优 [41] - 向指增框架靠拢：增加行业和个股约束后，五因子模型分年度表现有降有升，2025年超额转负，但能有效控制部分年份最大回撤 [43][44] - 通过行业打分来约束行业偏离排序的方法：该方法表现弱于控制行业和个股偏离的五因子模型，不是最佳方案 [46] - 多策略组合：将行业轮动因子作卫星组合与四因子组合拼盘，表现难占优，五因子加行业个股偏离约束仍是最优方案 [52][54] - 目前最佳方案：保持个股偏离0.5%不变，放松行业偏离到4%或5%，能提升组合超额效果，降低最大回撤，对跟踪误差影响小 [55][59] 小结 - 行业轮动模型缺乏使用场景，其稳健性为选股因子化提供基础，2026年量价因子失效为行业轮动模型因子化提供场景 [62] - 行业轮动因子特性良好，加入传统多因子框架可提升模型表现，但与指增框架行业偏离约束有冲突 [62][63] - 行业轮动因子选股有增量贡献，保持个股约束放松行业偏离是最佳方案 [63][64]