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，行业轮动模型因子化有了应用场景，其具备良好因子特性，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，保持个股偏离约束同时放松行业偏离是最佳方案 [2][60][61] 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产品大多跑输，主要失效因子是逻辑偏反转的量价因子，可引入行业轮动模型作为补充 [4][5][7] - 行业轮动模型强动量驱动，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，可探索因子化引入多因子框架 [10][13][16] 行业轮动模型的因子化 - 将行业模型改为选股因子，把股票所属行业得分拼接，因行业多对因子 IC 影响有限，且需对因子正交处理 [22] - 原始行业轮动因子月度 IC 与成长因子相关性超 0.4，正交化处理后单调性好，累计 IC 和多空表现优异，月均 IC 达 5.3%，ICIR 为 0.40，特性优异 [23][25][30] 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，增强牛市进攻性和超额稳定性 [33][35][38] - 因子等权 vs ICIR 加权：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 [39] - 向指增框架靠拢：增加行业和个股约束后，五因子模型收益部分年份提升但 2025 年超额转负，不过能控制部分年份最大回撤 [41][42] - 通过行业打分来约束行业偏离排序的方法：该方法表现弱于五因子直接约束模型，不是最佳方案 [44] - 多策略组合：行业轮动单因子组合表现与五因子优化约束组合走势相近，“拼盘组合”表现难占优，五因子加行业个股偏离约束仍是最优方案 [47][50][52] - 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%，能提升超额收益、降低最大回撤，对跟踪误差影响小 [53][56][57] 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，行业轮动因子特性好，加入传统多因子框架可提升表现，但与指增框架行业偏离约束有冲突，选股有增量贡献，保持个股约束放松行业偏离是最佳方案 [60][61][62]