核心观点 报告提出了一套基于概率思维的行业轮动决策框架，将行业指数视为可重复博弈对象，通过系统评估其历史胜率与盈亏结构来筛选具备长期正期望的行业，并引入逆周期筛选和凯利公式优化权重分配，旨在构建一个能够穿越周期、收益稳健的行业配置策略 [3][4][5] 研究思路：概率思维与核心指标 - 研究采用博弈型配置策略，核心是评估博弈某一行业时赢的概率（胜率）、赢时赚多少以及输时亏多少（盈亏比），而非判断行业基本面好坏 [11][12] - 关注三个核心指标：胜率（P，盈利次数/总次数）、盈亏比（B，平均盈利幅度/平均亏损幅度绝对值）以及合并二者的期望赔率（预期收益 = P * B - (1 - P)）[13][14] - 实证表明，采用24个月作为计算窗口期能提供更稳定、可持续的收益表现，相比更短周期对噪声敏感性更低 [15][17] 基础策略方案与改进方向 - 基础胜率方案：在28个中信行业中，选择过去24个月月胜率最高的5个行业进行等权配置，该策略体现出动量特性，历史回测（2011-2026）年化收益为8.84%，最大回撤为51.97%，年化超额收益相对于沪深300约6% [18][20][21] - 基础预期收益方案：选择过去24个月预期收益最高的5个行业，该策略波动较大，无法直接应用，但可作为胜率策略的补充 [22][24][25] - 改进方向：基础胜率方案本质是动量策略，缺乏逆周期布局能力，当行业胜率已兑现时，其未来隐含赔率可能下降，这是其超额收益不强的重要原因 [26][28] 均衡策略方案：逆周期筛选与权重优化 - 逆周期筛选机制：在行业筛选中引入“历史排名记忆机制”，对弱势行业（当期未进入前30%）参考其最近一次能进入强势阶段时的排名参与本期比较，旨在保留具备反转潜力的行业 [31][34][35] - 综合盈亏指标：在筛选阶段同时刻画胜率与盈亏结构，使用（胜率排名0.7 + 预期收益排名0.3）的综合评分，仅保留前30%的行业定义为强势行业 [35] - 凯利公式权重优化：在保持行业筛选结果不变的前提下，基于各行业的胜率与盈亏比计算凯利权重并进行归一化处理，使资金分配向高胜率、高盈亏比行业倾斜，以提升长期几何增长率 [5][40][42] 策略绩效表现 - 引入综合盈亏指标后的策略，年化超额收益（vs 沪深300）提升至 9.6%，收益路径更平滑，超额收益来源更稳定 [38][39] - 结合凯利公式权重优化后的最终策略，年化超额收益（vs 沪深300）进一步提升至 10.9%，2015年以来除2018年外均实现超额收益 [45][46] - 最终策略相对于等权行业基准也实现了 7.7% 的年化超额收益，2015年后仅在2022年和2026年未能跑赢 [47][48][50] 稳健性检验：行业依赖性与配置结构 - 行业集中度：策略在历史上呈现出对消费相关行业的系统性偏好，如食品饮料、家电、医药等板块出现频率较高，这由胜率与盈亏比共同作用导致，并非主观配置 [55][57] - 行业依赖性测试： - 剔除近期表现出色的通信与传媒行业，策略整体表现出现小幅回落，表明近期收益在一定程度上依赖少数行业的阶段性超额 [61] - 剔除历史上配置最多的有色金属行业，策略长期表现未受显著影响；但剔除食品饮料行业后，策略表现显著下降，说明策略长期收益与消费行业关联度高 [66][67] - 样本数量敏感性：当行业选择数量在 3–6个 时，策略在信号强度与组合分散度之间达到较好平衡，表现最优；数量在1-7个区间内，策略收益曲线整体保持稳定 [71][72]