文章核心观点 - 改进传统资产轮动框架问题，对输入变量进行超预期视角处理，采用因子相关性加权计算资产最终得分，提高模型综合性和自适应性；2017 - 2025年1月回测期间行业轮动模型年化绝对收益32%，远超同期沪深300和全行业等权组合，2025年2月末推荐电子、计算机、医药、传媒及通信五大行业 [1] 常见的轮动框架 - 多资产轮动核心逻辑是综合分析多维度指标，选择适配行业或资产类别以优化投资组合实现超额收益 [2] - 基于宏观经济周期划分的策略以美林时钟为代表，将经济周期划分为四个阶段并推荐不同配置，但对经济周期认知理想化，未考虑经济指标领先和滞后关系 [2] - 基于因子打分的轮动框架突出量化综合性和灵活性，指标考虑维度更全面，配置调整更快速灵活，但存在宏观因子时间对齐等操作细节问题 [2] 超预期视角 - 对宏观经济数据采用超预期方式处理，将每月公布数据与市场一致预期对比，用1、0、 - 1表示超预期、符合预期、低于预期 [3] - 因子有效性检测和打分采用计算相关性并加权合成方式，以相关系数为权重对最新一期变量加权计算最终得分 [3] 轮动模型的建立 - 指标选择涵盖经济增长等五个维度共26个指标，采用Wind一致预期数据作基准 [5] - 每月底根据指标历史相关性对最新一期指标加权得综合得分，选综合得分最高的五个行业构建行业轮动配置组合 [5] - 2017年1月 - 2025年1月，超预期策略和原始策略年化收益分别达32%和13%，同期沪深300和全行业等权组合年化收益仅为1%和2%，夏普比率分别为2.05和0.37 [5] - 通过综合得分与阈值0比较构建多空择时模型，2017年9月 - 2025年1月回测期间，多空和只多策略在中信一级行业上均超越行业指数年化收益，多空策略更显著 [5] 2025年3月推荐行业信号强度 - 模型看多行业前五为电子、计算机、医药、传媒及通信 [6] - 模型看空行业前五为煤炭、房地产、交通运输、综合金融及建材 [7]