不同利率环境下，单一因子的行业轮动往往难以持续贡献超额收益。
我们通过结合利率信号，以企业生现效率与资本开支质量两个因子进行切换，构建了一类固收+行业轮动策略，
单权益侧基础策略2013年至2025年1月末年化收益18.48%（增强版35.17%），年化波动22.02%（增强版25.03%）。在权益侧生息能力提高后，
我们通过久期中性组合来构建收益风险比更为稳定的固收+组合
（增强版固收+2017年以来年化10.94%，最大回撤5.67%）。
我们以十年国债收益率累计季度变动和10年-3年国债期限利差变动作为利率环境的代理变量，以申万一级行业指数月度涨跌幅作为标的，回测了71个因子(具体因子计算和因子IC/IR值在附录中)在不同利率环境的IC值。我们可以看到
（1）几乎没有因子能够在不同利率环境下实现稳健的收益增强——IC/IR绝对值偏小，方向随环境变动；（2）利率下降阶段中，常见因子普遍“失效”。
注：横轴为期限利差缩短时因子的IC，纵轴为期限利差扩张时因子的IC；数据自2012年12月截至2024年12月
资料来源：Wind, 中金公司研究部
注：横轴为期限利差缩短时因子的IC，纵轴为期限利差扩张时因子的IC；数据自2012年12月截至2024年12月
资料来源：Wind, 中金公司研究部
我们认为上述单一因子无法适应所有利率环境的主要原因或在于，
不同利率环境下企业决策目标会发生迁移，而非静态的利润最大化；同时投资者的“审美偏好”与“风险重心”也会同步调整。
我们假设十年国债收益率反映市场对于经济的增速预期，三年国债收益率反映市场对于短期投融资的资金回报/成本的定价。
图表3：基于10Y和10Y-3Y所构建的利率环境分割（季度视角）
在这一假设基础上，我们推导企业在不同环境下的决策模型，同时我们假设企业普遍存在以下的反应逻辑：
1、利率下行，期限利差缩短（牛平）：
经济相对偏弱，而资金成本刚性，市场预期较为悲观，典型如2023年年末到2024年1季度末。因此公司生现能力要更强，资本开支质量要更高。
2、利率下行，期限利差扩大（牛陡）：
经济偏弱，货币政策由紧转松，利率中枢快速下行，典型如2024年6月-9月。企业博弈政策支持力度加码，营运杠杆适度放松并把握“结构性套息空间”，对于生现能力要求降低，资本开支质量要求仍高；
3、利率上行，期限利差缩短（熊平）：
经济持续复苏阶段，资产价格“繁荣”，央行或收紧货币政策，典型如2020年6-11月。企业持续博弈拐点，适度加大资本开支逆周期调控。因此一方面，对于企业生现能力要求降低，营运资本使用要求提高，但对于进一步资本开支保持审慎。
4、利率上行，期限利差扩大（熊陡）：
一般处于经济复苏的初始阶段，等待经济确定企稳，货币政策相对滞后，长端可能因为通胀预期等原因攀升，典型如2022年3-4月。公司在此区间一般保持常态经营思路。
基于上述基于假设，我们围绕企业的生现能力、资本开支质量编制因子：
我们通过
计算经营性净现金流金额-营运资本变动的差，除以公司营业收入来进行计算。
行业层面，我们通过分子端加总比分母端加总来计算行业层面指标。以电力设备和煤炭行业为例，电力设备目前处于生现能力的高点，而煤炭即使整体生现绝对值仍高，但近年仍处于下滑周期。关于这个因子，需要注意的是，
（1）“生现效率”到底代表了什么？
营运资本等于流动资产-流动负债，我们简单拆分企业的流动资产为现金+存货+应收账款。分子端经过如下调整(图6)后，我们可以看到生现效率越高，意味着经营性净现金流相对运营资本占用变化更多，但也意味着流动负债相对于存货和应收账款积累更多——不考虑非经营性现金流的情况下，生现效率就衡量利用上游资金的能力。回到此前企业对于不同利率的反映逻辑，在大部分时候生现能力都是越强越好。但是在利率市场出现牛陡和熊平时——经济由强转弱的周期内，企业需要更大的营运资本积累，来提高财务安全性。
（2）生现效率指标与目前计划发行ETF的自由现金流指标存在两点差异：
一是自由现金流中经营现金流是以息税前利润-所得税获得，而我们在构建生现效率指标时仅使用经营性现金流数据；二是以国证自由现金流指数为例，其分母为营业利润，而我们使用营业收入来刻画单位收入层面的现金流情况。
（3）我们不调整银行和非银在该指标的计算：
从商业模式和财报要求而言，金融企业并不适合利用该指标来衡量其生现效率，但我们仍不做调整。
我们为刻画公司在考虑已有业务和资金成本的情况下，进一步进行资本开支的实际效率能力，
我们通过将资本开支/净资产-ROE-公司借款成本的方式，来作为最终的代理变量。
该指标计算的是，企业资本开支现金流计划扣减经营利润后占净资产的比重，相对公司借款成本如何。该数值越高，代表公司资本开支效率越高——能够覆盖ROE与借款成本；而该数值越低，代表公司资本开支相对已实现ROE和融资成本而言更保守，或发展相对更成熟。行业层面计算与上一指标一样。仍以电力设备与煤炭行业为例，企业资本开支周期相较生现周期更长，煤炭经调整后的资本开支效率指标近年来有一定提高，而电力设备更是保持2021年以来相对积极的CAPEX驱动。
依据两类利率信号、两类因子和我们所假设的企业决策逻辑，我们制定以下行业轮动策略：
► 回测基础假设：
个股/指数回测均按流通市值加权，月末调仓，双边千一手续费，起始日为2012年12月31日；个股层面筛选剔除北交所标的，仅包括过去120个交易日均有交易，且过去60个交易日自由流通市值最小值大于5亿元的标的。指数层面直接选取申万一级行业指数；
► 利率信号：
中债10Y国债到期收益率过去60个交易日的差值是否为正作为利率上行/下行信号，中债10Y国债-3Y国债利差过去60日移动加权均值的21日差值是否为正作为利差上行/下行信号；
► 轮动因子：
依照上述生现效率因子(F1)和资本开支质量因子(F2)按季度计算后，计算相较3年(12个季度)移动加权均值的差额，最后计算同比差额；
► 轮动逻辑：
一般情况下依据F1排序值+F2排序值加总选取前5个行业，当利率下行且利差走阔时，计算F2排序值-F1排序值后选取前5个行业；而当利率上行且利差缩窄时，计算F1排序值+F2排序值后选取后5个行业。
def getCycleFinancial
(database, rptDate):
mat营业生现 = database.df营运周期.loc[:rptDate]
mat资本开支 = database.df资本开支.loc[:rptDate]
# 计算的均为相对三年指数移动平均的同比变化
srs营业生现 = (mat营业生现 - mat营业生现.ewm(12).mean()).diff(4).iloc[-1]
srs资本开支 = (mat资本开支 - mat资本开支.ewm(12).mean()).diff(4).iloc[-1]
return srs营业生现, srs资本开支
def 新版行业轮动(database, trade_dt, level=5):
营运周期(database)
prepareInt(database) # 准备财务数据和利率数值
preDate = backTest._offset(database, trade_dt) # 计算前一个交易日
rptDate = lateFundRptDate(preDate) # 计算前一期报告期
srs营业生现, srs资本开支 = getCycleFinancial(database, rptDate)
val利率变动 = database.dfInt.loc[:preDate, '十年期国债'].tail(61).diff(60).iloc[-1]
val利差变动 = database.dfInt.loc[:preDate, '期限利差'].ewm(61).mean().diff(21).iloc[-1]
# 大部分时候都偏好生现能力较强，且资本开支效率更高的企业
srsRank = srs营业生现.rank() + srs资本开支.rank()
if val利率变动 < 0:
if val利差变动 > 0: # 牛陡时，保证财务安全性和提高资本开支效率
srsRank = srs资本开支.rank() - srs营业生现.rank()
else:
if val利差变动 < 0: # 熊平时，保证财务安全性并且克制资本开支来防止过热
srsRank = - srs资本开支.rank() - srs营业生现.rank()
return srsRank.nlargest(level).index # 选取符合预期的前五大行业
该组合2013年至2025年1月末组合的年化收益18.48%，累计收益448.9%，年化波动22.02%，最大回撤43.9%。组合目前（针对2025年2月）在一级行业部分选择“电力设备”、“国防军工”、“钢铁”、“有色金属”与“房地产”。
通过复盘策略月度超额回报来看，
该组合受行业集中度和指标惰性影响，在市场出现冲击时，反应能力相对较差，
典型如2018年10月，因行业集中度调整，彼时筛选的偏消费类板块调整较大；2020年上半年，选择较为集中在钢铁、轻工制造和石油石化上，对于宏观环境敏感度不高。但考虑到财务指标必然的滞后性，我们暂不在这一维度上进一步优化。
我们在此前几次谈及固收+行业轮动时，多采用景气度指标和市场热度指标。我们在二级行业层面，引入景气度和热度指标进行二次筛选，从而回避存在过热和景气度下滑的子板块，以期提高整体行业轮动的收益和控回撤能力。具体而言，我们采用两个方向增强：
1. 剔除分析师预期处于后10%，或者相较上一个月增长预期缩减明显的二级子行业。
该增强策略2013年至2025年1月底年化回报23.29%，年化波动24.09%。
目前针对2025年2月选择的行业为“风电设备”、“电网设备”、“能源金属”、“电池”、“航海设备”、“工业金属”、“航空设备”、“房地产服务”、“军工电子”、“地面兵装”、“小金属”和“电机”。
2. 剔除市场热度（依据RSI和大单成交占比所构建的热度指标）显著过高的20%二级子行业。
该增强策略2013年至2025年1月底年化回报24.8%，年化波动23.33%。
目前针对2025年2月选择的行业为“风电设备”、“电网设备”、“特钢”、“能源金属”、“其他电源设备”、“电池”、“航海设备”、“工业金属”、“航空设备”、“金属新材料”、“军工电子”、“航天设备”、“地面兵装”、“光伏设备”、“小金属”和“治钢原料”。
3. 两者也能够进一步合并，我们合并的思路为
（1）默认筛选前两者的交集；（2）在交易样本容量占比低于一级行业筛选时的1/3，我们根据行业分歧度进行剔除因子的筛选；（3）依据一级行业日度涨跌幅计算月度加权移动标准差，当该数值处于近一年前80%分位数时，仅剔除景气度标的；反之则剔除动量标的。策略区间年化28.87%，年化波动23.90%。针对2025年2月，目前交集规模符合要求，策略选择行业为“风电设备”、“电网设备”、“能源金属”“电池”、“航海设备”、“工业金属”、“航空设备”、“军工电子”、“地面兵装”和“小金属”。
出于建仓考虑，我们进一步看由权重股构建的组合效果：
我们均采用一级行业中前5大个股，构建月度25个持仓组合。从风险回报比来说，与行业指数层面进行轮动的效果保持一致，且相对而言均有超额——尤其是动量增强方面，这一定程度或体现行业动量相对聚焦在权重股。
图表15：各类利率信号+行业轮动组合2013-2024M1年化表现
具体落实到固收+层面，我们认为需要关注权益生息能力提高后，股债相关性可能趋正，使得资产配置难度提高。我们试图通过久期中性的手段来解决这一问题。所谓久期中性，我们是指依据风格轮动所构建的权益组合相对久期，和纯债资产久期依据仓位加权后，组合整体久期为某一锚定值，例如0。
首先，我们先通过以下回归式进行测算一级行业指数的beta值。需要注意的是，(1)我们剥离了一级行业相较市场加权值的部分，仅计算自身相对久期值；（2）我们通过十年国债收益率差额来作为解释变量。
