为提供不同市场环境下的行业轮动解决方案，我们对原来的 “预期共振”模型进行了迭代升级。具体来说，我们引入了自适应机制，最后构建了一个涉及景气度、量价指标、分析师预期指标的自适应调整模型。后续，我们将对“预期共振”自适应行业轮动进行月度跟踪，敬请投资者持续关注！
1、策略逻辑
在指标方面，我们基于景气度、量价指标、分析师预期三个维度构建了十二个明细行业轮动指标。在模型方面，为解决市场机会与轮动指标不适配的问题，我们提出了一个基于分析师预期和行业景气共振情况，动态调整景气度和量价指标权重的自适应模型。
2、策略表现
2021年-2023年，“预期共振”行业轮动策略获得显著超额收益，基于中信一级行业的多头组合全年收益为39.54%（同期空头组合的收益为-15.63%，全行业等权基准收益为-7.23%）。2024年至今，策略多头组合收益为7.73%，基准收益为10.30%。
3、最新推荐
根据最新数据，我们计算了十二月份的“预期共振”行业轮动指标。
根据指标得分，排名靠前的行业有银行、非银行金融、电子、煤炭、建材、计算机、电力设备及新能源和纺织服装。
风险提示：本报告结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险；本报告所提及个股或基金仅表示与相关主题有一定关联性，不构成任何投资建议。
近年来，行业Beta已经成为了权益投资的重要考虑因素。而不同阶段的行业轮动现象往往又由不同的因素所驱动形成，这在无形中增加了基于量化模型构建行业轮动策略的难度。为此，我们构建了一个“预期共振”自适应行业轮动策略，其中主要涉及三个维度的指标和自适应调整模型。
【景气度】
在景气度方面，我们基于国家统计局公布的工业企业数据构建月频产业景气指标，与季频的财务数据指标形成相互补充。并在财报期前后上，加入基于相关性权重的行业净利润断层指标。
【量价指标】从更灵活、更高效的量价视角，构建了一套更为稳健的技术指标。其中，包括结合行业拥挤度（基于Fama-French和GARCH模型得到预期特质波动率）和中长期动量构建得到的修正动量，以及隔夜收益率、边际平均动量、累积势能、成交波动和价格的成交弹性指标。
【分析师预期】首先，延用了之前在预期共振因子中的降噪打分法，基于分析师盈利预测变化率得到净利润预期变化因子；其次，通过引入分析师市场影响力算法，构建得到行业预期调整得分因子；再次，设计了统一评级分类方法，并通过精选券商的方法，构建得到积极评级数量因子。
【自适应模型】为解决市场机会与轮动指标不适配的问题，提出了一个基于分析师预期和行业景气共振情况，动态调整景气度和量价指标权重的自适应模型。
“预期共振”行业轮动策略整体表现较为稳健，2013年以来，行业多头组合年化收益率达到23.67%，夏普比率为0.91。
2021年-2023年，“预期共振”行业轮动策略获得显著超额收益，基于中信一级行业的多头组合全年收益为39.54%（同期空头组合的收益为-15.63%，全行业等权基准收益为-7.23%）。2024年至今，策略多头组合收益为7.73%，基准收益为10.30%。
根据最新数据，我们计算了十二月份的“预期共振”行业轮动指标。根据指标得分，排名靠前的行业有
银行、非银行金融、电子、煤炭、建材、计算机、电力设备及新能源和纺织服装。
本文选自招商证券定量研究团队的报告《“预期共振”自适应行业轮动模型十二月最新推荐》（2024年11月30日发布）
风险提示
本报告结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险；本报告所提及个股或基金仅表示与相关主题有一定关联性，不构成任何投资建议。
分析师承诺
