现在炒股的人越来愈多，对于重构量化行业轮动框架：宏观篇(下)：多维宏观状态下的行业轮动策略这一问题，往往并不清楚。今天小编整理了网上关于重构量化行业轮动框架：宏观篇(下)：多维宏观状态下的行业轮动策略的信息，欢迎大家一起讨论。

报告摘要：

重构量化行业轮动框架，探寻多维宏观状态：一个完善的行业轮动框架，通常涵盖对宏观变量的解读、对行业景气度的分析以及考虑个股微观特征等多个维度。基于宏观维度，前期我们通过对不同环境极端状态进行提炼，刻画了从宏观到行业涨跌特征的知识图谱，策略样本外两年多取得了稳定的表现。

本文为宏观事件策略的升级版，出发点是引进更多宏观指标及状态刻画，基于多指标特征共振挖掘更立体的多维宏观状态，进而研究行业轮动中有效的宏观驱动因素及逻辑，探索其中可量化建模的方法。

挖掘不同宏观状态背后的行业轮动机会：本文与之前的单宏观事件的区别在于：单事件通常对形态要求更为苛刻因此较少触发信号，而多维事件则在宏观事件状态刻画上相对放开，但要求多个指标同时触发信号，只有当多个宏观指标处于极端状态并产生共振时，才触发相应“宏观事件”，进而研究其对特定行业的影响。

指标选择上，共涵盖了约54 个常见的宏观指标及各行业相关指标约1100 个，每个指标根据其是否触发历史新高、是否处于短期高位等状态各定义8 类事件状态，共衍生出约12000 类宏观事件。

策略实证结果：报告中围绕各行业的有效宏观事件库，构建了基于28个申万一级行业的轮动策略，自2010 年1 月至2021 年2 月共11 年的样本测算区间内，轮动策略相对行业等权基准指数获得约26%的年化超额收益，各行业单独择时也均获正贡献。

最新推荐行业：截至2021 年2 月，根据模型最新一期测算结果，3 月推荐超配的行业组合为：采掘、轻工制造。

核心风险提示：本模型采用量化方法通过历史数据统计、建模和测算完成，所得出的规律及推介行业未必具有严格的投资逻辑，也未必符合当前宏观环境特点，在极端的市场环境变化中有失效的风险。