行业轮动在A股的重要性不言而喻。根据Wind公开数据，过往十年，中信一级行业年内收益前五的行业与后五的行业平均收益率差距高达58%，前三行业与行业等权的平均收益率差距为40%。所以说在年内把握住排名居前的行业的投资机会，就相当于把握住了年内收益排名的制胜武器。
数据来源：Wind
盘点市场上主流的行业轮动方法，往往有如下三种方式，1）自上而下型，即根据宏观指标等划分经济周期，判断每类经济周期下利好的行业；2）行业中观型，目前的主流方式，主要从行业本身的基本面或者景气度出发 ，来判断配置的行业；3）自下而上个股型：即通过判断行业内个股的情况，然后累加到行业得到行业的配置机会。
我统计了市场上主流量化团队在具体轮动做法上的选择，各团队的做法有一些异同点，总结下来包括基本面+趋势动量+量价因子+宏观几大主流因子类别，具体的异同点见下，供大家参考：
l 基本面因子选择：基本面更多期望反映的是对于未来盈利的预期。各团队均使用了分析师一致预期数据，以及财报历史基本面信息。只是具体指标略有差异，比如在分析师一致预期使用时，有的使用一致预期ROE增速，有的使用分析师上调比例，国海使用的周期会更长会使用三年的预期变化，国盛通过给分析师打分优选打分靠前的分析师的预测；在历史基本面指标的选择上，有的团队指标多达20个，有的团队只使用2-3个财报指标。但我的理解是整体上历史基本面指标不需要太多，越多越存在过拟合的可能性；另外一个方面，分析师不是市场上交易的真正参与方，分析师的一致预期并不代表真正的一致预期，所以他们预测的绝对水平不能使用，但分析师情绪的边际变化，尤其是聚焦到绩优分析师的边际变化上，应该是更可行的。
l 动量因子选择：动量更多反应的是市场的趋势，在趋势下更容易挣到估值提升的钱。说到趋势，使用过去12个月的行业动量或者龙头股动量之类的比较多，兴业这里的做法值得借鉴一些，使用的是过去12个月的残差动量，即通过回归先剥离风险因素的影响。通过回测，这种做法不仅可能有更高的风险收益比，并且能够有效应对动量因子在某些时期的崩溃。
l 量价因子选择：更多的是风控手段，在高波动和换手时提示减仓。这是一个很常见的风险信号，低拥挤和低波动不一定会带来Alpha，但是高拥挤和高波动往往会赔率不足，有比较大的回撤的可能，所以多被当作负向信号使用。
l 宏观因子选择：宏观因子在多数情况下，其实是另外一套自上而下的逻辑线索，和行业中观型的轮动不是一条线索。所以在两类因子结合的时候，我们见到了三类做法：1）中金的做法是按照宏观环境切分经济周期，然后不同的经济周期下给与中观的因子不同的赋权权重；2）国海的做法是宏观+估值+ROE等因素先计算行业预期收益率，然后与上述的各个因子结合起来去计算一个类似最优化的权重；3）海通的做法采用的是factor mimicking，其实就是用了宏观的高频数据去预测每个行业的预期收益，然后做了等权处理。从实际做法上，我个人觉得海通的更加合理，其他的存在一定统计上的过拟合的可能性。但无论如何，纳入宏观周期的信息（甚至包括政策事件冲击等的信息）对于行业预测的效果应该都是有提升的。
l 其他因子：不同的团队可能还使用了一些其他的因子，比如北上流入/超大单买入/融资买入（负向）/小单退出等的“Smart Money”信息，以及公募行业变动/券商金股行业变动等机构行为信息，但我整体上感觉这些数据可以用来进行校验，但交易行为对应的资金周期不同，投资目的也不同，直接拿进来效果的持续性值得商榷。
下面是我总结的各团队的策略因子方案，具体的研报名称见文后，感兴趣的朋友可以自行搜索：
信息来源：各券商团队研报
根据各团队的信号，目前更加一致预期的方向出现在煤炭、电力及公用事业、机械、通信、基础化工、石油石化、医药、汽车、农林牧渔（三家及三家以上）。
信息来源：各券商团队研报
以上。其实从因子的使用和结果也能看出，各主流量化团队在景气向上+趋势来临的时候，给出的行业方向判断其实大差不差，但是在动量真正崩溃或者基本面景气方向反转的时候，能够给出比较好的撤退的信号，可能在基本面的信息的模型构建和使用上，需要下更多的功夫（比如事件冲击模型或者政策模型之类）。
注：基金有风险，投资需谨慎。历史业绩并不代表未来收益，本文对于基金的分析仅供参考，不作为投资依据。
参考研报（海通报告比较分散未列出）
国海证券：行业配置研究：寻找胜率与赔率的平衡
国盛证券：行业轮动：三个标尺与两个方案
国信证券：CANSLIM行业轮动策略
招商证券：蓝海启航系列研究之四分析师预期数据在行业轮动中的应用和创新
开源证券：行业配置体系2_0：轮动模型的回顾、迭代与思考--大类资产配置研究系列
中金公司：行业轮动系列（2）：如何在打分体系下运用宏观与中观信息
兴业证券：基于盈余惊喜（基本面）、残差动量（技术面）、北向资金（资金流）的行业轮动模型