五维行业轮动模型构建与分类 [page::1]

• 基于东吴金工特色多因子体系，微观因子划分为波动率、估值、成交量、情绪、动量五大类。

- 结合行业内部风格差异，构建行业内部离散与牵引指标，合成五维行业轮动因子。

模型回测与多空对冲绩效指标 [page::0][page::1][page::2]

| 指标 | 多空对冲合成因子 |
|------------|------------------|
| 年化收益率 | 22.01% |
| 年化波动率 | 10.78% |
| 信息比率 | 2.04 |
| 月度胜率 | 73.55% |
| 最大回撤 | 13.30% |

• 五因子中波动率和成交量因子表现最优。

- 多头对冲组合年化收益10.71%，波动率6.59%，信息比率1.63，最大回撤9.36%。

• 各分组净值走势清晰反映行业轮动的分层收益。

多头超额收益表现及月度组合收益拆解 [page::3]

| 指标 | 多头 | 行业等权 | 超额 |
|----------------|--------|----------|----------|
| 年化收益率 | 8.74% | -1.76% | 10.71% |
| 波动率 | 21.76% | 20.97% | 6.59% |
| 信息比率 | 0.40 | -0.08 | 1.63 |
| 胜率 | 54.92% | 52.07% | 71.07% |
| 最大回撤 | -33.03%| -37.86% | -9.36% |

• 2025年7月多头组合收益6.82%，空头组合收益1.62%，超额收益显著。

| 因子 | 多头收益 | 空头收益 |
|------------|----------|----------|
| 波动率 | 3.28% | 2.90% |
| 基本面 | 5.97% | 2.26% |
| 成交量 | 8.02% | 3.77% |
| 情绪 | 6.61% | 4.62% |
| 动量 | 4.46% | 4.94% |
| 合成因子 | 6.82% | 1.62% |

五维行业轮动模型持仓跟踪 [page::3][page::4]

• 近期最新持仓包括电子、交通运输、房地产、银行、环保行业等。

- 各维度持仓呈现行业多样化，覆盖银行、地产、医药、环保等板块，反映模型多风格偏好。

沪深300指数增强策略回测表现 [page::4]

| 指标 | 增强策略 | 沪深300 | 超额 |
|------------|----------|---------|----------|
| 年化收益率 | 7.86% | -0.91% | 8.61% |
| 波动率 | 19.84% | 19.50% | 7.41% |
| 信息比率 | 0.40 | -0.05 | 1.16 |
| 胜率 | 55.74% | 53.28% | 68.85% |
| 最大回撤 | -26.45% | -39.92% | -12.65% |

• 策略结合增持行业和剔除行业方法，实现月度调仓，显著提升超额收益率。

风险提示与免责声明 [page::5]

• 模型基于历史数据存在未来市场变化风险。

- 单因子模型波动较大，需结合风险控制。

• 报告内容不构成具体投资建议。

东吴金工《五维行业轮动月报》深度分析与解读（2025年08月）

---

1. 元数据与概览

• 报告标题：《五维行业轮动月报》202508版

- 作者及团队：高子剑、凌志杰，东吴证券金融工程团队

• 发布日期：2025年08月05日

- 研究机构：东吴证券研究所

• 主题：基于东吴金工特色多因子体系，构建并跟踪五维行业轮动模型，涵盖行业轮动策略的多空对冲、指数增强及最新持仓展望

核心论点：
报告着力于介绍并验证一套基于五维微观因子（波动率、估值、成交量、情绪、动量）综合形成的行业轮动模型。该模型在2015年至2025年超过十年的历史回测中体现出较强的收益能力和风险控制水准，尤其体现在多空对冲策略下年化收益率高达22.01%，信息比率优异达2.04。报告同时展示了该模型在沪深300指数增强策略中的应用效果，以及7月最新的行业持仓推荐。报告信息丰富，兼具策略构建逻辑、历史绩效、持仓跟踪和风险提示，主要面向专业投资者。[page::0,1,4]

---

2. 逐节深度解读

2.1 五维行业轮动模型简介

• 关键论点

该模型基于东吴金工的特色多因子体系，从微观角度解析行业内部结构差异。将微观因子划分为五大类：波动率、估值、成交量、情绪、动量，通过风格指标对行业内股票做细致划分，合成行业因子。

• 逻辑推理

不同股票风格因素在不同时间段对行业表现的驱动不同，集合五维因子可以更全面反映行业动态，实现行业轮动的有效捕捉。

• 理论支撑

该方法继承了多因子选股经典框架，但创新点在于行业内部风格差异刻画，并利用多个维度组合构建行业因子，提升行业轮动的准确率和稳定性。[page::1]

---

2.2 五维行业轮动模型绩效跟踪

2.2.1 模型评分（收益能力与稳定性）

• 总结

根据2024年12月至2025年7月的回测，五维因子中波动率和成交量因子表现最为突出。图1和图2（雷达图）显示波动率和成交量因子在收益能力评分与稳定性评分上的优势明显超越其他因子。

• 数据与解释

收益能力方面，波动率和成交量因子几乎达到了最高评分，情绪与动量则相对薄弱。稳定性评分中，波动率因子得分尤其高，表明回报的持续性较强。

2.2.2 回测绩效表现（多空对冲）

• 关键数据（摘自表1）：

| 因子 | 年化收益率 | 年化波动率 | 信息比率 | 胜率 | 最大回撤 |
|--------------|------------|------------|----------|---------|-------------|
| 波动率 | 11.57% | 10.12% | 1.14 | 60.32% | -14.27% |
| 基本面 | 6.80% | 12.14% | 0.56 | 56.35% | -26.32% |
| 成交量 | 8.83% | 11.72% | 0.75 | 60.32% | -18.40% |
| 情绪 | 8.01% | 12.86% | 0.62 | 64.29% | -14.79% |
| 动量 | 11.54% | 10.67% | 1.08 | 60.80% | -13.52% |
| 合成因子 | 22.01% | 10.78% | 2.04 | 73.55% | -13.30% |

• 逻辑关系

合成因子将五维因子集成，显著提升年化收益率至22.01%，且波动率与最大回撤均处于可控范围，说明风险调整后的收益表现优异。信息比率（收益与波动性的比率）2.04显示模型有效捕获了行业轮动盈利机会。

• 图3数据解读

图3显示六分组净值走势，第一组（最高评分行业）净值稳步上涨，至2025年7月达2.4倍左右；而第六组（最低评分行业）净值呈下降趋势，差异化多空策略明显，形成稳健超额收益。

• 多头对冲表现

多头组合年化收益率为10.71%，波动率6.59%，信息比率1.63，较全市场行业等权组合表现更好，最大回撤仅9.36%，显示策略具备较好的风险控制能力。[page::1,2,3]

2.2.3 七月多空组合收益

• 多头组合7月份收益率高达6.82%，空头组合1.53%，相对基准超额收益2.48%。

- 各因子收益拆解显示成交量与基本面因子表现较好，波动率与动量因子也贡献显著。

• 说明在短期内模型有效反映行业变化趋势，实现组合超额收益。[page::0,3]

---

2.3 持仓推荐与跟踪

• 持仓结构

报告展示了2025年8月各维度最新持仓行业：

| 维度 | 代表行业 |
|--------|--------------------------------------------------------|
| 波动率 | 电子、公用事业、交通运输、银行、汽车 |
| 基本面 | 房地产、建筑材料、非银金融、煤炭、石油石化 |
| 成交量 | 纺织服饰、交通运输、银行、煤炭、环保 |
| 情绪 | 基础化工、有色金属、食品饮料、社会服务、建筑材料 |
| 动量 | 医药生物、交通运输、建筑装饰、通信、环保 |

• 趋势解读

交通运输、银行、环保、建筑材料等行业多次出现在不同维度和月份持仓名单，表明这几个行业被多因子持续看好。电子行业亦保持领先地位。

• 持仓切换

持仓呈现动态调整，如4月至8月从房地产、建筑材料到环保、交通运输，显示五维模型对行业轮动快速反应能力。[page::3,4]

---

2.4 五维行业轮动模型指数增强策略

• 方法简介

在沪深300指数框架下，月末选取评分最高的五个行业为增强行业，评分最低五个为剔除行业，调整指数权重进行指数增强，采用月频调仓。

• 绩效表现（表6）

| 指标 | 增强策略 | 沪深300 | 超额 |
|--------------|----------|---------|---------|
| 年化收益率 | 7.86% | -0.91% | 8.61% |
| 波动率 | 19.84% | 19.50% | 7.41% |
| 信息比率 | 0.40 | -0.05 | 1.16 |
| 胜率 | 55.74% | 53.28% | 68.85% |
| 最大回撤 | -26.45% | -39.92% | -12.65% |

• 图5解读

增强策略净值稳步上升，表现远超沪深300基准指数，且风险调整后表现较优，有效控制最大回撤幅度。

• 优势说明

指数增强策略利用行业轮动因子对沪深300成分权重进行调整，成功获得明显超额收益，展现模型的实用性和稳健性。[page::4]

---

2.5 风险提示

• 本策略及模型基于历史数据，未来市场环境变化可能使模型表现发生偏离。

- 单因子表现波动较大，需结合资金管理与风险控制。

• 模型计算存在误差，不能作为投资决策唯一依据。

- 报告明确区分研究观点与投资建议，强调独立判断。[page::0,5]

---

3. 图表深度解读

图1、图2（页1）

• 描述：五维行业轮动模型中五大因子的收益能力评分和稳定性评分雷达图

- 解读：波动率和成交量因子在收益和稳定性两方面均位列前茅。相对而言，情绪和动量因子表现较弱，反映在模型绩效中也有体现。

• 作用：支持报告中强调波动率与成交量因子的核心地位，指导策略权重分配。

表1（页2）

• 描述：五维因子及合成因子在2015年至2025年回测的多空对冲绩效指标

- 解读：合成因子以年化22.01%的收益率和2.04信息比率明显优于单因子，说明多因子综合效果显著。最大回撤13.3%控制良好，绩效稳健。

• 细节：部分单因子如基本面因子最大回撤异常高达26%；信息比率分布反映出部分单因子表现不稳定。

- 关键背景假设为均衡的多空对冲构建，强调的是行业内相对排名差异。

图3（页2）

• 描述：多空对冲六分组净值走势，第一组最高评分组与第六组最低评分组净值差异明显

- 解读：高评分组稳步上扬，低评分组逐步下跌，保证多空对冲策略有效。

• 支持：直观体现策略收益来源于行业之间的相对轮动。

表2、图4（页3）

• 描述：多头超额绩效指标与多头超额净值走势

- 解读：尽管多头组合波动较大（年化波动率21.76%，最大回撤33%），但相比行业等权组合多头超额达10.71%，信息比率1.63。净值走势显示超额收益随时间积累。

• 结论：多头对冲单边持仓虽波动率高，但依然能实现显著的收益超额。

表3（页3）

• 描述：2025年7月五维因子维度的多头与空头收益拆解

- 解释：成交量因子多头收益最高（8.02%），显著高于空头3.77%，合成因子多头6.82%明显优于空头1.62%，相对收益2.48%。

• 此数据支持模型在短期内捕捉行业轮动效应。

表4、表5（页4）

• 描述：各维度最新持仓推荐和2025年3月至8月逐月持仓动态

- 解读：行业持仓分布呈多样化，部分行业如交通运输、银行、环保显示出跨月多维度认可度，反映模型对行业风格和趋势的动态捕捉能力。

表6、图5（页4）

• 描述：五维行业轮动模型沪深300指数增强绩效及净值走势

- 解读：增强策略年化收益7.86%，基准为-0.91%，超额8.61%；信息比率1.16，表现稳健。净值曲线明显跑赢基准，风险（最大回撤）也较小。

• 支撑观点：模型不仅在行业轮动对冲策略有效，也适合指数增强应用。

---

4. 估值分析

报告核心聚焦于行业轮动模型构建与绩效验证，未涉及传统企业估值如DCF、PE等方法。估值体现为最终构建的合成因子在行业中的表现及其预测能力，通过多因子评分影响行业权重分配。这种基于多因子综合评分体系、动态跟踪评分变化的“量化行业配置”方式，本质上是一种行为上择时与风格配置策略。

---

5. 风险因素评估

• 未来市场风险变化：历史回测数据有效性受限，市场结构、政策及经济环境变化均可能影响模型表现。

- 单因子波动风险：某单因子波动性和最大回撤较大，单因子投资风险较高，需合成因子分散控制。

• 模型数据误差风险：模型基于历史数据统计推断，可能因数据异常或测算误差导致预测失准。

- 投资建议限制：报告声明内容为研究结果，不构成投资建议，提醒用户自行决策。

总体风险提示较全面，重申历史数据局限性与资金风险控制需求。[page::0,5]

---

6. 批判性视角与细微差别

• 优势和创新：报告巧妙结合多维因子，尤其强调行业内部结构差异与风格划分，提升行业轮动建模的深度和准确度。基于多因子的合成因子提升收益和稳定性，信息比率及最大回撤水平显示策略风险调整后表现较好。
• 潜在不足：

- 估值因子与基本面因子表现相对弱势且最大回撤较大，显示部分因子可能存在周期性失效或模型未充分捕捉其风险特征。
- IC指标整体偏低，特别合成因子RankIC为负值，暗示短期内因子预测效力不稳定。
- 多头组合极端回撤高达33%，凸显策略波动性，提示在实际应用中需配合严格资金和风险管理。
- 缺乏对宏观经济突变、政策变动引发的系统风险的深入讨论。

• 内部逻辑：报告整体逻辑严谨，但IC指标与月度胜率分布存在矛盾之处，可能体现模型中因子权重或合成方法仍有改进空间。

---

7. 结论性综合

本报告系统阐述了东吴金工通过五维微观因子构建的行业轮动模型，涵盖波动率、估值、成交量、情绪与动量五大类风格因子，深度挖掘行业内部风格差异，实现基于多因子合成的行业轮动评分体系。通过长达十年半的回测分析，合成因子表现出显著的收益优势，年化收益率突破22%，且控制较低的最大回撤，信息比率达到2.04，显示出了优秀的风险调整后绩效。

多空对冲策略验证了行业轮动的策略有效性，多头持仓组合亦实现了超过10%的年化超额收益，而沪深300指数增强策略进一步证明该模型在指数构建层面的广泛应用潜力。最新持仓展示了策略的动态行业轮动能力，体现模型灵活捕捉行业风格转换的能力。

五维模型中波动率和成交量因子表现尤为突出，反映出市场对股票波动性和交易活跃度的敏感性较高。模型风险提示合理，强调历史数据局限性及单因子波动，且明确不构成投资建议。同时，报告对模型潜在不足有隐含提示，如部分单因子表现波动大、IC指标偏低等。

图表数据全面支持文本论断，尤其是各因子历史业绩的对比、多空组合净值走势、指数增强净值图展示了策略稳定且领先市场的表现。

综上，报告展现了五维行业轮动模型作为一种多因子驱动的动态行业配置工具的较强实用价值与策略优势，适合专业投资者作为行业轮动和指数增强的量化决策参考，评级隐含为较强的策略推荐意味。[page::0-5]

---

附：部分关键图表展示

• 图1：五维行业轮动模型收益能力评分

• 图2：五维行业轮动模型稳定性评分

• 图3：合成因子六分组及多空对冲净值走势

• 图4：多头超额净值走势

• 图5：沪深300指数增强净值走势

---

（全文完）

报告