1. 课程导入与行业轮动逻辑
行业轮动是A股与全球主要市场中长期存在的现象：不同阶段领涨的行业板块会发生切换，而这种切换并非完全随机，往往与宏观经济周期、产业景气、资金偏好和估值水平等因素相关。本课程要解决的问题是：如何把“行业轮动”这一模糊判断，转化为可量化、可回测、可检验的多因子评分体系，并据此形成可执行的轮动决策。
一、行业轮动的驱动因素
理解轮动，先要理解驱动轮动的力量。实践中通常可以归为四类：
- 宏观周期驱动：利率、信用、通胀、PMI等宏观变量变化，会改变不同行业的盈利预期与贴现率敏感度。例如利率下行阶段，久期长、现金流靠后的成长行业往往更受益；信用扩张阶段，顺周期的金融、地产链、资源品弹性更大。
- 产业景气驱动：行业自身的供需格局、产能周期、产品价格、订单与库存变化，决定中短期盈利增速的相对强弱。景气上行行业容易获得超额收益。
- 资金与情绪驱动：北向资金、公募仓位、成交额占比、换手率等反映资金流向与拥挤度，短期轮动常由资金再配置推动，但拥挤度过高也意味着回撤风险。
- 估值与拥挤度约束：估值分位、动量反转、交易拥挤度决定“还能不能追”，是轮动决策中的风险控制维度。
这四类因素对应不同的时间尺度：宏观偏中长周期（季度到年度），景气偏中短期（月度到季度），资金情绪偏短期（周到月）。多因子评分的作用，就是把不同尺度、不同方向的信号统一到同一把“尺子”上，形成可比较的行业排序。
二、多因子评分在轮动决策中的定位
需要明确一个定位：多因子评分不是“预测明天涨什么”的水晶球，而是把行业间的相对强弱结构化、可复现地表达出来。它处在“原始数据”与“最终持仓”之间的中间层，承担三件事：
- 降维与标准化：把几十个行业的几十个指标，压缩为若干因子得分，再合成为综合分，使横向比较成为可能。
- 可解释与可归因：每个行业的得分可以拆解到具体因子，便于回答“为什么这个行业排第一”，而不是黑箱选行业。
- 可检验与可迭代：评分规则一旦确定，就能在历史数据上回测，用IC、分层收益、换手率等指标检验有效性，并据此调整因子权重。
因此，评分体系必须与检验体系配套：先有可计算的分数，再有可验证的证据，最后才有可执行的轮动组合。缺少检验的评分只是主观排序的包装。
三、课程整体学习路径
本课程共30章，整体按“认知—构建—检验—落地”四段推进，下图展示了从驱动因素到轮动组合的主链路与各环节的输入输出关系：
图中虚线回路表示：检验结果会反向影响因子选择与权重设定，形成“构建—检验—调整”的闭环。这是本课程反复强调的方法论核心。
四、实战目标与示例设定
课程结束时，学习者应能独立完成一条完整的轮动研究链路：确定行业池与调仓频率、构造3～5个方向明确的因子、合成综合评分、完成IC与分层回测、给出可执行的轮动组合规则。为便于贯穿讲解，课程将使用一套示例设定（以下参数均为教学假设，非实测结果）：
| 项目 | 示例设定 | 说明 |
|---|---|---|
| 行业池 | 申万一级行业（约31个） | 覆盖广、数据可得性好 |
| 调仓频率 | 月度 | 兼顾信号时效与交易成本 |
| 因子方向 | 动量、景气、估值、资金 | 四类驱动各取代表指标 |
| 评分方式 | 标准化后等权合成 | 作为基准方案，后续再优化 |
| 组合规则 | 选综合分前5名等权 | 便于分层对比与归因 |
以一个具体片段说明评分如何落地：假设某月动量因子用“过去60个交易日收益率”衡量，景气因子用“行业营收增速环比变化”，估值因子用“PE历史分位（取负向）”，资金因子用“成交额占比变化”。先对每个因子在31个行业间做Z-score标准化，再将估值因子取负号统一为“越大越好”，最后等权相加得到综合分。若某行业动量Z=1.2、景气Z=0.8、估值Z=-0.5（取负后为0.5）、资金Z=0.3，则综合分为(1.2+0.8+0.5+0.3)/4=0.70，排名靠前即可进入候选组合。这一计算过程简单，但每一步的标准化方式、方向约定和缺失值处理都会影响最终排序，后续章节将逐一展开。