2. 行业轮动数据基础

多因子行业轮动评分的第一步不是写因子，而是把“行业”这个研究对象定义清楚，并把后续要用的行情、财务、估值数据整理成一张可对齐、可复现的面板。数据基础没打好，后面无论用动量、景气度还是拥挤度因子，都会出现行业口径不一致、财务数据前视偏差、频率错配等问题。本节围绕四件事展开：行业分类标准怎么选、行业指数数据从哪里取、行情与财务如何对齐、频率与时间窗口如何确定。

一、行业分类标准：先统一“行业”的口径

常见的行业分类体系有中信、申万、证监会、GICS 等。它们对同一家公司的归属可能不同，例如一家以新能源车零部件为主业的公司，在申万可能归入电力设备，在 GICS 可能归入可选消费或工业。做轮动评分时，最关键的是全流程使用同一套分类标准，并固定分类版本。分类标准会修订，成分股会调整，如果回测时用最新成分股去回溯历史，就会引入“幸存者偏差”。

实践中的做法是：选定一套主分类（如申万一级 31 个行业），保存每个行业在每个历史时点的成分股名单，或者直接使用按历史成分计算的行业指数。若使用第三方行业指数，要确认其成分调整规则和回溯方式。下表给出常见分类体系的适用场景对比（示例性归纳，具体以各机构最新文档为准）：

二、行业指数数据获取：行情、估值与财务三条线

行业轮动评分通常需要三类数据：行情类（行业指数收盘价、成交额、换手率）、估值类（行业 PE、PB、股息率）、财务类（行业营收增速、净利润增速、ROE 等聚合指标）。行情数据可按日频获取，估值数据一般也是日频，财务数据则是季度披露、低频更新。

获取渠道上，行情与估值可从 Wind、Choice、聚宽、Tushare 等数据源取得；财务数据要注意“报告期”与“公告日”的区别。例如 2023 年年报的报告期是 2023-12-31，但公告日可能在 2024 年 3 月至 4 月。回测时若在 2024 年 1 月就使用 2023 年年报数据，就产生了前视偏差。正确做法是以公告日作为数据可用时点，或使用“报告期 + 合理滞后”的保守规则。

三、行情与财务数据对齐：把不同频率的数据拼成一张面板

行情是日频，财务是季度频，两者不能直接逐行合并。常见做法是构建“行业 × 日期”的日频面板：每个交易日，行情字段取当日值；财务字段取“截至该日已公告的最新报告期数据”，并在两次公告之间保持不变（前向填充）。这样每个交易日都有一组完整的特征，供因子计算使用。

对齐时还要注意三点：一是行业指数与成分股数据的日期基准要一致，避免因停牌、节假日造成错位；二是估值指标若为负值（如亏损行业 PE 为负），需要明确处理规则，例如设为缺失或使用 PB 替代；三是财务聚合指标要确认是“整体法”还是“中位数法”，不同聚合方式对行业景气度的刻画差异很大。

四、数据频率与时间窗口选择

频率选择取决于轮动策略的调仓周期。若按月调仓，日频行情可聚合为月末值，财务数据取当月最后一个交易日已公告的最新报告期；若按周调仓，则需注意财务数据在周内基本不变，主要变化来自行情与估值。频率过高（如日频调仓）会放大交易成本和噪声，频率过低（如季度调仓）则可能错过行业景气拐点。

时间窗口主要影响两类因子：动量类和景气类。动量因子常用 20 日、60 日、120 日收益率，窗口过短易受短期反转干扰，过长则反应迟钝；景气因子常用同比或环比增速，需保证至少 8 个季度历史以覆盖一个完整周期。回测起点还应预留足够的“预热期”，例如使用 120 日动量时，前 120 个交易日不能产生有效信号，面板应从更早的日期开始准备。

综合来看，一套可复现的数据基础应满足：分类标准固定且有版本记录；行情、估值、财务三类数据来源明确；财务以公告日对齐并前向填充；频率与调仓周期匹配；窗口长度与因子逻辑匹配并预留预热期。完成这些之后，行业轮动评分才具备可靠的输入，后续的因子构建与检验才有意义。