2. 行业轮动与均值回归理论基础

在构建任何量化轮动策略之前，必须先回答一个根本问题：行业之间的相对强弱为什么会出现周期性切换？如果这种切换只是随机噪声，那么轮动策略就失去了统计基础。均值回归理论为行业轮动提供了经济学与行为金融学的双重解释，而行业轮动的驱动因素则决定了这种回归在现实中以何种节奏、何种幅度发生。本节将把这两条线索合并成可检验的策略假设。

均值回归现象的经济学解释

均值回归（Mean Reversion）指某一变量在偏离其长期中枢后，具有向中枢回落的倾向。在行业层面，我们观察的对象通常不是绝对价格，而是行业相对基准的超额收益或行业估值分位。以中证一级行业为例，若某行业过去12个月相对沪深300的超额收益达到+35%，而历史同类偏离的分布中位数约为+8%，则这一偏离在统计上属于极端值，后续存在向中枢收敛的压力。

这种收敛并非玄学，背后有三类可辨识的经济机制。第一是估值锚定与资本再配置：当行业估值显著高于其历史中枢与全市场相对水平时，股权融资成本下降，企业倾向于扩张产能，新增供给在1至3年后压制利润率，估值随之回落；反之低估行业资本流出、供给收缩，为后续修复埋下伏笔。第二是盈利周期的均值回复：多数行业的ROE受库存周期、产能周期与价格周期驱动，高ROE吸引竞争进入，低ROE迫使落后产能退出，利润率天然具有回归倾向。第三是行为偏差的修正：投资者对近期业绩存在过度外推，热门行业被过度定价，冷门行业被过度折价，随着信息逐步消化，定价偏差被套利力量修正。

需要强调的是，均值回归的速度与半衰期因行业而异。消费、公用事业等需求稳定行业回归较快，半衰期可能在6至12个月；而强周期资源品受产能建设周期约束，偏离可持续2至3年才回归。策略设计时必须按行业估计回归速度，而不能统一套用同一窗口。

行业轮动的驱动因素

行业轮动是均值回归力量与趋势力量共同作用的结果。若只有均值回归，行业相对强弱应表现为围绕中枢的振荡；现实中我们看到的却是持续数月甚至数年的单边行情，这说明存在系统性的驱动因素在推动偏离。可归纳为四个层次：

• 宏观周期层：利率、信用扩张、通胀与PMI决定风格大方向。利率下行期久期长的成长行业占优，信用扩张期顺周期行业受益，通胀上行期上游资源行业盈利弹性最大。
• 产业景气层：行业自身的供需格局、库存位置、产能利用率与价格趋势，决定盈利预期的方向与斜率，是轮动最直接的基本面变量。
• 资金与情绪层：北向资金、公募仓位、成交额占比与换手率反映资金在行业间的迁移，情绪极端时往往对应偏离的顶部或底部。
• 政策与事件层：产业政策、监管变化、技术突破会改变行业的长期中枢本身，这类冲击可能使均值回归暂时失效，需要单独识别。

这四层因素的时间尺度不同：宏观周期以季度到年为单位，产业景气以月到季度为单位，资金情绪以周到月为单位。策略的调仓频率应与所捕捉的主导因素匹配，否则会在噪声中反复交易。

策略假设的形式化

把上述理论转化为可检验的假设，是本节的核心交付。一个清晰的均值回归轮动策略应包含以下可操作假设：

1. 偏离可度量：用行业相对基准的累计超额收益Z分数或估值分位数刻画偏离程度，Z = (当前超额收益 − 历史均值) / 历史标准差，窗口取36个月。
2. 极端偏离存在收敛压力：当Z > +1.5时视为高估，Z < −1.5时视为低估，假设未来3至6个月向0收敛的概率显著高于随机。
3. 趋势过滤避免过早逆势：仅当行业相对强弱未处于强趋势加速阶段（如20日相对动量未创新高）时才执行回归交易，防止在偏离扩大期逆势加仓。
4. 回归速度分层：按行业历史半衰期分组，快速回归组持有期设为1至2个月，慢速组设为3至6个月。
5. 中枢可变性检验：若行业基本面发生结构性变化（政策转向、技术替代），需重新估计中枢，不能机械使用历史均值。

图中把偏离曲线、回归路径与四类驱动因素放在同一坐标系中：曲线在正负极端之间摆动，绿色箭头表示回归力量，底部四个驱动框则说明偏离为何会被推高、又为何会被拉回。策略假设的本质，就是判断当前偏离处于哪一段、回归力量是否已经占据主导。

从理论到可检验假设的落地要点

理论成立不等于策略有效。把上述假设落地时，需要处理三个现实问题。其一是样本选择偏差：用全历史估计中枢，会把行业结构变迁（如新能源替代传统能源）误判为偏离，因此应使用滚动窗口并检验中枢稳定性。其二是多重检验问题：同时测试多个行业、多个阈值，容易挑出偶然显著的结果，应预留独立样本外区间并控制整体显著性。其三是交易成本约束：均值回归策略换手较高，若单边成本按0.15%估算，月度调仓的年化成本约3.6%，回归收益必须显著覆盖这一门槛才具备实盘价值。

一个可执行的验证顺序是：先确认偏离指标在样本内具有预测方向的能力（如Z分数与未来3个月超额收益的秩相关为负且显著），再加入趋势过滤观察是否改善，最后在样本外检验参数敏感性。只有这三步都通过，均值回归假设才可作为轮动策略的正式前提，进入后续的因子构建与组合优化环节。