1. 课程导入与档案归档总览

多板块轮动研究，指的是在同一套资金与风控约束下，对多个行业板块（如科技、消费、医药、周期、金融等）的相对强弱进行持续跟踪，并据此在板块之间调整配置权重的过程。这类研究有一个非常鲜明的特点：结论高度依赖时间切片。同一组板块，在三月看是科技领先，在六月看可能已经切换为周期占优。如果研究过程没有被完整记录，事后复盘时往往只剩下一个"当时好像买过"的模糊印象，既无法验证逻辑，也无法沉淀方法。

所谓多板块轮动研究档案，就是把一次轮动研究从假设、数据、计算、决策到结果的完整证据链，按统一结构固化下来的资料集合。它不是简单的"报告合集"，而是一份可追溯、可复现、可对比的研究底稿。一份合格的档案，至少要能回答四个问题：当时基于什么数据、用了什么口径、得出了什么结论、后来实际发生了什么。

归档目标：让研究"可回放"

归档的核心目标不是存档本身，而是让研究具备回放能力。具体可以拆成三层：

• 可追溯：每一个板块评分、每一次权重调整，都能定位到原始数据来源与计算口径，避免"数字对不上"。
• 可复现：给定同样的数据快照与参数，其他人（或未来的自己）能重算出同样的结论，而不是只能看到结果。
• 可对比：不同日期、不同轮动周期的档案采用同一结构，才能横向比较"哪次判断更准、哪类信号更有效"。

这三层目标决定了归档不能只存最终结论。只存结论的档案，等于只保留了答案而丢掉了推导过程，一旦市场环境变化，就无法判断原结论是逻辑错了还是运气不好。

实战价值：档案如何反哺研究

归档的价值在实战中体现在三个具体场景。第一是归因复盘：当某期组合跑输基准时，可以调出当期档案，检查是板块强弱排序错了，还是排序对了但权重分配错了，抑或是执行时点偏离了计划。第二是信号有效性检验：把多期档案中的动量得分、资金流指标与实际后续收益对齐，统计哪类信号在哪些市场状态下更可靠。第三是方法迭代：有了统一结构的历次档案，调整参数或更换指标后，可以快速做前后对比，而不是每次推倒重来。

全流程框架：从假设到归档

多板块轮动研究的完整链条可以概括为六个环节，每个环节都对应档案中的一类材料。下图展示了这一流程以及各环节需要固化的关键内容。

需要强调的是，这六个环节并非严格串行。实际研究中，结果跟踪会反向修正研究假设，形成"假设—验证—修正"的循环，图中底部的虚线反馈回路正是表达这一关系。归档的作用，就是把这个循环的每一圈都留下清晰痕迹。

一个最小可用的档案结构示例

为了让归档可执行，建议每期档案采用统一的目录与命名。以下是一个可直接套用的结构示例（示例参数，可按实际研究频率调整）：

轮动档案/
└── 2025-06_第12期/
    ├── 01_假设说明.md        # 轮动逻辑、板块池、观察窗口
    ├── 02_数据快照/
    │   ├── 行情_截止20250630.csv
    │   ├── 估值_截止20250630.csv
    │   └── 数据口径说明.md
    ├── 03_计算底稿/
    │   ├── 动量得分.xlsx
    │   └── 参数记录.json     # 窗口长度、权重、阈值
    ├── 04_决策记录.md        # 调仓前后权重、执行时点
    └── 05_结果跟踪.md        # 实际收益、基准对比、偏离归因

这个结构的要点在于：数据与计算分离、决策与结果分离。数据快照一旦封存就不再修改，后续所有计算都基于该快照，这样即使原始数据源发生修订，历史档案依然保持自洽。参数记录单独成文件，是为了在方法迭代时能清楚区分"是参数变了还是数据变了"。