传统行业轮动模型存在局限性
　　行业配置在量化研究中占据重要地位，其必要性不言而喻。然而，在实践的过程中，一个传统的行业轮动框架往往存在诸如行业研究主体的颗粒度较难把握，传统分类方式的唯一性和互斥性等弊端。
　　本篇报告中，我们尝试打破思维定式，通过贴标签的形式对行业进行多维度的描述，以标签为桥梁，事件驱动法为工具研究宏观因素与行业收益之间的联系，以期在当前的宏观和市场环境下为投资者提供行业配置的新思路。
　　构建板块-概念-风格三维一体式的行业标签体系
　　从板块、概念主题和风格三个维度打造行业标签体系：板块以中信一级行业分类为准；风格则通过估值和成长指标综合打分后进行界定，根据30%/40%/30%的比例确定行业属于成长/平衡/价值风格；概念主题主要参考万德热门概念板块指数，依据百度指数的关键词热度数据以及主观逻辑筛选出相对热门且和宏观因素具有关联性的概念主题，进而通过成分股重合度和收益相关性将行业和概念主题进行逐一对应。
　　宏观视角下的行业策略表现出色，且与微观模型相辅相成
　　从经济增长、消费、货币、利率、汇率和地产六个维度挑选宏观指标，同时定义8种事件模式，基于事件驱动的研究思路和严格的筛选标准，考察宏观事件和概念指数之间的关系。进一步的，采用LASSO回归达到变量降维的目的，解决宏观变量间共线性的问题。
　　通过对二级行业构建逻辑回归模型预测下一期跑赢基准的概率，从而建立从宏观-标签-行业间的映射，且达到宏观影响因子化的目的。从宏观因子的测试结果来看，Rank IC均值为13.1%，年化ICIR为2.82，IC月胜率为78.76%，多头端年化超额达15.2%，表现优异。最后，考察宏观和微观因子合成后的表现，复合因子相较于宏观因子和微观因子均有提升，Rank IC均值为15.1%，年化ICIR为2.49，IC月胜率为78.8%，且收益分组呈严格单调。基于宏观+微观视角下的行业轮动策略年化超额收益达25.85%，年化IR为2.5，超额月胜率约77%，分年度表现稳定。
　　风险提示
　　本报告基于历史个股数据进行测试，历史回测结果不代表未来收益。未来市场风格可能切换，Alpha因子可能失效，本文内容仅供参考。