宏观指标亦可构建行业轮动模型
　　宏观因素对各个行业的涨跌有着显著的影响，不同行业对不同宏观因素的敏感性也存在差异，这为我们利用宏观数据构建行业轮动模型提供了机会。我们可以利用工业与国民经济、消费与价格指数、货币与金融机构、利率与利差以及市场景气度这五类共计28个宏观指标构建行业轮动模型。
　　部分行业并不适合使用宏观数据进行预测
　　通过对时间序列上预测值与实际值的相关性进行比对，我们发现在行业轮动模型中，对于房地产、轻工制造、家用电器、建筑材料、建筑装饰、基础化工、汽车等行业的预测相对较准确。然而，对于国防军工、钢铁、非银金融、社会服务、计算机等行业的预测效果相对较差。在剔除了一些预测效果较差的行业之后，我们发现行业轮动模型的效果进一步提升。多空策略的年化收益率从15.24%提升到18.53%，信息比率从1.01提升到1.44，策略的月度胜率也接近70%。
　　当下主要改善指标多来自市场景气度与消费价格指数方面，主要不利因素来源于工业与国民经济及货币方面。
　　近期，工业与国民经济因素中，固定资产投资完成额低于历史平均水平，对多数行业均为利空。货币因素中，M2增速逐渐回归历史中位，存贷款余额增速的差距缩小，对有色金属、汽车以外的行业多为利空。消费与价格因素中，CPI、PPI的下降，贸易差额由负转正，对多数行业有促进作用。利率因素中，短期利率上行，信用利差、期限利差缩小利好建筑材料、建筑装饰、家用电器、农林牧渔行业，利空公用事业、汽车行业。而市场景气度方面，OECD综合领先指标与波罗的海散干货指数的上升，对电力设备、医药生物、电子等行业有较大利好。
　　风险提示
　　本模型采用量化方法通过历史数据统计、建模和测算完成，结论在极端市场环境变化中有失效的风险。