从选股到行业轮动：自下而上的聚合
　　对于大小单资金流的研究而言，之前我们着重在选股层面，构建了市场上认可度较高的一系列因子，如超大单关注度、大小单残差、散户羊群效应等。对于选股因子聚合至行业层面的方法，主要有两个思考的维度：1、何种方式加权；2、因子用原始值还是分域赋值。对此，我们尝试了5种方案但是整体效果一般，所以后续我们直接从行业本身出发构建行业轮动因子。
　　从行业层面出发构建有效因子：超大单和小单
　　对于超大单而言，我们发现原始主动超大单强度2022年之后波动加剧，且出现走平的趋势，因子逐渐失效。针对这一现象，我们采取两种方式进行修正：1、考虑近期强弱趋势；2、考虑资金流的极端与温和。改进后的因子RankICIR从原始0.95提升至1.16，近两年波动和回撤较大的问题一定程度上得到了解决。
　　对于小单而言，我们主要改进了行业羊群效应因子，主要也分为两步：1、将小单净流入改成非主动小单净流入；2、考虑行业羊群效应的变动，改进后RankICIR-0.86提升至-1.03。
　　将改进后的主动超大单强度和羊群效应等权合成效果优异，月频调仓下效果最好，RankIC为9.28%，RankICIR为1.62，其逻辑可以归纳为：超大单本期强度较高且不位于高位，散户羊群效应较低且无大幅增加。
　　从行业层面出发构建有效因子：大单
　　对于大单强度而言，我们发现不同行业之间量级存在天然的差别，导致横向比较失真，因子效果较差。因此，针对于大单，我们从行业时序构建事件性因子，发现极端突破具备一定的行业轮动能力，周频调仓效果最优。除此之外，北向券商净流入同样具备这一规律，将二者融合后行业轮动效果较为优异。
　　大小单行业轮动的综合方案
　　除了资金流之外，我们综合考虑了动量、基本面、拥挤度几大维度。在动量维度，我们主要从“极端切割”这一思路出发，构建了极端情绪动量因子，相较于传统动量因子而言，近两年的表现依旧较好。在财务维度，我们抓住了超预期景气模型和困境反转模型显著的轮动周期，相较于只使用单一的景气模型而言，二者轮动后的效果显著提升。在拥挤度维度，我们主要讨论了两种衡量方式：1、以成交额表征的交易热度；2、以赚钱效应表征的盈利水平，其中后者对组合收益提升较为显著。
　　最终，我们以资金流因子为主体，其余维度进行负向剔除，构建了行业轮动策略，周频调仓下选取5个行业，扣费后年化21.84%，效果优异。
　　除此之外，行业轮动模型在指增上也能带来增量。以中证1000指增为例，相较于只使用资金流选股因子，结合行业后多空信息比率从1.55提升至1.98。
　　风险提示：本报告模型基于历史数据测算，市场未来可能发生重大改变。