报告导读：
　　商品中观轮动的研究初衷，是将“主观+量化”理念有机结合并付诸实践。我们希望尽可能降低策略中因子、参数及模型的特异性，注重策略的可解释性及可归因性，给出经得起时间验证的模型。我们构建的月频品种簇中观轮动模型，样本内平均年化收益率17.79%，夏普比率1.44，回撤-5.70%，月度胜率68.98%；样本外2025年1-11月总收益录得15.43%，回撤录得1.09%，月度胜率70%，仅三个月录得负收益率。
　　本篇报告是中观轮动系列的模型搭建部分：
　　自下而上的视角构建品种簇基本面估值轮动模型：对基本面数据预处理后，构建品种簇扩散指数，随后根据基扩散指数和辅扩散指数“逻辑门”调整得到品种簇基本面估值强度。月频基本面估值轮动模型全参数组平均年化收益率9.88%，夏普比0.52，回撤-10.58%，月度胜率57.96%；
　　自上而下的视角构建品种簇宏观估值轮动模型：对商品大类指数主成分分析后界定宏观风险因子并相应构建。以月度宏观因子作为解释变量，品种簇作为被解释变量，将滚动回归后的因子暴露与因子动量相乘后加和并乘以置信指标，得到每个品种簇的宏观估值强度。月频宏观估值轮动模型参数组平均年化收益率10.13%，夏普比0.91，回撤-11.17%，月度胜率66.94%；
　　构建库存周期指数，拐点识别和二次过滤后得到先验的上/下行拐点。根据大宗商品中观轮动系列一《从板块到品种簇：贝叶斯动态框架》中：库存周期上行现实侧主导、表现为基本面估值、下行时预期侧主导、表现为宏观估值这一理论框架进行宏观与基本面估值的二元轮动。样本内月频轮动模型全参数组平均年化收益率17.79%，夏普比率1.44，回撤-5.70%，月度胜率68.98%；样本外2025年1-11月总收益录得15.43%，回撤录得1.09%，月度胜率70%，仅三个月录得负收益率。
　　模型优化及展望：调整品种簇划分方式，增添动态出入规则；对金、油等商品纳入货币、地缘等个性化矛盾；构建以量价特征为主的趋势状态识别模型，辅以估值水位的趋势置信度评价；中长周期策略需警惕月内极端事件，从舆情分析及消息面部署监控体系。