本报告中，我们将风格行业轮动统一在贝塔配置框架下，进行策略构建。核心结论是，通过覆盖更为丰富的贝塔工具，自下而上进行筛选和组合构建，可得到表现相对更优且更为稳定的轮动结果。
　　轮动：需要更丰富和指向明确的贝塔工具
　　主动管理基本定理中，信息比正比于策略有效性、决策广度。可提供增量信息的有效策略获取难度越来越大，构建低相关标的池是相对更可行的方法。对于贝塔工具，首先应均有明确的指向，即具体的可投资组合。同时，秉持不错过机会的原则，覆盖尽可能多相关性不高的贝塔。
　　综合风格、行业，进行贝塔扩充
　　风格和行业具有相近的收益解释能力，二者综合可提供边际贡献。以行业风格作为基础池，进行叠加扩充。核心目标是构建更为丰富的贝塔工具，同时整体相关性不高。
　　配置贝塔，获取阿尔法
　　风险和阿尔法密切相关，盈亏同源。通过持有多个贝塔指数，组合风险已可得到较好管理；更为丰富的标的池，提高了策略上限。2020-2025年，多头组合年化超额31.48%，卡玛比1.75；稳健组合年化超额24.58%，卡玛比3.15。
　　风险提示
　　本文结论通过历史数据归纳总结得到，历史不代表未来，样本外存在失效风险；收益指标等均基于报告内给定区间测算所得，不代表其后续表现。宏观经济、政策和市场环境发生变化时，模型存在失效风险。数据风险：未来的数据分布和特征可能与历史数据分布不一致，从而造成模型失效。