核心观点
　　在基于量价的行业轮动模型基础上，我们提出一种动态beta加权的方法合成对主题指数的配置信号，充分利用被动投资产品工具从行业指数向精准主题及产业链全覆盖的发展趋势，由行业指数训练得到的量化轮动模型可以应用于更丰富的指数池。
　　标的池调整后现有轮动模型的得与失
　　被动指数类投资产品从行业指数向精准主题及产业链全覆盖等方向不断完善，新型产品频出，行业轮动模型的实际应用也需要从标准化行业指数向主题指数延展。一方面，对于日频价量特征且具有行业截面比较结构的非线性模型，若加入新的行业主题指数，则需要重新训练模型。考虑到新的主题指数不断涌现，行情数据的起始时间较晚，可用于训练的截面历史数据样本数量不足，模型过拟合风险较高。另一方面，主题指数成分股与多个行业均有交集，能否在行业配置信号的基础上合成对行业主题指数的评估得分，使得标准行业指数和主题指数依据共同的评价标准，得到最终的轮动组合。
　　本文在现有周频调仓的量价行业轮动模型上，增加一个主题指数信号加权模块，由行业指数信号合成主题指数信号并进行统一标准化，再按照分值排序选出排名靠前的指数构成轮动组合。
　　如何提升行业轮动策略的风险收益比：
　　主题指数的行业分布是合成该指数信号的主要判断依据。我们分别测试行业指数合成主题指数信号的两种方法：（1）市值分布加权：根据主题指数每季度/每半年公布的成份股权重及其一级行业分类，计算该指数的行业市值分布作为轮动信号加权的权重；（2）动态beta加权：根据主题指数成份股关于其所属一级行业的beta系数（滚动W交易日计算），计算该指数相较于各一级行业的市值加权beta系数，作为配置信号的权重。我们选取近两年内有轮动领涨行情的3个题材：新科技、先进制造，和新兴生物医药，各题材下均选取几只代表性主题指数，分别和一级行业组合构成不同的指数池，来验证两种组合方法的实际效果。
　　优化后的量化轮动策略效果如何：
　　动态beta加权优势明显，增加科技及先进制造指数的轮动组合收益提升较大：（1）行业+新科技轮动组合在2022年底、2024年924行情之后、以及2025年一月均有快速超额累积，受益于AI新产品新概念带来的热度行情。基于成份股动态beta加权的信号合成方法对相对收益的提升较为明显。（2）对于行业+先进制造轮动组合，两种信号合成方式在测试集上的累积超额收益较为接近，相比之下，使用成份股动态beta加权的信号合成方法在2024年924行情之后的超额收益优势更大；（3）综合三个不同的指数池回测效果，主题指数信号的动态合成均能保证现有的行业轮动模型应用于增添主题指数的指数轮动组合构建。
　　风险提示
　　本报告构建的策略框架中所提及的交易均指模拟交易，回测结果是基于历史数据的统计归纳，收益风险指标不代表未来，模型力求自适应跟踪市场规律和趋势，但仍存失效可能，不构成投资建议，须谨慎使用。