核心观点
　　融资数据在截面上更具反转效应，周度轮动策略多头年化超额11.1%，空头年化超额-11.9%，月超额胜率近70%。
　　融资盘更具动量效应还是反转效应？
　　从总量上来看，融资余额整体与市场行情走势一致，但略微滞后，呈现出一定的“追动量”特征。直觉上，其用于行业轮动时似乎也应该表现出一定动量特征（行业上涨→融资盘涌入→推动行业进一步上涨）。不过，实际测试下来，我们发现，无论采用何种指标构建方法，融资盘参与度提升的行业，在截面上反而更多呈现出反转特征。这可能是因为，融资盘的右侧交易属性下，融资资金参与度提升最大的行业，往往已经是累积了较多涨幅、微观交易结构逐步拥挤的行业，因此后续更可能倾向于调整。
　　如何将融资数据应用于行业轮动？
　　本文中，我们聚焦于两项改进，来增强融资数据的反转信号强度：
　　第一，由个股聚合至行业时，仅考虑近期涨幅较大的股票。若将行业内所有股票的数据直接相加，实际上相当于认为不同股票的融资数据变化均能够提供类似的反转信号，但事实上，反转更可能来自于近期表现偏强的个股。因此，我们考虑仅针对近期涨幅较大的股票进行数据聚合。
　　第二，将行业融资流入强度与行业近期涨跌幅做回归，其残差在逻辑上应具有更强反转效力。从总量上来看，可以发现，融资余额变化与涨跌幅呈现明显正相关性，因此，若某个行业因利好因素而大幅上涨，其融资资金也大概率呈现大幅净流入状态，但这并不一定代表行业股价未来就容易反转。更合理的信号应是融资盘仍在大幅流入，但股价涨势却趋于疲弱，或是融资盘还在大幅杀跌，但股价却已开始筑底，此时更可能代表行业走势将会反转。为刻画这一点，我们考虑将前面计算得到的行业融资流入强度与行业近期涨跌幅做回归，将残差作为异常融资流入强度指标。
　　周频轮动策略多头年化超额11.1%，空头年化超额-11.9%，月超额胜率近70%。
　　在2017-2026的回测区间内，周频轮动策略多头年化超额11.1%、月超额胜率70.2%，空头年化超额-11.9%，月超额胜率68.4%；月频轮动策略多头年化超额9.9%、月超额胜率63.7%，空头年化超额-8.3%、月超额胜率64.6%，模型在不同调仓频率下维持了相对稳定的表现。此外，将底层配置标的由申万一级行业指数替换为相关ETF时，组合表现同样维持稳定。最后，我们在前期报告中基于ETF资金流数据构建了配置策略，而ETF资金与融资资金同属可高频跟踪的资金流类数据，反映了不同资金力量的边际变化，因此将其叠加后，逻辑上应可实现更优效果。在2020.1-2026.7的回测区间内，综合策略多头年化超额20.8%，空头年化超额-14.5%，多空两端月超额胜率均达70%以上，表现显著优于两个单一策略。
　　风险提示
　　1、本文中的模型及统计结果均基于历史数据统计得到，历史数据不代表未来；2、平滑参数等超参数设定对模型结果存在一定影响；3、策略历史回测数据不代表未来运作的实际效果或可能获得的实际收益。