报告摘要
　　形态匹配与策略框架
　　行业在走强前夕的超额收益序列常呈现出某些结构特征，且在不同行业与时期重复出现。提取历史上行业走强前的对数超额收益序列片段构建模板库，通过动态时间规整算法（DTW）计算当前各行业走势与模板的相似度，选取最匹配的行业作为配置标的。动态时间规整算法通过弯曲时间轴对齐波峰波谷，对数处理使涨跌权重对称、压缩极端值干扰，并缓解不同时期序列波动幅度的差异，更专注于捕捉序列本身的涨跌节奏，识别那些时间不完全对齐但结构相似的走势。
　　形态相似度行业轮动策略回测表现
　　2016年至2026年，策略周频调仓年化收益20.6%，相对于行业等权超额收益16.8%，信息比率2.88，最大回撤4.9%，最高相似度组每年稳定贡献超额；双周频年化收益16%，超额收益10.4%，信息比率1.51。
　　模型信号
　　上周模型持有行业相对于行业等权基准超额收益为1.34%。
　　下周模型持仓行业：基础化工，消费者服务，汽车，钢铁，电力设备及新能源。
　　风险提示
　　本报告结果及分析依据历史数据得出，存在一定局限性，不代表未来表现，不构成任何投资意见；样本数据有限，数据处理统计可能存在误差，不足以代表市场整体风险，历史规律及模型存在失效可能