报告概述
本报告由申万宏源研究发布，系统介绍了基于因子分域的行业轮动框架。报告从基本面（基于一致预期与财报）、资金面（基于投资者资金流向）、技术面（基于量价表现）三大维度构建多因子模型，并进一步提出因子分域改造思想，以历史动量作为分域依据，在不同动量状态下动态调整其他因子的使用逻辑。报告旨在为投资者提供更适应市场结构变化的行业配置方案，提升行业轮动策略的稳健性与超额收益能力。
报告的核心结论
因子分域框架显著提升行业轮动效果
报告提出以历史动量划分“动量占优”与“动量不占优”两大域，在不同域内差异化处理其他量价因子（如交易拥挤度、动量加速度、行业内趋同度）。改进后的合成因子Rank_IC从传统多因子的9.89%提升至11.69%，分组单调性更强，累计超额收益积累更稳定。
高动量行业中拥挤度惩罚可能失效
报告发现，在动量表现强势的行业组别中，交易拥挤度与未来收益呈现非线性关系，高动量高拥挤的行业（如AI、有色金属）短期行情往往延续。若简单惩罚拥挤度，容易错失后续上涨机会，因此在高动量域应弱化对拥挤度的线性惩罚，将其视为趋势持续信号。
机构资金净流入是有效的正向行业选择指标
报告基于挂单金额区分投资者类别，发现机构资金净流入的Rank_IC达5.09%，多头组合年化收益显著领先；而散户资金净流入呈现负向关系，多头组表现落后。机构投资者在A股定价权提升背景下，其资金流向对行业轮动具有较强指引作用。
动量加速度与行业内趋同度可辅助动量因子
报告构建动量加速度因子衡量趋势边际变化，并在动量分域下发现：高动量且动量加速度较好的行业双重共振表现领先；行业内趋同度提升（共识凝聚）时，高动量行业的未来收益率在所有双因子分组中最为突出。
报告回答的关键问题
什么是因子分域行业轮动框架？
因子分域行业轮动框架是指依据市场或因子自身的状态划分不同“域”，并在各域内动态调整因子使用逻辑的方法。报告以历史动量分为高、中、低三组，在高动量域弱化拥挤度惩罚、关注趋同度提升信号，在低动量域严格规避高拥挤和趋势分化，中动量域沿用传统线性合成，从而提升策略适应性。
行业轮动中如何利用资金面指标？
报告使用挂单金额区分机构与散户资金，以过去20个交易日净流入作为资金面指标。机构资金流入的行业未来表现更好，Rank_IC为5.09%，多头组合年化收益5.95%；散户资金流入则负向，空头组合表现更差。机构资金更“聪明”，可作为正向行业选择因子。
为什么高动量行业不应简单惩罚拥挤度？
报告通过动量与拥挤度的交叉分组发现，在高动量行业中，拥挤度与未来收益呈“中间高、两头低”的非线性特征，高动量高拥挤的组合累计净值反而最高（145.04）。拥挤度在趋势强化阶段可能伴随动量继续走高，直接惩罚会错失强势行情，因此需区分动量状态处理。
基本面因子在分域框架下效果如何？
报告尝试将基本面因子（真实业绩与分析师预期）按历史业绩稳定性分域，但结果显示无论稳定性高低，基于真实业绩与预期的指标预测能力差异不大，且分析师预期多为线性外推，对拐点前瞻性有限。因此最终分域改进仅围绕量价因子展开。
报告中的代表性数据
合成因子Rank_IC（因子分域后）
2017-2025年，基于动量分域改进后的量价合成因子，Rank_IC为11.69%，IC_IR为45.96%，IC>0比例69.16%，分组单调性优秀。
改进后行业轮动模型年化收益率
2017.02至2025.11，因子分域改进后的行业轮动模型年化收益率9.41%，夏普比率0.45，最大回撤35.91%，优于传统多因子模型及全行业平均。
机构资金净流入因子Rank_IC
2016年至2025年，机构资金净流入因子Rank_IC为5.09%，IC_IR为18.97%，IC>0比例59.23%，多头组合（Q5）年化收益5.95%。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整的多因子行业轮动框架介绍：包括基本面（一致预期、盈利、成长、质量）、资金面（机构与散户资金流向）、技术面（动量、动量加速度、拥挤度）各维度因子的详细构建逻辑与IC表现。
- 基于动量分域的因子改造流程：详细说明如何以历史动量将行业分为高、中、低三组，并在各组内差异化处理交易拥挤度、动量加速度、行业内趋同度等量价因子，附有直观的决策流程图。
- 动量与交易拥挤度、动量加速度、行业内趋同度的交叉分组分析：展示双因子交叉分组后的累计净值表现，揭示不同动量状态下其他因子的非线性特征。
- 基本面分域尝试的实证结果：评估真实业绩与分析师预期在不同历史业绩稳定性分组中的预测能力，显示分域在基本面维度效果有限。
- 因子分域改进前后的风险收益指标对比：包括年化收益率、波动率、夏普比率、最大回撤、分年度收益率等详细数据。
- 最新行业轮动结果（2025年12月）：报告给出当月推荐行业为电子、通信、机械设备、有色金属、传媒，并附有历史组合收益曲线。
- 完整的风险提示：说明策略基于历史数据，未来市场结构变化可能导致不稳定，分析师预期系统偏误也可能影响组合表现。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
