01
课程导论：什么是行业轮动？
为什么行业轮动有效？课程目标与学习路径。
导论框架
02
轮动底层逻辑：美林时钟
美林时钟理论及其在中国的适用性、库存周期与行业轮动。
宏观周期
03
宏观因子体系
构建基于PMI、CPI、PPI、社融、利率的宏观状态识别器。
因子宏观
04
动量与反转因子
行业动量因子构建、动量衰减周期、反转效应识别。
动量反转
05
拥挤度与资金流
公募基金持仓集中度、北向资金行业偏好、两融余额变化。
资金拥挤度
06
景气度与盈利
行业净利润增速、ROE趋势、分析师一致预期修正。
景气盈利
07
估值与性价比
PE/PB分位数、股债性价比、行业间估值比较。
估值性价比
08
事件驱动因子
政策事件（十四五规划、碳中和）、产业事件（技术突破、产能周期）。
事件驱动
09
因子合成与降维
等权合成、IC加权、主成分分析（PCA）在行业因子中的应用。
合成降维
10
单因子测试框架
分层回测法、IC/IR分析、因子衰减与换手率控制。
测试回测
11
行业分类标准
申万一级/二级行业、中信行业分类、自定义聚类（K-means）。
分类聚类
12
数据获取与清洗
使用Tushare/AkShare获取行业指数数据、复权处理、异常值处理。
数据清洗
13
滚动窗口与滚动训练
滚动窗口长度选择、滚动频率、避免未来函数。
滚动训练
14
打分法轮动模型
标准化打分、加权求和、行业排名与选择。
打分轮动
15
动量-景气度双因子模型
经典案例：动量因子+景气度因子的复合策略。
双因子策略
16
宏观-估值-动量三因子
宏观状态切换下的因子权重动态调整。
三因子动态
17
HMM隐马尔可夫模型
HMM原理、状态数选择、状态与行业轮动映射。
HMM状态
18
LSTM与深度学习轮动
序列特征构建、LSTM网络设计、过拟合防范。
LSTM深度学习
19
强化学习在轮动中的应用
DQN框架、动作空间定义（行业权重）、奖励函数设计。
强化学习DQN
20
风险预算与组合构建
行业权重优化（均值-方差、风险平价）、约束条件处理。
风险组合
21
交易成本与冲击成本
滑点模型、佣金与印花税、大单冲击成本估算。
成本冲击
22
回测框架搭建
向量化回测与事件驱动回测、绩效指标计算（夏普、最大回撤、Calmar）。
回测绩效
23
过拟合与多重检验
多重比较谬误、交叉验证、蒙特卡洛模拟检验。
过拟合检验
24
样本外测试与实盘验证
样本外测试设计、实盘与回测差异分析。
样本外实盘
25
行业轮动ETF实战
ETF选择标准、ETF轮动交易细节、申赎机制影响。
ETF实战
26
行业轮动+股指期货对冲
市场中性策略、基差管理、保证金管理。
对冲期货
27
行业轮动+期权保护
买入看跌期权保护、备兑开仓增强收益。
期权保护
28
轮动系统架构设计
数据层、因子计算层、策略引擎层、交易执行层。
架构系统
29
自动化交易与监控
定时任务调度、异常监控、人工干预机制。
自动化监控
30
课程总结与未来展望
行业轮动的发展趋势、AI+量化的融合、持续学习建议。
总结展望