多因子行业轮动有一部分的投资者应该是听说过，指数增强基金，包括主动量化基金里面经常会用的一个模型叫多因子模型，多因子模型它的优势在于它可以一下子处理很多只股票，它主要是覆盖一个信息的广度，而不是追求每个股票的研究的深度，是量化的模型，它跟主动权益的研究上面一个非常大的区别，就是量化是可以通过数量工具，很快的在很短的时间之内处理非常多的信息，它主要是获取的是广度上的一个信息，多因子模型用在股票里的时候，比用在行业里的一个效果可能要更明显。因为在行业里边，一级行业28个行业或者二级行业也就100多个行业，在这样一个情况之下能够去处理的样本，会比股票的样本要小很多，所以最后多因子的行业轮动效果也没有那么理想。
动量模型就是市场这个阶段哪个行业好就买哪个，每两周统计一下每两周的净值走势，哪个基金涨得好，哪个行业ETF涨得好就买哪个行业ETF，这样子不断地轮下去，在牛市里边的话动量模型一般来说效果特别的好，因为反正新的热点出来它就是追，牛市里边，只要这样子去追的话，效果都还是不错的。但是动量模型最大的缺陷是回撤特别的大，动量模型会出现瀑布式的下跌，因为它动量模型是跟着趋势走，上去的时候涨的非常快，下来的时候也跌的非常快。作为一个量化部门，我们找了很多的量化模型去挑行业，其实没有找到特别理想的一个行业的模型。
在这个过程中，量化模型很多时候它是从数量或者是说从这种因子的角度去思考市场的变化的，很多时候他没有办法去跟客户去解释太多的行业基本面的东西。给大家举个例子，假设相似性匹配策略，它就是一个非常成功效果非常好的一个量化行业轮动模型，但是它挑选出来的这几个行业，我给大家把这个模型的逻辑讲明白之后，其实是没有办法去太展开给大家去讲这个行业里面具体的一些故事的。
实际上大家想听到的更多的是这个行业它为什么好，它自己发展的一个逻辑，比如说芯片，芯片的需求端是来自于5G通信网络的建设的推进，它的供给端来自于国产替代占比的提升，它会有很清晰的自己的行业逻辑，但是这些逻辑在量化的模型里面其实是体现不出来的，所以我们只是一味的去追求量化的目标的话，是没办法给大家讲的太清楚太明白，而且量化的模型里面也没有找到让我们觉得可能效果特别好一些量化模型。
后来参考了一下主动权益的投资的框架，主动的策略的框架，很多时候它就是从宏观到中观，去判断这个行业的景气，去把这个行业的数据对照，是自上而下、自下而上结合的一个过程，所以我们去参考策略的框架，就是这个原因，一方面它可以把这个行业的逻辑讲的很清楚。第二方面它可以去给投资者去介绍清楚每个行业发展的阶段情况等等。在给大家介绍策略框架之前，先给大家介绍一下行业大的分类。
我们一般用申万一级28个行业，可以分成4大类，这4大类分别就是周期，消费，金融，科技。周期包括钢铁、煤炭、有色、军工这些波动特别大的，周期特别强的，经济复苏到过热阶段表现会特别好，都叫周期板块。
消费类包括食品、饮料、医药、农业、家电、汽车、旅游这些都算消费。消费板块如果是拉长时间段来看，是有穿越牛熊的力量的。2019年12月31号往前推20年，统计申万一级行业28个行业，前三名收益率的前三名全部都来自于消费板块。消费它的一个业绩可能在牛市里边跑不过周期或者是科技类的这种股票，但是熊市里边它的波动也会比周期和科技类要稍微小一些，它相对来说更稳一点。
金融地产类，金融里面本身它就是分银行、保险、证券，地产很多时候它算是这种投资，会具有一定的金融属性，所以在广义的大金融里其实是可以包括地产的，为了不让大家不搞清楚，我就说金融地产类了。
还有科技类，以前可能也叫成长类，现在就叫科技类，主要就是TMT板块，就是这种高科技的会相对来说比较多，包括种电子、通信、计算机等等。传媒有的时候算在科成科技板块里边，但是传媒也可以算成是消费，因为传媒里边包括电影娱乐这些可以算到消费里边。
