很多个人投资者第一次接触“行业轮动”时，会以为它只是一个选行业、换仓位的经验游戏。但真正跑过一轮策略回测的人很快会发现：**行业轮动的本质不是猜，而是用数据去刻画经济周期、资金偏好和行业景气之间的错位。** 没有数据支撑，轮动模型就只是拍脑袋。 那么，一个能落地、可复现的行业轮动模型，到底需要哪些数据？ ## 一、宏观周期数据：判断“什么时候该轮到谁” 行业轮动的经典逻辑来自美林时钟：复苏期买周期，过热期买资源，滞胀期买防御，衰退期买成长。要把这套逻辑量化，至少需要以下几类宏观数据： - **经济增长**：PMI、工业增加值、GDP同比 - **通胀水平**：CPI、PPI、PPI-CPI剪刀差 - **流动性**：M1、M2、社融增速、Shibor利率 - **政策信号**：财政支出增速、政策利率调整 这些数据大多来自国家统计局、央行和Wind/同花顺等平台。实操中，不建议直接把原始值丢进模型，而是先做**同比、环比、分位数标准化**处理。比如PMI连续3个月站上50，和单月脉冲式回升，对周期行业的指示意义完全不同。 ## 二、行业基本面数据：判断“谁真的在变好” 宏观只告诉你“风往哪吹”，行业基本面才决定“哪条船能开”。常见的数据包括： - **盈利数据**：行业营收增速、净利润增速、ROE变化 - **景气数据**：产能利用率、库存周期、订单增速 - **价格数据**：行业产品价格指数、原材料成本变化 举个简单例子：如果PPI上行，同时某上游资源行业的库存处于低位、订单增速回升，那么该行业进入“量价齐升”阶段的概率就更高。这类数据可以从行业财报、行业协会、以及量化平台的结构化接口中获取。很多个人投资者卡在“数据太散、更新太慢”，这时可以借助一些低门槛工具来搭建自己的数据管道。比如在[股票搭子](https://jiademin2688.top)上，你可以用自然语言描述“帮我监控有色金属行业的库存和PPI剪刀差”，平台会自动生成对应的AI量化技能，省去大量手工整理时间。 ## 三、市场与资金数据：判断“钱在往哪走” 即使基本面转好，如果资金不认可，轮动也可能滞后甚至失败。因此还需要三类市场数据： - **价格动量**：行业指数过去20日、60日收益率 - **资金流向**：北向资金、主力净流入、ETF份额变化 - **交易情绪**：换手率、成交额占比、融资余额 一个常见的误区是：**只看动量，不看资金结构。** 比如某行业短期涨幅很大，但主要是游资推动、北向持续流出，这种轮动往往持续性差。更稳健的做法是把动量因子和资金因子做正交化处理，避免重复计算同一逻辑。 ## 四、数据频率与对齐：最容易被忽视的坑 行业轮动模型最怕“未来函数”和“频率错配”。宏观数据是月频，财报是季频，行情是日频，如果直接把月频数据对齐到日频而不做滞后处理，回测收益会虚高得离谱。 实操建议： 1. 所有宏观数据至少滞后一期发布； 2. 财报数据使用“公告日”而非“报告期”对齐； 3. 行情数据做前复权，并剔除停牌日； 4. 每轮调仓前，检查数据是否完整、是否有异常值。 ## 五、一个最小可行模型的数据清单 如果你不想一开始就搞得太复杂，可以从下面这个最小组合起步： - 宏观：PMI + PPI同比 - 行业：净利润增速 + 库存同比 - 市场：行业20日动量 + 北向净流入 - 频率：月度调仓，季度再平衡 用这套数据跑一遍历史回测，你就能直观看到：哪些行业在特定宏观状态下胜率更高，哪些因子其实是噪音。 行业轮动不是预测水晶球，而是**用数据把“大概率”变成可执行的纪律**。数据越干净、逻辑越清晰，模型才越有可能在实盘中活下来。 投资有风险，入市需谨慎。本文提到的数据框架和工具仅作方法讨论，不构成任何投资建议。