基于转移熵的个股行业信息传导与轮动策略研究

行业轮动视角的下沉：从整体到个股的信息扩散

传统行业轮动策略通常直接在行业层面寻找预测变量，如行业动量、估值、景气度或资金流。这类方法隐含假设行业内部个股能够较为同步地反映共同信息。然而，现实中的价格形成往往并非如此。同一行业内部，不同公司的市场地位、交易活跃度、机构关注度及基本面质量存在显著差异，导致不同股票对共同信息的反应速度不同。部分核心股票可能率先完成定价，其他股票随后逐步跟随，行业收益因此经历由少数个股向更广泛成分扩散的过程。

基于这一认识，本研究将行业轮动研究由行业层面下沉至个股层面，重点考察行业内部的领先滞后关系及其信息传导机制。报告引入转移熵方法，在控制行业自身历史状态的条件下，衡量个股状态对行业下一期状态所提供的信息增量，从而识别真正具有行业信息传导能力的股票。转移熵同时考虑信息传递的方向性、条件性和非线性关系，更适合刻画个股信息向行业扩散的动态过程。

转移熵框架下的技术面与基本面信号构建

在策略构建方面，报告分别从技术面和基本面拓展转移熵框架。技术面策略结合个股与行业的历史动量状态，形成高转移熵股票动量策略和基于条件状态的方向性预测策略。高转移熵股票动量因子利用过去较长历史窗口内的完整样本估计个股向行业的信息传导强度，具有样本利用充分、估计相对稳健的特点。而结合转移熵的样本预测策略则根据历史上满足相同条件的样本，估计行业下一期进入上涨、震荡或下跌状态的条件概率，具有针对性和方向解释能力更强的优势。两者结合形成了更完整的“寻找实际领涨标的”框架。

基本面策略则将状态变量替换为盈利预期、标准化未预期盈利及盈利能力变化等指标。考虑到基本面数据披露频率较低且可能存在连续状态不变的情况，模型通过时间衰减及样本连续性调整，降低重复状态的影响，提高状态发生变化时的相对权重，从而提高有限历史样本的有效性。这种处理方式在利用有限历史样本和避免重复信息主导估计之间取得了平衡。

多维融合策略的回测表现与增量价值

报告进一步将技术面与基本面信号进行融合，构建“领先和传导”综合行业轮动因子。回测结果显示，综合策略多头组合年化收益率为16.66%，相对申万一级行业等权基准的年化超额收益率为10.44%，超额收益风险比为1.27，最大超额回撤为7.62%，超额月度胜率为64.90%。多维度融合在收益、风险和稳定性方面均表现出一定改善。

新因子能够对兴证金工传统行业轮动策略提供增量，适应不同市场环境的变化。将新因子纳入团队原有行业轮动模型后，模型年化超额收益率由9.98%提高至15.59%，超额收益风险比由0.96提高至1.37，超额月度胜率由61.42%提高至66.93%。这表明个股层面的领先与信息传导特征能够为传统行业轮动框架提供一定的增量信息，且在原模型表现较弱的年份提供了互补价值。

策略在ETF投资中的落地与应用

在实际投资落地方面，报告将行业配置观点映射至行业及主题ETF。为解决静态映射在主题行情中的失真问题，模型引入数据驱动的动态筛选机制，综合考察ETF与目标行业指数的长期收益率相关性、短期相关性以及历史观点表达能力。基于ETF跟踪指数的回测结果显示，ETF组合取得17.14%的年化收益率，相对中证800全收益指数的年化超额收益率为12.98%，超额收益风险比为1.22，超额月度胜率为64.57%。

此外，为提高策略的可投资性并降低流动性风险，报告还对配置标的设置规模约束，要求入选ETF规模不低于5亿元。通过这一处理，组合始终保持既定的行业配置数量和总体仓位，同时避免持有规模过小、流动性不足的产品。约束后组合年化收益率为15.99%，相对中证800全收益指数的年化超额收益率为11.95%，整体风险收益特征保持稳定。动态ETF映射提高了行业轮动观点向可投资工具转化的有效性，使策略具备较强的实操意义。