核心观点

从直观上理解，行业细分轮动模型，类似于在细分行业聚类图里，筛选出距离对应一级行业坐标最近的一批细分行业赛道。

摘要

本报告在前期Beta增强模型（《AI量化：全市场选股方法论与AI量化选股模型》，2026-02-26）基础上，将轮动标的由全市场个股上升至细分行业板块。细分行业轮动模型逻辑与我们前期推出的行业ETF轮动模型一脉相承，只是模型最终结果聚焦完整细分板块轮动，从而进一步完善我们自上而下的行业轮动量化体系。

模型核心依托深度神经网络Beta系数算法，在行业主线轮动模型的大类行业排序预测结果基础上，精准测算各细分行业板块对应各大类行业的Beta系数估计值，依托Beta系数刻画细分行业的相对收益弹性与强弱属性，最终输出各大类行业下辖细分行业的强弱排序结果。

在测算Beta系数时，为解决传统方法易受市场短期波动干扰、弹性刻画偏差较大的痛点，我们引入深度神经网络算法对Beta系数的计算方式进行优化改进。经由该算法得到的Beta系数，具备更强的稳定性与适配性，能够精准刻画个股相对于对应行业基准指数的收益联动特征。

该结果与细分行业聚类模型结果具备内在逻辑一致性。从直观上理解，行业细分轮动模型，类似于在细分行业聚类图里，筛选出距离对应一级行业坐标最近的一批细分行业赛道。

在聚类图中，通信与电子两大一级行业高度重叠，这也解释了为何细分行业轮动模型给出的两大板块细分标的高度趋同。

主线轮动模型中新晋至第4名的建筑材料行业，其内部强势细分品种集中在通信、电子上游材料领域，并非水泥这类传统建材赛道。借助细分行业轮动模型，我们能够进一步拆解出该一级行业走强的内在驱动逻辑。

风险提示：市场环境变动风险，模型稳定性风险，数据质量风险。

注：本文内容来自天风证券2026-06-28发布的《从一级大类行业到二级细分赛道的行业轮动模型研究—AI量化：行业配置精细化升级》，报告分析师：巩方舟SAC编号S1110525120009、唐海清SAC编号S1110517030002