本文以“行为金融学”视角研究行业轮动的“月份效应”，创新地将月份效应因子融入传统金融模型。http://www.hibor.com.cn【慧博投研资讯】行业“月份效应”体现了生产和消费节奏在月频上相对固定概率分布，将其与传统多因子模型的技术确认性因子、基本面长期性因子结合，建立行业轮动策略，取得了较好表现，填补了研究空白。http://www.hibor.com.cn（慧博投研资讯）
　　通过对各指数2005.1-2020.4月频的涨跌幅归一化得到强弱分数，并引入“欧氏距离”测度归一化后的各行业与基准的弹性系数。主要结论：（1）沪深300指数表现最强的月份为4月、12月；表现最弱的月份为6月、8月。（2）沪深300指数与道琼斯工业指数月份效应的同步涨跌的概率为75%。（3）食品饮料行业以最高1.92%的月均涨幅和最高累计9次的强势轮动，排名第一。
　　细分行业的“月份效应”：（1）电子板块一季度最具超额收益，其高弹性受益于全年一季度通常对应较宽松的市场流动性环境；（2）农林牧渔在2、7月超额收益最大，这与CPI月度环比两个高峰2、7月正相吻合。（3）房地产在3、11月超额收益最大，这与房地产销售面积月度环比高峰的3月小阳春，金9银10的规律相符。（4）银行在6、12月成为避险必备，其表现挂钩市场流动性；（5）食品饮料全年领先，二季度更是一枝独秀。（6）医药上半年强于下半年，且冬春之交，夏秋之交更显换季效应。（7）家电板块围绕销量，2—6月和10—次年1月的超额收益，来自两轮家电月度销量的上升周期。（8）建材板块2、11月超额收益最大，总比房地产新开工3、12月提前1个月启动。
　　策略1和策略2：“月份效应”的行业轮动策略，略跑赢沪深300指数。将样本划分为训练区（2005-2016）和测试区（2017-2020.4），策略1和2分别设定为：每月按训练区月份效应得分最高的前3个行业、前10个行业，同时满足分数高于沪深300指数，且月均收益为正等权重配置。策略1（累计收益率29.1%/年化8.2%）和策略2（累计收益率27.3%/年化7.7%）均略跑赢了同期沪深300指数（累计18.1%/年化5.3%），其胜率均未超过50%，盈亏比均为1.4，最大回撤在10%，在牛市能获得显著超额收益，但熊市未能取得超额收益。
　　策略3和策略4：采用盈利类、成长类、估值类、营运能力类、月份效应类、技术面类（独家研发技术指标）多因子，相对策略1和2得到优化。策略3的因子权重倾向于技术类，策略4的因子权重倾向于基本面类，均每月选择3个行业等权重配置。策略3（累计收益率76.0%/年化19.1%）和策略4（累计收益率66.5%/年化17.0%）表现进一步优化。策略3在下行趋势未发出配置信号，使得回撤得以控制，最大回撤为6.8%，仅能在牛市中跑赢基准，盈亏比为2.8，高于策略4的1.7。策略4则在牛熊阶段均能跑赢基准，体现了基本面因子在挖掘长期趋势上的优势，胜率为57.5%，高于策略3的47.5%，但其最大回撤相对策略3较大，为14.2%，且在牛市表现中略低于策略3。
　　风险提示：量化策略算法全部基于历史数据规律推导，模型的历史应用不能代表未来，因此存在模型偏差带来的风险