从宏观时钟到行业盈利估值特征的行业选择逻辑：不同行业由于本身属性带来盈利估值特征的差异，从而决定其宏观敏感程度，而市场对不同宏观变量的关注程度也决定了不同时期行业盈利估值属性的重要性变化。本报告中，我们尝试通过数据分析行业的宏观敏感程度，并探索盈利估值特征对如何决定最终体现的宏观敏感程度，从而建立宏观变量预判→ 行业属性刻画→受益行业选择的行业主题配置框架。

不同行业对不同宏观变量的敏感程度不同：传统能源行业对经济更敏感、抗通胀能力更强， TMT 板块对流动性敏感程度更高。此前我们通过板块划分给出了宏观时钟下的受益板块，但通过统计不同经济变化方向、不同流动性环境下行业的收益和上涨频率，易发现不同行业对宏观环境的敏感程度差异较大。若我们能在不同的宏观环境下根据不同行业对变量的敏感度选择合适的资产，相比仅依据收益的历史规律，能获得逻辑更清晰的配置建议。

不同时期市场对宏观变量的关注重点不同：市场 2014 年下半年对流动性关注度更高， 2019 年以来对经济关注度更高。市场关注点的不同时，表现出色的行业的特征也会有明显差异。为了推断市场关注点的变化，我们借助 Factor Mimicking 将低频数据高频化，尝试寻找能够代表市场关注的宏观因子的代理组合， 并通过代理组合的波动水平判断市场更关心什么变量。

基于时钟和宏观变量关注点的行业配置：组合明显跑赢市场，验证了通过宏观环境和行业宏观敏感程度选择行业的逻辑。有了行业的宏观敏感程度统计、时钟判断和代理组合推断的市场关注点后，我们将三者结合进行行业配置，2013 年以来组合超越 Wind 全 A 8.7%，超越行业等权 10%，组合在 2021 年一季度偏向对经济敏感、对流动性不敏感的行业。