RegimeRank：可解释的行业轮动排序模型

01 摘要

作者将行业轮动任务定义为依据未来行业-基准夏普比率对行业进行排序，并提出RegimeRank模型，通过专家定义的时间特征、跨注意力宏观状态条件化和自注意力跨行业依赖建模来实现可解释排序。在2002-2024年标普500周度数据上，采用组合净化交叉验证，该模型在多个排序指标上优于代表性排序和机器学习基线。消融实验支持潜在宏观状态、状态条件化和跨行业建模的贡献，归因和注意力分析展示了排序背后的时间特征、宏观状态和行业关系。

02 关键点

1. RegimeRank通过专家定义的时间特征表示基本面和技术信号，并利用跨注意力对学习到的宏观因子进行条件化。
2. 模型使用自注意力捕捉行业间依赖，并通过预期梯度归因和注意力图提供可解释性诊断。
3. 在2002-2024年标普500周度数据上，组合净化交叉验证显示模型在多个排序指标上优于基线。