宏觀策略-策略深度報(bào)告：基于XGBoost模型的AI行業(yè)配置系統(tǒng)-

策略研究策略研究|證券研究報(bào)告—總量深度2025年5月28日策略深度報(bào)告本報(bào)告以“周期-信號(hào)-動(dòng)量”行業(yè)配置系統(tǒng)為基礎(chǔ)，基于XGBoost模型構(gòu)建AI行業(yè)配置系統(tǒng)，實(shí)現(xiàn)月度行業(yè)配置輸出。n市場(chǎng)輪動(dòng)加速驅(qū)動(dòng)行業(yè)配置模型升級(jí)。近年來(lái)，A股市場(chǎng)風(fēng)格頻繁切換、主線熱點(diǎn)輪動(dòng)加快，傳統(tǒng)依賴主觀經(jīng)驗(yàn)或靜態(tài)因子打分的行業(yè)配置策略日益難以有效捕捉結(jié)構(gòu)性機(jī)會(huì)。行業(yè)輪動(dòng)背后的驅(qū)動(dòng)因素具有多維性和階段性，估值、成長(zhǎng)、情緒、資金行為等因子交替主導(dǎo)，而經(jīng)濟(jì)周期、貨幣政策等宏觀變量則進(jìn)一步增強(qiáng)了市場(chǎng)表現(xiàn)的非線性特征。這對(duì)策略研究提出了更高要求：模型不僅要具備預(yù)測(cè)能力，更需具備可解釋性與實(shí)戰(zhàn)落地性。為此，報(bào)告基于XGBoost非線性機(jī)器學(xué)習(xí)算法，結(jié)合中銀策略“周期-信號(hào)-動(dòng)量”配置框架，構(gòu)建了一套數(shù)據(jù)驅(qū)動(dòng)、結(jié)構(gòu)清晰、邏輯可循的行業(yè)配置系統(tǒng)，以支持策略判斷與行業(yè)輪動(dòng)決策。n“周期-信號(hào)-動(dòng)量”行業(yè)配置框架概述?！爸芷?信號(hào)-動(dòng)量”行業(yè)配置框架可以概括為周期定風(fēng)格、信號(hào)找行業(yè)、動(dòng)量輔助擇時(shí)。在宏觀維度，通過(guò)資本開(kāi)支周期與庫(kù)存周期識(shí)別中短周期變化形成風(fēng)格方向；在中觀層面，結(jié)合“次年g-復(fù)合g”模型與行業(yè)特有信號(hào)體系，依據(jù)行業(yè)景氣判斷投資機(jī)會(huì)；而在時(shí)點(diǎn)判斷上，則引入市場(chǎng)動(dòng)量指標(biāo)輔助擇時(shí)，增強(qiáng)策略的動(dòng)態(tài)適應(yīng)能力。中銀國(guó)際證券股份有限公司具備證券投資咨詢業(yè)務(wù)資格宏觀及策略：策略研究證券分析師:王君jun.wang@證券投資咨詢業(yè)務(wù)證書編號(hào)：S1300519060證券分析師：高天然tianran.gao@bocichina.證券投資咨詢業(yè)務(wù)證書編號(hào)：S13005221n“周期-信號(hào)-動(dòng)量”行業(yè)配置體系信號(hào)系統(tǒng)。將申萬(wàn)一級(jí)行業(yè)分為周期資源品、地產(chǎn)建筑、公用事業(yè)、必選消費(fèi)、可選消費(fèi)、硬科技、軟科技、大金融等八大行業(yè)，不同行業(yè)均有相關(guān)性較高的宏觀或中觀信號(hào)。如資中銀國(guó)際證券股份有限公司具備證券投資咨詢業(yè)務(wù)資格宏觀及策略：策略研究證券分析師:王君jun.wang@證券投資咨詢業(yè)務(wù)證書編號(hào)：S1300519060證券分析師：高天然tianran.gao@bocichina.證券投資咨詢業(yè)務(wù)證書編號(hào)：S13005221nAI行業(yè)配置模型構(gòu)建與實(shí)證方法。本報(bào)告選取了2006年1月至2025年3月期間的月度數(shù)據(jù)作為樣本區(qū)間，覆蓋近二十年的完整市場(chǎng)周期，在因子選取方面，模型構(gòu)建考慮行業(yè)收益的多維驅(qū)動(dòng)因素，綜合納入了包括宏觀經(jīng)濟(jì)指標(biāo)、市場(chǎng)情緒變量、行業(yè)盈利能力指標(biāo)等在內(nèi)的15個(gè)核心因子，在建模策略上，為提升模型的泛化能力和實(shí)戰(zhàn)落地性，采用8年滾動(dòng)訓(xùn)練+逐月預(yù)測(cè)的方式進(jìn)行回測(cè)與模擬預(yù)測(cè)。nAI行業(yè)配置模型回測(cè)表現(xiàn)與配置建議。2014年1月-2025年3月，AI行業(yè)配置模型篩選Top3行業(yè)累積收益率為122.31%，高于同期等權(quán)重行業(yè)指數(shù)的累積收益率80.26%。模型Top3組合夏普比率、最大回撤均優(yōu)于等權(quán)重指數(shù)，以及萬(wàn)得全A、上證指數(shù)等傳統(tǒng)寬基指數(shù)。5月AI強(qiáng)化行業(yè)配置模型輸出TOP10行業(yè)主要分布在消費(fèi)、紅利等風(fēng)格。n風(fēng)險(xiǎn)提示：數(shù)據(jù)質(zhì)量風(fēng)險(xiǎn)，模型過(guò)擬合風(fēng)險(xiǎn)，市場(chǎng)極端波動(dòng)風(fēng)險(xiǎn)。2025年5月28日策略深度報(bào)告2 41.1研究背景 41.2“周期-信號(hào)-動(dòng)量”行業(yè)配置框架概述 4 62.1順周期、價(jià)格主導(dǎo)行情的周期資源品 62.2逆周期表現(xiàn)占優(yōu)的建筑地產(chǎn)與公用事業(yè) 62.3防御性強(qiáng)、價(jià)格驅(qū)動(dòng)效應(yīng)明顯的必選消費(fèi) 72.4收入及消費(fèi)預(yù)期驅(qū)動(dòng)的可選消費(fèi) 82.5產(chǎn)業(yè)周期驅(qū)動(dòng)、流動(dòng)性助推的科技和高端制造（軟科技、硬科技） 82.6金融周期驅(qū)動(dòng)的金融類行業(yè) 9 3.1XGBoost模型簡(jiǎn)介 3.2基于XGBoost的AI行業(yè)配置系統(tǒng)構(gòu)建流程 3.3數(shù)據(jù)樣本及因子選擇 3.4模型構(gòu)建與參數(shù)選取 4.1AI行業(yè)配置模型回測(cè)表現(xiàn) 4.2模型因子Shap分析 4.35月行情配置分析 5 6 7 7 8 9 10 10 12 13 14 14 15 16 17 18 182025年5月28日策略深度報(bào)告31“周期-信號(hào)-動(dòng)量”中觀行業(yè)配置體系概述A股市場(chǎng)風(fēng)格頻繁切換、主線熱點(diǎn)輪動(dòng)加快，傳統(tǒng)依賴主觀判斷或靜態(tài)因子打分的行業(yè)配置策略，愈發(fā)難以捕捉結(jié)構(gòu)性機(jī)會(huì)。在這一背景下，策略研究需要從經(jīng)驗(yàn)驅(qū)動(dòng)向數(shù)據(jù)驅(qū)動(dòng)轉(zhuǎn)型，借助更具穩(wěn)定性、靈活性和可解釋性的模型工具，以應(yīng)對(duì)市場(chǎng)結(jié)構(gòu)日益復(fù)雜的挑戰(zhàn)。與此同時(shí)，策略研究面臨以下挑戰(zhàn)：n行業(yè)表現(xiàn)的驅(qū)動(dòng)因素具有多維性，估值、成長(zhǎng)、情緒、資金行為等因子交替主導(dǎo)，呈現(xiàn)出強(qiáng)非線性和階段性特征；n經(jīng)濟(jì)周期、貨幣政策、通脹預(yù)期等宏觀變量對(duì)行業(yè)風(fēng)格有顯著影響，單一因子難以完整建模；n策略研究需具備可解釋性與落地能力，模型既要“有效”，更要“能講得清”。本報(bào)告旨在基于XGBoost模型，在中銀策略“周期-信號(hào)-動(dòng)量”行業(yè)配置框架基礎(chǔ)上，構(gòu)建一套結(jié)構(gòu)清晰、數(shù)據(jù)驅(qū)動(dòng)、可解釋、可落地的行業(yè)配置系統(tǒng)，用于支持策略判斷與行業(yè)配置建議輸出。該系統(tǒng)將結(jié)合策略組對(duì)宏觀周期的判斷，通過(guò)非線性建模挖掘多因子結(jié)構(gòu)在不同階段的有效組合。周期定風(fēng)格、信號(hào)找行業(yè)、動(dòng)量輔助擇時(shí)的“周期-信號(hào)-動(dòng)量”體系與行業(yè)信號(hào)配置框架。在我們的中觀景氣跟蹤與行業(yè)配置體系中，周期嵌套模型是我們自上而下進(jìn)行優(yōu)勢(shì)風(fēng)格選擇的基礎(chǔ)。在周期嵌套模型下，我們著重關(guān)注資本開(kāi)支周期（中周期）與庫(kù)存周期（短周期），中周期定位對(duì)于優(yōu)勢(shì)行業(yè)的配置具有方向性的指導(dǎo)意義，而短周期變動(dòng)在行業(yè)景氣輪動(dòng)的判別中則有重要的參考價(jià)值。細(xì)分行業(yè)層面，我們將“次年g-復(fù)合g”景氣銜接體系與“信號(hào)-輸出”系統(tǒng)結(jié)合起來(lái)判斷行業(yè)投資機(jī)會(huì)。“次年g-復(fù)合g”景氣銜接體系以DDM三階段模型為理論基礎(chǔ)，將行業(yè)景氣拆分為近端業(yè)績(jī)?cè)鏊伲?年以內(nèi)的次年g）與遠(yuǎn)端業(yè)績(jī)?cè)鏊伲?-10年的復(fù)合g），股票價(jià)值的判斷綜合考量近端的次年g、高速成長(zhǎng)期的成長(zhǎng)性溢價(jià)與穩(wěn)定增長(zhǎng)期的確定性溢價(jià)，次年g與復(fù)合g兩個(gè)維度之上，不同行業(yè)又有其特定的“信號(hào)-輸出”系統(tǒng)，可以依靠行業(yè)關(guān)鍵信息與跟蹤指標(biāo)釋放出的信號(hào)捕捉投資機(jī)會(huì)，實(shí)現(xiàn)“信號(hào)選行業(yè)”。“信號(hào)選行業(yè)”層面，依據(jù)不同行業(yè)的具體特征，我們將中觀行業(yè)分為資源品、地產(chǎn)建筑、必選消費(fèi)、可選消費(fèi)、軟科技、硬科技、金融類、公用事業(yè)八大類，探討不同行業(yè)的景氣特征和分析模式，尋找投資信號(hào)，同時(shí)為了更有效、更全面的挖掘投資機(jī)會(huì)，對(duì)于部分相關(guān)性較強(qiáng)的產(chǎn)業(yè)，我們依據(jù)產(chǎn)業(yè)間的勾稽關(guān)系建立產(chǎn)業(yè)鏈，分析產(chǎn)業(yè)鏈上下游的景氣聯(lián)動(dòng)，構(gòu)建行業(yè)分類配置體系。而對(duì)于投資時(shí)機(jī)的判斷，除了基本面層面的景氣跟蹤，還需要結(jié)合市場(chǎng)動(dòng)量因素，綜合研判和把握趨勢(shì)與震蕩行情中時(shí)點(diǎn)與空間，也即“動(dòng)量輔助擇時(shí)”。形成自上而下，自宏觀至中觀的一套行業(yè)配置體系，周期確定風(fēng)格，信號(hào)選擇細(xì)分行業(yè)，動(dòng)量輔助判斷投資時(shí)機(jī)；時(shí)間維度上，框架更關(guān)注偏長(zhǎng)期的行業(yè)配置，特別是周期定風(fēng)格層面往往體現(xiàn)跨年度的配置方向，而信號(hào)和動(dòng)量層面關(guān)注的投資周期則相對(duì)更短一些。2025年5月28日策略深度報(bào)告4圖表1.“周期-信號(hào)-動(dòng)量”行業(yè)配置框架2025年5月28日策略深度報(bào)告52“周期-信號(hào)-動(dòng)量”行業(yè)配置體系信號(hào)系統(tǒng)資源品業(yè)績(jī)與經(jīng)濟(jì)周期關(guān)系密切，市場(chǎng)行情則與大宗商品價(jià)格高度相關(guān)。資源品作為典型的順周期行業(yè)，其盈利往往與宏觀經(jīng)濟(jì)周期有著密不可分的關(guān)系，歷史規(guī)律來(lái)看，當(dāng)產(chǎn)出缺口上行即經(jīng)濟(jì)處于擴(kuò)張期時(shí)，資源品業(yè)績(jī)往往均有較優(yōu)的表現(xiàn)，而伴隨經(jīng)濟(jì)走弱，資源品行業(yè)業(yè)績(jī)也往往觸底回落，伴隨經(jīng)濟(jì)周期波動(dòng)，資源品行業(yè)業(yè)績(jī)表現(xiàn)出強(qiáng)周期性。但從市場(chǎng)行情角度來(lái)看，相比于業(yè)績(jī)表現(xiàn)和周期波動(dòng)，商品價(jià)格對(duì)于資源品市場(chǎng)行情的指示性更強(qiáng)，資源品的超額收益與CRB商品價(jià)格指數(shù)高度正相關(guān)。圖表2.周期資源品相對(duì)收益與CRB商品價(jià)格指數(shù)高度相關(guān)地產(chǎn)具有較強(qiáng)的逆周期特征，行情與地產(chǎn)周期高度相關(guān)。地產(chǎn)行業(yè)在我國(guó)經(jīng)濟(jì)中發(fā)揮著舉足輕重的作用，2008年以來(lái)，伴隨經(jīng)濟(jì)周期波動(dòng)，地產(chǎn)行業(yè)也表現(xiàn)出了較強(qiáng)的周期性，并在經(jīng)濟(jì)的逆周期調(diào)節(jié)過(guò)程中發(fā)揮了重要作用。2008年“四萬(wàn)億”出臺(tái)、首付比例下調(diào)，2009年初地產(chǎn)周期觸底上行，2010年4月、2011年“新國(guó)十條”、“新國(guó)八條”上調(diào)首付比例，貸款利率上浮，政策管控收緊，2010年地產(chǎn)進(jìn)入下行周期。類似的政策周期調(diào)節(jié)邏輯之下，2012-2014年、2014-2016年地產(chǎn)經(jīng)歷了兩輪周期波動(dòng)。2016年12月的中央工作會(huì)議提出“房住不炒”，此后地產(chǎn)周期一定程度上被熨平，但仍在經(jīng)濟(jì)調(diào)節(jié)中發(fā)揮重要作用。公用事業(yè)行業(yè)在歷史行情之中表現(xiàn)出了較強(qiáng)的防御屬性，在市場(chǎng)偏好弱勢(shì)的環(huán)境下往往有較為堅(jiān)挺的市場(chǎng)表現(xiàn)。其業(yè)績(jī)穩(wěn)定性和現(xiàn)金流可預(yù)期性使其在市場(chǎng)波動(dòng)或偏好轉(zhuǎn)弱的階段表現(xiàn)出相對(duì)優(yōu)勢(shì)?；仡櫄v史行情，在風(fēng)險(xiǎn)偏好下行或市場(chǎng)避險(xiǎn)情緒上升的環(huán)境中，公用事業(yè)板塊通常能夠憑借其穩(wěn)健的盈利能力與較低的估值波動(dòng)，成為資金配置的“避風(fēng)港”。2025年5月28日策略深度報(bào)告6圖表3.地產(chǎn)行情與商品房銷售周期相關(guān)性較高必選消費(fèi)防御性較強(qiáng)，行業(yè)的價(jià)格驅(qū)動(dòng)效應(yīng)明顯。必選消費(fèi)品的需求往往較為平穩(wěn)，很多具有單價(jià)低、消費(fèi)頻次高的特點(diǎn)。市場(chǎng)行情上看，必選消費(fèi)往往在衰退后期有較強(qiáng)的超額收益，防御屬性較強(qiáng)。同時(shí)或許是由于行業(yè)需求量相對(duì)穩(wěn)定，價(jià)格通常會(huì)成為驅(qū)動(dòng)市場(chǎng)行情的重要因素，歷史規(guī)律來(lái)看，必選消費(fèi)行業(yè)的行情與CPI具有較高相關(guān)性。圖表4.必選消費(fèi)行業(yè)行情與CPI具有較高相關(guān)性2025年5月28日策略深度報(bào)告7收入與消費(fèi)預(yù)期驅(qū)動(dòng)可選消費(fèi)行情。歷史規(guī)律來(lái)看，對(duì)于可選消費(fèi)品，其行情往往與居民收入及消費(fèi)預(yù)期有較高的相關(guān)性并且呈現(xiàn)出較強(qiáng)的周期屬性。與食品、能源等生活必需品不同，可選消費(fèi)品通常屬于“非必需”支出，消費(fèi)者是否愿意購(gòu)買此類商品，很大程度上取決于其當(dāng)前及未來(lái)的收入預(yù)期、消費(fèi)信心以及財(cái)務(wù)狀況。在經(jīng)濟(jì)增長(zhǎng)向好、就業(yè)穩(wěn)定、收入提升的階段，居民可支配收入增加，消費(fèi)傾向上升，對(duì)未來(lái)經(jīng)濟(jì)環(huán)境持樂(lè)觀預(yù)期時(shí)，消費(fèi)者更愿意增加對(duì)可選品的支出，從而帶動(dòng)可選消費(fèi)企業(yè)業(yè)績(jī)改善，行業(yè)板塊股價(jià)表現(xiàn)往往領(lǐng)先反映這一預(yù)期上修，反之亦然。指標(biāo)上來(lái)看，可選消費(fèi)行業(yè)與社會(huì)消費(fèi)品零售總額同比之間具有高度相關(guān)性，作為衡量居民最終消費(fèi)支出的重要統(tǒng)計(jì)口徑，社零總額能夠較為直觀地反映消費(fèi)端的活躍程度與消費(fèi)結(jié)構(gòu)的變化趨勢(shì)。此外，社零數(shù)據(jù)中的分項(xiàng)指標(biāo)（如汽車類、家電類、金銀珠寶類等）往往與細(xì)分可選消費(fèi)板塊形成一一對(duì)應(yīng)關(guān)系，能夠提供更精細(xì)化的行業(yè)跟蹤信號(hào)。圖表5.可選消費(fèi)品行情往往與居民收入及消費(fèi)預(yù)期有較高的相關(guān)性科技和高端制造業(yè)具有顯著的產(chǎn)業(yè)周期驅(qū)動(dòng)特征，且充裕的流動(dòng)性會(huì)對(duì)行情形成明顯助推?？萍己透叨酥圃煨袠I(yè)具有較強(qiáng)的成長(zhǎng)屬性，行情受到產(chǎn)業(yè)周期的驅(qū)動(dòng)。2009年以來(lái)，我國(guó)分別經(jīng)歷了3G、4G、5G周期，也分別引發(fā)了三輪科技股行情，此外，2020年拉開(kāi)帷幕的“能源革命”大潮也推動(dòng)了新能源板塊的行情。（1）2009年-2012年：3G周期；2009年1月7日，工信部正式向三大運(yùn)營(yíng)商發(fā)放3G牌照，我國(guó)迎來(lái)3G元年，移動(dòng)通信基站設(shè)備進(jìn)入建設(shè)高峰，2010年，iphone4上市，智能手機(jī)時(shí)代開(kāi)啟。（2）2013-2018年：4G周期；2013年12月4日，工信部正式向三大運(yùn)營(yíng)商發(fā)布4G牌照，2014年移動(dòng)通信基站設(shè)備再度進(jìn)入建設(shè)高峰，2015年3月5日十二屆全國(guó)人大三次會(huì)議上，李克強(qiáng)總理在政府工作報(bào)告中首次提出“互聯(lián)網(wǎng)+”行動(dòng)計(jì)劃，2015年互聯(lián)網(wǎng)企業(yè)并購(gòu)大潮開(kāi)啟。（3）2019-目前：5G周期；2019年6月6日，工信部正式向三大運(yùn)營(yíng)商發(fā)布5G牌照，2018年底開(kāi)始，第三輪移動(dòng)通信基站設(shè)備建設(shè)高峰即已開(kāi)始，中美經(jīng)貿(mào)摩擦加劇的背景之下，科技和高端制造業(yè)的“自主可控”政策進(jìn)一步助推了行情。（4）2020-目前：“能源革命”大潮；2020年9月，習(xí)近平在第七十五屆聯(lián)合國(guó)大會(huì)一般性辯論上表示：“中國(guó)二氧化碳排放力爭(zhēng)于2030年前達(dá)到峰值，努力爭(zhēng)取2060年前實(shí)現(xiàn)碳中和”。全球“能源革命”的大背景之下，新能源帶動(dòng)硬科技行業(yè)上漲。2025年5月28日策略深度報(bào)告83G和4G周期之中，以智能手機(jī)為主要終端的移動(dòng)互聯(lián)網(wǎng)蓬勃發(fā)展，設(shè)備端由PC時(shí)代進(jìn)入移動(dòng)互聯(lián)網(wǎng)時(shí)代，而進(jìn)入5G周期后，終端設(shè)備的種類及樣式大大拓展，如可穿戴設(shè)備、智能汽車、智能家居等，萬(wàn)物互聯(lián)的AIOT時(shí)代逐步開(kāi)啟。除了產(chǎn)業(yè)周期之外，流動(dòng)性環(huán)境對(duì)于科技和高端制造類行業(yè)具有顯著的驅(qū)動(dòng)作用，2005年中-2006年末、2009年初-2010年初、2019-2020年M1上行區(qū)間，軟、硬科技均取得明顯超額收益。圖表6.科技和高端制造業(yè)具有顯著的產(chǎn)業(yè)周期驅(qū)動(dòng)特征金融行業(yè)行情受金融周期驅(qū)動(dòng)。在我國(guó)的金融體系中，金融機(jī)構(gòu)擔(dān)負(fù)著優(yōu)化資金配置、支撐實(shí)體經(jīng)濟(jì)的重要作用，在金融類行業(yè)的投資中，貨幣政策、利率、信貸等流動(dòng)性因素有著重要的指示意義，同時(shí)政策監(jiān)管的方向與力度也扮演著重要角色。如在銀行的投資中，“量?jī)r(jià)-質(zhì)量”往往是重要的關(guān)注因素，量指標(biāo)包括貸款增速、M2增速等，價(jià)指標(biāo)包括存貸款利率、凈息差等，而質(zhì)量因素則主要考慮撥備的計(jì)提。2011-2012年、2017-2018年以及2022年銀行相對(duì)市場(chǎng)取得較優(yōu)的絕對(duì)收益均是發(fā)生在社融增速或商業(yè)銀行凈息差有較為顯著上行的時(shí)段。保險(xiǎn)行業(yè)的投資中，可主要關(guān)注負(fù)債端與資產(chǎn)端兩方面因素，負(fù)債端主要包括保費(fèi)收入與結(jié)構(gòu)因素，資產(chǎn)端則主要考慮長(zhǎng)端利率特別是10年期國(guó)債收益率的變動(dòng)，10年期國(guó)債收益率上行時(shí)，行業(yè)往往受益上行。2025年5月28日策略深度報(bào)告9圖表7.歷史上銀行行情與社融、凈息差等量?jī)r(jià)指標(biāo)密切相關(guān)圖表8.保險(xiǎn)行情往往發(fā)生在負(fù)債端保費(fèi)收入上行或資產(chǎn)端10年國(guó)債收益率上行時(shí)2025年5月28日策略深度報(bào)告103AI行業(yè)配置模型構(gòu)建與實(shí)證方法XGBoost模型是一種基于梯度提升框架的增強(qiáng)型決策樹(shù)方法，以其高效的擬合能力、較強(qiáng)的非線性建模能力及良好的泛化表現(xiàn)，近年來(lái)在各類結(jié)構(gòu)化數(shù)據(jù)建模中廣泛應(yīng)用。nXGBoost的基本原理是在一系列弱學(xué)習(xí)器（通常為CART決策樹(shù)）的基礎(chǔ)上，通過(guò)每輪迭代擬合上一次預(yù)測(cè)的殘差，從而逐步優(yōu)化整體模型表現(xiàn)。與傳統(tǒng)回歸模型相比，XGBoost能夠自動(dòng)捕捉變量之間復(fù)雜的非線性關(guān)系與交互效應(yīng)。n從實(shí)用角度看，XGBoost模型還具備諸多工程優(yōu)勢(shì)：包括對(duì)缺失值的原生處理能力、高度可并行的訓(xùn)練流程、對(duì)特征重要性的可解釋性輸出等。nXGBoost模型在本策略框架中不僅承擔(dān)了預(yù)測(cè)角色，更通過(guò)其結(jié)構(gòu)化輸出強(qiáng)化了策略的可解釋性與組合落地邏輯，有效橋接了“數(shù)據(jù)驅(qū)動(dòng)”與“投資判斷”之間的鴻溝。本文以“周期-信號(hào)-動(dòng)量”中觀景氣跟蹤框架為基礎(chǔ)，將XGBoost應(yīng)用于經(jīng)濟(jì)周期劃分下的行業(yè)分類預(yù)測(cè)任務(wù)，結(jié)合多維度的中觀、宏觀與情緒因子輸入，建立了“經(jīng)濟(jì)環(huán)境-市場(chǎng)情緒-行業(yè)表現(xiàn)”之間的量化映射關(guān)系。3.2基于XGBoost的AI行業(yè)配置系統(tǒng)構(gòu)建流程本報(bào)告圍繞構(gòu)建基于XGBoost的AI行業(yè)配置系統(tǒng)，設(shè)計(jì)了一套系統(tǒng)化的研究流程，主要包括以下六個(gè)核心步驟：n數(shù)據(jù)樣本及因子選擇：在策略構(gòu)建的初始階段，首先明確研究所覆蓋的時(shí)間范圍、行業(yè)分類口徑與回測(cè)頻率，并精選涵蓋估值、成長(zhǎng)、動(dòng)量、情緒、資金行為等維度的多因子變量，確保樣本代表性與因子有效性。n因子體系構(gòu)建：對(duì)原始因子進(jìn)行標(biāo)準(zhǔn)化處理、缺失值填補(bǔ)、滯后調(diào)整及分組打分等預(yù)處理操作，并結(jié)合宏觀周期變量構(gòu)建多層次、結(jié)構(gòu)化的因子體系，為后續(xù)建模提供清晰輸入結(jié)構(gòu)。nXGBoost模型構(gòu)建：基于已構(gòu)建的因子體系，利用XGBoost這一非線性集成學(xué)習(xí)模型進(jìn)行行業(yè)相對(duì)收益預(yù)測(cè)建模。該模型具備較強(qiáng)的非線性擬合能力和特征交互捕捉能力，能夠更有效識(shí)別影響行業(yè)表現(xiàn)的關(guān)鍵因子組合。n行業(yè)預(yù)測(cè)與篩選：模型輸出各行業(yè)的相對(duì)表現(xiàn)預(yù)測(cè)值，結(jié)合策略設(shè)定進(jìn)行行業(yè)優(yōu)選。在此基礎(chǔ)上，可進(jìn)一步篩選Top收益行業(yè)作為重點(diǎn)配置方向。n模型因子Shap分析：利用Shap（ShapleyAdditiveexPlanations）方法對(duì)模型輸出進(jìn)行可解釋性分析，量化各因子對(duì)行業(yè)預(yù)測(cè)結(jié)果的邊際貢獻(xiàn)，幫助策略人員理解模型決策邏輯，增強(qiáng)配置建議的說(shuō)服力。n輸出配置分析：結(jié)合模型預(yù)測(cè)結(jié)果、Shap因子分析與宏觀周期判斷，最終形成系統(tǒng)性行業(yè)配置建議，支持策略制定、組合構(gòu)建與實(shí)盤操作。2025年5月28日策略深度報(bào)告11圖表9.基于XGBoost模型的AI行業(yè)配置系統(tǒng)構(gòu)建流程圖為了確保模型訓(xùn)練具備足夠的數(shù)據(jù)基礎(chǔ)，同時(shí)兼顧因子數(shù)據(jù)的可得性與穩(wěn)定性，本報(bào)告選取了2006年1月至2025年3月期間的月度數(shù)據(jù)作為樣本區(qū)間，覆蓋近二十年的完整市場(chǎng)周期，包括金融危機(jī)、經(jīng)濟(jì)復(fù)蘇、疫情沖擊及后疫情時(shí)期等多個(gè)宏觀環(huán)境階段，樣本具有較強(qiáng)的代表性和廣泛適用性。在因子選取方面，模型構(gòu)建考慮行業(yè)收益的多維驅(qū)動(dòng)因素，綜合納入了包括宏觀經(jīng)濟(jì)指標(biāo)、市場(chǎng)情緒變量、行業(yè)盈利能力指標(biāo)等在內(nèi)的15個(gè)核心因子，其中11個(gè)宏觀因子分別為經(jīng)濟(jì)周期、10年期國(guó)債收益率、10年期美債收益率、社融同比、社零同比、CPI同比、PPI同比、制造業(yè)資本開(kāi)支同比、商品房銷售面積同比、科技產(chǎn)業(yè)趨勢(shì)、ERP，3個(gè)情緒因子分別為成交額占比分位數(shù)、市盈率分位數(shù)、10日動(dòng)量，1個(gè)業(yè)績(jī)因子ROE(月頻)。在建模策略上，為提升模型的泛化能力和實(shí)戰(zhàn)落地性，我們采用滾動(dòng)訓(xùn)練+逐月預(yù)測(cè)的方式進(jìn)行回測(cè)與模擬預(yù)測(cè)。具體而言，在每一個(gè)預(yù)測(cè)時(shí)點(diǎn)，模型僅使用其之前的歷史數(shù)據(jù)進(jìn)行訓(xùn)練，并對(duì)下一個(gè)月的行業(yè)相對(duì)收益進(jìn)行預(yù)測(cè)，確保訓(xùn)練過(guò)程“無(wú)未來(lái)信息泄露”的原則，盡量避免數(shù)據(jù)泄露所帶來(lái)的過(guò)擬合或預(yù)測(cè)偏差。而通過(guò)這種動(dòng)態(tài)滾動(dòng)的訓(xùn)練框架，模型能夠隨著市場(chǎng)結(jié)構(gòu)的變化不斷自我更新，適應(yīng)不同時(shí)期的主導(dǎo)因子權(quán)重和行業(yè)風(fēng)格輪動(dòng)規(guī)律，從而更真實(shí)地模擬實(shí)際策略運(yùn)行環(huán)境下的預(yù)測(cè)效果與配置參考價(jià)值。2025年5月28日策略深度報(bào)告12圖表10.模型因子表 ），），），ROE_月度），在構(gòu)建行業(yè)配置模型的過(guò)程中，宏觀周期識(shí)別是至關(guān)重要的一環(huán)。以PPI同比和庫(kù)存增速為指標(biāo)劃分庫(kù)存周期，一輪完整的庫(kù)存周期持續(xù)時(shí)間約為3年左右。根據(jù)PPI同比和庫(kù)存同比增速趨勢(shì)方向?qū)⒍讨芷诜譃樗膫€(gè)階段，分別為擴(kuò)張前期（被動(dòng)去庫(kù)）、擴(kuò)張后期（主動(dòng)補(bǔ)庫(kù)）、衰退前期（被動(dòng)補(bǔ)庫(kù)）、衰退后期（主動(dòng)去庫(kù)）。通過(guò)將短周期階段性劃分納入模型框架，可以實(shí)現(xiàn)因子權(quán)重或組合方式在不同宏觀階段的動(dòng)態(tài)調(diào)整，更貼合行業(yè)輪動(dòng)的內(nèi)在驅(qū)動(dòng)邏輯，增強(qiáng)模型的穩(wěn)健性與配置效果的經(jīng)濟(jì)解釋力。歷史經(jīng)驗(yàn)來(lái)看，往往具有擴(kuò)張前期可選消費(fèi)、硬科技占優(yōu)，擴(kuò)張后期資源品占優(yōu)，衰退前期必選消費(fèi)、公用事業(yè)占優(yōu)，衰退后期金融、建筑地產(chǎn)、軟科技占優(yōu)的經(jīng)驗(yàn)。2025年5月28日策略深度報(bào)告13圖表11.中國(guó)庫(kù)存周期運(yùn)行情況以半導(dǎo)體周期（以費(fèi)城半導(dǎo)體指數(shù)計(jì)量）為基礎(chǔ)，在特定科技時(shí)間節(jié)點(diǎn)進(jìn)行主觀強(qiáng)化，如移動(dòng)互聯(lián)網(wǎng)革命、chatGPT推出、DeepSeek推出等重大科技產(chǎn)業(yè)節(jié)點(diǎn)。綜合來(lái)看，指標(biāo)顯示2008年中-2010年初（3G基礎(chǔ)設(shè)施建設(shè)）、2013年初-2015年中（移動(dòng)互聯(lián)網(wǎng)革命）、2019年初-2020年中（5G商用及云計(jì)算興起）、2022年底-2025年中（AI產(chǎn)業(yè)趨勢(shì)）為科技產(chǎn)業(yè)強(qiáng)趨勢(shì)階段。圖表12.科技產(chǎn)業(yè)趨勢(shì)強(qiáng)度與科技股行情表現(xiàn)2025年5月28日策略深度報(bào)告14以次月月度收益率為因變量，與30個(gè)行業(yè)的15個(gè)因子共同構(gòu)建面板數(shù)據(jù)，以8年數(shù)據(jù)為訓(xùn)練集進(jìn)行滾動(dòng)訓(xùn)練，逐年輸出。AI行業(yè)配置模型下的XGBoost模型主要參數(shù)選取：n決策樹(shù)數(shù)量（n_estimators=200n樹(shù)的最大深度（max_depth=3n學(xué)習(xí)率（learning_rate=0.1n子樣本采樣比例（subsample=0.8）；n隨機(jī)種子（random_state=42）。圖表13.AI行業(yè)配置模型XGBoost參數(shù)選取2025年5月28日策略深度報(bào)告154AI行業(yè)配置模型回測(cè)表現(xiàn)與配置建議AI行業(yè)配置模型Top3組合市場(chǎng)表現(xiàn)明顯優(yōu)于同期等權(quán)重指數(shù)。為檢驗(yàn)AI多因子模型在實(shí)際行業(yè)配置中的有效性，本報(bào)告設(shè)計(jì)并構(gòu)建了基于月度滾動(dòng)預(yù)測(cè)與動(dòng)態(tài)調(diào)倉(cāng)的Top3行業(yè)配置策略。具體方法為：在每月初，根據(jù)模型對(duì)未來(lái)一個(gè)月各申萬(wàn)一級(jí)行業(yè)的收益預(yù)測(cè)值，選取預(yù)測(cè)排名前3的行業(yè)構(gòu)建等權(quán)重組合并持有一個(gè)月；下月重新評(píng)估并調(diào)倉(cāng)，實(shí)現(xiàn)動(dòng)態(tài)行業(yè)輪動(dòng)策略。通過(guò)對(duì)2014年1月至2025年3月這一完整回測(cè)區(qū)間進(jìn)行模擬，統(tǒng)計(jì)每月Top3行業(yè)的實(shí)際平均收益并逐步累積，最終得到AI多因子模型行業(yè)配置策略的累計(jì)收益率曲線。2014年1月-2025年3月，AI行業(yè)配置模型篩選Top3行業(yè)累積收益率為122.31%，高于同期等權(quán)重行業(yè)指數(shù)的累積收益率80.26%。圖表14.AI行業(yè)配置模型篩選Top3行業(yè)收益率情況AI行業(yè)配置模型Top3組合夏普比率、最大回撤均優(yōu)于等權(quán)重指數(shù)，以及萬(wàn)得全A、上證指數(shù)等傳統(tǒng)寬基指數(shù)。除了在累計(jì)收益率方面取得顯著超額表現(xiàn)，AI行業(yè)配置模型在風(fēng)險(xiǎn)調(diào)整后收益與回撤控制能力方面同樣展現(xiàn)出優(yōu)異的表現(xiàn)，進(jìn)一步驗(yàn)證了該策略在實(shí)際應(yīng)用中的穩(wěn)定性與抗風(fēng)險(xiǎn)能力。首先，從夏普比率（SharpeRatio）來(lái)看，Top3行業(yè)組合的夏普比率達(dá)到了13.56%，高于同期的申萬(wàn)一級(jí)行業(yè)等權(quán)重指數(shù)，也高于萬(wàn)得全A指數(shù)以及上證綜指等傳統(tǒng)寬基指數(shù)。作為衡量單位風(fēng)險(xiǎn)所帶來(lái)超額回報(bào)的核心指標(biāo)，夏普比率越高，代表策略在控制波動(dòng)風(fēng)險(xiǎn)的基礎(chǔ)上帶來(lái)了更高質(zhì)量的收益。該結(jié)果說(shuō)明，AI模型不僅具備捕捉行業(yè)輪動(dòng)機(jī)會(huì)的能力，而且在波動(dòng)控制、回報(bào)效率等方面具有較大優(yōu)勢(shì)。其次，從最大回撤（MaxDrawdown）指標(biāo)來(lái)看，Top3行業(yè)組合在整個(gè)回測(cè)期間所經(jīng)歷的最大回撤幅度低于等權(quán)重行業(yè)指數(shù)、萬(wàn)得全A及上證指數(shù)等基準(zhǔn)。最大回撤衡量的是投資組合在極端市場(chǎng)環(huán)境中可能遭受的最大損失，反映策略的抗風(fēng)險(xiǎn)能力。較小的回撤水平表明該行業(yè)配置策略在面對(duì)市場(chǎng)下行或波動(dòng)加劇時(shí)，能夠通過(guò)動(dòng)態(tài)調(diào)整有效規(guī)避部分系統(tǒng)性風(fēng)險(xiǎn)，保持組合的相對(duì)穩(wěn)定。2025年5月28日策略深度報(bào)告16圖表15.AI強(qiáng)化行業(yè)配置模型Top行業(yè)組合夏普比率分析為進(jìn)一步提升模型的透明度與可解釋性，本報(bào)告在完成2006年至2025年3月的滾動(dòng)訓(xùn)練與逐月預(yù)測(cè)后，系統(tǒng)性地對(duì)每期模型輸出進(jìn)行了Shap值（ShapleyAdditiveexPlanations）分析。Shap基于博弈論中的Shapley值理論，能夠?yàn)槊恳淮晤A(yù)測(cè)結(jié)果提供因子層面的“歸因解釋”，在保證一致性與局部準(zhǔn)確性的同時(shí)，揭示模型決策背后的因果機(jī)制。具體而言，Shap值衡量的是某一因子在給定樣本中對(duì)預(yù)測(cè)結(jié)果所帶來(lái)的影響幅度與方向：正值代表該因子推動(dòng)預(yù)測(cè)值上行，負(fù)值則表示該因子拉低預(yù)測(cè)結(jié)果；而其絕對(duì)值大小則反映了該因子的邊際重要性。通過(guò)逐期提取Shap值，我們量化評(píng)估了每一個(gè)輸入因子在模型對(duì)行業(yè)收益預(yù)測(cè)中的邊際貢獻(xiàn)度。通過(guò)對(duì)2014年以來(lái)的各個(gè)時(shí)間階段模型因子進(jìn)行Shap分析，我們發(fā)現(xiàn)不同時(shí)期的高貢獻(xiàn)模型因子有著較大的不同：n2014年“移動(dòng)互聯(lián)網(wǎng)”行情之中，模型的ERP與10年期美債因子貢獻(xiàn)度最高，輸出的是偏向成長(zhǎng)的行業(yè)；n2015年，市盈率分位數(shù)開(kāi)始釋放估值過(guò)高的反向預(yù)警信號(hào)，同時(shí)社零同比和CPI同比等消費(fèi)品因子貢獻(xiàn)度提升，提示轉(zhuǎn)向消費(fèi)行業(yè)配置；n2017-2018年估值與無(wú)風(fēng)險(xiǎn)利率是主要貢獻(xiàn)因子，篩選行業(yè)偏向大盤價(jià)值；n2019年-2021年模型篩選行業(yè)的主要貢獻(xiàn)因子是科技產(chǎn)業(yè)趨勢(shì)與制造業(yè)周期，對(duì)應(yīng)著半導(dǎo)體周期催化的科技行情，新能源為代表的制造業(yè)的上行行情；n2022年市場(chǎng)整體回調(diào)明顯，逆周期、防御性行業(yè)相對(duì)占優(yōu)，模型輸出行業(yè)的主要貢獻(xiàn)因子是商品房銷售面積同比、CPI同比等地產(chǎn)鏈和必選消費(fèi)指標(biāo)；n2023下半年-2024年，市場(chǎng)風(fēng)格呈現(xiàn)“杠鈴態(tài)勢(shì)”，2025年Q1成長(zhǎng)占優(yōu)明顯，區(qū)間模型篩選行業(yè)的主要貢獻(xiàn)因子是ERP、科技產(chǎn)業(yè)趨勢(shì)、制造業(yè)周期和美債收益率。綜合來(lái)看，模型主要貢獻(xiàn)因子在2-3年左右會(huì)出現(xiàn)明顯的切換，對(duì)應(yīng)的市場(chǎng)風(fēng)格也往往隨之切換，價(jià)值風(fēng)格往往容易受到無(wú)風(fēng)險(xiǎn)利率、商品房銷售面積、CPI同比等因子的催化，成長(zhǎng)風(fēng)格則是容易受到ERP、制造業(yè)周期、科技產(chǎn)業(yè)趨勢(shì)等因子的催化。2025年5月28日策略深度報(bào)告17圖表16.模型因子Shap分析5月AI行業(yè)配置模型輸出TOP10行業(yè)分別為家用電器、有色金屬、美容護(hù)理、交通運(yùn)輸、紡織服裝、石油石化、煤炭、銀行、通信、公用事業(yè)，主要分布在消費(fèi)、紅利等風(fēng)格。截至5月22日，TOP3業(yè)平均收益率為4.81%，TOP5行業(yè)為5.21%，TOP10行業(yè)為4.84%，均高于全行業(yè)平均收益。圖表17.5月AI強(qiáng)化行業(yè)配置模型輸出TOP行業(yè)表現(xiàn)TOP3行業(yè)TOP3行業(yè)收益率TOP5行業(yè)TOP5行業(yè)收益率TOP10行業(yè)TOP10行業(yè)收益率家用電器5.35家用電器5.35家用電器5.35有色金屬3.98有色金屬3.98有色金屬3.98美容護(hù)理5.10美容護(hù)理5.10美容護(hù)理5.10交通運(yùn)輸5.54交通運(yùn)輸5.54紡織服飾6.06紡織服飾6.06石油石化2.37煤炭5.19銀行7.04通信3.93公用事業(yè)3.87TOP行業(yè)平均收益4.814.84全行業(yè)平均收益3.51注釋：數(shù)據(jù)統(tǒng)計(jì)截至2025年5月22日2025年5月28日策略深度報(bào)告18風(fēng)險(xiǎn)提示數(shù)據(jù)質(zhì)量風(fēng)險(xiǎn)本模型依賴的因子數(shù)據(jù)來(lái)源于公開(kāi)宏觀經(jīng)濟(jì)數(shù)據(jù)、市場(chǎng)行情與行業(yè)財(cái)務(wù)指標(biāo)，盡管在建模過(guò)程中已進(jìn)行缺失值處理與異常值修正，但數(shù)據(jù)發(fā)布存在一定滯后、修訂及誤差可能，可能影響模型在極端時(shí)期的預(yù)測(cè)準(zhǔn)確性。模型過(guò)擬合風(fēng)險(xiǎn)雖已通過(guò)滾動(dòng)訓(xùn)練、交叉驗(yàn)證等方式控制過(guò)擬合，但XGBoost等機(jī)器學(xué)習(xí)模型本質(zhì)上對(duì)歷史模式敏感，若未來(lái)市場(chǎng)結(jié)構(gòu)發(fā)生顯著變化（如制度性改革、外部沖擊），模型可能無(wú)法有效泛化。市場(chǎng)極端波動(dòng)風(fēng)險(xiǎn)在市場(chǎng)出現(xiàn)極端波動(dòng)（如金融危機(jī)、疫情沖擊等）或黑天鵝事件時(shí)，模型基于歷史規(guī)律的預(yù)測(cè)邏輯可能暫時(shí)失效，策略表現(xiàn)可能大幅偏離預(yù)期。配置建議非投資承諾模型輸出的行業(yè)配置建議基于歷史數(shù)據(jù)與假設(shè)條件，僅為輔助決策參考，不構(gòu)成對(duì)未來(lái)收益的承諾或保證，投資者應(yīng)結(jié)合自身風(fēng)險(xiǎn)偏好、資金狀況及市場(chǎng)環(huán)境，謹(jǐn)慎決策。2025年5月28日策略深度報(bào)告19本報(bào)告準(zhǔn)確表述了證券分析師的個(gè)人觀點(diǎn)。該證券分析師聲明，本人未在公司內(nèi)、外部機(jī)構(gòu)兼任有損本人獨(dú)立性與客觀性的其他職務(wù)，沒(méi)有擔(dān)任本報(bào)告評(píng)論的上市公司的董事、監(jiān)事或高級(jí)管理人員；也不擁有與該上市公司有關(guān)的任何財(cái)務(wù)權(quán)益；本報(bào)告評(píng)論的上市公司或其它第三方都沒(méi)有或沒(méi)有承諾向本人提供與本報(bào)告有關(guān)的任何補(bǔ)償或其它利益。中銀國(guó)際證券股份有限公司同時(shí)聲明，將通過(guò)公司網(wǎng)站披露本公司授權(quán)公眾媒體及其他機(jī)構(gòu)刊載或者轉(zhuǎn)發(fā)證券研究報(bào)告有關(guān)情況。如有投資者于未經(jīng)授權(quán)的公眾媒體看到或從其他機(jī)構(gòu)獲得本研究報(bào)告的，請(qǐng)慎重使用所獲得的研究報(bào)告，以防止被誤導(dǎo)，中銀國(guó)際證券股份有限公司不對(duì)其報(bào)告理解和使用承擔(dān)任何責(zé)任。評(píng)級(jí)體系說(shuō)明以報(bào)告發(fā)布日后公司股價(jià)/行業(yè)指數(shù)漲跌幅相對(duì)同期相關(guān)市場(chǎng)指數(shù)的漲跌幅的表現(xiàn)為基準(zhǔn)：公司投資評(píng)級(jí)：買入：預(yù)計(jì)該公司股價(jià)在未來(lái)6-12個(gè)月內(nèi)超越基準(zhǔn)指數(shù)20%以上；增持：預(yù)計(jì)該公司股價(jià)在未來(lái)6-12個(gè)月內(nèi)超越基準(zhǔn)指數(shù)10%-20%；中性：預(yù)計(jì)該公司股價(jià)在未來(lái)6-12個(gè)月內(nèi)相對(duì)基準(zhǔn)指數(shù)變動(dòng)幅度在-10%-10%之間；減持：預(yù)計(jì)該公司股價(jià)在未來(lái)6-12個(gè)月內(nèi)相對(duì)基準(zhǔn)指數(shù)跌幅在10%以上；未有評(píng)級(jí)：因無(wú)法獲取必要的資料或者其他原因，未能給出明確的投資評(píng)級(jí)。行業(yè)投資評(píng)級(jí)：強(qiáng)于大市：預(yù)計(jì)該行業(yè)指數(shù)在未來(lái)6-12個(gè)月內(nèi)表現(xiàn)強(qiáng)于基準(zhǔn)指數(shù)；中性：預(yù)計(jì)該行業(yè)指數(shù)在未來(lái)6-12個(gè)月內(nèi)表現(xiàn)基本與基準(zhǔn)指數(shù)持平；弱于大市：預(yù)計(jì)該行業(yè)指數(shù)在未來(lái)6-12個(gè)月內(nèi)表現(xiàn)弱于基準(zhǔn)指數(shù)；未有評(píng)級(jí)：因無(wú)法獲取必要的資料或者其他原因，未能給出明確的投資評(píng)級(jí)。滬深市場(chǎng)基準(zhǔn)指數(shù)為滬深300指數(shù)；新三板市場(chǎng)基準(zhǔn)指數(shù)為三板成指或三板做市指數(shù)；香港市場(chǎng)基準(zhǔn)指數(shù)為恒生指數(shù)或恒生中國(guó)企業(yè)指數(shù)；美股市場(chǎng)基準(zhǔn)指數(shù)為納斯達(dá)克綜合指數(shù)或標(biāo)普500指數(shù)。2025年5月28日策略深度報(bào)告20風(fēng)險(xiǎn)提示及免責(zé)聲明本報(bào)告發(fā)布的特定客戶包括：1)基金、保險(xiǎn)、QFII、具備專業(yè)信息處理能力的中銀國(guó)際證券股份有限公司的機(jī)構(gòu)客戶；2)中銀國(guó)際證券股份有限公司的證券投資顧問(wèn)服務(wù)團(tuán)隊(duì)，其可參考使用本報(bào)告。中銀國(guó)際證券股份有限公司的證券投資顧問(wèn)服務(wù)團(tuán)隊(duì)可能以本報(bào)告為基礎(chǔ)，整合形成證券投資顧問(wèn)服務(wù)