对于国内外板块轮动现象的研究十分丰富。就国内而言,研究学者几乎对中国股票市场存在板块轮动达成共识,并有很多文献从多个不同方面解释了行业板块轮动成因,但将板块轮动作为投资策略的研究偏向定性,轮动规律主要针对几大主要且轮动现象明显的板块进行分析,时间粒度较粗,得到的规律较为粗浅,分析选取的样本也是人工选择的轮动现象明显的时间段,研究很大一部分依赖于定性的比较。因此基于中国股票市场存在板块轮动的前提,运用神经网络作为工具构建预测模型,全时段、全部板块、利用数据不掺杂人的主观判断对板块轮动现象形成量化投资模型,预测下一时段涨幅第一的板块,这是一个有趣并值得尝试的方向。本文的研究内容基于中国股票市场存在板块轮动现象的共识,运用神经网络作为工具构建预测模型,“量化”板块轮动现象预测未来时段涨幅最优板块,并凭借预测结果构造量化投资策略。其简要过程是:对A股数据进行处理与清洗得到不同维度的板块数据集,针对不同类型的板块数据集构建不同的神经网络模型进行训练,得到效果最优的数据集维度以及最优的预测模型,并对最优预测模型的表现进行评价。最后得到量化投资策略并提出量化投资策略可以进一步完善的方向。本文建立了针对证监会行业分类的板块预测模型,来预测下一时段表现最好的板块,模型表现效果与基准——沪深300指数相比表现较好。建立的板块预测模型具体结构为:周级别的所有板块(证监会行业门类)涨跌幅数据作为输入信息,下一周涨幅第一的板块作为输出信息,以双层LSTM循环神经网络作为结构核心。投资策略为:输入历史数据,买入模型预测的下周涨幅第一的板块,并持有一周时间;同时卖出覆盖相同资金头寸的沪深300股指期货对冲系统性风险。即量化投资策略只获取阿尔法收益。由于买入整个板块的操作在现实中不可行,因此该量化投资策略只是作为板块选择策略,还需要辅助板块内部择股策略才能进行实际的操作。模型也有进一步改善的空间,因此针对性地提出了一些可以进一步研究的方向。