自二十世纪末以来,股票市场中的行业轮动现象已得到证实,而我国A股市场也同样存在着行业轮动现象。资产配置在投资中有着至关重要的作用,基金管理者通过资产组合来分散风险并获取超额收益,而行业配置又是资产配置的关键。在发达国家,利用量化方式进行行业配置的方法已经深入实践,而我国的行业配置方法仍以基本面分析为主,对量化的行业配置方法涉及较少。因此,本文试图结合最新的风险平价模型研究成果并结合现在流行的机器学习支持向量机算法,寻找一套适合我国的行业资产量化配置策略方案。本文首先用风险平价模型构建了大类资产配置策略,验证了风险平价法相比传统资产配置方法在投资组合效果上的优势。然后,选取了上证行业分类指数,运用风险平价法构建了行业资产配置策略,对比上证综指基准发现该策略能在一定程度上取得超额收益,但由于行业间相关系数较高,其对风险的控制效果不是太明显。后来,在探究了行业背后的宏观经济规律和周期性现象后,运用CAPM模型进行基于Beta系数的行业分类,并选取了 M2、CPI等5个常用宏观经济指标构成训练集输入指标,采用支持向量机算法对每个月的行业占优类别进行了预测,验证了行业轮动现象,再结合风险平价模型分配最佳权重构建投资组合,最终得到的SVM-风险平价行业轮动策略显示,其收益绩效和风险指标相比于之前的简单风险平价行业配置策略均有了明显的提升。