本文基于Xgboost算法,构建新的投资时钟——Committee-xgb投资时钟。该时钟在中国市场月度预测准确率,指数轮动策略回测效果等方面均超过传统的美林时钟。Committee-xgb时钟在算法上运用双标签分类、委员会增强方法和矛盾调整机制,使得时钟本身对因子信息的利用能力要强于普通的机器学习分类算法,如分类树、随机森林和BP神经网络等。同时,Committee-xgb时钟在训练中加入了多种宏观因子。这些因子涵盖的宏观经济信息比单纯使用GDP和CPI要更广。并且,本文借鉴AR模型思想,设置了“先行因子”。这使得Committee-xgb时钟对中国宏观信息的利用能力要优于简单的美林时钟。同时,我们对数据挖掘选出的时钟因子进行因子分析,详细了解各个因子对大类资产收益轮动的具体识别能力。时钟因子分析认为利率类因子是中国市场大类资产轮动的重要因子,这也与一些国内机构,如华泰证券研究所的宏观经济研究员李超提出“利率为轴”的投资时钟观点等相符合。而且本文也发现了一些对资产收益轮动有识别作用的其他宏观因子。贸易类、通胀类等多类因子的识别能力可以和利率类因子形成互补。Committee-xgb时钟本身可以作为FOF投资和大类资产配置的宏观量化研究工具,成为美林时钟的替代品。Committee-xgb时钟可以辅助公募基金公司的资产配置部门或券商研究所等的二级市场投研人员进行大类资产轮动预测以及指数轮动预测等方面的投资研究。