系列最后一篇，聊FOF投研实习里更有「宏观视角」的一段经历——行业景气度指标构建。
前两篇我们分别解决了「看清历史」(归因)和「看准策略」(收益预测)，但还有一个问题悬而未决：钱该往哪个行业放?尤其在配置公募基金、ETF和指数主题基金时，行业方向的选择往往比选基本身更影响结果。行业景气度研究，就是为这个问题服务的。
一、先讲透：景气度指标到底刻画什么?
一句话定义：景气度是对行业当前经营状况和未来趋势的量化刻画——行业是在变好、变差，还是原地踏步。
FOF研究需要它的核心原因：行业景气变化是行业轮动的主要驱动力。景气度向上的行业，盈利预期改善、资金持续流入，对应基金和ETF往往有超额表现;反之则持续跑输。提前识别景气拐点，就是在行业轮动中占得先机。
二、构建框架：三类指标 + 合成方法
第一步：按领先性分层选取指标
先行指标(领先行业盈利变化)：社融与信贷结构、PMI分项(新订单)、地产销售、政策信号——用来预判拐点;
同步指标(刻画当下景气)：工业增加值、发电量、行业产量与销量、价格指数;
滞后指标(确认趋势)：行业库存、利润总额、应收账款周转。
选指标的核心逻辑：先行指标定方向，同步指标验证，滞后指标防误判。
第二步：合成景气指数
扩散指数法：统计一段时间内改善的指标占比(如10个指标中7个改善 → 扩散指数70%)，刻画景气扩散广度;
加权评分法：按指标对行业盈利的解释力赋权，合成单一景气分(0-100)。
第三步：与估值结合形成配置信号
景气度解决「方向」，估值解决「价格」。经典打法：
景气上行 + 估值低位 → 超配;
景气上行 + 估值高位 → 标配(警惕拥挤);
景气下行 + 估值高位 → 低配。
面试加分点：主动说出「景气度必须和估值、拥挤度一起用，单看景气容易追高」——这句话能让你和只会算指标的候选人立刻区分开。
三、经历描述模板：可直接套用的「实习故事」
> 场景：实习期间，团队希望判断新能源、半导体等成长行业的配置价值，用于指导相关ETF与主题基金的仓位调整，我需要给出可量化的判断依据。
> 动作：我选取了各行业的先行、同步、滞后三类指标(如半导体：全球半导体销售额、库存周转、费城半导体指数;新能源：排产数据、装机量、上游价格)，按领先性赋权合成行业景气指数;再用指数分位数与未来一季行业收益做回测验证(IC检验)，并叠加估值分位构建「景气-估值」四象限。
> 思考：回测显示，景气指数处于高分位且估值处于低分位的行业，未来一季胜率显著更高;而某些行业虽景气高分位但估值已极度拥挤，配置性价比反而下降。我据此建议：对高景气+低估值行业对应的ETF维持超配，对高景气+高估值行业降为标配并提示回调风险。
> 结果：该框架被纳入月度行业配置讨论，后续市场风格切换时，高景气+高估值行业确实出现明显回调，而低估值景气行业相对抗跌，验证了「景气+估值」双维判断的价值。
四、面试官追问清单：提前备好
指标有滞后性怎么办?→ 优先先行指标定拐点、用高频另类数据(搜索指数、招标数据、卫星数据)补充，信号出现后分批建仓而非一次性下注;
怎么验证指标有效?→ 分位数组合回测 + IC检验(指标值与未来收益的相关性)，样本外验证，避免数据挖掘;
景气指标失灵过吗?→ 政策冲击(如行业监管)、突发供给扰动会导致指标短期失真，所以要有情景预案，不把单一框架当信仰;
和量化因子有什么区别?→ 景气度由基本面逻辑驱动、可解释，因子更多是统计规律;两者可结合——景气度定方向，因子定择时;
单指标和合成指数用哪个?→ 合成指数降噪更稳，但要看扩散度：若仅少数指标驱动高分位，需警惕脆弱性。
五、三个常见误区(体现专业深度)
把事后数据当预测：用已披露的利润增速回看景气——这是「看后视镜开车」，要盯的是先行指标;
只重景气不看估值：景气再高，估值透支未来数年盈利，配置价值也有限;
指标越多越好：指标堆砌带来共线性和噪音，精选逻辑独立、解释力强的少数指标，远胜大而全。
结语：四篇合集，一套完整的FOF面试表达体系
至此，系列四篇全部完结。回顾一下完整逻辑链：
第一篇(框架篇)：11个高频问题，建立FOF投资的整体认知框架;
第二篇(收益归因)：拆解历史——钱从哪来、能力还是运气;
第三篇(收益率预测)：展望未来——不同市场环境下哪个策略更优;
第四篇(行业景气度)：落定方向——钱该配置到哪些行业。
四段经历串起来，正好是一个完整的研究闭环：认知框架 → 看清历史 → 预判未来 → 落定配置。面试中能把这条链讲完整，你已经不是「做过实习」，而是「建立了体系」。
最后送你一个万能表达公式，四篇所有经历都适用：
「我做了什么 + 我发现了什么别人没注意到的 + 我据此给出了什么建议 + 建议后来被验证/修正了什么」
按这个公式讲经历，深度自然就有了。系列完结，感谢关注。后续我可能会更新FOF销售/运营视角的面试专题，感兴趣可以蹲一波。