随着中国证券市场的不断完善,中国A股市场也越来越和成熟市场一样已经成为了经济的风向标。这也为使用数量化的方法去判断市场走势创造了条件。　　本论文试图讨论构建模型的方法,使得模型能通过处理上市公司财务报表得出下一个报告季度行业相对走势的排名。在对数据进行清洗和处理后,通过行业研究的方法,我们在众多财务数据中寻找能对企业未来经营有参考意义的关键科目和财务比率。并用这些财务报表中的科目和财务报表的各种衍生财务比率归纳出行业在这个科目和财务比率的值。然后通过计算机建模用回归的方法求出各个行业科目和行业指数走势的相关系数,并代入本期行业数据得出未来一个财务报告期各个行业的涨跌幅预测和沪深300指数的财务因子走势预测。　　通过超配预测涨幅较高的行业,低配预测跌幅较多的行业,构建沪深300的指数增强基金来验证模型的可行性。我们可以发现无论使用申银万国一级行业模型增强还是申银万国二级行业模型增强,增强指数基金都能战胜目标指数。通过进一步研究,发现使用行业划分更细的申银万国二级行业的增强效果会更好。申银万国一级行业增强组合月胜率达到80％,累积超额收益达到2.8242%;申银万国二级行业增强组合月胜率为70%,累积超额收益达到3.8114%。申银万国一级行业沪深300指数增强基金的信息比率为2.4396。但是一级行业增强基金回撤比较大,达到了2.5%。分析原因我们可以知道,由于在沪深300指数基金中,申银万国一级行业的权重分布非常的不均匀,金融服务业的比重占到了30%以上。在做空金融服务业时,如果金融服务业的行情发生巨大的波动,那么超额收益也会变得很不稳定;在不做空金融服务业时,可能做空的行业占到指数总权重的比率非常小,所以即便做多行业后有很多超额收益,对增强基金的贡献也不大。申银万国二级行业沪深300指数增强基金的信息比率达到3.2154。最大回撤只有1%左右。无论超额收益还是最大回撤,在申银万国二级行业上做指数增强的效果都好于申银万国一级行业,所以在更为细分的行业上做增强可以更好的发挥模型的作用,在更多的行业上择时也能更为有效的分散风险。　　后续我们可以把这个回归结果抽象为一个财务择时因子,把因子放入一个择时的多因子模型中来得到考虑更多因素的择时模型,并能对大盘做出更为准确的判断。同时这个模型还有许多可以改进的地方,如使用更为复杂的回归模型,使回归的结果有更好的拟合度;也可以加入一些事件类的调整,比如在看多房地产时,如果出现实质性的负面政策,我们就恢复房地产行业的中性预测。