由于市场风格轮动，保持单一的投资风格并不一定是最佳的投资策略，积极的风格转换策略有助于提高投资绩效。风格转换主要涉及两个问题，即在何时进行风格转换，以及风格转换能否弥补交易成本。
风格转换策略模型实际上是在建立了一系列基本预测变量的基础上，寻找一个适用于风格转换的合理模型。
从已有文献看，主要有以下3类方法：
(1)将风格相对收益率对相关变量进行回归。但由于建立精确关系较为困难，因此这种方法基本被排除。
(2)Markov Switch模型。该模型主要关注相对收益率的历史表现(按照Levist的变量分类办法，这些指标主要是技术变量)，并不关注其他基本经济变量，因此这种方法可能遗漏了很多可用信息。
(3)Logistic概率模型。在任意时点，风格转换的结果无非有两种，即转换或不转换。如果预期下期某类风格占优，则将现有风格转化为占优的风格。
标准Logistic模型如下：
其中，如果构建期后一月份的某风格(如价值股)收益率大于另一风格(如成长股)收益率，则yt+1=1,否则yt+1=0。建立递归预测方法，当构建期往后延伸时，则形成时间序列y1，y2，…Yr。
在建立Logisti。预测模型前，需要首先选择n个可能的影响因素(宏观、基本面与技术面等)，这可以通过逐步回归、主成分分析等方法选择。然后，利用Y对n个解释变量建立多元Logistic回归模型。可采用Jackknife method等检验方法对多元Logistic模型的稳定性进行检验，并确定模型最佳的判别点。比较按最佳判别点确定的风格转换策略所获得的收益，是否大于任何简单的买入并持有策略，若难以超越，则认为简单的买入持有策略为最佳策略;若超过，则考虑交易成本后的最佳转换风格的交易策略。其中，如果构建期后一月份的某风格(如价值股)收益率大于另一风格(如成长股)收益率，则yt+1=1,否则yt+1=0。建立递归预测方法，当构建期往后延伸时，则形成时间序列y1，y2，…Yr。
在建立Logisti。预测模型前，需要首先选择n个可能的影响因素(宏观、基本面与技术面等)，这可以通过逐步回归、主成分分析等方法选择。然后，利用Y对n个解释变量建立多元Logistic回归模型。可采用Jackknife method等检验方法对多元Logistic模型的稳定性进行检验，并确定模型最佳的判别点。比较按最佳判别点确定的风格转换策略所获得的收益，是否大于任何简单的买入并持有策略，若难以超越，则认为简单的买入持有策略为最佳策略;若超过，则考虑交易成本后的最佳转换风格的交易策略。
