追踪“聪明资金”系列七：借“东风”之基于最新探测模型尝试复制优选基金组合

请务必阅读正文之后的重要声明部分 [Table_Main] [Table_Title] 分析师：李倩云 执业证书编号：S0740520050001 电话：021-20315202 研究助理：刘洛宁 电话：021-20315203 邮箱：liuln@r.qlzq.com.cn 《从“抱团”现象增加权益基金的评价维度》 《如何争当“常胜将军”稳定跑赢公募权益同类？——追踪“聪明资金”系列四》 《大小盘如何择时？基金抱团高频跟踪数据给我们启示 ——追踪“聪明资金 ”系列一》 《如何高频探测基金行业配置动向？——追踪“聪明资金”系列二》 《行业轮动能否从基金仓位动向得到启示？——追踪“聪明资金”系列三》 《交易为矛、选股为盾—如何筛选两者兼备的优秀基金》 [Table_Summary] 投资要点 基金仓位探测模型回顾：目前我们探测模型一共经历三个版本。第一版基于公募基金截面在不同行业持仓市值加权构建公募自身持仓指数，结合半年度全部持仓进行单个基金仓位校准，日度间基于前一日探测结果与净值波动联合求解构建一级行业探测模型。第二版，为了尝试对权益基金指数进行股票复制，我们将一级行业下沉至中信1.5级，进一步探测核心板块结构性仓位变动情况。第三版，我们结合基金重仓股与非重仓股自身编制的行业指数进行探测求解。 构建仓位代理组合浅尝复制：基于最新探测模型重仓股与非重仓股行业自身编制的指数，我们可以对每个基金构建全新的代理组合。19年以来我们对比新老方式构建主动权益基金仓位探测的代理组合与真实基金净值的跟踪误差，其中新方法跟踪误差平均约为7.12%，低于老方法8.37%，其中82%的基金使用新方式后跟踪误差有所降低。我们分别尝试对常规选基因子股票池挖掘能力、Tm选股能力、夏普、信息比例与选股交易综合能力等进行代理组合复制的分层检测。其中除了选股交易综合能力，其他因子复制组合均有与原始选基因子类似的分层效果，但均与真实选基组合收益有不同程度的差距。对于交易较为激烈同时基金经理在移仓换股时会与之前公开持仓的股票池有较大差距的，拟合精准度会受到影响。 下沉股票核复制权益基金指数： 由于新的探测模型基于基金重仓股与非重仓股自身行业持仓指数，而自身行业持仓指数是由各基股票持仓所构成，因此我们对基金组合复制可以转换到高频的个股仓位。为了缩减股票维度，我们设置单行业相对比例、单行业最大持仓个数与单行业最小持仓个数三个参数控制持股个数进行核复制。15年底至22年6月，对于普通股票型基金复制，扣费后取得8.3%的年化收益，年化超额基准-1.23%，跟踪误差为3.83%。同期对于偏股基金指数的复制，扣费后可以取得7.47%的年化收益，年化超额基准约-0.93%，两者平均每期均为325.57个股票。 下沉股票核复制优秀基金指数：每期优选不同因子打分前20基金，复制股票池挖掘能力6M与12M选基组合，分别取得12.28%与14.47%的年化收益，跟踪误差为3.84%与3.23%，与老方法相比跟踪误差分别降低了2.65%与2.12%。对于Tm选股能力、夏普与信息比例选基组合，复制策略分别取得12.69%、9.89%与7.3%的年化收益，底层FOF组合分别取得15.52%、12.65%与11.9%的年化收益，跟踪误差分别为3.76%、3.23%、3.03%。 对复制组合行业与选股评价新思路：我们以过去12M股票池挖掘能力因子为例，每季度选取前10的基金进行核心复制（子行业持仓上限设置为3、下限设置为1、行业内相对持仓比例上限设置为80%）。15年12月31日至22年6月30日，扣费后取得17.9%的年化收益，年化超额中证800约16.53%，平均每期122.68个股票，与底层FOF组合跟踪误差约为4.07%。进一步我们对该组合的行业配置与选股贡献进行高频评价，选用中证800作为评价基准，以基准行业配置比例构建同股票池不同行业比例的代理组合来刻画复制组合行业配置能力。将优选基金复制组合的行业配置仓位归一化，底层资产选用基准股票构建的行业指数，构建同行业配置基准行业指数的代理组合来刻画复制组合选股能力。满仓复制优选基金组合可以取得19.27%的年化收益年化超额中证800约17.89%，其中选股年化超额7.26%（超额同行业配置基准行业指数的代理组合），行业配置年化超额11.18%（超额同股票池不同行业比例的代理组合）。年度来看，除了16与17年其余每年选股均能贡献超额收益。行业配置角度，除了18年，其余每年策略组合均能提供正的行业配置收益。 [Table_Industry] 证券研究报告/量化投资策略报告 2022年8月10日 借“东风”之基于最新探测模型尝试复制优选基金组合——追踪“聪明资金”系列七 请务必阅读正文之后的重要声明部分 - 2 - 量化投资策略报告 风险提示事件：本报告结论完全基于公开的历史数据进行统计、测算，文中部分数据有一定滞后性，同时存在第三方数据提供不准确风险；模型均基于历史数据得到的统计结论且模型自身具有一定局限性并不能完全准确地刻画现实环境以及预测未来；模型根据历史规律总结，历史规律可能失效；模型结论基于统计工具得到，在极端情形下或存在解释力不足的风险，因此其结果仅做分析参考；对基金产品和基金管理人的研究分析结论并不预示其未来表现，也不能保证未来的可持续性，本报告提到的任何基金产品亦不构成投资收益的保证或投资建议，请详细阅读报告风险提示及声明部分。 请务必阅读正文之后的重要声明部分 - 3 - 量化投资策略报告 内容目录 一、探测模型回顾 ............................................................................................... - 4 - 1.1行业仓位探测1.0版本 ........................................................................... - 4 - 1.2行业仓位探测2.0版本 ........................................................................... - 6 - 1.3行业仓位探测3.0版本 ........................................................................... - 8 - 二、浅尝复制不同基金组合 .............................................................................. - 12 - 2.1 构建仓位探测下基金代理组合 ............................................................ - 12 - 2.2 全新代理组合复制基金 ....................................................................... - 14 - 2.3 浅尝复制优选基金组合 ....................................................................... - 16 - 三、缩小股票池进行核心复制 ........................................................................... - 22 - 3.1 复制策略调整股票比例 ....................................................................... - 22 - 3.2 对股票型基金指数进行核复制优化 ..................................................... - 23 - 3.3 对优秀选基组合进行核复制优化 ......................................................... - 26 - 3.4 对优秀复制组合进行业绩归因 ............................................................ - 30 - 请务必阅读正文之后的重要声明部分 - 4 - 量化投资策略报告 在2022年1月24日，我们率先发布的《如何争当“常胜将军”稳定跑赢公募权益同类？——追踪“聪明资金”系列四》报告中，提到了如何灵活应用我们对基金指数例如普通股票基金指数或者是偏股混合基金指数进行行业仓位探测，把控行业暴露一致，同时结合优选基金重仓股可以构建复制甚至超越的选股策略。随后在2022年5月2日，我们进一步升级模型，在行业持仓基础上我们进一步探讨构建探测公募重仓股与细分行业仓位模型，我们发现新方法可以显著提升拟合水平。其中我们随机抽取了200个随机样本进行检测。在细分中信1.5级行业中相比之前模型有显著提升，样本区间内新方法平均拟合绝对误差49bp，平均每期秩相关为0.84，平均方向准确性71.86%，其中前10、20以及30大持仓的方向准确性分别为83.09%、76.8%与75.44%。目前我们将这项技术不仅灵活运用到全市场基金，同时用到了主题型基金进行高频股票与细分赛道与重仓股仓位跟踪，效果显著。 本篇报告意在通过最新的探测模型结合我们的优选基金，尽可能复制优选基金组合构建优秀的选股策略。本文会围绕对探测模型的升级回顾、新方式如何进行股票组合复制优选基金组合等方面展开。我们对公募主动权益基金筛选标准可以参考2020年11月3日发布的《挑选“好面粉”— 主动权益基金分类完善》，选取wind分类下普通股票型、偏股混合、灵活配臵以及平衡型中的权益基金其中股票仓位在研究期内大于60%，单一行业持有比例不高于50%。（注：由于不同收益频率换算年化跟踪误差会有差异，如果没有特别说明以下我跟踪误差统一口径为将日度频率计算超额标准差乘以根号252） 一、 探测模型回顾 1.1行业仓位探测1.0版本 在2021年8月23日，我们发布了《如何高频探测基金行业配臵动向？——追踪“聪明资金”系列二》讲述如何通过基金日度净值变化与公募重仓编制后的行业指数构建行业仓位探测模型。 探测模型1.0版本我们做了两处特色处理，首先将所需要拟合的行业通过公募截面持仓重新归一化加权。由于申万行业指数是基于流通市值加权，而随着近几年公募持仓集中度提升与流通市值差距较大。参考下图我们对电力设备、食品饮料、医药与电子等行业收益对比研究，均可发现在14至18年期间基于公募持仓加权的行业指数与申万行业指数走势较为接近，但是19年至今随着主动权益基金规模呈现指数增长同时持仓集中度提升显著，公募编制持仓编制后的指数与流通市值编制后的指数收益差距显著拉开。因此公募持仓加权编制后的收益曲线会比简单申万指数更具有弹性，更“像”公募持仓特性从而增加拟合准确率。 请务必阅读正文之后的重要声明部分 - 5 - 量化投资策略报告 图表1：电力设备指数对比 图表2：食品饮料指数对比 来源：中泰证券研究所、Wind、截至2022年7月22日 来源：中泰证券研究所、Wind、截至2022年7月22日 图表3：医药生物指数对比 图表4：电子指数对比 来源：中泰证券研究所、Wind、截至2022年7月22日 来源：中泰证券研究所、Wind、截至2022年7月22日 另外每个半年度我们会基于全部持仓校准模型，同时基于昨日仓位每日迭代估计仓位。对于第一次拟合我们会站在全部持仓公布的起始点，例如2016年8月15日，假设当时公布了2016年半年报数据。为了