德邦金工基金投资策略系列研究之二：基于扩散指标的主动基金筛选策略

证券分析师 金融产品专题 基于扩散指标的主动基金筛选策略 ——德邦金工基金投资策略系列研究之二 肖承志 资格编号：S0120521080003 邮箱：xiaocz＠tebon.com.cn 研究助理 路景仪 邮箱：lujy＠tebon.com.cn 相关研究 1.《基于主动基金持仓的扩散指标行业轮动及改进—德邦基金投资策略系列研究之一》，2022.12.19 证券研究报告|金融产品专题 深度报告 2023年1月4日 投资要点： 将扩散指标应用在主动基金筛选上：在基金投资策略系列研究第一篇《基于主动基金持仓的扩散指标行业轮动及改进》中我们取得了较佳和较稳定的超额，但该策略的实现过程较繁琐：除了行业轮动模型实现本身的复杂性外，该策略的实现还需 要对中信二级行业进行重构以及股票池构建，经过这两步骤后，更是给该策略盖上了厚厚的面纱，大大增加其在一般投资者的实现上的难度。而相较股票行业指数投资组合，基金组合具有可投资性更强、涉及标的更少、门槛低、可操作性强等优势。当下我国基金投资品类越来越多，越来越全，且部分文献证明基金经理具有一定的管理能力，基金组合投资已成一片蓝海。 在扩散指标模型超额稳定的情况下，通过汇总指标行业得分实现基金整体打分：我们不采用传统的按平均持仓或是依据基金合同约定来为基金进行行业分类的方 2《. 基于宏观、中观及行业基本面信息 法，而是通过计算总得分，有效规避了“如何为基金贴有效稳定准确的行业标签” 的行业指数择时策略——德邦金工基 本面量化专题第一期》，2021.08.03 3.《进击的“小巨人”：——德邦金工 2022年度策略报告》，2021.12.16 4.《全球成长股或将迎来绝地反击— —德邦金工2023年度策略报告》， 2022.11.17 的问题，也解决了难以依据中信一级行业对市场新概念进行合适分类，以及约束投资纯度后投资标的少的难题。 新行业分类下，等权的基金投资策略：从回测结果可以看出，依据我们的新主动基金行业指数轮动打分后，选择10~50个基金，回测期内均可显著战胜偏股混合型基金指数。选择30个基金时年化收益与夏普比率最高，分别为27.46%和1.02。 此时，相较于偏股混合型基金指数和沪深300，超额年化收益分别为8.56%和20.07%。虽然回测效果不错，但相较于主动权益基金指数行业轮动模型，收益还有一定差距。我们认为导致该问题的原因有二，一是使用基金净值进行回测存在基金不满仓、净值扣除了管理费等问题；二是从全部主动权益基金持仓来看，整体偏好重仓部分未被行业轮动模型选上的行业，且基金组合不可避免地持有大部分行业，缺乏行业轮动，因此影响了最终的行业轮动效果的呈现。 新行业分类扩散指标选基策略改进：我们分别控制基金权重和行业权重，通过组合优化来控制持仓中的行业暴露。约束后，行业分布更加均匀，轮动效果更加明显。在约束个股权重上限为1/30后，策略回测效果相较于筛选前30个基金有所 提升，年化收益为31.76%，夏普比率达1.24。此时，相较于偏股混合型基金指数，超额年化收益为12.86%。从分年度风险收益情况来看，策略的分年度超额收益也更加稳定，回测期内，每一年策略相较于偏股混合型基金指数均有超额收益，2022年截止至12月16日以来超额收益为4.68%。 季频调仓回测结果：本文对季频调仓结果进行测算，以筛选Top30个基金为例，策略年化收益为25.58%，相较于偏股混合型基金指数，超额年化收益为6.68%。在对行业暴露进行约束后，在约束个股权重上限为1/30时，策略的风险收益情况 有所改善，回测期内策略累计收益为190.70%，年化收益为32.21%，超偏股混合型基金指数13.31%。在约束个股权重上限为1/20，即每期基金个数约为20个时，回测期内策略表现最好，自2018年12月31日至2022年12月16日，策略累计收益为199.34%，年化收益为33.23%，夏普比率为1.28。 风险提示：宏观经济变化风险；新疫情恶化对全球宏观经济带来负面影响；政策环境超预期变动风险；指数系统性下跌风险；模型失效风险。 请务必阅读正文之后的信息披露和法律声明 内容目录 1.引言5 2.模型介绍6 2.1.基金初步筛选6 2.2.基金打分方法介绍8 3.基于主动基金持仓行业指数扩散指标打分的选基策略10 4.基于主动基金持仓行业指数扩散指标打分的选基策略改进14 5.策略季频调仓结果18 5.1.扩散指标行业打分选TopN基金策略季频调仓结果18 5.2.行业暴露限制下扩散指标行业打分选基策略季频调仓结果20 6.小结21 7.风险提示22 信息披露23 图表目录 图1：主动权益类基金数量（只）5 图2：主动权益类基金规模5 图3：重仓第一大行业纯度超50%的ETF数量6 图4：基金经理管理能力文献梳理6 图5：基于扩散指标的主动基金持仓指数行业轮动策略净值曲线8 图6：基于扩散指标的主动基金持仓指数行业轮动策略超额收益曲线8 图7：关键词分类基金数量（只）9 图8：扩散指标行业打分选Top30基金策略净值曲线-月频11 图9：扩散指标行业打分选Top30基金策略超额收益曲线-月频12 图10：最新一期全部主动权益基金等权组合行业持仓占比12 图11：行业暴露限制下扩散指标行业打分选基策略每期基金数量（N=30，单位：只）15 图12：行业暴露限制下扩散指标行业打分选基策略净值曲线-月频（N=30）16 图13：行业暴露限制下扩散指标行业打分选基策略超额收益曲线-月频（N=30）16 图14：行业暴露限制前后策略前三大持仓行业总占比18 图15：扩散指标行业打分选Top30基金策略净值曲线-季频19 图16：行业暴露限制下扩散指标行业打分选基策略净值曲线-季频（N=30）21 表1：基于扩散指标的主动基金持仓指数行业轮动风险收益情况7 表2：基金大类主题关键词9 表3：主动基金过去2年投资中信一级行业不同平均权重基金数量10 表4：扩散指标行业打分选基风险收益情况-月频11 表5：扩散指标行业打分筛选Top30基金分年度风险收益情况-月频11 表6：扩散指标行业打分选Top30基金前四大行业持仓市值占比13 表7：行业暴露限制下扩散指标行业打分选基风险收益情况-月频15 表8：行业暴露限制下扩散指标行业打分选基风险收益情况-月频（N=30）15 表9：行业暴露限制下扩散指标行业打分选基策略分年度风险收益情况-月频（N=30）16 表10：行业暴露限制下扩散指标行业打分选基策略前四大行业持仓市值占比17 表11：扩散指标行业打分选基风险收益情况-季频19 表12：扩散指标行业打分筛选Top30基金分年度风险收益情况-季频19 表13：行业暴露限制下扩散指标行业打分选基风险收益情况-季频20 表14：行业暴露限制下扩散指标行业打分选基策略风险收益情况-季频（N=30）20 表15：行业暴露限制下扩散指标行业打分选基策略分年度风险收益情况-季频（N=30）.20 1.引言 在基金投资策略系列研究第一篇《基于主动基金持仓的扩散指标行业轮动及改进》中我们取得了较佳和较稳定的超额，但该策略的实现过程较繁琐：除了行业轮动模型实现本身的复杂性外，该策略的实现还需要对中信二级行业进行重构以及股票池构建，经过这两步骤后，更是给该策略盖上了厚厚的面纱，大大增加其在一般投资者的实现上的难度。相较股票行业指数投资组合，基金组合具有可投资性更强、涉及标的更少、门槛低、可操作性强等优势。当下我国基金投资品类越来越多，越来越全，且部分文献证明基金经理具有一定的管理能力，基金组合投资已成一片蓝海： 一方面，随着公募基金市场愈发蓬勃的发展，我国公募基金投资标的已非常丰富。自2012年以来，主动权益类基金（含普通股票型基金和偏股混合型基金） 在基金数量方面保持持续增长。截至2022年第三季度，全市场共有2542只主动权益类基金。 图1：主动权益类基金数量（只） 3000 2500 2000 1500 1000 500 0 主动权益基金 资料来源：Wind，德邦研究所 基金规模方面，主动权益类基金整体规模稳步上升。 图2：主动权益类基金规模 50000 45000 40000 35000 30000 25000 20000 15000 10000 5000 2012年6月 2012年9月 2012年12月 2013年3月 2013年6月 2013年9月 2013年12月 2014年3月 2014年6月 2014年9月 2014年12月 2015年3月 2015年6月 2015年9月 2015年12月 2016年3月 2016年6月 2016年9月 2016年12月 2017年3月 2017年6月 2017年9月 2017年12月 2018年3月 2018年6月 2018年9月 2018年12月 2019年3月 2019年6月 2019年9月 2019年12月 2020年3月 2020年6月 2020年9月 2020年12月 2021年3月 2021年6月 2021年9月 2021年12月 2022年3月 2022年6月 2022年9月 0 规模（亿元） 资料来源：Wind，德邦研究所 从ETF市场来看，截止至2022年中报，重仓第一大行业纯度超50%的ETF共223只，已覆盖110个指数标的，23个中信一级行业。综上可见在基金投资市场上我们已经有了更多的对标产品。 图3：重仓第一大行业纯度超50%的ETF数量 45 40 35 30 25 20 15 10 5 医药电子 电力设备及新能源 计算机非银行金融 银行食品饮料 传媒有色金属基础化工国防军工农林牧渔 家电房地产煤炭 电力及公用事业 建筑建材 消费者服务 交通运输 钢铁汽车通信 石油石化轻工制造 机械商贸零售纺织服装 综合 综合金融 0 数量（只） 资料来源：Wind，德邦研究所 截止日期：2022-06-30 另一方面，以往众多研究证明了基金经理的投资组合管理能力，包括对冲系统性风险的能力（Titman和Liu，2011）、战略创新能力（Sun,Wang和Zheng，2012）、预测流动性的能力（Cao,Chen,Liang和Lo，2013）和择时能力（Chen和Liang，2007）等等。 图4：基金经理管理能力文献梳理 资料来源：《OnlyWinnersinToughTimesRepeat：HedgeFundPerformancePersistenceoverDifferentMarket Conditions》，德邦研究所 在上述背景下，发掘有效的基金投资组合的需求愈发强烈。于是，我们将在本报告中，尝试以前篇详细介绍的行业轮动模型为基础，构建基金组合，寻求一个可投资性更强、更“亲民”的新基金组合策略。 2.模型介绍 2.1.基金初步筛选 回顾前期报告《基于主动基金持仓的扩散指标行业轮动及改进—基金投资策略系列研究之一》：扩散指标是一个比较有效的动量指标，叠加主动基金持仓和新的43个行业分类模型的扩散指标行业轮动效果更佳。我们应用同样的方法，使用主动权益基金的全部基金持仓构建的新主动基金持仓行业指数进行扩散指标行业轮动，并以此作为策略选基的基础。 不同的是，我们在基金池筛选上做了调整，在每个换仓时间按如下条件筛选 主动权益基金： （1）wind基金类型为普通股票型、偏股混合型或平衡混合型基金； （2）成立时间超过2年； （3）平均持仓大于75%； （4）剔除有封闭期的基金。 利用筛选后基金的全部持仓，以基金持仓市值进行加权构建新的主动基金持仓行业指数（下文中扩散指标轮动指数标的皆为该指数），每月底利用扩散指标筛选前N个行业指数进行等权配置，2018年12月31日至2022年12月16日回测结果如下。 表1：基于扩散指标的主动基金持仓指数行业轮动风险收益情况 累计收益 年化收益 最大回撤 年化波动率 夏普比率 3 165.97% 29.17% -38.34% 0.28