主动权益基金行业调仓监测方法论再探究：基于二次卡尔曼滤波的优化

主动权益基金行业调仓监测方法论再探究：基于二次卡尔曼滤波的优化 2023年5月30日 相关研究报告 【平安证券】基金动态跟踪报告-主动权益基金行业调仓监测方法论研究：卡尔曼滤波与基于拟合残差的改进20220922 证券分析师 郭子睿投资咨询资格编号 S1060520070003 GUOZIRUI807@pingan.com.cn 王近投资咨询资格编号 S1060522070001 WANGJIN942@pingan.com.cn 本报告仅对基金行业进行分析，不包含对证券及证券相关产品的投资评级或估值分析。 前期的基金调仓监测方法无法监测调仓幅度：在前期报告《主动权益基金行业调仓监测方法论研究：卡尔曼滤波与基于拟合残差的改进》中，我们提出 了利用卡尔曼滤波和拟合残差优化的基金行业调仓监测方法。但是，该方法只能指示基金调仓行业的方向，无法给出调仓行业的具体幅度，而权益类基金整体行业调仓的幅度往往是基金投资者关心的内容。 纳入二次卡尔曼滤波来优化基金调仓监测：1）基金调仓监测优化模型思路： 首先，构建包含12个因子的模型作第一次卡尔曼滤波估计；其次，针对滤波模型模拟净值明显偏离实际净值的基金，利用拟合残差判断可能新进的行业；最后，将新进行业的申万行业指数因子纳入状态观测方程作第二次滤波 估计。2）基于二次卡尔曼滤波方法的调仓监测胜率回测：以半年度为监测 窗口期，对全市场主动权益基金2019年至2022年末区间每半年内的行业调仓情况进行监测，并与实际调仓对照来统计胜率。优化后的二次卡尔曼滤波 回测结果显示，二次卡尔曼滤波方法的行业调仓监测胜率平均达到69%，较改进前提升3%。3）基金行业配置监测的偏离度统计：2019年以来每半年 的监测窗口期内，模型预测行业配置仓位相比实际值的绝对偏离度平均控制在2%以内。其中，2019年半年末的预测偏离度最大，为1.96%，2022年末的预测偏离度最小，为1.64%。 权益类基金最新行业调仓监测结果：1）今年以来全市场基金重点增持TMT和建筑装饰等高股息板块，新能源板块减持幅度居前。今年以来截至2023年5月26日，全市场基金增持前五大行业分别为计算机、通信、传媒、电 子、建筑装饰，分别增持4.2%、3.9%、3.7%、0.9%、0.6%，增持后平均仓位分别为9.6%、5.5%、5.5%、7.9%、1.6%；减持前五大行业分别为电力设备、基础化工、国防军工、汽车、食品饮料，分别减持3.2%、0.9%、0.9%、0.7%、0.6%，减持后平均仓位分别为8.4%、2.9%、3%、2.9%和 6.9%。2）今年5月份市场下跌期间全市场基金逆势加仓TMT板块和银行、 建筑装饰等高股息板块，新能源板块尽管行情有所反弹，但继续遭到减持。 我们对市场下跌以来至2023年5月26日基金平均行业配置的变化进行了统计：仓位增幅前五大行业分别为通信、传媒、计算机、银行、建筑装饰，分别增持2.6%、2.1%、1.3%、0.5%、0.3%，而该期间内仅申万通信行业指数小幅上涨0.26%，其他四个行业的申万行业指数均下跌，体现出权益类基金逆势加仓TMT和高股息板块的迹象。相比之下，尽管期间内申万电力设备行业指数上涨2.41%，但平均仓位仍下降0.6%，体现出权益类基金继续减持新能源板块。 风险提示：1）本报告是基于公募基金历史数据进行的客观分析，样本基金可能存在错漏导致结果偏差。2）基金过往的情况不代表未来表现。3）基金 行业调仓监测模型的估计结果存在误差。4）本报告涉及的基金不构成投资建议。 基 金报 告 基 金动态跟踪报告 证券研究报告 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。 正文目录 一、前期的调仓监测方法无法监测调仓幅度4 二、纳入二次卡尔曼滤波来优化基金调仓监测4 2.1基金调仓监测优化模型思路4 2.2基于二次卡尔曼滤波方法的基金调仓监测胜率回测4 2.3基金行业配置监测的偏离度统计5 三、权益类基金最新行业调仓监测结果6 3.1权益类基金最新行业配置相比上年末变化6 3.22023年5月市场下跌以来基金平均行业仓位变化7 四、风险提示8 图表目录 图表1优化前后不同监测胜率的基金数量统计（只）5 图表2二次卡尔曼滤波估计的行业配置偏离度平均值统计（%）6 图表32023年以来公募基金行业调仓监测结果（%）7 图表42023年5月8日以来基金平均行业仓位变化（%）7 一、前期的调仓监测方法无法监测调仓幅度 前期的调仓监测方法只能指示基金调仓行业的方向，无法给出具体的行业调仓幅度。在前期报告《主动权益基金行业调仓监测方法论研究：卡尔曼滤波与基于拟合残差的改进》中，我们提出了利用卡 尔曼滤波和拟合残差优化的基金行业调仓监测方法。但是，该方法只能指示基金调仓行业的方向，无法给出调仓行业的具体幅度，而权益类基金整体行业调仓的幅度往往是基金投资者关心的内容。为此，我们对前期调仓监测方法作了进一步优化。 二、纳入二次卡尔曼滤波来优化基金调仓监测 2.1基金调仓监测优化模型思路 1、构建包含12个因子的模型作第一次卡尔曼滤波估计。我们选取了10个重仓股因子、1个非重仓 股组合因子和1个债券资产因子，通过个股估计仓位进一步计算行业配置，来监测基金的调仓情况。基金收益率𝑅�与因子收益率的状态观测方程如下（模型具体方法请参见前期报告《主动权益基金行业调仓监测方法论研究：卡尔曼滤波与基于拟合残差的改进》）： 𝑖=1 𝑅�=∑10重仓股因子 𝑖� ∗� 𝑖� +非重仓股组合 � ∗𝜑� +债券资产因子 � ∗𝛾� +𝑣� （1） 其中，𝑤𝑖𝑡，𝜑�，𝛾�分别为基金在重仓股因子、非重仓股组合因子、债券资产因子的仓位暴露，是无法观测到的状态变化；𝑣�是服从高斯分布的误差项。 重仓股因子取最近定期报告披露的重仓股，将最近披露全部持仓剔除最新重仓股后看作非重仓股组合，作为非重仓股因子，债券资产因子取中债国债财富指数。重仓股、非重仓股组合、债券资产因子的初始仓位取最近定期报告披露的仓位信息。结合基金实际运作，对因子的滤波估计结果施加以 下后约束：每个重仓股因子仓位均不超过10%、因子仓位均不小于0、所有因子仓位之和等于100%。 2、针对滤波模型模拟净值明显偏离实际净值的基金，利用拟合残差判断可能新进的行业。基于第一 次卡尔曼滤波估计结果得到的模拟净值收益率，如果相比实际收益率有明显偏离，代表滤波模型无法解释有收益贡献的行业持仓，可能代表了基金新进入某个行业。我们按照以下步骤对基金新进入行业进行预测：1）若监测期内基金模拟净值相对实际净值的偏离度超过1%，则认定为基金可能发生新进入行业的情形。2）以10个交易日为监测窗口，选取模型日收益率残差最高的10个交易日， 在每个交易日内对与残差方向最匹配的5个申万一级行业进行标记。比如，若收益率残差为正，代 表滤波模型无法解释有正收益贡献的行业持仓，则选取该交易日内涨幅最大的5个行业进行标记；若收益率残差为负，代表滤波模型无法解释有负收益贡献的行业持仓，则选取该交易日内跌幅最大的5个行业进行标记。3）若某个行业被标记次数达到5次及以上，则认为基金可能调向了该行业，标记为新进行业。 3、将新进行业的申万行业指数因子纳入状态观测方程作第二次滤波估计。选取已标记为新进行业的申万一级行业指数，将其作为新的因子加入状态观测方程作第二次卡尔曼滤波，修正后的状态观测 方程如下： 𝑖=1 𝑅�=∑10重仓股因子 𝑖� ∗� 𝑖� +非重仓股组合 � ∗𝜑� +债券资产因子 � ∗𝛾� +∑ � 𝑗=1 新进行业指数因子 𝑗� ∗𝜃𝑗� +𝑣� （2） 其中，�为新进行业的数量，𝜃𝑗�为基金在第�个新进行业的仓位暴露。 2.2基于二次卡尔曼滤波方法的基金调仓监测胜率回测 以半年度为监测窗口期，对全市场主动权益基金2019年至2022年末区间每半年内的行业调仓情况进行监测，并与实际调仓对照来统计胜率。回测基金样本具体筛选条件如下：1）普通股票型、偏股混合型、最近4个报告期的基金的股票仓位>60%的灵活配置型基金。2）基金于2020年以前成立。 3）剔除行业主题类基金。4）剔除定期开放式基金。经过筛选后的基金样本共包含1413只基金。 优化后的二次卡尔曼滤波回测结果显示，二次卡尔曼滤波方法的行业调仓监测胜率平均达到69%，较改进前提升3%。对每个半年末的因子估计仓位，按照申万一级行业汇总得到各个行业的配置仓位。与基金半年度初的实际行业配置相比，半年内基金增持3%或减持3%以上仓位的行业中，卡尔曼滤 波估计调仓方向与实际调仓方向一致的行业占比平均达到69%，相比改进前66%的监测胜率提升了3%。从结构上来看，监测胜率介于70%~100%的数量较改进前有所提升：1413只样本基金中，介于70%~80%的基金数量519只，占比达到36.7%，较优化前提升了9.6%；超过80%的基金数量132只，占比达到9.3%，较优化前提升了3.5%。 图表1优化前后不同监测胜率的基金数量统计（只） 优化前优化后 643 602 519 383 273 146 113 74 3114 9 19 700 600 500 400 300 200 100 0 [0,50) [50,60) [60,70) [70,80) [80,90)[90,100]% 资料来源：Wind，平安证券研究所，数据截至2022/12/31 2.3基金行业配置监测的偏离度统计 2019年以来每半年的监测窗口期内，模型预测行业配置仓位相比实际值的绝对偏离度平均控制在 2%以内。基于行业配置仓位监测值与实际值之差的绝对值衡量基金在单一行业配置的偏离度，我们 对每个监测窗口期全市场基金的行业配置监测绝对偏离度进行了统计。统计结果显示，2019年半年末的预测偏离度最大，为1.96%，2022年末的预测偏离度最小，为1.64%。 图表2二次卡尔曼滤波估计的行业配置偏离度平均值统计（%） 2 1.9 1.8 1.7 1.6 1.5 1.4 2019063020191231202006302020123120210630202112312022063020221231 资料来源：Wind，平安证券研究所，数据截至2022/12/31 三、权益类基金最新行业调仓监测结果 3.1权益类基金最新行业配置相比上年末变化 今年以来全市场基金重点增持TMT和建筑装饰等高股息板块，新能源板块减持幅度居前。利用优化后的二次卡尔曼滤波模型，我们选取截至2023年一季末的重仓股、非重仓股组合和债券资产因子， 预测了截至2023年5月26的全市场基金行业配置仓位，并与2022年末的基金行业配置情况进行了比较。其中，仓位增幅前五大行业分别为计算机、通信、传媒、电子、建筑装饰，分别增持4.2%、3.9%、3.7%、0.9%、0.6%，增持后平均仓位分别为9.6%、5.5%、5.5%、7.9%、1.6%。仓位降幅前五大行业分别为电力设备、基础化工、国防军工、汽车、食品饮料，分别减持3.2%、0.9%、0.9%、0.7%、0.6%，减持后平均仓位分别为8.4%、2.9%、3%、2.9%和6.9%。 图表32023年以来公募基金行业调仓监测结果（%） 资料来源：Wind，平安证券研究所；数据截至2023/5/26 3.22023年5月市场下跌以来基金平均行业仓位变化 今年5月份市场下跌期间全市场基金逆势加仓TMT板块和银行、建筑装饰等高股息板块，新能源板块尽管行情有所反弹，但继续遭到减持。根据中证800指数2023年5月以来走势判断，市场自 2023年5月8日开始表现出下跌行情。我们对市场下跌以来至2023年5月26日基金平均行业配置的变化进行了统计：仓位增幅前五大行业分别为通信、传媒、计算机、银行、建筑装饰，分别增持2.6%、2.1%、1.3%、0.5%、0.3%，而该期