行业景气轮动研究之五：低费率主动基金的行业轮动策略

证券研究报告|基金研究报告 2023年7月8日 低费率主动基金的行业轮动策略 分析师 分析师：杨国平邮箱：yanggp@hx168.com.cnSACNO：S1120520070002分析师：王祥宇邮箱：wangxiang1@hx168.com.cnSACNO：S1120520080004分析师：杨兆熙邮箱：yangzx@hx168.com.cnSACNO：S1120523010001 行业景气轮动研究之五 投资要点: ►行业基金表现多超过行业基准指数 近年来，公募基金的行业集中度逐渐增强，行业主题基金逐渐增多。自2019年起，有色金属、食品饮料、医药生物、房地产、国防军工、计算机、传媒及银行这八个行业的主题基金中，七个行业的基金表现超过了相应行业指数。其中医药生物、房地产和银行的主题基金相对行业指数的信息比率超过1；国防军工、传媒和计算机三个行业的主题基金的信息比率也在0.7以上。这说明，相较于行业基准，行业主题基金通常能够展现出更为优秀的投资表现。因此，通过主动基金实施的行业轮动策略，有望带来更为显著的投资收 益。 ►基金的因子筛选模型有效性下降 虽然收益、风险和规模这三个因子长期以来在基金筛选中有效，但从2020年开始，收益因子的多空收益呈现横盘震 荡状态。同时，风险因子在2018年底发生反转，多空收益从“高风险高收益”变为“高风险低收益”。因此，单一因子的表现稳定性不理想，通过因子筛选基金获取的收益有限，这表明仅依赖因子打分模型的投资决策可能效果不佳。 ►低费率主动基金的行业轮动策略 低费率的主动偏股型基金更加适用于行业轮动策略。我们选择购入费率和30日后赎回费率都为0的C类基金作为备选。针对长期存在行业主题基金的11个主题行业，每月初，根据行业轮动模型预测结果选择三个景气度最高的行业，并从该行业的低费率基金中选出得分最高的产品进行配置。最终策略的年化收益达32.25%，相较于使用行业指数的行业轮动策略年化收益提高了11.55个百分点，相较于Wind全A指数超额收益达20.55%，信息比率高达1.9。同时最大回撤相较于行业轮动策略降低了6.51%，相较于Wind全A指数降低了9.3%。 风险提示 本模型采用量化方法通过历史数据统计、建模和测算完成，结论在极端市场环境变化中有失效的风险。 正文目录 1.公募基金行业的集中度日益提高，基金表现超过行业基准3 1.1.公募基金行业的集中度日益提高3 1.2.主动基金表现多超过行业基准3 2.因子筛选模型有效性下降6 2.1.在严格条件下，行业主题基金数量有限且因子表现并不明显6 2.2.收益因子仍为优选，风险因子表现不稳定8 3.行业轮动模型介绍9 3.1.中观指标的选择与解释9 3.2.领先因子的选取9 3.3.行业景气模型的建立14 3.4.历史绩效14 4.结合行业轮动模型与基金筛选模型的方法15 4.1.低费率基金更适合行业轮动策略15 4.2.根据新行业基金投资模型筛选出的优选基金16 4.3.相关基金汇总17 5.风险提示20 图表目录 图1基金行业集中度逐年上升3 图2医药生物行业基金与指数4 图3房地产行业基金与指数4 图4国防军工行业基金与指数4 图5计算机行业基金与指数4 图6传媒行业基金与指数5 图7银行行业基金与指数5 图8有色金属行业基金与指数5 图9食品饮料行业基金与指数5 图102017年后，行业基金数量快速上涨7 图11较严格持仓限制下，各因子IC表现7 图12较宽松持仓限制下，各因子IC表现8 图13收益因子仍有一定表现9 图14风险因子表现不稳定9 图15行业中观因子的应用9 图16指标类别及变化计算14 图17行业景气模型策略表现15 图18基金组合业绩表现16 表1行业基金与行业基准5 表2宏观因子汇总10 表3行业领先因子池11 表4行业景气模型策略表现15 表5各类基金中低申赎费率基金数量15 表6策略表现16 表7综合打分下，各行业推荐基金17 表8各行业绩优基金汇总17 表9各行业绩优低费率基金汇总18 1.公募基金行业的集中度日益提高，基金表现超过行业基准 1.1.公募基金行业的集中度日益提高 在过去的几年中，公募基金的行业集中度呈现逐步上升的趋势，尤其是在主动偏股型基金的投资中表现得尤为明显。自2010年以来，主动偏股型基金中对于第一大持仓行业的平均投资仓位明显上升，由约20%逐步提升至最近的36%。同样地，对于第二大持仓行业的平均投资仓位也出现了增长，由12%提升至16%，这一变化反映了基金经理对于少数行业投资的关注度在不断提升。揭示了基金经理对某些特定行业的热衷程度与看好程度，这也导致了投资更加倾向于某一行业的基金数量明显增加。 图1基金行业集中度逐年上升 资料来源：Wind，华西证券研究所 1.2.主动基金表现多超过行业基准 在基于申万一级行业分类的情况下，如果一只基金的重仓股中，存在连续三个季度单一行业占重仓股总占比超过50%的情况，我们则将此基金视为该行业的主题基金。按照这一标准进行判断，我们发现在较长时间内，有色金属、食品饮料、医药生物、房地产、国防军工、计算机、传媒以及银行这八个行业均存在行业主题基金。值得注意的是，自2019年起，这八个行业中有七个行业的主题基金表现超过了对应的行业指数，唯独食品饮料行业的表现稍显逊色。 图2医药生物行业基金与指数图3房地产行业基金与指数 资料来源：Wind，华西证券研究所资料来源：Wind，华西证券研究所 图4国防军工行业基金与指数图5计算机行业基金与指数 资料来源：Wind，华西证券研究所资料来源：Wind，华西证券研究所 图6传媒行业基金与指数图7银行行业基金与指数 资料来源：Wind，华西证券研究所资料来源：Wind，华西证券研究所 图8有色金属行业基金与指数图9食品饮料行业基金与指数 资料来源：Wind，华西证券研究所资料来源：Wind，华西证券研究所 从下面的表格中，我们可以看出，医药生物、房地产和银行三个行业的主题基金相对于行业指数的信息比率都超过1，而国防军工、传媒和计算机三个行业的主题基金的信息比率也在0.7以上。这说明，相较于行业基准，行业主题基金通常能够展现出更为优秀的投资表现。尤其是在医药生物、房地产和银行这些行业的主题基金，其相对于行业指数的投资表现更为突出。这也就意味着，通过主动基金来实施的行业轮动策略，能够带来更为显著的投资收益。 表1行业基金与行业基准 主题基金 主题基金平均收益 对应指数收益 跟踪误差 信息比率 有色金属 24.06% 21.91% 14.65% 0.15 食品饮料 23.98% 25.72% 10.02% -0.17 医药生物 22.50% 14.30% 7.87% 1.04 房地产 10.51% -3.30% 9.45% 1.46 国防军工 24.04% 17.45% 8.99% 0.73 计算机 27.27% 15.37% 12.74% 0.93 传媒 18.54% 9.15% 11.89% 0.79 银行 9.76% -0.18% 9.83% 1.01 资料来源：Wind，华西证券研究所，数据区间：2019年2月1日至2023年6月20日 2.因子筛选模型有效性下降 2.1.在严格条件下，行业主题基金数量有限且因子表现并不明显 在前文的分析中，我们使用的基金表现均为某一行业主题基金的平均表现。为了提升策略的投资收益，我们首先考虑使用常见的因子对这些行业基金进行筛选。 在下图中，我们设定了较为严格和较为宽松的两种条件进行行业基金的划定。严格条件指的是单一行业的重仓股占比连续三个季度超过50%，而宽松条件则是单一行业的重仓股占比连续三个季度超过30%。从图中可以看出，2017年前，满足条件的行业基金数量较少，尤其在严格条件下，基金数量甚至不足50只。而在较为宽松的条 件下，选择的空间则相对较大，自2015年起，满足宽松条件的行业主题基金数量就 超过了50只。 图102017年后，行业基金数量快速上涨 资料来源：Wind，华西证券研究所 与此同时，我们发现，在严格条件下，行业基金的信息系数(IC)表现较弱，以往被认为最重要的收益因子的表现接近于零。然而，当我们放宽对行业主题基金的筛选条件后，行业基金的整体IC表现有了明显的提升。与全体主动偏股基金的表现相似，收益、规模和波动这三个指标都对基金未来的业绩具有较强的预测效果。这三个因子的IC值均超过3%，信息比率(IR)指标也超过了0.1。 图11较严格持仓限制下，各因子IC表现 RankIC均值IC半衰均值RankIC中位数RankIC标准差RankIR值RankIC胜率 绝对收益CalmarSharpeSortino持股仓位机构持仓比规模下行标准差年化标准差最大回撤 0.0%0.2%0.0%-0.1%0.2%0.2% -0.2%-0.1% 1.8%30.8%2.2%29.6% 0.000.000.010.01 52%53%53%53%45%48%44%44%45% 2.5%2.2% 30.0%30.0% -1.3%-1.5% -2.3% 21.2% 0.06 -0.7% -0.4%-0.6% 16.4%16.7% 0.04 -2.5%-2.3%-2.6% 0.15 -3.8%-4.2%-4.0%-4.1% -6.4% 33.3%33.4% 0.110.12 -5.4% -1.5% -1.0% -1.8% 31.2% 0.05 48% 资料来源：Wind，华西证券研究所，数据范围2015年1月1日至2023年3月31日 图12较宽松持仓限制下，各因子IC表现 RankIC均值IC半衰均值RankIC中位数RankIC标准差RankIR值RankIC胜率 绝对收益 3.5% 3.3% 5.2% 26.1% 0.13 58%56%58%57%46%51%41%44%46%48% Calmar 3.0% 2.4% 3.7% 25.5% 0.12 Sharpe 3.4% 2.9% 4.8% 25.2% 0.14 Sortino 3.3% 2.7% 4.6% 25.3% 0.13 -1.3% -1.3% -1.7% 16.7% 0.08 持股仓位 -0.2% -0.1% 0.2% 0.02 机构持仓比 11.2% 规模 -1.9% -1.7% -3.0% 12.9% 0.14 -4.2% -4.1% -6.1% 0.12 下行标准差 34.5% 年化标准差 -3.6% -3.3% -4.2% 34.7% 0.10 -2.4% -1.7% -2.3% 32.2% 0.07 最大回撤 资料来源：Wind，华西证券研究所，数据范围2015年1月1日至2023年3月31日 2.2.收益因子仍为优选，风险因子表现不稳定 在前文中，我们看到长期以来，收益、风险和规模这三个因子在筛选基金方面仍然是有效的。因此，我们还会继续采用这三个因子的等权组合对基金进行打分，以此来筛选出在各个行业中最值得投资的基金。 我们将行业主题基金按照因子值的高低分为十组，然后将因子值最高一组的收益率序列减去因子值最低一组的收益率序列，以此得到该因子的多空收益序列。如下图所示，可以看出，尽管收益类因子仍然展示出了相对稳定的表现，但是从2020年开始，其多空收益已经进入了长期的横盘震荡状态。同时，我们也注意到，风险类因子在2018年底发生了反转，其多空收益的趋势从“高风险高收益”变为了“高风险低收益”。因此，从整体来看，单一因子的表现稳定性并不理想，通过使用因子对基金进行筛选所能获取的收益也相对有限，这意味着仅依靠因子打分模型进行投资决策的效果可能并不理想。 图13收益因子仍有一定表现图14风险因子表现不稳定 资料来源：Wind，华西证券研究所资料来源：Wind，华西证券研究所 3.行业轮动模型介绍 3.1.中观指标的选择与解释 在我们之前的报告中，我们通过深入研究行业逻辑，考虑了供应、需求、成本、产量等