基金研究系列：从基金持仓行为到行业轮动策略

金融工程专题 2023年08月28日 从基金持仓行为到行业轮动策略 金融工程研究团队 ——基金研究系列（23） 魏建榕（首席分析师） 魏建榕（分析师）王志豪（分析师） 证书编号：S0790519120001 张翔（分析师） weijianrong@kysec.cn 证书编号：S0790519120001 wangzhihao@kysec.cn 证书编号：S0790522070003 证书编号：S0790520110001 傅开波（分析师） 证书编号：S0790520090003 高鹏（分析师） 证书编号：S0790520090002 苏俊豪（分析师） 证书编号：S0790522020001 胡亮勇（分析师） 证书编号：S0790522030001 王志豪（分析师） 证书编号：S0790522070003 盛少成（研究员） 证书编号：S0790121070009 苏良（研究员） 证书编号：S0790121070008 何申昊（研究员） 证书编号：S0790122080094 陈威（研究员） 证书编号：S0790123070027 蒋韬（研究员） 证书编号：0790123070037 相关研究报告 《偏股混合型基金指数（885001.WI）：优势、复制与超越》-2023.4.16 《选基因子改进：基金持仓的尾部收益视角》-2023.8.10 《红利基金盘点与资产配置应用—基金研究系列（22）》-2023.8.16 开源金工基金行业轮动因子构建框架 本文中，我们基于基金持仓的高频监测模型，高频测算基金的行业持仓信息，并结合Brison归因评价基金行业配置能力，优选短期行业配置能力强的基金，多维度构建行业轮动因子。 基于基金行业轮动因子构建框架，首先，通过基金初筛获取初始基金池；通过Brison归因评价基金短期行业配置收益，基金分域得到优选基金；基于单只基金持仓信息，刻画基金持仓在行业上的动态变化，构建单基金行业信号；将优选基金的行业信号合成，得到行业轮动因子。 行业定价权提升则行业未来上涨动能更强 本文选取基金的行业持仓市值占成交额比例，作为基金的行业定价权指标。通过历史偏离度与历史分位点，衡量单基金内的行业定价权变化。基金对于行业的定价权相对历史有所提升，则行业未来上涨动能更强。基于此，我们构建了定价权总偏离、定价权偏离分歧度、定价权高偏离占比与定价权高分位占比4个因子。将定价权类的4个因子进一步合成为定价权因子，RankIC均值9.9%， RankICIR1.4。5分组多头优势明显，多头年化收益17.9%，相比行业等权，多头 超额年化收益11.8%，2023年以来超额年化收益22.3%。多空组合年化收益17%， 年化IR1.45。 行业仓位升降更直观体现基金经理多空观点 基金行业仓位的变化可以更直观地反映基金经理的行业观点，但行业仓位的变动受基金调仓与价格涨跌的双重影响。为此，我们将全市场中行业市值占比作为基准仓位，通过基金行业仓位与基准仓位的比值，剔除价格涨跌因素影响，通过调整后的仓位历史偏离度，刻画基金的行业仓位变化，构建了仓位偏离分歧度与仓位高偏离占比因子。将仓位类的两个因子进一步合成为仓位因子，RankIC均值8.1%，RankICIR1.29。5分组多头年化收益15.1%，相比行业等权，多头超额年化收益8.4%，超额表现稳健。多空组合年化收益15.4%，年化IR1.41。 行业持仓估值越低越偏左侧配置 基于基金持仓高频监测模型，我们通过估算基金的个股持仓，从而观察基金在行业内的持仓估值特征。本文将个股估值做行业内标准化处理，按照个股权重加权平均得到行业持仓估值特征。本文认为，基金在左侧配置行业的过程中，会更倾向于配置行业内相对低估的个股，即行业持仓估值越低越偏左侧配置，持仓估值越高越偏右侧交易。基于此构建了持仓估值低偏离占比因子，RankIC均值9.1%，RankICIR1.58，5分组多头稳定跑赢，年化收益15.7%，相比行业等权，多头超额年化收益9.7%。多空组合年化收益16.9%，年化IR1.61。 风险提示：模型测试基于历史数据，市场未来可能发生变化。对基金产品和基金管理人研究分析结论不能保证未来可持续性，不构成对该产品推荐投资建议。 金融工程研究 金融工程专题 开源证券 证券研究报 告 目录 1、开源金工基金行业轮动因子构建框架4 1.1、基金初筛构建初始基金池4 1.2、基金分域：Brison归因优选短期行业配置能力强的基金5 1.3、单基金信息处理：时序对比更具参考价值5 1.4、优选基金行业信号合成6 2、定价权维度：定价权提升则行业未来上涨动能更强6 2.1、定价权总偏离：多头组超额年化收益9.2%6 2.2、定价权偏离分歧度：多头超额年化收益10%8 2.3、定价权高偏离占比：多空组合年化收益14.4%，年化IR1.210 2.4、定价权高分位占比：多头超额年化收益11.4%12 3、行业仓位维度：行业仓位升降体现基金经理的多空观点14 3.1、仓位偏离分歧度：多空组合年化收益12.7%，年化IR1.2214 3.2、仓位高偏离占比：多空组合年化收益12.2%，年化IR1.0816 4、持仓特征维度：行业持仓估值越低越偏左侧配置18 4.1、持仓估值低偏离占比：多空年化收益16.9%，年化IR1.6118 5、因子再处理：同信息维度因子合成20 5.1、定价权因子：多空年化收益17%，年化IR1.4520 5.2、仓位因子：多空年化收益15.4%，年化IR1.4122 6、基金行业轮动因子总结24 6.1、定价权因子2022年以来前5行业列表24 6.2、优选基金前20列表25 7、风险提示26 图表目录 图1：开源金工基金行业轮动因子构建框架4 图2：基金短期行业配置能力越强，行业轮动因子有效性越高5 图3：定价权总偏离因子不同回溯期有效性对比：N=36，因子有效性最高6 图4：定价权总偏离因子多空年化收益12.6%，年化IR1.067 图5：分年度多空表现：大多数年份录得正收益7 图6：分组超额表现：多头组超额年化收益9.2%7 图7：定价权偏离分歧度因子不同回溯期有效性对比：N=48，因子有效性最高8 图8：定价权偏离分歧度因子多空年化收益14.1%，年化IR1.179 图9：分年度多空表现：2020至2022年收益较高9 图10：分组超额表现：多头组超额年化收益10%9 图11：定价权高偏离占比因子不同回溯期有效性对比：N=48，因子有效性最高10 图12：定价权高偏离占比因子多空年化收益14.4%，年化IR1.211 图13：分年度多空表现：2023年以来年化收益9.9%11 图14：分组超额表现：多头组超额年化收益9.2%11 图15：定价权高分位占比因子不同回溯期有效性对比：N=60，因子有效性较高12 图16：定价权高分位占比因子多空年化收益14.8%，年化IR1.2313 图17：分年度多空表现：2023年以来年化收益27.1%13 图18：分组超额表现：多头组超额年化收益11.4%13 图19：仓位偏离分歧度因子不同回溯期有效性对比：N=24，因子有效性最高14 图20：仓位偏离分歧度因子多空年化收益12.7%，年化IR1.2215 图21：分年度多空表现：每年均有正收益15 图22：分组超额表现：多头组超额年化收益7.5%15 图23：仓位高偏离占比因子不同回溯期有效性对比：N=24，因子有效性最高16 图24：仓位高偏离占比因子多空年化收益12.2%，年化IR1.0817 图25：分年度多空表现：2020至2022年收益较高17 图26：分组超额表现：多头组超额年化收益7.1%17 图27：持仓估值低偏离占比因子不同回溯期有效性对比：N=36，因子有效性最高18 图28：持仓估值低偏离占比因子多空年化收益16.9%，年化IR1.6119 图29：分年度多空表现：多数年份有较高正收益19 图30：分组超额表现：多头组超额年化收益9.7%19 图31：定价权因子多空年化收益17%，年化IR1.4520 图32：分年度多空表现：所有年份均录得正收益21 图33：分组超额表现：多头组超额年化收益11.8%21 图34：定价权因子多头组超额表现稳健21 图35：仓位因子多空组合年化收益15.4%，年化IR1.4122 图36：分年度多空表现：所有年份均录得正收益23 图37：分组超额表现：多头组超额年化收益8.4%23 图38：仓位因子多头组超额表现稳健23 表1：分年度超额表现：2023年以来超额年化收益17%7 表2：分年度超额表现：2020至2022年多头超额较高9 表3：分年度超额表现：多头组超额2022年回撤，2023年以来超额年化收益11.4%11 表4：分年度超额表现：多头组每年均有正超额，2023年以来超额年化收益16%13 表5：分年度超额表现：多头组在2020年之后超额收益比较高15 表6：分年度超额表现：多头组多数年份录得正超额17 表7：分年度超额表现：所有年份均有正超额19 表8：因子相关性：同信息维度因子相关性较高20 表9：分年度超额表现：2023年以来超额年化收益22.3%21 表10：分年度超额表现：仅2018年出现负超额23 表11：行业轮动因子表现汇总24 表12：定价权因子2022年以来打分前5大行业列表24 表13：优选基金前20列表25 公募基金的行业持仓信息，向来是投资者了解机构资金行业动向的重要依据。但是，基金的行业持仓信息在应用层面往往面临双重困境：一是基金的持仓披露频率较低，且较为滞后；二是由于基金间行业配置能力差异化较大，从基金整体行业持仓来看，并不具备行业轮动能力，需要优选行业配置能力强的基金持仓信息。 我们在前期报告《偏股混合型基金指数（885001.WI）：优势、复制与超越》中，提出了基金持仓的高频监测模型，将卡尔曼滤波方法应用于基金持仓测算，精确测算基金的实时个股持仓。利用基金持仓高频监测模型，一方面可以有效解决基金持仓披露频率低、披露时间滞后的问题，另一方面结合Brison归因可以更精确地分解基金收益贡献，评价基金行业配置能力。 本文中，我们通过Brison归因评价基金行业配置能力，从而优选短期行业配置能力强的基金，并基于优选基金的持仓信息，构建多维度的行业轮动策略。 第一部分，本文介绍了基金行业轮动因子构建框架，包括：基金初筛、基金分域、单基金信息处理以及基金间行业信号合成；第二至第四部分，从基金持仓信息的定价权、行业仓位与持仓特征三个维度构建行业轮动因子；第五部分，因子相关性分析表明，同信息维度下的因子之间相关性普遍较高，因此，将同信息维度下的因子进一步合成，最终得到定价权因子、仓位因子和持仓估值低偏离占比因子，作为最终的行业轮动方案，因子多头收益贡献较高，相比行业等权基准，多头超额表现稳健。第六部分，我们总结了本文行业轮动因子绩效表现，列举了表现最佳的定价权因子从2022年以来前5行业持仓，以及2023年7月份优选基金中的前20基金。 1、开源金工基金行业轮动因子构建框架 本文中，我们基于基金行业轮动因子构建框架（图1所示），多维度构建行业轮动策略。首先，通过基金初筛获取初始基金池；通过Brison归因评价基金短期行业配置收益，基金分域得到优选基金；然后，基于单只基金持仓信息，刻画基金持仓在行业上的动态变化，构建单基金行业信号；最后，将优选基金的行业信号合成，得到行业轮动因子。 图1：开源金工基金行业轮动因子构建框架 资料来源：开源证券研究所 1.1、基金初筛构建初始基金池 基金初筛维度，我们选择普通股票型和偏股混合型基金；为剔除建仓期基金干扰选择成立半年以上基金；小规模基金的持仓变动偏激进，为剔除其影响选择规模2亿以上基金；为剔除港股基金的影响选择A股权益仓位60%以上的基金；为剔除行业主题基金，选择前两大行业仓位不超过60%的基金，从而得到初始基金池。 1.2、基金分域：Brison归因优选短期行业配置能力强的基金 基于