截至2024年2月29日,模型测算主动偏股基金前5大行业分别为电子(1143)、医药生物(848)、电力设备(813)、食品饮料(771)、计算机(584)。2月加仓前3大行业为煤炭(093)、银行(065)、通信(049);减仓前3大行业为电力设备(102)、计算机(101)、电子(074)。 用主动偏股基金各行业的持仓和调仓信息构建的基金行业因子,可以对行业指数未来表现进行有效区分。从行业组合分年度表现来看,2017年下半年以来其年化收益率为1144,显著超过同期中证全指的177,且各年度收益率均超过了中证全指。 2024年前2个月,行业组合持续配置银行、家用电器、交通运输、石油石化等行业。截至2024年2月末,行业轮动策略今年以来取得了451的收益,同期中证全指收益率为306,超额收益率为757,组合年化波动率1924,最大回撤仅634。 3月模型最新优选的强势行业包括:农林牧渔、汽车、交通运输、机械设备、石油石化、公用事业。 根据基金的高频行业仓位信息进行业绩归因,构建的基金选股和交易因子,可以衡量管理人的特有能力,通过计算因子的RankIC和RankICIR值,我们发现因子收益能力较强、稳定性较高。用因子进行基金优选,构造的季频调仓组合2018年至2024年2月末,组合的年化收益率为678,相对偏股基金指数的年化超额收益率为204,年化波动率2240,年化夏普比为030。 2024年1季度最新推荐的基金经理主要包括宝盈基金张天闻、中邮基金金振振与吴尚、大成基金苏秉毅、金鹰基金陈颖与张展华、长城基金雷俊、财通基金沈犁、国金基金马芳与姚加红、博时基金郭晓林与刘玉强、华夏基金孙蒙、博道基金杨梦、融通基金范琨、华润基金刘宏毅、西部利得基金盛丰衍、东吴基金刘元海、方正富邦基金乔培涛、招商基金王平、工银瑞信基金杨鑫鑫、景顺长城基金鲍无可、大成基金齐炜中。 卡尔曼滤波在通信、导航与控制等多领域有广泛的运用,它是一种递归的贝叶斯算法,能够实现数据实时更新和去噪声处理,并对系统状态进行最优估计。用卡尔曼滤波进行基金行业仓位测算有天然的适配性,基金的行业配置比例是状态变量,基金的净值涨跌幅是可观测值,两者满足线性转换关系,并符合模型的假设要求。可以从基金实际行业配置比例出发,通过每日涨跌幅进行校正,最终得到当期配置比例的最优估计。 在具体运用上,我们用持股明细和重仓股补全的行业配置比例作为初始值,并根据基金的行业轮动风格将基金分类,每一类中对超参数分别进行赋值。在行业收益的考量上,我们针对每只基金实际持仓构造了行业指数,并与市场行业指数进行等权结合,兼顾了基金特点与行业全局,充分利用了基金持仓与市场信息。经检验,2017年以来主动偏股基金行业测算的市场平均误差仅为038,优于绝大多数传统测算模型,而且对于预测行业仓位的大幅波动,模型方向识别的准确率更高,另外模型结果整体较为平稳,噪音较低。 历史数据不被验证导致模型失效、测算模型构建的因子缺乏稳定性、股票市场波动与基金净值调整风险等。 内容目录 第一部分:行业仓位最新测算结果3 第二部分:基于基金行业因子的行业轮动策略4 第三部分:基于基金选股和交易因子的FOF策略6 第四部分:基于卡尔曼滤波的行业仓位测算原理8 风险提示11 图表目录 图表1:基金最新行业仓位占比(2024年2月29日)3 图表2:制造板块历史配置比例测算4 图表3:消费板块历史配置比例测算4 图表4:医药板块历史配置比例测算4 图表5:科技板块历史配置比例测算4 图表6:金融板块历史配置比例测算4 图表7:周期板块历史配置比例测算4 图表8:基金行业因子分组测试各组表现5 图表9:基金行业因子时序RankIC值5 图表10:行业组合净值曲线5 图表11:行业组合分年度表现6 图表12:选股和交易因子各组表现6 图表13:选股和交易因子时序RankIC值6 图表14:选股和交易因子分组测试净值曲线7 图表15:选股和交易因子多空净值曲线7 图表16:FOF组合净值曲线7 图表17:FOF组合分年度表现8 图表18:FOF组合近2期具体持仓8 图表19:卡尔曼滤波基金行业仓位测算流程示意图10 图表20:市场平均误差与基金平均误差历史均值11 公募基金作为市场上重要的机构投资者,其包括股票行业仓位配置等投资行为一直被市场所关注,及时捕捉公募基金行业仓位的变化,能在一定程度上辅助投资者对市场进行研判。公募基金实际行业仓位一般仅能通过年报、半年报公布的持股明细计算得出,数据频率较低、时间上有滞后性,因此有必要通过量化方法对基金股票行业仓位进行估计,得到更高频且及时的数据。 2024年1月16日我们推出了《基于更准确持仓测算下的行业选择和FOF策略》,我们使用卡尔曼滤波,针对公募基金投资操作特点进行建模,最终探索出一套准确度较高的行业测算方法。我们使用测算结果在两个不同的方向上进行了展开应用:一方面,用主动偏股基金各行业的持仓和调仓信息构建的基金行业因子,可以构建有效的行业轮动策略;另一方面,我们根据基金的高频行业仓位信息进行业绩归因,构建了基金选股和交易因子,用单因子构建的FOF组合能长期稳定战胜偏股基金指数。 截至2024年2月29日,模型测算主动偏股基金前5大行业(本文所列为行业投资比例为占股票市值比例)分别 为电子(1143)、医药生物(848)、电力设备(813)、食品饮料(771)、计算机(584)。2月加仓前3大行业为煤炭(093)、银行(065)、通信(049);减仓前3大行业为电力设备(102)、计算机(101)、电子(074)。 图表1:基金最新行业仓位占比(2024年2月29日) 板块 行业 2月末 1月末 23Q4重仓 中证全指 2月 相对于23Q4相对于中证全 行业仓位 行业仓位股补全仓位配置比例 增减仓 增减仓 指超低配情况 医药 医药生物 848 852 903 892 004 055 044 电子 1143 1217 1310 878 074 167 265 科技 计算机 传媒 584217 685215 775232 553224 101 191 031 007 002 015 通信 477 428 455 279 049 022 198 房地产 132 119 122 153 013 009 021 大金融 银行 328 263 195 686 065 133 358 非银金融 220 223 192 646 003 028 426 煤炭 285 192 118 165 093 167 120 石油石化 183 142 117 156 041 066 027 基础化工 312 331 340 433 019 027 121 周期 钢铁 有色金属 101336 075343 053350 098389 026 007 048 014 003 053 建筑材料 104 100 086 098 004 018 006 建筑装饰 102 109 106 209 007 004 107 交通运输 260 217 199 302 043 060 042 农林牧渔 277 240 238 163 037 039 114 家用电器 374 356 300 249 018 074 125 食品饮料 771 776 779 691 005 008 080 消费 纺织服饰轻工制造 136122 105121 095128 069102 030002 041 005 067020 商贸零售 064 059 058 106 005 006 042 社会服务 096 098 103 064 002 007 032 美容护理 103 084 054 041 019 050 062 机械设备 552 618 648 498 066 096 054 电力设备 813 914 951 760 102 138 053 汽车 450 513 515 414 062 065 036 制造 国防军工 289 304 328 267 015 039 022 公用事业 230 218 181 315 012 049 085 环保 063 068 064 082 005 001 019 综合 026 014 005 016 012 021 010 来源:Wind,国金证券研究所 图表2:制造板块历史配置比例测算图表3:消费板块历史配置比例测算 来源:Wind,国金证券研究所;数据区间:2017112024229来源:Wind,国金证券研究所;数据区间:2017112024229 图表4:医药板块历史配置比例测算图表5:科技板块历史配置比例测算 来源:Wind,国金证券研究所;数据区间:2017112024229来源:Wind,国金证券研究所;数据区间:2017112024229 图表6:金融板块历史配置比例测算图表7:周期板块历史配置比例测算 来源:Wind,国金证券研究所;数据区间:2017112024229来源:Wind,国金证券研究所;数据区间:2017112024229 理论上来说,基金重仓或显著加仓的行业,意味着公募基金更看好其在未来的表现,相对于宽基指数可能存在着一定的超额收益,或许能有效提示后市行业走势的变化。我们把持仓水平与调仓水平分别作为因子,并等权合成为“基金行业因子”,因子对于行业未来表现的预测能力较好。 从2017年下半年以来,我们在每个月末计算各行业的因子值,并用行业未来1个月的表现进行测试,因子的RankIC值为007,RankICIR为025,可以看出预测因子对于未来收益的区分度较好,但稳定性不佳。进一步地,我们在剔除综合行业后,每一期按照因子值由大到小排列,将申万30个行业分为5组,每组6个行业等权配置进行分组测试。 从分组测试结果可以看出,因子值最突出的第一组,长期年化收益率虽然高于第3组第5组,但却显著低于第2组,因子RankICIR不理想主要原因就是第1组稳定性不佳。我们推测其原因,一方面是2021年以来,抱团股瓦解的现象持续发生,高仓位行业可能会出现较大幅度的回撤;另一方面,由于“赢家的诅咒”,已获重仓的行业难以获得持续性资金流入,估值端提升空间有限。而因子值处于中高水平的第2组,长期年化收益率超过10,显著好于同期的宽基指数,我们判断这些行业正处于景气度上升的时期,且未达到过热的状态,所以长期能获得较高的超额收益。 图表8:基金行业因子分组测试各组表现图表9:基金行业因子时序RankIC值 来源:Wind,国金证券研究所;数据区间:2017712024229来源:Wind,国金证券研究所;数据区间:2017712024229 基于以上情况,我们用因子较高的第2组构建行业轮动策略。通过行业组合的净值曲线可以看出,2017年下半年以来,组合净值整体为一条向右上的曲线,稳定性较好。将其与中证全指进行对比分析,两者净值曲线的比值,是一条非常平稳向上的曲线,行业组合长期能持续跑赢中证全指。 从行业组合分年度表现来看,2017年下半年以来其年化收益率为1144,显著超过同期中证全指的177,且各年度收益率均超过了中证全指。年化波动率为2077,最大回撤发生于2018年为3355,2022年与2023年的最大回撤均未超过15。 2024年前2个月,行业组合持续配置银行、家用电器、交通运输、石油石化等行业。截至2024年2月末,行业轮动策略今年以来取得了451的收益,同期中证全指收益率为306,超额收益率为757,组合年化波动率1924,最大回撤仅634。 3月模型最新优选的强势行业包括:农林牧渔、汽车、交通运输、机械设备、石油石化、公用事业。 图表10:行业组合净值曲线 来源:Wind,国金证券研究所;数据区间:2017712024229 图表11:行业组合分年度表现 来源:Wind,国金证券研究所;数据区间:数据区间:2017712024229 我们通过测算模型获得了每只基金高频的