智能化选基系列之八：持股网络中基金经理交易独特性是否能贡献超额收益？

基金网络构建 基金经理群体往往会因为各种因素产生联结关系，比如基金经理通过共同重仓持有某一只股票，可能会存在某种信息交流，因而产生联系。参考文献中的研究成果，我们分别以基金经理共同持有的股票、共同交易的股票为纽带，构建起多种基金网络。 基金网络中的交易独特性指标构建与因子测试 我们根据基金网络内的交易行为的独特性来度量基金经理的网络信息使用程度，交易行为趋于一致，则网络信息使用程度越高，交易行为独特，可能有自己独特的信息来源或者拥有额外的能力，则说明对网络信息使用程度越低。我们用基金/基金经理在半年内对于基金网络中股票的交易额占比与其相关联基金的该股票交易量占比均值之差来度量基金经理的交易独特性。 经检验，基金经理的交易独特性特征具有跨期稳定性。我们分别构建了交易独特性基金标签和非交易独特性基金标签，经过历史数据回测，交易独特性基金组合表现优于非交易独特性基金组合。 我们将交易独特性指标构建为选基因子进行IC测试和分位数组合测试，半年频调仓，回测时间区间为2012年4月1 日至2024年8月1日。测试结果显示，我们构建的多个交易独特性因子，均获得了正的IC值，IC均值均在6%以上甚至达到10%，因子显著性较好，说明基金的交易独特性越高，基金未来的业绩可能越好。此外，交易独特性因子与常见的选基因子相关性均没有较高的相关性。 经过与股票价差因子进行合成，合成因子IC均值达到12.37%，多空组合年化收益率为7.81%。合成因子的分位数组合单调性更佳。 交易独特性选基策略构建 基于合成后的因子，我们构建了半年度调仓的选基策略，在中报、年报披露的下一个月的第一个交易日调仓，调仓日根据因子值从大到小进行排序，选择前20只基金等权重构建基金组合，基准为万得偏股混合型基金指数，考虑交易 成本。选基策略在2017年3月30日至2024年8月1日期间，获得了8.51%的年化收益率，相对于万得偏股混合型基 金指数，获得了费后5.29%的年化超额收益率，近6年策略均获得了正超额。 风险提示 以上结果通过历史数据统计、建模和测算完成，在市场环境发生变化时模型存在失效的风险；当交易成本或其他条件改变时，可能导致策略收益下降甚至出现亏损；基金相关信息及数据仅作为基金研究使用，不作为募集材料或者宣传材料。 内容目录 一、基金网络多样化构建方法4 1.1基金网络形成原理4 1.2基于共同持股的基金网络构建4 1.3基于共同交易股票构建基金网络6 二、基金网络中的交易独特性指标构建与因子测试7 2.1交易独特性指标（DFN）构建方法7 2.2交易独特性基金经理VS非交易独特性基金经理8 2.3交易独特性因子是有效的选基因子9 三、基于基金经理交易独特性的选基策略构建12 3.1交易独特性选基策略构建12 3.2策略持仓的风格归因与行业配置分析13 四、总结14 五、风险提示15 图表目录 图表1：基金/基金经理网络示意图4 图表2：基于共同持股的基金网络分类5 图表3：基于共同持股的基金网络构建方法示意图5 图表4：基金外部网络的基金数量变化6 图表5：基金外部网络持股关联程度变化6 图表6：连续两期均处于前30%的概率6 图表7：当期前30%但下一期后30%的概率6 图表8：基于共同交易股票的基金网络分类7 图表9：不同的交易独特性指标说明8 图表10：共同持股网络交易独特性的跨期稳定性8 图表11：共同交易股票网络交易独特性的跨期稳定性8 图表12：交易独特性基金组合VS非交易独特性基金组合8 图表13：两类基金数量变化8 图表14：相对于沪深300的风格暴露9 图表15：相对于中证500的风格暴露9 图表16：持股同质化程度指标的测试结果9 图表17：持股同质化程度分位数组合年化收益率10 图表18：不同交易独特性指标的测试结果10 图表19：avgfundm_inner_dfncpreres分位数组合表现10 图表20：avgfundm_inner_dfncpreres分位数组合净值10 图表21：avgfundm_outer_dfnres分位数组合表现11 图表22：avgfundm_outer_dfnres分位数组合净值11 图表23：因子间相关系数均值11 图表24：最终合成因子的测试结果11 图表25：合成因子分位数组合超额收益率12 图表26：合成因子分位数组合净值12 图表27：交易独特性选基策略净值12 图表28：交易独特性选基策略超额净值12 图表29：交易独特性选基策略的统计指标13 图表30：交易独特性选基策略分年度超额收益率13 图表31：相对于沪深300指数的风格暴露14 图表32：相对于中证500指数的风格暴露14 图表33：选基策略行业暴露情况（20240329，沪深300）14 图表34：选基策略行业暴露情况（20240329，中证500）14 一、基金网络多样化构建方法 1.1基金网络形成原理 在社会学的社会网络理论中，个体或组织构成的相互连接的结构称为社会网络，社会网络的形成可以基于各种关系纽带，例如亲缘关系、友谊关系、合作关系等，社会网络中的每个参与者都是一个节点。信息可以在社会网络中传播扩散，社会网络中的个体因为各种原因互相接触，社会网络是个体获取知识的重要来源。 基金经理群体往往也会因为各种因素产生联结关系。基金经理社会属性（所属基金公司、毕业院校等）、基金经理地理位置等因素，都会让基金经理们建立起某种联系。而在一些学术论文中，有学者认为，基金经理由于共同持有某一只股票也会产生联系，可以构建起基金经理网络。 通过基金共同持股构建网络最早源于Pareek发表于2012年的论文《InformationNetworks:ImplicationsforMutualFundTradingBehaviorandStockReturns》，作者认为共同重仓持有同一只股票的基金经理之间可能存在某种信息交流，因此他通过基金共同的重仓股建立了基金的持股信息网络。罗荣华等学者在2020年发表的论文《“和而不群”还是“卓尔不群”?——基于基金网络信息使用的视角》中，曾根据基金重仓持有的股票构建基金网络，并采用基金自身交易与其所处网络中其他基金平均交易的偏离程度作为该基金对基金网络中信息使用的衡量，最终得出“对基金网络中信息使用程度较低的基金的业绩要显著好于对基金网络中信息使用程度较高的基金”的结论。 参考上述学者的研究成果，我们基于国内的主动权益型基金定期披露的数据，构建基金/基金经理网络。 1.2基于共同持股的基金网络构建1.2.1基于共同持股的基金网络分类 基金经理通过共同重仓持有某一只股票，可能会存在某种信息交流和信息共享，因而产生联系。根据各基金的股票持仓情况，我们可以构建起基金网络。但基金由基金经理管理，我们也可以汇总基金经理的持股数据，从基金经理维度构建基金网络。 图表1：基金/基金经理网络示意图 来源：国金证券研究所 由于基金和基金经理有着隶属于某个基金公司的特征，因此我们根据是否属于同一基金公司，将网络划分成内部网络与外部网络。基金公司内部网络中，由于办公地理位置接近交流更便利、共享公司的研究资源、遵守公司共同的制度，内部网络中的基金经理的联系和信息交流更加紧密。 图表2：基于共同持股的基金网络分类 来源：国金证券研究所 1.2.2基金网络构建方法 1）重仓持股的界定：某报告期持股比例超过基金持有股票总市值5%及以上的股票。 2）报告期选择：使用中报、年报等完整披露了股票持仓的报告期。 3）基金池的设定： 当期财报日期距离基金成立超过1年(不在建仓期内)，从基金成立到当期的有效财报数量占理论上最大财报数量的比例超过90%； WIND基金分类属于普通股票型、偏股混合型、灵活配置型，并且属于初始基金； 股票持仓总市值占基金净值比大于60%，港股持仓市值占基金净值比小于20%； 当期持有股票数量至少10只； 不考虑“研究精选”类型的基金；4）构建步骤 计算T期基金f在股票s上的持仓市值占基金f股票持仓总市值的比例，用于构建T期的基金网络,记为𝑝𝑓𝑠�。当基金i和基金j某期在同一只股票s上的持有比例均大于5%时，用股票s连接两个基金。 按照股票代码循环，构建出一个边是股票代码，顶点是基金代码的带权有向图，基金i指向基金j的边的权是𝑝𝑖𝑠�，基金j指向基金i的边的权是𝑝𝑗𝑠𝑡，这个带权有向图就是t时期的基金网络。 同理，基于基金经理的网络也是同样的构建方式，将基金经理当期管理的符合条件的基金进行汇总，得到基金经理持仓的股票，再根据持股比例构建网络。 图表3：基于共同持股的基金网络构建方法示意图 来源：国金证券研究所 1.2.3外部基金网络持股关联程度变化与持股同质化程度变化 随着公募基金市场持续扩容，处于外部基金网络中的基金数量逐渐增加。我们统计了各报告期基金外部网络中每只基金所拥有网络分支数量及该报告期的中位数，网络分支指的是某一只基金i与另一只基金j通过股票s产生的连接，网络分支数量能够体现基金网络的复杂程度和基金之间的持股关联程度。 2009年-2016年，可能由于市场中公募基金数量少，基金之间的持股关联度也较低。2017年以来，公募基金市场快速扩容，基金之间的持股关联度也有所增加，基金网络逐渐复杂，并在2021年左右达到了顶峰。而2022年末以来，基金之间持股关联度持续下降。 图表4：基金外部网络的基金数量变化图表5：基金外部网络持股关联程度变化 3000 2500 2000 1500 1000 500 70045 60040 30 50035 40025 30020 20015 10 1005 2009中报 2010中报 2011中报 2012中报 2013中报 2014中报 2015中报 2016中报 2017中报 2018中报 2019中报 2020中报 2021中报 2022中报 2023中报 00 2009中报 2010中报 2011中报 2012中报 2013中报 2014中报 2015中报 2016中报 2017中报 2018中报 2019中报 2020中报 2021中报 2022中报 2023中报 0 网络分支数量中位数 处于网络中的股票持仓占比中位数（%，右轴） 来源：Wind，国金证券研究所来源：Wind，国金证券研究所 我们将基金各报告期处于基金网络中的股票的持股比例视为基金持股的同质化程度，记为fund_out_same。持股同质化程度在各年的中位数显示，2022年末以来，基金的持股同质化程度在下降。持股同质化程度指标具有跨期稳定性，按持股同质化程度指标从大到小排序，当期持股同质化程度排名前30%的基金，在下一期仍然排名前30%的概率，基本在接近70%左右，而下一期排名后30%的概率，基本上不足10%。 图表6：连续两期均处于前30%的概率图表7：当期前30%但下一期后30%的概率 80.00% 70.00% 60.00% 50.00% 40.00% 30.00% 20.00% 10.00% 2009中报 2010中报 2011中报 2012中报 2013中报 2014中报 2015中报 2016中报 2017中报 2018中报 2019中报 2020中报 2021中报 2022中报 2023中报 0.00% 14.00% 12.00% 10.00% 8.00% 6.00% 4.00% 2.00% 2009中报 2010中报 2011中报 2012中报 2013中报 2014中报 2015中报 2016中报 2017中报 2018中报 2019中报 2020中报 2021中报 2022中报 2023中报 0.00% 来源：Wind，国金证券研究所来源：Wind，国金证券研究所 1.3基于共同交易股票构建基金网络 我们已经建立起基于基金共同重仓股的基金网络，认为共同持有股票的基金经理之间存在着一定程度的联系。我们根据基金