本报告系统研究了基金重仓股的超额收益预测指标,从基金业绩、股票特征和持仓特征多个维度筛选出表现优异的基金重仓股票池。以残差收益为目标,精选基金业绩优异及重仓市值占流通市值季度环比变化较大的股票,实现了多因子策略表现的显著提升,尤其是2017年以来效果突出,年化提升超2%且信息比提升明显。
基金重仓股的简单跟踪策略长期获得稳定超额收益,但表现存在波动,2016-18年间超额收益较低。基金重仓股数量维持在700-1000只左右,持股较为分散。
以残差收益(剥离行业风格影响后的超额收益)为预测目标,聚焦基金选股能力而非行业配置。
基金业绩是筛选重仓股的重要指标:
| 基金个数 | 1 | 3 | 5 | 10 | 20 | 50 | 100 |
|---|---|---|---|---|---|---|---|
| 夏普比 | 8.4% | 4.2% | 6.3% | 6.1% | 6.2% | 6.6% | 5.2% |
| 收益率 | 10.6% | 10.1% | 10.1% | 9.0% | 7.2% | 6.8% | 5.9% |
| Alpha | 5.3% | 9.1% | 9.1% | 8.2% | 7.7% | 6.8% | 5.9% |
基金收益率筛选对重仓股超额收益预测效果优于夏普比,且基金排名前20%的重仓股表现明显优于排名靠后的。
基金业绩排名靠后基金单独持有的重仓股2017年后超额收益显著为负,几乎无投资参考价值。
基金换手率对重仓股超额收益影响不显著,高换手基金重仓股表现偏弱主要因业绩偏差,业绩表现优异基金重仓股表现稳定。
基金规模中等的基金重仓股超额收益最高,规模较小基金持有的重仓股2017年以后超额收益持续为负。
基金重仓股在不同风格时段内表现差异明显:2017年前重仓小盘成长股超额收益较高,2017年后偏高估值板块超额收益更佳,低估值板块表现较弱。对应风格因子表现如下。
| 风格 | 2017年之前 高值族群超额收益 | 2017年之后 高值族群超额收益 |
|---|---|---|
| growth | 高成长高超额 | 高成长低超额 |
| value | 估值水平无明显差异 | 高估值超额显著 |
行业维度,基金重仓股在TMT、中游机械化工行业长期表现优异,2017年后消费医药行业超额收益提升,上游周期、券商及军工板块超额收益缺乏稳定性。
持仓信息相关因子中,“重仓市值占流通市值比例”(Topten_to_float_ashare)及其季度环比变化(Delta_to_float_ashare)与超额收益存在显著正相关,表现较好,IC约0.02,年化超额收益可达10%以上,而持仓占比等其他因子表现较弱。
结合基金业绩和持仓因子筛选重仓股,发现基金业绩较好且重仓占流通市值变化较大的股票超额收益最高,是筛选股票池的核心指标。
长期构建基金业绩排名前三重仓股及Top 20重仓市值占流通市值变化率最高股票的并集,形成约40只股票的精选股票池。该股票池整体超额收益远超所有重仓股等权组合,且持续稳定,尤其是2017年后表现突出。
精选股票池具有高流动性、高估值、高动量特征,且分析师盈利预测一致性较高,揭示股票池捕捉了热门股票中的盈利预期边际增长。
将精选基金重仓股股票池纳入指数增强策略中,采用权重约束方式,2017年后策略表现显著提升,尤其是在年化收益、信息比等指标上均优于基准策略,且alpha因子在该股票池中仍有效,说明此策略成功利用了基金经理选股能力和资金动量。
策略表现存在明显时间结构差异,市场风格变化(如2017年前后由小盘成长到偏基本面高估值)是影响效果的核心因素,基金重仓股风格偏好与市场整体风格匹配度影响超额收益的持续性。
报告强调,基金持仓中既包含基金经理选股alpha,也包含资金层面推动因素,未来研究有望结合这两方面信息进一步挖掘。
报告风险提示:历史数据统计及模型的有效性依赖于市场环境及数据稳定性,未来存在模型失效风险。
本报告核心论点在于:基金重仓股整体确实存在超额收益,但不同基金的选股能力、持仓特征及风格背景影响显著。采用残差收益(剥离市场、风格、行业Beta影响后的收益)作为目标变量,探索基金特征、股票特征以及持仓特征对超额收益的影响,筛选出高超额收益股票池,并通过权重约束方法将其纳入指数增强策略,在2017年后市场风格适配下效益明显。该报告未给出具体目标价或投资评级,但提出了方法论层面的创新和实证验证,具有较强的实用价值。整体观点基于历史数据回测,强调风险提示,警示模型未来有效性不能保证,22]。
报告不涉及传统意义上的企业或股票估值模型,但其通过量化模型剔除Beta后对残差收益进行预测和提升,相当于构建了一种超额收益“alpha”估值方法。将基金业绩和持仓变化作为主要信号,通过多因子策略优化框架,权重约束引入高弹性筛选池,实现全策略超额收益的提升。其“估值”思想主要体现在:
不设定固有估值倍数或终值增长率,采取量化回测表现决定权重调节,强调数据驱动的超额收益筛选与组合构建。,15-21]
报告强调统计显著性多数较弱,筛选指标稳定性存在一定不确定性,22]。
本报告系统分析了基金重仓股超额收益的多维驱动因素,重点关注剥离行业及风格影响后的残差超额收益能力,识别出:
整体而言,该研究从多维角度剖析了基金重仓股选股能力及资金效应,创新结合基金业绩与持仓变动筛选股票池,并成功将其融合入多因子股权增强策略中,实现了近期明显的超额收益提升。其结果表明,基金持仓数据不仅反映基金经理的选股能力,也隐含资金推动信息,合理挖掘此类信息可以有效助力量化投资策略优化。
全文完。
国盛多因子系列13:基金重仓股研究.pdf