本报告通过分析基金特征、股票特征与持仓特征,筛选出对基金重仓股残差收益具有预测能力的指标,构建了一个精选股票池,并将其纳入指数增强策略,实现了2017年以来显著的策略提升,体现了基金重仓股的选股能力和资金动量的协同作用,为量化投资设计提供了有效参考
基金重仓股整体表现稳定,2011年以来偏股基金重仓股的等权特质收益率持续上升,但不同年份表现波动明显,且持股集中度变化较大 。
基金样本包括偏股混合型及普通股票型基金,因数据及时性考虑仅使用季度前十大重仓股持仓,剔除被动及量化基金 。
基金业绩是筛选重仓股的关键指标,收益率优于夏普比和alpha,排名靠前基金的重仓股表现更佳,且超额收益有显著的单调性 。
| 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% |
基金业绩最差的增量重仓股2017年后超额收益为负,规模小基金重仓股表现较弱,高换手率基金披露信息滞后但不可单独作为筛选指标 。
重仓股在不同风格和行业上的超额收益表现有明显变化,2017年前小票成长风格贡献较大,之后高估值风格和医药、TMT等行业表现优异,消费行业超额收益提升显著 。
| 风格因子 | 2017年前年化收益率最高组 | 2017年后年化收益率最高组 |
|---|---|---|
| growth(成长) | 高 | 低 |
| 估值(value) | 无明显差异 | 高估值显著优于低估值 |
| 行业 | TMT、中游周期优 | 医药、消费显著提升 |
持仓特征测试显示,基金重仓股的市值占流通市值比例及其环比变化与超额收益相关性较强,且多头收益突出,区分度高于重仓占基金持仓比例相关指标 。
结合基金业绩和持仓因子筛选股票池,发现以收益排序基金优选及持仓市值占比变化筛选的重仓股能显著提升超额收益,筛选股票池数量约在40只左右 。
将该股票池以权重约束纳入中证500增强策略,剔除市场风格影响后,2017年以来策略年化收益提升2%以上,最大回撤基本持平,信息比也有明显提升,显示基金重仓股策略的选股alpha明显优于传统多因子模型 。
报告强调,通过残差收益剥离行业和风格影响,重点捕捉基金重仓股的纯选股能力及资金层面的增量信息,指出基金重仓股选股alpha和市场资金效应共存,未来研究可从两者角度持续挖掘持仓数据价值 。
核心论点是基金重仓股内部存在明显的超额收益差异,优质基金的重仓股表现明显优于劣质基金。不同市场环境、行业及风格下,重仓股的超额收益表现各异。通过剥离基金风格和行业配置影响,聚焦选股能力(以残差收益为代表),本文构建基于基金业绩和持仓特征的组合筛选方法,大幅改进多因子策略表现。策略整合后,尤其2017年起收益改善明显。
报告摘要指出,采用残差收益(剔除风格、行业beta后的超额收益)作为预测目标,从基金特征(业绩、换手、规模)、股票特征(风格、行业)、持仓特征几个维度寻找预测因子。发现基金业绩与持仓市值占流通市值变化因子对筛选重仓股最为有效,且将筛选出的股票池应用于多因子增强策略,提升显著。
综述部分用图表1(2011-2020年基金重仓股等权特质收益净值曲线)展示了基金重仓股整体稳定的超额收益,但经历波动,尤其2016-2018年表现较弱。图表2显示,基金重仓股数量约1000只,近年集中度提升至约700只,但仍难以简单跟踪所有重仓股获得超额收益,需要筛选。
数据与方法:采用国盛团队的Sharpe资产因子模型剥离基金风格、仓位影响,得到净Alpha,作为衡量基金选股能力的指标。测试业绩(过去12个月收益率)、夏普比、Alpha三个指标筛选基金对应重仓股年化超额收益。(图表5、6、7)
主要发现:
图表1(基金重仓股等权特质收益净值):展示2011-2020年基金重仓股长期上扬趋势,表现出超额收益,但中间有回落波动,尤其16-18年较弱,体现重仓股表现不稳定。
图表2(基金重仓股数量):显示2011年400只左右基金重仓股增长至2017年的1200只峰值,但年后下降至700左右,说明基金重仓股集中度提升,但仍分散。
图表5&6(不同指标筛选基金的重仓股表现):基金收益率和Alpha排名与重仓股超额收益呈正相关,夏普比较弱,信息比分别为1.64~2.27,业绩排序显示了显著的单调性,强化了基金业绩为重要筛选指标。
图表8(按业绩分组剥离增量重仓股表现):最高业绩组重仓股稳定表现最佳,底层基金独享重仓股实际带来负超额收益,表明追踪劣质基金仓位效果反向。
图表9-11(换手率分组表现):2017年前换手率无明显影响,后期高换手基金表现弱;但优质基金中换手率差异不显著,换手率本身非独立有效指标。
图表12(基金规模分组):中等规模基金重仓股超额收益高,规模小基金负收益严重,特定阶段集中于某些行情。
图表13-14(基金重仓股不同风格表现):
图表15(行业超额收益):
图表17(持仓因子测试):
图表18-21(Topten_to_float_ashare及Topten_value_weight分组及收益):
图表27(两因子双分组):
图表28-29(筛选股票池表现与数量):
图表30-31(组合因子与行业暴露):
图表32-34(纳入指数增强策略测试):
图表35(业绩归因):
报告重点在于因子筛选与策略构建,未涉及传统的估值模型单独分析。但采用多因子策略结合基金重仓股超额收益预测因子进行优化,显著提升了整体指数增强组合的超额收益,基于权重约束优化,跟踪误差控制在5%以内,考虑交易成本,应用环境与实战兼顾。
本报告系统研究了基金重仓股超额收益的驱动因子,基于2011-2020年间丰富的基金季报数据和风格残差收益,重点筛选了基金业绩和基金持仓市值占流通市值的环比变化这两个头部显著因素。
具体结论包括:
整体来看,报告基于详实数据和严谨实证,科学剖析了基金重仓股的复杂特征,归纳出关键指标并成功运用于增强策略,体现了数量投资中结合经典因子与资金面因子的有效路径,为基金重仓股跟踪及指数增强策略提供了实用框架和策略设计思路。
| 年份 | 基准策略 | 权重约束5% | 10% | 20% | 30% |
|---|---|---|---|---|---|
| 2011 | 0.380 | 0.400 | 0.419 | 0.412 | 0.377 |
| ... | ... | ... | ... | ... | ... |
| 2017 | 0.125 | 0.128 | 0.129 | 0.131 | 0.135 |
| 2019 | 0.182 | 0.198 | 0.217 | 0.238 | 0.257 |
| 2020上半年 | 0.088 | 0.090 | 0.093 | 0.102 | 0.116 |
国盛证券这份《基金重仓股研究》报告,以深度数据分析和丰富实证框架,梳理了基金重仓股超额收益的系统性规律,明确基金业绩与持仓结构变化对超额收益的预测意义,成功融合成选股策略显著提升策略效果。报告不仅为基金跟踪及量化增强策略提供思路,更为理解机构资金行为对市场的影响带来重要视角,是机构量化投资领域的优质研究成果。
【国盛量化】多因子系列之十三:基金重仓股研究.pdf