基于机构调研热度和广度视角的行业配置策略

市场中机构投资者的动向是受到重点关注的话题，调研活动有强制披露的要求，且数据披露格式规范，蕴含了大量机构投资者的行为信息。通过调研事件可以更好探察机构投资者动向。现有调研事件的相关研究主要应用于选股层面，对行业层面的拆解分析较少。本篇报告通过对行业内调研活动平均数的拆解，分别从调研热度与广度两个维度，去刻画调研事件对行业的影响。从调研事件这一另类视角，分析调研热度与广度，我们可以更好地探察行业走势。 为了类比调研选股指标的公司热度描述，我们通过对行业调研活动平均数进行拆解，得到了行业调研热度与行业调研广度两大指标。调研热度通过覆盖公司的调研活动平均数来刻画行业内的公司热度，广度通过行业的调研覆盖程度来刻画行业拥挤度。 同时，2019年后，调研活动数量呈稳定上升趋势，调研事件蕴含的信息增多。参与者类型上，基金公司参与者调研占比相较早年提升明显，基金公司直接参与的调研数增多，使得我们能够从调研数据中获取更多的基金公司行为信息。参与调研的机构类型主要是基金公司和证券公司，因此我们的研究也主要围绕两者展开。 我们选择大规模调研活动的基金公司调研热度因子作为调研热度因子的代表因子，调研热度因子IC均值为8.64%，多空年化收益为16.05%，夏普比率为1.40。另外，我们基于证券公司调研活动行业内被调研公司占比的3个月累计值环比变化率和间隔3个月月度变化率构建广度因子，调研广度因子IC均值为4.70%，多空年化收益为7.72%，夏普比率为0.60。广度与深度因子的相关性不高，为-3.83%。将调研热度因子与广度因子以等权方式进行合成，得到调研活动因子，调研活动因子IC均值为11.38%，多空年化收益为21.82%，夏普比率为1.90。合成后多空净值更加平稳，夏普比率也更高了。 我们以中信一级行业等权配置作为基准，利用调研活动因子构建了调研行业精选策略。策略的年化收益率为7.61%，夏普比率为0.38。从2017年1月02日至2023年6月01日，相较于行业等权基准,行业轮动策略的年化超额收益率为6.06%。随着调研活动数量的逐年上升，策略在2020年至2023年表现优异。2020年、2021年、2022年和2023年 （截止至6月1日）的超额收益率分别达到了4.49%、5.19%、10.90%和17.40%。 以上结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。 内容目录 一、调研热度与广度双维度探察4 二、调研事件研究逻辑4 2.1调研事件数据速览4 2.2调研事件行业层面拆解5 三、行业调研热度6 3.1热度因子初尝试6 3.2热度因子再探究6 3.3热度因子的有效性7 四、行业调研广度8 4.1广度指标初探究8 4.2广度因子预处理9 4.3广度因子构建9 五、调研活动因子的合成11 六、多维度行业轮动框架12 6.1调研活动因子对超预期增强轮动策略的补充12 6.2调研活动增强行业轮动策略14 七、调研行业精选策略15 八、总结17 风险提示17 图表目录 图表1：调研事件数据具体类别4 图表2：各类调研活动数量逐年变化5 图表3：调研活动各类型投资者调研次数占比5 图表4：部分调研选股因子IC5 图表5：调研选股指标构建5 图表6：初构热度因子IC统计表6 图表7：热度因子IC指标7 图表8：不同参数热度因子IC指标7 图表9：调研热度因子多空组合指标7 图表10：调研热度因子IC8 图表11：调研热度因子分位数组合表现8 图表12：基金公司参与调研次数8 图表13：调研热度因子多空组合表现8 图表14：调研热度因子分位数组合指标8 图表15：消费者服务指数与广度指标间隔3个月变化率9 图表16：医药指数与广度指标间隔3个月变化率9 图表17：调研广度因子IC指标10 图表18：调研广度因子IC10 图表19：调研广度因子IC分位数组合净值10 图表20：调研广度因子多空组合净值11 图表21：调研广度因子分位数组合指标11 图表22：调研活动因子IC指标11 图表23：调研活动因子IC12 图表24：调研活动因子分位数组合净值12 图表25：调研活动因子分组年化超额收益率以及胜率12 图表26：调研活动因子多空组合净值12 图表27：调研活动因子分位数组合指标12 图表28：大类因子截面秩相关系数均值13 图表29：调研活动因子IC统计表13 图表30：调研活动增强因子分位数组合净值13 图表31：调研活动增强因子多空净值表现13 图表32：因子多空组合指标13 图表33：调研活动增强行业轮动策略构建方法14 图表34：调研活动增强行业轮动策略净值14 图表35：调研活动增强行业轮动策略指标14 图表36：调研活动增强行业轮动策略逐年收益15 图表37：调研活动增强行业轮动策略分年度表现15 图表38：调研行业精选策略构建方法15 图表39：调研行业精选策略净值16 图表40：调研行业精选策略指标16 图表41：调研行业精选策略分年度表现16 图表42：2023年调研行业精选策略持仓推荐17 本篇报告是Beta猎手系列报告的第五篇，我们通过对行业内的调研活动平均数进行拆解，分别构建了调研热度与广度两类因子，并将两个因子合成，得到调研活动因子应用于行业轮动的策略中。调研活动有强制披露的要求，且数据披露格式规范，蕴含了大量机构投资者的行为信息。而现有调研事件的相关研究主要应用于选股层面，对行业层面的拆解分析较少。本篇报告通过对行业内调研活动平均数的拆解，分别从调研热度与广度两个维度，去刻画调研事件对行业的影响。调研热度通过覆盖公司的调研活动平均数来刻画行业内的公司热度。广度通过研究行业的调研覆盖程度来刻画行业调研拥挤度。从调研事件这一另类视角，分析调研热度与广度，我们可以更好地探察行业走势。 2.1调研事件数据速览 根据《深圳证券交易所创业板上市公司规范运作指引（2020年修订）》、《深圳证券交易所主板上市公司规范运作指引（2015年修订）》和《上海证券交易所上市公司自律监管指引第1号——规范运作》等文件的明确规定，上市公司接受从事证券分析、咨询及其他证券服务业的机构及个人、从事证券投资的机构及个人（以下简称调研机构及个人）的调研时，应当妥善开展相关接待工作，并按规定履行相应的信息披露义务。因此，调研事件数据可被整理成规整的数据形式，且信息量丰富。 调研事件数据主要分为两个部分： 调研活动部分：记录每次调研活动发生的对象公司、投资者活动关系类别以及调研日期与公告日期等相关信息。 调研参与主体部分：记录调研参与投资者的类型、名字等相关信息。 图表1：调研事件数据具体类别 投资者关系活动类别机构投资者类型 特定对象调研证券公司资管 分析师会议证券公司自营 媒体采访基金公司 业绩说明会证券公司 新闻发布会保险公司 路演活动投资公司 现场参观外资机构 其他其他 投资者接待日活动一对一沟通 来源：Wind，国金证券研究所 从数量的变化趋势看，调研活动数量从2019年开始呈稳定上升趋势，蕴含的信息增多。从调研活动的投资者关系活动类别看，调研活动主要以特定对象调研为主，业绩说明会和其他类型占比近年来略有增加。 参与者类型上，基金公司参与者调研占比相较早年提升明显，2020年占比比2019年显著提升，基金公司直接参与的调研数增多，使得我们能够从调研数据中获取更多的基金公司行为信息。同时，参与调研的机构类型主要是基金公司和证券公司，因此我们后续的研究主要围绕两者展开。 图表2：各类调研活动数量逐年变化图表3：调研活动各类型投资者调研次数占比 25000 20000 15000 10000 5000 0 201220132014201520162017201820192020202120222023 100% 80% 60% 40% 20% 特定对象调研 分析师会议 媒体采访0% 20132014201520162017 0182019202 业绩说明会 新闻发布会 路演活动 现场参观 其他 投资者接待日活动 一对一沟通 20202120222023 证券公司资管证券公司自营基金公司证券公司投资公司外资机构保险公司其他 来源：Wind，国金证券研究所来源：Wind，国金证券研究所 2.2调研事件行业层面拆解 目前调研事件数据多运用于选股策略的构建： 构造的选股指标呈现出较明显的动量效应，因子的IC均值多为正，属于热度在个股情绪面上的表现。 选股调研因子的构造方式较为多样，可以通过月度的调研事件次数等方法进行构建，常见指标的构建可看表5。 图表4：部分调研选股因子IC 因子名称 平均值 标准差 平均股票数 特定对象类型调研季度总数 0.43% 8.75% 669 其他类型调研季度总数 2.59% 13.59% 120 调研季度总数 0.64% 8.42% 787 来源：Wind，《主动量化研究之二:当绩优基金重仓股遇到调研会发生什么共振？》 图表5：调研选股指标构建 调研选股指标指标统计时段长度 调研次数一或三个月 调研次数的同比变化差值一或三个月 调研次数的同比变化率一或三个月 调研次数的环比变化差值一个月 调研次数的环比变化率一个月 机构调研次数一或三个月 机构调研次数的同比变化差值一或三个月 机构调研次数的同比变化率一或三个月 机构调研次数的环比变化差值一个月 机构调研次数的环比变化率一个月 来源：Wind，国金证券研究所 为了类比选股指标（调研次数）的构建方式，我们对行业调研活动平均数进行拆解。将行业调研活动的平均数拆解后，即可得到行业调研热度与行业调研广度两大指标。行业调研活动平均数的定义与拆解公式如下，其中j=1,2,……,29，表示除综合金融以外的29个行业。�行业=�表示对应公司（调研活动）属于j行业则取值为1，否则为0。 N:行业j当期的调研活动数量 M:行业j的公司数 Q:行业j当期有调研活动的公司数 ∑�调研活动|� ∑�调研活动|� ∑�调研公司|� �行业=�� 行业=�� 行业=� 行业内调研活动平均数= ∑�公司|� =∑�调研公司|� ∗ ∑�公司|� �行业=�� 行业=�� 行业=� 该行业调研活动总数量 = 该行业的公司总数量 该行业调研活动总数量 =∗ 该行业被调研公司总数量 该行业被调研公司总数量该行业的公司总数量 =行业调研热度∗行业调研广度 3.1热度因子初尝试 使用个股层面的月调研次数类比行业月热度指标，并在此基础上构建热度因子。下文所用热度指标均为月度统计值，行业j调研热度指标公式如下： ∑�调研活动|� 该行业调研活动总数量� 行业=� 行业j调研热度指标=该行业被调研公司总数量=∑�调研公司|� �行业=� 调研活动具有行业倾向，无法单纯使用绝对数比较行业之间的差异，需要使用相对数 （如同比变化等）对指标进行处理。对调研热度指标使用比值方法进行因子构建，构建得到的各类因子IC均值有负有正，且值都偏小（回测时间为2014年1月至2023年6月）。我们认为原因在于，个股层面的调研热度处理不能简单照搬至行业层面。 图表6：初构热度因子IC统计表 因子 平均值 标准差 最小值 最大值 风险调整的IC t统计量 调研热度3个月累计值环比变化 0.11% 20.89% -43.02% 60.50% 0.01 0.05 调研热度同比变化 -0.75% 18.35% -43.69% 35.70% -0.04 -0.42 调研热度季度变化 -2.12% 21.22% -44.70% 53.31% -0.1 -1.03 调研热度较12个月中位数变化率 -0.64% 22.84% -50.69% 52.35% -0.03 -0.29 调研热度较12个月75分位数变化率 -0.13% 22.79% -56.31% 52.70% -0.01 -0.06 来源：Wind，国金证券研究所 3.2热度因子再探究 通过简单的类比并不能取得较好的因子效果