基于基金仓位的投资策略与实战案例

2024.06.03 张晗(分析师) 021-38676666 金融工程 金融工 程 数量化专 题 证券研究报 告 基于基金仓位的投资策略与实战案例 本报告导读： 本文利用高频基金仓位、基于两个朴素逻辑构建了投资策略，并结合实际案例说明该指标的使用方式。 摘要： 季报的基金持仓数据频率较低且并不全面。给定基金池，数学模型可以帮助我们周频乃至日频地监测该基金池对各个行业的持仓权重。我们一可以根据基金持仓水平来判断该行业的拥挤程度，二可以根据持仓变动跟踪基金加仓重点，三可以观察基金池的行业漂移情况。 模型的核心原理是寻找一组合适的股票权重，在该权重下基金的收益率与实际收益率相符。实际计算时可分为计算基准持仓和高频模拟持仓两步。模型对主动权益基金池的监测平均误差维持在0.45%左右，误差较小。 关于基金仓位，有两个朴素的投资逻辑： (1)基金仓位过高或过低都不利于超额收益的产生，过高的基金仓位可能意味着板块微观结构的拥挤以及后续乏力。实证显示，仓位分位数处于第一档（0-20%）和第五档（80-100%）的行业的下月 平均超额收益率较低，负超额概率更高。环保、传媒、煤炭和钢铁等行业受基金仓位影响较为显著。 (2)基金仓位环比上升有利于超额收益的产生，其假设是基金作为专业能力更强、信息更充足的投资者，基金的加仓行为可能引起羊群效应。实证显示，基金仓位处于中等分位（20%-80%）时，仓位上升后的平均超额收益为正。 根据这两个逻辑，选择基金仓位处于中位或中位且上行的行业构建等权组合，其2021年至今的各项指标均优于基准。同样使用基金仓位 指标对单个行业进行择时，即只在基金仓位中位或中位上行时进行持有。结果显示，择时收益高于长期持有。 本文以近期煤炭和银行的上涨作为实战案例，剖析了基金仓位指标的 使用方式： (1)若主动基金是上涨的动力，则需注意仓位分位数是否达到高位。 2021年至今，主动基金是煤炭指数上涨的重要动力。在这种情况 下，基金仓位达到90%分位点之后，煤炭指数开始震荡甚至下行 (2)若主动基金为跟随入场，则需将仓位分位数观察临界点降低。2024年红利风格大受欢迎，主动基金可能为跟随入场，需要注意其他 资金离场带来的风险，或可将信号点降低为70%或80%。 风险提示：本篇报告所述相关文章结论以及实证结论完全由量化模型和历史数据得到，请注意样本外存在失效的可能性。 zhanghan027620@gtjas.com 登记编号S0880522120005 梁誉耀(研究助理) 021-38038665 liangyuyao026735@gtjas.com 登记编号S0880122070051 相关报告 铜行业变量定价规律与量化投资模型 2024.05.28 2024年6月核心指数定期调整前瞻 2024.05.05 宽基ETF扩容，关注指数调整冲击成本 2024.05.05 利用流通股本分布寻找上涨信号 2024.04.19 芯片行业状态监测与量化投资模型 2024.02.20 目录 1.基金仓位高频监测3 1.1.模型原理介绍3 1.2.模型监测结果具备一定的准确性4 2.基于基金仓位分位水平与环比的投资策略5 2.1.过高或过低的基金仓位不利于行业超额，中位且上行更易产生正向超额5 2.2.基于基金仓位分位数水平与环比的投资策略7 3.基金仓位的使用变式与实战案例8 3.1.煤炭：主动基金是上涨动力之一，仓位高点后续乏力8 3.2.银行：主动基金并非初始动力，仓位未到高位也需谨慎9 4.风险提示9 1.基金仓位高频监测 官方披露的基金持仓数据频率较低。一般来说，我们可以从基金定期报告和上市公司财报中获得基金对某支股票的持仓情况，但两者的披露频率均较低。例如基金的季报在季度结束后15个工作日内完成披露，半年报在半年结束 后60日内披露，年报在每年结束后90日内披露；上市公司定期报告类似，均为季频披露。 官方披露的基金持仓数据并不全面。基金季报只披露前十大重仓股，上市公司只披露前十大股东且不一定包含所有对其持仓的基金，基金中报和年报会披露全部持仓但时滞期长。 给定基金池，数学模型可以帮助我们周频乃至日频地监测该基金池对各个行业的持仓权重。我们一可以根据基金持仓水平来判断该行业的拥挤程度，二可以根据持仓变动跟踪基金加仓重点，三可以观察基金池的行业漂移情况。 1.1.模型原理介绍 模型的核心原理是寻找一组合适的股票权重，在该权重下基金的收益率与实际收益率相符。在实际计算时分为两个步骤： Step1：计算基准持仓。所谓基准持仓，即最新的较为准确的持仓，即在最新的基金季报数据的基础上进行补全。补全的原理为，在行业权重与前十大重仓股权重符合基金季报披露情况的约束下，选取恰当的个股权重，尽可能 使季报截止日前20个交易日的个股加权收益率接近基金实际收益率。具体来说， 假设个股数量为n，优化模型如下： 20 𝑚𝑖�∑(𝜔�∙𝑟�−𝑟𝑓) 约束条件 𝑡=1 �� � 𝜔�=𝜔𝑟,�=1,2,...,100<𝜔�<𝜔10,�>10 𝐼�=𝜔𝑖𝑛� � � � 目标函数中，�=(𝜔1,𝜔2,...,𝜔𝑛)𝑇，表示个股持仓权重，𝑟�也是n维向量，表示个股在第t个交易日的收益率，𝑟�表示基金在第t个交易日的收益率。第一个约束条件表示前十大重仓股权重𝜔�应与季报披露的真实权重𝜔�相等， 上市公司前十大流通股东的权重也加入其中。 第二个约束条件表示其他备选股的权重应小于第十大重仓股。备选股为行业内市值排名靠前的个股。 第三个约束条件表示个股持仓按行业加总后应等于季报披露的行业配置比例𝜔𝑖𝑛𝑑，I表示个股对应的行业哑变量矩阵。 Step2：高频模拟持仓。在尽可能少偏离基准持仓的前提下，选择合适的个 股（个股选取与基准持仓相同）权重，使得近20个交易日的加权收益率接近基金实际收益率。具体如下： 20 𝑚𝑖�∑(𝜔�∙𝑟�−𝑟𝑓)+�∙‖𝜔�−𝜔‖2 约束条件 𝑡=1 �� 0<𝜔�≤0.1 � �≤∑𝜔�≤� 𝑖−� 目标函数中，�为惩罚项系数，默认取0.1。𝜔�为报告期基准权重向量。第一个约束条件表示个股的权重非负，且不超过10%。 第二个约束条件表示基金模拟持仓权重之和应限定在一定范围之内：对于偏股混合型基金，u=0.95，d=0.6 对于普通股票型基金，u=0.95，d=0.8对于灵活配置型基金，u=0.95，d=0 1.2.模型监测结果具备一定的准确性 本文选取偏股混合型基金和普通股票型基金作为主动权益基金池，高频监测其行业配置权重。 模型监测结果具备一定的准确性。以2023年年报为例，2023年基金年报在2024年3月31日才披露完毕，但模型在2024年1月1日就可以监测到与之相近的行业权重。 图1：模型对2023年年报的高频监测结果与实际情况接近 数据来源：Wind，国泰君安证券研究 为避免单个报告期带来的偶然性偏误，我们对多个报告期进行了检验。我们发现高频持仓监测对主动权益基金池的监测平均误差维持在0.45%左右，误差较小。 图2：模型对主动权益基金池的监测平均误差维持在0.45%左右 数据来源：Wind，国泰君安证券研究 2.基于基金仓位分位水平与环比的投资策略 关于基金仓位，有两个朴素的投资逻辑：一是基金仓位过高或过低都不利于超额收益的产生，过高的基金仓位可能意味着板块微观结构的拥挤以及后续资金流入乏力，过低的基金仓位可能意味着该板块不被主流资金青睐；二是基金仓位环比上升有利于超额收益的产生，其假设是基金作为专业能力更强、信息更充足的投资者，基金的加仓行为可能引起羊群效应。 本章根据这两个投资逻辑进行统计验证与构建投资策略。 2.1.过高或过低的基金仓位不利于行业超额，中位且上行更易产生正向超额 利用高频持仓监测的结果，我们滚动过去三年的持仓水平并计算当前所处分位数，将当前分位数等分成五档进行研究。 过高、过低的基金仓位不利于行业超额。将2021至今的样本、不区分年份进行统计，可以看到，仓位分位数处于第一档（0-20%）和第四（60-80%）、 五档（80-100%）的行业的下月超额收益率较低，而处于第二档（20-40%）和第三档（40-60%）的行业的下月超额收益率较高。此外，仓位分位数处于第一档和第五档的行业的下月超额收益率为负的概率为55%以上。 图3：仓位分位数处于第一档和第四、五档的行业的下月超额收益率较低 图4：仓位分位数处于第一档和第五档的行业的下月超额收益率为负的概率为55%以上 数据来源：Wind，国泰君安证券研究数据来源：Wind，国泰君安证券研究 这一规律在不同行业的展现程度有所不同，但总体符合。分行业来看，环保、传媒、煤炭和钢铁等行业在高基金仓位后一个月往往超额收益为负，大多数行业的高超额收益出现在中等基金仓位（滚动排名20%至60%）之后，少量行业如轻工、电力设备、纺织服饰和家电的高超额收益出现在高基金仓位之后。此外，大多数行业下月超额收益与当前基金仓位的相关系数为负。 行业 1 2 3 4 5 环保 1.3% 2.3% -1.4% -0.4% -1.5% 传媒 0.7% 0.0% -7.5% -1.0% -4.3% 煤炭 2.6% 2.9% 4.4% 3.3% -1.1% 钢铁 6.0% -0.2% 3.8% -3.2% -1.3% 非银金融 -0.3% -3.2% 2.3% 0.3% 机械设备 0.7% -0.9% 2.5% 0.0% 国防军工 -1.9% 1.8% 1.9% -1.8% -0.1% 石油石化 4.1% -1.3% 1.3% 0.1% 0.8% 建筑装饰 1.2% 2.0% -2.0% 1.1% -0.7% 食品饮料 0.5% 2.0% -2.2% -1.1% 0.6% 交通运输 -1.0% 1.8% -1.5% -0.3% -0.3% 建筑材料 -1.0% -0.8% -4.2% 1.6% 银行 0.5% 0.3% 1.3% -6.7% 汽车 3.1% 1.6% -0.6% 0.2% 综合 1.6% -5.2% 1.2% 0.6% -3.2% 有色金属 -1.4% 1.4% 0.7% 0.2% 1.5% 房地产 -1.8% -0.2% -0.3% -5.4% -1.0% 美容护理 -0.5% 1.9% -1.3% 2.0% -1.4% 农林牧渔 -0.6% -0.1% -0.7% -0.1% -2.5% 医药生物 -1.5% 2.7% -1.7% 0.5% -1.4% 商贸零售 -1.1% -2.7% -0.4% 基础化工 1.0% -0.8% -0.2% 0.7% 计算机 -0.7% -0.2% 3.1% 1.1% -0.4% 公用事业 2.6% -0.7% -0.5% 0.8% 0.8% 轻工制造 -0.3% 0.0% 0.0% -1.3% 0.2% 电力设备 -0.7% -2.5% -3.2% 1.9% 纺织服饰 -1.2% -1.1% 0.2% 0.2% 0.3% 电子 -1.6% 0.0% -1.1% 1.0% -0.3% 家用电器 -0.7% -0.7% -4.9% -0.2% 6.2% 社会服务 -1.0% 1.8% -3.2% -3.4% 2.3% 通信 -1.1% 0.5% 3.1% 3.5% 0.1% 表1：大多数行业收益最高（红色方块）位于基金仓位第二档与第三档 表2：大多数行业下月超额收益与当前基金仓位的相关系数为负。 行业 相关系数 P值 环保 -35% 2% 传媒 -33% 4% 煤炭 -28% 8% 钢铁 -27% 9% 非银金融 -24% 13% 机械设备 -16% 31% 国防军工 -14% 37% 石油石化 -14% 37% 建筑装饰 -14% 39% 食品饮料 -13% 40% 交通运输 -13% 41% 建筑材料 -13% 44% 银