追踪“聪明资金”系列：揭开公募持仓“面纱”，细化模型尝试对股票仓位进行高频跟踪-20220502-中泰证券-26页_2mb

公募持仓“面纱”揭开与股票仓位高频跟踪分析

核心内容概述

本报告旨在通过细化模型，对公募基金的股票仓位进行高频跟踪分析，以揭示“聪明资金”的持仓动向。通过构建基于基金持仓的行业指数，提高对股票仓位的探测精度，并结合非重仓股与细分行业分类进行综合分析，以更好地捕捉基金的持仓变化趋势。

主要观点

• 股票仓位探测困难：由于股票维度庞大，传统的行业分类方法无法有效拟合股票仓位。基金持仓与申万一级行业持仓重合度较低，且持仓变化频繁，难以准确预测。
• 重仓股探测可行：通过分析基金的前十大重仓股，发现其重合比例较高，且方向准确性较好，适合用于仓位探测。
• 构建个基行业指数：基于基金持仓，构建自身的行业指数，以提高探测精度。通过统计分析发现，86%的基金自身行业指数年化收益显著优于同类编制的行业指数。
• 模型优化：结合季度前十大持仓与非重仓股映射到中信1.5级行业分类，进行仓位探测与校准，提升模型的稳定性与准确性。

关键信息

一、股票仓位探测遇到的潜在问题

1. 股票维度过于庞大：主动权益基金持仓股票数量远高于申万一级行业持仓，导致探测难度增加。
2. 难以框定拟合股票备选池：基金持仓变动频繁，难以确定一个稳定且合适的股票池用于拟合。
3. 重仓股与非重仓股的探测差异：重仓股的重合比例较高，适合用于探测；而非重仓股由于变化较大，需要结合行业分类进行降维处理。

二、拟合行业指数进行调整

1. 行业指数构建：基于基金持仓，构建中信1.5级行业指数，以提高探测的准确性。
2. 个基行业指数与整体指数差异性检测：通过统计分析，发现个基行业指数在多数板块上表现优于整体行业指数，但在部分板块如其他化学制品、钢铁等存在显著差距。
3. 模型优化：通过使用季度前十大持仓与非重仓股映射到中信1.5级行业分类，进行仓位探测与校准，提高模型的稳定性与准确性。

三、重仓股与细分行业探测模型更新

1. 非重仓股拟合变量的构建：将非重仓股映射到中信1.5级行业分类，构建行业指数进行拟合。
2. 探测模型构建：采用优化模型，结合重仓股与非重仓股的行业指数进行拟合，使用 $\lambda$ 控制调仓幅度，确保模型稳定性。
3. 个基探测展示：以某头部基金公司产品为例，展示其在不同行业中的持仓变化趋势，验证模型的有效性。

风险提示

• 数据滞后性：本报告结论基于历史数据，可能存在滞后性。
• 第三方数据风险：部分数据来源可能存在不准确的风险。
• 模型局限性：模型基于历史规律总结，可能无法准确预测未来。
• 极端情形风险：在极端市场情况下，模型可能解释力不足。
• 基金表现不确定性：基金产品和基金管理人的研究分析结论不预示未来表现，不构成投资建议。

模型应用与结果

• 重仓股方向准确性：对于头部重仓股，随机样本展示出较高的方向准确性，平均约71.86%。
• 细分行业探测：通过结合重仓股与非重仓股的行业分类，提高探测的准确性，平均拟合绝对误差49bp。
• 个基行业指数表现：在5%显著性水平下，有86%的基金自身行业指数年化收益显著超额同类指数。

结论

本报告通过构建基于基金持仓的行业指数，结合重仓股与非重仓股的分析，提高了对公募基金股票仓位的探测精度。尽管存在一定的局限性，但模型在多数细分行业中表现出较高的准确性，为投资者提供了有价值的参考信息。