20170612-华宝证券-FOF微观筛选系列（三）_着眼公募基金持仓_窥一斑而知全豹_16页_1mb

公募基金策略报告总结

核心内容概述

本报告聚焦于公募基金的持仓数据与净值归因分析，探讨如何利用这些数据进行基金风格的划分与筛选，以辅助FOF（基金中基金）的投资决策。报告指出，虽然公募基金持仓数据获取难度较大、更新频率较低，但其能够穿透至底层配置，具有较高的分析准确性。同时，报告引入了净值模拟与MAPE（平均绝对百分比误差）指标，评估前十大重仓股对基金净值走势的反映能力。

主要观点

1. 全部持仓风格归因

• 研究思路：通过分析基金的全部持仓数据，结合BARRA多因子模型中的风格因子，计算基金在不同因子上的暴露度得分，从而划分基金风格。
• 风格因子：包括成长、估值、盈利、规模、波动率、动量等，共10个因子，每个因子包含多个描述性指标。
• 风格划分：通过设定暴露度得分的阈值（如0.5），将基金划分为不同的风格类别。对于大小盘风格，使用申万指数的市值排名作为划分依据。
• 交叉验证：将持仓归因与净值归因（如Sharpe模型）进行对比，发现两者在风格划分上重合度较高（约60%-70%），增强了风格判断的可信度。
• 结论：持仓数据是风格划分的重要补充，有助于识别基金的风格特征与稳定性。

2. 前十大重仓股的分析价值

• 信息价值：季报仅公布前十大重仓股，信息不全。若前十大重仓股能有效反映基金的投资风格与业绩来源，则具有较高分析价值。
• 基金特征：通常认为，前十大重仓股具有分析价值的基金应具备高集中度、低换手率、前后持仓集中度变化较小等特征。
• 模拟方法：通过模拟基金净值曲线，结合前十大重仓股进行净值预测，计算MAPE指标评估模拟效果。
• MAPE指标：MAPE值越小，说明前十大重仓股越能有效反映基金的净值走势。当MAPE < 2时，模拟效果较好。

3. MAPE与基金特征的关系

• 换手率：MAPE与换手率无明显相关性，但换手率高的基金更可能在未来改变投资风格，因此前十大重仓股的分析参考意义有限。
• 持股集中度：高集中度的基金MAPE值小于2的比例更高（95.09%），说明其前十大重仓股更具信息价值。然而，低集中度基金中也有部分MAPE值较低（88.95%），表明前十大重仓股在某些情况下仍可作为分析参考。
• 结论：MAPE指标有助于拓宽前十大重仓股分析的应用范围，同时更深入理解其信息价值。

关键信息

• 持仓数据频率低：公募基金一年仅公布四次持仓，其中两次为全部持仓，因此需通过多时点数据进行交叉验证。
• 风格因子暴露度计算：使用流通市值加权标准化方法，将个股因子暴露度与基金持仓权重相乘，得出基金的风格暴露度得分。
• MAPE指标应用：用于衡量前十大重仓股模拟净值与实际净值的接近程度，MAPE < 2时模拟效果较好。
• 基金类型分类：
  • 类型Ⅰ：高股票仓位、高集中度、低换手率、集中度变化小、MAPE低
  • 类型Ⅱ：高股票仓位、高集中度、低换手率、集中度变化小、MAPE低
  • 类型Ⅲ：高股票仓位、高集中度、集中度变化小、MAPE低

图表与数据参考

• 图1：交银卓越回报与华安大国新经济2016年12月31日持仓风格
• 图2-4：价值/成长型基金在估值、盈利、成长因子上的暴露度分布
• 图5：大盘/小盘型基金在规模因子上的暴露度分布
• 图6-8：富国改革动力、博时行业轮动、华夏盛世精选的净值模拟与实际净值对比
• 图9-11：MAPE与换手率、持股集中度的关系分析

风险提示

• 本报告基于公开信息，不保证其准确性与完整性。
• 投资建议仅反映报告发布当日的判断，不构成买卖依据。
• 投资有风险，需谨慎对待。
• 报告内容仅限内部研究使用，未经许可不得擅自引用或传播。

结论

本报告通过分析公募基金的持仓数据与净值归因方法，提出了一种结合两种数据的风格划分策略，并引入MAPE指标评估前十大重仓股对基金净值的代表性。结果显示，持仓数据可作为风格判断的有效补充，而MAPE指标有助于识别哪些基金的前十大重仓股更具分析价值。报告强调，虽然前十大重仓股具有一定的参考意义，但其信息价值仍受多种因素影响，需结合其他方法进行综合判断。