20220822-国联证券-金融工程专题_NLP增强的主动权益基金标签体系_25页_1mb

NLP增强的主动权益基金标签体系总结

核心内容

本文探讨了如何利用自然语言处理（NLP）技术增强主动权益基金的分类体系，以提高FOF（基金中基金）管理的效率和准确性。通过有监督和无监督的分类方法，对未建仓与已建仓基金进行分类，并结合文本和持仓信息识别基金的风格漂移现象。

主要观点

• 基金分类的重要性：基金分类是FOF管理流程的起点，对基金评价、筛选和组合配置具有关键作用。
• 传统分类方法的局限性：传统方法如事前法和事后法在识别基金风格漂移方面存在不足，且无法对复杂策略进行精细分类。
• NLP技术的应用：引入NLP技术，特别是百度ERNIE3.0模型和TF-IDF算法，可以更深入地挖掘基金合同文本信息，提高分类精度。
• 层次化聚类的应用：对已建仓基金，采用基于距离矩阵的层次化聚类方法，实现多维度的基金画像，增强分类的稳健性。
• 风格漂移的识别：通过文本与持仓信息的结合，量化识别基金风格漂移，为FOF组合管理提供支持。

关键信息

1. 有监督分类

• 适用对象：未建仓的主动权益基金。
• 方法：采用百度ERNIE3.0模型对基金合同文本进行有监督分类。
• 数据预处理：从基金合同中提取投资目标、投资基准、投资理念和投资策略字段，并拼接成文本样本。
• 结果：
  • 模型在测试集上的准确率达89.83%。
  • 对2/3以上的类别预测准确率超过70%。
  • 行业主题基金预测准确率多在80%以上，而量化、价值、均衡主题基金准确率较低。

2. 无监督聚类

• 适用对象：已建仓的主动权益基金。
• 方法：基于TF-IDF算法将基金合同文本向量化，结合持仓、净值等信息进行层次化聚类。
• 聚类方法：
  • 距离阈值：用于识别高相似度的社区结构，适用于平替产品投资。
  • CH指数：用于选择组间异质性最大的聚类组数，适用于FOF组合投资。
• 结果：
  • 当组数=26时，CH值最大，聚类效果最佳。
  • 各聚类组的频数多在100只以下，聚类结果较为精细。

3. 风格漂移的识别

• 定义：风格漂移指基金投资风格与初始分类发生显著变化。
• 方法：
  • 文本与持仓向量距离差：通过比较基金与基准产品的文本和持仓向量距离来识别风格漂移。
  • 组内行业分布差异：在文本聚类基础上，根据组内样本的行业分布差异来定义风格漂移。
• 结果：通过量化方法有效识别了风格漂移现象，为FOF组合管理提供参考。

图表说明

• 图表1：基金分类是FOF管理流程的起点。
• 图表2：好的分类体系使基金投研更高效。
• 图表3：百度ERNIE和TF-IDF均适用于小样本、长文本的分类任务。
• 图表4：主动权益基金分类使用多种机器学习算法。
• 图表5：2018年NLP预训练时代开启后，百度ERNIE模型的表现后来居上。
• 图表6：主动权益基金的文本分类标签体系共有15个类别。
• 图表7：合同数据集近50%的文本长度大于500字符。
• 图表8：ERNIE的文本多分类任务训练准确率达90%。
• 图表9：模型对2/3以上类别的主动基金预测准确率大于70%。
• 图表10：由ERNIE3.0模型预测的各类型规模靠前的主动权益基金简况。
• 图表11：纳入文本、持仓信息的主动权益基金层次化聚类流程。
• 图表12：主动基金的聚类特征包括持仓信息、交易偏好和基金合同等。
• 图表13：TF-IDF文本向量的余弦相似度选出的各主题部分代表性基金。
• 图表14：基金持股的加权市值准确反映基金经理的大/小盘风格。
• 图表15：以持股的GV分数来准确判断基金的成长/价值风格。
• 图表16：各板块、行业近2年平均仓位排名前5的基金简况。
• 图表17：金梓才所管两只基金的板块变化大，葛兰两只基金的板块变化小。
• 图表18：结合文本、持仓信息量化刻度部分主题基金的风格漂移情况。
• 图表19：预定义距离矩阵的频次分布和众数。
• 图表20：按阈值聚类的各组频数统计。
• 图表21：根据距离阈值聚类产生的组别主题特征多样、鲜明。
• 图表22：基于距离阈值的社区识别将投资风格相近的基金经理归并到一起。
• 图表23：层次化聚类当组数=26时的CH值最大。
• 图表24：26组文本聚类的频数多在100只以下。
• 图表25：经持仓信息优化后的主动权益基金聚类标签体系。
• 图表26：金融地产主题部分基金简况。
• 图表27：大消费主题部分主动基金简况。
• 图表28：科技主题部分基金产品简况。
• 图表29：医药主题部分基金产品简况。
• 图表30：新能源主题部分基金简况。
• 图表31：成长风格主题部分基金简况。
• 图表32：价值风格主题部分基金简况。
• 图表33：红利风格主题部分基金简况。
• 图表34：国企改革主题部分基金简况。

风险提示

• 基金的业绩分析基于历史数据，计量模型带有一定的假设，据此预测未来收益存在失准、失效的可能。

分析师信息

• 分析师：朱人木
• 执业证书编号：S0590522040002
• 电话：未提供
• 邮箱：zhurm@glsc.com.cn
• 联系人：孙子文
• 邮箱：sunzw@glsc.com.cn

相关报告

1. 《本周MLF降息，利好中小成长风格》2022.08.21
2. 《北向偏好新能源，医药ETF持续流入》2022.08.21
3. 《基金市场08月周报（8.15-8.21）》2022.08.21