20180813-华创证券-专题报告_基于基金行业仓位预算的行业轮动策略_22页_2mb

报告摘要

基于基金行业仓位测算的行业轮动策略总结

核心内容

本报告探讨了基于公募基金行业配置的行业轮动策略，旨在通过基金持仓动量来捕捉行业趋势，从而构建更具稳定性和前瞻性的投资策略。

主要观点

行业轮动模型的挑战
- 量化模型根据标的类型可分为选股、行业轮动和择时，难度依次上升。
- 传统价量、基本面因子及一致预期因子难以直接应用于行业轮动模型，因其对IC（信息系数）要求较高。
- 行为金融学中的“考核相对排名的奖金制度”影响了基金的行业配置行为，使其倾向于集中配置。
基于基金重仓股的行业轮动策略
- 利用基金季报前十大重仓股构建行业轮动信号，但因数据滞后和信息不全，效果不理想。
- 通过“重仓股扩展法”将基金的行业配置比例推算为整体配置，但该方法存在信息损失和滞后问题。
基于基金行业仓位测算的行业轮动策略
- 使用二次规划算法对基金收益进行分解，获取各行业上的绝对仓位。
- 将绝对仓位转化为分位数，构建行业轮动信号，从而捕捉行业配置的相对变化趋势。
- 策略效果显著改善，回测期间多头年化相对收益达12.51%，夏普率1.52，季度胜率73.07%，盈亏比2.68。
策略表现与问题分析
- 月度测算数据存在过拟合问题，导致行业仓位“跳动”和策略换手率上升。
- 长期动量趋势与短期波动性并存，策略在long组表现稳定，但short组表现不佳。
参数敏感性分析
- 基金池选择影响策略表现，股票型基金相较混合型基金带来更高超额收益。
- 中性化滚动时间序列长度应不少于一年半，以保证行业信号的辨识度。

关键信息

策略构建方法：通过基金净值进行收益分解，得到各行业上的近似仓位，再将其转化为分位数信号。
数据来源：使用基金季报和年报数据，通过二次规划算法测算基金行业仓位。
回测区间：2011年底至2018年8月10日，不考虑手续费，按季调仓。
策略表现：
- Long组相对收益：年化12.51%，夏普率1.52，胜率73.07%，盈亏比2.68。
- Short组相对收益：年化-3.31%，夏普率-0.47，胜率38.46%，盈亏比0.89。
- Long_short组合年化收益：14.83%，夏普率1.23，胜率69.23%，盈亏比1.91。
时间序列长度敏感性测试：
- 选择滚动周期为8个季度时表现最佳，超过12个季度后策略效果趋于稳定。
风险提示：策略基于历史数据回测，不保证未来有效性。

结构分析

一、引言

量化模型的分类：选股、行业轮动、择时。
行业轮动模型的难点：广度较低，需高IC信号。
基金行业配置作为新的信号来源，具有较高的信息维度和逻辑深度。

二、基于基金重仓股的行业轮动策略

行业轮动类型：长期动量效应。
数据处理方法：使用季报前十大重仓股构建行业轮动信号。
信号检验结果：
- 秩相关系数和t值衰减显示信号具有一定预测性，但效果不理想。
- 信号前移22个交易日后表现有所改善。

三、基于基金行业仓位测算的行业轮动策略

测算方法：采用二次规划算法对基金收益进行分解，得到行业仓位。
信号构建：将行业仓位转化为分位数，选取前10%和后10%作为long和short组。
回测结果：
- 多头表现良好，空头表现较差。
- 月度测算存在过拟合问题，导致策略波动性上升。
参数敏感性测试：
- 基金池选择：股票型基金表现优于混合型基金。
- 时间序列长度：建议不少于一年半，以提高信号稳定性。

四、总结及展望

策略在长期动量趋势上表现良好，符合市场底层逻辑。
未来研究可从微观角度入手，跟踪优秀基金的行业配置，构建不同角度的行业轮动策略。
需进一步优化信号的鲁棒性，避免因数据滞后和粉饰带来的误差。

五、风险提示

策略基于历史数据回测，不保证未来有效性。
投资需谨慎，市场存在风险，需自行评估。

附录：团队介绍

首席分析师：陈杰，武汉大学经济学硕士，CFA、FRM。
高级分析师：王小川，同济大学管理学博士。
研究员：卢威、邵文、李涛涛。
助理研究员：秦玄晋、刘昺轶。

投资评级体系

公司投资评级：
- 强推：预期未来6个月内超越基准指数20%以上。
- 推荐：预期未来6个月内超越基准指数10%-20%。
- 中性：预期未来6个月内相对基准指数变动幅度在-10%~10%之间。
- 回避：预期未来6个月内相对基准指数跌幅在10%-20%之间。
行业投资评级：
- 推荐：预期未来3-6个月内该行业指数涨幅超过基准指数5%以上。
- 中性：预期未来3-6个月内该行业指数变动幅度相对基准指数-5%~5%。
- 回避：预期未来3-6个月内该行业指数跌幅超过基准指数5%以上。