机构持仓信息研究系列之五:基于公募基金实时仓位测算的选股研究-20211207-兴业证券-38页_2mb
报告摘要
基金个股仓位测算与选股因子构建研究报告总结
核心内容
本报告提出了一种基于公募基金收益率数据的个股仓位实时测算方法,并创新性地构建了13个选股因子,最终合成一个具有较强优势的个股仓位大类因子SWF。该因子在有效性、特异性、实时性及创新性方面表现出色,为投资者提供了新的选股视角。
主要观点
- 实时性重要性:由于公募基金持仓数据公布频率较低且存在滞后性,对基金仓位的实时测算具有较强的实用价值。
- 测算方法:采用多元线性回归法,结合基金净值增长率与持仓股票收益率进行回归分析,通过时间加权最小二乘法提高测算精度。
- 误差控制:通过统计发现,基金重仓股变动较小,且平均仓位的测算误差低于单只基金的误差,有效减少了测算中的噪音。
- 因子构建:构建了四类共13个因子,包括基本因子、横截面持仓分歧因子、时间序列均值因子、持仓相似度动量因子。
- 因子有效性:所有因子均表现良好,IC均值大多在2%以上,年化IC_IR在1以上,部分因子甚至达到2以上。
- SWF因子表现:SWF因子在月频和周频下均表现出色,年化超额收益分别达到8.94%和11.77%,且具有极强的特异性。
关键信息
一、基金仓位测算方法
- 样本选择:仅选取主动偏股型基金(普通股票型、偏股混合型、灵活配置型、平衡混合型)进行测算。
- 数据来源:使用基金季报、半年报、年报等公开信息,结合时间加权最小二乘法进行回归。
- 约束条件:
- 基金持有单只股票的市值不得超过基金净值的10%。
- 仓位总和在60%-95%之间,具体根据基金类型调整。
- 变量设置:
- 基金净值增长率(y)
- 前十大重仓股收益率(x1-x10)
- 非重仓股组合收益率(x11)
- 国债指数收益率(z)
二、因子构建与有效性分析
-
因子分类:
- 基本因子:7个,包括个股仓位因子、相对权重因子、个股仓位净变动因子、相对权重变动因子。
- 横截面持仓分歧因子:2个,基于持仓分歧构建。
- 时间序列均值因子:2个,基于均值与标准差构建。
- 持仓相似度动量因子:2个,基于基金持仓相似度与动量指标构建。
-
因子表现(月频):
- StockWeight:年化IC_IR为1.28,t值为4.39,多头年化超额收益达1.89%。
- RelativeWeight:年化IC_IR为1.07,t值为3.66,多头年化超额收益达9.29%。
- NetChange:年化IC_IR为1.27,t值为4.34,多头年化超额收益达2.26%。
- RelativeWeight_Change:年化IC_IR为0.99,t值为3.40,多头年化超额收益达2.04%。
- RelativeWeight_BottomUp:年化IC_IR为1.35,t值为4.62,多头年化超额收益达1.36%。
- NetChange_BottomUp:年化IC_IR为1.34,t值为4.58,多头年化超额收益达1.96%。
- RelativeWeight_Change_BottomUp:年化IC_IR为1.34,t值为4.58,多头年化超额收益达1.96%。
-
因子表现(周频):
- StockWeight:年化IC_IR为2.13,t值为7.25,多头年化超额收益达3.50%。
- RelativeWeight:年化IC_IR为1.67,t值为5.68,多头年化超额收益达5.65%。
- NetChange:年化IC_IR为2.89,t值为9.84,多头年化超额收益达2.05%。
- RelativeWeight_Change:年化IC_IR为2.69,t值为9.17,多头年化超额收益达1.95%。
- RelativeWeight_BottomUp:年化IC_IR为2.26,t值为7.69,多头年化超额收益达2.31%。
- NetChange_BottomUp:年化IC_IR为2.96,t值为10.08,多头年化超额收益达1.89%。
- RelativeWeight_Change_BottomUp:年化IC_IR为2.73,t值为9.30,多头年化超额收益达1.75%。
三、SWF因子分析
-
SWF因子表现(月频):
- IC均值为3.00%,年化IC_IR为1.46,t值为5.02。
- 分位数组合多头年化收益为18.30%,年化超额收益为8.94%。
-
SWF因子表现(周频):
- IC均值为2.68%,年化IC_IR为2.60,t值为8.86。
- 分位数组合多头年化收益为20.81%,年化超额收益为11.77%。
-
因子特异性:
- SWF因子与Barra因子、FundHolding因子相关性均低于0.2,相关性低于0.1的占比达90.9%。
- 与FundHolding因子相关性仅为0.08,说明SWF因子具有较大的创新性和特异性。
风险提示
- 本报告模型基于历史数据,存在市场环境变化导致模型失效的风险。
结论
本报告提出了一种基于公募基金个股仓位的实时测算方法,并构建了13个选股因子,最终合成SWF因子。SWF因子在多个维度上表现出色,具有较强的实时性、有效性、特异性及创新性,为投资者提供了新的选股工具。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载