追踪“聪明资金”系列四：如何争当“常胜将军”稳定跑赢公募权益同类？-20220124-中泰证券-36页_2mb

如何争当“常胜将军”稳定跑赢公募权益同类？——追踪“聪明资金”系列四总结

核心内容

本报告探讨了如何通过高频探测基金行业配置动向，复制或超越公募普通股票基金指数的策略。重点在于利用中信1.5级行业分类和基金重仓股数据，构建更精细的行业仓位探测模型，并通过不同时间窗口和换仓频率来优化复制策略。

主要观点

• 长期稳定胜出的基金是稀缺资源：在15年之前至21年底，没有一个主动权益基金可以每年排名在前50%。2016年至2021年，只有6个基金可以稳定排名前50%。2019年至2021年，有170个基金可以稳定排名前50%。因此，长期稳定跑赢同类的基金是市场稀缺的头部产品。

• 中信1.5级行业分类提升探测精度：将行业分类从申万一级下沉至中信1.5级，提高了行业仓位探测的精度。通过日度行业仓位探测，可以更细致地分析公募基金的配置动向，捕捉结构性行情。

• 行业仓位探测模型：通过一个优化的模型，利用基金持仓数据拟合中信1.5级行业仓位。模型使用最小化误差函数，控制调仓幅度，以提升拟合的准确性。

• 复制普通股票基金指数：通过基金重仓股构建复制组合，可以近似复制普通股票基金指数。虽然存在误差，但月度换仓策略在跟踪误差和排名上表现良好。

• 优化股票池挖掘能力因子：通过结合半年度和季度持仓数据，构建影子组合，优化选股交易能力因子。因子在不同时间窗口（6M、9M、12M、18M）的秩相关性和分层效果均表现良好，特别是12M和18M因子。

• 复制策略的收益表现：基于基金重仓股构建的复制策略，年化收益为10.2%，年化超额普通股票基金指数为-2%，年化跟踪误差为5.28%。若使用优选基金的重仓股，则年化收益可提升至16.13%，年化超额为3.92%，跟踪误差为5.86%。

关键信息

一、构建中信一级半行业指数

• 中信1.5级分类：将中信一级分类细化至中信1.5级，提升行业分类的颗粒度，有助于更精确地探测基金行业配置动向。
• 行业分类映射：将30个中信一级行业扩充至53个中信1.5级行业，平均持股个数从96个降低至68个，为更精细的拟合做准备。
• 行业仓位探测模型：模型通过最小化误差函数，控制调仓幅度，以提高拟合的准确性。参数选择为lambda=0.05，window=15，以获得最小的平均绝对误差和最高的方向准确性。

二、尝试复制普通股票基金指数

• 行业仓位拟合与复制策略：通过基金季度重仓股构建股票池，结合行业仓位拟合数据，复制普通股票基金指数。月度换仓策略年化收益为10.2%，年化超额为-2%，年化跟踪误差为5.28%。
• 误差来源：误差主要来自基金拟合、A端与C端数据差异、以及港股的剔除。
• 股票池挖掘能力因子：通过结合半年度和季度持仓数据，构建股票池挖掘能力因子。因子在不同时间窗口的秩相关性和分层效果均较好，特别是12M和18M因子。
• 复制策略的收益表现：使用优选基金的重仓股构建复制组合，年化收益为16.13%，年化超额为3.92%，年化跟踪误差为5.86%。该策略平均每年排名同类前20.2%。

三、探测优秀基金构建股票复刻策略

• 高频换仓策略：使用高频十天换仓可以更紧密地跟随优选基金的策略，而月度换仓则在12M范围内表现稳定。
• 回测结果：从2016年回测至2021年底，月度换仓跟随过去12M股票池挖掘能力前20的基金，年化收益为19.06%，年化超额为6.84%，年化跟踪误差为6.98%，平均每年排名37.4%。
• 股票池配置：复制策略在每个时间点根据基金重仓股配置，配置比例严格按照拟合的行业仓位进行。

风险提示

• 数据滞后性：报告结论基于历史数据，存在一定的滞后性。
• 第三方数据风险：数据提供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，可能存在历史规律失效的风险。
• 极端情形下的解释力不足：在极端市场情况下，模型可能存在解释力不足的风险。
• 未来表现不确定性：报告提到的基金产品和基金管理人的研究分析结果并不预示未来表现，不能保证可持续性。

总结

本报告详细介绍了如何通过中信1.5级行业分类和基金重仓股数据，构建更精细的行业仓位探测模型，并利用该模型复制或超越公募普通股票基金指数。通过优化股票池挖掘能力因子，提升复制策略的收益表现。报告强调了长期稳定跑赢同类的基金是市场稀缺资源，并提供了具体策略和回测结果。同时，也提醒了模型和数据的局限性，以及未来表现的不确定性。