追寻优秀基因系列之八：基金经理调研标签体系及应用-20230529-招商证券-26页_1mb

基金经理调研标签体系及应用总结

核心内容

本报告系统分析了基金经理调研行为特征及有效性，并构建了调研标签体系，包括调研勤奋度、调研热门度、区域集中度、调研利用度和调研协作度等指标。通过因子有效性检验和回测分析，验证了这些因子在预测基金经理未来业绩方面的价值。报告还探讨了调研信息在个股选择和行业轮动中的应用，并尝试构建FOF组合进行投资策略优化。

主要观点

1. 调研勤奋度是五个调研因子中对基金经理未来业绩影响最为显著的指标，其IC均值为8%，IC胜率为76%，ICIR为0.77，且T检验显著，说明其具备较强的预测能力和稳定性。
2. 调研利用度和调研协作度具有弱正向预测效果，但受线上调研影响较大，其预测效果在疫情后有所减弱。
3. 区域集中度和调研热门度因子对基金经理业绩无显著预测效果。
4. 北京和广东的区域调研专家选股组合表现优于非区域调研组合，且年化收益显著高于中证偏股基金指数。
5. 基金经理调研行为具有一定的选股前瞻性，尤其在行业主题型、勤奋调研型、独立调研型、集中调研型和高协作度型基金经理中表现更为突出。
6. 利用调研因子构建的FOF组合年化收益均高于中证偏股基金指数，其中基于综合调研因子的TOP10 FOF组合年化收益达到18%，表现最佳。

关键信息

一、机构调研信息披露

• 上交所和深交所近年来加强了对上市公司机构调研信息的披露要求，机构调研信息披露完整度有所提升。
• 自2013年以来，每年披露的机构调研事件接近1万，2022年达到2.2万，覆盖A股公司数量占比超过80%。
• 2020年疫情后，线上调研大幅增加，超过七成基金经理采用线上方式调研。

二、调研标签体系构建

• 调研勤奋度：统计基金经理过去6个月参与调研的次数，标准化后作为因子值。
• 调研热门度：计算被调研股票的热门度，再统计基金经理所调研股票的热门度均值。
• 区域集中度：以基金经理调研次数最多的省份占比作为因子值。
• 调研利用度：统计基金经理亲自调研的标的在其持仓中的比例。
• 调研协作度：统计基金公司其他成员调研的标的在基金经理持仓中的比例。

三、因子有效性检验

• 调研勤奋度具有显著预测效果，IC均值为8%，IC胜率为76%。
• 调研利用度和调研协作度的IC均值为4%，但预测效果较弱。
• 调研热门度和区域集中度的IC均值较小，且T检验不显著，说明其对业绩无明显预测作用。

四、因子标签应用

• 勤奋调研型基金经理：如谢泽林、孙浩中、石础等，业绩表现突出。
• 区域调研专家：如北京和广东区域的调研专家，构建的选股组合表现优于非区域组合。
• 高利用度型基金经理：如石础、李锦文、于腾达等，其调研标的在持仓中的占比较高。
• 高协作度型基金经理：如孙权、高翔、王斌等，其持仓中较多来自团队调研的标的。

五、调研形式对因子有效性的影响

• 疫情前，87.08%的基金经理采用线下调研，线上调研较少。
• 疫情后，线上调研大幅增加，但对调研利用度和协作度因子的预测效果有所减弱。
• 调研勤奋度因子的预测效果在疫情前后均较为突出，说明其具有较强的稳定性。

六、FOF组合构建与表现

• 基于单个因子的FOF组合：
  • 调研勤奋度TOP20 FOF组合年化收益为16%，显著高于中证偏股基金指数（9%）。
  • 调研利用度TOP20和调研协作度TOP20 FOF组合年化收益均为14%，同样优于中证偏股基金指数。
• 基于综合调研因子的FOF组合：
  • 综合调研因子按6:2:2比例加权构建，TOP10 FOF组合年化收益达到18%，表现最优。
  • 综合调研因子TOP10组合的收益回撤比高达8.66，风险调整后表现良好。

七、调研信息拓展应用

• 选股前瞻性：基金经理调研的标的在未来1个月至12个月均能获得正绝对收益和超额收益，且效果显著。
• 行业前瞻性：行业主题型基金经理的调研标的在未来超额收益表现优于全市场型基金经理。
• 高利用度基金经理：其调研标的长期表现更优，而低利用度基金经理则倾向于调研短期业绩优秀的股票。
• 高协作度基金经理：其持仓中较多来自团队调研，说明团队调研在投资决策中的重要性。

风险提示

• 本报告仅作为投资参考，不构成投资建议。
• 基金经理调研数据可能存在部分披露不全问题。
• 量化模型可能失效，历史数据不代表未来表现。

图表目录（简要）

• 图1：每年机构调研事件披露数量
• 图2：过往被调研股票数量及占比
• 图3：招商证券基金经理调研标签体系
• 图4：各期主动权益基金经理人数与调研人数
• 图5：调研行为特征指标计算方法与因子标签
• 图6：因子IC序列：调研勤奋度
• 图7：分组回测：调研勤奋度
• 图8：不同行业主题型基金经理调研勤奋度比较
• 图9：各区域调研专家概览
• 图10：区域调研专家选股组合收益走势
• 图11：区域调研专家选股组合年度收益
• 图12：基金公司成员历年调研次数合计
• 图13：基金经理持仓中来自调研的权重占比变化
• 图14：调研行为有效性指标计算方法与因子标签
• 图15：因子IC序列：调研利用度
• 图16：分组回测：调研利用度
• 图17：因子IC序列：调研协作度
• 图18：分组回测：调研协作度
• 图19：最新一期调研协作度靠前的基金公司
• 图20：各期基金经理调研形式统计
• 图21：不同调研因子疫情前后的IC均值
• 图22：单个调研因子FOF组合收益走势
• 图23：单个调研因子FOF组合年度收益
• 图24：综合调研因子FOF组合收益走势
• 图25：综合调研因子TOP10 FOF组合年度收益
• 图26：基金经理A各期调研区域分布
• 图27：基金经理A整体调研省份偏好
• 图28：基金经理A各期持仓板块分布
• 图29：基金经理A整体持仓行业偏好
• 图30：被调研标的未来收益平均数
• 图31：被调研标的未来月均收益平均数
• 图32：选股前瞻性：行业主题型VS全市场选股
• 图33：选股前瞻性：勤奋调研型VS非勤奋调研型
• 图34：选股前瞻性：抱团调研型VS独立调研型
• 图35：选股前瞻性：集中调研型VS分散调研型
• 图36：选股前瞻性：高利用度型VS低利用度型
• 图37：选股前瞻性：高协作度型VS低协作度型
• 图38：基金经理调研选股组合收益走势
• 图39：基金经理调研选股组合年度收益与超额收益
• 图40：前N大行业组合未来收益平均值
• 图41：前N大行业组合未来超额收益平均值
• 图42：行业ETF-FOF组合收益走势
• 图43：行业ETF-FOF组合年度收益

表格目录（简要）

• 表1：上市公司机构调研信息披露制度
• 表2：RankIC检验：调研行为特征指标
• 表3：分组回测：区间业绩表现：调研行为特征指标
• 表4：调研次数与频率排名前十的基金经理
• 表5：区域调研专家选股组合业绩指标
• 表6：RankIC检验：调研行为有效性指标
• 表7：分组回测：区间业绩表现：调研行为有效性指标
• 表8：平均调研利用度前十名基金经理
• 表9：平均调研协作度前十名基金经理
• 表10：基金经理调研因子效果总结
• 表11：单个调研因子FOF组合业绩指标
• 表12：综合调研因子FOF组合业绩指标
• 表13：最新一期综合调研因子排名前十的基金经理
• 表14：基金经理A各期调研标签
• 表15：被调研标的未来收益统计
• 表16：基金经理调研选股组合业绩指标
• 表17：基金经理调研选股组合年度收益指标
• 表18：基金经理调研选股组合2023年5月持仓
• 表19：前N大行业等权组合的未来绝对收益统计
• 表20：前N大行业等权组合的未来超额收益统计
• 表21：行业ETF-FOF组合业绩指标
• 表22：行业ETF-FOF组合年度收益指标
• 表23：行业ETF-FOF组合2023年5月持仓