基于最新探測(cè)模型嘗試復(fù)制優(yōu)選基金組合

1、在 2022 年 1 月 24 日，我們率先發(fā)布的如何爭當(dāng)“常勝將軍”穩(wěn)定跑贏公募權(quán)益同類？追蹤“聰明資金”系列四報(bào)告中，提到了如何靈活應(yīng)用我們對(duì)基金指數(shù)例如普通股票基金指數(shù)或者是偏股混合基金指數(shù)進(jìn)行行業(yè)倉位探測(cè)，把控行業(yè)暴露一致，同時(shí)結(jié)合優(yōu)選基金重倉股可以構(gòu)建復(fù)制甚至超越的選股策略。隨后在 2022 年 5 月 2 日，我們進(jìn)一步升級(jí)模型，在行業(yè)持倉基礎(chǔ)上我們進(jìn)一步探討構(gòu)建探測(cè)公募重倉股與細(xì)分行業(yè)倉位模型，我們發(fā)現(xiàn)新方法可以顯著提升擬合水平。其中我們隨機(jī)抽取了 200 個(gè)隨機(jī)樣本進(jìn)行檢測(cè)。在細(xì)分中信 1.5 級(jí)行業(yè)中相比之前模型有顯著提升，樣本區(qū)間內(nèi)新方法平均擬合絕對(duì)誤差 49bp，平均每期

2、秩相關(guān)為 0.84，平均方向準(zhǔn)確性 71.86%，其中前 10、20 以及 30 大持倉的方向準(zhǔn)確性分別為 83.09%、76.8%與 75.44%。目前我們將這項(xiàng)技術(shù)不僅靈活運(yùn)用到全市場基金，同時(shí)用到了主題型基金進(jìn)行高頻股票與細(xì)分賽道與重倉股倉位跟蹤，效果顯著。本篇報(bào)告意在通過最新的探測(cè)模型結(jié)合我們的優(yōu)選基金，盡可能復(fù)制優(yōu)選基金組合構(gòu)建優(yōu)秀的選股策略。本文會(huì)圍繞對(duì)探測(cè)模型的升級(jí)回顧、新方式如何進(jìn)行股票組合復(fù)制優(yōu)選基金組合等方面展開。我們對(duì)公募主動(dòng)權(quán)益基金篩選標(biāo)準(zhǔn)可以參考 2020 年 11 月 3 日發(fā)布的挑選“好面粉” 主動(dòng)權(quán)益基金分類完善，選取 wind 分類下普通股票型、偏股混合、靈活

3、配臵以及平衡型中的權(quán)益基金其中股票倉位在研究期內(nèi)大于 60%，單一行業(yè)持有比例不高于 50%。（注：由于不同收益頻率換算年化跟蹤誤差會(huì)有差異，如果沒有特別說明以下我跟蹤誤差統(tǒng)一口徑為將日度頻率計(jì)算超額標(biāo)準(zhǔn)差乘以根號(hào) 252）一、 探測(cè)模型回顧行業(yè)倉位探測(cè) 1.0 版本在 2021 年 8 月 23 日，我們發(fā)布了如何高頻探測(cè)基金行業(yè)配臵動(dòng)向？追蹤“聰明資金”系列二講述如何通過基金日度凈值變化與公募重倉編制后的行業(yè)指數(shù)構(gòu)建行業(yè)倉位探測(cè)模型。探測(cè)模型 1.0 版本我們做了兩處特色處理，首先將所需要擬合的行業(yè)通過公募截面持倉重新歸一化加權(quán)。由于申萬行業(yè)指數(shù)是基于流通市值加權(quán)，而隨著近幾年公募持倉集中

4、度提升與流通市值差距較大。參考下圖我們對(duì)電力設(shè)備、食品飲料、醫(yī)藥與電子等行業(yè)收益對(duì)比研究，均可發(fā)現(xiàn)在 14 至 18 年期間基于公募持倉加權(quán)的行業(yè)指數(shù)與申萬行業(yè)指數(shù)走勢(shì)較為接近，但是 19 年至今隨著主動(dòng)權(quán)益基金規(guī)模呈現(xiàn)指數(shù)增長同時(shí)持倉集中度提升顯著，公募編制持倉編制后的指數(shù)與流通市值編制后的指數(shù)收益差距顯著拉開。因此公募持倉加權(quán)編制后的收益曲線會(huì)比簡單申萬指數(shù)更具有彈性，更“像”公募持倉特性從而增加擬合準(zhǔn)確率。 圖表 1：電力設(shè)備指數(shù)對(duì)比圖表 2：食品飲料指數(shù)對(duì)比基金持倉重新編制電力設(shè)備(申萬)6543210基金持倉重新編制食品飲料(申萬)9876543210來源：、Wind、截至 2022

5、 年 7 月 22 日來源：、Wind、截至 2022 年 7 月 22 日?qǐng)D表 3：醫(yī)藥生物指數(shù)對(duì)比圖表 4：電子指數(shù)對(duì)比 43.532.521.510.50基金持倉重新編制醫(yī)藥生物(申萬)3.532.521.510.50基金持倉重新編制電子(申萬)來源：、Wind、截至 2022 年 7 月 22 日來源：、Wind、截至 2022 年 7 月 22 日另外每個(gè)半年度我們會(huì)基于全部持倉校準(zhǔn)模型，同時(shí)基于昨日倉位每日迭代估計(jì)倉位。對(duì)于第一次擬合我們會(huì)站在全部持倉公布的起始點(diǎn)，例如 2016 年 8 月 15日，假設(shè)當(dāng)時(shí)公布了 2016 年半年報(bào)數(shù)據(jù)。為了得到 8 月 15 日的倉位探測(cè)數(shù)據(jù)，

6、我們會(huì)通過 6 月 30 日精準(zhǔn)的全部持倉數(shù)據(jù)進(jìn)行不斷迭代一步外推。真實(shí)擬合數(shù)據(jù)在有效公布的日期（2016 年 8 月 15 日）進(jìn)行記錄。等到下一個(gè)財(cái)報(bào)公布點(diǎn)2017 年 3 月 15 日，我們重新根據(jù)最新財(cái)報(bào)校準(zhǔn)，在有效日期進(jìn)行拼接。做到每半年根據(jù)全部持倉校準(zhǔn)，每日基于昨日持倉迭代，同時(shí)根據(jù)財(cái)報(bào)有效日期進(jìn)行拼接。圖表 5：擬合日期規(guī)則示例財(cái)報(bào)日期公布日期逐步擬合起始點(diǎn)逐步擬合結(jié)束點(diǎn)真實(shí)記錄起始點(diǎn)真實(shí)記錄結(jié)束點(diǎn)2016/6/302016/8/152016/6/302017/3/152016/8/152017/3/152016/12/312017/3/152016/12/312017/8/15

7、2017/3/162017/8/152017/6/302017/8/152017/6/302018/3/152017/8/162018/3/152017/12/312018/3/152017/12/312018/8/152018/3/162018/8/152018/6/302018/8/152018/6/302019/3/152018/8/162019/3/152018/12/312019/3/152018/12/312019/8/152019/3/162019/8/152019/6/302019/8/152019/6/302020/3/152019/8/162020/3/152019/12/

8、312020/3/152019/12/312020/8/152020/3/162020/8/152020/6/302020/8/152020/6/302021/3/152020/8/162021/3/152020/12/312021/3/152020/12/312021/8/152021/3/162021/8/152021/6/302021/8/152021/6/30最久到下個(gè)財(cái)報(bào)公布日期2021/8/16最久到下個(gè)財(cái)報(bào)公布日期來源：、Wind、截至 2021 年 8 月 2 日?qǐng)D表 6：主動(dòng)權(quán)益基金申萬一級(jí)行業(yè)倉位日度監(jiān)控SW醫(yī)藥生物SW汽車SW電力設(shè)備SW電子SW食品飲料0.160.140

9、.120.10.080.060.040.022020-12-312021-01-132021-01-252021-02-042021-02-232021-03-052021-03-172021-03-292021-04-092021-04-212021-05-062021-05-182021-05-282021-06-092021-06-222021-07-022021-07-142021-07-262021-08-052021-08-172021-08-272021-09-082021-09-222021-10-112021-10-212021-11-022021-11-122021-11-

10、242021-12-062021-12-162021-12-282022-01-102022-01-202022-02-082022-02-182022-03-022022-03-142022-03-242022-04-072022-04-192022-04-292022-05-162022-05-262022-06-082022-06-202022-06-302022-07-122022-07-220來源：、Wind、截至 2022 年 7 月 22 日行業(yè)倉位探測(cè) 2.0 版本在 2022 年 1 月 24 日，我們發(fā)布了如何爭當(dāng)“常勝將軍”穩(wěn)定跑贏公募權(quán)益同類？追蹤“聰明資金”系列四講述

11、如何通過對(duì)基金高頻倉位探測(cè)構(gòu)建穩(wěn)定跑贏公募權(quán)益同類的策略組合。我們提到僅僅對(duì)于申萬一級(jí)行業(yè)倉位探測(cè)不足以幫助跟著公募同類指數(shù)例如普通股票基金指數(shù)。因此進(jìn)一步我們觀測(cè)了近幾年來公募持倉結(jié)構(gòu)，發(fā)現(xiàn)機(jī)械、醫(yī)藥、基礎(chǔ)化工、電子、計(jì)算機(jī)、電力設(shè)備及新能源、電力及公用事業(yè)與食品飲料等，15 年以來公募平均持倉股票個(gè)數(shù)較多且平均持倉市值位列前列。因此為了能夠進(jìn)一步探測(cè)結(jié)構(gòu)性行情變化，我們將上述幾個(gè)大行業(yè)下沉到中信二級(jí)板塊，以此來嘗試構(gòu)建跟隨或者跑贏公募同類的策略組合。圖表 7：中泰金工中信 1.5 級(jí)分類表1 級(jí)分類1.5 級(jí)分類平均持股個(gè)數(shù)傳媒(中信)傳媒(中信)120電力及公用事業(yè)(中信)發(fā)電及電網(wǎng)(中

12、信)59電力及公用事業(yè)(中信)環(huán)保及公用事業(yè)(中信)89電力設(shè)備及新能源(中信)電源設(shè)備(中信)47電力設(shè)備及新能源(中信)電氣設(shè)備(中信)109電力設(shè)備及新能源(中信)新能源動(dòng)力系統(tǒng)(中信)40電子(中信)元器件(中信)75電子(中信)光學(xué)光電(中信)49電子(中信)消費(fèi)電子(中信)70電子(中信)半導(dǎo)體(中信)41電子(中信)其他電子零組件(中信)29房地產(chǎn)(中信)房地產(chǎn)(中信)142紡織服裝(中信)紡織服裝(中信)82非銀行金融(中信)非銀行金融(中信)54鋼鐵(中信)鋼鐵(中信)50國防和軍工(中信)國防和軍工(中信)60機(jī)械(中信)金屬制品(中信)22機(jī)械(中信)專用機(jī)械(中信)12

13、3機(jī)械(中信)工程機(jī)械(中信)18機(jī)械(中信)運(yùn)輸設(shè)備(中信)28機(jī)械(中信)通用設(shè)備(中信)109機(jī)械(中信)儀器儀表(中信)27基礎(chǔ)化工(中信)塑料及制品(中信)47基礎(chǔ)化工(中信)農(nóng)用化工(中信)53基礎(chǔ)化工(中信)化學(xué)纖維(中信)20基礎(chǔ)化工(中信)化學(xué)原料(中信)67基礎(chǔ)化工(中信)橡膠及制品(中信)18基礎(chǔ)化工(中信)其他化學(xué)制品(中信)123計(jì)算機(jī)(中信)計(jì)算機(jī)設(shè)備(中信)53計(jì)算機(jī)(中信)計(jì)算機(jī)軟件(中信)124家電(中信)家電(中信)67建材(中信)建材(中信)81建筑(中信)建筑(中信)113交通運(yùn)輸(中信)交通運(yùn)輸(中信)106煤炭(中信)煤炭(中信)37農(nóng)林牧漁(中信)

14、農(nóng)林牧漁(中信)85汽車(中信)汽車(中信)157輕工制造(中信)輕工制造(中信)98商貿(mào)零售(中信)商貿(mào)零售(中信)100石油石化(中信)石油石化(中信)44食品飲料(中信)食品(中信)50食品飲料(中信)酒類(中信)25食品飲料(中信)飲料(中信)20通信(中信)通信(中信)108消費(fèi)者服務(wù)(中信)消費(fèi)者服務(wù)(中信)38醫(yī)藥(中信)生物醫(yī)藥(中信)40醫(yī)藥(中信)中藥生產(chǎn)(中信)68醫(yī)藥(中信)化學(xué)制藥(中信)89醫(yī)藥(中信)其他醫(yī)藥醫(yī)療(中信)76銀行(中信)銀行(中信)27有色金屬(中信)有色金屬(中信)102來源：、Wind、截至 2022 年 1 月 17 日?qǐng)D表 8：電力設(shè)備及新

15、能源中信二級(jí)日度倉位圖表 9：醫(yī)藥生物中信二級(jí)日度倉位0.10.080.060.040.022020-12-312021-01-272021-03-012021-03-252021-04-212021-05-202021-06-162021-07-122021-08-052021-08-312021-09-282021-10-292021-11-242021-12-202022-01-142022-02-162022-03-142022-04-112022-05-102022-06-062022-06-300電源設(shè)備(中信)電氣設(shè)備(中信)新能源動(dòng)力系統(tǒng)(中信)0.070.060.050.04

16、0.030.020.010其他醫(yī)藥醫(yī)療(中信)生物醫(yī)藥(中信)中藥生產(chǎn)(中信)化學(xué)制藥(中信)2020-12-312021-01-272021-03-012021-03-252021-04-212021-05-202021-06-162021-07-122021-08-052021-08-312021-09-282021-10-292021-11-242021-12-202022-01-142022-02-162022-03-142022-04-112022-05-102022-06-062022-06-30來源：、Wind、截至 2022 年 7 月 22 日來源：、Wind、截至 2022

17、 年 7 月 22 日?qǐng)D表 10：食品飲料中信二級(jí)日度倉位圖表 11：電子中信二級(jí)日度倉位 0.090.080.070.060.050.040.030.020.012020-12-312021-01-262021-02-252021-03-222021-04-152021-05-132021-06-072021-07-012021-07-262021-08-182021-09-102021-10-142021-11-082021-12-012021-12-242022-01-192022-02-182022-03-152022-04-112022-05-092022-06-012022-06-

18、272022-07-200酒類(中信)食品(中信)飲料(中信)0.10.080.060.040.020半導(dǎo)體(中信)消費(fèi)電子(中信)元器件(中信)其他電子零組件(中信)光學(xué)光電(中信) 2020-12-312021-01-262021-02-252021-03-222021-04-152021-05-132021-06-072021-07-012021-07-262021-08-182021-09-102021-10-142021-11-082021-12-012021-12-242022-01-192022-02-182022-03-152022-04-112022-05-092022-06

19、-012022-06-272022-07-20來源：、Wind、截至 2022 年 7 月 22 日來源：、Wind、截至 2022 年 7 月 22 日行業(yè)倉位探測(cè) 3.0 版本重倉股加非重倉行業(yè)指數(shù)在 2022 年 5 月 2 日，我們發(fā)布了揭開公募持倉“面紗”，細(xì)化模型嘗試對(duì)股票倉位進(jìn)行高頻跟蹤追蹤“聰明資金”系列六探討如何對(duì)公募股票倉位進(jìn)行探測(cè)。與行業(yè)倉位探測(cè)不同，股票維度太大如果直接用整體股票池做擬合不可取。另外我們研究如果用基金半年度全部持倉作為備選池，統(tǒng)計(jì)來看歷史全部持倉平均每期重復(fù)度32%，信息損失較大。但季度間重倉股重復(fù)度平均高達(dá)50.1%，我們可以借助重倉股探測(cè)股票存量之間

20、的倉位變化，上期重倉股什么時(shí)候被減倉離開前十大，但無法做到這段時(shí)間哪些股票新進(jìn)前十大。因此我們借助非重倉股行業(yè)指數(shù)，構(gòu)建“代理股票”組合進(jìn)行共同探測(cè)。假設(shè)一個(gè)基金上一期重倉股中主要持有消費(fèi)與醫(yī)藥，這一期將新能源板塊例如寧德時(shí)代與隆基綠能加倉至前十大，由于探測(cè)機(jī)制問題我們無法得知哪只股票被增倉至前十大，但是我們可以探測(cè)出非重倉股中的新能源動(dòng)力系統(tǒng)與電源設(shè)備倉位提升。完美股票倉位探測(cè)的確很難做到，我們通過重倉股與非重倉股行業(yè)指數(shù)形式盡可能探測(cè)出整體行業(yè)倉位情況、存量與離開重倉股的信息。每個(gè)基金編制自身行業(yè)指數(shù)另外，這篇報(bào)告對(duì)非重倉股行業(yè)指數(shù)編制方法進(jìn)行升級(jí)。我們舉了某重倉新能源板塊的基金 21 年

21、底在電源設(shè)備的持倉。我們發(fā)現(xiàn)如果按照該基金自身板塊持倉構(gòu)建自己的電源設(shè)備指數(shù)與同類持倉市值加權(quán)后的指數(shù) 20 年差距較小，但 21年有顯著收益差距。這是比較典型的 20 與 21 新能源板塊做的比較出色的產(chǎn)品， 20 年靠 beta 賺錢，21 年靠選股。但對(duì)于此類產(chǎn)品如果依舊借助同類持倉編織法在做擬合時(shí)候會(huì)出現(xiàn)嚴(yán)重偏差。例如當(dāng)天同類指數(shù)上漲 1%，該基金電源設(shè)備的股票都漲停，那么我們會(huì)被動(dòng)高估這個(gè)板塊的倉位，這些主要是基金經(jīng)理選股能力與同類差距的體現(xiàn)。因此為了緩解此問題，我們對(duì)每個(gè)基金根據(jù)自身持倉構(gòu)建自身的行業(yè)指數(shù)。圖表 12：某重倉新能源基金電源設(shè)備持倉（2021 年報(bào)）圖表 13：自身持

22、倉電源設(shè)備與同類指數(shù)對(duì)比 基金自身持倉指數(shù)收益基金同類指數(shù)543212020-07-012020-07-282020-08-242020-09-182020-10-232020-11-192020-12-162021-01-132021-02-092021-03-152021-04-122021-05-122021-06-082021-07-062021-08-022021-08-272021-09-272021-10-292021-11-252021-12-222022-01-192022-02-222022-03-210來源：、Wind、截至 2021 年 12 月 31 日來源：、Win

23、d、截至 2022 年 3 月 31 日擬合準(zhǔn)確度大幅度提升2015 年 12 月 31 日至 2021 年 9 月 30 日，我們隨機(jī)抽取了 200 個(gè)隨機(jī)樣本進(jìn)行檢測(cè)。在細(xì)分中信 1.5 級(jí)行業(yè)中相比之前模型有顯著提升，樣本區(qū)間內(nèi)新方法平均擬合絕對(duì)誤差 49bp，平均每期秩相關(guān)為 0.84，平均方向準(zhǔn)確性 71.86%，其中前 10、20 以及 30 大持倉的方向準(zhǔn)確性分別為 83.09%、76.8%與 75.44%。對(duì)于重倉股探測(cè)而言，對(duì)于擬合股票與真實(shí)股票重合部分?jǐn)M合平均每期秩相關(guān) 70.5%，歷史來看平均每期重合前 10、20、30、40、50 與 100 大股票池方向一致性平均約

24、70.06%、70.99%、68.43%、67.79%、64.14%與 60.27%。因此對(duì)于頭部重倉股，隨機(jī)樣本展示出較高的方向準(zhǔn)確性。 圖表 14：新老方法秩相關(guān)檢測(cè)（200 個(gè)隨機(jī)樣本）圖表 15：新老方法方向準(zhǔn)確性對(duì)比（200 個(gè)隨機(jī)樣本）10.80.60.40.20老方法新方法0.850.80.750.7新方法老方法0.65整體頭部10個(gè)行業(yè) 頭部20個(gè)行業(yè) 頭部30個(gè)行業(yè)來源：、Wind、截至 2021 年 6 月 30 日來源：、Wind、截至 2021 年 6 月 30 日 圖表 16：消費(fèi)電子擬合與真實(shí)比例（200 個(gè)隨機(jī)樣本）圖表 17：光學(xué)光電擬合與真實(shí)比例（200 個(gè)隨

25、機(jī)樣本）0.0450.040.0350.030.0250.020.0150.010.0050擬合倉位真實(shí)倉位0.0450.040.0350.030.0250.020.0150.010.0050擬合倉位真實(shí)倉位來源：、Wind、截至 2021 年 6 月 30 日來源：、Wind、截至 2021 年 6 月 30 日目前我們這塊技術(shù)已經(jīng)成熟運(yùn)用在對(duì)醫(yī)藥、消費(fèi)、TMT 與電新主題基金的重倉股與細(xì)分賽道倉位跟蹤。對(duì)于主題基金我們重點(diǎn)關(guān)注主題基金內(nèi)部細(xì)分賽道與重倉股，非該主題板塊用一個(gè) beta 暴露替代。0.070.060.050.040.030.020.0100.20.150.10.050來源：中

26、泰證券研究所、Wind、截至 2022 年 7 月 21 日2020-12-312021-01-272021-03-012021-03-252021-04-212021-05-202021-06-162021-07-122021-08-052021-08-312021-09-282021-10-292021-11-242021-12-202022-01-142022-02-162022-03-142022-04-112022-05-102022-06-060.40.350.30.250.20.150.10.0502022-06-302020-12-310.120.10.080.060.040.

27、020來源：中泰證券研究所、Wind、截至 2022 年 7 月 21 日?qǐng)D表 22：新能源主題基金核心板塊日度倉位監(jiān)控2021-01-282021-03-03乘用車(中信)鋰(中信)鋰電池(中信)2021-03-302021-04-272021-05-272021-06-242021-07-212021-08-172021-09-132021-10-192021-11-15太陽能(中信)鋰電化學(xué)品(中信)2021-12-102022-01-072022-02-102022-03-092022-04-072022-05-092022-06-062022-07-012020-12-31來源：中泰

28、證券研究所、Wind、截至 2022 年 7 月 26 日?qǐng)D表 20：消費(fèi)主題基金核心板塊日度倉位監(jiān)控2021-01-282021-03-03乳制品(中信)家具(中信)白酒(中信)-(右軸)2021-03-302021-04-272021-05-272021-06-242021-07-212021-08-172021-09-132021-10-192021-11-15啤酒(中信)畜牧養(yǎng)殖(中信)2021-12-102022-01-072022-02-102022-03-092022-04-072022-05-092022-06-060.350.30.250.20.150.10.0502022-

29、07-01來源：中泰證券研究所、Wind、截至 2022 年 7 月 21 日2021-12-312022-01-122022-01-212022-02-082022-02-172022-02-282022-03-092022-03-182022-03-292022-04-112022-04-202022-04-292022-05-132022-05-242022-06-022022-06-142022-06-232022-07-042022-07-130.080.070.060.050.040.030.020.010- 11 -2021-12-31來源：中泰證券研究所、Wind、截至 202

30、2 年 7 月 21 日?qǐng)D表 23：新能源主題基金重倉股日度監(jiān)控0.0450.040.0350.030.0250.020.0150.010.00502022-01-112022-01-192022-01-272022-02-112022-02-21恩捷股份比亞迪2022-03-012022-03-092022-03-172022-03-252022-04-062022-04-14晶澳科技隆基股份2022-04-222022-05-052022-05-132022-05-232022-05-312022-06-092022-06-172022-06-272022-07-052022-07-132

31、022-07-210.080.070.060.050.040.030.020.0102021-12-31來源：中泰證券研究所、Wind、截至 2022 年 7 月 26 日?qǐng)D表 21：消費(fèi)主題基金重倉股日度監(jiān)控2022-01-12五糧液洋河股份2022-01-212022-02-082022-02-172022-02-282022-03-092022-03-18山西汾酒貴州茅臺(tái)2022-03-292022-04-112022-04-202022-04-292022-05-132022-05-24瀘州老窖2022-06-022022-06-142022-06-232022-07-042022-0

32、7-132022-07-22量化投資策略報(bào)告圖表 18：醫(yī)藥主題基金核心板塊日度倉位監(jiān)控圖表 19：醫(yī)藥主題基金重倉股日度監(jiān)控中藥生命科學(xué)上游醫(yī)療服務(wù)CXO-(右軸)醫(yī)療設(shè)備 九洲藥業(yè) 藥明康德凱萊英邁瑞醫(yī)療愛爾眼科 圖表 24：TMT 主題基金核心板塊日度倉位監(jiān)控圖表 25：TMT 主題基金重倉股日度監(jiān)控其他電子零組件(中信)半導(dǎo)體設(shè)備(中信) 兆易創(chuàng)新北方華創(chuàng)思瑞浦消費(fèi)電子組件(中信)行業(yè)應(yīng)用軟件(中信) 立訊精密紫光國微0.120.10.080.060.040.022020-12-312021-01-262021-02-252021-03-222021-04-152021-05-1320

33、21-06-072021-07-012021-07-262021-08-182021-09-102021-10-142021-11-082021-12-012021-12-242022-01-192022-02-182022-03-152022-04-112022-05-092022-06-012022-06-272022-07-200集成電路(中信)0.030.0250.020.0150.010.0052021-12-312022-01-112022-01-192022-01-272022-02-112022-02-212022-03-012022-03-092022-03-172022-0

34、3-252022-04-062022-04-142022-04-222022-05-052022-05-132022-05-232022-05-312022-06-092022-06-172022-06-272022-07-052022-07-132022-07-210 來源：、Wind、截至 2022 年 7 月 21 日來源：、Wind、截至 2022 年 7 月 21 日二、 淺嘗復(fù)制不同基金組合構(gòu)建倉位探測(cè)下基金代理組合有了對(duì)每個(gè)基金的倉位探測(cè)，我們可以構(gòu)建對(duì)應(yīng)的代理組合對(duì)基金進(jìn)行跟蹤。在之前的版本中，因?yàn)椴淮嬖趥€(gè)股探測(cè)，我們對(duì)于基金代理組合的構(gòu)建主要是基于日度行業(yè)倉位累乘未來一天的行

35、業(yè)指數(shù)收益。新方法計(jì)算方式略有不同，因?yàn)槲覀冃略隽酥貍}股倉位同時(shí)對(duì)非重倉股行業(yè)指數(shù)進(jìn)行單個(gè)產(chǎn)品進(jìn)行調(diào)整，因此計(jì)算代理組合每日收益公式如下：= 10 ( ) + 54 ( )_=11_()=11_()11其中，_代表某個(gè)基金 t 時(shí)刻的代理組合收益， 是前十大重倉股中i 股票（t-1）的估計(jì)倉位，_()是 i 股票 t 時(shí)刻的日度收益， 是非重倉股行業(yè)指數(shù) j 在 t-1 時(shí)刻的估計(jì)倉位，_()是 j 子行業(yè)在 t 時(shí)刻根據(jù)基金自身持倉構(gòu)建自身子行業(yè)指數(shù)的日度收益。為了方便起見，本文第二部分在大規(guī)模計(jì)算代理組合中非重倉股行業(yè)指數(shù)使用提前計(jì)算好的基金自身持倉編制的指數(shù)，第三部分對(duì)于小范圍基金我們會(huì)

36、下探到對(duì)應(yīng)個(gè)股。 圖表 26：某基金 A 真實(shí)累計(jì)收益與新老代理組合圖表 27：某基金 B 真實(shí)累計(jì)收益與新老代理組合代理組合新方式基金真實(shí)累計(jì)收益代理組合_老方式765432104.543.532.521.51代理組合新方式基金真實(shí)累計(jì)收益代理組合_老方式2019/1/22020/1/22021/1/22022/1/22019/1/22020/1/22021/1/22022/1/2來源：、Wind、截至 2022 年 6 月 30 日來源：、Wind、截至 2022 年 6 月 30 日 圖表 28：某基金 C 真實(shí)累計(jì)收益與新老代理組合圖表 29：某基金 D 真實(shí)累計(jì)收益與新老代理組合2.

37、221.81.61.41.21代理組合新方式基金真實(shí)累計(jì)收益 代理組合新方式基金真實(shí)累計(jì)收益代理組合_老方式 代理組合_老方式5.44.94.43.93.42.92.41.91.40.92019/1/22020/1/22021/1/22022/1/22019/1/22020/1/22021/1/22022/1/2 來源：、Wind、截至 2022 年 6 月 30 日來源：、Wind、截至 2022 年 6 月 30 日我們選取了 19 年以來的主動(dòng)權(quán)益基金，通過新老方式計(jì)算了代理組合與真實(shí)凈值的跟蹤誤差。新方法平均跟蹤誤差 7.12%，相比于老方式 8.37%有顯著降低。老方法減新方法跟蹤誤

38、差平均約 1.25%，其中 82%的基金使用新方式后跟蹤誤差有所降低。 圖表 30：新方法年化跟蹤誤差分布圖表 31：老方法年化跟蹤誤差分布來源：、Wind、截至 2022 年 6 月 30 日來源：、Wind、截至 2022 年 6 月 30 日 圖表 32：老方法減新方法年化跟蹤誤差分布圖表 33：老方法減新方法年化跟蹤誤差0.080.070.060.050.040.030.020.010001790.OF020010.OF166020.OF001437.OF673110.OF003293.OF233011.OF001118.OF001869.OF001036.OF005028.OF000

39、242.OF005259.OF003069.OF004476.OF000021.OF000866.OF398011.OF000746.OF000172.OF001037.OF001366.OF001106.OF000410.OF-0.01-0.02來源：、Wind、截至 2022 年 6 月 30 日來源：、Wind、截至 2022 年 6 月 30 日全新代理組合復(fù)制基金在 22 年 1 月 4 日發(fā)布的如何爭當(dāng)“常勝將軍”穩(wěn)定跑贏公募權(quán)益同類？追蹤“聰明資金”系列四文章中，我們?cè)敿?xì)介紹如何通過對(duì)優(yōu)選基金中信 1.5級(jí)行業(yè)倉位與優(yōu)選基金近期重倉股來近似通過股票方式復(fù)制優(yōu)秀選基策略，具體步驟如

40、下：1、月度換倉，每個(gè)自然季度篩選出優(yōu)秀基金池（前 20 大因子暴露基金等權(quán)），計(jì)算時(shí)序上該池子的平均行業(yè)倉位。2、基于優(yōu)選基金（每期選取打分前 20 的基金）重倉股在對(duì)應(yīng)子行業(yè)內(nèi)挑選持倉市值最多的股票進(jìn)行配臵。例如在 2021 年 12 月 31 日我們篩選出過去 6M股票池挖掘能力前 20 基金，根據(jù)最近一期的重倉股（2021 年三季度公布的十大持倉）作為股票維度的備選池。3、在中信 1.5 級(jí)細(xì)分行業(yè)內(nèi)挑選優(yōu)秀基金重倉股持倉最多的股票進(jìn)行配臵，如果優(yōu)秀基金不持有該行業(yè)股票，則用主動(dòng)權(quán)益型基金大池子下該行業(yè)近一個(gè)季度重倉配臵最多的股票來進(jìn)行填充。4、對(duì)第一大持倉進(jìn)行控制，要求第一股票持倉不

41、能高于 10%，如果出現(xiàn)某一子行業(yè)倉位高于閾值則繼續(xù)往下篩選股票，因此可能出現(xiàn)某幾期持倉大于 53個(gè)的情況。上述復(fù)制優(yōu)選基金的選股策略在每次換倉時(shí)控制了行業(yè)倉位暴露一致，選股用的是基金近期的重倉股，因此在期間股票維度的倉位調(diào)整是無法捕捉。我們最新探測(cè)模型 3.0 版本的兩處改進(jìn)可以使得該復(fù)制策略更加靈活多變。首先我們引入了重倉股的實(shí)時(shí)監(jiān)控，對(duì)每個(gè)基金擬合更加具有彈性與差異化。其次我們將每個(gè)產(chǎn)品的非重倉股用基金自身持倉進(jìn)行構(gòu)建，因此當(dāng)我們控制行業(yè)暴露與選基組合一致的同時(shí)，股票的選取也不再需要依靠近一期的重倉股，而是每日代理組合的股票倉位，改良后具體步驟如下：1、首先計(jì)算出每個(gè)基金每天重倉股與非重

42、倉股自身行業(yè)指數(shù)的倉位。2、由于我們對(duì)每個(gè)基金每個(gè)非重倉股行業(yè)指數(shù)都是基于自身持倉構(gòu)建，因此可以計(jì)算出每天擬合指數(shù)對(duì)應(yīng)的股票成份倉位。因此當(dāng)天某個(gè)股票的持倉可以拆解為：1054_ = () + ( )=1=1=1前十大持倉部分 + 非重倉行業(yè)倉位 X 行業(yè)內(nèi)自身股票倉位其中是該基金在 t 時(shí)刻i 重倉股的估計(jì)倉位，是該產(chǎn)品在 t 時(shí)刻對(duì)于非重倉股行業(yè)指數(shù) j 的倉位估計(jì)，是 j 行業(yè)根據(jù)該產(chǎn)品公開持倉股票編制的指數(shù)成分股 s 在 t 這天的倉位。3、月度換倉，根據(jù)上述兩部將擬合的倉位直接轉(zhuǎn)換到個(gè)股倉位進(jìn)行換倉。圖表 34：某基金產(chǎn)品某一天倉位拆解來源：、Wind、截至 2022 年 7 月 2

43、8 日淺嘗復(fù)制優(yōu)選基金組合在 21 年 7 月 28 日我們發(fā)布交易為矛、選股為盾如何篩選兩者兼?zhèn)涞膬?yōu)秀基金報(bào)告中指數(shù)，通過對(duì)基金半年度全部持倉與季度前十大持倉重倉股的靈活應(yīng)用可以評(píng)判基金動(dòng)態(tài)交易能力與靜態(tài)股票池挖掘能力。對(duì)于靜態(tài)天賦比較高的基金，其重倉股具有代表性打分越高產(chǎn)品的重倉股未來超額概率大。我們可以得到每半年根據(jù)全部持倉進(jìn)行換倉的隱形代理持倉組合 proxy portfolio。為了刻畫基金的交易能力，我們將真實(shí)收益與 proxy portfolio 進(jìn)行回歸得到截距項(xiàng)來刻畫基金的交易能力。為了刻畫基金的股票池挖掘能力，我們將 proxy portfolio 與中證 800 進(jìn)行回歸

44、擬合得到截距項(xiàng)進(jìn)行刻畫。 = + ( ) + _2 ( )+ = + ( ) + 其中是基金真實(shí)收益，是基金交易能力，是隱形代理組合收益，是基金股票池挖掘能力，是中證 800。我們?cè)谠搱?bào)告中也指出，但看基金交易能力是無法獲取有效的線性因子，邏輯上也很簡單每個(gè)基金的公開持倉組合（或可理解為投研團(tuán)隊(duì)整體選股能力）是不一樣的。因此這個(gè)維度只能自身比較，無法基金之間比較。而靜態(tài)天賦即是一個(gè)很好能夠衡量基金靜態(tài)股票池挖掘能力，這個(gè)可以很好幫助我們進(jìn)行選基金。以下是截止 22 年 6 月 30 日，股票池挖掘能力 6M 與 12M 最新分層檢測(cè)結(jié)果。 圖表 35：過去 6M 股票池挖掘能力因子分層圖表 3

45、6：過去 12M 股票池挖掘能力因子分層第五檔第四檔 第五檔第四檔第三檔第三檔第二檔 第二檔第一檔多空組合(右軸)第一檔多空組合(右軸)6543212013-01-312013-07-312014-01-312014-07-312015-01-312015-07-312016-01-312016-07-312017-01-312017-07-312018-01-312018-07-312019-01-312019-07-312020-01-312020-07-312021-01-312021-07-312022-01-3106251.81.641.431.2210.8101.71.61.51.

46、41.31.21.112013-01-312013-06-302013-11-302014-04-302014-09-302015-02-282015-07-312015-12-312016-05-312016-10-312017-03-312017-08-312018-01-312018-06-302018-11-302019-04-302019-09-302020-02-292020-07-312020-12-312021-05-312021-10-312022-03-310.9 來源：、Wind、截至 2022 年 6 月 30 日來源：、Wind、截至 2022 年 6 月 30 日我

47、們將選基的分層調(diào)整為對(duì)選基池股票復(fù)制方式進(jìn)行分層檢測(cè)。例如對(duì)于過去 6M 股票池挖掘能力因子第一檔，即每一期選取打分前 20%的基金池，結(jié)合我們 探測(cè)模型構(gòu)建出代理組合進(jìn)行股票復(fù)制得到前 20%基金池對(duì)應(yīng)的股票復(fù)制組合。以此類推進(jìn)行分層檢測(cè)。相比在系列四中，我們簡單基于優(yōu)選基金最近重倉股持 倉市值加權(quán)后的分層檢測(cè)，目前基于最新探測(cè)模型的股票復(fù)制組合對(duì)于優(yōu)選基金 的分層檢測(cè)更加接近于基金層面檢測(cè)結(jié)果。（這部分回測(cè)對(duì)于非重倉股基金指數(shù) 選用提前計(jì)算的自身持倉行業(yè)指數(shù)，第三部分對(duì)于小范圍基金下沉到具體個(gè)股）從基金層面因子檢測(cè)來看，過去 6M 與 12M 股票池挖掘能力均有不錯(cuò)的分層效果，其中 6M

48、效果優(yōu)于 12M。如果僅僅根據(jù)優(yōu)選基金近期重倉股整體持倉市值加權(quán)，我們只能挖掘到該類基金重倉股分層有頭部效應(yīng)，但是中間與尾部會(huì)出現(xiàn)較明顯亂序。研究發(fā)現(xiàn)結(jié)合我們最新重倉股與細(xì)分賽道探測(cè)手段，可以較好地將原始基金分層效果通過股票池形式復(fù)制擬合出來。15 年末至 22 年 6 月 30 日，股票池挖掘能力 6M 第一檔至第五檔復(fù)制年化收益分別為 8.45%、4.61%、4.36%、 2.51%與 1.26%，與真實(shí) fof 組合年化跟蹤誤差分別為 2.09%、2.21%、2.21%、2.21%與 2.26%。股票池挖掘能力 12M 第一檔至第五檔復(fù)制年化收益分別為7.43%、4.16%、3.88%、

49、3.17%與 3.62%，其中與真實(shí) fof 組合跟蹤誤差分別為2.08%、2.26%、2.22%、2.24%與 2.25%。通過我們股票復(fù)制的組合整體收益水平會(huì)低于真實(shí)fof 組合，但兩者基本呈現(xiàn)保序性且 6M 因子分層更加顯著。進(jìn)一步我們嘗試了其他比較常見的選基因子，例如夏普 12M、信息比例 12M 等，同樣我們做了復(fù)制組合的檢測(cè)。研究發(fā)現(xiàn)，此類因子通過我們復(fù)制方式均可以實(shí)現(xiàn)顯著的分層效果，但均與真實(shí) fof 組合的分組收益有明顯差距。我們也檢測(cè)了選股交易綜合能力因子的復(fù)制效果，并未發(fā)現(xiàn)有較為顯著的提升。對(duì)于交易較為激烈同時(shí)基金經(jīng)理在移倉換股時(shí)會(huì)與之前公開持倉的股票池有較大差距的，擬合精

50、準(zhǔn)度就會(huì)大打折扣。 圖表 37：過去 6M 股票池挖掘能力因子分層(重倉股復(fù)制)圖表 38：過去 12M 股票池挖掘能力因子分層(重倉股復(fù)制)32.521.510.52015-12-312016-04-152016-07-262016-11-092017-02-222017-06-062017-09-112017-12-222018-04-102018-07-192018-11-012019-02-152019-05-292019-09-042019-12-182020-04-022020-07-162020-10-292021-02-042021-05-252021-08-312021-12

51、-152022-03-300第一檔第二檔第三檔第四檔第五檔2.521.510.52015-12-312016-04-152016-07-262016-11-092017-02-222017-06-062017-09-112017-12-222018-04-102018-07-192018-11-012019-02-152019-05-292019-09-042019-12-182020-04-022020-07-162020-10-292021-02-042021-05-252021-08-312021-12-152022-03-300第一檔第二檔第三檔第四檔第五檔 來源：、Wind、截至 2

52、022 年 6 月 30 日來源：、Wind、截至 2022 年 6 月 30 日 圖表 39：過去 6M 股票池挖掘能力因子分層(FOF)圖表 40：過去 6M 股票池挖掘能力因子分層(倉位探測(cè)股票復(fù)制) 21.81.61.41.210.80.60.4來源：中泰證券研究所、Wind、截至 2022 年 6 月 30 日?qǐng)D表 43：過去 12M 信息比例分層檢測(cè)(FOF)2015-12-312016-04-152016-07-262016-11-092017-02-222017-06-062017-09-112017-12-222018-04-102018-07-192018-11-01201

53、9-02-152019-05-292019-09-042019-12-182020-04-022020-07-162020-10-292021-02-042021-05-252021-08-312021-12-15- 19 -2022-03-302.521.510.50來源：中泰證券研究所、Wind、截至 2022 年 6 月 30 日?qǐng)D表 44：過去 12M 基金信息比例分層檢測(cè)(倉位探測(cè)股票復(fù)制)2015-12-312016-04-122016-07-182016-10-272017-02-062017-05-122017-08-162017-11-232018-03-052018-06-

54、112018-09-122018-12-212019-04-032019-07-112019-10-212020-01-222020-05-072020-08-112020-11-192021-03-012021-06-072021-09-082021-12-202022-03-302.521.510.502015-12-31來源：中泰證券研究所、Wind、截至 2022 年 6 月 30 日?qǐng)D表 41：過去 12M 股票池挖掘能力因子分層(FOF)2016-04-122016-07-182016-10-272017-02-062017-05-12第一檔第四檔2017-08-162017-11

55、-232018-03-052018-06-112018-09-12第二檔第五檔2018-12-212019-04-032019-07-112019-10-212020-01-22第三檔2020-05-072020-08-112020-11-192021-03-012021-06-072021-09-082021-12-202022-03-302.521.510.50來源：中泰證券研究所、Wind、截至 2022 年 6 月 30 日?qǐng)D表 42：過去 12M 股票池挖掘能力因子分層(倉位探測(cè)股票復(fù)制)2015-12-312016-04-122016-07-182016-10-272017-02-

56、062017-05-12第一檔第四檔2017-08-162017-11-232018-03-052018-06-112018-09-12第二檔第五檔2018-12-212019-04-032019-07-112019-10-212020-01-22第三檔2020-05-072020-08-112020-11-192021-03-012021-06-072021-09-082021-12-202022-03-30量化投資策略報(bào)告第一檔第四檔第二檔第五檔第三檔第一檔第四檔第二檔第五檔第三檔21.81.61.41.210.80.60.40.20來源：中泰證券研究所、Wind、截至 2022 年 6

57、月 30 日?qǐng)D表 47：過去 12MTmAlpha 比例分層檢測(cè)(FOF)2015-12-312016-04-202016-08-032016-11-222017-03-102017-06-272017-10-122018-01-232018-05-162018-08-272018-12-132019-04-032019-07-192019-11-062020-02-252020-06-102020-09-222021-01-112021-04-292021-08-132021-12-02- 20 -2022-03-2232.521.510.50來源：中泰證券研究所、Wind、截至 2022

58、年 6 月 30 日?qǐng)D表 48：過去 12MTmAlpha 比例分層檢測(cè)(倉位探測(cè)股票復(fù)制)2015-12-312016-04-152016-07-262016-11-092017-02-222017-06-062017-09-112017-12-222018-04-102018-07-192018-11-012019-02-152019-05-292019-09-042019-12-182020-04-022020-07-162020-10-292021-02-042021-05-252021-08-312021-12-152022-03-302.11.91.71.51.31.10.90.7

59、0.52015-12-31來源：中泰證券研究所、Wind、截至 2022 年 6 月 30 日2016-04-152016-07-262016-11-092017-02-222017-06-062017-09-112017-12-222018-04-102018-07-192018-11-012019-02-152019-05-292019-09-042019-12-182020-04-022020-07-162020-10-292021-02-042021-05-252021-08-312021-12-152022-03-3032.521.510.50來源：中泰證券研究所、Wind、截至 2

60、022 年 6 月 30 日2015-12-312016-04-202016-08-032016-11-222017-03-102017-06-272017-10-122018-01-232018-05-162018-08-272018-12-132019-04-032019-07-192019-11-062020-02-252020-06-102020-09-222021-01-112021-04-292021-08-132021-12-022022-03-22量化投資策略報(bào)告第一檔第四檔第二檔第五檔第三檔第一檔第四檔第二檔第五檔第三檔圖表 45：過去 12M 夏普比例分層檢測(cè)(FOF)圖表