885001.WI指数不易受市场风格影响，长期表现优异
　　885001.WI指数的构建方式决定了其收益率在全市场的排名，不易受到市场风格的影响而大幅波动。从统计结果可以看出，885001.WI的收益率分位点在50%的中枢上下小幅波动。
　　根据统计结果，基金收益率长期位于市场中位数附近是一件富有挑战性的事情。连续三年战胜885001.WI指数的基金业绩处于市场前15%的水平，连续五年战胜885001.WI指数的基金占比不足5%，而连续八年战胜885001.WI指数的基金数量则仅为个位数。随着时间周期的拉长，战胜885001.WI的难度逐渐增大。
　　二次规划和卡尔曼滤波方法结合了历史持仓信息和实时净值信息，优势显著
　　关于公募基金的仓位测算，常规的做法大致有四种，分别为重仓股补全、添加惩罚项的净值回归、二次规划和卡尔曼滤波。重仓股补全方法虽然简便易实施，但逻辑假设前提要求较高，适用范围较窄。净值回归方案计算简单，但估计结果颗粒度较高，无法穿透到个股层面对个股权重进行估计，仅能宽泛得到指数的权重配置比例。二次规划和卡尔曼滤波方法则相对较优，二者均结合了基金披露的持仓信息以及实时的净值信息，能够对估算持仓进行实时调整，在方法论上具有一定的优势。
　　基于二次规划和卡尔曼滤波的持仓穿透方案指数模拟效果优异
　　我们对Wind偏股混合型基金指数的成分基金进行持仓补全。以二次规划为例，从补全后的模拟指数走势来看，其能很好地模拟885001.WI的走势，全区间内年化跟踪误差仅为3.16%，跟踪效果优异。
　　根据测算结果，截至2023年3月底，偏股混合型基金仓位约为87%，处于过去十年间的相对高位。2019年以来，港股持仓权重不断提升，当前约为8%。2022年7月以来，偏股混合型基金对科技板块增仓约6%，而周期板块则被减持3%。截面上，我们以最新披露的2022年年报数据为例。从测算结果来看，行业偏离度仅为0.31%。由于基金年报披露相对滞后，对于调仓幅度较大的行业，估算精度会有所下降。
　　相比885001.WI指数，指增组合年化超额收益13.6%
　　经过增强测试，指增组合年化收益率25.1%，相比于885001.WI指数具有稳定超额表现，超额年化收益13.6%，年化IR1.6。
　　过去10年，指增组合仅2018年跑输885001.WI指数，其余年份均有显著正超额收益。2017年之后，结构性行情开始占据市场主导地位，885001.WI指数业绩优势大幅提升，超额收益获取难度加大，指增组合的超额收益有所下滑，但仍能维持正超额。
　　风险提示：模型测试基于历史数据，市场未来可能发生变化。
　　

研究报告全文：金金融工程专题融工程2023年04月16日偏股混合型基金指数885001WI优势复制与研究金融工程研究团队超越魏建榕首席分析师金融工程专题证书编号S0790519120001魏建榕分析师胡亮勇分析师王志豪分析师张翔分析师weijianrongkyseccnhuliangyongkyseccnwangzhihaokyseccn证书编号S0790520110001证书编号S0790519120001证书编号S0790522030001证书编号S0790522070003金885001WI指数不易受市场风格影响长期表现优异融工傅开波分析师885001WI指数的构建方式决定了其收益率在全市场的排名不易受到市场风格程证书编号S0790520090003的影响而大幅波动从统计结果可以看出885001WI的收益率分位点在50的专中枢上下小幅波动题高鹏分析师根据统计结果基金收益率长期位于市场中位数附近是一件富有挑战性的事情证书编号S0790520090002连续三年战胜885001WI指数的基金业绩处于市场前15的水平连续五年战胜885001WI指数的基金占比不足5而连续八年战胜885001WI指数的基金苏俊豪分析师数量则仅为个位数随着时间周期的拉长战胜885001WI的难度逐渐增大证书编号S0790522020001二次规划和卡尔曼滤波方法结合了历史持仓信息和实时净值信息优势显著关于公募基金的仓位测算常规的做法大致有四种分别为重仓股补全添加惩胡亮勇分析师罚项的净值回归二次规划和卡尔曼滤波重仓股补全方法虽然简便易实施但证书编号S0790522030001逻辑假设前提要求较高适用范围较窄净值回归方案计算简单但估计结果颗粒度较高无法穿透到个股层面对个股权重进行估计仅能宽泛得到指数的权重开王志豪分析师配置比例二次规划和卡尔曼滤波方法则相对较优二者均结合了基金披露的持源证书编号S0790522070003证仓信息以及实时的净值信息能够对估算持仓进行实时调整在方法论上具有一券定的优势证盛少成研究员券证书编号S0790121070009基于二次规划和卡尔曼滤波的持仓穿透方案指数模拟效果优异研我们对Wind偏股混合型基金指数的成分基金进行持仓补全以二次规划为例究报苏良研究员从补全后的模拟指数走势来看其能很好地模拟885001WI的走势全区间内年告证书编号S0790121070008化跟踪误差仅为316跟踪效果优异根据测算结果截至2023年3月底偏股混合型基金仓位约为87处于过去何申昊研究员十年间的相对高位2019年以来港股持仓权重不断提升当前约为82022证书编号S0790122080094年7月以来偏股混合型基金对科技板块增仓约6而周期板块则被减持3截面上我们以最新披露的2022年年报数据为例从测算结果来看行业偏离度仅为031由于基金年报披露相对滞后对于调仓幅度较大的行业估算精相关研究报告度会有所下降大类盘点白酒基金基金研究系相比885001WI指数指增组合年化超额收益136列18-202346经过增强测试指增组合年化收益率251相比于885001WI指数具有稳定超开源交易行为因子绩效月报2023额表现超额年化收益136年化IR16年3月金融工程定期-202345过去10年指增组合仅2018年跑输885001WI指数其余年份均有显著正超额3月TMT类主动股基领先选基因收益2017年之后结构性行情开始占据市场主导地位885001WI指数业绩优子20组合4月超配医药交运传媒势大幅提升超额收益获取难度加大指增组合的超额收益有所下滑但仍能维基金产品月报2023年3月持正超额-202344风险提示模型测试基于历史数据市场未来可能发生变化请务必参阅正文后面的信息披露和法律声明122金融工程专题目录1偏股混合型基金指数411偏股混合型指数介绍与比较412885001WI的市场定位52仓位测算方法介绍721重仓股补全722净值回归723二次规划724卡尔曼滤波73持仓测算方案1二次规划831季报持仓补全832持仓高频监测933持仓补全结果104持仓测算方案2卡尔曼滤波1341卡尔曼滤波介绍1342模拟持仓偏离程度1543持仓高频监测165指数增强增强组合稳健超越885001WI1751合成因子分组测试1852885001WI增强组合的绩效表现196风险提示20图表目录图1长期来看规模等权相比规模加权的基金指数具有更佳表现5图2885001WI的收益率水平不易受市场风格影响每年稳定在市场中枢附近5图32017以来885001WI逐步体现出相对优势6图4连续五年战胜885001WI指数的基金占比不足56图5高频监测下备选股票的基准权重10图6基于持仓补全的模拟指数年化跟踪误差仅31610图7偏股基金仓位水平与价格走势关联度逐步提升11图82017年后港股仓位逐渐提升11图9行业偏离度较大的报告期通常对应更高概率的机构调仓行为11图102022年年报行业配置真实权重与估算权重偏离度仅为03112图11电力设备行业机构减仓幅度超5计算机行业增仓412图12机构在科技和周期板块的配置方向上呈现跷跷板效应13图13卡尔曼滤波过程示意图14图14卡尔曼滤波约束过程示意图15图15模拟指数年化跟踪误差为3515图16个股仓位平均偏离00216图17行业仓位平均偏离0516图182022年年报中有色金属医药生物和电力设备等行业偏离幅度较高16图19截至2023年3月偏股混合型基金权益仓位约8717图20热门行业中计算机加仓至4617请务必参阅正文后面的信息披露和法律声明222金融工程专题图21科技板块加仓至1817图22合成因子RankIC均值为11RankICIR为52718图23合成因子的十分组收益具有稳定的单调性19图24指增组合年化超额收益表现稳健20表1两类偏股型基金指数主要区别在于成分基金加权方式不同4表2板块划分标准13表3开源金工因子体系18表4指增组合除2018年外均录得正超额收益20请务必参阅正文后面的信息披露和法律声明322金融工程专题2022年以来万得偏股混合型基金指数下文简称885001WI逐步进入机构投资者的视野885001WI的出圈离不开其长期优秀的业绩表现但与主流宽基指数不同的是885001WI背后对应的并不是具体的成分股而是基金产品本身同时885001WI的成分基金最新数量已经超过3000只若想通过复制885001WI的走势来跟上市场平均表现无论是对于专门进行基金配置的FOF产品抑或是单基金本身其在执行层都面临较大的难题更进一步基金经理若想战胜代表市场平均水平的885001WI指数FOF产品会涉及到成分基金优选而单基金产品则需要对885001WI指数对应的成分基金底层持仓进行穿透在此基础上进行个股优选本篇报告我们着重讨论后者全文包括四个部分第一部分我们对885001WI指数的构建方式以及业绩表现进行了介绍885001WI指数不受市场风格影响每年业绩稳定在市场平均水平而长期业绩在复利效应加持下处于市场前列水平第二部分我们对市场上常用的基金仓位测算方法做了简要梳理并比较了不同方法之间的异同与优劣第三部分我们尝试对885001WI指数的成分基金进行持仓补全在补全方法上我们采用了包括二次规划和卡尔曼滤波两种方法这两种方法不仅考虑了基金的历史持仓信息亦囊括了基金最新的净值表现基金的静态和动态信息兼容并包在得到885001WI模拟持仓后我们对指数跟踪效果进行了多维度分析最后我们在模拟持仓基础上利用合成因子对885001WI指数进行增强测试测试结果表明多维度合成的因子在测试期内具有优秀的增强表现1偏股混合型基金指数11偏股混合型指数介绍与比较目前市场上主流的偏股混合型基金指数有两个一个是Wind公司编制的Wind偏股混合型基金指数885001WI另一个则是中证指数公司编制的中证偏股型基金指数930950CSI从指数的编制方式来看两个指数最大的不同点在于成分基金的加权方式不同885001WI指数成分基金进行等权处理而930950CSI指数则根据成分基金的净值规模进行加权处理表1两类偏股型基金指数主要区别在于成分基金加权方式不同万得偏股混合型基金指数中证偏股型基金指数英文名称WindEquityHybridFundIndexCSIPartialEquityFundsIndex指数代码885001WI930950CSI指数类型基金类基金类基日2003123120071231基点10001000发布日期201312312017427发布机构万得信息技术股份有限公司中证指数有限公司加权方式等权重规模加权Wind基金二级分类中的选取基金合同中约定股票投资范围下样本空间偏股混合型基金限在60以上的开放式基金调整频率不定期调整定期调整临时调整资料来源Wind开源证券研究所请务必参阅正文后面的信息披露和法律声明422金融工程专题两类偏股型基金指数从长期收益走势来看等权模式构建的885001WI指数表现相对净值规模加权的930950CSI指数占优这或许与基金的规模效应有一定的关系一般而言基金产品的业绩表现会随着管理规模的提升超额收益获取能力会相应下滑图1长期来看规模等权相比规模加权的基金指数具有更佳表现885001WI930950CSI3530252015100500数据来源Wind开源证券研究所12885001WI的市场定位区别于市场中大家耳熟能详的宽基指数如沪深300和中证500指数等885001WI指数的构建方式决定了其收益率在全市场的排名不易受到市场风格的影响而大幅波动我们对比了2010年以来885001WI与沪深300和中证500指数的收益率在全部偏股混合型基金中的分位点走势从统计结果可以看出885001WI的收益率分位点在50的中枢上下小幅波动而风格特征更明显的沪深300和中证500指数在不同的年份收益率排名会有明显的波动与此同时在过去13年间沪深300和中证500指数仅在2014年均跑赢了885001WI指数而885001WI指数同时跑赢两个宽基指数则有四次分别为2011年2018年2019年和2020年图2885001WI的收益率水平不易受市场风格影响每年稳定在市场中枢附近2010201120122013201420152016201720182019202020212022020406080100885001WI000300SH000905SH数据来源Wind开源证券研究所请务必参阅正文后面的信息披露和法律声明522金融工程专题从收益率走势来看885001WI相比沪深300和中证500指数从2018年以后逐步拉开距离这或与2018年以来市场风格愈发极致具有一定的关联度图32017以来885001WI逐步体现出相对优势885001WI000300SH000905SH3530252015100500数据来源Wind开源证券研究所根据统计结果基金收益率长期位于市场中位数附近是一件富有挑战性的事情连续三年战胜885001WI指数的基金业绩处于市场前15的水平连续五年战胜885001WI指数的基金占比则不足5而连续八年战胜885001WI指数的基金数量则仅为个位数随着时间周期的拉长战胜885001WI指数的难度逐渐增大图4连续五年战胜885001WI指数的基金占比不足5占成立满N年基金比例占基金总数比例302520151050N2N3N5N8占成立满N年基金比例2571393406占基金总数比例210971902数据来源Wind开源证券研究所在注册制正式实施的大背景下未来随着A股上市公司数量逐步增加全市场个股普涨或普跌的时代或已渐行渐远结构化行情逐步成为常态而结构化行情的演绎天然有利于风格敏感度低的885001WI指数与此同时885001WI指数在控制回撤层面具有显著优势两种因素叠加下885001WI指数脱颖而出受到市场投资者关注便也属于情理之中基于此后文中我们选取表现优异的885001WI指数作为对标基准对其成分基金进行持仓补全并在模拟持仓上进行增强方案的探索请务必参阅正文后面的信息披露和法律声明622金融工程专题2仓位测算方法介绍关于公募基金的仓位测算常规做法大致分为四种分别为重仓股补全添加惩罚项的净值回归二次规划和卡尔曼滤波以下我们分别针对不同方案进行简要介绍并对比各自优缺点21重仓股补全重仓股补全是在已知当期十大重仓股的基础上对非重仓个股进行补全通常做法是将上一期的全部持仓剔除当期持仓信息后全部作为候补股票纳入考虑并根据当期披露的证监会行业配置权重信息对被填补个股权重进行调整重仓股补全的方法虽然简单易实施但其跟踪表现严重依赖前提假设重仓股补全方法默认基金经理的持仓偏好具有稳定性备选标的池更新频率低强假设导致重仓股补全方法主要适用于低换手的基金产品对于高换手的基金产品往往跟踪误差较大22净值回归净值回归方法将基金每日净值数据作为因变量相关指数每日收益率作为自变量指数选取以主流宽基指数和一级行业指数为主为了降低自变量间的共线性影响通常会在损失函数上增加惩罚项来对回归参数进行约束为此常用的回归方法有Lasso回归和岭回归净值回归方法仅用到了基金的净值数据相比重仓股补全方法中使用的滞后披露的基金持仓数据在仓位估算的及时性上得到了提升同时能实时监控基金仓位的动态调整但净值回归方法无法穿透到基金持仓明细仅能获取仓位配置信息以自变量为一级行业指数收益率为例净值回归仅能估计基金产品在各一级行业上的配置比例而无法提供基金在各一级行业成分股中的具体配置比例23二次规划二次规划方法根据基金定期报告中披露的信息对备选个股权重和行业配置权重进行约束设定通过最小化基金净值跟踪误差来对基金的真实持仓进行估计区别于重仓股补全逻辑限定了个股权重的变动二次规划方法支持实时对持仓个股及其权重进行调整由于纳入了基金最新的净值信息通常来说二次规划方法在仓位估算精度上具有相对优势但二次规划方法通常对计算资源要求较高同时在计算流程上相对复杂24卡尔曼滤波卡尔曼滤波方法通过基金上期持仓预测本期持仓预测过程并据此估算本期基金净值测量过程根据基金真实净值与估算值的差异校正本期持仓信息循环迭代不断根据新增信息校正基金持仓估计最终得到最优持仓估计理论上卡尔曼滤波在低换手基金的持仓估计中新增信息对于持仓估计的校正程度偏低在高换手基金的持仓估计中新增信息对于持仓估计的校正程度偏高因此能有效兼顾不同换手水平基金的持仓估计误差另外迭代过程中随估计期数的增加卡尔曼滤波方法能够更好地保持估计误差的稳定避免估计期数增加带来的估计误差放大的问题另一方面卡尔曼滤波的前提假设仅针对线性系统过程请务必参阅正文后面的信息披露和法律声明722金融工程专题模型和测量模型对于非线性系统达不到最优估计从各种方案的介绍来看重仓股补全方法虽然简便易实施但逻辑假设前提要求较高适用范围较窄净值回归方案计算简单但估计结果颗粒度较高无法穿透到个股层面对个股权重进行估计仅能宽泛得到指数的权重配置比例二次规划和卡尔曼滤波方法则相对较优二者均结合了基金披露的持仓信息以及实时的净值信息能够对估算持仓进行实时调整在方法论上具有一定的优势下文中我们针对二次规划和卡尔曼滤波两种方法进行详细介绍并对885001WI指数的成分基金的真实持仓进行估计3持仓测算方案1二次规划为了对公募基金持仓进行补全我们需要对市场上公募基金的已知信息进行收集首先是来源于公募基金定期报告的持仓信息公募基金在一个完整的自然年需要披露六次持仓信息分别为四次季报一次半年报和一次年报在每个季报期公募基金仅披露前十大重仓股的持仓占比而在半年报和年报公募基金会披露全部的持仓信息除此之外公募基金在每个报告期会披露其在证监会和GICS行业的配置比例以及股票和债券的持仓比例虽然半年报和年报在披露信息上更加全面但同时其也拥有更长的时滞根据监管要求公募基金需在季度结束后15个工作日内披露季报需要在2个月内披露半年报需要在3个月内披露年报除此之外上市公司定期披露的十大流通股东提供了基金的隐藏重仓股信息上市公司的定期报告亦存在一定的时滞一季报和三季报要求在每个季度结束后的一个月内披露完成半年报则需在两个月内披露完成年报则要求最迟在次年四月底前披露完成最后我们还需要基金的每日净值变动数据基金净值数据的及时性能够帮助我们不断校正模拟持仓的个股权重公募基金持仓补全主要包含两个步骤第一步我们对基金的季报持仓进行补全当基金半年报和年报披露后则用新的信息对前序估计持仓进行修正第二步在仓位高频监测过程中对前序模拟持仓权重进行再估计以符合真实净值的变动当进行季报持仓补全时我们首先需要确立备选股票池备选股票通常来源于当期的十大重仓股和最新一期披露的全部持仓的并集但对于换手率较高的基金持仓变动较大的情况下仅依赖历史持仓信息会存在无法求解的情况为此我们根据行业配置信息对备选股票池进行拓宽为了避免所选股票在行业内分布不均我们在每个行业中按照市值排序选取前3的个股作为备选标的这意味着对于权重占比较高的行业其备选标的亦会相应增加31季报持仓补全在每个季报发布节点我们回看过去20个交易日通过最小化跟踪误差来对基金持仓进行拟合为了简便处理在拟合期内假设个股权重不变请务必参阅正文后面的信息披露和法律声明822金融工程专题202min1112101010102341其中表示个股的权重表示第只个股在第个交易日的收益率表示基金在第个交易日的收益率表示第只个股的真实权重表示全部个股的持仓权重表示备选个股对应的行业哑变量矩阵表示备选个股的权重向量表示实际披露的行业权重向量第一个约束条件是对十大重仓股的权重进行固定在实际进行计算的过程中我们通过上市公司定期报告披露的十大流通股东信息获取到的基金隐形重仓股也放到该约束条件下第二个约束条件要求剩余候选个股的权重小于第十大重仓股第三个约束条件为行业配置比例约束需要注意的是A股对应的是证监会行业配置比例而港股对应的是GICS行业配置比例第四个约束条件为备选股票池的权重之和等于基金披露的真实股票持仓占比值32持仓高频监测在季报持仓补全的基础上我们以该持仓为基准进行高频的持仓监测高频持仓监测与季报持仓补全虽然都涉及都对个股权重的估计但不同的是季报持仓补全涉及到备选股票池的确定而高频监测沿用了前序模拟持仓的信息高频持仓监测在最小化跟踪误差的基础上添加了惩罚项来对权重偏离进行约束避免个股权重在短期变化过大202min21100110609521其中表示惩罚项系数默认为01值越高对权重偏离的忍耐度越低表示备选个股基准权重向量表示备选个股对应的带求解权重向量第一个约束条件主要是限定个股的权重上限不超过10第二个约束条件则对投资组合的持仓权重进行限定根据偏股混合型基金的要请务必参阅正文后面的信息披露和法律声明922金融工程专题求其股票持仓占比应介于60到95之间在进行高频持仓监测时需要确定每期持仓对应的基准权重通常季报填补后的持仓权重为基准持仓权重但是当基金有半年报或年报公布时我们需要对基金的二季报和四季报的模拟持仓进行更新以信息披露更完备的真实持仓作为基准权重这里我们以月频更新基金持仓为例进行说明在每个自然月末我们选取当前能够获取到的持仓信息比如在每年的一二月末去年四季报已经发布此时的基准权重为去年四季度模拟持仓对应的权重在三月末时去年年报已经披露完毕此时基于真实的持仓信息对股票池进行更新以此类推我们可以分别得到其他月份备选股票的基准权重图5高频监测下备选股票的基准权重资料来源开源证券研究所33持仓补全结果上文中我们对持仓补全的方法论做了详细的介绍基于前述方法我们尝试对Wind偏股混合型基金指数的成分基金进行持仓补全从补全后的模拟指数走势来看其能较好地跟踪885001WI的走势全区间内年化跟踪误差仅为316跟踪效果优异从相对偏差走势来看模拟指数在2019年到2021年间稳定小幅跑输885001WI我们认为其与这三年间市场打新具有稳定超额收益有一定的关系2022年以来模拟指数逐步跟上885001WI指数本身走势偏差在零值附近波动图6基于持仓补全的模拟指数年化跟踪误差仅3164模拟指数885001WI相对偏差右轴105351309509250852081507510705065006数据来源Wind开源证券研究所请务必参阅正文后面的信息披露和法律声明1022金融工程专题通过对所有成分基金的持仓个股权重进行加总再对不同成分基金持仓权重进行取均值处理我们可以得到885001WI指数的仓位情况根据测算结果截至2023年3月底偏股混合型基金仓位约为87处于过去十年间的相对高位2019年以来港股持仓权重不断提升当前约为8图7偏股基金仓位水平与价格走势关联度逐步提升图82017年后港股仓位逐渐提升总仓位估计885001WI右轴9517000A股仓位估计港股仓位估计1500095901300090858511000900080807000757550007030006570100060201301312013073120140131201407312015013120150731201601312016073120170131201707312018013120180731201901312019073120200131202007312021013120210731202201312022073120230131201607312013073120140131201407312015013120150731201601312017013120170731201801312018073120190131201907312020013120200731202101312021073120220131202207312023013120130131数据来源Wind开源证券研究所数据来源Wind开源证券研究所通过对不同成分基金相同个股的权重在行业层面进行聚合加总并在不同行业间进行归一化再乘以885001WI指数的估算总仓位即可估计出不同行业的持仓占比为了对比行业权重配置比例的真实值与估计值的偏离度我们分别从时序和截面两个维度对行业估算偏差进行测量在基金每个半年报和年报期我们能够获取到其在各行业的详细配置明细将其与估算的行业持仓占比进行做差后取绝对值并对不同行业取均值即得到当期行业的偏离度从测算结果来看在时序上2019年半年报和2022年半年报行业估算仓位与真实披露的数值有较大偏差大部分报告期行业估算的偏离度均位于05以下估算误差处于较低水平图9行业偏离度较大的报告期通常对应更高概率的机构调仓行为偏离度252015100500数据来源Wind开源证券研究所截面上我们以最新披露的2022年年报数据为例从测算结果来看行业偏离度仅为031由于基金年报披露相对滞后对于调仓幅度较大的行业估算精度会有所下降请务必参阅正文后面的信息披露和法律声明1122金融工程专题图102022年年报行业配置真实权重与估算权重偏离度仅为031估算仓位真实仓位14121086420传媒环保钢铁电子综合通信银行汽车煤炭GICSGICSGICSGICSGICSGICSGICSGICSGICSGICSGICS房地产计算机农林牧渔基础化工有色金属家用电器食品饮料纺织服饰轻工制造医药生物公用事业交通运输商贸零售社会服务建筑材料建筑装饰电力设备国防军工非银金融机械设备石油石化美容护理能源工业金融原材料房地产信息技术医疗保健通信服务公用事业日常消费品非日常消费品港股A股数据来源Wind开源证券研究所从时序上观察偏股基金在行业配置上的变化可知电力设备行业自2022年8月以来被机构投资者大幅减仓相对前期高点减仓幅度超5与之形成鲜明对比的是计算机行业被机构大幅加仓相对前期低点已增仓约4从后视镜视角来看机构在行业上配置的高点往往对应行业指数的阶段高点如2022年7月前后的医药生物行业2022年11月前后的电力设备行业概莫能外图11电力设备行业机构减仓幅度超5计算机行业增仓4电子食品饮料医药生物电力设备计算机传媒通信181614121086420数据来源Wind开源证券研究所通过对行业权重进行进一步聚合加总我们可以得到风格维度的持仓变动情况我们从周期金融科技消费制造和医药六大板块进行切入观察各板块机构调仓动向具体板块分类标准如表2所示请务必参阅正文后面的信息披露和法律声明1222金融工程专题表2板块划分标准板块名称对应行业煤炭钢铁有色金属基础化工交通运输建筑装饰周期建筑材料石油石化公用事业金融银行非银金融房地产科技计算机电子通信传媒国防军工家用电器食品饮料农林牧渔社会服务纺织服饰消费商贸零售轻工制造汽车美容护理制造电力设备机械设备医药医药生物资料来源开源证券研究所从测算结果可知科技板块和周期板块具有显著的跷跷板效应当科技板块被公募基金增配时通常对应周期板块的减仓操作2022年7月以来偏股混合型基金对科技板块增仓约6而周期板块则被减持3图12机构在科技和周期板块的配置方向上呈现跷跷板效应制造医药周期消费科技金融302520151050数据来源Wind开源证券研究所4持仓测算方案2卡尔曼滤波41卡尔曼滤波介绍卡尔曼滤波KalmanFilter是一种利用线性系统状态方程以及系统的测量数据对系统状态进行最优估计的算法其假设动态系统是线性的即1其中为k时刻系统状态预测值为状态转移矩阵为输入增益矩阵为系统输入向量为过程噪声服从高斯分布均值为0协方差矩阵为为测量值为测量矩阵为测量噪声服从高斯分布均值为0协方差矩阵为具体来看卡尔曼滤波的核心在于预测测量校正通过前一时刻状态变量最优估计值及其估计误差预测当前时刻状态估计值及其估计误差并结合当前时请务必参阅正文后面的信息披露和法律声明1322金融工程专题刻测量值校正对状态变量的估计从而得到当前时刻状态的最优估计循环迭代通过不断地预测和实测来修正估计值最后达到理想平稳状态图13卡尔曼滤波过程示意图资料来源开源证券研究所卡尔曼滤波识别基金持仓的过程就是将基金在股票上的持仓权重作为系统状态变量基金收益作为测量值股票收益作为测量矩阵通过5大更新方程循环迭代逐步得到基金持仓权重的最优估计的过程在备选股票池中除最新季报期前十大重仓股和最新一期披露的全部持仓外我们将同一基金公司在管产品的重仓股票纳入备选股票池同时考虑到季报披露A股证监会行业持仓及港股GICS行业持仓我们将对应行业成分股分为大中小市值组并在每组取市值前十大个股纳入备选股票池在卡尔曼滤波过程中我们对个股持仓权重施加两类约束季报期权重约束与非季报期权重约束两类约束均以最小化权重偏离为目标季报期约束为总权重1个股权重060权益仓位95证监会行业港股GICS行业权重与季报实际披露相符前十大股票持仓权重与季报实际披露相符非前十大股票持仓权重上限为前十大股票持仓权重最小值非季报期约束为总权重10个股权重1060权益仓位95以2022年6月基金持仓测算为例说明两类约束在卡尔曼滤波过程中的应用在2022年6月根据基金披露规则可获取的最近年报数据为2021H2则以2021年12月作为卡尔曼滤波过程的起点起点至当前时点2022年6月可获取的季报请务必参阅正文后面的信息披露和法律声明1422金融工程专题期数据有2022Q1因此从起点迭代的过程中对非季报期时点得到的持仓权重施加非季报期约束对季报期2021Q1时点得到的持仓权重施加季报期约束以求基金披露信息利用程度的最大化图14卡尔曼滤波约束过程示意图资料来源开源证券研究所42模拟持仓偏离程度本节基于卡尔曼滤波对885001WI指数的成分基金做持仓补全从而得到885001WI指数的模拟成分股票及权重将月末得到的模拟持仓数据作为次月持仓组合构建885001WI指数的模拟净值相较于885001WI指数模拟净值年化跟踪误差35年化收益率101同期885001WI指数年化收益113相差12对于指数具有较好的跟踪效果图15模拟指数年化跟踪误差为3540885001WI模拟指数相对净值11535110105301002509520090085150801007505070数据来源Wind开源证券研究所测试区间20130731-20230331为测算模拟仓位与真实仓位的偏离程度我们选取偏股混合型基金每年半年报与年报的全部持仓数据等权聚合作为市场的真实持仓并与卡尔曼滤波得到的模拟持仓对比从个股仓位偏离来看个股仓位平均偏离约0022014年12月偏离程度较高偏离均值达到00282017年12月以来个股仓位偏离均保持在较低水平低于00152022年12月个股仓位偏离均值为0008偏离标准差为002从行业仓位偏离来看行业仓位平均偏离约05各期行业仓位偏离均值大多介于0406请务必参阅正文后面的信息披露和法律声明1522金融工程专题之间2014年底因金融板块加仓幅度整体偏高模拟持仓偏离较大平均偏离122022年12月行业仓位偏离均值为035偏离标准差为048图16个股仓位平均偏离002图17行业仓位平均偏离0500300091418个股仓位偏离均值行业仓位偏离均值008行业仓位偏离标准差右轴160025个股仓位偏离标准差右轴121400710002000612080015005100600408001004003060005002020400000010002数据来源Wind开源证券研究所数据来源Wind开源证券研究所从2022年年报行业偏离来看加减仓幅度较大的行业其模拟仓位偏离程度整体较高在2022年12月模拟仓位偏离程度较高的有电力设备有色金属计算机等行业而电子国防军工通信等行业模拟仓位偏离程度较低图182022年年报中有色金属医药生物和电力设备等行业偏离幅度较高16模拟持仓真实持仓14121086420钢铁电子综合传媒通信银行汽车煤炭环保GICSGICSGICSGICSGICSGICSGICSGICSGICSGICSGICS房地产计算机基础化工轻工制造农林牧渔有色金属家用电器食品饮料纺织服饰医药生物公用事业交通运输商贸零售社会服务建筑材料建筑装饰电力设备国防军工非银金融机械设备石油石化美容护理能源工业金融原材料房地产医疗保健信息技术通信服务公用事业日常消费品非日常消费品港股A股数据来源Wind开源证券研究所43持仓高频监测从高频权益仓位来看2019年下半年开始市场权益仓位逐步提升2020年之后市场权益仓位基本维持在历史高位当前权益总仓位约87陆股通开通以来港股仓位逐步提升当前港股仓位位于历史高位水平约78A股仓位在从2020年8月开始逐步下滑当前仓位约797请务必参阅正文后面的信息披露和法律声明1622金融工程专题图19截至2023年3月偏股混合型基金权益仓位约8795A股仓位港股仓位90858075706560数据来源Wind开源证券研究所从行业仓位变动来看截至2023年3月电力设备从高点143202210下滑至12202303医药生物从高点153202009下滑至83202111近期仓位升至95202303计算机历史高点出现在2015年8月143历经数次阶段高位当前仓位从29202208加仓至48202303而同属科技板块的电子通信和传媒分别小幅加仓至7213和07从板块仓位变动来看截至2023年3月消费板块从2019年8月的历史高位24下滑至当前19制造板块从高点18202211下滑至16202303科技板块从15202209加仓至18202303周期板块当前仓位12金融板块当前仓位5图20热门行业中计算机加仓至46图21科技板块加仓至18数据来源Wind开源证券研究所数据来源Wind开源证券研究所5指数增强增强组合稳健超越885001WI在开源金工独家因子体系中我们从基本面交易行为资金流三个维度选取因子基于885001WI的模拟持仓构建指数增强策略基本面维度选取SUE与改进预期调整因子交易行为维度选取理想反转理想振幅聪明钱极端收益换手率与特质波动率因子资金流维度选取小单残差与散户羊群效应因子在因子合成方法上我们将单因子值按照因子方向调整后计算每只股票因子值对应的截面分位点从而达到去量纲目的再将各因子等权相加得到合成因子请务必参阅正文后面的信息披露和法律声明1722金融工程专题表3开源金工因子体系因子分类因子名RankICRankICIR因子说明基本面SUE293185对比上市公司财务报告披露的净利润指标与市场上分析师一致预期净利润的差异据此判断个股财报业绩超预期与否改进预期调整274165从时间股价跟随性预测准确度三大维度出发对分析师预期调整进行加权交易行为理想反转-597-352通过单笔成交额切割股票日收益衡量不同交易活跃程度下日收益信息差异程度理想振幅-670-384通过股价高低切割股票振幅衡量股票高价态和低价态振幅信息的差异程度聪明钱-561-339跟踪日内高频交易识别聪明钱交易进而衡量聪明钱参与交易的相对价位高低极端收益-549-318日内分钟收益中最极端收益及其前1分钟收益反转效应最强换手率-655-21520换手率均值特质波动率-678-309股票收益率回归FF三因子得到特质收益率取其标准差得到特质波动率资金流小单残差-462-287小单资金流强度截面回归涨跌幅刻画同等涨跌水平下小单资金的超额流入与流出状态散户羊群效应-409-282小单资金流的错位相关性衡量小单的跟随效应数据来源Wind开源证券研究所51合成因子分组测试基于合成因子我们进行因子分层测试在进行测试前我们剔除掉上市不满一年的新股对异常因子值进行剔除并对因子值进行市值行业中性化处理从因子显著性和稳定性来看合成因子RankIC均值高达95年化RankICIR为45图22合成因子RankIC均值为95RankICIR为4530RankICCumRankIC右轴1425122010151085604-5-102-150202108312022083120130830201312312014043020140829201412312015043020150831201512312016042920160831201612302017042820170831201712292018042720180831201812282019043020190830201912312020043020200831202012312021043020211231202204292022123020130426数据来源Wind开源证券研究所从十分组收益来看合成因子具有稳定的单调性为方便展示结果此处对累积收益率取对数处理从多空对冲收益来看空头端是超额收益率的主要贡献者请务必参阅正文后面的信息披露和法律声明1822金融工程专题图23合成因子的十分组收益具有稳定的单调性201234155678910多空对冲1050201502272018062720220615201308162013120920140331201407172014110620150615201509302016012020160512201608262016121920170412201707282017111620180308201810172019013120190528201909102019123120200423202008122020120220210324202107132021110320220223202209282023011820130426数据来源Wind开源证券研究所52885001WI增强组合的绩效表现为了更好地控制跟踪偏离度我们尝试使用约束优化求解的方式在合成因子股票池中对885001WI指数进行增强测试合成因子为正向因子因此组合因子暴露度最大化等价于预期收益率最大化max1101其中表示因子暴露度表示待优化权重表示风格暴露度矩阵表示行业哑变量矩阵和分别表示风格暴露度的偏离上下限和分别表示行业偏离上下限和分别表示权重偏离的上下限表示股票池个股是否位于指数成分股的示性向量表示成分股权重之和下限具体而言约束条件的参数设置为-001设置为001设置为08分别设置为-001001为了简化行文增强测试我们仅以其中的卡尔曼滤波的拟合持仓进行说明经过增强测试指增组合年化收益率251相比于885001WI指数具有稳定超额表现超额年化收益136年化IR16请务必参阅正文后面的信息披露和法律声明1922金融工程专题图24指增组合年化超额收益表现稳健1238超额收益右轴指增组合885001WI1033828623418213008数据来源Wind开源证券研究所测试区间20130401-20230331过去10年指增组合仅2018年跑输885001WI指数其余年份均有显著正超额收益2017年之前年均超额收益高达302017年之后伴随885001WI指数业绩优势大幅提升超额收益获取难度加大指增组合的超额收益有所下滑但基本保持正超额表4指增组合除2018年外均录得正超额收益指增组合885001WI超额收益20133711122512014509204261201511293935662016-24-1211212017137130062018-237-220-18201949540969202050950703202115371772022-130-19686202312078432013--2023251110136数据来源Wind开源证券研究所6风险提示模型测试基于历史数据市场未来可能发生变化请务必参阅正文后面的信息披露和法律声明2022