公募基金持仓参考价值的再思考 | 开源金工

作者：建榕量化研究

题图：建榕量化研究微信公众号

摘要

主动权益基金整体选股能力与投资行为分析

自2018年以来，主动权益基金发展迅猛，尽管2022年以来规模有所缩窄，仍然对市场有较大影响力。尽管2022年以来受成长风格影响，公募主动权益基金业绩有所回撤，主动权益基金仍然在多数年份实现了超额收益。

公募持仓股票数据共有三个来源，一是基金季报披露的前十大重仓股，二是年报和半年披露的全部持仓，三是开源金工实时测算的公募持仓。

在不同的市场背景下，公募基金调整股票配置的行为，与股价变动间的关系呈现出四种情况，即①领先于股价②同步于股价③滞后于股价④与股价不相关，前两种情况更值得参考，详见全文。

从公募基金持仓数据提取有效信息

本文针对两个数据，即全持仓数据（年报披露）、重仓股数据（季报披露）构建因子，由于两个数据源各有优势，且优势互补，因此探索两个数据的选股效果。

针对年报和半年报披露全持仓数据，主要有以下结论：

分域来看，对于大盘和中盘股票，基金持仓因子在公募低配股票中分组效果更好；因子在前期涨幅低的股票中分组效果更强，可以辅助寻找左侧投资股票；因子对于优选红利股和成长股均有辅助作用。

01

主动权益基金整体选股能力与投资行为分析

1.1、公募基金具有主动选股能力

自2018年以来，主动权益基金发展迅猛，尽管2022年以来规模有所缩窄，仍然对市场有较大影响力。截至2024年5月31日，公募股票型基金规模达2.85万亿元，混合型基金规模达3.47万亿元，公募基金买卖股票依然会对市场造成较大影响。

从风格来看，主动权益基金整体更偏向于高弹性的大盘成长风格。使用万得偏股混合型基金指数（885001.WI）代表整体主动权益基金，从股价走势来看，主动权益基金整体业绩走势与大盘成长指数较为接近，比大盘成长指数弹性更高。2018年到2020年，公募抱团催生一段由公募基金主导的大盘成长的极致行情。2021年以来，受成长风格回撤影响，主动权益基金收益出现回撤。

尽管2022年以来受风格影响，公募主动权益基金业绩有所回撤，整体主动权益基金仍然在多数年份实现了超额收益。超额收益具体计算方式是逐年将万得偏股混合型基金指数对Carhart四因子做回归，所得到的残差和常数项即为主动权益基金的超额收益。公募基金在多数年份实现超额收益，除了2011年、2012年、2013年、2023年。

1.2、公募整体买入股票模式规律

本文设置了基金超配比例指标Fund_overweight，旨在衡量公募主动权益基金整体相对市场对股票超低配程度。Fund_overweight计算公式为：

公募持仓股票数据共有三个披露来源，一是基金季报披露的前十大重仓股，二是年报和半年披露的全部持仓，三是开源金工实时测算的公募持仓。以下分别阐述三个数据源的优缺点：

（1）季报：优点是准确性较高、滞后时间较短，缺点是只披露前十大重仓股，中小盘不易出现在前十大重仓股，部分时间有小概率会产生一些噪声。

（2）年报：优点是准确性高、股票披露完整，包括小微盘股票，缺点是更新频率低，滞后时间长，时效性相对较弱。

（3）实时：优点是更新频率高，滞后时间短，缺点是持仓比例可能存在误差。

以伊利股份为例，2017年的上涨行情中，重仓股数据率先反映公募增配，月频数据随之也反映公募增配，但是幅度不高，全持仓数据最晚反映；在2023年Q4季频数据存在小幅波动，原因是使用重仓股计算基金超配比例 Fund_overweight，可能会出现噪声，月频和全持仓数据更为平稳。

不是所有公募调整持仓行为都有参考价值，观察公募整体对各股票的超低配历史变化，公募基金调整股票配置的行为，与股价变动间的关系呈现出四种模式，即①领先于股价②同步于股价③滞后于股价④与股价不相关，前两种情况中基金配置更值得参考。

（1）领先于股价：公募基金经理擅长价值投资，通过对公司各方面分析预测公司未来基本面，从而获取超额收益，后文说明了经过处理后，公募超配公司业绩增速更高。以宁德时代为例，公募在2019年Q4因为看好新能源提前布局宁德时代，并从2021年H1开始逐渐减配宁德时代（全持仓数据），2022年后维持在固定水平。

（2）与股价同步：这种情况常见于周期性强或公募定价权较高的股票，在周期底部公募选择低配或不配，反之则高配。由于A股上市公司基本面和成长性稳定者较少，所以多数股票的超配程度与盈利周期和股价周期有关。如果公募买入趋势持续时间长、股价反应时间长，就能通过跟随公募基金获取超额收益。

以温氏股份为例，由于猪价存在周期性，股价呈现出提前盈利周期一年的特征，而超额收益与公募配置比例基本同步，且每轮上涨周期均超过1年。

另一个例子是公募定价权较高的股票，科技板块股票居多，公募基金经理预期变化会影响股价走势。以金山办公为例，其超额收益与公募超配比例基本同步，且超配比例变化趋势存在延续性。值得注意的是，若公募配置比例波动周期较短，则重仓股数据因其滞后性，参考意义便会下降。

（3）滞后于股价：①出现在基本面好转的股票，原因是可能是基本面、消息面出现不利新闻，并伴随股价下跌后，公募需要等待更为安全的右侧配置机会，在趋势确立后再进行投资，以避免过早介入可能存在的风险。以格力电器为例，2020年格力电器业绩出现回撤，超额收益随之回撤，2022年格力电器业绩回暖后，超额收益也开始逐步回升，公募2023年Q1加大配置比例，原因可能是公募需要时间确认业绩反转。②出现在抱团行情的中后段，和部分公募持有比例较少且基本面一般的股票。

（4）与股价不相关：常见于一些业绩、股价走势均稳定的股票，如古井贡酒等公募重仓股票，一方面公募对其定价权较低，另一方面公募信息优势不明显。以古井贡酒为例，其超额收益较为稳定，公募超低配该股票节奏与超额收益相关度低，与白酒整体抱团程度更为相关。

02

从公募基金持仓数据提取有效信息

对于公募超低配数据，本文认为最为保险的方式是逐一结合券商研报、年报中业绩等信息，探寻公募超低配股票的原因，筛选出公募认为业绩增长的股票。然而，逐一考察每个股票的时间成本较高，本节探讨如何从公募基金配置数据，提取简单的指标，筛选公募看好、非抱团的股票。

2.1、指标构建：寻找公募整体看好的股票

筛选公募整体看好股票难度并不大，然而公募看好并不意味着未来超额收益高，也可能意味着资金过于饱和，而使得股票的弹性更大，在弱市条件反而会更跌幅更高，即“公募抱团现象”，因此在构建指标时，需要尽可能排除公募抱团的影响。

本文针对两个数据，即全持仓数据、重仓股数据构建因子，由于2个数据源都各有优势，且优势互补，因此探索2个数据的选股效果。

刻画指标考虑方向主要包括超配比例FOP和时序变化FOC。FOP衡量当下公募整体超配比例；FOC衡量公募对该股票超配比例的变化。

针对全持仓数据，计算超配比例FOP和时序变化FOC，主要有以下几点结论：

（1）与传统认知不同的是，基金超配程度越高，并不意味着未来收益越高。基金超配较多的股票对大盘涨跌更敏感，即Beta更高。其原因是基金超配较多的股票，如宁德时代等，更为依赖市场资金面，因此受整体市场情绪的影响更高。

（2）基金低配的股票超额收益较低，在小盘股上较为明显。

（3）基金超配程度上升的股票未来涨幅更高。从选股效果来看，因子在小盘股效果较好。

与传统认知不同的是，基金超配程度越高，并不意味着未来收益越高，基金超配较多的股票beta较高。使用超配比例FOP对股票分组。对于大盘，以沪深300成分股为例，基金超配股（G3）收益并不一直高于低配股票（G1），2021年以来，基金超配股相对收益持续回撤；对于小盘，以中证1000成分股为例，基金超配股（G5）与大盘超配股走势基本一致，低配股（G1）收益较低。

由于全持仓数据披露频次较少，且滞后时间长，因此直接计算超配比例会出现过于滞后的问题；而时序变化指标，由于公募购买股票的趋势存在一定延续性，因此时序变化指标有一定选股效果。

对于重仓股数据，数据披露频率更高，对以上结论进行验证和补充。结论如下：

（1）与全持仓数据相同的是，重仓股数据同样发现，基金超配程度越高，并不意味着未来收益越高，基金超配股票对大盘涨跌更敏感，及Beta更高，该结论在大盘和小盘上均成立，因此如果需要挖掘公募看好且不那么拥挤的股票。

（2）与全持仓数据不同的是，重仓股数据频率更高，可以用一定手段排除抱团影响。排除抱团影响后，被公募基金超配的股票，未来有较高的收益潜力；被低配的股票，则预期收益可能较低。

（3）从变化角度，公募基金对某只股票的超配程度提升时，该股票有望实现更高的超额收益，在大盘股中效果更明显，原因是重仓股数据对大盘披露更完整。

合成后因子选股效果有一定增强，因子在全样本内多空年化收益 14.0%，十分组多头相对中证500超额年化收益9.4%，在沪深 300 内多空年化收益7.5%，多头超额年化收益5.7%。

与资金流等传统因子不同的是，基金持仓因子的收益来源部分是未来公司盈利增长。将所有按未来一年的净利润增长TTM和基金持仓因子分别进行五分位分组，探究两者之间的关联性。具体的，将股票按照基金持仓因子排序分组，计算每组在未来一年的平均净利润增长TTM。结果表明，在每个股票池中，基金持仓因子得分高的股票组合（G5），未来一年净利润增长TTM更高。

分行业和个股收益来看，选股和行业配置均贡献超额收益，行业配置贡献收益更高。使用中证500五分组组合进行收益拆分，多头组选股累计贡献超额收益为10%，行业配置累计贡献超额收益为45%。

2.2、分域有效性：基金持仓因子对不同股票池有增强效果

由于基金经理的偏好股票池不同，如公募（非）重仓股、价值或红利股、成长股、偏左侧股票等，本节讨论了本文计算的指标对于这些选股池的增强效果。

基于先前的分析，对于某些“抱团股”，尤其是像宁德时代以及消费板块的核心资产，公募基金超低配与未来能否实现超额收益之间的关联性并不强。说明对于公募基金重仓股，单纯模仿基金配置比例难以获得超额收益。

具体的，按各股票的基金持仓比例是否高于市值占比，将所有股票划分成两组：一组是公募高配股票，即基金配置比例高于市值占比的股票，另一组是公募低配股票。对于大盘和中盘股票，即沪深300和中证500成分股，基金持仓因子在公募低配股票中分组效果更好，而对于小盘股，即中证1000成分股，因子在两组中分组效果均较好，原因是小盘股中较少出现公募基金集体“抱团”持股的现象。

基金持仓因子可以辅助寻找适合左侧投资的股票，因子在前期涨幅低的股票中分组效果更强。按照过去120个交易日涨跌幅将所有股票分为两组，如图22所示，对于沪深300和中证500成分股，基金持仓因子对历史涨幅较低的股票分组效果更强，多空两组的收益走势分化更大。对于小盘股，因子对两组股票均有分组效果，2021年后，历史涨幅较低的股票分组效果更强。

基金持仓因子对高分红股票有筛选效果。使用股息率将所有股票分为两组，股息高的一组即为高分红股票。结果发现，基金持仓因子对高分红股票有一定分组效果，在沪深300和中证1000样本池中分组效果更好。

基金持仓因子能够优选成长股。由于鉴别成长股需要对个股未来盈利潜力的评估，而这个涉及到主观判断，因此使用超预期指标和历史净利润增长作为替代。分别筛选超预期的股票和历史净利润增速高的股票，从而识别那些业绩有望持续增长的股票。在这两个样本池中，因子均有分组效果，进一步印证了其在成长股优选中的价值。

2.3、多维指标共振：基金持仓因子对其他因子有增强作用

本文的基金持仓因子，可以对资金流和量价因子进行增强，改善多头效果，原因是量价因子和资金流因子的收益来源是估值提升，因此多头效果往往不如空头，而基金持仓因子的收益来源是公司未来盈利增长，因此在多头效果较好，将基金持仓因子因子和资金流和量价因子合成，能改善因子多头效果。

资金流因子中以主动大单因子为例，主动大单因子反映了机构等资金主动买入比例，可以和基金持仓因子相互印证。融合了基金持仓因子后，主动大单因子多头超额年化收益率从10.3%提升至12.2%，超额夏普比率从1.30提升至1.69，在沪深300、中证500、中证1000选股域中均有提升。

量价因子多数在空头上有较好的效果，融合了基金持仓因子后，量价因子多头效果得到改善，如APM因子十分组多头超额收益从8.7%提升至12.1%。

将主动大单因子和基金持仓因子合成，筛选合成因子得分高的30只股票简历足额，按单边千三扣费，组合年化收益12.1%，相对中证500年化超额收益8.6%，超额夏普比率为0.91。

03

风险提示

模型测试基于历史数据，市场未来可能发生变化。本报告不构成对股票的投资建议，因子的历史业绩不代表未来收益。

版权声明：文章版权归原作者所有，部分文章由作者授权本平台发布，若有其他不妥之处的可与小编联系。