华宝财富魔方 分析师／李真 分析师／郭寅

　　在FOF投资中，对于基金产品的数量化研究手段主要从两方面的数据入手：基金的净值数据和基金的持仓数据。两种数据的分析各有利弊： 净值数据的获取难度较低，更新频率快，反映信息有限；持仓数据的获取难度较大，更新频率低，但是基于持仓的分析穿透至底层配置，准确性较高。公募基金一年仅公布四次持仓，其中仅有两次为全部持仓公布。孤立的持仓时点与连续一年的投资活动相比近乎仅是电影中的几个片段，全豹身上的几块斑纹。 然片段虽零散，却仍可以帮助我们了解基金经理的投资活动，正可谓窥一斑而知全豹。

　　如上文所述，公募基金公布的持仓数据分为半年度公布的完整的全部持仓数据和每季度公布的前十大持仓数据。对于全部持仓数据，我们重点分析如何利用持仓数据作为净值分析结论的重要补充，运用到基金经理与基金产品的风格划分与筛选中，对于季报数据，我们对前十大重仓股是否可以作为分析基金投资与业绩的有效参考进行讨论。

　　1. 全部持仓风格归因

　　风格的划分在自上而下的FOF投资流程中扮演重要的一环：在大类资产配置——风格类别产品的选择——具体基金的筛选中，投资风格明显、稳定的基金可以作为契合中观层面的风格配置工具，为投资者提供特定的风险收益特征。通过基金的持仓可以看到某一时点基金的风格选择，也可以结合多个持仓披露点观察基金随着时间推移的风格演变。因此，我们利用测试时间段的持仓来确认基金的风格与风格稳定性。

　　1.1. 研究思路与样本数据

　　本篇报告的主要研究对象为主动偏股型基金，在Wind基金分类中即为普通股票型、偏股混合型、平衡混合型与灵活配置型四类。因为小规模基金在遭遇大额赎回时容易受到冲击，因此不作为纳入组合的考虑，我们将截至2016年4月规模不足1亿的主动偏股基金剔除后，并剔除部分主题类型基金，构建样本基金共897只。

　　基于全部持仓数据分析基金风格时，我们选择使用近四年的全部持仓的披露作为基金分析的依据，即样本基金2013年——2016年期间年报、半年报的全部持仓。也就是说，如果一只基金从2013年存续至今，则共有8个时点的全部持仓数据。同时为与持仓数据相匹配，使用净值回归的方法对风格归因也均从2013年开始。在讨论前十大持仓所披露的信息内容时，我们选取样本基金2016年年报与2017年一季报的前十大重仓股作为分析依据。

　　此外，在利用持仓进行风格界定时，我们延续了之前报告中“以基金经理人为核心”的框架，一只基金分为若干考察期，均与除建仓期后（基金成立日起6个月内，变更基金经理起3个月内）历任基金经理的任职期对应。

　　1.2. 风格因子的构建与计算

　　借鉴BARRA多因子模型对风格因子的定义，我们有共计45个指标合成的规模、成长、估值、盈利、波动率等10个纯因子可供基金产品的风格维度划分。每个风格因子所包含的各类描述性因子如下：

　　资料来源：Wind资讯， 华宝证券研究创新部

　　更详细的因子构建算法请参考报告《纯因子组合、因子收益率与市场风格构建》。在该报告中，我们得到了不同时点上全部A股在10个因子维度上的标准化暴露度，采用流通市值加权平均值的标准化方法：

　　在本文中，因为对大小盘风格的界定划分需要借助申万风格指数成份股的总市值，直接使用了全部A股的总市值进行升序排序，再用排名百分位数作为规模因子的暴露度得分。具体方法请参见下文。

　　1.3. 基金持仓风格归因：成长因子、估值因子、盈利因子、规模因子

　　基金风格因子的暴露度可以基于个股的因子暴露度水平与基金持股仓位计算得出。计算公式如下：

　　为各个风格因子暴露度设定阈值th可以批量实现对样本基金持仓披露时点上风格的分类。如前文所说，各个因子上暴露度得分X^f的值域在0-1之间，我们因此取中间值th=0.5作为风格划分的界限。对于大小盘因子，我们发现样本基金的因子暴露度得分普遍偏离于0.5之上，因此我们以申万大小盘指数成份股的市值在全A股中的排名得分作为风格划分依据：1、将申万小盘指数在各个持仓公布时点的成份股市值降序排列，得到持仓公布时点t申万小盘指数排名第10%分位数的个股市值Cap_t； 2、将t时全部A股市值降序排列，取在Cap_t在t时全部A股市值的排名百分位数，令阈值th=R_t作为划分大小盘的依据。

　　1.4. 持仓归因与净值归因交叉验证

　　当我们利用多个持仓披露期的数据得出基金的风格分类时，对基金的投资风格变化与稳定性就有了一定的认知。在我们的第一篇报告《基于Sharpe模型的股基筛选策略》中，提出了以Sharpe模型的净值回归方法挑选风格稳定的基金。如果净值风格归因的结论与时点持仓归因的结论基本重合，就可以对基金风格有更加确信的把握。以价值/成长维度的交叉验证为例，过程如下：

　　1.4.1. 价值/成长维度

　　我们将净值归因方法与持仓归因方法进行交叉验证。首先以Sharpe净值回归的方法得出基金风格划分，再在此分类基础上根据持仓数据统计各类基金的因子暴露度得分。

　　估值因子

　　我们首先来看被Sharpe归因方法贴上价值标签与成长标签的基金，并以2013年—2016年各个持仓公布时点数据计算出估值类因子(Valuation)暴露度得分分布：

　　价值风格基金相较于成长风格基金在估值类因子暴露度上普遍得分更低，意味着价值类基金的各个持仓披露时点上更多的持有低估值水平的股票，成长型基金所持有的股票估值水平更高。在Sharpe模型中，选取了申万低市净率指数作为价值风格资产组合，而低市净率同样是估值水平的一种衡量。两种方法体现了互相验证的作用。

　　盈利因子

　　除了估值水平外，盈利水平也是价值属性的一个重要考量方面。我们再统计价值与成长型基金根据2013—2016年持仓测算出的盈利因子的暴露得分分布，结果如下图：

　　盈利类因子暴露度得分越高，价值属性就越强。在这里可以看出价值型基金比成长型基金在盈利得分上更胜一筹，但是分化并不明显。这可能与Sharpe方法中使用估值指标合成的指数，而非盈利类指标合成的指数有关。如果对价值风格的考量希望同时纳入估值因素与盈利因素，我们可以在持仓方法上对价值属性的界定更加严格，同时为估值类因子与盈利类因子设定阈值。

　　成长因子

　　对于成长型基金的风格验证，我们用持仓得出的Growth因子暴露度得分与净值回归结论相比较，价值型与成长型基金的Growth暴露度分布如下：

　　1.4.2. 大盘/小盘维度

　　对于大盘与小盘风格的划分，一方面根据持仓数据，测算样本基金规模因子的暴露度得分进行界定；另一方面我们以Sharpe净值归因的方法，选取申万大小盘指数作为回归解释变量。被Sharpe方法贴上大盘与小盘标签的基金在持仓规模因子(Size)暴露度得分分布如下：

　　由于Sharpe模型对成长类基金的划分同样是选取估值指标指数（申万高市净率指数）拟合，因此价值与成长Growth暴露度的分化也并不十分明显。

　　从分布图可以看出两点：1、大盘与小盘基金的规模因子暴露度的分化较为明显；2、大小盘基金整体的规模因子暴露度向右偏移，大部分时间的持仓得分都在0.5之上。这说明小盘型的基金虽然与大盘基金的持股市值分布有所差异，但是持股的市值水平与全A股的市值比较起来并非为小市值，这可能是由于市值过小的股票由于流动性太差、分析师覆盖率较低普遍不受市场关注。如前文所说，我们将申万小盘指数在2013—2016年各个持仓公布时点的成份股市值降序排列，采用排名第10%分位数的市值在同期全部A股中所处的分位数作为划分大小盘的依据。

　　1.4.3. 风格交叉验证小结

　　持仓归因与净值归因交叉验证可以增强风格划分的确定性，但是这仍然不代表所得结论没有瑕疵。首先，对于换手率较高的基金，低频率时点上的持仓所能反映的信息有限，偶然性也较大；其次，无论是净值归因还是持仓归因都需要设置界定阈值，阈值设定的不同会造成结论的差异，持仓因子暴露度分化差异较小的两种风格会对阈值较为敏感。第三，单个时点的得分并不能代表投资时段的全貌，需要观察存续期其他时点的暴露度得分情况，结合持续性进行判断。以成长风格为例：我们计算了基金经理任职的观察期内，用持仓归为成长风格的次数与总持仓披露次数的比例p。如果占比p大于设定的阈值k，则认为从持仓数据来看，基金经理任职期内可以归为稳定的成长风格。本次研究中，我们为各个因子设定的阈值k=0.6。

　　持仓是时点截面数据，公布频率较低。因此我们以Sharpe净值回归的结论作为主要参考，在此之上做持仓的分析判断。下表为Sharpe归因方法与持仓因子归因方法在各个风格维度上的一致比例。大部分风格维度的一致比例较高：

　　当Sharpe归因结论与持仓归因结论一致时，我们对基金的风格更加确信；当两者结论不一致时，我们可以用定性调研等辅助手段协助我们进一步判断。

　　2. 前十大重仓股知多少

　　公募基金在年报与半年报中披露全部持仓，在季报中仅仅公布前十大重仓股。年报与半年报的公布频率十分低，那么季度间披露的前十大重仓股可以作为分析基金投资与业绩的有效参考吗？如果可以，那么一般认为，基金应该具有如下的特征：1、前十大重仓股集中度高；2、换手率低；3、前后持仓披露期的持股集中度变化较小，也就是说前十大持股可以很大程度反映基准择时对基金业绩的贡献。但是这些约束指标有以下问题：一方面，同时满足以上条件的基金数量有限，限制了我们对前十大持股信息的利用；另一方面，仍有很多不确定因素：首先基金的换手率数据是滞后的、低频的，一年中仅能从年报与半年报中得出；其次低换手的基金仍可能有未披露的持股对基金的业绩产生巨大影响。

　　基于以上问题，我们在本篇报告中引入了净值模拟的方法与MAPE指标，结合集中度、换手率等指标，帮助我们筛选前十大重仓股可以较大程度反映持仓披露期之间投资活动，解释业绩来源的基金产品。

　　2.1. 样本选取

　　对于前十大重仓股的分析适用于符合以下特征的基金产品：第一是偏股型产品，股票配置是影响基金业绩的主要因素；第二是基金在前后持仓披露时点的前十大持股集中度变化较小。我们的测试期为2016年年报披露至2017年一季报披露时，样本构建方法如下：在wind主动偏股型基金的基础上，选择2016年报与2017年季报股票仓位均为50%以上，并且前后集中度变化绝对值小于20%的标的共735只基金进行研究。

　　2.2. 前十大重仓模拟基金净值曲线

　　我们以2016年年报的前十大持仓与2017年一季报的前十大持仓为依据模拟基金在两个时点之间的净值走势。依照以下前提假设：

　　以下为根据上述方法对富国改革动力（001349.OF）与博时行业轮动（050018.OF）的净值模拟效果：

　　2.3. 评价模拟效果指标MAPE

　　同样的模拟方法，对富国改革动力的模拟近似于实际净值，而对博时行业轮动的模拟却与真是净值差异巨大。我们在此用MAPE评价指标来衡量两条净值曲线的相似程度。MAPE的计算公式为：

　　其中y为真实净值曲线值，为模拟净值曲线值，N为样本数量。MAPE越小，模拟曲线与真实净值曲线越接近，模拟效果越好。富国改革动力的模拟MAPE值为0.61，博时行业轮动的模拟MAPE为4.82。

　　MAPE多小才算模拟净值与真实净值比较接近？我们认为，当MAPE小于2时，模拟效果普遍较好。下图为华夏盛世精选000061.OF的净值模拟图，MAPE等于1.72：

　　MAPE可以作为前十大重仓股是否能作为分析基金投资与业绩的有效参考的重要指标：如果一只基金满足高集中度、低换手、前十大持股集中度变化小的特征，但是MAPE值过高，那么我们认为前十大重仓股依旧不能作为分析基金经理投资的有效代表。如前文所说，MAPE值过高的原因有很多，很有可能是未披露的持股对基金净值造成了较大的影响。此时前十大重仓的信息价值降低，需要定性调研等更多的方法进一步分析评价。

　　2.4. MAPE与换手率、持股集中度的相关性

　　与换手率关系

　　在前文中，富国改革动力与博时行业轮动在16年年报与17年季报的前十大持股集中度都高于60%，但是富国近期的换手率2.89，博时近期的换手率29.09，换手的差异可能是导致模拟效果大相径庭的原因。从全样本来看是否也是如此？我们统计了全样本基金前十大重仓模与拟真实净值的MAPE，对比样本基金的换手率（无法计算换手率的部分基金被剔除）：

　　结果显示，当MAPE小于1的时候高换手的出现大大减少，而在MAPE非常高的样本中也伴随了极高换手情况。但是整体来看，近期换手率与模拟效果之间并无明显的规律。这可能是由于模拟方法中的平均建仓/减仓活动本身将换手的一部分信息反映到了净值中，或者换手率数据本身具有滞后性。当基金换手率较高的时候，MAPE值小的基金相比MAPE值高的基金前十大重仓股更有分析参考的意义。不过值得注意的是，换手率高的基金意味着未来的投资风格转变的概率增大，通过分析历史持股得出的结论极有可能变化。

　　与前十大重仓股集中度关系

　　MAPE值是否与前十大重仓股的集中度有直接关系？我们将样本基金分为了两组：一组为高集中度，前后持仓披露点的前十大持股占股票投资比均大于等于60%；另一组为较低集中度，即样本基金中除去第一组中的标的。两组基金的MAPE值分布比例如下图：

　　结果显示，高集中度的样本MAPE值小于2的占比为95.09%，较低集中度的样本MAPE值小于2的占比为88.95%，并且较低集中度的样本基金有少量MAPE在5之上。两组基金的MAPE指标侧面印证了高集中度基金前十大持股的所能反映的信息更多。但是也可以发现，两组基金的MAPE分布图形相似，最高的比例均集中在MAPE值为0.5-1的区间之内，且MAPE小于2的比例都很高。

　　同换手率一样，当基金前十大持股集中度较低时，MAPE值较小的基金前十大重仓股更有分析参考意义。结合上图看，在测试期内对于前十大持股集中度较低的基金，有很大一部分MAPE值比较小，前十大重仓股也可以作为分析基金投资与业绩的有效参考。这可能是由于当下时点市场观点趋同，很多基金产品非前十大重仓股的风格表现与前十大重仓股非常相似。

　　2.5. 前十大重仓股分析小结

　　以往认为，前十大重仓股如果能有效代表基金的投资风格、行业配置等特征，那么基金通常需要满足以下条件：

　　然而同时满足以上条件的基金数量较少，并且对于此类基金的前十大持股的信息价值依然有很多不确定性。真实的投资情况难以还原，我们可以采用前十大持股模拟方法并计算MAPE指标将不确定性降低。综合来说，以下几种类型的基金，前十大重仓股反映偏股型基金的投资大概率比较有效：

　　MAPE指标帮助我们拓宽适用前十大重仓股分析的基金品种，并且进一步了解持仓反映的信息价值。在定性调研中，也可以将重仓股模拟净值曲线的效果作为参考，更加有针对性的挖掘基金经理的投资逻辑与投资特点。

　　FOF微观筛选系列报告一：基于Sharpe模型的股基筛选策略

　　FOF微观筛选系列报告（二）：行情划分与择基策略

　　FOF微观筛选系列报告（三）：着眼公募基金持仓 窥一斑而知全豹