>> 渤海證券-基金專題報告：主動權益基金倉位的高頻測算方法研究-250328
| 上傳日期： |
2025/3/28 |
大?。?/td>
| 1341KB |
| 格式： |
pdf 共32頁 |
來源： |
渤海證券 |
| 評級： |
-- |
作者： |
宋旸 |
| 下載權限： |
此報告為加密報告 |
|
|
核心觀點：
研究背景：近年來，隨著我國資本市場的不斷成熟，公募基金在市場定價、行業(yè)配置、資產流動等方面扮演著極為重要的角色。其持倉行為和倉位水平，不僅反映基金經(jīng)理的市場預期和風格偏好，也在很大程度上影響著市場的走勢與結構。然而，當前對基金倉位的獲取主要依賴于基金季度或半年度報告的定期披露，這一方式存在兩個明顯問題：數(shù)據(jù)更新頻率低和信息滯后性強，因此，構建一種高頻、動態(tài)、自動化的基金倉位估計模型，成為本文的重要研究任務。
模型構建：為解決上述兩個問題，我們嘗試構建凈值回歸法來動態(tài)反推出基金的隱含倉位水平，該方法的核心思想是：利用歷史凈值與市場指數(shù)收益之間的關系，倒推基金當前持有的股票倉位，其中主要包括標準線性回歸和正則化回歸模型（如Lasso、嶺回歸）。由此，我們選取申萬一級行業(yè)指數(shù)日度漲跌幅數(shù)據(jù)作為自變量，基金凈值數(shù)據(jù)轉換為日收益率作為因變量，采集時間區(qū)間2020年3月12日至2025年3月12日，規(guī)模大于2億的非港股主動權益類公募基金，其中普通股票型基金182支、偏股混合型基金392支、靈活配置型基金543支，作為不同基金類型的樣本池，分別應用嶺回歸模型和lasso模型進行倉位測算。此外，我們還引入了卡爾曼濾波（Kalman Filter），該方法將基金倉位視為隨時間演化的“隱藏狀態(tài)變量”，通過遞推算法結合歷史凈值數(shù)據(jù)不斷更新最優(yōu)估計，更好地反映倉位的時變特征。
模型表現(xiàn)：我們在普通股票型、偏股混合型和靈活配置型基金池中分別對幾種模型的倉位高頻監(jiān)測效果進行了對比，以2020年二季度末至2024年四季度末，一共19個季末橫截面數(shù)據(jù)作為對比基準，Lasso在測算普通股票型基金倉位時表現(xiàn)最好，誤差絕對值平均值為1.87%；卡爾曼濾波在測算偏股混合型和靈活配置型基金倉位時均有不錯表現(xiàn)，誤差絕對值平均值分別為3.33%和3.21%。
近期倉位情況：我們選取嶺回歸、lasso回歸以及卡爾曼濾波法分別進行測算，根據(jù)每只基金的測算得到的倉位以基金最新規(guī)模為權重來進行加權，得到最終的倉位預測值均值變化曲線，對比主動權益基金實際倉位，我們發(fā)現(xiàn)Lasso模型在估計整體倉位時表現(xiàn)更好?？偟膩砜?，Lasso與嶺回歸估計的倉位時而快速拉升或下探，相對波動幅度較大，卡爾曼濾波曲線相對更平穩(wěn)，以測算起點為基準，目前的倉位大概在40%分位數(shù)附近，同時，我們發(fā)現(xiàn)倉位的上升與下降往往與市場的漲跌較為同步，比如2021年8月到2022年5月，隨著滬深300指數(shù)的下跌，對應主動權益基金的倉位也出現(xiàn)了明顯的下降趨勢；2022年11月到2023年4月市場呈現(xiàn)上漲趨勢，倉位也隨之上升。另外，我們發(fā)現(xiàn)在市場劇烈波動的時候，模型的精確性會下降的比較明顯，比如2022年的6月到12月。最后，盡管通過季度公布的實際倉位來看，倉位變化的波動率并不高，但是經(jīng)過模型測算，季度與季度之間基金經(jīng)理往往會進行大幅度的調倉，但是在季度結束的時候會進行投資風格的修正，控制倉位的波動率在一個較低水平。
風險提示：本報告基于當前公開信息，存在市場風格轉換風險，市場波動、投資分析意見所依據(jù)的關鍵預期不能成立的風險，信息時效性與完整性局限，不構成投資建議。
|
|
