行业配置特征四宫格及基金分类[page::4][page::5]

• 基于行业仓位集中度与变动幅度，基金分为均衡-轮动、集中-轮动、均衡-稳定、集中-稳定四类。

- 稳定型基金规模较大，轮动型基金规模较小，规模大小影响调仓灵活性。

• 近两年均衡型基金业绩优于集中型基金，热点轮动市场环境下均衡-轮动类基金收益最高。

行业配置稳定性与轮动性分析[page::6][page::7]

• 采用基金行业仓位变动绝对值衡量动态配置稳定性。

- 部分基金表现行业轮动明显，如融通内需驱动、富国高新技术产业基金行业仓位调整幅度较大。

基金行业配置能力综合评价体系[page::16][page::17]

• 构建静态行业配置能力（SBS）、动态行业配置能力（DBR，包括FDBR和RDBR）及综合指标（BA）。

- SBS衡量基金经理对未来各行业相对强弱的判断能力。

• FDBR衡量捕捉行业轮动行情能力，RDBR区分左侧投资预测能力和右侧追涨杀跌能力。

- 通过加权融合指标，形成基金经理综合行业配置能力评分。

指标体系回测及稳定性检验[page::22][page::25][page::27]

• 以2012-2021年为样本期，Top5%和Bottom5%基金组合在各指标上的回测表现均显示明显超额收益，BA指标Top-Bottom年化超额收益约1.2%，显著性高。

- 稳健性检验显示参数调整和加权方式变化均保持选基能力，等权组合表现优于规模加权。

基金经理行业能力圈构建与行业主题基金筛选[page::31][page::33]

• 通过基金经理历史重仓行业的超额收益与胜率，定义基金经理能力圈，选取重仓次数多且胜率>50%的行业。

- 筛选372只行业主题基金，对应186位基金经理，覆盖食品饮料、医药、电子等14个行业。

行业内选股能力多指标体系构建及回测[page::36][page::44]

• 构建行业内静态选股能力（SAS）、动态选股能力（DAR，包括FDAR和RDAR）及其综合指标（AA）。

- 指标回测显示：DAR及其组成指标对未来超额收益具备较强预测力，SAS表现与预期反向，AA指标Top组年化超额收益达9.34%。

• 稳健性检验显示5%划分阈值及规模加权组合效果最佳。

量化投资能力指标验证及基金经理排名示例[page::29][page::66][page::106]

• 根据指标得分对基金及基金经理进行排序，涵盖静态及动态行业配置与行业选股能力，筛选样本基金及基金经理名单。

- 报告提供丰富基金和基金经理绩效及能力榜单，以助投资者和机构选基参考。

• 历史数据表明指标体系虽有效但存在持续性挑战，部分基金经理表现较为稳健。

金融研究报告详尽分析报告

报告标题： 基于持仓刻画基金经理行业投资能力
发布机构： 华泰证券股份有限公司（华泰研究所）
报告日期： 2022年6月30日
研究员： 林晓明、刘依苇、张泽
研究对象与主题： 权益类基金及基金经理的行业配置特征、行业配置能力和行业内选股能力的量化研究

---

一、元数据与概览（引言与报告概览）

本报告以权益类基金及基金经理为研究对象，通过定量指标体系对基金经理行业投资能力进行全面刻画，重点涵盖行业配置能力与行业内选股能力两个维度。报告首先将基金行业持仓按照均衡-集中和稳定-轮动两条维度划分四宫格特征，对基金及基金经理进行特征分类；随后从投资胜率、静态与动态行业配置能力等指标多角度对行业配置能力进行评价，并构建出能够捕捉“左侧交易”的动态指标，验证指标体系在基金筛选中的有效性，达成年化约3%的超额收益；最后，从行业内选股角度出发，构建涵盖重仓行业超额收益和胜率的能力圈概念，筛选行业主题基金，并建立包括静态和动态选股能力的指标，历史回测显示行业内选股指标能够带来高达13%的年化超额收益。报告目的在于为投资者和资产管理者提供有效量化工具，支持基金筛选与组合构建。整体核心观点：基金经理的行业配置和行业内选股能力虽然整体表现波动较大，但通过科学量化指标的筛选和综合其稳定表现可以显著挖掘优质基金经理与基金产品。

风险提示明确指出本报告基于历史规律编制，未来规律可能不复存在，不构成任何具体投资建议。

---

二、逐节深度解读

2.1 行业配置特征四宫格及行业持仓特征刻画

• 基金行业配置收益来源构成：基金收益主要来自资产配置（有限）、行业配置与个股选择。行业配置思路差异导致侧重点不同，有得基金经理更偏行业稳定均衡分散风险、侧重选股能力；另一些偏好行业轮动策略，行业配置与个股选择均为收益来源。

- 四宫格分类方法：基于行业仓位的均衡度（仓位标准差）衡量行业配置的集中-均衡；基于行业仓位变动幅度（半年期仓位变动绝对和）衡量行业配置的稳定-轮动。四种类型：
- 均衡-轮动（左上）：行业配置均衡且仓位波动大，代表均衡分散同时积极轮动捕捉收益。
- 集中-轮动（右上）：行业集中且仓位变化快，强调强行业集中度和轮动把握能力。
- 均衡-稳定（左下）：行业分散且仓位稳定，收益波动较小，强调行业内选股能力。
- 集中-稳定（右下）：行业集中且仓位稳定，典型行业主题基金，要求深厚行业识别与选股能力。

• 典型基金及行业持仓示例：

- 嘉实量化精选（均衡且仓位分散且稳定）和华泰柏瑞量化先行A均覆盖较多行业，最高仓位不超过10%。
- 集中型基金多为行业主题基金，如医药、消费行业主题基金，重仓行业占比普遍超过80%。

• 行业配置均衡度与稳定性历史趋势及比较：

- 指标均衡度的历史箱形图显示整体行业配置均衡度介于沪深300和中证500之间，后者配置更均衡。
- 行业轮动幅度测量显示基金行业仓位变化显著大于基准指数。

• 不同基金类型规模分析：

- 稳定型基金平均规模显著大于轮动型，规模大基金调仓难度和成本较高，相应仓位更稳。
- 均衡型基金，尤其近年来表现更优，2021年-2022年上半年经历大跌，均衡型基金跌幅小于集中型。

• 基金收益表现：

- 长期累计收益及年度收益率显示均衡轮动型基金收益略高，但总体不同风格基金表现差异不大，多期存在交替领先趋势。

2.2 主动权益基金行业中性策略概况

• 大多数主动权益基金不采用行业中性策略，即行业持仓与沪深300或中证500存在明显差异。

- 行业中性基金多为量化基金，持仓分布与相关指数类似，配置较为均衡。

• 推荐的行业中性基金如信诚量化阿尔法股票A、嘉实量化精选等。

---

2.3 多角度评价基金经理行业配置能力

• 行业配置胜率：衡量基金经理是否能正确判断行业趋势，计算基金管理期间各期行业配置收益中正收益占比，考虑市场环境差异采用同期排名百分比形式，示例基金股“安信灵活配置”管理期间表现稳定。

- 静态行业配置能力SBS指标：
- 衡量基金在单期对行业相对强弱预测的准确性，通过仓位权重乘以行业收益并归一化。
- 反映基金在行业层面静态配置能力，在下跌市场表现能有所提升，但低于沪深300。

• 动态行业配置能力DBR指标：

- 包含FDBR（捕捉行情能力）和RDBR（左侧预测能力），前者捕捉行业轮动，实现行业上涨高仓位，下跌低仓位；后者区分左侧买入还是右侧追涨杀跌。
- 指标归一化后综合表征基金经理动态行业配置能力，预测能力强，且择时表现优异。

• 指标合成BA综合评分，结合静态（SBS）与动态（DBR）能力，回测显示Top组超额收益明显，且经过分组阈值与加权方式的稳健性检验，等权及5%、10%、25%分组均表现积极。
• 行业配置能力持续性检验：

- 各指标秩相关系数波动较大，正负交替，说明行业配置能力整体不足连续稳定性，但稳定排名靠前的基金经理部分仍表现出持续价值。

• 优质行业配置能力基金和基金经理筛选：

- 报告基于2019年以来稳定位于前50%分位的基金，列举了若干静态配置、前瞻配置及综合能力强的基金经理和基金。

---

2.4 多指标综合评价基金经理行业内选股能力

• 基金收益由行业Beta收益和行业内Alpha收益构成，本节重点量化行业内选股能力。

- 通过历史重仓行业超额收益和胜率定义基金经理能力圈，重仓次数>=10次且胜率>50%视为具稳定选股能力覆盖行业。

• 行业主题基金筛选逻辑：选取行业仓位连续4期均>30%的基金作为行业主题基金，并匹配能力圈覆盖的基金经理，筛选出372支由186位经理管理的主题基金，行业覆盖广泛。

- 详细展开食品饮料、医药、电子、电力设备及新能源、国防军工、计算机、有色金属、银行、房地产、非银金融等热门行业主题基金经理名单，列出超额收益、胜率及重仓次数指标。

• 构建行业内选股指标体系包括：

- SAS（静态选股能力）：衡量基金经理能否在行业内配置超额收益较高个股仓位。
- DAR（动态选股能力）：FDAR衡量动态捕捉个股未来走势能力，RDAR区分左侧配置或右侧动量追随。
- 综合指标AA为SAS和DAR的归一化合成。

• SAS指标均值波动大，部分高值受环境影响可能含运气成分，顶尖基金经理不一定最高。

- DAR指标指标回测显示预测能力强，Top组显著超越Bottom组。

• AA指标回测中，规模加权Top组年化超额收益高达13.3%，显著体现行业内选股能力的选基价值，稳健性检验支持以5%为最佳分组阈值，且规模加权优于等权。

---

2.5 风险提示及免责声明

• 模型基于历史规律总结，未来规律可能失效。

- 报告不构成对任何基金、个股的投资建议。

• 投资需结合自身风险承受能力，关注基金及市场相关政策法规变更。

- 分析师声明不存在利益冲突，公开信息基础上编制。

• 法律合规披露详见报告末页。

---

三、图表深度解读

• 图表1（研究思路流程图，page 4）

展示从基金行业配置特征出发，量化行业配置能力及行业内选股能力的整体框架，明确三大研究维度：行业配置特征、行业配置能力、行业内选股能力。

• 图表3（基金行业配置均衡度箱线图，page 5）

显示2011至2021年多期基金行业配置均衡度的波动范围，沪深300行业配置均衡度水平居中，中证500更均衡；市场整体行业集中度较沪深300略高，基金间均衡度差异显著。

• 图表5-7（均衡型与集中型基金行业配置饼图及统计，page 6-7）

嘉实量化精选和华泰柏瑞量化先行代表均衡型基金，各行业仓位较均衡，最高行业不超过10%；集中型基金如医药主题基金重仓行业占比高，表现行业高度集中。

• 图表8（基金行业仓位变动箱线图，page 7）

基金行业仓位变动幅度远超基准，显示基金经理行业轮动积极性强，轮动型基金管理记录多为行业仓位调节活跃的产品。

• 图表9-11（轮动型基金行业仓位变动示意，page 7-8）

通过融通内需驱动等基金的行业仓位走向，量化展现其行业轮动特征，展示广泛行业仓位的动态调整，突出轮动策略的实务体现。

• 图表13-15（行业配置特征对基金规模与业绩的影响，page 9）

稳定-集中型基金规模最大，均衡型基金表现较好尤其在市场调整期间，表明行业均衡配置的风险分散优势，轮动型基金业绩存在波动。

• 图表18-19（基金行业配置差异，page 10）

大多数主动权益基金行业配置显著偏离沪深300、中证500，少量量化基金接近中性策略。

• 图表26-29（行业配置胜率及胜率靠前基金实证，page 14-15）

安信灵活配置连续多个时间截面行业配置贡献均为正，胜率极高，净值大幅优于大盘，标杆行业配置胜率度量方法有效。

• 图表31（行业配置能力指标体系框架，page 16）

指标体系涵盖静态配置能力（SBS）、动态左侧行业配置（DBR及其分解），全面衡量基金经理行业配置能力。

• 图表32-44（SBS、FDBR、RDBR、DBR指标分析，page 16-24）

各指标箱线图揭示行业配置能力在上行和下行市场表现差异，回测显示均具有一定预测基金收益的能力，双指标组合进一步剥离噪音提升预测有效性。

• 图表53-60（综合行业配置能力BA指标，page 25-28）

BA结合SBS与DBR，回测年化超额收益超过1.2个百分点，稳健性检验提示以5%阈值构建等权组合、规模加权均表现良好。

• 图表67-70（行业能力圈及行业主题基金筛选流程，page 31-33）

明确能力圈定义，筛选对应行业主题基金，形成覆盖14大行业、186位基金经理的能力圈体系，分布集中于食品饮料、医药与电子。

• 图表71-79（行业主题基金与基金经理名单，page 34-36）

大量表格详细列举各热门行业的代表基金经理、基金代码、历年超额收益、重仓次数及胜率，资料丰富具操作性。

• 图表80-101（行业内选股能力指标体系及回测，page 36-44）

构建SAS、DAR及综合指标AA，均衡考虑静态与动态选股能力，回测结果证实AA指标能带来可观超额收益，且稳健性检验支持选基实用性。

• 图表102-109（行业内选股综合能力AA指标，page 44-47）

AA指标归一化后有效结合静态与动态属性，Top组回测实现超过9%的年化超额收益，规模加权表现尤佳，分组阈值调节显示5%优于10%、25%。

---

四、估值分析

本报告为投资能力量化研究报告，未涉及具体公司估值。其估值分析形式为基于基金经理行业投资能力的测度与评分体系，结合基金的业绩表现、规模权重构建多维度选基策略，验证并量化行业配置及行业选股能力对基金超额收益的贡献。

---

五、风险因素评估

• 历史指标的稳定性不足，各指标秩相关系数存在周期性波动，说明行业配置能力在不同时点表现不持续，可能影响指标的预测未来表现能力。

- 基金经理风格变动、市场环境复杂多变可能导致能力圈和选基策略的表现不确定。

• 宏观经济及政策变化可能会影响行业表现，进而影响行业配置和行业内选股的收益稳定性。

- 指标基于历史持仓和超额收益计算，受到数据样本完整性、持仓披露延迟及样本选择的限制。

• 报告强调，模型效果基于历史验证，历史不代表未来。

---

六、批判性视角与细微差别

• 报告方法高度依赖历史持仓数据与相对收益估算，可能忽略基金经理非公开判断、未来潜在风格迁移和极端市场事件影响。

- 各指标存在较大周期波动性，长期稳定性不足，这对指标在选基中的实际应用构成挑战。

• 指标虽然对基金组合表现带来超额收益，但多数超额收益北于5%左右，选基能力有限，投资者仍需谨慎使用。

- 指标对左侧预测能力的测量体现出较强价值，但右侧追涨杀跌的影响仍难以完全剥离。

• 指标归一化及排名方式有效抵消了市场环境影响，但难以完全解决新发生结构性变化带来的适用性风险。

- 大量基金经理均列入多项指标Top名单，说明顶级基金经理综合能力多维，难以完全清晰区分，部分基金经理指标得分间差异有限。

---

七、结论性综合

华泰研究所通过系统的量化指标体系，对中国权益类基金及基金经理的行业投资能力进行了详细刻画和研究。报告创新地将基金行业持仓划分为均衡-集中和稳定-轮动四个象限，科学梳理了基金行业配置多样性与动态调整特征。基于投资胜率、静态配置能力（SBS）、动态配置能力（FDBR、RDBR、DBR）等多元指标构建行业配置能力评估体系，辅以能力圈及行业主题基金筛选，深入剖析基金经理行业内选股Alpha收益能力，建立包括SAS、FDAR、RDAR、DAR、AA在内的多指标组合，用严谨的历史数据回测验证了其对基金收益的显著预测能力。

尤其值得关注的是：

• 行业配置能力指标BA排行榜，累积年化超额达1.2%以上，展示了多角度静态与动态配置结合的价值。

- 行业内选股指标AA表现出色，通过静态选股与动态轮动捕捉能力叠加，Top组领先Bottom组年化超额收益高达9.34%至13.3%，具有实际选基和基金经理筛选价值。

• 能力圈分析识别出若干行业明星基金经理及其匹配行业主题基金，覆盖食品饮料、医药、电子、新能源等多个热门板块。

- 但整体能力指标表现持续性存在周期波动，应用时需结合长期持续表现筛选。

• 分组阈值优化和加权方式的稳健性检验支持5%分位为较优选择，规模加权更能体现市场认可度与业绩。

总结而论，报告通过丰富数据量化手段，对基金经理行业投资能力作了全面且深入的解析。其指标体系不仅为投资者筛选具有行业配置与行业内Alpha能力的基金经理提供可操作工具，也为基金公司及研究机构在基金产品研发及组合构建方面提供了有效参考范式。未来投资决策中，结合报告中指标体系及能力圈理论，将有望提升行业配置效率及选股Alpha捕获，增强基金投资的稳定性与超额回报能力。

---

版权及知识产权声明

本报告所有数据、分析方法及模型均为华泰证券股份有限公司所有，未经授权不得复制、转载或用于商业用途。本文档遵守相关法规，包含真实数据来源注释，符合公开透明要求。

---

附录：部分关键图表链接（Markdown格式示例）

• 行业配置特征四宫格（page 4）

• 基金均衡度箱线图（page 5）

• 嘉实量化精选持仓（page 6）

• 华泰柏瑞量化先行持仓（page 6）

• 基金行业仓位变动箱线图（page 7）

• FDBR动态行业配置指标（page 18）

• BA行业综合配置能力指标（page 25）

• 行业能力圈筛选逻辑示意（page 31）

• AA行业内选股综合指标（page 44）

---

本分析基于华泰证券2022年6月发布的《基于持仓刻画基金经理行业投资能力》报告全文，页码对应标注明确，全面涵盖报告所陈述的各个重要观点、数据以及图表内容，确保内容的准确与深入。

[page::0],[page::1],[page::4],[page::5],[page::6],[page::7],[page::8],[page::9],[page::10],[page::11],[page::12],[page::13],[page::14],[page::15],[page::16],[page::17],[page::18],[page::19],[page::20],[page::21],[page::22],[page::23],[page::24],[page::25],[page::26],[page::27],[page::28],[page::29],[page::30],[page::31],[page::32],[page::33],[page::34],[page::35],[page::36],[page::37],[page::38],[page::39],[page::40],[page::41],[page::42],[page::43],[page::44],[page::45],[page::46],[page::47],[page::48],[page::49],[page::50]

报告