基金跨期模仿行为因子构建与定义 [page::6][page::8]

• 构建跨期跟随效应因子（IFF）测量基金持仓追逐历史热门股程度。

- 构建跨期领先效应因子（IFL）测量基金持仓布局即将热门的前瞻性。

• 基金基于IFF与IFL分为领先者、跟随者、独行者、潜力者四类基金。

基金类型分类稳定性与相关性分析 [page::7][page::8][page::9]

• 跨期跟随效应IFF与领先效应IFL相关性较低，表明因子独立。

- 基金类型稳定性顺序为：独行者>跟随者>潜力者>领先者。

• IFF和IFL Top100基金留存概率较高，显示因子持稳选基能力。

基金历史业绩表现及能力归因 [page::10][page::11][page::12]

• 独行者长期表现最佳，年化收益12.29%，领先者次之8.69%，跟随者最差。

- 业绩归因显示领先者和独行者具备较强选股能力，跟随者乏力。

• 三类基金在风格能力、行业能力、选股能力和动态能力上存在明显差异。

| 细分类型 | 区间收益率 | 年化收益率 | 年化波动率 | 最大回撤 | Ca1mar比率 | Sharpe比率 |
|------------|------------|------------|------------|----------|------------|------------|
| 成功领先 | 262.60% | 12.47% | 20.01% | 43.61% | 0.29 | 0.62 |
| 失败领先 | 138.76% | 8.26% | 20.78% | 45.71% | 0.18 | 0.40 |
| 成功跟随 | 173.46% | 9.61% | 22.02% | 49.38% | 0.19 | 0.44 |
| 失败跟随 | 131.27% | 7.95% | 22.40% | 49.20% | 0.16 | 0.35 |
| 成功独行 | 326.76% | 14.16% | 18.93% | 41.82% | 0.34 | 0.75 |
| 失败独行 | 207.14% | 10.78% | 19.37% | 42.94% | 0.25 | 0.56 |
| 万得偏股混合 | 150.71% | 8.70% | 20.91% | 45.42% | 0.19 | 0.42 |

• 叠加历史1年Sharpe因子，成功领先者及独行者与失败组区分明显，选基效果显著。

基金投资模仿策略与行业跟随现象 [page::14][page::15][page::16]

• 成功领先者与独行者的重仓股和行业具有较高投资价值，值得模仿。

- 跟随者滞后1期的行业仓位与领先者相关度最高，成功跟随者多跟随成功领先者。

• 计算机、电力设备、新能源及传媒等行业跟随效应更显著。

因子预测能力检验及FOF策略构建 [page::17][page::18][page::19][page::20][page::22]

• 跟随效应因子IFF为负向预测因子，长期IC均值为-0.07，适合反向选基，但抱团行情间歇失效。

- 领先效应因子IFL特征较弱，最高分组基金未来平均收益率相对较好。

• FOF策略设计：成功独行者50组合年化收益14.19%，月度胜率62.96%；成功领先者50组合年化收益12.65%，月度胜率60.00%。

- 两策略均显著跑赢万得偏股混合型基金指数，且今年均保持超额收益。

投资启示总结 [page::0][page::13][page::16][page::19]

• 选基组合应优先考虑独行者和领先者基金池中的高Sharpe基金，规避跟随者。

- 基金投资可参考成功领先者和独行者的重仓股票和行业配置，规避失败跟随者。

• 跨期模仿行为因子为投资者提供了识别领先跟随行为及选基的有效工具，有助于FOF策略实操落地。

金融研究报告全面解析——“从跨期模仿行为中寻找公募基金的领先者、跟随者和独行者”

---

一、元数据与概览

报告信息

• 标题：《从跨期模仿行为中寻找公募基金的领先者、跟随者和独行者》

- 作者：分析师林志朋、刘富兵，研究助理张国安

• 发布机构：国盛证券研究所

- 发布日期：2024年（具体日期未明）

• 主题：公募基金投资行为，特别是从跨期模仿的角度刻画基金经理的行为特征，分类基金投资风格，归因投资能力，最终构建可实操的FOF策略。

报告核心观点

本报告通过构建跨期跟随效应因子(IFF)与跨期领先效应因子(IFL)，对公募主动权益基金的持股行为进行量化分析，提出基金分类模型，划分为领先者、跟随者、独行者及潜力者。并通过历史业绩及能力归因分析，发现独行者与领先者业绩优于跟随者，尤其是在选股能力层面差异显著。最终运用三大因子（IFF、IFL和Sharpe）构建多款FOF策略，成功独行者组合年化收益14.19%，领先者组合12.65%，显著优于市场基准，提供切实有效的投资选基及行业配置建议。[page::0,5]

---

二、逐节深度解读

2.1 引言与理论基础

报告开篇定义“从众效应”为投资者因观察他人行为而改变自身投资行为的现象，属于行为金融学中的非理性行为。文中回顾了四种主要衡量市场从众效应的经典模型：

1. LSV模型：通过股市买卖量比例差来衡量整体买卖从众情况。

2. SLSV模型：基于LSV模型细分买入与卖出从众效应。

1. CSSD模型：通过个股收益率与市场收益率的横截面波动衡量收益趋同。

4. CSAD模型：使用收益距离市场收益的绝对偏差进行衡量。

这些模型主要聚焦股票层面的从众行为，而本文创新点在于从基金持股跨期模仿行为构建基金因子，揭示基金层面不同的从众特征，填补该领域研究空白。[page::3,4,5]

2.2 基金因子构建与分类

2.2.1 跨期模仿行为因子构建方法

• 研究样本为公募主动权益基金，剔除行业及主题基金，要求近一年股票仓位>60%。

- 计算步骤：
- 计算季度末股票被基金重仓数量占比，结合股票流通市值占比计算“股票热度”指标（$\mathrm{SH}_T$）。
- 跨期跟随效应因子（IFF）：本期基金持股权重$\times$上期股票热度，表征基金追逐过去热门股的行为。
- 跨期领先效应因子（IFL）：上期基金持股权重$\times$本期股票热度提升，表征基金领先热点的行为。
- 因子均取近3个季度移动平均，提升稳健性。

图表1展示了因子计算流程的逻辑清晰图示，表明因子均基于基金持股权重和股票热度跨期映射计算而得。此方法综合了基金持股和市场热点动态，是分析基金行为的重要创新点。[page::6]

2.2.2 因子相关性分析

通过图表3对IFF、IFL及其他300余个国盛金工基金因子进行相关性检验：

• IFF与IFL基本呈现负向相关，符合逻辑：跟随者与领先者行为相反。

- 这两个因子与传统收益率、回撤、波动率等因子相关性较低（绝大多数$|r|<0.3$），表明其独立性强，有望提升基金选基策略的多样性和有效性。[page::7]

2.2.3 基金分类定义与稳定性检验

基金根据IFF、IFL值分为四类：

• 领先者：IFL≥80%，领先市场热点。

- 跟随者：IFF≥80%，落后追逐热点。

• 独行者：IFF≤20%，避开热点，偏好冷门股。

- 潜力者：两因子均不显著，潜力股。

从图表5可见，选取Top基金后下期留存率均较高，尤其IFF的留存率接近70%+，因子稳定性较好；IFL虽稍弱但同样稳健。转移概率矩阵（表6）进一步确认，四类基金类型跨期转换概率中，对角线即留存概率最大，且独行者与跟随者稳定性优于领先者和潜力者，说明领先者处于更动态、竞争激烈的位置。[page::8,9]

潜力者由于不具备明确行为特征，本文后续分析主要围绕领先者、跟随者与独行者展开。

2.3 基金历史业绩表现及能力归因

2.3.1 历史业绩表现

从2013年至2024年上半年历史区间（图表7、表8）：

• 独行者年化收益最高（12.29%），领先者其次（10.30%），跟随者最低（8.69%）。

- 独行者业绩领先且表现稳定，具备较好的抗回撤能力；领先者业绩稳健波动中庸；跟随者表现波动大，多年为三者中最差。

• 大多数年份领先者处于中间位置；独行者尤其近年持续领跑，突出其选股策略优势。

2.3.2 业绩归因模型及结论

采用国盛金工基金收益分解模型（图表9），将基金收益拆解为市场、风格、行业、选股Alpha和动态收益等。

从图表10及11中可观察：

• 独行者在风格能力和选股Alpha方面优势显著，表现最优。

- 领先者行业配置和选股Alpha能力良好，但动态操作能力略逊。

• 跟随者动用动态策略较多，但选股能力不足，风格配置亏损。

- 由此，三类基金业绩差异最主要由选股能力决定，领先者和独行者均具较强选股能力，而跟随者明显较弱。

表12进一步总结三者核心特征，独行者年化波动率最低，最高Sharp比率（0.65），表明其收益风险比最优；领先者次之；跟随者风险最高表现最弱，符合前文归因结果。[page::10,11,12]

2.4 按业绩进一步细分与投资启示

鉴于仅用持股行为因子分类可能存在噪音，报告通过叠加近一年Sharpe比率指标对领先者、跟随者、独行者分别二分成“成功”“失败”子组（图表13），结果显示：

• 成功领先者收益率12.47%，失败领先者8.26%

- 成功独行者14.16%，失败独行者10.78%

• 成功跟随者9.61%，失败跟随者7.95%

成功子组在各指标上显著优于失败子组。表14支撑了此结论，同时各组合风险指标均体现成功基金风控更佳。

基于此，报告给出三条FOF选基建议：

1. 在领先者基金池中选取Sharpe较高者，规避低Sharpe类型；

2. 在独行者基金池中选取Sharpe较高者，规避低Sharpe；

1. 剔除跟随者类型基金，避免业绩欠佳风险。[page::13]

2.5 跟随风险来源及行业特征

报告进一步分析跟随者“跟随的对象”。结果显示，跟随者行业仓位滞后一期与领先者具有高相关度（图表15），即成功跟随者多紧跟成功领先者的脚步，失败跟随者则复制失败领先者的策略。

同时，哪些行业更容易显现这种领先—跟随效应？根据行业配置时序相关性分析（图表16）：

• 计算机、 电力设备及新能源、商贸零售、家电、传媒等行业跟随效应显著；

- 机械、煤炭、钢铁、农林牧渔、汽车等行业跟随效应较弱。

说明在高成长性与创新行业里，基金间从众行为更为明显，领先基金的行业布局对跟随后有重要引导作用。[page::14]

2.6 基金投资模仿策略的提出

基于分类及表现差异，报告考虑模仿成功领先者及独行者的重仓股及行业配置：

• 个股层面：按季度调仓，买入对应类型基金重仓前20大个股（图表17）。

- 行业层面：买入对应基金重仓前5大中信一级行业指数（图表18）。

均显示成功领先者及独行者的重仓股/行业策略收益显著优于跟随者及市场基准。

投资启示：

• 模仿成功领先者和独行者的重仓股是有效选股方式；

- 从领先基金的行业配置中提前把握市场热点变化，有助于规避落后跟随者风险；

• 领先者与跟随者呈现更快的行业切换速度，独行者板块配比较稳定。

表明基金的跨期持股模仿行为具有较强的选基和择时信号价值。[page::15,16]

---

三、基于跨期模仿因子的FOF组合构建与回测

3.1 因子预测能力检验

• 跨期跟随效应（IFF）因子与未来基金收益呈负向关系，分位显示未来季度及年度收益均随IFF因子递减（图表19-21）。因此IFF是反向选基优质因子，IC均值分别为季度-0.07，年度-0.10。

- 跨期领先效应（IFL）因子的预测效果相对较弱，IC季度均值仅0.03，但IFL最大分组未来收益显著领先（图表23-24）。

• IFF因子的反向效果受公募基金抱团行情影响明显，抱团上升阶段（2017-2020）其选基效果可能失效甚至转正（图表22），抱团瓦解期（2013-2016及2021年至今）选基效果显著。

报告用“基金抱团系数”GD量化抱团程度，GD越大代表抱团越集中。IFF因子IC在抱团下降阶段为负，抱团上升阶段IC为正。说明IFF因子适合多数行情，但抱团市场需警惕逆向选基风险。[page::17,18]

3.2 成功独行者50组合构建与表现

• 组合选取逻辑：结合IFF（反向）和近1年Sharpe（正向）对基金打分，季报发布后1天调仓，选择综合得分最高的50只基金等权配置，剔除规模小于1亿元和定开基金。

- 总收益率达349.14%，年化收益14.19%，相较万得偏股混合指数超额203.16%，月度胜率62.96%。2024年实际收益5.85%，超额5.09%（图表25-27）。表现稳健且优异。

3.3 成功领先者50组合构建与表现

• 类似逻辑，采用IFL（正向）与Sharpe综合排序选取50只基金。

- 总收益285.25%，年化12.65%，超额139.26%，月度胜率60.00%。2024年收益4.46%，超额3.70%（图表28-30）。

• 成就了相对稳健且持续的超额收益。

---

四、图表详细解读

• 图表1：展示跨期跟随（IFF）与跨期领先（IFL）因子的计算框架，清晰展示时间序列上的基金持股权重与股票热度的交叉乘积及移动平均计算逻辑。

- 图表3：因素相关性矩阵揭示IFF与IFL独立性强，且与既有因子低相关，强调其作为补充选基工具的价值。

• 图表5：因子Top基金下一期留存率曲线显示IFF因子基金名单更稳定，约70%以上稳定，IFL稳定性略低但仍认可，体现因子稳健性。

- 图表6：基金类型转移概率矩阵表明独行者与跟随者最为稳定，领先者转移概率最大反映其竞争激烈和变化快的本质。

• 图表7和8：历史累计收益及年度表现表，独行者领先整体表现，领先者稳定，跟随者表现波动较大。

- 图表9：基金收益分解模型图解，体现对基金绩效多维度拆解设计。

• 图表10和11：业绩归因表及累计收益拆解面积图揭示选股能力对业绩差异贡献最大，独行者优势明显。

- 图表12：核心特征量化指标汇总，独行者风险较低，收益和指标表现突出。

• 图表13和14：业绩二分分类示意及量化比较，突出叠加Sharpe提升筛选精度。

- 图表15和16：行业相关度与跟随效应强度分析，揭示领先者影响跟随者的行业配置细节以及行业差异性。

• 图表17和18：个股和行业模仿策略累计收益，成功领先者和独行者重仓模仿显著跑赢大盘。

- 图表19-21：IFF因子未来收益分组表现单调递减，有效验证其作为反向指标的可行性。

• 图表22：IFF因子IC分阶段变化及与抱团系数关联，验证其有效性与局限。

- 图表23和24：IFL因子未来收益分组表现，尽管IC较低但领先效应最大组表现最佳。

• 图表25-27，28-30：成功独行者及领先者50组合的历史收益曲线与分年度表现，均实现明显超额收益并展现稳健性。

---

五、风险因素评估

报告明确风险提示为：

• 所有数据和模型基于历史样本和统计方法，未来若市场环境发生显著变化，模型可能失效。

- 因子投资策略特别受到市场抱团现象影响，如抱团高涨期IFF因子扭曲效应。

• 投资者需注意因子有效期与适配行情的时变特征。

报告未对系统性风险外的具体突发风险进行详述，但强调了模型依赖于公募基金的季报披露及时性和公开性限制。[page::0,5,18,23]

---

六、审慎视角与潜在局限

• 报告结构严谨、逻辑清晰，研究角度创新，将基金从众行为定量化，建立了较为完整的分类及投资框架。

- 使用季度季报数据，存在持仓信息更新滞后，可能在快速行情中导致因子滞后响应。

• 报告中模拟的FOF策略以等权权重方式构建，对于规模配比和市场容量敏感度未展开深入分析。

- 报告识别IFF因子阶段性失效，体现一定的自我批判意识，避免盲目工具依赖。

• 领先者与跟随者定义阈值（如80%切分）较为主观，未展示不同阈值敏感性分析，可能影响分类稳健性。

- 未详述基金经理风格变化对因子稳定性的具体定量影响，潜在影响因子预测精度。

• 投资策略的回测区间覆盖了多轮行情周期，表现稳定，但后期市场环境如监管、资金流向突变可能带来实操风险。

- 对行业跟随效应讨论较为高层，缺失行业内公司层面异质性具体分析。

---

七、结论综合

该报告创新性地以公募基金季度重仓持股数据为基础，构建跨期跟随（IFF）与领先（IFL）效应因子，深入挖掘基金层面的从众行为特征。基于此，建立了领先者、跟随者、独行者分类体系，揭示：

• 独行者的投资行为最为正向，避开市场热点但表现最优，选股Alpha突出，抗风险能力强；

- 领先者作为市场热点的主要引领者，表现稳定但竞争激烈，选股与行业能力突出；

• 跟随者则表现较差，往往落后跟随热点，选股能力弱，动态交易虽较勤，但难以形成超额收益。

基于上述分类，结合历史Sharpe指标对基金业绩进行二分筛选，在领先者和独行者基金池中精选优质基金，结合跨期因子构建的FOF组合年均收益领先市场，且风险控制良好。个股及行业模仿策略表明，跟随成功领先者及独行者持仓构建投资组合具有显著优越性。

报告还识别了抱团行情环境对模型有效性的影响，提醒投资者审慎运用跨期模仿行为因子，灵活调整策略。整体而言，跨期模仿行为因子为基金择时、选基提供重要新视角和切实有效的量化工具，具有较强的理论与实操价值。

最后，报告风险提示明确，表明结论基于历史数据，市场环境变化可能导致模型失效，投资者需结合实际市场动态综合判断。

---

总结

本报告以跨期模仿持股行为构建基金分类维度，结合丰富历史数据和系统业绩归因，提出领先者、跟随者和独行者三类典型基金特征及表现差异，进一步细分成功与失败子集。最后创新性地设计了基于跟随效应、领先效应和业绩因子的FOF策略，实证验证其优越性，具有重要的理论创新及投资实践指导意义。

图表深入展示了因子计算过程、因子相关性、基金分类稳定性、业绩堆积和分解、因子预测性能和组合表现，帮助读者全面理解其内部逻辑与投资价值。报告视角独特，数据严谨，阐释清晰，为当前公募基金量化评价和投资策略研发提供了新路径。

[page::0-24]

---

如果需要，可针对报告中任何某一章节、图表或模型结构进行更深层的解构与具体数据挖掘。

报告