• 基金跨期模仿行为因子构建 [page::3][page::4]

- 计算基金重仓股的跨期跟随效应(IFF)和跨期领先效应(IFL)。
- IFF反映基金持股与前期热门股的重合程度，IFL反映基金持股对未来热门股的前瞻性配置。
- 因子经三期滚动平均，满足稳定性要求。

• 基金分类与稳定性分析 [page::5][page::6]

| 基金类型 | 稳定性(留存率) | 类型转移稳定性排序 |
|----------|-----------------|---------------------|
| 独行者 | 最高 | 独行者 > 跟随者 > 潜力者 > 领先者 |
| 跟随者 | 较高 | |
| 领先者 | 较低 | |
| 潜力者 | 最低 | |

• 基金业绩比较与能力归因 [page::7][page::8][page::9]

- 独行者基金年化收益12.29%，领先者10.30%，跟随者8.69%。
- 领先者与独行者的选股能力明显优于跟随者。
- 独行者表现出较好的风格和选股能力，跟随者风格能力亏损较大。

• 按基金近1年Sharpe分层，业绩差异显著 [page::10]

| 基金类型 | 年化收益率 | 年化波动率 | 最大回撤 | Sharpe | Calmar |
|------------|------------|------------|----------|----------|----------|
| 成功领先者 | 12.47% | 20.01% | 43.61% | 0.62 | 0.29 |
| 失败领先者 | 8.26% | 20.78% | 45.71% | 0.40 | 0.18 |
| 成功跟随者 | 9.61% | 22.02% | 49.38% | 0.44 | 0.19 |
| 失败跟随者 | 7.95% | 22.40% | 49.20% | 0.35 | 0.16 |
| 成功独行者 | 14.16% | 18.93% | 41.82% | 0.75 | 0.34 |
| 失败独行者 | 10.78% | 19.37% | 42.94% | 0.56 | 0.25 |
- FOF选基启示：优选领先者、独行者中Sharpe高者，避免跟随者。

• 基金投资模仿策略：个股与行业模仿验证 [page::11][page::12]

- 模仿成功领先者或独行者的重仓股/行业配置获得超额收益。
- 反向避开失败跟随者重仓股同样重要。
- 领先者行业切换较快，更具前瞻性。

• 基金因子预测效果检验及因子特性 [page::13][page::14][page::15]

- 跟随效应因子IFF为负向因子，季度IC均值-0.07，能稳定预测基金未来业绩。
- IFF因子在公募基金抱团加剧阶段(2017-2020)失效。
- 领先效应因子IFL表现较弱，但最大端基金未来表现最好。

• FOF策略构建及回测表现 [page::15][page::16][page::17][page::18][page::19]

- 成功独行者50组合：基于跨期跟随效应（负向）与近1年Sharpe正向等权评分，季度调仓。

- 区间收益349.14%，年化14.19%，相对基准胜率62.96%，2024年年初至今收益5.85%。


- 成功领先者50组合：基于跨期领先效应（正向）与近1年Sharpe正向等权评分，季度调仓。

- 区间收益285.25%，年化12.65%，相对基准胜率60.00%，2024年年初至今收益4.46%。


- 策略风险提示：基于历史数据，未来市场环境若变，模型或失效。

量化专题报告详尽分析

报告标题：《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》
作者及机构：林志朋、张国安、刘富兵，国盛证券研究所金融工程团队
发布时间：2024年5月20日
主题：公募主动权益基金的跨期模仿行为分析及基于此构建的基金分类和FOF策略
[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19]

---

一、元数据与报告概览

报告围绕公募主动权益基金中存在的从众效应（模仿行为）展开，试图通过量化方法识别基金经理中“领先者”、“跟随者”与“独行者”三类不同策略和行为特征的群体，从而挖掘其投资表现和构建相应的FOF（基金中的基金）投资策略。该报告提出了独特的跨期模仿行为因子，创新性地以基金重仓股票的历史热度变化作为基准，区分领先与跟随行为，并结合近一年Sharpe比率作为业绩筛选维度，构建了两套FOF组合策略展示较好业绩。总体看，核心观点是：

• 领先者是“探路者”，偏好研究潜在热门且有走强趋势的股票和行业；

- 跟随者偏好跟进已证明热门的标的，但业绩远不及领先者和独行者；

• 独行者避开热门，偏好冷门股且选股能力突出，是表现最稳健且收益最高的群体；

- 结合模仿行为因子和历史业绩指标筛选基金可实现有效的FOF组合构建。

报告通过大量统计数据和实证回测印证以上结论，反映了跨期模仿维度在基金量化研究和实际投资中的价值。

---

二、报告逐节详解

2.1 报告引言及学术背景

从众效应是行为金融中重要的非理性投资行为，早期研究多聚焦于股票层面的从众效应判定。报告介绍了4种经典衡量模型（LSV、SLSV、CSSD、CSAD），这些主要考察单只股票或股价波动的一致性，从交易量、买卖双方行为及收益率分布的角度体现投资者的群体行为。但这些模型大多聚焦于测量股票市场层面的从众程度，缺乏对基金层面从众行为的系统刻画。报告指出基金的投资行为对市场的影响日益显著，迫切需要构建能够刻画基金持股模仿行为的定量因子。[page::1,2,3]

2.2 跨期模仿基金因子构建

报告首创性地基于基金季报披露的重仓持股数据定义两类跨期基金持股行为因子：

• 跨期跟随效应（IFF）：度量基金当前重仓股票池中，对上一期内被众多基金追逐的“热门股”的配比程度。计算方式系用本期基金持仓权重与上期股票热度（基金重仓基金数量占比扣除流通市值占比）相乘，取滚动三期移动平均。

- 跨期领先效应（IFL）：度量基金上一期持仓中的股票，在本期是否具备热度提升（即率先持有后期热门股）。计算方式是上一期基金持仓权重乘以当前股票热度的变化，取滚动三期移动平均。

这两个因子低相关且与传统基金因子如风格、行业暴露等相关性偏低，具备独立的选基信息价值。报告详述数据选取标准，包括主动权益类基金（普通股票型、偏股混合型、灵活配置型），剔除主题基金、定开基金等。[page::3,4,5]

2.3 基金分类

根据IFF和IFL两因子的阈值，基金被划分为4类：

• 领先者（领先效应IFL≥80%）：主动“探路”拥抱即将走热股票，作为市场“领头羊”。

- 跟随者（跟随效应IFF≥80%）：追逐过去的“热点”，在从众中处于“跟随”位置。

• 独行者（IFF≤20%）：规避热门股，偏好“冷门股”，行为相对独立。

- 潜力者（其他），夹在上述三种之间，特征不显著。

基金分类稳定性检验显示：领先者稳定性最差（更频繁转型），独行者和跟随者转型概率较低，表现出较强行为持续性。[page::5,6]

2.4 历史业绩对比与能力归因

从业绩角度看：

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

- 独行者波动率最低，回撤最小，稳定性最好（Sharpe最高0.65，Calmar最高0.29）。

• 分年度表现显示独行者表现领先且持续稳定，领先者表现居中，跟随者大部分年份表现最弱。

业绩归因采用基金收益完全分解模型，拆解成风格、行业、选股Alpha及动态交易能力。结果显示：

• 选股Alpha能力是三类基金业绩差异的核心所在，独行者和领先者表现较好，跟随者表现明显较差。

- 跟随者行业能力和动态能力较强，但整体业绩不及选股Alpha贡献。

• 独行者风格能力表现最好，跟随者风格能力亏损较多。

基金本质差异是对热门股的态度不同：领先者寻找新热点，跟随者追热度已显的股票，独行者远离热门股。[page::7,8,9]

2.5 业绩辅助二分法

引入近一年Sharpe比率作为业绩优劣指标，将三类基金进一步剖分为“成功”与“失败”子组，业绩分化更为显著：

• 成功领先者年化收益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%。

投资启示明确：

1. 在领先者和独行者基金池内优选高Sharpe基金；

2. 避免跟随者基金；

1. 跟随者基金往往跟随的是成功领先者的策略方向。[page::10,11]

2.6 投资模仿策略及行业分析

从个股和行业两个角度进行“模仿”投资策略回测：

• 成功领先者与独行者的前20大重仓股票模仿组合均表现优异，累计收益显著跑赢失败跟随者和市场基准。

- 成功领先者与独行者的重仓行业模仿组合同样回报优异，且领先者相较跟随者更早把握风口行业，尤其是计算机、新能源、商贸零售等行业明显展现出领先性。

• 领先者行业切换速度快，跟随者紧随其后，独行者板块配置较为稳定。

这表明成功领先者和独行者的持股偏好具有较强的投资参考价值，反向规避失败跟随者重仓标的可规避业绩拖累。[page::11,12]

2.7 跨期模仿因子的预测效力检验

• 跟随效应因子IFF存在明显的负向预测性，IFF越高基金未来表现越差。

历史表现包括季度和年度预测收益均呈单调递减关系。IFF的季度与年度截面rank IC分别为-0.07和-0.10，统计意义显著。

• 然而IFF因子并非永久有效，阶段性失效与基金市场抱团系数（GD）的变化高度相关，

抱团加剧（GD上行）阶段，IFF可能失效甚至变为正向因子，代表抱团追热点阶段跟随效应反而带来阶段性超额。

• 领先效应因子IFL正向预测性较弱但明显，最大分组基金未来表现最好，季度和年度IC均略高于零。

这表明IFF因子适合做反向选基，IFL因子帮助捕捉领先基金。两因子需结合市场抱团度变化灵活应用，以避免泡沫误判。[page::13,14,15]

2.8 FOF组合策略构建及实证

报告构建并测试了两套基于跨期因子的FOF投资组合：

• 成功独行者50组合

采用IFF负向（越低越好）和近1年Sharpe正向因子等权排序组合调仓，季度调仓，选取规模大于1亿元公募主动权益基金。
回测区间2013-2024年，年化收益14.19%，累计收益349%，超出同类指数203.16%，月度胜率63%+，表现稳健且近年持续领先。2024年YTD收益5.85%，超额5.09%。

• 成功领先者50组合

采用IFL正向及近1年Sharpe因子综合排序，选取50只基金季度调仓。
回测同区间，年化12.65%，累计收益285%，超指标139%，月度胜率60%，2024年YTD超额收益3.70%。

两组合均排除跟随者类型基金，均实现显著的超额收益，表明跨期因子结合业绩筛选具有良好的策略落地价值。[page::15,16,17,18,19]

---

三、图表深度解读

图表1（第4页）基金因子计算示意图

展示了跨期跟随效应IFF和领先效应IFL的计算流程，明确基金当前和前期重仓权重与对应股票热度（SH）及其变动的关系。此图表为理解核心因子奠定直观基础。[page::4]

图表2（第4页）国盛金工基金因子体系

系统展示了金工团队构建的涵盖净值分析、持仓特征、交易行为、能力评估、产品特征的300+基金因子体系，IFF和IFL作为行为特征因子是对既有体系的有益补充。[page::4]

图表3（第5页）因子相关性热力图

数据显示IFF与IFL之间呈负相关，且与传统风险收益、持仓特征因子相关性不高，表明其提供独立的风险调整投资信息。[page::5]

图表5（第6页）Top100基金留存概率

显示IFF因子对应的基金排序稳定性明显优于IFL，但两者稳定性均较好，符合基金行为特征持续性的假设。[page::6]

图表6（第6页）基金转移概率矩阵

数值显示独行者稳定性最高，领先者较低，跟随者居中，反映了领先型基金更易转化为其他类型；投资者应关注领先者稳定性的挑战。[page::6]

图表7（第7页）分类基金历史收益曲线

独行者基金长期跑赢领先者和跟随者，说明避开热门股策略从长远来看有明显优势。[page::7]

图表9（第8页）基金收益完全分解模型

直观展示了基金收益被拆分成市场、风格、行业、选股(alpha)、动态收益等部分，分析基础框架。[page::8]

图表10（第8页）三类基金收益归因

数据明确领先者和独行者选股Alpha优势明显，动态能力和行业能力表现差异体现基金投资风格不同。[page::8]

图表11（第9页）累计超额收益拆解

图谱展示三类基金在各收益来源上的时间演变，进一步印证选股Alpha为性能决定性因素。[page::9]

图表12（第9页）三类基金核心特征

综合展示分类基金的收益、波动率、回撤、Sharpe、策略标签等指标，体现各类基金风险收益结构特征。[page::9]

图表13（第10页）按业绩二分后的分类结构

图表形象地说明了基于Sharpe的成功与失败基金细分法，强化模仿因子在投资上的实用性。[page::10]

表格14（第10页）不同细分类基金绩效比较

补充了成功和失败各类型基金的详细绩效指标，支持投资实务中“二次筛选”的重要性。[page::10]

图表15（第11页）跟随者与领先者行业仓位相关度

反映成功跟随者更倾向于滞后1期的领先者行业配置，业绩好坏的跟随者分别对应成功/失败领先者。[page::11]

图表16（第11页）不同行业跟随效应强度

明确热点行业如计算机、新能源等易出现领先-跟随效应，具备前瞻配置价值。[page::11]

图表17与18（第12页）个股和行业模仿策略累计收益

数据清晰体现模仿成功领先者和独行者的标的组合均显著跑赢失败类型及基准，验证了模仿策略的投资价值。[page::12]

图表19-21（第13页）IFF五分组未来收益与累计表现

详细展示IFF因子分组的未来收益差异和累计表现，IFF高低与基金后续收益显著负相关。[page::13]

图表22（第14页）IFF因子与公募抱团系数阶段关联

指出IFF因子在市场抱团阶段失效甚至逆转的机制，厘清因子适用环境。[page::14]

图表23-24（第15页）IFL五分组未来收益

尽管IFL预测性不及IFF，但领先效应最大组基金表现优越，为选基提供另一个维度。[page::15]

图表25-27（第16-17页）成功独行者50组合表现

展现该组合的累计收益、分年度表现以及2024年前5个月业绩，表现远超基准，稳健性强。[page::16,17]

图表28-30（第18-19页）成功领先者50组合表现

同样反映领先者50组合的长期优异表现及2024年业绩，确认策略的持续有效性。[page::18,19]

---

四、估值与策略构建分析

报告未涉及传统企业估值方法，本质为基金行为特征因子挖掘与投资组合构建研究。

• 构建的基金因子IFF与IFL基于跨期模仿持股行为，结合季报持仓权重与股票基金热度变化，方法正确合理。

- 分析了因子的统计性质、稳定性及与其他基金因子的相关度。

• 基于因子应用逻辑，设计测验了多个投资组合策略，包括三类基金池、进一步细分的成功/失败子池，并最终用因子分数筛选出50只基金组合。

- 组合再平衡频率合理（季度），限制单只基金规模和定开基金剔除，符合实际可操作性。

• 回测中参考万得偏股混合型基金指数，显著超额收益表明策略有效性。

- 研究特别强调因子在不同市场抱团环境下的有效性波动，对因子局限性进行了良好补充，显示研究深度。

综合来看，报告策略构建严谨，输入清晰，假设与调仓逻辑合理，且充分考虑到实际市场环境和因子周期性失效等风险。

---

五、风险因素评估

报告风险提示明确且贴切：

• 所有结论基于历史数据统计模型，未来若市场环境发生重大变化，策略失效风险存在。

- IFF因子在市场抱团度高涨阶段会失效或表现相反。

• 数据披露时滞（15个交易日）对策略执行可能带来影响。

- 潜在市场流动性风险、基金规模限制、风格切换引发的模型适用性下降等均未深度讨论。

• 报告未涉及宏观风险和监管政策风险，但这对基金表现亦存在影响。

整体风险评估周全，提示投资者需动态关注市场环境和策略表现。

---

六、批判性视角与细微差别

• 准确识别领先者的稳定性较差，可能使相关组合面临风格切换风险；

- 跟随者定义中，部分“失败领先者”可能被误归类为跟随者，存在交叉；

• 报告核心因子较依赖公募基金重仓持仓信息披露的真实性和及时性，存在信息滞后风险；

- 跨期领先效应因子IFL预测能力弱于IFF，部分关系并非显著单调，也显示了模型的局限；

• 因子在不同市场状态的有效性变化提醒投资者不能单一依赖指标，实际应用需多因子配合，动态调整；

- 由于未深入讨论费用、滑点等实际交易成本，策略净收益可能被实际执行环境稀释。

这些细节提示实际应用仍需结合宏观视角、基金管理人在组合内的多维判断，避免刻板依赖量化指标。

---

七、结论性综合

该报告通过创新构造的跨期模仿行为因子（IFF和IFL），成功定量刻画了公募主动权益基金的从众行为，从而将基金划分为领先者、跟随者和独行者三类。基于这一分类，报告实证分析发现：

• 独行者表现最佳，选股Alpha贡献显著且稳定；领先者次之，跟随者表现最弱。

- 通过叠加近一年Sharpe分数，进一步区分成功与失败基金组合，有效提升基金选择准确性。

• 基于上述因子及业绩指标构建的成功独行者50和成功领先者50组合均实现超市场显著的年化收益率（14.19%和12.65%），且稳健性较好。

- 指数回测和时序IC分析确认IFF为主要的反向选基因子，IFL为正向指标，但二者均受市场抱团程度影响。

• 领先/跟随/独行策略在行业配置和个股选择上存在显著差异，领先者识别和捕获新兴热点，跟随者延迟跟进，独行者注重冷门股。

- 投资启示为：FOF策略中应聚焦领先者和独行者，高Sharpe基金优先，避免跟随者策略；个股与行业均可参考领先和独行组合的重仓配置。

本报告以丰富的统计数据、理论框架和实际策略回测，系统揭示了公募基金从众行为的投资价值及其在基金选择和组合构建中的应用方法，是探索基于行为金融的基金量化投资的重要参考。投资者应结合市场周期及个体风险接受度动态调整，谨慎采用以最大化预期收益和降低潜在风险。

---

参考与溯源

本分析严格遵循报告原文逻辑与数据，内容均来源于报告文本及图表，溯源页码如下：
[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19]

---

总结关键词：

公募基金，从众效应，跨期模仿，领先者，跟随者，独行者，基金分类，基金因子，选股能力，FOF策略，Sharpe比率，抱团效应，行为金融，基金量化选基。

报告