1. 基金仓位探测模型持续升级，提升拟合准确率与实时反映能力 [page::0][page::3][page::4][page::7][page::8]

• 模型从单纯公募持仓行业加权（1.0版），拓展到细分中信1.5级行业（2.0版），再结合重仓股与非重仓股行业自身编制指数（3.0版）。

- 新模型能更准确区分基金经理选股带来的业绩差异，拟合误差大幅降低，例如样本区间新方法拟合绝对误差49bp，秩相关达到0.84，方向准确率超过71%。

• 具备高频跟踪主题基金核心板块及重仓股动态的能力，实现对基金重仓结构的实时量化监控。

2. 基金代理组合构建与新旧方法对比：新方法显著降低平均跟踪误差至7.12% [page::11][page::12][page::13]

• 采用重仓股与非重仓股行业指数组合的代理组合新方法，平均跟踪误差由旧方法8.37%降低至7.12%，82%的基金跟踪误差显著改善。

- 通过每日动态仓位拆解，实现代理组合收益与真实基金净值更高吻合度，保证更佳的跟踪精准度。

3. 优选基金组合股票核复制策略与回测绩效 [page::13][page::16][page::25][page::26]

• 基于选基因子（如股票池挖掘能力、Tm选股能力、夏普比率、信息比例）筛选出优选基金，结合最新探测模型日度股票仓位构建复制组合。

- 复制组合实现了较高的年化收益率（6M股票池挖掘能力约12.28%，12M约14.47%），跟踪误差低于4%，且较旧版复制方法跟踪误差降低约2%。

• 复制效果展现出显著分层能力，高分组基金稳健跑赢低分组，股票复制法接近真实FOF组合表现。

- 交易较为激烈的基金，其选股交易综合能力因子复制效果不佳，提示模型对基金动态管理能力部分捕捉有限。

4. 缩小股票池实现核心复制，优化行业配置和持股个数 [page::21][page::22][page::31]

| 参数 | indrelativelimit | indmaxhold | indminhold |
|-----------------------|--------------------|--------------|--------------|
| 具体含义 | 行业内股票累计占比 | 行业最大持股数 | 行业最低持股数 |

• 参数优化后保持行业暴露不变，股票数量显著压缩，提升了复制组合的实用性和交易效率。

- 该方法复制的普通股票型基金指数年化收益8.3%，跟踪误差3.83%；偏股混合基金指数年化收益7.47%，跟踪误差3.82%。

5. 业绩归因：复制组合具备良好的行业配置和选股能力贡献 [page::32][page::33]

• 满仓复制优选组合年化收益达19.27%，年化超额中证800达17.89%。

- 行业配置贡献11.18%年化超额，选股贡献7.26%，具体年份除部分异常年外均表现稳健。

• 复制组合的行业偏离和选股偏离均明显优势，印证模型捕捉到了基金组合的核心投资风格。

6. 风险提示及研究局限 [page::1][page::34]

• 本报告基于历史公开数据及模型估测，存在统计滞后与模型局限性。

- 历史规律或失效，结果仅供投资参考，不构成具体投资建议。

• 交易频繁基金的复制适应性有限，后续需持续改进和研究。

金融研究报告深度分析报告

——基于《借“东风”之基于最新探测模型尝试复制优选基金组合追踪“聪明资金”系列七》

---

一、元数据与报告概览

• 报告标题：《借“东风”之基于最新探测模型尝试复制优选基金组合追踪“聪明资金”系列七》

- 分析师：李倩云 （执业证书编号：S0740520050001）

• 发布机构：中泰证券研究所

- 时间：2022年，具体日期未明

• 核心主题：

本报告意在介绍和升级基于公募基金仓位动态探测的最新模型，尝试通过对优选基金的仓位及选股行为的复制，构建“聪明资金”代理组合，实现对基金“聪明资金”的追踪与复制，旨在指导投资者识别和复制优质主动权益基金以实现超额收益。围绕模型的升级历程、复制策略验证、核心基金池复制、高频交易行为识别及复制组合绩效归因展开。

• 核心观点与结论：

1. 最新模型有效提升基金行业及股票仓位探测的准确度（拟合绝对误差降低至49bp，方向准确度超70%）。
2. 代理组合构建的跟踪误差明显缩小，82%样本基金跟踪误差降低，平均跟踪误差由老方法8.37%降至7.12%。
3. 基于重仓股和非重仓股指数的核复制，主动权益基金及偏股基金指数复制取得超7%的年化收益，跟踪误差低于4%。
4. 优秀基金组合（通过选基因子筛选）的股票池复制效果优异，追踪误差较老方法显著降低，收益显著优于基准中证800。
5. 通过行业配置和选股贡献进行业绩拆解，发现超过80%的年份选股与行业配置贡献均为正，复制组合年化超额收益达到近18%。
6. 尽管交易能力因子复制效果有限，但静态选股能力因子（如股票池挖掘能力）复制效果良好，对优选基金筛选和综合复制策略设计具有重要价值。[page::0,3,7,11,14,16,26,32]

---

二、逐节深度解读

2.1 探测模型回顾

行业仓位探测 1.0 版本

• 利用基金公开半年报持仓和净值的日度变动，通过公募基金自身持仓市值加权生成行业指数，替代传统流通市值加权的申万行业指数。

- 该替代方法更好反映主动权益基金持仓集中度提高带来的实际影响，提升了行业仓位拟合的准确性。

• 半年度完整持仓信息作为模型校准基础，日度利用前一日数据结合净值变化迭代估计，实际报表更新时点做拼接。[page::0,3,4,5]

行业仓位探测 2.0 版本

• 基于1.0版本，模型下沉行业维度至中信1.5级别，将大行业如医药、电子、电力设备等拆分至细分赛道，进一步捕捉行业细分板块的结构性仓位变动。

- 该调整对普通股票基金指数及偏股混合基金指数追踪更有效。[page::5,6]

行业仓位探测 3.0 版本（重仓股+非重仓股行业指数）

• 引入产品半年度重仓股与非重仓股行业指数两部分，利用重仓股持仓模式挖掘存量变动信息。

- 非重仓股部分采用基金专属行业指数（基于基金自身持仓编制），解决基金在某行业选股表现差异导致的暴露偏差问题。

• 统计显示，重仓股季度重复度50%以上，较全持仓重复度32%更有参考价值，模型拟合显著改善，拟合绝对误差≈49bp，秩相关约0.84，方向准确度超过70%。

- 实证表明该模型显著优于老方法，尤其对重仓股持仓的拟合准确。[page::7,8,9]

2.2 浅尝复制不同基金组合

• 开发结合重仓股与非重仓股行业指数的代理组合构建方法，实现以近似复制基金净值走势。

- 利用仓位代理组合计算方式，代理组合日收益由重仓股部分和非重仓股行业指数组成，即每日收益为前一日估计仓位乘以对应资产当日收益的加权和。

• 代理组合复制验新老方法对比，19年以来新方法平均跟踪误差7.12%，优于此前8.37%，82%的基金因为新模型跟踪误差下降。

- 不同基金实例显示，新模型代理组合收益曲线更接近基金真收益曲线，尤其在波动和趋势变化中拟合更紧密和稳健。[page::11,12,13]

2.3 全新代理组合复制优选基金

• 通过月度周期优选打分前20名基金，基于最新探测模型进行动态换仓的股票池构建，行业和股票持仓均由模型动态估算决定。

- 相较于前期仅用前一季度重仓股静态持仓复制，新方法允许重仓股动态调整，更灵活地捕捉基金仓位变化。

• 复制步骤详细说明了拆分重仓股和非重仓股的仓位构建公式，补充了用自身持仓构建非重仓行业指数成份股权重，细化了股票层面的份额划分。

- 对于静态选股能力因子（如股票池挖掘能力因子），股票复制能够有效保持与基金层面分层的保序性。

• 交易较为频繁，投资风格变化大的基金，复制精准度降低。

- 股票池挖掘能力因子的复制效果优于TM选股能力、夏普、信息比例等因子。

• 模型使基金构建的选股策略、行业配置能力得到有力量化和跟踪。[page::13-16,29,30]

2.4 缩小股票池进行核心复制

• 由于股票池庞大且很多股票仓位极小，模型引入三参数控制筛选:(1) 行业内选股累积权重阈值indrelativelimit；(2) 行业最大持股数indmaxhold；(3) 行业最少持股数indminhold。

- 通过筛选核心股票，归一化后仍保持行业总体仓位一致，既加快计算又保持高复制度。

• 示例表格说明策略选股并同时满足行业仓位约束的逻辑，保证每个子行业均有股票持仓覆盖。

- 通过该方法，对普通股票型基金指数和偏股混合型基金指数实现了高效核复制，取得年化收益约8.3%和7.47%，跟踪误差分别约3.8%和3.6%。

• 三种复制方式对比：仅行业指数最低跟踪误差但收益偏低；头部重仓股复制收益较好但误差较大；最新方法两者兼顾，收益较好且误差明显改善。

- 复制偏股混合基金指数表现同样良好，累计收益与标的指数接近。

• 优选组合股票复制超过重仓股复制和行业纯暴露复制，且其跟踪误差更低、收益更高。

- 不同统计年度业绩显示新策略在多年份实现了正超额收益，且回撤得到合理控制。[page::21-26,28]

2.5 优秀复制组合业绩归因（行业配置与选股能力）

• 构建业绩归因框架，通过构建基准行业配置组合和基准选股组合，拆解总超额收益贡献。

- 选股超额收益通过行业权重一致条件下差异化股票选择体现，行业配置超额收益通过不同行业仓位配置差异体现。

• 满仓复制优选基金组合年化收益19.27%，年化超额中证800 约17.89%；选股贡献为7.26%，行业配置贡献高达11.18%。

- 年度表现中除2016、2017年选股贡献为负外，其余年份选股贡献均为正；行业配置除2018年负贡献外，均为正。

• 归因结果充分体现出行业配置对优选组合收益贡献更大，选股与行业配置双线驱动的组合优势明显。[page::32,33]

---

三、图表深度解读

3.1 行业指数对比图（图表1-4，page 4）

• 图表1至4展示了基金基于公募持仓重新加权行业指数与申万传统行业指数的收益走势对比。

- 2014-18年两者走势类似，19年后因公募持仓集中度上升，基金持仓加权指数收益明显走高，尤其在电力设备、医药电子板块，显示传统流通市值权重难反映公募持仓真实变化。

• 说明新模型加权更符合基金实际持仓动态，增强拟合有效性。

3.2 拟合准确度图（图表9，page 9）

• 新老方法秩相关、方向准确率对比（200个随机样本）显示新方法显著提升拟合准确率，整体秩相关稳定在0.85左右，老方法仅0.6附近。

- 方向准确度提升尤为明显，特别是头部10、20、30持仓，新方法最高超过83%。

• 说明新模型在捕捉基金真实持仓动向能力明显增强。

3.3 代理组合追踪误差分布（图表30-33，page 13）

• 新方法年化跟踪误差多集中在0.05-0.10区间，老方法误差整体偏大且分布偏广。

- 大部分基金使用新方法得以显著降低误差，且误差差异呈具正偏分布，说明效果提升明显。

3.4 不同复制策略基金收益曲线与比较（图表26，31，34-35，及后续分层图page 12-19）

• 多基金实证图表显示新代理组合走势更贴近真实基金净值，既说明跟踪误差降低，也反映新方法对选股及交易动态捕捉更精准。

- 各类选基因子分层检测图表均表明，股票池挖掘能力因子复制效果优于其他因子，且复制组合收益和FOF组合基本呈现保序，支持新模型的有效性。

• 多参数下不同持股限制、基金池大小下复制策略表现稳定，展现良好稳健性。

3.5 基金指数核复制（图表51-55，页23-26）

• 复制不同细分基金指数的累计收益、年化收益、回撤等关键指标对比显示，最新方法在行业控制和选股筛选权衡下收益提升，跟踪误差降低。

- 与行业暴露相比，最新核复制方法提高了收益表现，同时保持合理的跟踪误差和换手率。

• 同时适用于普通股票基金和偏股混合基金指数复制，通用性较强。

3.6 业绩归因关键图（图表66-68，页32-33）

• 累计超额收益分解显示，行业配置贡献在多数年份显著大于选股贡献，二者均正向推动组合超额表现。

- 直观展示选基能力可拆解为稳定行业布局和有效选股两部分，验证了构建模型时行业+重仓股双管齐下的合理性。

---

四、估值分析

本报告未涉及对个别股票或基金的传统估值分析如DCF或PE，聚焦于多层面基金组合构建及跟踪误差评估。估值部分可理解为对基金配置策略及股票池挖掘能力的定量性能评估。

• 跟踪误差、超额收益、夏普比率、信息比例等指标被广泛采用评价模型复制组合表现。

- 利用统计回归提取基金交易能力与股票池挖掘能力（alphatrade与alphapool）量化维度。

• 结合重仓股与行业指数权重动态调整构建的估值方法，点在于灵活捕捉基金持仓的实时变动，提升拟合和复制质量。

---

五、风险因素评估

• 报告明确模型基于历史公开数据、统计方法以及历史仓位规律总结，存在数据滞后和第三方数据准确性风险。

- 模型受制于历史规律的有效性，未来市场环境突变可能影响模型准确度，极端市场环境下解释力存在不足。

• 重仓股探测难以捕捉所有调仓时点，快速移仓换股的基金跟踪误差可能上升。

- 复制组合表现不构成对基金未来表现的保证，投资需谨慎，敬告阅读完整风险提示。

• 部分因子的复制效果有限，尤其是基金交易能力因子，暂难实现精准复制。

- 建议结合模型输出与基本面、投资判断等做多维度综合分析。[page::1,34]

---

六、批判性视角与细微差别

• 报告较为主动强调新模型优势和复制效果的提升，然而跟踪误差仍有一定水平（约7%-8%），说明复制精确度尚有提升空间。

- 交易较频繁基金的复制效果不佳，表明该模型对动态调仓的实时捕捉存在局限，暗示对基金经理主动交易行为的识别仍显不足。

• 交易能力因子目前模型难以提升复制精度，指出模型或数据维度未覆盖基金操作全貌，未来研究空间大。

- 部分追踪误差和年化收益对比中，复制组合收益普遍低于真实FOF组合，说明模型复制组合仍有收益折价。

• 研究到的行业配置贡献大于选股贡献，是否是模型设定偏向行业层面暴露多于个股选取，则值得进一步独立评估。

- 数据时间截止2022年中，未涵盖后续市场变化，关注模型持续有效性的实际表现。

---

七、结论性综合

本报告详细介绍了基于最新公募基金行业及股票仓位探测模型升级，构建基金代理组合及“聪明资金”追踪复制组合策略的系统框架和实证结果。报告系统化地提出将基金半年度重仓股与非重仓股行业指数叠加的新一代行业及个股仓位高频探测模型，极大提升了基金仓位拟合的准确率与跟踪精度。基于该模型，代理组合匹配真实基金净值的跟踪误差显著降低，且在对优选基金交易及选股能力的复制上表现卓越。

通过月度及季度动态换仓，结合细分行业内精选重仓股及动态调整非重仓行业内成分股份额，构建的代理组合不仅能较好复制原基金组合表现，还能量化拆解基金行业配置和选股能力对超额收益贡献。其中，行业配置对超额收益贡献较大，但选股能力同样稳定输出正贡献。

从实证表现看，股票池挖掘能力因子复制效果最佳，能较精准地量化基金的选股韧性和优势；而交易能力因子复制效果有限，暗示实时交易行为监控和识别的复杂性。模型对普通股票型基金和偏股混合基金指数的复制均表现良好，年化收益均在7%以上，跟踪误差低于4%。

此外，模型设计引入了多项参数，如行业内最大、最小持股数，以及相对持股比例阈值，用于科学缩减股票池，实现核心股票核复制，提高运算效率和策略实用性。业绩归因框架将超额收益拆分为行业配置和选股贡献，为进一步优化基金组合管理提供了科学依据。

报告同时谨慎提示模型和数据存在的局限性及风险，强调历史表现不代表未来结果，提醒投资者保持理性。

总体来看，该项研究为主动权益基金仓位动态跟踪和“聪明资金”选股复制提供了创新且实证支持充分的方法论框架，有助于投资者更好地理解和利用基金持仓变化信号，是公募基金研究和选基领域的里程碑成果。[page::0-34]

---

参考文献

• 《借“东风”之基于最新探测模型尝试复制优选基金组合追踪“聪明资金”系列七》报告全文[page::0-34]

---

附录：关键图表索引

• 图表1-4（行业指数对比）[page::4]

- 图表9（新老方法拟合准确指标）[page::9]

• 图表26-29（基金代理组合跟踪效果举例）[page::12]

- 图表30-33（跟踪误差分布对比）[page::13]

• 图表37-44（选基因子分层检测）[page::17-18]

- 图表51-55（普通股票型及偏股基金指数复制表现）[page::23-26]

• 图表63-65（核心复制参数和组合表现）[page::29-31]

- 图表66-68（业绩归因拆解）[page::32-33]

---

报告