高频数据公募持仓占比预期模型跟踪表现 [page::4][page::5]

• 模型拟合多只高关注度股票及多个代表性行业公募持仓，占比预期与实际披露高度匹配。

- 行业层面，电力设备及新能源、有色金属等行业持仓升幅显著。

预期持仓占比选股因子表现 [page::6][page::7]

| 选股空间 | 因子类型 | 因子名称 | 月均IC | 年化 ICIR | 月度胜率 | 月均多空收益 | 月均多头超额收益 |
|-------|------|-------------|-------|-------|-------|-------|-------|
| 沪深300 | 正交前 | 预期持仓占比 | 0.067 | 1.49 | 64% | 2.21% | 1.00% |
| 沪深300 | 正交后 | 预期持仓占比 | 0.042 | 1.60 | 70% | 1.26% | 0.38% |
| 中证800 | 正交前 | 预期持仓占比 | 0.040 | 1.01 | 60% | 1.05% | 0.74% |
| 中证800 | 正交后 | 预期持仓占比 | 0.025 | 0.99 | 62% | 0.53% | 0.40% |

• 预期持仓占比因子在沪深300中具显著截面表现，年化多空收益27.1%，多头超额12.2%。

- 相比历史披露数据，预期持仓占比因子选股能力更强，且在剔除高相关因子后仍有残余效应。

• 预期持仓占比变化因子截面区分能力弱，但多头组合表现出一定超额收益。

预期持仓占比因子年度多头收益对比 [page::6][page::7]

公募持仓预期行业轮动策略1表现 [page::8][page::9][page::13]

| 年份 | 策略1多空收益 | 策略1多头超额 | 历史披露多空收益 | 行业1个月动量多空收益 |
|-------|---------|---------|-----------|---------|
| 2016 | -2.93% | -0.39% | -9.37% | -17.61% |
| 2017 | 23.37% | 21.75% | 22.68% | 10.55% |
| 2018 | 3.87% | 3.20% | 1.18% | -0.67% |
| 2019 | 32.70% | 18.61% | 34.56% | -8.81% |
| 2020 | 45.24% | 22.03% | 42.09% | 24.01% |
| 2021.06| 4.33% | 7.38% | 0.96% | 12.06% |
| 全区间 | 16.96% | 11.67% | 14.12% | 2.41% |

• 策略1以行业预期持仓占比最高的五个行业做多，最低五个做空，年化多空收益16.96%，多头超额11.67%。

- 策略换手率较低，月均5%，年化约60%，持仓稳定，表现明显优于传统行业动量策略。

行业轮动策略2与策略3表现 [page::10][page::11][page::12]

| 策略 | 多空收益 | 多头超额 | 月均换手率 | 年化换手率 |
|--------|------|------|-------|--------|
| 策略2 | 13.96%| 8.55% | 34% | 408% |
| 策略3 | 12.01%| 9.70% | 33% | 396% |

• 策略2和3分别基于行业持仓占比变化和持仓占比与最新披露差值构建，均表现良好且换手频率较高。

- 2016年以来，策略2年化多空收益13.96%，多头超额8.55%；策略3年化多空收益12.01%，多头超额9.70%。

风险提示 [page::0][page::13]

• 策略面临市场系统性风险、资产流动性风险及政策变动风险影响。

报告分析：《高频数据应用系列研究（二）——公募基金持仓占比预期在选股以及行业轮动中的应用》

---

一、元数据与报告概览

• 报告标题：高频数据应用系列研究（二）——公募基金持仓占比预期在选股以及行业轮动中的应用

- 作者：冯佳睿、袁林青

• 发布机构：海通证券研究所

- 发布日期：报告数据截至2021年中，具体发布日期未明确但研究内容延伸至2021年6月

• 研究主题：利用高频交易数据预测公募基金持仓占比的日度预期，及其在选股因子构建及行业轮动策略中的应用与验证。

核心论点：

报告主要通过开发和利用高频数据模型，构建对公募基金持仓占比的预期估计，旨在提高持仓数据的时效性和相关性，并探讨这一预期数据在股票选股因子和行业轮动策略中的实际应用价值。报告断言，预期持仓占比因子比传统已披露持仓数据的选股能力显著更强，行业层面的持仓预期同样能有效辅助行业轮动策略，带来较为稳定且优异的超额收益。

投资评级及目标价：本报告不涉及具体个股的评级与目标价，侧重于因子研究与策略回测。

总体来看，作者欲传达的信息是：通过高频数据动态预测持仓变化，可以先进一步把握机构投资者的态度，作为选股和行业配置的有效工具，同时具有实际应用和量化策略落地的潜力。[page::0]

---

二、逐节深度解读

1. 数据跟踪（第1章）

关键论点：

基于前期报告提出的方法，结合基金季报披露的持仓数据与个股微观成交数据，建立公募基金持仓占比的日度预期模型。模型目标在于克服季报披露周期长的缺陷，实时捕捉公募基金的持仓变化。报告以贵州茅台、宁德时代、隆基股份、恒瑞医药等代表性股票为例，展示模型预测持仓占比与实际披露的对比，模型预期与披露值高度吻合，尤其对于市场关注度高且公募持仓比例大的股票拟合较好。

例如，宁德时代在2021年第一季度公募持仓占比预期大幅提升，反映模型能及时捕捉机构资金变化趋势[page::4]。

行业层面进一步对食品饮料、电力设备及新能源、有色金属、钢铁等行业进行了持仓预期的合成，依然展示出良好拟合，且揭示出2021年一季度以来新能源和有色金属行业公募持仓明显提升的趋势[page::5]。

分析与逻辑支撑：

• 通过每日的交易微观数据动态修正基于季报的持仓信息，加快投资者对机构持仓变化的反应速度。

- 公募基金持仓占比作为基金管理人投资倾向的直接体现，是重要的市场信号。

• 模型使用了季报披露因子时间滞后调整，考虑到实际信息披露的文件提交时效。

- 结合静态持仓和动态交易数据，增强持仓数据的前瞻性。

2. 公募持仓预期的选股能力（第2章）

2.1 预期持仓占比因子

报告在沪深300和中证800指数样本内测试了基于预期持仓占比构建的选股因子。因子以个股的预期公募持仓占比与市值的日志比值计算，目的是降低数据偏态。

数据及结果：

• 在沪深300内，预期持仓占比因子月均信息系数（IC）约为0.067，表明因子与后续收益之间存在适度正相关。

- 多空收益年化约达27.1%，多头超额收益达12.2%。

• 绩效指标均优于仅使用最新披露持仓占比的因子。

- 正交处理后（剔除市值、估值、盈利和股价短期涨幅等相关因子影响），预期持仓占比因子依旧保有选股能力，多空年化收益降至16.0%，多头超额达4.7%。

• 在中证800指数中，因子表现有所下降（IC约0.04），但仍具备一定选股能力。

此外，分年度分析显示，2019和2020年因子表现尤为突出，多头组合超额收益超过40%[page::6]。

2.2 预期持仓占比变化因子

因子刻画了个股当前预期持仓占比相对上一季度已披露持仓占比的变化，用以捕捉持仓增减动量。

• 月均IC较低，仅为0.013（沪深300），表现较弱，显示截面收益区分能力不足。

- 但多头组合表现尚可，存在稳定的多头超额收益，部分年份收益显著（2015、2017、2019、2020年）。

• 正交处理后，表现稍有改善。

小结：持仓占比因子优于持仓变化因子，且优于单纯的披露数据持仓比，但两者均提供了机构资金流入的不同视角，有助于完善选股因子体系[page::7]。

3. 行业轮动策略（第3章）

依托个股持仓预期合成的行业公募持仓占比预期，分别构建了三种行业轮动策略：

• 策略1：选择公募持仓预期占比最高的行业做多，最低的做空。

- 策略2：选择持仓预期占比较1季度前已披露值提升最大的行业做多，反之做空。

• 策略3：选择持仓预期占比与最新季报实际披露差值最大的行业做多，差值最小的做空。

明确月度调仓，从30个一级行业中挑选5个多头、5个空头行业。

策略1表现

• 2016-2021年6月，策略年化多空收益16.96%，多头超额收益11.67%，明显优于同期各类行业动量策略。

- 2021年多头超额收益达7.38%，月度胜率多头超额63%。

• 最大回撤保持在合理范围，多头最大回撤5.7%，多空最大回撤11.6%。

- 换手率较低，年均约60%，说明持仓稳定有利于降低交易成本。

• 持仓行业主要集中在电力设备及新能源、医药、食品饮料、银行和电子等板块，持仓稳定[page::8][page::9]。

策略2表现

• 策略年化多空收益13.96%，多头超额8.55%。

- 2017、2019、2020年的多头超额收益均超过10%。

• 2021年多头超额收益3.84%。

- 换手率较策略1显著提高，年化408%，表明策略更为活跃，可能带来更高交易成本。

• 多头超额月度胜率72%，表现稳健[page::10][page::11]。

策略3表现

• 策略3年化多空收益12.01%，多头超额9.70%。

- 2020年多头超额收益达到20%以上，表现突出。

• 2021年年初5月和6月均选取了表现良好的行业。

- 换手率与策略2相近，年化396%，活跃度较高[page::11][page::12][page::13]。

4. 总结（第4章）

• 公募基金持仓占比预期因子在沪深300及中证800指数内均具有一定的选股能力，尤其预测数据优于传统披露数据。

- 预期持仓占比变化因子截面区分度弱，但多头组合表现良好，可作为补充因子。

• 行业层面，基于预期持仓占比构建的行业轮动策略显著优于传统行业动量策略，多策略均能实现较为理想的年化超额收益。

- 三类行业轮动策略各具特色，层层递进，从绝对持仓水平到增长幅度再到与季报披露差值的挖掘，均有效捕捉行业配置的机会。

• 市场系统性风险、流动性风险和政策变动仍是策略表现的主要隐患[page::13]。

---

三、图表深度解读

个股持仓占比预期（日度对比）

• 图1-图4：贵州茅台、宁德时代、隆基股份、恒瑞医药公募持仓预期模型拟合实际披露数据。暗蓝色为模型日度预期，浅蓝色为季报披露数据阶梯形变化，显示模型平滑且能提前捕捉持仓变化。

- 以宁德时代为例，模型成功捕捉到2021年Q1公募持仓占比的快速增加（由约6%升至10%-12%），明显优于后续披露的滞后数据[page::4]。

行业持仓占比预期（日度对比）

• 图5-图8：食品饮料、电力设备及新能源、有色金属及钢铁行业持仓预期走势。总体趋势与披露数据高度吻合，尤其新能源和有色金属显示2021年以来显著上涨，反映市场对相关行业的关注与资金加码。

- 预期持仓预期曲线更加平滑且提前反映持仓变化，有助于快速捕捉行业资金流向[page::5]。

选股因子表现图

• 图9-图10：预期持仓占比因子在沪深300指数内多头组合年度收益对比，未正交数据优于最新披露持仓占比因子。

- 图9显示2019年和2020年收益达到约40%以上，正交后（图10）2019年仍表现强劲。

• 显示预期持仓因子有较强的选股信号，即使剔除相关因子影响后仍有独立贡献[page::6]。
• 图11-图12：预期持仓占比变化因子分年度多头收益表现较弱，但多头组合多次展现可观收益，尤其2015、2017、2019和2020年，暗示变化因子对捕捉机构资金动量有一定辅助作用[page::7]。

行业轮动策略表现

• 图13-图18：策略1-3多头超额净值和换手率图表。

- 策略1（图13）净值稳步上升，表现优于各类行业动量策略，换手率较低（约5%月换手，年化60%）显示持仓稳定性良好，有较低交易摩擦。

• 策略2（图15）与策略3（图17）净值波动较策略1更频繁且幅度略低，换手率分别约34%和33%（年化408%和396%），更适合短线积极管理但成本较高。

- 净值曲线均表明预期持仓指标构建的行业轮动策略均显著优于传统动量策略，特别是在多头组合的超额收益表现中[page::9-12]。

---

四、估值分析

本报告属于因子研究与量化策略开发报告，未涉及传统个股估值模型（如DCF、市盈率倍数）等，故无专门估值部分。

---

五、风险因素评估

作者指出策略可能面临的主要风险包括：

• 市场系统性风险：宏观及经济环境波动会影响整体市场表现，进而影响策略有效性。

- 资产流动性风险：高换手率策略可能遭遇流动性不足，导致执行成本增加或滑点风险。

• 政策变动风险：监管政策变化，尤其针对公募基金和行业方向的政策，可能影响持仓意愿及资金流动性，减少策略收益。

报告未详细阐述风险缓解手段，但风险因素符合市场与策略实际可预见风险[page::0,13]。

---

六、批判性视角与细微差别

• 模型依赖历史季报及交易数据的假设：持仓预期模型显著提升了数据时效性，但该模型本质依赖历史季报和微观数据，可能对极端行情发生的快速机构反应存在估计误差。

- 换手率与成本权衡：策略2和策略3的换手率极高（年化超过390%），可能带来实际交易的执行成本压力，能否维持模型测试中超额收益值得关注。

• 因子稳定性差异区域：中证800样本中因子表现弱于沪深300，暗示模型或策略可能对不同市值或风格的股票表现不均衡，应用时需注意。

- 策略回撤情况：策略3最大回撤接近20%，提示策略在某些时间段风险较大，投资者应关注投资组合的风险敞口管理。

• 行业轮动策略持仓集中度问题：策略通常集中于少数5个行业，若市场发生结构性变化或选中行业遭遇系统性风险，策略风险不可忽视。

- 报告结论较为稳健，未明显夸大预期收益，但对策略实施过程中的市场冲击与交易成本讨论不足。

---

七、结论性综合

本报告系统构建了基于高频数据预测的公募基金持仓占比预期模型，并基于此设计了选股因子和行业轮动策略。模型及策略的优势包括：

• 实时性：相比传统季度披露数据，高频模型提供日度持仓预期，显著提升了资金流向信号的时效；

- 选股能力优越：预期持仓占比因子在历史数据回测中表现出较传统披露数据更优的截面收益和超额收益能力，尤其在大型股票样本中显著；

• 行业轮动有效：基于预期持仓占比的行业轮动策略持续优于多类行业动量策略，多头组合获得可观超额收益，且持仓相对稳定；

- 多角度策略互补：持仓占比水平、变化及与披露差值的多策略设计体现了从不同维度捕捉机构投资意图的思路；

• 风险提示明确：报告合理提示了系统性风险、流动性风险、政策风险，标识策略应用限制。

图表及数据充分支持了作者结论，持仓预期模型与基于其构建的因子和策略均具备显著的市场应用潜力。投资者在实际应用时，应关注交易成本、风险管理及因子适用范围。

综上，报告展现了高频数据在基金持仓信息预期及其在量化投资决策中的前沿应用，启示了未来因子构建与行业配置的新思路，为投资者捕捉机构资金动态提供有力工具。[page::0,4-13]

---

参考部分主要图表（Markdown格式）

图1 贵州茅台公募持仓占比预期（日度对比）

图9 预期持仓占比因子分年度多头收益（沪深 300 指数内-正交前）

图13 策略1 多头超额净值

图15 策略2 多头超额净值

图17 策略3 多头超额净值

---

（以上分析基于海通证券研究所《高频数据应用系列研究（二）》全文内容及附图详尽解读。）

报告