• 研究首次将互惠基金下季度组合预测视为下一新篮推荐（NNBR）任务，关注于预测基金未来组合中的新增股票，区别于传统预测整体组合或重复持仓的方法[page::0][page::1]。

- NNBR任务能够揭示基金投资策略变化和潜在新机会，具有重要的实际意义。

• 构建了包含5014只基金和4917只股票的基准数据集，数据来源包括SEC NPORT-P季度披露、Open FIGI标识及Yahoo Finance数据，重点为美国市场普通股[page::2]。

- 数据统计显示2021年第1季度基金的中位组合规模为69只股票，平均分配比例约1.45%，整体组合高度分散但存在明显的股票持仓热门趋势[page::2][page::3]。

| 统计项 | 均值 | 标准差 | 最小值 | 25%分位 | 中位数 | 75%分位 | 最大值 |
|-----------------|---------|----------|--------|---------|--------|---------|---------|
| 组合规模（只） | 175.4 | 280.1 | 1 | 37 | 69 | 181 | 2878 |
| 平均持仓比例（%）| 2.5 | 6.03 | 0.03 | 0.55 | 1.45 | 2.7 | 100 |

• 基金组合换手率平均在5.7%-8.0%之间，极端基金季度内完全更换持仓（换手率100%）突出显示投资策略多样性[page::3]。

| 季度 | 均值 | 标准差 | 最小值 | 25%分位 | 中位数 | 75%分位 | 最大值 |
|------------|--------|--------|--------|---------|--------|---------|--------|
| Q2-2020 | 7.3% | 10.4% | 0.0% | 0.7% | 3.9% | 9.6% | 97.8% |
| Q3-2020 | 8.0% | 11.4% | 0.0% | 1.2% | 4.5% | 9.7% | 100% |
| Q4-2020 | 5.7% | 9.2% | 0.0% | 0.3% | 2.7% | 6.9% | 100% |
| Q1-2021 | 6.2% | 10.2% | 0.0% | 0.5% | 3.0% | 7.6% | 100% |

• 采用时间序列验证策略，训练多类推荐模型：启发式基线（如过去组合重复持仓和全球持仓热度）、传统协同过滤、序列模型、图模型及专门的下一篮推荐（NBR）模型[page::3][page::4]。

- 实验指标包括Recall@K和NDCG@K，分别衡量召回能力和排序质量，针对三任务分别评估：整体组合预测（NBR）、新增组合预测（NNBR）和重复组合预测（NBRR）[page::5]。

• 实验结果显示，在NBR和NBRR两任务中，简单的“过去持仓重复”启发式基线表现最佳，强调基金组合的高度稳定性和管理者持仓保守策略。

• 在NNBR任务（新增投资预测）中，自编码器系模型（EASE和RecVAE）表现优于包括专门NBR模型BTBR在内的各类方法，表明静态协同过滤的非时序特征能有效捕捉基金探索行为潜在模式[page::6]。

| 模型 | NNBR recall@20 (Q2-2021) | NNBR ndcg@20 (Q2-2021) | NNBR recall@20 (Q3-2021) | NNBR ndcg@20 (Q3-2021) |
|----------|--------------------------|------------------------|--------------------------|------------------------|
| EASE | 0.210 | 0.157 | 0.159 | 0.118 |
| RecVAE | 0.193 | 0.145 | 0.154 | 0.110 |
| BTBR | 0.157 | 0.115 | 0.090 | 0.111 |
| DNNTSP | 0.028 | 0.027 | 0.032 | 0.038 |

• BTBR模型虽然为NNBR专门设计，但效果逊色于简单自编码器，提示模型需针对互惠基金领域特性进一步优化。

- 所有模型在测试集表现普遍下降，反映金融市场和基金策略的动态变化，表明实际应用中模型需经常重训以保持性能[page::6][page::7]。

• 研究强调金融领域推荐系统应用须兼顾领域特征，尤其是基金组合的持仓稳定性和探索行为的特异性；结果为基金管理者和投资者提供了新的数据驱动工具，有助于识别投资新机会和基金风格比较[page::7]。

金融研究报告详尽分析报告

报告题目： A Case Study of Next Portfolio Prediction for Mutual Funds
作者及机构： Guilherme Yambanis Thomaz，Denis Deratani Mauá，均隶属于巴西圣保罗大学（University of São Paulo）
发布时间： 未标明具体日期，参考数据年份为2020-2021年
主题： 基于推荐系统技术，特别是Next Novel Basket Recommendation（NNBR）模型，预测共同基金（Mutual Funds）未来的投资组合分配

---

一、元数据与概览（引言与报告概览）

本报告首次将共同基金下一期投资组合预测任务形式化为Next Novel Basket Recommendation (NNBR)问题，即专注于预测基金下一期组合中新加入的股票（novel items）。研究构建了一个基于公共数据的全面基准数据集，并基于RecBole库对多种推荐系统模型进行性能评测。

核心论点与发现：

• 预测下一期投资组合中所有股票（包括重复和新股票）相对容易，简单的启发式方法（如“当前持仓”策略）比复杂模型表现更优。

- 预测仅“新增”股票（Novel items）则更加困难，但基于自编码器的模型（autoencoder-based approaches）优于其他模型。

• 强调针对金融领域的特定属性，特别共同基金集合的稳定性，需要对推荐系统技术做相应调整和优化。

报告的主要贡献点包括：

1. 应用NNBR技术于共同基金领域，拓展了推荐系统在金融资产组合预测的应用边界。

2. 公开构建了包含5014只基金、4917只股票的基准数据集，涵盖2020-2021年美国上市股票。

1. 评估了包括启发式模型、传统推荐、序列推荐和NBR模型等多种方法，比较其在不同预测任务（包括预测所有股票、预测新增股票及预测重复股票）上的表现。

总体而言，报告为共同基金投资组合预测领域提供了新视角，并指出现有复杂模型在此现实金融场景中的实际效用和局限性。作者建议深入研究自编码器及图神经网络等模型以提升特殊任务的准确度[page::0][page::1]。

---

二、逐节深度解读

2.1 引言（Introduction）

作者指出共同基金作为流行的投资工具，其投资组合构成受基金经理策略高度影响，同时组合内多股票的持仓关系造就预测难度。传统推荐系统主要应用于零售、网购领域，粗放忽视序列依赖；而NNBR模型能捕获时间序列和新增项目预测，因而适合基金投资组合的时序动态预测。

报告首次提出基金投资组合的“下一篮子”预测任务，以期通过预测新纳入股票帮助投资者和基金经理发现投资策略变动，寻求潜在新机会。该领域具有基金持仓稳定、核心股票频繁重复的特性，尤其需要区分重复持仓与新持仓的重要性[page::0]。

2.2 相关工作（Related Work）

• 传统的个股预测多基于基本面分析和技术分析，忽视组合层次的关联性。

- 以关联规则挖掘实现股票组合推荐的研究[12]，以及基于基于案例推理的资产配置推荐[11]，体现了组合层面的推荐潜力。

• 将推荐系统应用于投资建议和基金相似度分析的研究表明存在一定基础，但未专注于下一期组合预测与新增成分识别。

- 本研究提出明确建模共同基金下一期组合，聚焦NNBR任务，旨在填补现有文献空白。

• 此外，基金和股票隐向量嵌入的生成为后续如基金聚类、风险评估提供基础。

综上，该节提供了对领域内现有研究的梳理，凸显本文的新颖性和研究价值[page::1]。

2.3 新基准数据集构建（A New Benchmark for Mutual Fund Portfolio Prediction）

本节详述数据采集和处理流程：

• 来源为SEC的NPORT-P季度投资组合申报文件，这些文档载明了基金每季度所有持仓细节。该数据包含申报宽限期（最多60天）和可能的“窗口装饰”问题（即临近申报日期的操盘调整）。

- 利用SEC EDGAR API 获取XML文件，通过Open FIGI API核验股票代码和分类，筛选出仅限美国上市普通股、持仓金额至少1万美元的标的。

• 数据结构聚焦于5014只基金、4917只股票，覆盖2020-2021年。

- 投资组合统计如表1显示，Q1 2021季基金组合的中位数规模为69只股票，表明基金组合多样化，符合现代投资组合理论。

• 表2、表3反映热门持仓股票和潜在探索股票的差异。热门股票多为大型科技及医疗等美国蓝筹，探索股票则更杂，涵盖多行业和国际股票。

- 表4显示季度投资组合换手率均值在5.7%-8.0%间，存在显著个体差异及最大100%完全替换案例，揭示部分基金策略活跃调整。

该部分强调基金持仓的稳定性与新增投资选择的多样性，提示模型需要分别针对“重复”和“新增”股票设计，以更全面覆盖基金行为动态[page::2][page::3]。

2.4 实验设计（Experimental Setting）

• 时间窗口划分： 从2020年Q1到2021年Q1作为训练集，Q2和Q3 2021作为验证和测试集，严格的时间外验证符合金融数据时序特性。

- 数据结构： 普通推荐模型将五个季度数据合并为单一用户-物品交互矩阵；序列推荐和NBR模型则按照季度逐序列输入。

• 推荐系统模型选取：

- 启发式基线包括“全球资产流行度”和“当前持仓”，用于稳定性基线比较。
- 普通协同过滤模型：ItemKNN、NeuMF、EASE、自编码器RecVAE、图卷积模型LightGCN和GCMC。
- 序列模型：GRU4Rec、BERT4Rec（基于Transformer）。
- 下一篮子推荐（NBR）模型：DNNTSP（图神经网络+注意力）、TIFUKNN（基于个人物品频率最近邻）、与针对NNBR设计的BTBR（基于Transformer的掩码策略）。

• 技术难点： 基金组合规模较大（中位69支股票），导致部分NBR模型计算开销巨大，必须对数据做降采样以保证可训练性。

整体实验设计严谨，覆盖多种模型类别并兼顾金融领域时间序列特征，保障了结果的广泛适用性和现实参考价值[page::3][page::4]。

2.5 评价指标与任务定义（Metrics and Tasks）

• 采用Recall@K（关注召回率，衡量预测正确率）和NDCG@K（考虑排名的累积增益折扣，体现排名质量）两大指标衡量模型性能。

- 三个预测任务：
1. NBR（Next Basket Recommendation）： 预测整个下一期投资组合（含重复和新增股票）。
2. NNBR（Next Novel Basket Recommendation）： 预测新增股票即未出现于过去4季度的股票。
3. NBRR（Next Basket Repurchase Recommendation）： 预测重复持有股票。

• 对于NNBR和NBRR，评价指标中的推荐物品集合先行过滤，保证指标针对任务专注对象，防止评价误差。

- 采用torchmetrics库实现指标，保证可复现和标准化。

此部分针对金融用例设计了明确合理的评价框架，有助于精确解读模型在不同预测任务上的表现差异[page::5]。

2.6 结果分析与讨论（Results and Discussion）

• 表5汇聚了模型在NBR、NBRR及NNBR三任务上的召回率和NDCG评测结果。

- 整体组合及重复项（NBR/NBRR）预测：
- 简单“当前持仓”启发式方法以召回率约34%和NDCG接近0.96稳居首位，表明基金整体持仓稳定，经理常维持核心持股。
- 紧随其后的是专门NBR模型DNNTSP和TIFUKNN，但表现仍不及启发式，反映算法难以捕获全部策略细节。

• 新增股票预测（NNBR）：

- 自编码器模型（EASE、RecVAE）表现优异，EASE模型尤其出众，召回率约16-21%，NDCG约0.21，远超其他模型。
- 图卷积LightGCN表现较好，显示图神经网络能有效建模基金-股票复杂关系。
- 定制的BTBR模型虽为NNBR专用但表现中等，突出领域特殊任务的挑战。
- 注意，NNBR任务整体指标明显低于NBR和NBRR，揭示预测新持仓的本质难度。

• 测试集性能均低于验证集，说明市场环境变动、资金管理策略变化、以及监管政策影响等，都对模型稳定性提出严峻挑战。需要频繁模型更新以维持效果。

作者指出，此现象昭示了实际资金管理策略的连续性及新兴行为的复杂性，而简单且易解释的模型在核心持仓预测中仍占优势。
自编码器模型有捕捉新增投资趋势的潜力，助力基金管理者发现隐含市场机会。图方法表现平衡，适用于多角度综合分析[page::5][page::6]。

---

三、图表、表格深度解读

图1：共同基金下一期投资组合预测示意图

展示了四个季度的历史投资组合逐步迁移，及NBR模型预测下一季重复/新增股票的流程。
说明NNBR任务聚焦于发掘真正新的持仓，即explore items，区别于重复持仓。示意清晰呈现了预测对象和方法流程，契合基金持仓动态的实际情况[page::0]。

表1：2021年第1季度投资组合统计

| 项目 | 平均值 | 标准差 | 最小值 | 25%分位 | 中位数 | 75%分位 | 最大值 |
|-------|---------|----------|---------|---------|--------|---------|-------|
| 投资组合规模（股票数） | 175.4 | 280.1 | 1 | 37 | 69 | 181 | 2878 |
| 平均持仓比例（%）| 2.5 | 6.03 | 0.03 | 0.55 | 1.45 | 2.7 | 100 |

投资组合范围广，规模跨度大，平均持仓集中度低，符合分散投资原则。中位数为69证明主流基金组合较为集中但存在极端大规模组合[page::2]。

表2：2021-Q1股票持仓总体与新增股票热点排名

| 排名 | 总体热门股票 | 持仓占比% | 新增探索股票 | 持仓占比% |
|-----|---------------|-----------|-------------|----------|
| 1 | MSFT | 34.1 | TSLA | 5.6 |
| 2 | AAPL | 28.2 | POOL | 4.2 |
| … | … | … | … | … |
| 10 | MRK | 23.5 | KKOYF | 2.2 |

总体持仓以大型蓝筹股为主，探索持仓则跨行业多元化，涵盖美国及海外股票，显示基金新增投资的尝试性与多样性[page::2]。

表3：2021-Q1热门股票市值与行业分布

| 股票代码 | 市值(亿美元) | 行业 | 所属国家 |
|-----------|--------------|--------|----------|
| MSFT | 18760 | 科技 | 美国 |
| TSLA | 7190 | 消费周期 | 美国 |
| UNLYF | 1470 | 消费防御 | 英国 |
| GLT | 6.9 | 基础材料 | 美国 |
| … | … | … | … |

新增股票市值规模多样，行业分布广泛，覆盖欧美等多个国家。相比核心持仓更具探索性[page::3]。

表4：投资组合换手率统计

|季度|均值|标准差|最小值|25%分位|中位数|75%分位|最大值|
|----|----|----|----|----|----|----|----|
|2020-Q2|7.3%|10.4%|0%|0.7%|3.9%|9.6%|97.8%|
|2020-Q3|8.0%|11.4%|0%|1.2%|4.5%|9.7%|100%|
|2020-Q4|5.7%|9.2%|0%|0.3%|2.7%|6.9%|100%|
|2021-Q1|6.2%|10.2%|0%|0.5%|3.0%|7.6%|100%|

换手积极度存在较大分歧，换手率分布明显右偏，少数基金季度内完全替换持仓，反映出基金策略差异及市场反应多样性[page::3]。

表5：各模型在NBR、NBRR、NNBR任务上关键指标统计（部分展示）

• 当前持仓（Last Alloc.）启发式方法：NBR和NBRR任务上Recall@20约0.34，NDCG约0.95，表现最好。

- DNNTSP、TIFUKNN排名第二、三，但未超越启发式。

• EASE自编码器：NNBR任务Recall@20约0.21，NDCG约0.16-0.21，为最佳模型。

- 复杂NBR模型（BTBR等）表现弱，暴露专用模型未必优于简单有效策略。

指标反映不同任务难度及模型适用性，强调在金融领域简单模型的实际应用价值及未来复杂模型优化空间[page::6]。

---

四、估值分析（本报告无直接估值分析，此处无相关内容）

报告主旨聚焦于预测模型性能和投资组合预测准确性，没有直接估值计算或目标价制定，故估值方法未涉及。

---

五、风险因素评估

报告间接指出如下风险因素：

• 数据时效及报告延迟： NPORT-P申报允许60天延迟，导致数据不完全实时，模型预测受到影响。

- 窗口装饰行为： 基金可能在申报日前调整持仓以美化报表，导致训练数据与真实投资策略偏离。

• 市场动态不确定性： 测试集性能普遍下降，反映市场环境变化、基金策略调整对模型稳定性的冲击。

- 模型过拟合与泛化能力： 复杂模型未必适应动态金融环境，预测准确性有限，需要频繁更新和调优。

报告虽无明确缓解策略，但强调频繁模型再训练及结合领域知识至关重要以应对上述风险[page::5][page::6]。

---

六、批判性视角与细微差别

• 报告客观指出复杂模型尤其是NNBR专用模型（如BTBR）未完全 outperform 基础且透明的启发式方法，令人警惕高复杂度模型在金融实际应用中的真实性能。

- 报告强调基金组合的稳定性极大影响预测难度，新持仓预测本质挑战性极大，且当前模型准确率偏低，体现金融领域的预测极限。

• 数据集过滤只保留美国普通股，排除了其他投资形式（如空头、期权），限制了模型对全面策略的建模能力。

- 训练数据时间窗口为2020至2021年，特殊市场环境（如疫情影响）可能局限模型泛化性。

• 重复与新增股票区分加深了任务复杂度，模型未能充分融合时序、股票关系与领域逻辑，潜在模型结构创新空间巨大。

这些视角提示该领域尚处于初期阶段，需要结合财务经济学理论与机器学习技术深度融合[page::0-7]。

---

七、结论性综合

本报告首次引入NNBR框架对共同基金下一季度组合进行预测，构建大规模公开基准数据集并评测多类型推荐算法。主要结论如下：

• 在整体组合（NBR）和重复持仓（NBRR）预测中，基金投资组合极具稳定性，模型表现较为容易，且简单启发式方法“保持当前持仓”获得最佳效果，召回率和NDCG均达到0.34及0.95以上水平，体现了基金的持仓连续性。

- 在极具挑战性的新增持仓预测（NNBR）任务中，自编码器方法如EASE展现超凡竞争力，召回率约0.21，远超其它模型，但整体指标仍明显低于NBR任务，表明NNBR为难点和未来研究重点。

• 图神经网络（LightGCN）为探测基金与股票复杂互动提供有效工具，适合综合分析。

- 定制的下一篮子模型（BTBR）虽为领域特化设计，表现仍逊色于自编码器，反映金融任务特性对模型开发提出高门槛。

• 测试集性能降级行为显示市场环境和基金策略动态变化对模型泛化的巨大影响，强调需即时和连续模型更新。

- 本报告从理论和实践视角均发掘了金融领域推荐系统适应性与挑战，指明通过基于自编码器和图模型的创新方法改进NNBR具有广阔前景。

• 构建的开源数据集将支持未来研究，加速金融AI推荐技术发展，助力基金经理优化决策和投资者透明度提升。

综上，报告确立了共同基金组合预测的新研究范式，强调领域适应性的重要性，并实证了简单启发式在现实中的竞争力与复杂模型的潜力，为多方提供重要参考。

---

附：图表引用示例

• 图1示意图:

- 表1-4及表5均嵌入报告对应页中，构建了详实数据和模型表现评析基础。

---

参考标注

除明显页码标注外，所有分析均基于报告原文内容及图表信息综合提炼，引用页码为[page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7]。

报告