公募基金重仓股数量及集中度变化趋势[page::3]

• 重仓股数量从214只增长至2470只，top50集中度经历先降后升再降三阶段。

- 2016Q2为历史最低集中度25%，2017年起集中度回升至2020Q4后下降至41%。

公募基金重仓股指数表现与超额收益分析[page::4]

• beyond50指数长期表现优于top50指数，年化收益10.74%对比4.17%。

- 2017、2019、2020年top50指数阶段性表现优异，显示抱团现象分阶段出现。

基金分歧度算法及案例解析[page::5][page::6][page::7]

• 交易权重模型剔除价格变动影响，反应基金经理主动调仓行为。

- 分歧度定义为两个基金实际调仓差异与最大调仓差异的比例，加以超额分歧修正。

• 典型案例显示同一基金经理管理产品分歧度低（10%），不同基金经理产品分歧度高达95%。

基金抱团度与分歧度动态关系及相关性分析[page::8]

• 全市场基金抱团度与分歧度负相关（-87%），两指标刻画市场风格趋向一致。

• 横截面相关性较低（-58%），揭示部分基金虽抱团但调仓策略分歧较大。

不同基金群体分歧度对比分析[page::9][page::10][page::11]

• 相同基金经理分歧度最低（69.6%），同公司后，外部公司及全市场分歧度最高（近98%）。

- 大型基金公司分歧度普遍较高，显示规模与多样化策略布置正相关。

• 价值型基金分歧度较成长型及平衡型更低，分歧度近年均有抬升趋势。

• 中下游周期、科技、新能源行业基金分歧度较高，上游周期、军工、医药较低。

基金分歧度与抱团度因子检测及组合构建[page::12][page::13]

• 分歧度与抱团度因子在预测未来绩效的IC值均不显著。

- 选取绩优基金结合高分歧因子，构建绩优高分歧组合，实现更优风险调整收益。

组合绩效表现与市场风格动态应用[page::13][page::14]

• 绩优高分歧组合年化收益17.44%，信息比率1.31，优于传统绩优组合。

- 结合市场分歧度高低判断动态切换策略，改进组合实现年化收益18.08%，信息比率1.46。

• 近年来分年收益表现稳定，胜率及超额收益展现组合稳健性。

绩优高分歧组合基金名单示例（2023年4月30日）[page::15]

• 名单包括灵活配置型、偏股混合型及普通股票型基金，覆盖多个知名基金经理。

- 组合规模集中，申购赎回状态均为开放，适合投资者关注。

基于动态调仓的基金分歧度刻画报告详尽分析

---

一、元数据与概览

• 报告标题： 基于动态调仓的基金分歧度刻画——《FOF系列研究之六十五》

- 作者及机构： 证券分析师杨怡玲、邱蕊，东方证券研究所

• 发布日期： 2023年6月5日

- 报告主题： 通过引入动态调仓的分歧度算法，对公募基金重仓股集中度和基金经理间的分歧度进行刻画和分析，进而构建优选基金组合以提升投资收益。

核心论点与目标：

• 市场上传统抱团研究多基于静态持仓，缺少对调仓动态数据的分析，导致对基金之间分歧情况的刻画不够全面。

- 本文提出一类基于基金季度调仓交易权重的分歧度计算方法，可以刻画基金间动态的调仓差异，识别基金经理投资风格的分歧性。

• 通过分歧度筛选绩优基金，构建高分歧度的优质基金组合，显示出优良的超额收益和稳定性，尤其适用于当前市场风格不明确时期。

- 报告还分析了基金重仓股集中度的历史变化及抱团现象的演变，揭示基金抱团后的分歧特征与投资机会。

风险提示：

• 基金历史业绩不代表未来表现。

- 极端市场环境对因子冲击较大，需要注意风险控制。 [page::0, 3, 12, 15]

---

二、逐节深度解读

2.1 公募基金重仓股集中度

• 关键要点：

- 过去十五年，公募基金重仓股数量大幅增长，从214只增至2470只，同时基金重仓股的持股集中度经历明显阶段变化。
- 以top50集中度为例，2005年较高，因股票池有限但逐年下降，2016Q2达到历史最低25%，之后经历2017年集中度上升期，最高达59%左右，2021年至今持续下降至41%。
- 重仓股指数表现显示，长期投资beyond50（非头部重仓股）指数优于top50，年度超额收益有明显阶段性特征，2017年、2019-20年抱团股阶段性超额显著，而2018年和2021年非抱团股表现更好，整体显示市场抱团风格波动分明。

• 数据解析：

- 图1展示重仓股数量和集中度的动态变化，灰色柱为股票数量，红线是top50集中度，蓝线、橙线分别表示top100和top20的集中度。
- 图2通过指数形式展现top50及beyond50的累积表现，和两者差值显示超额阶段，具体数据表明2017年top50超beyond50高51.85%，19年21.84%，20年13.62%，而2021年出现反转。

• 结论：

- 公募基金整体持仓集中度大幅变动，抱团风格呈现周期性，投资者应动态关注行业和市场风格变化，利用分歧机会寻找超额收益。[page::3,4]

2.2 基金分歧度刻画与算法介绍

• 传统抱团刻画不足：

静态持仓常忽视持仓调仓动态，无法揭示基金经理间对股票买卖方向的分歧。例如同一持仓比例可能有增持或减持的相反意图，静态抱团度无力区分。

• 交易权重(TW)定义：

采用主动交易权重剔除市场涨跌影响，用公式计算期末持仓比例与按股价变动调整后的模拟持仓比例之差，量化基金经理主动买入或卖出意图。

• 分歧度计算核心思想：

通过计算两个基金交易权重差异的绝对值，并归一化最大可能产生的分歧度，得出基于调仓的分歧度。

• 超额分歧修正：

考虑同一股票调仓受过往持仓限制，减少不现实的“超额分歧”估计，公式中加入了对受限交易权重的减除，提高分歧度计算合理性。

• 案例说明：

- 案例一为同一基金经理（张坤）两个产品调仓分歧度仅10%，持仓和调仓动作高度一致。
- 案例二为不同基金经理管理基金，尽管行业持仓类似，但调仓分歧度95%，显示明显投资策略差异。

• 结论：

- 基于动态调仓数据的分歧度算法更贴合基金经理实际投资行为，能细致刻画基金经理之间的策略差异，为后续因子筛选和组合构建奠定基础。[page::5,6,7]

2.3 基金分歧度的应用分析

2.3.1 抱团与分歧关系（全市场与横截面）

• 全市场抱团度（基于top50集中度）与动态分歧度负相关，相关系数高达-87%，验证了抱团股较集中的时期基金调仓动作趋同，分歧较低。

- 横截面相关度仅为负58%，说明个别基金可能虽持抱团股，但调仓策略与整体差异显著，体现基金间的异质性投资策略。

• 图5和图6形象展现两者历史走势和关系，二者测度指标在不同维度上各有优势。

2.3.2 标签刻画：不同基金群体的分歧度

• 以基金之间基金经理、公司等层面为分组，计算群体平均分歧度。

- 结果显示同一基金经理管理的产品分歧最低（约69.6%），同公司不同基金分歧中等（约90.2%），外部公司及全市场分歧最高（约97.8%-97.9%）。

• 同一基金经理分歧度逐年降温，调仓逐步趋同，说明产品策略稳定性增强。

- 不同行业主题、风格基金分歧度存在明显差异，中下游周期、科技、新能源主题分歧度最高，军工、医药、上游周期最低。成长型基金分歧度从2017至20年降低，价值型基金2018年后上升趋势明显。

• 数据源于图9至13，基金公司和基金经理内部分歧度排名显示，规模较大或头部公司基金分歧度更高，说明多元化投资风格和策略兼容程度高。

2.3.3 因子测试及组合构建

• 单纯基于基金分歧度或抱团度进行因子检验，未达显著预测未来三个月基金收益的效果（IC均值分别约1.83%和0.56%，p值均不显著）。

- 逻辑推断分歧度更多反映基金投资特征而非直接业绩驱动因子。

• 结合绩优基金筛选（多因子打分：选股能力、夏普比率、逆境收益率、基金规模及经理持有比例），优选高分歧度基金，构建“绩优高分歧组合”。

- 2012至2023年间测试显示该组合年化收益17.44%，高于纯绩优组合17.18%，近三年相对绩优组合和基准均有明显超额收益，证明结合分歧指标筛选能挖掘独具慧眼、策略差异明显的基金经理。

• 进一步引入市场整体风格，分时筛选市场处于“高分歧度”阶段，则采用绩优高分歧组合，低分歧市场则使用绩优组合，优化后组合年化收益提升至18.08%，超基准收益9.29%，信息比率1.46，季度胜率78.05%，稳定性和收益率同步提升。

- 组合收益曲线和分年收益见图16至17，具体基金名单见图18。

• 组合考虑实际基金申购赎回限制及交易成本，凸显实操可行性。

- 结论强调独特调仓策略的基金经理在市场风格不明确时期的优势明显。[page::8, 9, 10, 11, 12, 13, 14, 15]

---

三、图表深度解读

• 图1（基金持股集中度与重仓股数量）

显示2005至2023年公募基金重仓股数从约200涨至2500，top50、top100、top20集中度走势起伏，top50集中度从2005年高位下降至2016最低25%，后反弹至2020季度末，并在2021之后持续下降至约41%，反映市场结构多元化和抱团阶段性更迭。

• 图2（公募基金重仓股指数表现）

top50指数回报在2017、2019、2020年体现明显超额收益，相比beyond50指数；beyond50长期表现优异，表明市场热点持续轮动，抱团对象外收益空间更大。

• 图3、4（分歧度计算案例）

案例1显示张坤产品调仓高度同步，仅1.8%实际分歧度，案例2显示两不同经理基金调仓分歧高达95%，体现算法强大区分力。

• 图5、6（抱团与分歧关系）

展现负高度相关，时间序列验证算法逻辑正确性，横截面弱相关揭示经理业绩和调仓行为异质性。

• 图7、8（分歧度算法示意与示例）

直观解释基金到群体层分歧度的数学归一过程。

• 图9（不同群体基金分歧度对比）

显示基金经理、同公司、外部公司及全市场分歧度层级性，因子均值稳定，反映结构化投资风格差异。

• 图10、11（基金公司和基金经理内部分歧度）

揭示头部基金公司常存在多样策略，旗下基金经理分歧度差异显著。

• 图12、13（风格和行业主题基金分歧度）

不同行业和风格分歧水平分明，科技、新能源等成长热点主题板块分歧度高，医疗、军工等板块较为统一。

• 图14、15（因子IC测试）

分歧度与抱团度因子对季报后3个月表现预测不显著，说明策略须结合绩优属性。

• 图16、17（绩效对比）

绩优高分歧组合优于纯绩优组合和基准指数，涨跌幅、回撤和风险控制均表现良好。

• 图18（组合基金名单）

列示组合中具体基金及管理经理信息，体现组合的实际可操作性和透明度。

[page::3,4,6,7,8,9,10,11,12,13,14]

---

四、风险因素评估

• 基金历史业绩无保障：过往回报不能代表未来表现，有基金业绩反转风险。

- 极端市场环境冲击：市场剧烈波动可能导致分歧度因子的失效，进而影响组合表现。

• 调仓信息延迟隐患：季报披露数据周期性，调仓行为滞后，可能无法即时反映市场变化。

- 规模扩张风险：大规模基金公司内部分歧度较高，策略多样可能增加组合复杂度，带来管理挑战。

• 投资组合构建的模型假设偏局限：分歧度虽刻画动态分歧，但无法覆盖所有可能投资情景，潜在策略失效风险。

- 本报告未涉及宏观经济风险、政策风险等外部不可控因素。

报告强调风险提示部分明确上述要点，提醒投资者需审慎评估。[page::0,15]

---

五、估值分析

本报告不涉及公司估值或板块估值模型，而是侧重于基金投资策略及组合构建分析，因此未提供市盈率、DCF等传统估值方法论述。

关注点主要集中于通过“基金分歧度”这一指标及绩效筛选构建具有超额收益潜力的基金组合，属于策略性选基研究方向。

---

六、批判性视角与细微差别

• 算法创新性与局限性兼具： 分歧度算法创新性体现于动态调仓行为的量化，但过于依赖季度报数据，反映不及日频交易动态灵敏；“超额分歧”的修正虽提升合理性，但模型复杂度及计算成本不容忽视。

- 因子预测能力有限： IC值非显著及波动剧烈提示分歧度单独预测未来收益能力不足，需结合业绩和市场环境辅助判断。

• 组合绩效稳定性有待观察： 绩效虽优但存在年度波动，对应2017、2019、2020年抱团市场中收益不佳，说明该策略依赖一定市场环境。

- 样本覆盖及行业限制： 本研究主要基于A股及部分港股公募基金，可能不足以覆盖全部市场及风格，特别缺少对海外基金调仓行为的分析。

• 潜在认知偏差： 绩效优异基金经理或经理团队可能被过度依赖，忽视了基金经理更替和策略调整带来的风险。

报告展现出对上述限制的认识，强调风险提示和风险控制重要性，也体现严肃态度。[page::12,13,15]

---

七、结论性综合

本报告系统详实地多维刻画和应用了“动态调仓基金分歧度”指标，填补了传统基于静态持仓抱团度对基金策略异质性判别的不足，主要贡献体现在：

• 明确公募基金重仓股数量及持股集中度的历史演变，确认抱团现象的周期性波动与轮动规律。

- 独创分歧度算法，通过基金调仓交易权重动态反映基金间策略差异，避免静态数据盲区，完备了基金经理间的差异量化工具。

• 分歧度在不同基金经理、公司、风格和行业间层级和动态差异明显，展现基金经理或机构策略多样性和战略差异。

- 结合绩优基金因子与分歧度筛选，构建了绩优高分歧基金组合，获得显著超额收益和更优稳定表现，展示出实操应用价值。

• 通过市场风格动态判别，优化分歧度因子使用时机，提升组合收益稳定性和风险控制能力。

- 报告以丰富图表支持论点，历史数据详实，案例具体，条理清晰，具备参考价值和一定实用指导意义。

综上，报告立场积极，主张通过深入挖掘基金调仓动态行为来发现市场潜在投资机会，为基金投资者和组合管理者提供了新视角和具体方法。

---

参考图表示例

1. 基金持股集中度与重仓股数量（图1）

1. 公募基金重仓股指数表现（图2）

1. 动态抱团与分歧趋势（图5）

1. 不同群体基金分歧度对比（图9）

1. 绩优高分歧组合绩效改进（图17）

---

总体评价

该研究报告通过严谨的数学模型，结合丰富的实证案例和历史数据，系统突破了传统基于静态持仓的基金抱团分析短板，创新性构建了动态调仓分歧度指标，进而指导基金筛选与投资组合构建。虽然分歧度作为单一因子预测能力有限，但结合基金绩效等因素以及市场环境判断后，能够显著改善基金组合表现。报告结构清晰，图文结合，结论扎实，对基金投资研究具有较高的参考价值和实践指导意义。

[page::0-17]

报告