基金行业风格板块划分及Beta属性分析 [page::4][page::5]

• 报告基于中信风格板块和中信组合行业板块构建基金行业板块划分体系

- A股行业Beta差异性大且消费、新能源行业涌现赛道型产品，风格划分关键

• 中信5板块和8行业板块覆盖不同成分股数，存在部分缺失问题，进行修正映射

基金风格全天候标签方法流程 [page::8][page::9][page::10][page::11][page::12]

• 采用成分股映射法基于基金全持仓打截面标签，结合季报重仓股数据修正

- 引入模拟净值偏离度方法提前预警风格漂移，提升标签打标频率和及时性

• 截面标签分为单一风格和均衡风格，时序上判定风格稳定性降低漂移率

稳定风格基金池数量及漂移矩阵分析 [page::10][page::12][page::13]

| 日期 | 均衡 | 金融 | 周期 | 消费 | 成长 | 医药 | 总数 |
|------------|------|------|------|------|------|------|-------|
| 20210630 | 1026 | 44 | 85 | 152 | 1120 | 111 | 2538 |

• 成长和均衡型基金数量最多，金融和周期随后，医药因研究壁垒漂移率最低

- 避免漂移，筛选稳定标签基金显著降低风格漂移率，优质工具型基金筛选效果佳

各风格基金池相对指数表现及超额Alpha能力 [page::15][page::16][page::17]

• 2017年以来，金融、周期、消费、成长和医药各风格基金池均实现显著超额收益

- 消费、成长、医药风格基金超额Alpha能力明显优于金融风格产品

基金池优选策略及回测结果 [page::17][page::18][page::19]

• 以过去一年基金收益风险比为优选依据，季频调仓，选取每季度前5只基金

- 各风格优选基金池均跑赢对应风格指数且超额稳定

• 全面均衡型产品池优异，2012年至今回测年化收益17.6%，显著优于同期偏股混合基金指数的12.5%

中信8行业组合板块表现与优选基金池 [page::19][page::20][page::21]

• 消费、成长、设备制造等赛道表现出更强超额收益，金融、资源能源超额较弱

- 优选基金池调仓操作后表现更佳，基金数量不断增加

后续组合构建方向及风险提示 [page::21]

• 结合自上而下beta选择与自下而上的基金产品优选，拟构建主动基金FOF组合

- 资金分配将以稳定板块风格基金池为配置基础

• 风险提示：分类标签系历史后验视角，基金经理策略变动可能影响标签的有效性，历史收益不代表未来表现

华鑫证券《基金行业板块标签全天候流程—运策决“基”之二》金融研究报告详尽分析

---

1. 元数据与概览

• 报告标题：《基金行业板块标签全天候流程—运策决“基”之二》

- 作者：吕思江（量化和基金研究首席，数学博士，执业证书编号：S1050522030001）、马晨（金融工程硕士，执业证书编号：S1050122030020）

• 发布机构：华鑫证券研究所

- 发布日期：2022年4月7日

• 研究主题：主动权益公募基金的行业板块风格划分技术与实践，及其对基金配置与绩效优选的应用。

核心论点：报告提出了以中信风格板块和中信组合行业板块指数为基础，结合基金持仓数据和净值表现的“全天候”基金板块标签流程，来精准界定主动公募基金的行业风格暴露，筛选稳定且业绩优良的工具型主动股基作为权益市场配置的落地品种，并使用该方法反复验证了基金风格的稳定性与超额表现。作者特别强调，经过风格稳定性筛选的基金池在2017年后展现了显著的超额alpha能力，消费、成长、医药板块的公募基金表现尤为突出，而金融板块alpha表现较弱。最终，将自上而下的beta信号与自下而上的优选策略结合，支撑构建主动基金FOF组合，提升收益风险比。[page::0,1]

---

2. 逐节深度解读

2.1 基金行业风格板块的选择

2.1.1 A股行业Beta的显著影响

作者指出，A股行业间的风格和赛道分化度极高，2005年至今，中信29个一级行业的年度涨跌极差平均高达109.9%，不同板块的Beta对基金收益产生巨大影响。特别是消费和新能源等新兴赛道的出现，使得对行业板块的清晰划分愈发重要，基础数据详见图表1。行业间表现存在明显轮动，增强了行业标签划分的必要性。[page::4]

2.1.2 中信风格板块及组合行业指数引入

为更有效对应主动基金行业风格，报告引入了中信证券自有的5大风格板块（金融、周期、消费、成长、稳定）和8行业组合（含金融地产、资源能源、原材料、设备制造、工业服务、交通运输、消费、科技）作为底层划分依据。表2详细列出了各板块对应的万得一级行业，表3反映了成分股数量和百分比较，为基金持仓映射打下基础。

作者通过历史数据（图表4）证明，不同板块表现周期性轮动，无绝对优势板块，强调研究配置轮动价值。[page::5]

2.1.3 问题识别与修正

中信5板块内“稳定”风格板块持仓比例较低，8行业组合中的工业服务、交通运输及资源能源持仓亦相对不足（图5）。为克服该问题，报告将稳定板块剔除，且鉴于医药的高壁垒属性拆分出独立板块，改进映射结果后，基金池覆盖更合理（图7）。

此外，8行业组合部分行业（如电子）成分股缺失，作者将其归入科技板块加以补充，完善了映射准确性（图8）。[page::6,7]

---

2.2 如何将风格标签映射到基金

2.2.1 标签定义与全天候流程

针对主动基金名称模糊、风格漂移现象，作者采用基于持仓的“事后分类”原则，通过成分股映射法给每只基金进行风格标签打标，包括截面标签（基于半年报、年报全持仓权重映射风格）及时序标签（基于多期期数据，判断标签稳定性），同时引入季度重仓股修正及模拟净值偏离预警（偏离达20%触发预警），实现高频数据驱动的动态标签修正（图9、13）。

在截面划分中，若单一板块持仓权重大于50%，则赋予对应金融、周期、消费、成长或医药标签，否则定义为均衡型，进一步根据持仓集中度区分为全面均衡和局部均衡（图10）。[page::8,9,10,11]

2.2.2 样本筛选与数据覆盖

研究样本涵盖29个二级行业下的普通股票型、灵活配置型及偏股混合型主动基金，剔除股票仓位不足60%、港股持仓超过50%及非初始份额基金。此样本定义保证了标签的代表性和准确性。[page::9]

2.2.3 标签稳定性分析

数据显示2010-2021年主动股基以成长和均衡风格居多，其他风格产品数量较少。金融及周期风格产品存在较高的标签漂移概率，医药及消费等因赛道壁垒较高漂移概率低。突破漂移问题，作者设计时序稳定性指标：如过去4期标签中至少3期一致，或换手率均值不超过10%即判定标签稳定，过滤后基金池漂移率显著下降，有效锁定工具型稳定产品（图12、16、17、18）。[page::10,11,12,13]

---

2.3 稳定风格基金池展示及表现评价

报告展示了不同风格下的代表性稳定基金池清单（金融、周期、消费、成长、医药等）（图19至23），彰显广泛覆盖。

从业绩表现来看，自2017年以来，筛选出的稳定风格基金池普遍实现显著超额收益。具体原因有：(1)大盘风格自2017年起持续强势，利好公募整体持仓风格；(2)公募产品发行规模激增提升了定价权；(3)样本量提升增强统计显著性。数据支持表现优异的主要风格包括消费、成长、医药，金融板块alpha相对较弱（图24-28、29）。

---

2.4 基金池优选方法及效果

通过筛选风格稳定的基金池，使用过去一年收益风险比指标每季度挑选5只表现优异基金构建组合，实现等权调仓。回测期间（2017-2021年）所有风格优选组合均跑赢对应板块指数且超额较为稳定（图30）；全面均衡池子优选同样表现显著，相较同期混合偏股基金指数实现17.6%的年化收益提升（图31、32）。

中信8行业组合基金池同样呈现类似优选效果，消费、成长、设备制造板块表现尤为突出，而资源能源、金融地产等板块产品超额能力相对不足（图33-43）。

---

3. 图表深度解读

图表1：中信一级行业涨跌幅统计

表中统计了2005年至2022年初各行业年度排名和涨幅幅度，显示出极高的行业表现差异度（涨幅极差平均109.9%），凸显行业风格及赛道Beta对基金收益有决定性影响。

图表4：中信8组合板块历史表现

该折线图展示了2005年至2021年10月8个中信组合板块的累计表现，科技、消费和设备制造在不同阶段有显著峰值，反映行业轮动特征，支撑行业配置策略价值。

图表5、6：主动股基风格暴露及稳定风格行业分布

箱线图和饼图揭示公募基金在5风格及8行业板块上的持仓分布，指出稳定风格尤其集中于建筑、电力及公用事业和交通运输，帮助审视基金实际配置与标签映射的合理性。

图表7、8：风格映射改进及缺失行业补充

图表7显示医药单列后映射持仓分布更合理，图8则表明8行业组合中电子等关键子行业个股缺失比例较高，需修正补充。

图表9、13、14、15：基金标签全天候流程及净值法预测案例

流程图详细描绘了从年报半年报到季报及模拟净值偏离的全周期标签赋予与修正机制。净值法案例（中庚小盘价值基金）显示模拟预测能提前捕捉到持仓变化及风格漂移，验证了预警机制有效性。

图表10-12、16-18：标签分类及漂移率分析

各图说明了标签分类流程（单板块暴露与均衡型区分）、基金数随时间变化、风格漂移矩阵和经过时序稳定性筛选后的漂移率显著降低。

图表24-29：各风格基金池相对指数表现

多折线及柱状组合图展示了自2010年以来各风格池的基准权重成长、对应指数及超额收益走势，实证支持公募基金表现优于对应板块指数，并解析2017年之后alpha增强的行业差异。

图表30-32、42-43：基金池优选组合表现

展示了优选基金池与对应指数对比，红色曲线（精选组合）普遍跑赢蓝色基准，绿色表现超额部分。全面均衡产品特别表现出色，年化收益显著。

其他基金池清单及统计表（图19-23、34-41）

详尽列出了各风格稳定基金池的具体产品名称、成立年限、经理、规模、近年收益及最大回撤等关键指标，方便实际选基参考，并为验证成果的可复制性提供基础数据。

---

4. 估值分析

本报告核心不涉及具体估值模型(如DCF、市盈率等)，而侧重于基于行业风格板块映射和基金分类的定量优选框架构建及历史表现分析。基金优选方法主要基于风险调整收益比筛选组合，调仓频率为季度，强调风格稳定性与工具型产品的筛选，借助分层标签和高频预警进行组合风险管理。

---

5. 风险因素评估

报告明确指出基金分类标签为历史后验视角，未来基金经理策略调整有可能导致标签及底层投资逻辑变化，基金过往业绩不代表未来表现，投资存在不确定性风险。报告对类别定义及策略变化做好预警和动态更新，但投资者需注意标签漂移带来的可能风险。此外，单纯依赖持仓映射无法完全覆盖复杂基金操作策略的风险，标签模型的局限性需留意。[page::1,22]

---

6. 批判性视角与细微差别

1. 标签模型依赖历史持仓：虽引入模拟净值偏离预警和季度修正，仍基于公开持仓披露，存在数据延迟和隐性持仓未披露风险。

2. 风格稳定性筛选潜在样本偏差：严格稳定筛选导致基金池数量显著下降，可能遗漏部分灵活配置且高alpha基金。

1. alpha归因有限：报告指出2017年后公募基金整体表现提升可能受大盘风格占优等宏观因素驱动，未深入剖析基金经理择时与选股具体贡献。

4. 金融板块alpha能力弱：报告观察金融板块表现不佳，但未深入探讨背后原因（如行业波动性低、集中度高等），未来可加强理论支撑。

1. 摘要和正文不完全匹配：部分表格缺少详细注释，行业成分股数据中有未清晰的数字断层和格式问题，需留意解读时排版影响。

6. 部分行业板块合并拆分操作需谨慎：如医药拆分，虽合理，但可能导致跨版块配置分析复杂化，追踪难度加大。[page::6,7,22]

---

7. 结论性综合

该报告基于中信风格和组合行业指数，构建了主动公募股基的“全天候”行业板块标签体系，结合年报半年报全持仓数据、季度重仓及模拟净值偏离等三维数据多频观测，解决了基金名称模糊和风格漂移难题，实现了较高的标签频率和准确性。以此映射，筛选出风格稳定且表现突出的工具型基金池，发现自2017年以来，公募基金整体Alpha能力显著提升，其中消费、成长和医药方向尤为突出，金融板块相对表现弱。巧妙利用风险调整收益比指标和季度组合调仓，完成了优选基金池构建，综合Alpha超额明显，且全面均衡型基金组合收益尤为稳定，年化达17.6%。报告强调，后续将结合自上而下风格Beta信号与自下而上产品优选，打造高效的主动基金FOF组合，为权益资产配置提供强有力工具。

各主要图表强化了上述结论：

• 图1 & 4：行业Beta与板块轮动特征的历史轨迹，验证行业风格对收益的决定性影响。

- 图7 & 8：行业映射修正提升基金风格分辨率。

• 图9、13-15：全流程标签确定及模拟净值预测实现动态风格捕捉。

- 图10-12 & 16-18：标签数量、漂移率及稳定性分析，促使模型强调工具型稳定风格基金。

• 图24-29 & 33-43：丰富的基金池与指数相对超额收益图，充分证明优选策略的有效性与应用前景。

- 图19-23 & 34-41：精选基金池清单与核心指标，为实际投资提供了具体标的建议。

总的来说，报告提出的基金风格板块标签划分及优选方法，为公募基金的行业风格化管理和权益资产构建提供了科学、高效的选择工具，具备较高的实用价值和推广潜力，尤其在当前行业轮动频繁且风格不稳的市场环境下更显重要。[page::0-22]

---

参考页码溯源

结论与推断均基于报告原文各章节精确页码标注，如：

• 报告概览与核心分析[page::0,1]

- 行业Beta影响与中信板块介绍[page::4,5]

• 风格映射及模型构建[page::6-12]

- 资金池构建与表现分析[page::13-21]

• 风险提示及免责说明[page::22,23]

---

如需完整表格或特定图表解析，请告知。

报告