研究背景与框架及基金优选因子构建 [page::8][page::11]

• 关注机构持仓数据特别是基金季度重仓股信息，采用“优中选优”构建投资组合。

- 筛选普通股票型和偏股混合型基金作为样本，过滤条件包括基金规模>5亿、仓位>60%、重仓股更换比例≤70%、近1年未更换基金经理。

• 构建29个选基因子，涉及收益率、风险、风险调整收益、选股能力、基金规模及持有人结构等多个维度。

- 选股alpha基于风格指数残差，反映基金风格内选股能力。

选股因子有效性测试与合成 [page::13][page::20][page::21]

• 选股alpha因子表现最佳，IC均值16.80%，年化ICIR达2.96，显著有效。

- 最大回撤、机构持有比例、基金从业人员持有比例因子有效性较好。

• 基金规模、基金份额为负相关因子，规模越小表现越好。

- 合成因子由选股alpha（30%）、最大回撤（10%）、基金份额（20%）、机构持有比例（20%）、基金从业人员持有比例（20%）构成，合成因子IC均值20.02%，年化ICIR3.94，优于单一因子。

• 优选30只基金等权组合年化收益15.2%，超越同基准基金组合4.1%收益[page::15][page::21][page::22]

优选基金核心股票池特征 [page::24][page::25][page::26]

• 核心股票池由30只优选基金的重仓股组成，数量150-200只。

- 股票规模多集中于中大市值，51%股票流通市值在100-500亿元，36%持股市值在1000亿以上。

• 超过50%为沪深300、中证500成分股，行业分布以医药、食品饮料、计算机、家电、电子为主。

基于优选基金重仓股的三类量化选股策略概述 [page::28]

• 存量重仓策略：每年优选5只基金，季度调仓，选择持仓占比最高20只股票，构建加权组合。

- 增量重仓策略：每季度选择新增进入基金前十大重仓的前20只股票构建组合。

• 存量+增量重仓策略：结合上述两种策略，股票池筛选及权重分配均融入两类持仓信息。[page::28]

存量重仓策略表现 [page::29][page::30]

| 指标 | 存量重仓策略 | 基准(中证全指) | 超额 |
|-------|--------------|---------------|-----|
| 总收益率 | 529.54% | 39.14% | 335.88% |
| 年化收益率 | 21.30% | 3.53% | 16.71% |
| 年化波动率 | 25.05% | 23.54% | - |
| 收益风险比 | 0.85 | 0.15 | - |
| 最大回撤率 | 50.59% | 57.85% | - |

• 年化收益率21.3%，超额16.71%，年收益排名普基金前40%，近5年均在前30%。

前三大重仓策略表现 [page::31][page::32]

• 选取每基金前三大重仓股股票，合并构建策略。

- 年化收益23.05%，超额收益18.18%，年度排名前30%，3年期排名前10%，5年期排名前5%。

增量重仓策略表现 [page::33][page::34]

• 关注季度新进入基金前十大重仓股中持仓最高的20只股票。

- 年化收益22.6%，超额17.35%，近5年年收益排名多在前8%，长期3年、5年期收益表现优异。

存量+增量重仓策略表现 [page::35][page::36][page::37][page::38][page::39][page::40]

• 两个策略版本，一为等份选取存量及增量重仓的前10只股票合并权重归一，二为以存量股票池为基，叠加增量持仓占比调整权重。

- 策略一年化收益25.16%，超额20.18%，3年期收益排名优于90%，5年期前4%。

• 策略二年化收益23.38%，超额18.68%，年度排名持续稳定在前30%，近5年3年期收益在前15%，5年期收益在前6%。

量化选股因子在核心股票池的表现及总结 [page::28][page::40]

• 量化选股因子中成长、盈利、情绪、流动性表现较好，估值因子表现不佳。

- 优选基金的重仓股组成了优质股票池，在此基础构建的存量、增量及综合选股策略均能显著超越市场并实现稳定超额收益。

• 策略对持仓占比加权反映基金重视程度，适合长期跟踪优选基金的选股逻辑。

- 结论基于历史数据，市场变化可能导致模型失效，策略应审慎应用。

分析报告详尽解读报告：《基本面量化视角下的机构持仓信息研究系列之二：基金优选下的重仓股信息研究》

---

一、元数据与概览

• 报告标题：《基本面量化视角下的机构持仓信息研究系列之二：基金优选下的重仓股信息研究》

- 分析师：＃徐a寅ss，联系方式xuyinsh@xyzq.com.cn

• 发布机构：兴业证券经济与金融研究院

- 发布日期：2020年11月13日

• 研究主题：基于A股基金持仓数据，利用量化方法优选基金进而筛选其重仓股，以构建表现稳健的选股策略。

核心论点：

该报告是基于机构持仓信息研究的第二篇，主要围绕如何借助基金的重仓股信息，构建超额收益稳健的投资组合。报告表明，针对优选基金的核心重仓股票池构建的“存量+增量重仓”策略实现了23.38%的年化收益率，比中证全指超额达到18.68%。此外，策略在多个年度及长期收益排名均处于同类基金前列，表现出高度的稳定性和优异性。同时，报告提醒市场环境变化可能导致模型失效的风险。[page::0]

---

二、逐节深度解读

1. 研究背景与框架

近年来，机构投资者在A股市场逐渐占据重要地位，机构持仓数据成为挖掘选股alpha的关键资源。报告延续前作，聚焦基金季报披露的重仓股数据，采用“优中选优”的路径：

• 先通过多维度因子优选出表现优异的基金；

- 再从优选基金的重仓股中进一步筛选股票，构建策略组合。

报告结构清晰，涵盖基金优选因子测试、核心股票池构建与分析、多策略设计与回测，旨在通过基金持仓信息实现对市场的超额收益捕获，并注重与普通股票及偏股混合型基金表现的对比，确保策略的实用性和可持续性。[page::8]

2. 多指标维度下的基金优选

2.1 基金样本范围设置

筛选条件包括：

• 只选普通股票型与偏股混合型开放式基金，成立时间需满1年零3个月，以保证持仓与收益稳定性；

- 最近规模大于5亿，排除小规模基金打新带来的噪音；

• 最近4季度平均仓位大于60%，排除低仓位对选股能力的影响；

- 重仓股平均更换比例小于70%，保障持仓信息的连续性和有效性；

• 最近1年基金经理无变更，确保基金风格稳定。

以上筛选理由充分考虑了基金规模、仓位、持仓稳定性以及管理团队稳定度，保障了数据的代表性和质量。[page::9-10]

2.2 选基因子库

建立了29个因子，覆盖收益率、风险、风险调整收益（Sharpe、Treynor等）、选股能力（选股alpha）、基金持有人结构等方面。报告重点关注具有预测能力的因子，采用多种风险收益指标与基金选股、择时能力指标进行测试。

构建了基于现代资产组合理论和多因子模型的“选股alpha”与“T-M择时能力”模型，反映基金在同风格下的超额收益贡献和市场择时能力。

例如，

• T-M模型通过对基金收益与市场风险的二次关系回归，选股alpha由截距项 $\alphap$ 表示，择时能力由二次项系数 $\beta2$ 表征；

- 选股alpha体现基金基于风格内资产超额表现的能力，风格配置alpha则反映资产配置能力，报告更着重于选股alpha。[page::11-12]

2.3 因子有效性测试

采用Spearman秩相关系数（RankIC）测量因子值与未来基金年化收益的相关性，统计区间2011年至2020年10月。结果显示：

• 选股alpha因子表现最优，IC均值16.8%，年化ICIR达2.96，统计显著性高；

- 收益率与风险调整收益指标均有效，IC均值均超过10%；

• 最大回撤等风险指标负相关基金收益，具显著的负IC；

- 择时能力指标表现不佳，统计意义不强；

• 基金份额与基金规模表现为负相关（规模越小基金收益越高），基金从业人员持股比例、机构持有比例均具正向有效性；

分位组合测验显示各因子分位收益差异明显，选股alpha、多头组超额收益突出、空头组则显著亏损，表明因子区分度优良。

（详见图表4至图表31的各因子IC及分位组合表现）[page::13-19]

2.4 因子间相关性测试

基金收益率类因子彼此高度相关，风险指标相关性较高但与选股alpha等其他因子相关性较低；机构持股比例与基金从业人员持股比例独立性较好，与其他指标相关性不显著，表明这两类指标信息互补性强。[page::20]

2.5 合成因子构建

基于IC表现和相关性，选取五个因子合成因子权重分配为：

• 选股alpha 30%

- 最大回撤 10%

• 基金份额 20%

- 机构持有比例 20%

• 基金从业人员持有比例 20%

合成因子经过分位数标准化加权后，实现IC均值提升至20.02%，ICIR达3.94，显著超越单因子水平，表现稳定且分位组合年化多头收益达14.3%。[page::20-21]

2.6 优选基金组合表现

优选30只基金融合成因子挑选构建的等权组合表现优异，年化收益15.2%，超出普通股票与偏股混合型基金等权组合平均4.1%；选取最优5只基金时，组合年化收益率提升至20.3%，超额收益率达9.2%，显示基金优选策略可显著提升投资回报。[page::22-23]

---

3. 优选基金核心股票池分析

3.1 基本特征

由30只优选基金重仓股合并构建的核心股票池，包含150至200只股票，以沪深300、中证500成分股为主，约占数量比重60%左右。

• 市值分布上，以中大市值（100亿至500亿）股票占比最高，其次为1000亿以上超级大盘股，反映基金重仓偏好较为稳定的蓝筹与成长性股票；

- 行业分布以医药、食品饮料、机械、计算机、家电和电子为主，但整体具备行业多元化，契合A股当前行业格局。

市值结构与行业分布显示基金重仓股侧重市场占比较大及行业龙头股票，符合稳健选股理念。[page::24-26]

3.2 核心股票池绩效表现

构建优选基金核心股票池中的股票等权组合，年化超额收益在6.8%左右，高于所有基金重仓股组合的5%，但两者均超越市场中证全指，显示基金重仓股存在一定选股价值，但仅凭简单加权持仓，超额收益有限，需进一步优选。[page::27]

3.3 量化选股因子表现

报告对股票层面的常见量化因子在核心股票池中做测试，结果显示成长、盈利、情绪、流动性等因子能在股票池中发挥正向选股能力，而估值、规模等因子的有效性较弱，投资者可视情况整合使用，但保持策略风格纯粹更有利于理解和稳健实施。[page::28]

---

4. 基于优选基金重仓股的选股策略

围绕优选基金，设计三类策略：

• 存量重仓策略：选取5只优选基金的现有重仓股，按持仓占比排序，选前20只股票加权构建组合。

- 增量重仓策略：选取每季度新进入前十大重仓股中持仓占比高的20只股票。

• 存量+增量重仓策略：结合上述两种策略信息，融合持仓权重进行权重加权，进一步提升选股效果。

4.1 存量重仓策略

• 回测区间2011至2020年，季度调整持仓。

- 策略年化收益21.3%，超额收益16.7%，夏普比率0.85；

• 年度收益率均排前40%，近5年排名提升至前30%；

- 3年期及5年期收益长期表现优异，排名基本稳居前20%-10%。[page::29-30]

4.1.2 三大重仓策略拓展

改良策略为针对每个基金选取前三大重仓股构成等权组合，防止选股过度集中。

• 年化收益率跃升至23.05%，超额18.18%，夏普比率0.91；

- 年度收益排名基本保持在前30%，3年期收益排名前10%，5年期收益排名前5%。[page::31-32]

4.2 增量重仓策略

• 重点在于捕捉基金仓位中新增的重点配置股票；

- 年化收益22.6%，超额17.35%，夏普比率接近0.9；

• 年度收益排名持续靠前，2017、2018、2020年皆进入排名前8%；

- 长期收益更优，3年期及5年期收益排名均进入前8%和3%。[page::33-34]

4.3 存量+增量重仓策略

• 策略一：分别选取存量重仓和增量重仓股票各前10只合并，合并时对重合股票持仓占比求和归一化，权重分配合理。

- 策略二：选定存量重仓中前20股票，权重计算时加上对应增量重仓持仓占比，归一化确定权重，通过权重扩大体现增量配置的选股价值。

实测表现：

• 策略一年化收益25.16%，超额20.18%，长期排名靠前3年期前10%，5年期前4%。

- 策略二年化收益23.38%，超额18.68%，年度收益排名稳居前30%，3年及5年期收益均排在15%和6%之内，显示策略稳定且有效。[page::35-39]

---

三、图表深度解读（选取关键表+图说明）

关键图表说明

1. 图表1：基金优选-重仓选股策略框架示意

- 展示从初始基金池通过合成因子优选基金池；
- 进而汇总优选基金重仓股构建股票池；
- 基于持仓占比构建存量、增量及组合重仓策略；
- 体现基金选基因子、持仓权重与策略组合结构完整性。[page::9]

1. 图表4（选基因子IC测试结果）

- 明确每个因子的Rank IC均值、标准差和统计显著性，方便筛选有效因子；
- 选股alpha因子IC均值最高，且ICIR和t值均表现显著，验证其作为主选因子的合理性。[page::13]

1. 图表5-7（超额收益率因子分位数组合表现）

- 多头组显著优于空头组及全体基金；
- 图示收益曲线展现选基因子的持续稳定性；
- 进一步佐证选股alpha及超额收益率因子有效性。[page::15]

1. 图表33-38（合成因子构成及测试）

- 直观显示合成因子权重分配；
- 合成因子IC提升到20%，IC序列图显示大部分时间>0，符合投资预测因子要求；
- 分位组年化收益显著优于单因子，具备实用投资价值。[page::20-21]

1. 图表39-46（优选基金组合表现）

- 优选30只基金组合及优选5只基金组合均表现优异，明显优于全基金平均组合及基准指数；
- 年度超额收益、累计收益率曲线及排名均展示稳健持续性。[page::22-23]

1. 图表47-52（核心股票池基本特征）

- 股票数目稳定在150-200区间；
- 以中大市值为主，行业涵盖医药、食品饮料、计算机等，行业与市值布局合理稳健。[page::24-27]

1. 图表53（核心股票池表现）

- 核心股票池经等权构建的收益较市场基准优异，但超额收益仍有限，需优选策略加持。[page::27]

1. 图表55-64（存量重仓及前三大重仓策略表现）

- 存量重仓策略年化21.3%，超额16.7%；
- 三大重仓策略年化23.05%，超额18.18%，且长期排名优势明显；
- 曲线及年化收益表明策略表现稳健。[page::29-32]

1. 图表65-69（增量重仓策略表现）

- 增量重仓策略表现更佳，年化22.6%，超额17.35%；
- 长短期排名明显优于存量策略，显示把握增量配置更具优势。[page::33-34]

1. 图表70-81（存量+增量策略设计及表现）

- 两种策略设计图示清晰；
- 策略一年化25.16%，策略二年化23.38%，均呈显著超额收益及较优排名；
- 投资组合波动控制得宜，表现稳定性强。[page::35-40]

1. 附录1&2因子分位数组合及IC测试图

- 多角度深入核验筛选因子的有效性及稳定性；
- 进一步支撑选股alpha主因子地位和持有人结构指标的重要性。[page::42-80]

---

四、估值分析

本报告不涉及具体公司估值分析，核心聚焦于基金优选及重仓股量化策略的设计与实现，估值主要体现在基于基金持仓权重构建的投资组合整体估值控制和风险调整收益表现。

---

五、风险因素评估

报告中明确风险提示：

• 模型依赖历史数据，在市场环境如政策、宏观经济、市场风格剧烈变化时，模型可能失效；

- 数据披露滞后：基金季报重仓数据存在约15个交易日滞后，频繁换仓基金持仓信息跟踪难度大，有可能丧失最新选股信号；

• 基金经理变更带来的绩效波动：基金管理团队变更或基金策略调整对持仓连续性的影响。

报告未详述缓解措施，但强调了策略的多维度测试和稳健性验证以降低上述风险。[page::0, 8, 82]

---

六、批判性视角

• 优势：

- 多维度因子测试严谨，历史有效性充分验证，合成因子构建科学合理；
- 明确基金优选逻辑，采取差异化存量与增量重仓组合策略，体现研究深度；
- 大量统计数据和图表支撑，覆盖了因子测试、组合表现、股票池结构、策略回测。

• 可能的局限：

- 数据时间窗截止2020年底，未捕捉较近期市场重大结构性变化风险；
- 重仓数据滞后与仓位变动对实盘跟踪的挑战未充分展开；
- 没有披露策略的交易成本敏感性分析，实际应用时需关注流动性和换手率影响；
- 持有人结构等因子虽然表现良好，但因披露频率较低，更新时滞后可能影响灵敏度。

• 矛盾或细节需注意：

- 报告强调优选基金重仓股收益稳健，但核心股票池简单等权组合超额收益有限，说明“优中选优”的必要性和复杂性，需注意不能简单的复制重仓股；
- 不同优选基金数量下组合表现提升明显，暗示组合规模和基金选择筛选标准对策略结果影响较大。

整体分析体现审慎客观，未夸大模型优势，对市场风险提示周全。

---

七、结论性综合

该报告以严谨的量化分析和丰富的数据验证，展现了公募基金重仓股作为选股的重要信息价值。通过对基金样本严格筛选和多因子测试，构建了融合选股alpha、最大回撤、基金份额及持有人结构的合成因子，有效优选出表现优秀的基金池。基于此池的重仓股，设计了存量、增量及其组合策略，策略在近十年市场中均实现年化收益20%以上，相对于中证全指超额18%以上，且策略收益在普通股票及偏股混合型基金中长期排名持续靠前。

报告尤为突出的是“存量+增量重仓策略”设计，两种组合均在各年收益率排名中稳居前列，显示了其高效的选股和动态适应能力。策略不仅在短期表现优异，其3年及5年期收益排名同样表现稳健，适合追求中长期超额收益的机构投资者。

大量图表详尽解读支持报告结论，核心股票池由沪深300和中证500成分股组成，体现市场代表性与流动性好，行业分布多元。量化因子测试亦验证了持有人结构等新颖因子的信息增益。

风险方面，报告提醒模型可能在市场环境剧变时失效，投资者应常态关注模型适用性并结合交易成本管理。

综上，兴证金工团队通过科学的基金优选和重仓股筛选方法，提出了切实有效的选股策略，在深度挖掘机构持仓信息价值的研究领域立足前列，展现了机构持仓数据在量化投资中的实际应用价值。未来团队还将持续关注该领域拓展，值得投资者和业界持续跟踪。[page::全篇贯穿]

---

Markdown格式的部分关键图表示例

---

总体评价

报告内容完整，逻辑严谨，数据详实，且附录支持强，能有效为量化投资实践提供参考指导。风险揭示充分，体现研究的专业性及成熟度。若用于实际投资，推荐结合市场环境动态调整，注意数据滞后和交易成本风险。

[page::0,8,9,10,11,12,13,14,15,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74,75,76,77,78,79,80,81,82,83]

报告