机构调研事件数据分析与行业视角拆解 [page::3]

• 调研事件自2019年以来数量持续增长，机构参与主要为基金公司和证券公司。

- 基金公司参与率显著提升，调研数据更能反映基金行为。

• 调研事件数据规范且强制披露，具备较强信息密度和可靠性。

调研热度因子构建与表现分析 [page::5][page::6][page::7]

• 通过选取大规模基金公司调研活动构建调研热度因子，采用48个月滚动中位数标准化，提升因子稳定性与预测能力。

- 调研热度因子年化收益率16.05%，夏普比率1.40，多空组合表现稳定。

• 2019年后调研频次的大增显著提升因子效能。

调研广度因子的定义与回测 [page::8][page::9][page::10]

• 广度因子侧重行业内被调研公司的覆盖度，证券公司视角广度因子表现优于基金公司视角。

- 组合中，低拥挤度(TOP)年化超额收益3.78%，高拥挤度(BOTTOM)显著跑输。

• 广度因子与热度因子相关性低(-3.83%)，互补性强。

调研活动因子合成及业绩总结 [page::10][page::11]

• 调研热度与广度因子标准化合成等权，得到调研活动因子，IC均值提升至11.38%。

- 多空组合年化收益率21.82%，夏普比率达1.90，多空净值较单因子更平稳，回撤小。

• Top组合年化超额收益达9.51%，胜率较高。

调研活动增强多因子行业轮动策略框架 [page::11][page::12]

• 调研活动因子与传统质量、盈利、估值动量、分析师预期等因子相关性低，信息增量显著。

- 多因子合成后增强因子IC均值11.89%，信息比率提升，年化收益22.36%，夏普1.26。

• 增强因子Top组合相较传统超预期增强因子提升明显，表现稳定。

调研活动增强行业轮动策略实盘回测 [page::13][page::14]

• 策略月初换仓，持仓前五行业等权分配，回测期2017年至2023年6月。

- 年化收益12.41%，夏普0.57，超额收益11.07%，明显跑赢行业等权基准。

• 策略表现稳健，2020-2022年超额收益较高，换手率73.81%。

调研行业精选策略构建与表现 [page::14][page::15][page::16]

• 调研因子单独构建调研行业精选策略，持仓行业取当月调研活动增强因子Top5。

- 策略年化收益7.61%，夏普0.38，2020年至2023年超额收益逐年提升至17.40%。

• 持仓推荐灵活敏锐，能捕捉市场热点行业的轮动节奏。

金融研究报告全面详尽解析报告：《基于机构调研热度和广度视角的行业配置策略》

---

一、元数据与报告概览

• 报告标题：基于机构调研热度和广度视角的行业配置策略

- 作者：金融工程组分析师高智威（执业证号S1130522110003）

• 发布机构：国金证券研究所

- 发布日期：报告内容截止2023年6月

• 主题：该报告聚焦于机构投资者调研活动数据，从调研热度与调研广度两个维度深入挖掘行业轮动的策略信号，创新性地从机构调研角度探讨行业配置。

核心论点及评级：
报告提出调研事件数量的增加与规范披露，使调研数据成为探索机构行为的重要路径。基于对基金公司和证券公司的调研数据，构建调研热度因子与调研广度因子，并融合成复合调研活动因子，具有较强的行业收益预测能力。最终，调研行业精选策略表现突出，年化收益与夏普比率实现稳健回报。报告并未明示买入/卖出评级，而以策略表现和因子效果作为信号传递。

---

二、报告逐节深度解读

2.1 调研热度与广度双维度探察

本报告是“Beta猎手系列”的第五篇，创新地将机构调研活动拆解为两大指标：

• 调研热度：行业内公司被调研的频次平均数，反映行业内公司受到关注的热度。

- 调研广度：行业中被调研公司占比，反映行业的“拥挤度”，即机构调研的覆盖范围。

采用此双维度方法，可以揭示机构投资者在行业层面的行为逻辑，补充传统基于个股的选股模型不足。[page::0][page::3]

2.2 调研事件研究逻辑

调研数据因强制披露及格式规范，具有丰富且标准化的机构行为信息。报告根据多份监管文件，系统梳理调研事件的构成内容：

• 包括调研活动的具体类型（特定对象调研、分析师会议、业绩说明会等），以及参与机构类型（基金公司、证券公司、保险公司等）。

- 调研活动数量自2019年起稳步上升，特别是基金公司的参与比例显著提高，这为基金公司行为分析提供更丰富数据支撑。

图表2显示，特定对象调研活动占绝大部分，且基金公司自2019年以来调研份额明显上涨。图表3反映基金公司调研活动份额逐年增长，证券公司仍为主要调研参与者。[page::3][page::4]

2.3 行业调研热度

最初尝试以月度调研次数同比和环比指标构建热度因子，但IC（信息系数）表现不佳，负值和正值参半，表明个股层面方法无法直接复制至行业层面（图表6）。

后续报告提升因子构建逻辑：

• 调研规模筛选：剔除小型调研，仅保留过去一年调研参与人数超过中位数的“高规模”调研。

- 机构类型专注：基金公司调研因子优于证券公司调研因子，更具行业选择能力。

• 历史窗口参数调整：36-48个月滚动中位数基线构建因子，效果显著优于短期窗口。

最终选取基金公司大规模调研的月度调研热度指标，对其与48个月滚动中位数比值作为标准化构建方式，获得IC均值达8.64%，年化收益16.05%，夏普比率1.40（图表7-9）。2019年后，调研热度因子表现明显，源于调研活动和基金参与度的提升（图表10-13）。[page::5][page::6][page::7]

2.4 行业调研广度

广度指标衡量的是行业被调研公司占整个行业公司的比例，描述行业“拥挤度”。报告发现：

• 广度指标的变化率与行业指数净值存在同步性，峰值时广度指标环比变化率往往也显著增加，显示可能预示行业顶点风险（图表15-16）。

- 和热度因子类似，报告从不同机构类型（证券公司、基金公司等）角度构造广度因子。证券公司调研广度因子IC表现优于基金公司，也优于所有机构聚合因子，推论主要因证券公司调研活跃、覆盖广，反映了挖票需求的强弱。

• 最终广度因子通过证券公司3个月累计值环比变化率和间隔3个月月度变化率等权合成，IC均值4.70%，多空组合稳定，2002年仅有小幅回撤（图表17-21）。

广度因子的投资逻辑体现为高拥挤度行业存在一定的风险，而低拥挤度则潜藏投资机会。[page::8][page::9][page::10]

2.5 调研活动因子合成

调研热度（基于基金公司调研次均值）和调研广度（基于证券公司覆盖比例）的相关性极低(-3.83%)，表明二者互补。报告将两因子标准化后广度因子取反（因其为拥挤度指标）等权合成，形成复合调研活动因子。

合成因子IC均值11.38%，远高于单一因子，年化收益21.82%，夏普比率1.90，投资回报稳定且横盘回撤小（图表22-27）。2023年以来IC均为正，表现极佳。[page::10][page::11]

2.6 多维度行业轮动框架

报告结合已探索的多维因子框架，统计调研活动因子与质量、盈利、估值动量、超预期等大类因子间秩相关性极低，最高仅0.07，表明调研因子提供了独立的增量信息。

将调研活动因子与分析师预期、盈利、质量、估值动量和超预期因子等权合成调研活动增强因子，获得IC均值11.89%，风险调整IC为0.41，优于超预期增强因子（IC均值10.37%，风险调整IC0.36）（图表28-31）。

调研活动增强因子多空组合年化收益22.36%，夏普比率1.26，优于超预期增强因子。（图表32）[page::12]

2.7 调研活动增强行业轮动策略

基于调研活动增强因子构造行业轮动策略，月频换仓，持仓前五行业等权配置，基准为中信一级行业等权配置，手续费单边千分之二。

回测区间2017年1月至2023年6月。策略年化收益12.41%，超额收益11.07%，夏普比率0.57，显著优于基准（年化收益1.35%，夏普比率0.07）（图表33-35）。但稍逊于超预期增强行业轮动策略（13.16%年化收益，夏普0.60）。原因主要在于：

• 增加调研因子后，整体权重稀释，因子权重较低；

- 调研因子调整行业排名多位于中间分组，对多头策略贡献有限。

策略逐年表现良好，尤其2020年至2022年，累计超额收益显著，2023年年初略有回撤，月均双边换手率较高（约73.81%），策略相对灵活（图表36-37）。[page::13][page::14]

2.8 调研行业精选策略

鉴于调研活动因子自身表现优秀，报告构建基于该因子的行业精选策略，月度频繁换仓，持仓前五行业等权配置。

从2017年1月至2023年6月，策略年化收益7.61%，超额收益6.06%，夏普比率0.38，双边换手率158.51%，表现稳健且优于行业等权基准。2020年后超额收益显著提升，反映调研事件活跃度提升带来的信息增量（图表38-41）。

2023年策略持仓动态推荐反映了策略对热门行业电力设备新能源、汽车、传媒等的适时配置，具有较好市场适应性（图表42）。[page::14][page::15][page::16]

2.9 风险提示

报告提示：

• 后续市场和政策环境变化可能导致模型失效；

- 国际政治摩擦等因素引发资产协同大幅波动风险；

• 调研数据披露规范与频次变动可能影响模型有效性。

---

三、重要图表深度解读

• 图表2与3（页面4）：2012-2023年调研活动数量年增趋势突出，特定对象调研占比主导，且基金公司在调研活动中的比例逐年提高，体现机构投资者调研需求和行为的演变。

- 图表6（页面5）：初始构建的调研热度因子IC均值低且波动大，显示简单同比或环比调研次数不能有效捕捉行业热度信号。

• 图表7-9（页面6）：大规模调研和基金公司调研结合显著提升因子质量，过去48个月的滚动中位数处理更稳定。年化夏普比率1.40表明投资组合回报风险比理想。

- 图表10-13（页面7）：热度因子IC时间序列显示近年整体趋于正相关，且分位数组合净值图支持Top组持续跑赢市场组合，基金公司调研数量激增与热度因子表现提升正相关。

• 图表15-21（页面8-10）：广度因子体现行业拥挤度和潜在风险，从定性指标的变化与行业指数净值峰值对应，暗示高度拥挤可以是反转信号。多空组合净值显示稳定但波动率和最大回撤高于热度因子。

- 图表22-27（页面10-11）：调研活动因子合成后IC提升至11.38%，多空组合年化收益21.82%，夏普比率1.90，效果较单一因子显著提升，表现稳定且风险可控。

• 图表28-32（页面12）：调研活动因子与其他行业因子相关性极低，增加调研活动因子提升多维度因子预测精度，叠加效果明显。调研活动增强因子展现极佳的收益和稳定性。

- 图表33-37（页面13-14）：行业轮动策略基于调研活动增强因子回测结果，年化收益12.41%、超额11.07%，长期优于行业等权基准，但略逊色于超预期增强策略，策略换手率较高，反映调研因子灵敏度。

• 图表38-42（页面14-16）：基于调研活动因子的行业精选策略，策略表现稳健，年化收益7.61%，2020年以来超额收益显著，策略持仓紧跟市场热点行业，动态适应市场变化。

---

四、估值分析

报告核心聚焦因子构建与策略表现，未展开现金流折现（DCF）等传统企业估值方法的细节论述。因子以及策略的收益分析基于IC统计、多空组合净值以及相关指标进行衡量。通过因子回归和组合收益率间接体现因子对行业投资价值的估值补充。

---

五、风险因素评估

报告辨识出主要风险：

• 模型风险：历史数据驱动的模型可能受政策和市场环境变化影响失效；

- 市场风险：国际政治摩擦、大类资产协同波动等系统性风险；

• 信息风险：调研数据质量、披露规范变化对因子构建影响；

报告没有明确提出具体缓释策略，但强调需关注宏观政策、市场环境变化对于因子有效性的潜在冲击。[page::0][page::16]

---

六、批判性视角与细节分析

• 因子构造的敏感性：热度和广度因子对调研活动规模及参与机构类别高度敏感，报告细致分析采用大规模调研和特定机构类别的筛选，提升因子信号质量。

- 数据维度选择的合理性与局限：基金公司调研热度优于证券公司，但证券公司广度更好；各机构行为模式不同，可能造成因子偏误。

• 策略多头表现与因子多空差异：调研活动因子多空组合表现优异但行业多头配置表现欠佳，反映因子可能在行业间层面兼顾了避险和进攻，需谨慎处理因子权重和组合构建。

- 高换手率风险：行业精选策略双边换手率高达158%，可能增加交易成本和流动性风险。

• 时间跨度和数据完整性：2019年以后大幅提升的调研活动数据对因子表现贡献明显，早期数据较少或缺乏代表性，应注意数据时间序列对模型稳定性的影响。

---

七、结论性综合

本报告全面且深入地利用机构投资者调研数据，创新提出从行业层面拆解调研热度与调研广度两个核心因素，构造调研活动因子，并成功验证其较强的行业收益预测能力:

• 核心发现：

- 调研热度因子（基于基金公司大规模调研）表现最佳，IC均值8.64%，夏普比率1.40，年化收益率达16.05%。
- 调研广度因子（基于证券公司调研覆盖率）亦有较强信号价值，表现稳定。
- 二者负相关且具互补性，合成调研活动因子IC显著提升至11.38%，夏普达1.90，表现更优。

• 策略表现：

- 基于调研活动因子构建的行业轮动策略年化超额收益率约11.07%，显著优于行业等权基准。
- 结合多维度因子，调研活动增强因子提升超预期增强因子表现，年化收益达22.36%。
- 独立的调研行业精选策略，重仓调研活动得分前五行业，年化超额收益率6.06%，2020年至2023年表现尤佳。

• 投资启示：机构调研活动作为维度独特的数据源，反映机构预期和行为偏好，通过合理构造可有效预判行业轮动趋势，弥补传统财务指标和市场因子不足。
• 图表辅助：各项数据图表直观展示了调研活动参与机构分布、调研热度与广度因子IC表现及多空组合净值走势，策略年化收益率与超额收益率的趋势变化，为因子有效性提供了坚实数据支撑。

报告创新性、系统性强，结合丰富调研数据和量化方法，展示了机构调研数据在资产管理中的实际应用价值，同时提醒用户关注模型风险和高换手率带来的现实限制。[page::0-16]

---

以上分析完整涵盖了报告所有章节、关键概念、数据与图表，解读了因子构造逻辑、预测能力、策略表现及风险，客观严谨，适合专业投资者及研究人员深入理解该领域金融量化研究成果。

报告