• 基金重仓股整体表现稳定，2011年以来偏股基金重仓股的等权特质收益率持续上升，但不同年份表现波动明显，且持股集中度变化较大 [page::1]。

• 基金样本包括偏股混合型及普通股票型基金，因数据及时性考虑仅使用季度前十大重仓股持仓，剔除被动及量化基金 [page::2]。

• 基金业绩是筛选重仓股的关键指标，收益率优于夏普比和alpha，排名靠前基金的重仓股表现更佳，且超额收益有显著的单调性 [page::3][page::4]。

| 基金个数 | 1 | 3 | 5 | 10 | 20 | 50 | 100 |
|----------|-------|-------|-------|-------|-------|-------|-------|
| 夏普比 | 8.4% | 4.2% | 6.3% | 6.1% | 6.2% | 6.6% | 5.2% |
| 收益率 | 10.6% | 10.1% | 10.1% | 9.0% | 7.2% | 6.8% | 5.9% |
| Alpha | 5.3% | 9.1% | 9.1% | 8.2% | 7.7% | 6.8% | 5.9% |
- 利用收益率筛选基金的重仓股呈现明显的超额收益单调下降趋势。

• 基金业绩最差的增量重仓股2017年后超额收益为负，规模小基金重仓股表现较弱，高换手率基金披露信息滞后但不可单独作为筛选指标 [page::5][page::6][page::7]。

• 重仓股在不同风格和行业上的超额收益表现有明显变化，2017年前小票成长风格贡献较大，之后高估值风格和医药、TMT等行业表现优异，消费行业超额收益提升显著 [page::7][page::8][page::9]。

| 风格因子 | 2017年前年化收益率最高组 | 2017年后年化收益率最高组 |
|-------------------|------------------------|------------------------|
| growth（成长） | 高 | 低 |
| 估值（value） | 无明显差异 | 高估值显著优于低估值 |
| 行业 | TMT、中游周期优 | 医药、消费显著提升 |
- 行业超额收益分布：
- 2017年后，医药（10%）、机械（13%）、保险（8%）等行业超额收益较好。
- 券商、军工、煤炭等周期性强行业超额收益不明显。

• 持仓特征测试显示，基金重仓股的市值占流通市值比例及其环比变化与超额收益相关性较强，且多头收益突出，区分度高于重仓占基金持仓比例相关指标 [page::10][page::11]。

• 结合基金业绩和持仓因子筛选股票池，发现以收益排序基金优选及持仓市值占比变化筛选的重仓股能显著提升超额收益，筛选股票池数量约在40只左右 [page::12][page::13][page::15]。

• 将该股票池以权重约束纳入中证500增强策略，剔除市场风格影响后，2017年以来策略年化收益提升2%以上，最大回撤基本持平，信息比也有明显提升，显示基金重仓股策略的选股alpha明显优于传统多因子模型 [page::16][page::17][page::18][page::19]。

• 报告强调，通过残差收益剥离行业和风格影响，重点捕捉基金重仓股的纯选股能力及资金层面的增量信息，指出基金重仓股选股alpha和市场资金效应共存，未来研究可从两者角度持续挖掘持仓数据价值 [page::19][page::20]。

报告分析：国盛量化多因子系列之十三——基金重仓股研究

---

1. 元数据与概览

• 报告标题：《多因子系列之十三：基金重仓股研究》

- 作者：刘富兵、丁一凡（留富兵法）

• 发布机构：国盛证券研究所金融工程团队

- 发布日期：2020年9月7日

• 主题：针对基金重仓股，探讨其超额收益的驱动因素，筛选出高超额收益的股票池，并将其纳入多因子量化策略中，验证提升效果。

核心论点是基金重仓股内部存在明显的超额收益差异，优质基金的重仓股表现明显优于劣质基金。不同市场环境、行业及风格下，重仓股的超额收益表现各异。通过剥离基金风格和行业配置影响，聚焦选股能力（以残差收益为代表），本文构建基于基金业绩和持仓特征的组合筛选方法，大幅改进多因子策略表现。策略整合后，尤其2017年起收益改善明显。

---

2. 逐节深度解读

2.1 报告摘要与综述

报告摘要指出，采用残差收益（剔除风格、行业beta后的超额收益）作为预测目标，从基金特征（业绩、换手、规模）、股票特征（风格、行业）、持仓特征几个维度寻找预测因子。发现基金业绩与持仓市值占流通市值变化因子对筛选重仓股最为有效，且将筛选出的股票池应用于多因子增强策略，提升显著。[page::0]

综述部分用图表1（2011-2020年基金重仓股等权特质收益净值曲线）展示了基金重仓股整体稳定的超额收益，但经历波动，尤其2016-2018年表现较弱。图表2显示，基金重仓股数量约1000只，近年集中度提升至约700只，但仍难以简单跟踪所有重仓股获得超额收益，需要筛选。[page::1][page::2]

2.2 基金特征分析

2.2.1 基金业绩

• 数据与方法：采用国盛团队的Sharpe资产因子模型剥离基金风格、仓位影响，得到净Alpha，作为衡量基金选股能力的指标。测试业绩（过去12个月收益率）、夏普比、Alpha三个指标筛选基金对应重仓股年化超额收益。（图表5、6、7）
• 主要发现：

- 按基金收益率和Alpha筛选的基金重仓股年化超额收益高于按夏普比筛选的。
- 基金收益率筛选出的重仓股表现出显著的单调性，基金数量越多，平均超额收益趋近下降。
- Alpha虽剥离了风格影响，但筛选效果不及简单业绩，可能涉及资金追捧效应及动量因素。
- 医药等行业风格的基金业绩对超额收益影响较大，但对基金经理个体能力剥离有限。[page::3][page::4]

2.2.2 业绩分组基金的增量重仓股表现

• 透过基金分组，剥离不同业绩组基金“独享”的重仓股（剔除重叠股票），发现2017年以后劣质基金独持重仓股超额收益为负，优质基金独持呈正超额。（图表8）

2.2.3 换手率与规模影响

• 换手率分组分析显示，2017年后高换手基金的重仓股超额收益较低（图表9、10），但在优质基金中换手率与超额收益无明显差异（图表11），换手率不能单独作为筛选指标。

- 规模分组结果显示，中等规模基金重仓股超额收益较高，规模小的基金独占重仓股收益为负，2017年以来表现更为明显（图表12）。应剔除规模后20%的基金。[page::5][page::6][page::7]

2.3 股票特征分析

2.3.1 风格板块异质性

• 2017年前拥抱小盘成长风格的重仓股超额收益更高；2017年后则高估值股票超额收益显著，低估值不明显，大小市值差异消失。（图表13、14）

- 重点是基金重仓股风格随着市场环境演变而迁移，战略需适应市场变化。[page::7][page::8]

2.3.2 行业分析

• TMT和中游行业（机械、基础化工等）持续产生稳健超额收益。

- 消费板块医药、食品饮料等近几年显著贡献超额收益，凸显机构抱团效应。

• 上游资源、券商军工等周期性及变动较大板块重仓股无明显超额收益（行业行情板块化，难跑出稳定alpha）[page::9]

2.4 持仓特征

• 测试了多种以基金重仓权重为基础构造的因子（如Toptenmean、Toptenmax、Toptenvalueweight、Toptentofloatashare及其环比变化delta因子）（图表16、17）

- 原始因子表现佳于中性化因子，说明重仓股超额收益带有行业、风格属性

• 持仓市值占流通市值比例及其季度环比变化（Toptentofloatashare和deltatofloatashare）对超额收益关联最明显，IC达0.02左右，年化超额达10%级别，且呈线性关系。（图表18-21）

- 重仓比例相关因子表现略弱，推断是更大市值股票定价充分，难取超额。

• 因子高度相关，二元分组显示超额收益主要来自于持仓比例变化。[page::10][page::11]

---

3. 图表深度解读

• 图表1（基金重仓股等权特质收益净值）：展示2011-2020年基金重仓股长期上扬趋势，表现出超额收益，但中间有回落波动，尤其16-18年较弱，体现重仓股表现不稳定。[page::1]

• 图表2（基金重仓股数量）：显示2011年400只左右基金重仓股增长至2017年的1200只峰值，但年后下降至700左右，说明基金重仓股集中度提升，但仍分散。[page::2]
• 图表5&6（不同指标筛选基金的重仓股表现）：基金收益率和Alpha排名与重仓股超额收益呈正相关，夏普比较弱，信息比分别为1.64~2.27，业绩排序显示了显著的单调性，强化了基金业绩为重要筛选指标。[page::3][page::4]
• 图表8（按业绩分组剥离增量重仓股表现）：最高业绩组重仓股稳定表现最佳，底层基金独享重仓股实际带来负超额收益，表明追踪劣质基金仓位效果反向。[page::5]
• 图表9-11（换手率分组表现）：2017年前换手率无明显影响，后期高换手基金表现弱；但优质基金中换手率差异不显著，换手率本身非独立有效指标。[page::6]
• 图表12（基金规模分组）：中等规模基金重仓股超额收益高，规模小基金负收益严重，特定阶段集中于某些行情。[page::7]
• 图表13-14（基金重仓股不同风格表现）：

- 2017年前重仓股在高度成长和小市值股票表现突出。
- 2017年后高估值股票成为超额收益主体，高成长效应减弱，大小盘差异缩小。[page::7][page::8]

• 图表15（行业超额收益）：

- 医药、机械、计算机等行业超额收益显著。
- 资源类周期性行业、券商军工等表现不佳。
- 消费行业在17年后表现明显改善，支持机构抱团观点。[page::9]

• 图表17（持仓因子测试）：

- Toptentofloatashare及deltatofloatashare IC最高，平均收益较显著。
- 其他如基金持仓比例、最大持仓比例表现次之。
- 指标体现超额收益的行业风格依赖性。[page::10]

• 图表18-21（Toptentofloatashare及Toptenvalueweight分组及收益）：

- 持仓占流通市值比强烈线性相关收益，分组中头部收益突出。
- 持仓市值占基金总仓比例效果较弱，且市值大股票获取超额收益较少。[page::11]

• 图表27（两因子双分组）：

- 绝对持仓市值占比不再提供稳定超额，持仓变化率主导超额收益。
- 体现动态持仓调整对收益重要性。[page::14]

• 图表28-29（筛选股票池表现与数量）：

- 结合基金业绩筛选高业绩基金重仓股和持仓变化高的股票并集，构建股票池（约40只）。
- 股票池超额收益大幅优于所有重仓股，2011、2014年表现差，近年表现亮眼。[page::15]

• 图表30-31（组合因子与行业暴露）：

- 高暴露于动量、流动性和机构持仓相关因子。
- 行业集中于医药、电子元件、计算机、食品饮料和机械化工等热门及成长行业，符合前述行业分析结论。[page::16]

• 图表32-34（纳入指数增强策略测试）：

- 2017年前纳入该组合对策略表现无提升甚至有负面影响，反映市场风格不匹配。
- 2017年后纳入比例越大，增强效果越明显，年化收益增加超2%，信息比提升0.4。
- 该组合与基准策略有不同的风格和残差收益贡献，应用效果突出。[page::17][page::18]

• 图表35（业绩归因）：

- 纳入组合alpha排名前50%重仓股超额收益明显优于后50%及基准。
- 显示头部基金重仓股选股能力强于多因子模型，策略通过结合筛选与alpha打分实现收益提升。[page::19]

---

4. 估值分析

报告重点在于因子筛选与策略构建，未涉及传统的估值模型单独分析。但采用多因子策略结合基金重仓股超额收益预测因子进行优化，显著提升了整体指数增强组合的超额收益，基于权重约束优化，跟踪误差控制在5%以内，考虑交易成本，应用环境与实战兼顾。

---

5. 风险因素评估

• 模型失效风险：结论基于历史数据和统计模型，未来市场环境若发生根本变化，模型可能失效。

- 市场风格变化：如2017年前后市场风格迥异，策略表现差异明显，风格不匹配导致收益下降。

• 行业和风格集中度风险：股票池集中于高估值和主流行业，存在风格切换风险。

- 数据滞后和覆盖限制：基金持仓数据为季度前十大重仓，具有限制，尤其对于高换手基金可能反应不足。

• 样本外稳定性：部分因子头部单调性弱，统计显著性不足，样本外表现需进一步验证。

---

6. 批判性视角与细微差别

• 报告多处提到基金表现与基金经理选股alpha不可完全分离，投资者资金流入及明星效应导致部分超额收益来自于行为效应，说明模型初步筛选能力背后有较强市场情绪成分。

- 换手率指标在剔除业绩分层后预测力不足，显示筛选因子可能存在掩盖变量。

• 持仓市值与流通市值比例因子对超额收益有贡献，但在高业绩基金样本中反而表现下降，暗示资金效应居多，非纯粹选股能力，表明对于重仓市值占比的使用需谨慎。

- 策略增强效果显著集中于2017年后，显示策略存在较强时效性，对未来市场延续性的适应能力不确定。

• 筛选股票池构建方法侧重筛选前N股票而非因子加权，便利但可能非全局最优，报告也指出可能存在改进空间。

---

7. 结论性综合

本报告系统研究了基金重仓股超额收益的驱动因子，基于2011-2020年间丰富的基金季报数据和风格残差收益，重点筛选了基金业绩和基金持仓市值占流通市值的环比变化这两个头部显著因素。

具体结论包括：

• 基金业绩作为基金经理选股能力代理最佳，顶尖业绩基金的重仓股优于其他基金，业绩较差基金独持重仓股超额收益为负；

- 基金换手率和规模影响有限，但规模极小基金表现弱；

• 基金重仓股的风格和行业特征明显，随市场环境动态变化，2017年前更偏小盘成长，2017年后偏高估值，且TMT、中游行业表现突出，强周期和波动行业难以跑出稳定超额收益；

- 持仓特征中，基金重仓市值占流通市值比例和其环比变化对超额收益贡献最大，表现出较强的线性和单调性，其他持仓权重相关指标效果较弱；

• 基于以上，构建结合基金业绩筛选优质基金并利用持仓变化筛选重仓股票的股票池，构造约40只股票组合，显著跑赢等权重所有重仓股组合，尤其是在2017年后市场环境下表现优异；

- 纳入多因子指数增强策略，采用权重约束形式，进一步释放基金重仓股的超额收益，年化收益率提升超过2%，信息比提升显著，表现层面集中于2017年之后的市场风格成熟期；

• 通过对基准策略业绩归因，进一步证实基金重仓股中标的的选股alpha明显优于系统多因子因子，策略实质上实现了“优选优质基金重仓股并结合多因子选股”的双重局部最优，提升多因子策略效果；

- 报告最后指出，尽管多种因子具备一定预测能力，但统计与单调性不强，且市场资金面因素掺入（非纯粹选股alpha），筛选指标选择保守，未来需进一步研究和优化筛选方法。

整体来看，报告基于详实数据和严谨实证，科学剖析了基金重仓股的复杂特征，归纳出关键指标并成功运用于增强策略，体现了数量投资中结合经典因子与资金面因子的有效路径，为基金重仓股跟踪及指数增强策略提供了实用框架和策略设计思路。

---

附图示示例

• 图表1：

• 图表8：

• 图表27：

• 图表28：

• 图表32：

| 年份 | 基准策略 | 权重约束5% | 10% | 20% | 30% |
| ------ | -------- | ---------- | ------ | ------ | ------ |
| 2011 | 0.380 | 0.400 | 0.419 | 0.412 | 0.377 |
| ... | ... | ... | ... | ... | ... |
| 2017 | 0.125 | 0.128 | 0.129 | 0.131 | 0.135 |
| 2019 | 0.182 | 0.198 | 0.217 | 0.238 | 0.257 |
| 2020上半年 | 0.088 | 0.090 | 0.093 | 0.102 | 0.116 |

---

总结

国盛证券这份《基金重仓股研究》报告，以深度数据分析和丰富实证框架，梳理了基金重仓股超额收益的系统性规律，明确基金业绩与持仓结构变化对超额收益的预测意义，成功融合成选股策略显著提升策略效果。报告不仅为基金跟踪及量化增强策略提供思路，更为理解机构资金行为对市场的影响带来重要视角，是机构量化投资领域的优质研究成果。[page::0-20]

报告