FOF微观筛选系列(三):着眼公募基金持仓,窥一斑而知全豹

华宝证券有限责任公司 李真


　　公募基金的全部持仓:作为截面数据,基金的持仓穿透至底层配置,分析准确性较高。而另一方面,公募基金一年仅公布四次持仓,其中仅有两次为全部持仓公布,数据频率低,如同零散的片段。因此,我们将基于全部持仓的分析作为净值分析的重要补充,运用到基金经理与基金产品的风格划分与筛选中。

　　基于全部持仓数据的风格归因:正文。风格的划分在自上而下的FOF投资流程中扮演重要的一环。通过基金的持仓可以看到某一时点基金的风格选择,也可以结合多个持仓披露点观察基金随着时间推移的风格演变。我们借鉴了BARRA框架中与价值/成长、大盘/小盘维度相关的估值因子、盈利因子、成长因子与规模因子,与全部持仓数据相结合,计算基金在各个因子上的暴露度得分。进一步,我们可以绘制基金的风格雷达,并通过设定暴露度得分的阈值对基金风格划分。

　　持仓归因与净值归因交叉验证:在前期的研究中,我们以Sharpe模型的净值回归方法挑选风格稳定的基金。在本篇报告中,我们又利用多个持仓披露期的数据得出在不同截面时点上的风格分类。如果净值风格归因的结论与时点持仓归因得出的结论基本重合,就可以对基金风格有更加确信的把握。我们统计了Sharpe归因方法划分下各类风格基金的持仓因子分布,发现不同风格类型的基金因子暴露得分的分化较为明显;同时我们统计了持仓归因与Sharpe归因结论的重合度,整体重合度多在60%-70%之间。持仓数据可以作为净值回归结论的有效验证与补充。

　　前十大重仓股的信息价值评估:如公募基金在季报中仅仅公布前十大重仓股,信息不全,可以作为分析基金投资与业绩的有效参考吗?如果可以,那么一般认为,基金应该具有如下的特征:1、前十大重仓股集中度高;2、换手率低;3、前后持仓披露期的持股集中度变化较小,即前十大持股可以很大程度反映基准择时对基金业绩的贡献。但是这些约束指标有以下问题:一方面,高持股集中度的基金数量有限,限制了我们对前十大持股信息的利用;另一方面不确定因素仍然很多。基于以上问题,我们在本篇报告中引入了净值模拟的方法,并计算MAPE指标来衡量模拟的效果。MAPE值越小,模拟效果越好,更能够说明前十大重仓股可以较大程度作为分析基金投资与业绩的有效参考。同时在本次测试中,MAPE值的大小与换手率、持股集中度并没有很强的相关性,因而MAPE指标可以帮助我们拓宽适用前十大重仓股分析的基金品种,并且进一步了解持仓反映的信息价值。 新浪声明：新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。