将偏股型公募基金仓位细分至行业层面的方法探索.pdf

《将偏股型公募基金仓位细分至行业层面的方法探索.pdf》由会员分享，可在线阅读，更多相关《将偏股型公募基金仓位细分至行业层面的方法探索.pdf（15页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 对于偏股型基金仓位测算模型的改进对于偏股型基金仓位测算模型的改进 将偏股型公募基金仓位细分至行业层面的方法探索 好买基金研究中心：孙志远好买基金研究中心：孙志远 一、一、研究目的研究目的 在去年 3 月的一篇研究报告1二、二、现有模型原理简介现有模型原理简介 中，我们对市场上主流的仓位测算模型进行了对比，并在相关机构研究基础上开发了好买公募基金仓位测算模型。在近一年时间内，模型较好的跟踪了公募偏股型基金持股水平，使研究员和投资者及时的了解机构投资者的操作。但在模型运作过程中也逐渐暴露出一些问题，譬如跟踪广度不够、仓位估计值不稳定等等。这些问题影响了模型结论的衍生研究，本文的研究目的即在于优化

2、现有模型，规避或减轻所存在的各种问题，使其更加准确的测度基金仓位的真实变动，并提高其对衍生研究的支持力度。好买当前所采用的仓位估算模型主要基于优化后的一元回归分析，以下是主要的运作原理：（一）根据大、中、小盘指数构造复合指数 以中证 100、中证 200 和中证 500 指数作为大、中、小盘股票收益的代理变量，将个基收益率序列对同期 3 个指数收益率序列进行拟合，在 3 个指数中寻找一个最优权重，使根据复合后的综合指数与个基收益的相关性最大。该最优权重即作为基金股票仓位在大、中、小盘股之间的分配比例。（二）建立总股票仓位估计的一元回归模型 将个基收益率序列作为应变量，所构造的复合指数作为自变量

3、，对每只基金建立一元回归模型，使用 OLS 估计截距项、回归系数和回归残差。回归系数作为初步估计的股票仓位，截距项解释为其他投资品种的收益和可持续的择股收益的加总，残差项为不可持续收益。（三）仓位值的规范性调整 收益率数据是一个随机变量，初步估计的仓位数据可能会因为样本的随机性而暂时偏离该基金在基金合同中所约定的股票投资范围，所以需要对初步估计值进行规范性调整，并以调整后的仓位值作为该基金的股票投资比例的最终估计值。三、三、现有模型所存在的问题现有模型所存在的问题 尽管该模型的原理广为各研究机构所用，但在实际运行中我们还是发现其存在一些问题，具体如下：1 偏股型基金仓位测算方法初试，2010

4、年 3 月 26 日。好买基金研究中心好买基金研究中心 专专 题题 2011 年 03 月 23 日 2 Confidential and Proprietary （一）复合指数权重不稳定 在多元回归模型中，如果自变量之间相关程度过高，将引发回归模型的多重共线性问题。虽然此时回归系数估计值仍一致无偏有效，但如果将自变量时间序列按固定窗口进行平移，将使得前后两期回归系数出现大幅波动。构造复合指数的方法虽然能在在第二步中避免使用多元回归模型，从而在该步骤中无需考虑多重共线性问题，但值得注意的是，第一步构造复合指数时仍面临进行多个变量的高度相关性，这也会引发复合指数中各子类指数分配比例在移动窗口下的

5、不稳定。以国泰金赢增长在 2011 年 2 月 22 日至 3 月 22 日和 2 月 23 日至 3 月 23 日两个时间窗口为例，原模型将根据大、中、小盘 3 个指数来测度最优权重。由于两个计算窗口仅相差一天，在未发生极端事件的前提下仓位变动幅度理应不大，但第一步测算结果显示，该基金大中小盘股票配比发生了巨大变化：中盘股比例从前一窗口的 0%直接上升至后一窗口的 25.36%，而大盘股比例则从 71.97%下降为 51.52%。原模型下大中小盘基金测算结果 数据来源：好买基金研究中心 此外，由于模型采用 15 个交易日的时间窗口，在第二步一元回归模型中，自由度仅为 13，不满足自由度大于1

6、5 的回归自由度经验准则，这也将增大第二步中回归系数值的估计误差。（二）计算时间窗口无法覆盖全月 根据之前对原模型的检验结果，基于 2006 年 1 季度到 2009 年 3 季度的数据，采用 15 个交易日作为计算时间窗口所计算的估计值和真实值的误差平方和最小，因此现有模型以 15 个交易日进行持续运作。但考虑目前好买基金是按月向投资者提供仓位测算数据，而 15 个交易日并没有覆盖全月，存在无法覆盖的“盲点”。（三）无法进行行业配置分析 目前基金投资研究和绩效归因逐步趋向于精细化，从之前简单的“大类资产配置+个股选择”研究向“大类资产配置+行业配置+个股选择”转变，而公募基金目前仅按季公布行

7、业配置水平，数据频率过低，同时其披露信息按证监会的行业划分口径，与当前主流的申万行业、中证行业分类法存在一些差别，因此以行业配置为基础的仓位测算对衍生研究具有更强的指导意义。现有模型限于自由度、多重共线性等约束，无法支持以行业指数为基础的仓位测算，对衍生研究的支持力度不足。28.03%0.00%71.97%23.12%25.36%51.52%0.00%10.00%20.00%30.00%40.00%50.00%60.00%70.00%80.00%大盘股配置比例中盘股配置比例小盘股配置比例时间窗口1：2-22至3-22时间窗口2：2-23至3-23 3 Confidential and Prop

8、rietary 四、四、新方案简介新方案简介 为了对规避或减轻上述问题对估计结果的影响，本文对原测算方案进行了优化，主要改进点如下：（一）以 21 个交易日作为计算时间窗口 考虑到目前模型计算时间窗口过短所带来的回归自由度不足以及无法覆盖全月等问题，新方案将计算时间窗口扩展至 21 个交易日，由此计算出来的仓位数据代表从计算时间点向后约 1 个月内基金的平均股票仓位。（二）引入行业指数，抽取主成分 考虑到市场认同度以及研究的习惯性，新的模型选择 23 个申万 1 级行业作为仓位基础模拟指标。从数据上看，尽管申万 1 级行业分类相对较细，但其收益之间的相关性仍然较强。以下是使用 2010 年 1

9、2 月 17 日到 2011 年 1 月17 日的 21 个连续交易日收益序列计算的 Pearson 相关系数，结果显示仅有食品饮料与采掘和房地产两个行业的相关性未通过 5%的显著性检验。申万一级行业 Pearson 相关系数矩阵 相关 系数 农林 牧渔 采掘 化工 黑色 金属 有色 金属 建筑 建材 机械 设备 电子 元器件 交运 设备 信息 设备 家用 电器 食品 饮料 农林 牧渔 1.00 0.66 0.86 0.80 0.81 0.90 0.92 0.91 0.89 0.88 0.92 0.49 采掘 0.66 1.00 0.87 0.80 0.80 0.83 0.80 0.73 0.

10、73 0.69 0.66 0.38 化工 0.86 0.87 1.00 0.92 0.84 0.95 0.94 0.93 0.91 0.92 0.90 0.59 黑色 金属 0.80 0.80 0.92 1.00 0.78 0.87 0.82 0.83 0.89 0.85 0.81 0.45 有色 金属 0.81 0.80 0.84 0.78 1.00 0.89 0.86 0.87 0.75 0.84 0.83 0.51 建筑 建材 0.90 0.83 0.95 0.87 0.89 1.00 0.97 0.94 0.91 0.93 0.89 0.52 机械 设备 0.92 0.80 0.94

11、0.82 0.86 0.97 1.00 0.97 0.92 0.95 0.93 0.54 电子 元器件 0.91 0.73 0.93 0.83 0.87 0.94 0.97 1.00 0.89 0.97 0.95 0.63 交运 设备 0.89 0.73 0.91 0.89 0.75 0.91 0.92 0.89 1.00 0.88 0.86 0.54 信息 设备 0.88 0.69 0.92 0.85 0.84 0.93 0.95 0.97 0.88 1.00 0.95 0.63 家用 电器 0.92 0.66 0.90 0.81 0.83 0.89 0.93 0.95 0.86 0.95

12、1.00 0.60 食品 饮料 0.49 0.38 0.59 0.45 0.51 0.52 0.54 0.63 0.54 0.63 0.60 1.00 纺织 服装 0.83 0.80 0.95 0.88 0.84 0.93 0.94 0.94 0.94 0.92 0.88 0.63 轻工 制造 0.85 0.78 0.96 0.91 0.82 0.93 0.93 0.94 0.93 0.94 0.92 0.65 医药 生物 0.77 0.63 0.86 0.68 0.75 0.82 0.89 0.93 0.83 0.89 0.87 0.80 公用 事业 0.83 0.86 0.98 0.94

13、0.83 0.94 0.92 0.90 0.93 0.91 0.88 0.55 交通 运输 0.75 0.83 0.95 0.94 0.82 0.88 0.86 0.87 0.87 0.88 0.85 0.61 房地产 0.62 0.81 0.79 0.89 0.63 0.74 0.67 0.63 0.75 0.63 0.64 0.22 金融 服务 0.59 0.70 0.74 0.81 0.66 0.66 0.61 0.65 0.64 0.69 0.64 0.44 商业 贸易 0.90 0.71 0.93 0.85 0.85 0.91 0.94 0.96 0.91 0.95 0.96 0.6

14、1 餐饮 0.85 0.66 0.90 0.88 0.80 0.88 0.89 0.95 0.89 0.95 0.90 0.72 4 Confidential and Proprietary 旅游 信息 服务 0.92 0.76 0.95 0.88 0.83 0.92 0.95 0.96 0.93 0.95 0.96 0.62 综合 0.89 0.79 0.95 0.93 0.82 0.93 0.94 0.93 0.94 0.94 0.90 0.59 续前表 纺织 服装 轻工 制造 医药 生物 公用 事业 交通 运输 房地产 金融 服务 商业 贸易 餐饮 旅游 信息 服务 综合 农林 牧渔 0

15、.83 0.85 0.77 0.83 0.75 0.62 0.59 0.90 0.85 0.92 0.89 采掘 0.80 0.78 0.63 0.86 0.83 0.81 0.70 0.71 0.66 0.76 0.79 化工 0.95 0.96 0.86 0.98 0.95 0.79 0.74 0.93 0.90 0.95 0.95 黑色 金属 0.88 0.91 0.68 0.94 0.94 0.89 0.81 0.85 0.88 0.88 0.93 有色 金属 0.84 0.82 0.75 0.83 0.82 0.63 0.66 0.85 0.80 0.83 0.82 建筑 建材 0.

16、93 0.93 0.82 0.94 0.88 0.74 0.66 0.91 0.88 0.92 0.93 机械 设备 0.94 0.93 0.89 0.92 0.86 0.67 0.61 0.94 0.89 0.95 0.94 电子 元器件 0.94 0.94 0.93 0.90 0.87 0.63 0.65 0.96 0.95 0.96 0.93 交运 设备 0.94 0.93 0.83 0.93 0.87 0.75 0.64 0.91 0.89 0.93 0.94 信息 设备 0.92 0.94 0.89 0.91 0.88 0.63 0.69 0.95 0.95 0.95 0.94 家用

17、 电器 0.88 0.92 0.87 0.88 0.85 0.64 0.64 0.96 0.90 0.96 0.90 食品 饮料 0.63 0.65 0.80 0.55 0.61 0.22 0.44 0.61 0.72 0.62 0.59 纺织 服装 1.00 0.97 0.91 0.96 0.93 0.74 0.70 0.95 0.92 0.94 0.95 轻工 制造 0.97 1.00 0.90 0.96 0.96 0.75 0.70 0.94 0.93 0.97 0.95 医药 生物 0.91 0.90 1.00 0.82 0.81 0.45 0.51 0.89 0.89 0.89 0.

18、83 公用 事业 0.96 0.96 0.82 1.00 0.95 0.85 0.77 0.93 0.89 0.93 0.96 交通 运输 0.93 0.96 0.81 0.95 1.00 0.81 0.82 0.89 0.90 0.91 0.92 房地产 0.74 0.75 0.45 0.85 0.81 1.00 0.79 0.70 0.64 0.72 0.78 金融 服务 0.70 0.70 0.51 0.77 0.82 0.79 1.00 0.71 0.70 0.69 0.77 商业 贸易 0.95 0.94 0.89 0.93 0.89 0.70 0.71 1.00 0.92 0.96

19、 0.94 餐饮 旅游 0.92 0.93 0.89 0.89 0.90 0.64 0.70 0.92 1.00 0.92 0.93 信息 服务 0.94 0.97 0.89 0.93 0.91 0.72 0.69 0.96 0.92 1.00 0.96 综合 0.95 0.95 0.83 0.96 0.92 0.78 0.77 0.94 0.93 0.96 1.00 数据来源：好买基金研究中心 因此，如果直接使用行业指数进行回归，即使使用较长的收益率序列，回归系数仍然会受到多重共线性的扰动。鉴于此，我们引入主成分分析法，该方法通过对高度相关变量间协方差矩阵的转换，从较多的变量中抽取少数几个不

20、相关的主成分，使其尽可能的反映出原有变量族所涵盖的信息，降低数据空间的维度。引入该方法后，可将原有23 个行业指数简化为少数几个相关程度极低的主因子，而这些因子可解释原有行业指数族的绝大部分信息，在保存大量信息的前提下极大的降低了自变量间的相关性。5 Confidential and Proprietary 仍以 2010 年 12 月 17 日到 2011 年 1 月 17 日的 21 个连续交易日申万一级行业指数收益为例，在抽取 3 个主成分时，其信息抽取量占原有信息总量的 93.11%；除了有色金属行业略低外，3 个主成分从各行业中抽取的信息量均超过 80%；3 个主成分之间相关性也极低

21、，多重共线性得以有效改善。主成分特征值及累计方差 数据来源：好买基金研究中心 Total Variance ExplainedTotal Variance Explained19.38084.26284.26219.38084.26284.2621.3295.77990.0411.3295.77990.041.7063.06893.109.7063.06893.109.4321.87694.985.3461.50596.490.169.73597.225.152.65997.884.125.54598.429.112.48898.917.075.32699.242.055.23899.480.

22、037.16399.643.034.14999.792.024.10399.894.015.06599.959.005.02199.980.003.01399.993.001.00499.997.001.003100.000.000.000100.0005.61E-0162.44E-015100.0002.61E-0161.14E-015100.0002.82E-0171.22E-016100.000Component1234567891011121314151617181920212223Total%of VarianceCumulative%Total%of VarianceCumulat

23、ive%Initial EigenvaluesExtraction Sums of Squared LoadingsExtraction Method:Principal Component Analysis.6 Confidential and Proprietary 主成分抽取信息比例 数据来源：好买基金研究中心 主成分相关系数矩阵 数据来源：好买基金研究中心 （三）主成分回归 以经标准化处理后的个基日收益序列为应变量，前步所抽取主成分作为自变量，建立多元回归模型，估计主成分回归系数。=F1,p B,1 其中：CommunalitiesCommunalities1.000.9061.000

24、.8011.000.9641.000.9361.000.7831.000.9521.000.9791.000.9751.000.8931.000.9491.000.9271.000.9481.000.9511.000.9641.000.9511.000.9721.000.9621.000.9371.000.8531.000.9511.000.9381.000.9651.000.957农林牧渔采掘化工黑色金属有色金属建筑建材机械设备电子元器件交运设备信息设备家用电器食品饮料纺织服装轻工制造医药生物公用事业交通运输房地产金融服务商业贸易餐饮旅游信息服务综合InitialExtractionExtr

25、action Method:Principal Component Analysis.Component Score Covariance MatrixComponent Score Covariance Matrix1.000.000.000.0001.000.000.000.0001.000Component123123Extraction Method:Principal Component Analysis.Component Scores.7 Confidential and Proprietary ：标准化后的个基收益率；F1,p：被抽出的主成分因子行向量；B,1：回归参数估计值列

26、向量。（四）确定行业配置比例及股票仓位 利用因子载荷矩阵对主成分回归系数进行还原，经过转换后得到每个行业的回归系数，以该系数作为基金对该行业投资比例的估计，并将 23 个行业回归系数汇总值解释为基金的估计股票仓位。总体来看，相对于原有模型，新的测算方案大大减轻了自变量的多重共线性，降低了参与回归的自变量个数，增加回归方程的自由度，使回归结果更加稳定。同时，模型测度了基金的月度平均仓位，并将股票投资比例以行业为口径进行细分，既可扩大自变量对资本市场覆盖的广度，也可提高后续衍生研究的深度。五、五、新方案运行效果检验新方案运行效果检验 由于公募基金目前仅按季公布股票投资比例和证监会分类口径的行业投资

27、比例，日常仓位水平并不可通过公开渠道获知，而新方案测度的是个基 1个月内股票的平均投资比例以及其对 23个申万 1级行业的平均投资比例，因此，从理论上来讲新方案的运作效果是无法进行严格检验的。退而求其次，我们选择了 2008 年以来的 12 个季度作为比较区间，以 2006 年 9 月 30 日前2成立的 48 只股票型基金和 95 只标准混合型基金3（一）单个基金预测结果 作为样本，取基金季报公布的股票仓位作为真实值，而以季末点为中点的 21 个交易日窗口作为模型的估计区间，并以模型回归系数作为仓位估计值，将两者进行比较，结果如下：1、预测误差绝对值 我们将每只基金在每个时间点上的股票仓位估

28、计值与季报公布的实际值之差作为个基预测误差，再在每个时间点上对所有基金的预测误差取横向均值，以该值来衡量每个时间点上个基仓位预测误差的平均水平。下表列示了样本基金在 12 个季度内的估计误差均值以及各误差水平占比。可以看出股票型基金预测精度较高，平均误差绝对值仅为 5.64%，除 2009 年 6 月误差较大外，其余时间误差绝对值均控制在 56%。估计误差在 5%以内的基金占比将近60%，而在 10%以内的比例达到 80%以上。横向比较来看，标准混合型基金预测精度略低于股票型基金，可能的原因在于该类基金股票投资比例更宽，债券或现金投资占比相对更大，加大了估计的难度。个基预测误差绝对值 基金类别

29、 股票型 标准混合型 测算期 平均估计 绝对差 估计绝对差 在 5%以内的占比 估计绝对差 在 10%以内的占比 平均估计 绝对差 估计绝对差 在 5%以内的占比 估计绝对差 在 10%以内的占比 2008-03-31 4.29%60.42%93.75%3.94%72.63%95.79%2008-06-30 6.72%45.83%75.00%7.14%44.21%73.68%2008-09-30 4.24%79.17%85.42%5.62%54.74%81.05%2 取该时间节点的目的是假设基金在成立后存在 3 个月的建仓期和 1 年的风格稳定期，我们希望在于将样本锁定为具有成熟稳定投资风格的

30、产品。3 此处所指的“股票型”和“标准混合型”基金均基于好买公募基金分类体系。8 Confidential and Proprietary 2008-12-31 5.89%54.17%79.17%6.01%53.68%77.89%2009-03-31 5.69%52.08%89.58%5.80%57.89%85.26%2009-06-30 9.29%29.17%60.42%10.24%40.00%56.84%2009-09-30 5.22%56.25%83.33%5.55%56.84%83.16%2009-12-31 5.21%54.17%89.58%4.70%62.11%89.47%2010

31、-03-31 5.47%56.25%81.25%6.91%49.47%76.84%2010-06-30 5.84%56.25%79.17%6.23%48.42%77.89%2010-09-30 5.72%56.25%83.33%6.66%48.42%82.11%2010-12-31 4.16%68.75%93.75%4.68%62.11%90.53%平均 5.64%55.73%82.81%6.12%54.21%80.88%数据来源：好买基金研究中心 2、仓位变动方向 仓位测算模型是对基金实际收益来源的抽象过程，对于个股选择以及债券收益的考虑程度不足，因此我们不奢求模型能够完美的测度基金仓位的具

32、体数值。相对来说，其仓位变动方向更具有实际参考意义，能够帮助我们了解基金对于未来市场的预期。我们计算了每只样本基金在统计区间内仓位实际值与估计值的相关系数，该指标的统计分布结果如下：股票型基金相关系数分布频率 数据来源：好买基金研究中心 0.0%2.1%0.0%2.1%4.3%10.6%17.0%19.1%34.0%10.6%0.0%5.0%10.0%15.0%20.0%25.0%30.0%35.0%40.0%股票型基金相关系数分布频率 9 Confidential and Proprietary 股票型基金相关系数累计分布频率 数据来源：好买基金研究中心 标准混合型基金相关系数分布频率 数据

33、来源：好买基金研究中心 100.0%97.9%97.9%95.7%91.5%80.9%63.8%44.7%10.6%0.0%20.0%40.0%60.0%80.0%100.0%120.0%0.1以上0.2以上0.3以上0.4以上0.5以上0.6以上0.7以上0.8以上0.9以上股票型基金相关系数累计分布频率0.0%3.2%3.2%4.2%5.3%4.2%7.4%14.7%31.6%26.3%0.0%5.0%10.0%15.0%20.0%25.0%30.0%35.0%标准混合型基金相关系数分布频率 10 Confidential and Proprietary 标准混合型基金相关系数累计分布频率

34、 数据来源：好买基金研究中心 无论是股票型基金还是混合型基金，个基的相关系数均分布在 0.80.9 的区间之内，相关系数超过 0.9 的标准混合型基金占比甚至达到 26.3%。从累计分布频率上看，超过 80%的基金相关性强于 0.6，且在高相关性区间内累计频率增长速度较快，表明模型对个基的仓位变动方向的拟合程度较好。（二）整体市场预测结果 我们以每个时间点上所有样本个基的股票仓位均值作为市场整体股票仓位的估计值，而将个基季报公布的股票仓位的均值作为整体股票仓位的实际值，两者之差作为整体仓位水平的预测误差。预测误差的绝对数值显示，模型对基金市场平均仓位的预测精度明显高于对个基的预测精度。股票型和

35、标准混合型基金的整体预测误差均值仅为2.49%和 2.73%，明显优于个基 5.64%和 6.12%的仓位预测均值。值得注意的是在绝大多数时间内，无论是股票型还是标准混合型基金，整体测算仓位均低于整体实际仓位，模型估计值有可能存在系统性偏低的倾向。对于该现象，笔者推测与计算口径和取样时间点相关。模型测算的是包含季末的 1个月时间段个月时间段的平均仓位，而实际仓位取自季度末的时点季度末的时点，两者计算口径存在差异，可比性并不严密；此外，由于多数基金在季末有业绩考核压力，因此基金经理具有在季末提高股票仓位、拉升个股价格的冲动，这也可能导致季末时点上基金股票仓位出现系统性偏高。综合考虑，我们大胆推测

36、只要测算区间偏离季末点越远，整体仓位估计值的精确度将有显著提高。基金整体仓位预测误差绝对值 类别 股票型市场平均 标准混合型市场平均 测算期 测算仓位 实际仓位 差额 测算仓位 实际仓位 差额 2008-03-31 77.72%79.29%1.57%69.44%70.38%0.94%2008-06-30 70.43%76.15%5.71%59.91%66.03%6.12%2008-09-26 70.09%73.64%3.55%56.47%61.07%4.60%100.0%96.8%93.7%89.5%84.2%80.0%72.6%57.9%26.3%0.0%20.0%40.0%60.0%80.

37、0%100.0%120.0%0.1以上 0.2以上 0.3以上 0.4以上 0.5以上 0.6以上 0.7以上 0.8以上 0.9以上标准混合型基金相关系数累计分布频率 11 Confidential and Proprietary 2008-12-31 68.40%72.50%4.09%55.55%59.32%3.78%2009-03-31 78.35%78.63%0.28%67.69%67.87%0.18%2009-06-30 80.71%86.86%6.15%68.30%75.50%7.21%2009-09-30 79.64%81.36%1.72%70.90%71.92%1.01%200

38、9-12-31 86.17%87.92%1.76%76.66%77.53%0.87%2010-03-31 86.34%85.98%0.37%74.08%75.27%1.18%2010-06-30 75.52%77.97%2.45%63.95%65.43%1.48%2010-09-30 84.05%85.74%1.69%69.92%74.45%4.53%2010-12-31 87.57%88.07%0.49%78.09%77.19%0.90%平均 2.49%2.73%数据来源：好买基金研究中心 为了更加精确的测度新方案预测基金仓位的有效性，我们引入无截距的一元回归模型。回归系数既衡量了两者的相关

39、程度，还衡量了实际仓位变化 1 个单位时，测算仓位响应的敏感性。从理论上来看，回归系数为 1 时意味着新方案完美的模拟了实际仓位变动；回归系数越远离于 1，则代表新方案的有效性越差。从回归结果上看，两类基金的回归系数均高度趋近于 1，且呈现极高度的统计显著性，表明新方案有效性较好。股票型基金的回归系数相对更大，再次表明新方案对于股票投资占比更高的基金预测能力更强。股票型基金回归结果 数据来源：好买基金研究中心 标准混合型基金回归结果 数据来源：好买基金研究中心 六、六、近期近期股票型股票型基金仓位监测基金仓位监测结果结果 根据新方案的监测结果，本周股票型基金仓位较前周略有提高，从 3 月 16

40、 日的 86.07%小幅上升 0.76%至 3 月23 日的 86.83%，名义仓位差异主要来自于被动仓位变动。因市场上涨而引发的仓位上升幅度达到 0.66%，占名义变动幅度的 86.04%。基金经理主动调仓比例仅为 0.11%，显示出机构投资者对后市仍谨慎看多。整体上看，目前公募基金仓位以居于历史高位，可供注入的增量资金并不多。CoefficientsCoefficientsa,ba,b.971.0081.000128.206.0001.0001.0001.000股票型基金整体实际仓位Model1BStd.ErrorUnstandardizedCoefficientsBetaStandard

41、izedCoefficientstSig.Zero-orderPartialPartCorrelationsDependent Vari abl e:股票型基金整体预测仓位a.Linear Regression through the Originb.CoefficientsCoefficientsa,ba,b.964.011.99989.134.000.999.999.999标准混合型基金整体实际仓位Model1BStd.ErrorUnstandardizedCoefficientsBetaStandardizedCoefficientstSig.Zero-orderPartialPartC

42、orrelationsDependent Vari abl e:标准混合型基金整体预测仓位a.Linear Regression through the Originb.12 Confidential and Proprietary 股票型基金整体股票仓位及其变动 数据来源：好买基金研究中心 从行业配置上看，信息服务、公用事业和食品饮料依旧是股票型基金的重仓行业，配置比例均超过 5%。尽管近期有所表现，但采掘、黑色金属、金融服务的仓位水平仍居于后列，本周配置比例分别为 1.6%、1.8%和 2.4%，显示出目前基金虽在积极调仓，但仍趋向于受政策利好的中小盘股票，低估值的大盘股依然未受机构投资者

43、的青睐。股票型基金整体行业配置比例 数据来源：好买基金研究中心 0.76%0.66%0.11%86.83%86.07%85.6%85.8%86.0%86.2%86.4%86.6%86.8%87.0%0.0%0.1%0.2%0.3%0.4%0.5%0.6%0.7%0.8%0.9%本周上周名义被动主动仓位变动股票仓位0.0%1.0%2.0%3.0%4.0%5.0%6.0%7.0%采掘黑色金属金融服务有色金属家用电器餐饮旅游医药生物建筑建材房地产交运设备综合商业贸易交通运输轻工制造信息设备纺织服装机械设备电子元器件化工农林牧渔食品饮料公用事业信息服务本周仓位上周仓位 13 Confidential

44、and Proprietary 从行业配置的变动幅度来看，农林牧渔、机械设备、食品饮料和电子元器件居于前列，大消费行业增仓态势明显；而商业贸易、房地产、金融服务等金融地产相关板块的配置比例出现下降，表明机构投资者依旧保持了对政策不确定性的高度关注。股票型基金整体行业配置比例变动幅度 数据来源：好买基金研究中心 -1.50%-1.00%-0.50%0.00%0.50%1.00%1.50%2.00%2.50%商业贸易房地产金融服务纺织服装轻工制造信息服务医药生物综合公用事业交通运输黑色金属建筑建材采掘交运设备有色金属餐饮旅游信息设备家用电器化工电子元器件食品饮料机械设备农林牧渔本周行业仓位变动 14 Confidential and Proprietary 1 Confidential and Proprietary 免责条款免责条款 本报告中的信息均来源于公开可获得资料，好买基金研究中心力求准确可靠，但对这些信息的准确性及完整性不做任何保证，获得报告的人士据此投资，其风险和责任自负。本报告不构成针对个人的投资建议，也没有考虑到个别客户特殊的投资目标、财务状况或需要。客户应考虑本报告中的任何意见或建议是否符合其特定状况。本报告仅向特定客户及伙伴传送，任何引用、转载以及向第三方传播的行为请预先通知好买，并请在引用、转载以及向第三方传播中注明出处。