来源：XYQUANT

◾跟踪公募基金的股票仓位能较准确且及时地了解公募基金的仓位动向，同时我们也希望将仓位信息运用于实际投资中，本文作为仓位测算的应用篇，分别在不同市场环境中对仓位数据进行了测试并按照均线系统将市场划为趋势市和震荡市，在震荡市中构建了基于基金仓位信息的择时模型。在此基础上本文将基金仓位因子融入到现有的择时模型中并进一步构建了分环境择时模型，无论是在趋势市还是在震荡市中均有优异的表现。

◾本文在不同环境下对基金仓位进行了分析，发现在趋势市中基金仓位有明显的追涨杀跌特性，在市场趋势向上时管理人将提高仓位，趋势下行则降低仓位；在震荡市中管理人则反其道而行之，当市场上涨时趋向于降低仓位，当市场下跌时管理人将适当提高仓位。

◾对历史数据进行统计分析，我们发现在不同的市场环境下，基金仓位择时的信号表现有较大差异：在震荡市中基金仓位数据有明显的择时效果，在全局和趋势市中的择时效果并不明显。在震荡市中使用基金仓位对市场择时，年化多空收益率为16.10%，收益波动比为0.65；年化多头收益率为10.08%，收益波动比为0.56；基准Wind全A在震荡市中的年化收益率为1.33%，收益波动比为0.05，择时的效果非常明显。

◾受基金仓位因子的启发，本文对现有中期择时因子分别在不同市场环境中进行了检验，发现它们也有相似的特征，故将因子分成了三类：在震荡市中表现更为亮眼的震荡市占优因子、在趋势市中表现更为亮眼的趋势市占优因子以及整体表现均衡且稳定的全局因子。

◾本文将基金仓位因子融入到现有的择时模型中并进一步构建了分环境择时模型，无论是在趋势市还是在震荡市中均有优异的表现。从全局来看，分环境择时模型的年化多空收益率为50.04%，收益波动比为1.93，年均双边换手20.08次；多头的年化收益率为33.27%，收益波动比为1.81，同期Wind全A的年化收益率为13.35%，收益波动比为0.47，改进后的择时模型显著降低了波动和回撤，效果非常显著。

报告正文

1

基金仓位的测算方法回顾

公募基金是股票市场的重要参与者，其仓位的变动反映了资金的流向，同时能体现其对市场走势的判断，是投资者极为关注的指标。考虑到国内公募基金仓位的披露频率较低（通常为季度）且公布时间具有一定的滞后性，为了实时跟踪基金的股票仓位变化，金融工程团队基于规模指数回归法与重仓股测算法对基金仓位进行了测算并对影响测算误差的相关因素进行了分析（详细内容请参见报告《基金研究系列之三：如何更精准地实时跟踪基金的股票仓位？》2020-03-02）。在本文中，我们根据基金年报、半年报或季报公布的持仓构建基础组合，用基金净值增长率序列对基础组合收益率序列进行带约束条件的多元线性回归，并使用基于60天时间加权最小二乘法（若在过去20日市场波动率大于50%时，将这一期的回归窗口由60天改为20天）求解，实时跟踪各基金的股票仓位。

跟踪股票仓位能较准确且及时地了解公募基金的仓位动向，同时我们也希望将仓位信息运用于实际投资中，本文作为仓位测算的应用篇，尝试获取基金仓位中的有效信息，并对权益市场择时。

基于以上的考虑，我们在剔除定期开放基金和沪港深基金后，选择规模大于5000万的灵活配置型基金，作为基金仓位观察的对象。选择灵活配置型基金的理由如下：

（1）灵活配置型基金的股票投资占基金资产的比例为0%-95%（根据要求，此类型基金需要保持不低于基金资产净值5%的现金），不同于偏股型基金和偏债型基金，基金经理对此类型基金的仓位具有较高的灵活性。若基金经理非常看好权益资产，可以将股票型将其仓位调整至最高95%，反之若对权益市场非常悲观，可以将仓位降至最低0%。我们认为在所有基金中，灵活配置型基金更能显著地反映管理人对市场的判断；

（2）灵活配置型基金的数量较多，且行业覆盖全面，在大样本条件下测算的数据更有可信度。截至2020年4月24日，我们选取符合要求的灵活配置型基金数量为1641只，总规模为8353.90亿元；根据2019年的年报所披露每只基金在申万一级行业的配置比例，我们计算了灵活配置型基金在每个行业的简单平均占比。从行业分布来看，灵活配置型基金在银行、电子、医药生物、食品饮料和非银金融行业的仓位较高，总占比接近50%，在综合、纺织服装、钢铁、商业贸易和采掘行业的仓位占比较低。

2

利用灵活配置型基金仓位数据对市场择时

下图展示了我们跟踪的灵活配置型基金的周度仓位数据和Wind全A的走势，经统计样本期内（2005/1/7-2020/7/10）基金仓位的均值为64.95%，中位数为67.48%，仓位最高值为80.60%（2007年8月31日），最低值为43.43%（2017年6月2日）。

我们根据万得全A的表现对市场进行了简单的划分，并对灵活配置型基金仓位与市场同期以及不同滞后期数的周度收益率进行了统计，从直观的走势来看，在市场明显处于上涨和下跌趋势时基金仓位与市场往同一方向变化。根据数据结果分析，当市场处于震荡市时，市场收益率与仓位的同期相关性均为负；当市场处于牛市或者熊市时，市场收益率与仓位的同期或者与滞后几期的仓位呈现显著的正相关性，我们认为这是因为当市场趋势发生改变的时候，基金仓位的变化要相对滞后一些。

对基金仓位与市场涨跌幅的关系进行数据分析，我们发现仓位数据与市场同期涨跌幅的相关系数为0.40%，与下一期的涨跌幅相关系数为-0.62%，从全局来看并没有显著的相关性。若按照下图表的市场划分方式，分别对全部震荡市和趋势市（牛市+熊市）进行仓位和收益率的相关性统计，可以发现在震荡市中，基金仓位与市场周度收益率的同期相关性为-13.83%，而在趋势市中，基金仓位与周度收益率的同期相关性为8.36%。

在进行了简单的状态划分以及统计分析之后，下文将用系统的方式对市场状态进行定义，并计算在不同市场环境下基金仓位与市场表现的相关性。本文在每周最后一个交易日收盘后根据Wind全A过去一段时间的表现来划分市场的状态，若Wind全A在最近一段时间内的20日、40日和60日均线呈单调排列（MA20>MA40>MA60或MA20

下表展示了不同市场环境下仓位数据与收益率的同期以及下一期的相关性，从2005年2月到今年7月10日，有213周的时间被划分为震荡市，572周的时间被划分为趋势市。当市场处于趋势市时，仓位与市场收益率呈正相关性，且衰减较为明显；当市场处于震荡市的时候，仓位与市场同期和下一期收益率均呈负相关性。根据数据不难得出结论：在趋势市中基金仓位有明显的追涨杀跌特性，在市场趋势向上时管理人将提高仓位，趋势下行则降低仓位；在震荡市中管理人则反其道而行之，当市场上涨时趋向于降低仓位，当市场下跌时管理人将适当提高仓位。

2.1 不同市场环境下的信号测试

上文对基金仓位与市场的收益率进行了简单的相关性分析，我们发现在全局和趋势市中两者的相关性较弱，且趋势市中的信号衰减速度也较快，震荡市中两者呈显著的负相关性，所以我们暂且将基金仓位作为反向因子，并在震荡市中对市场择时。为了验证因子方向与所适应市场环境的正确性，在本部分中我们将在不同市场环境下进行信号的测试。

本篇报告采用的择时逻辑和A股择时相同（具体请参见报告《系统化资产配置系列之四：基于长期、中期、短期择时模型相结合的A股市场择时研究》2019-11-03），在判定因子的方向之后根据市场涨跌的比例发射信号。我们首先统计万得全A历史周度收益率并将其分成上涨和下跌两种情况，发现在样本区间内万得全A周度上涨的频率为55.60%，下跌的频率为44.40%，从周度层面来看上涨的频率大于下跌的频率，因此周度仓位择时发出看涨的信号应该也要多于看跌的信号，才能获得更高的胜率，所以我们根据择时标的本身的历史上涨下跌频率来确定因子的分位点。

对历史数据进行统计分析，我们发现在不同的市场环境下，基金仓位择时的信号表现有较大差异：从下表可以看出，若此周市场处于震荡环境中，基金仓位择时未来一周收益率t检验的值为1.53，在80%的置信水平上拒绝了收益率均值为0的原假设，此环境中该因子的周度多空收益率均值为0.3505%，明显高于全局和趋势市的多空收益率均值。统计检验的结果证明，在震荡市中基金仓位数据有明显的择时效果，在全局和趋势市中的择时效果并不明显。

2.2 震荡市中基金仓位信息择时模型的构建

基于2.1中的结论，我们使用基金仓位进行择时，若市场处于震荡市中，且本期仓位高于全局的55.60%分位点，当期信号为-1，即发出看空信号；若本期仓位低于全局的55.60%分位点，当期信号为1，发出看多信号；趋势市则不发射任何择时信号。震荡市中的表现如下图表所示，年化多空收益率为16.10%，收益波动比为0.65；年化多头收益率为10.08%，收益波动比为0.56；基准Wind全A在震荡市中的年化收益率为1.33%，收益波动比为0.05；多空择时模型的年均双边换手10.36次，多头择时模型的年均双边换手5.44次，震荡市中使用基金仓位择时的效果非常明显。

在进行择时因子的挖掘时，我们不仅要考虑因子自身的择时效果，还要考虑新的因子对原有因子库的补充效用。我们希望新增的因子与历史因子具有较低的相关性，因为相关性越低表明新增的因子带来的增量信息越多，反之若相关性越高表明新增的因子带来的增量信息越少。基于以上考虑，我们在震荡市中对基金仓位择时因子与原有的择时因子的多空收益率进行了相关性的统计（统计起始时间为最晚的因子信号出现时间），结果如下表。

在震荡市中，基金仓位信息因子与现有因子的整体相关性较低，与固定资产基建投资累计同比、PMI新出口订单因子、美元兑离岸人民币汇率、一个月和三个月的市场动量因子的相关性均为负，若在现有择时模型中加入基金仓位信息，或许能有效提升模型表现。

2.3 融合基金仓位因子并进行分环境择时

受基金仓位因子的启发，我们对现有中期择时因子分别在不同市场环境中进行了检验，发现它们也有相似的特征：部分因子在震荡市中的表现明显优于在趋势市中的表现（如医药行业超额收益、七天回购利率），也有部分因子在趋势市中的表现优于震荡市中的表现（如固定资产基础设施建设投资累计同比、PPI环比、Shibor2W差分、Wind全A一个月动量、美元兑离岸人民币汇率），还有因子在两种环境下的表现较为均衡（如估值因子）。下表展示了中期择时模型中部分因子以及基金仓位因子在不同市场环境中的表现，对不同因子的多空日收益率进行了T检验，检验结果与因子在不同市场环境中的表现一致；在此基础上我们将因子分成了三类：在震荡市中表现更为亮眼的震荡市占优因子、在趋势市中表现更为亮眼的趋势市占优因子以及整体表现均衡且稳定的全局因子。

以上虽然是统计层面的检验结果，但是因子也有其内在的逻辑：如动量因子在趋势市中的表现较好，但是在震荡市中择时效果不佳，因为在市场处于上升趋势时，交易较为活跃，市场中的多头力量占据主导地位，股价处在强势的状态之下，上升趋势更容易维持；反之当市场处于下行趋势时，交易冷清，市场的空头力量相应较强。在震荡市中的趋势不易观察，所以常常难以获得超额收益。医药行业超额收益因子在震荡市中的表现显著优于在趋势市中的表现，因为医药行业是典型的防御型行业，当市场趋势上涨或者趋势下跌的时候，大部分投资者可能会追逐市场的热点行业进行投资，当市场处于趋势不明朗的震荡市中时，投资者可能会投资于医药或者食品饮料等行业以获取相对稳定的投资收益，所以在震荡环境下医药行业可以更好地捕捉投资者的情绪。

鉴于不同的因子分别在震荡市与趋势市中有不俗的表现，我们考虑将基金仓位因子融入到现有的择时模型中并进一步构建分环境择时模型：即当市场处于趋势市（趋势上升和趋势下降）中时，使用趋势市占优因子对市场进行择时；当市场处于震荡市中时，则使用震荡市占优因子择时，全局因子无论在震荡市还是在趋势市中均用来进行择时。

（1）震荡市择时表现

下图表展示了震荡市中择时的效果，在现有择时模型的基础上，若融入基金仓位信息因子并分环境择时，在震荡市中的年化多空收益率为29.60%，收益波动比为1.35，年均双边换手10.36次；年化多头收益率为19.61%，收益波动比为1.21；Wind全A在震荡市中的年化收益率为1.33%，收益波动比为0.05，震荡市中的择时效果非常显著。

（2）趋势市择时表现

下图表展示了趋势市中择时的效果，若融入基金仓位信息因子并分环境择时，在趋势市中的年化多空收益率为61.99%，收益波动比为2.28，年均双边换手17.23次；年化多头收益率为40.92%，收益波动比为2.13；Wind全A在趋势市中的年化收益率为19.03%，收益波动比为0.64，趋势市中的择时效果同样非常显著。

（3）全局择时表现

从全局来看，择时模型的表现同样非常亮眼，经过分环境择时改进之后模型的年化多空收益率为50.04%，收益波动比为1.93，年均双边换手20.08次；多头的年化收益率为33.27%，收益波动比为1.81，同期Wind全A的年化收益率为13.35%，收益波动比为0.47，无论是多空表现还是纯多头的表现较原有择时模型和基准均有显著的提升。

3

总结

跟踪公募基金的股票仓位能较准确且及时地了解公募基金的仓位动向，同时我们也希望将仓位信息运用于实际投资中，本文作为仓位测算的应用篇，分别在不同市场环境中对仓位数据进行了测试并按照均线系统将市场划为趋势市和震荡市，在震荡市中构建了基于基金仓位信息的择时模型。模型的年化多空收益率为16.10%，收益波动比为0.65；年化多头收益率为10.08%，收益波动比为0.56，基准Wind全A在震荡市中的年化收益率为1.33%，收益波动比为0.05。

在此基础上我们对现有的中期择时模型因子在不同市场环境下进行了检验，鉴于它们分别在震荡市与趋势市中有不俗的表现，本文将基金仓位因子融入到现有的择时模型中并进一步构建了分环境择时模型，无论是在趋势市还是在震荡市中均有优异的表现。从全局来看，分环境择时模型的年化多空收益率为50.04%，收益波动比为1.93，年均双边换手20.08次；多头的年化收益率为33.27%，收益波动比为1.81，同期Wind全A的年化收益率为13.35%，收益波动比为0.47，改进后的择时模型在提升收益的同时降低了波动和回撤，效果非常显著。

    以上就是本篇文章【利用基金仓位信息对市场择时】的全部内容了，欢迎阅览 ！ 文章地址：http://mdekt.bhha.com.cn/quote/632.html 
     行业      资讯      企业新闻      行情      企业黄页      同类资讯      网站地图      返回首页 康宝晨资讯移动站 http://weazh.bhha.com.cn/ , 查看更多