固收基金仓位高频探测方法及实证对比分析.pdfVIP

基金研究系列 1 研究导读 随着公募基金资产总额在市场的定价权逐渐增加，市场对公募权益基金持仓还原的关注 度越来越高，以多元线性回归模型为核心的高频跟踪模型为主要应用方法。但同时以传统“固 收+ ”产品为代表的多元资产型公募基金，其债权持仓也通常作为机构投资者的主要持仓资 产，公募基金只在每个季度末对其资产配置情况进行披露，使得基金投资人和基金管理人之 间存在明显的信息不对称性。为了便于在当前 FOF 组合构建中，提高频次对组合资产配置 比例的动态把握，更加紧密跟踪以固收+为代表的多元资产型基金管理者的持仓动态，本文 将对固收+基金仓位的测算研究成为一项有意义的工作。 本文研究对象的固收+公募基金，是指基金底层资产由股票资产、债券资产和其他资产 构成的公募基金产品。其中债券资产又细分为利率债、信用债、可转债，其他资产又细分为 银行存款、买入返售证券、权证等。按照 wind 分类分为混合债券型一级基金、混合债券型 二级基金、灵活配置型基金、偏债混合型基金、中长期纯债基金。 截至 2022 年 12 月 31 日（即2022 年四季度），我们按照前期报告的筛选方式，根据 过去 12 个季度的仓位数据得到2022 年四季度为稳健型、平衡型、激进型标签的固收+基金 634 只基金，并将其按照 wind 分类分为混合债券型一级基金、混合债券型二级基金、灵活 配置型基金、偏债混合型基金4 种类型。 本文我们基于传统意义上的指数净值回归法，以基金日收益率为因变量，各个资产的宽 基指数为自变量，拟合线性回归模型，得到的回归系数即为各个资产的仓位。为了缓解自变 量多重共线性问题，我们创新性的使用了 PCA 得到主成分指数 A，并利用相关性的方法筛 选了与主成分指数相关性最低的剩余三个指数，基于 4 个最优指数分别使用普通线性回归、 岭回归、Lasso 回归和二次规划法。比较上述方法对四种类型以固收+基金为代表的多元资 产型基金产品仓位的预测效果，我们采用均方根误差衡量预测误差，使用仓位标准差衡量预 测仓位的波动水平，最终发现窗口加权回归下将仓位限制在历史前后期内的二次规划法预测 效果最好，其实现样本固收+基金在 12 个季度的预测精度 RMSE 均值4.18% ，仓位波动（标 准差）均值8.74% 。由于其采用了未来数据而不具备预测性。因此我们选择效果次之的窗口 加权回归下结合上期持仓的二次规划法，其实现样本固收+基金在 12 个季度的预测精度 RMSE 均值 7.31% ，仓位波动（标准差）均值9.18% 。而其余的模型 Lasso 回归、岭回归 和普通线性预测表现相近，误差均较大。 1 基金研究系列 2 优化解决传统线性回归模型的缺陷：多重共线性 2.1 构建传统的线性回归模型 模型构建：构建组合净值涨跌幅与各资产指数到期收益率变化之间的回归方程，回归方 程如下： = + , , + , , + , , + , , + 其中，因变量 为t 时期基金的净值收益率，自变量 为t 时期股票指数的收益率，自 , 变量, 为t 时期利率债指数的收益率，自变量, 为t 时期信用债指数的收益率，自变量 , 为 t 时期可转债指数的收益率，为残差项，为截距项，表示基金收益率中无法被债 券指数和股票指数解释的部分。 本文主要以传统“固收+ ”作为代表产品，考虑到不同资产的指数种类繁多，我们需要 筛选一部分适用于固收+基金的指数来缩小范围。对于股票指数，经统计样本基金的股票持 仓在中证 800 成份股中的规模占比平均约为 90% ，因此中证800 作为首选指数纳入考虑范 围，其次，我们还加入了沪深300、中证500、中证 1000 用以补全股票指数。对于普通债 券指数，我们首先选取了中证信用、