公募基金量化专题：基于更准确持仓测算下的行业选择和FOF策略-20240116-国金证券-15页.pdfVIP

公募基金是市场上重要的机构投资者，跟踪公募基金行业仓位的高频变化，能在一定程度上辅助投资者对市场进

行研判，为投资提供帮助。目前传统测算方法主要是基于线性回归，但由于高相关性和低信噪比，导致最终结果往往

不够理想。本文使用卡尔曼滤波作为核心模型，针对公募基金投资操作特点进行适配，最终探索出一套准确度较高的

行业测算方法。在此基础上，本文使用行业测算结果，一方面构建基金行业因子对未来行业指数表现进行预测，另一

方面构建基金选股和交易因子建立FOF组合策略。经检验，两个应用维度上均取得了很好效果。

卡尔曼滤波在通信、导航、制导与控制等多领域有广泛的运用，它是一种递归的贝叶斯算法，能够实现数据实时

更新和去噪声处理，并对系统状态进行最优估计。用卡尔曼滤波进行基金行业仓位测算有天然的适配性，基金的行业

配置比例是状态变量，基金的净值涨跌幅是可观测值，两者满足线性转换关系，并符合模型的假设要求。可以从基金

实际行业配置比例出发，通过每日涨跌幅进行校正，最终得到当期配置比例的最优估计。

在具体运用上，我们用持股明细和重仓股补全的行业配置比例作为初始值，并根据基金的行业轮动风格将基金分

类，每一类中对超参数分别进行赋值。在行业收益的考量上，我们针对每只基金实际持仓构造了行业指数，并与市场

行业指数进行等权结合，兼顾了基金特点与行业全局，充分利用了基金持