平安证券-主动权益基金行业调仓监测方法论研究：卡尔曼滤波与基于拟合残差的改进-220922

《平安证券-主动权益基金行业调仓监测方法论研究：卡尔曼滤波与基于拟合残差的改进-220922（10页）.pdf》由会员分享，可在线阅读，更多相关《平安证券-主动权益基金行业调仓监测方法论研究：卡尔曼滤波与基于拟合残差的改进-220922（10页）.pdf（10页精品完整版）》请在悟空智库报告文库上搜索。

　　公募基金在行业维度的调仓行为具有重要的参考价值，但基金的股票持仓信息披露频率低、披露时间相对滞后。在采用卡尔曼滤波模型监测主动权益基金行业调仓时，由于模型因子无法及时反映基金新进配置某一行业时的信息，可能会影响行业调仓的监测效果。针对该问题，报告从模型拟合残差的角度探讨了优化调仓监测的方法。
　　利用卡尔曼滤波监测公募基金行业调仓：1）卡尔曼滤波方法常用于线性系统中系统状态的最优化估计，其优势是根据新观测值不断修正和优化对系统状态的估计。2）主动权益基金除了定期披露的股票持仓数据，每日净值的变化包含了基金持仓变化的信息，基于这些信息来监测基金持仓变化是卡尔曼滤波方法很好的应用场景。3）选取10个重仓股因子、1个非重仓股组合因子和1个债券资产因子，以半年度为监测窗口期，对全市场主动权益基金2019年至2022年半年末区间每半年内的行业调仓情况进行了监测，并与实际调仓对照来统计胜率。2019年以来回测结果显示，采用卡尔曼滤波方法的行业调仓监测胜率平均达到66%。
　　基于拟合残差的基金调仓监测优化：1）当基金新进配置某一行业时，模型因子收益率及初始仓位信息无法反映该持仓变化，会影响行业调仓的监测效果。2）若监测期内基金模拟净值明显偏离其实际净值，对于日收益率偏离与行业指数涨跌幅一致性概率高的行业，可能代表了基金的调仓方向。3）从基金维度看，基于拟合残差对基金调仓监测进行改进后，有53.1%的基金行业调仓监测胜率得到提升。4）从行业维度看，整个监测期内的每个半年内，基金整体增持或减持前十大行业中，模型监测方向保持一致的胜率平均达到81%。
　　2022年三季度公募基金最新行业调仓监测结果：截至2022年9月9日，净增持电力设备、国防军工、电子、机械设备、非银金融行业的基金数量最多，净减持食品饮料、医药生物、有色金属、房地产、建筑材料行业的基金数量最多。
　　风险提示：1）本报告是基于公募基金历史数据进行的客观分析，样本基金可能存在错漏导致结果偏差。2）基金过往的情况不代表未来表现。3）基金行业调仓监测模型的估计结果存在误差。4）本报告涉及的基金不构成投资建议。