【国信金工】券商金股全解析—数据、建模与实践
（以下内容从国信证券《【国信金工】券商金股全解析—数据、建模与实践》研报附件原文摘录）
报 告 摘 要 一、初识券商金股 券商金股组合既包含分析师对行业风格的偏好，又包含分析师对推荐时点的判断。绝大多数券商的金股组合以月度形式推出，这意味着数据更新频率更高、时效性更强，能够更加及时地反映机构投资者对当前市场的偏好及判断。 目前，市场上采用的券商金股数据主要来源于每市APP、朝阳永续数据库和券商研究报告。本文对不同数据来源的优缺点进行了比较，并对数据整理过程中的细节进行了介绍，尽可能保证数据的严谨性和准确性。 二、券商金股股票池：普通股票型基金指数的良好表达 从券商金股数量、报告发布时效性、买卖方互动性、推荐逻辑与分析师盈利预测调整、超预期股票与券商金股、金股池换手率、内部结构等方面对券商金股的特征进行多维度解析。总体来看，券商金股股票池呈现出数量较多、时效性较强、互动性强、换手率较高、特质性强的特征。 根据券商金股的推荐家数进行加权，构建券商金股指数。从指数表现来看，券商金股指数与普通股票型基金指数走势十分接近，二者年化跟踪误差仅为5.91%。可以说，券商金股股票池是主动股基指数的良好表达。基于此，如果能够在该股票池中进行进一步优选，那么就可以达到稳定战胜主动股基中位数的表现。 三、基于券商金股的公募业绩增强策略 在A股市场中，公募基金的长期表现优于传统宽基指数，然而想要战胜公募基金中位数并非易事。对于考核相对排名的公募基金而言，如果每年都能够稳定地战胜公募基金中位数，那么其长期业绩排名将处于相对靠前的位置，从业绩稳定性和持续性来看都能够带来明显的提升。 我们以券商金股股票池为选股空间和约束基准，采用组合优化的方式控制组合与券商金股股票池在个股、风格上的偏离，以全体公募基金的行业分布为行业配置基准，构建券商金股业绩增强策略。 在2018年-2021年回测区间内，考虑仓位及交易费用的影响后，组合年化收益为35.86%，相对普通股票型基金指数年化超额17.31%，年化跟踪误差为6.35%，信息比为2.21，相对最大回撤为4.92%，在2018年-2021年期间，组合每年的业绩排名都排在主动股基前30%的水平。 四、券商金股精选组合 为提升组合的进攻性，我们从基本面和技术面两个维度对券商金股股票池进行筛选，构建券商金股精选组合。 在2018年-2021年回测区间内，考虑交易费用的影响后，组合年化收益49.59%，相对中证500指数的年化超额收益达到45.61%，信息比2.60，收益回撤比5.83。 近年来，随着卖方研究竞争的日益激烈，“卖方研究买方化”成为行业发展的共识和趋势。在这样的大背景下，券商研究所相继推出“券商金股”组合，通过集结研究所的核心团队，每月推出10只左右股票构成金股组合并进行持续跟踪。一般来讲，“券商金股”组合既体现了总量分析师（如宏观、策略、金融工程等团队）自上而下的行业、板块及风格配置能力，又能够反映出行业分析师自下而上的选股能力，是券商研究所研究实力核心竞争力的体现。作为与国内机构投资者（特别是公募基金）互动最为紧密的卖方研究团队，券商金股股票池不仅蕴含着巨大的Alpha潜力，其更大的价值在于能够更加及时、高效地反映出公募基金对于市场的前瞻性判断。研究发现，券商金股股票池能够较好地跟踪普通股票型基金指数的表现，若能够在该股票池中进行进一步精选，则可以获得稳定战胜普通股票型基金指数的表现。本报告我们将对券商金股组合的数据来源和细节处理进行详细介绍，对该股票池的特征及表现进行具体分析，最后通过多因子的方式从券商金股股票池中进行优选，以期稳定战胜公募股基指数。实证结果显示，该方法构建的组合历史表现稳健，2018年到2021年每年都能稳定战胜普通股票型基金指数，在公募主动股基中每年都排在前30%的水平。 一 跟踪初识券商金股 1 披露频率高、时效性强 对于量化投资者而言，上市公司财务数据、公募基金持仓数据和分析师盈利预测数据是几类重要的数据来源。然而在实际应用中，这几类数据的披露都存在不同程度的滞后性。 以上市公司财务数据为例，图1 展示了上市公司季报、半年报及年报的披露时间示意图，可以看到上市公司财务数据多发于1月、4月、7月、8月和10月，一年之中有7个月份为财务报告发布的真空期。一般来讲，若上市公司无最新的数据披露，投资者仅能沿用上一期数据。这意味着，每年3月底、6月底和12月底，数据滞后时间可能达到3个月之久。 以公募基金持仓数据为例，表1列出了公募基金定期报告披露规则。从披露信息来看，基金季报需披露前十大重仓股信息，基金半年报及年报则需披露全部持仓信息；从披露时间上来看，季报披露截止时间为报告期结束后15个工作日，半年报披露截止时间为上半年结束后60天，年报披露截止时间为全年结束后90天。 图2展示了公募基金持仓数据披露时间示意图，可以看到公募基金的持仓信息披露月份多集中在1月、3月、4月、7月、8月和10月，其余几个月份为基金持仓信息披露真空期。此外，由于年报和半年报的披露时间相对滞后，而季报中仅披露前十大重仓股，因此无论是从数据的完整度还是数据的时效性上来看，都存在一定不足。例如12月底投资者仅能获取公募基金在三季度末的前十大重仓股数据，信息滞后时间长达3个月。此时，若公募基金出现大规模调仓，那么这一滞后的持仓信息有效性将大打折扣。 以分析师盈利预测数据为例，上市公司财务报告及公募基金持仓数据均是对过去信息的披露，分析师盈利预测数据则代表着分析师对上市公司未来业绩的前瞻性判断。然而，分析师盈利预测通常围绕上市公司最新披露的财务报告展开，因此分析师盈利预测调整多发于财报季，在信息的更新上同样存在滞后。图3中统计了分析师盈利预测调整数据中，报告发布时间与上市公司最近一次公告日期的间隔天数分布图，可以看到将近50%的研究报告发布于上市公司公告后的5天内，将近70%的研究报告发布于上市公司公告后1个月内，将近80%的研究报告发布于上市公司公告后2个月内。 综上所述，无论是披露历史信息的上市公司财务数据、公募基金持仓数据，还是对未来进行判断的分析师盈利预测数据，在数据的及时性和完整性上都存在不同程度的不足。这就会导致在业绩发布的真空期，投资者采用的数据存在明显的滞后。基于此，月度更新的券商金股组合能够在一定程度上弥补这一不足。 通常来讲，券商金股组合是由券商研究所总量团队统筹规划，由行业研究员负责金股提名，最后由策略研究员在综合考虑当下时点市场对于行业、板块及风格的偏好后形成的股票组合。可以说，券商金股组合既包含分析师对行业风格的偏好，又包含分析师对推荐时点的判断。目前，绝大多数券商的金股组合以月度形式推出，这意味着数据的更新频率更高、时效性更强，能够更加及时地反映出机构投资者对于当前市场的偏好及判断。 2 数据来源及优劣比较 与传统的标准化数据不同，券商金股数据的非标准化给投资者带来了一定的难度。目前，市场上采用的券商金股数据主要来源于每市APP、朝阳永续数据库和券商研究报告等，表2对不同数据来源的优缺点进行了比较。 每市APP：每市APP是美市科技旗下的机构实名投研社区，也是国内最早收集券商金股数据的数据供应商之一。作为每市APP的主推产品，其收录的券商金股历史数据较为完整，目前收录的券商金股数量较全，与部分研究所更是建立了直接的合作关系。不仅如此，每市APP中还为用户提供了实时跟踪各家券商金股表现的平台，对券商金股的推荐逻辑、当月表现、推荐家数等信息进行了详细展示，用户体验较好。但是，每市APP数据主要以手工方式进行录入，数据录入时间存在一定的滞后性。其次，由于每市APP中并没有展示券商金股数据的来源信息，因此投资者无法对其历史数据的准确性进行校对。第三，每市APP数据主要以界面的形式呈现，投资者只能通过手动方式进行抓取，数据下载较为困难。 朝阳永续数据库：朝阳永续数据库是国内最早收录券商分析师数据的供应商之一，对于券商研究报告收录较全是其提供券商金股数据产品最大的优势之一。朝阳永续从2021年5月份开始入库券商金股数据的收集和整理，在底层数据库中朝阳永续提供了券商金股组合的报告标题、发布日期、推荐逻辑等信息，便于投资者对数据的准确性进行校对。此外，朝阳永续数据库中不仅包含券商金股，还包含行业金股等信息。不过从数据质量上来看，其提供的券商金股数量存在一定缺失，很多券商金股的历史数据并没有收录在该数据库中。 券商研究报告：一般来讲，券商金股的推出必须有研究报告作为支撑，券商研究报告是研究所发布券商金股的唯一合规途径，也是投资者获取数据的第一手资料。如果能够获取券商金股发布的原始研报，那么在数据获取的及时性和数据质量的准确性方面都有着较好的保证。不过，券商研究报告的下载和收集需要手动整理，对人工的要求较高，且在实际研究中我们发现部分券商金股的历史数据不对第三方研究平台公布，从而无法及时获取的情况。 由以上分析可知，从数据覆盖的完整度来看，每市APP数据和券商研报数据占优；从获取数据的难易程度来看，朝阳永续数据占优；从数据含有的信息量来看，券商研报和朝阳永续数据占优。总体来看，券商金股数据的获取来源各有优劣。由于券商金股数据的非标准化和人工录入等特性可能导致数据录入过程中出现错误，因此为了尽可能保证数据的准确性和严谨性，本文在处理过程中会进行交叉校对。如果三者数据来源存在冲突，则进行手动校对。 3 数据问题及细节处理 在对券商金股数据进行整理和更新过程中，由于涉及到人工录入和校对，因此极易出现录入错误等问题，主要总结如下： 数据一致性问题：部分券商在研究报告中发布的金股组合和提交给每市APP的金股组合存在区别。此时投资者可以影响力更大、公开性更强的研报版本为主，或对二者取并集同时纳入； 代码名称笔误问题：由于研报撰写者的笔误，部分券商研报摘要中的金股和正文中的金股存在区别，部分券商研报中提及的股票代码及对应的股票名称存在不匹配的问题。对此，在进行数据更新时，我们尽可能地找到券商金股发布的原始研报，对报告正文部分的股票代码及股票名称进行复核，保证二者之间的匹配性； AH股同时上市问题：由于部分研报中仅列出股票名称，并未附上对应的股票代码，因此对于AH股同时上市的股票而言，在数据记录时可能存在一定的模糊性。例如，中国移动于2022年1月5日登陆A股主板。在此之前，该公司为港交所主板上市公司。因此若券商分析师在其登陆A股之前进行推荐，所对应的代码应为港股代码0941.HK，而非A股代码600941.SH。对于这一问题，我们可以通过阅读原始研报的推荐逻辑，结合公司在不同市场上的上市时间及每市APP和朝阳永续的数据进行多重校对，避免数据记录出错。 由以上分析可知，在券商金股数据更新过程中，如果能够获取券商金股对应的原始研究报告，那么就能够获取第一手最为准确的信息。实际上，各家券商金股报告的发布途径和报告标题普遍遵循一定的规律。从发布途径上来看，主要有Wind研究报告、研究所公众号、策略团队公众号、券商小程序等；从研报关键词来看，有“金股”、“投资组合”、“股票组合”、“关注标的”、“重点推荐标的”、“A股策略聚焦”等。国信金工团队对各家券商金股报告的发布途径、报告标题关键词进行了整理，在数据更新过程中，尽可能地将原始研究报告作为第一数据来源，同时将每市APP数据及朝阳永续数据作为数据交叉检验的备选来源，进行多重校对，尽可能保证数据的及时性和准确性。 二 券商金股股票池特征及市场表现 前文对券商金股的数据来源及细节处理进行了详细介绍，本部分我们将对券商金股股票池的特征、结构及市场表现进行分析。具体来讲，我们对券商金股股票池数量、数据获取时效性、买卖方互动性及券商金股内部结构进行分析，并从事件驱动角度来观察不同类别券商金股在被推荐后相对指数的超额收益。 1 券商金股股票池特征：数量多、互动性强、换手率高、特质性强 券商金股数量 本文采用的券商金股数据从2018年1月开始， 图4展示了每月发布金股的券商数量，自2021年以来发布金股的券商数量基本稳定在50家左右。实际研究中发现，券商金股中不仅包含A股，还包含港股、ETF等。本文仅对A股股票进行分析，对于券商金股中的港股分析可参见国信金工团队2021年5月13日发布的专题报告《基于分析师推荐视角的港股投资策略》。图5展示了全体券商金股股票池去重后的A股数量变化。随着发布金股的券商数量增多，券商金股股票池数量也基本稳定在350只左右，为后续的选股提供了较大的样本空间。 报告发布时效性 本文通过获取券商金股的原始报告，对报告发布的日期进行记录。图6和图7展示了可获取历史发布日期的样本中每月券商金股发布日期的分布情况，可以看到在每月第一个交易日之前（包含当日）发布券商金股研究报告的比例平均达到92.7%，也就是说绝大多数券商金股数据在次月第一个交易日即可获得。 买卖方互动性 对于券商分析师而言，其面向的主要客户群体为公募基金经理，因此我们可以考察卖方分析师推荐的券商金股与买方基金经理的实际持仓之间是否存在互动性。图8展示了每个月推荐的券商金股中，尚未被任何一只公募主动股基（这里的股基指股票型和偏股型基金，下文同不另做声明）持有为前十大重仓股的比例，可以看到该比例平均值为17%。也就是说，券商分析师推荐的金股中绝大部分已经出现在至少一只主动股基的前十大重仓股中。 进一步地，我们考察券商金股被推荐成功的比例。图9展示了尚未进入公募基金前十大重仓股的券商金股中，出现在下一个报告期的基金前十大重仓股中的比例，可以看到该比例平均值为35%。也就是说券商金股推荐的成功率平均值达到35%。 下面我们考察券商金股推荐比例与公募基金持股市值之间的关系，具体来讲首先根据公募基金持仓市值从大到小将股票分为5组，其中D1组为持股市值最高的股票，D5组为持股市值最低的股票。接着即可计算每月券商金股股票池中分属于不同组别的股票比例，最后计算每月分组比例的平均，其结果如图10所示。可以看到，券商金股中公募基金持股市值最高的D1组数量占比达到45.3%，公募基金持股市值最低的D5组数量占比仅为5.6%。也就是说，券商分析师在推荐券商金股时，更倾向于推荐公募基金持有市值靠前的股票。 推荐逻辑与分析师盈利预测调整 一般来讲，分析师推荐券商金股的主要逻辑可以大致划分为如下两种：其一，公司业绩向好，在业绩提升与市场情绪的共同推动下，具备较大的上涨空间；其二，公司业绩存在瑕疵，但市场前期的过度反应使得股票具备较高的性价比。总体来看，前者偏向于右侧推荐，而后者更偏向于左侧布局。 我们根据券商金股被推荐前对应分析师对其最近一次盈利预测调整情况，将股票池划分为首次预测、盈利预测上调、未调和下调四类，图11展示了不同类型盈利预测调整行为的股票数量占比。可以看到，自2018年以来，每期券商金股中首次预测的样本平均占比为20%，盈利预测上调样本平均占比为27%，盈利预测未调整样本平均占比为27%，盈利预测下调样本平均占比为26%。总体来看，不同分析师行为的股票数量占比相对均衡。 我们筛选出不同分析师盈利预测调整分类的股票样本，统计其在被推荐为金股之后60个交易日内相对中证500指数的平均累计超额收益，其收益分布如图12所示。此处，我们将每月的第一个交易日记为T0日，如无特别说明后文中也同样采用这样的处理方法。可以看到，盈利预测上调样本在被推荐后60个交易日的累计超额收益最高，盈利预测下调样本在被推荐后60个交易日的累计超额收益最低。由于前者更倾向于右侧推荐，而后者更倾向于左侧布局，这意味着在券商金股中右侧交易的盈利能力明显高于左侧交易。 强强联手：券商金股与超预期股票 上一小节提到，分析师盈利预测上调的券商金股在被推荐后60个交易日的累计超额收益明显高于盈利预测下调的券商金股。事实上，在分析师看好的股票中，业绩超预期的股票一直以来是市场上关注度极高的股票池。那么，券商金股和超预期股票之间的联动效应如何？被分析师推荐的超预期股票能否获得更高的超额收益呢？ 在国信金工团队于2020年9月30日发布的专题报告《超预期投资全攻略》中，我们以分析师全部调升和研报标题超预期为条件构建超预期事件股票池。本报告中我们同样采用这一处理方法，根据券商金股在最近一个报告期是否超预期，将其划分为超预期金股和未超预期金股。 图13展示了每期超预期金股与未超预期金股的数量变化情况，总体来看在每期券商金股中，超预期金股的数量占比约为25%，未超预期金股的数量占比约为75%。 我们对超预期金股和未超预期金股在被推荐之后60个交易日相对中证500指数的平均超额收益进行了统计，其收益分布如图14所示。可以看到，无论是在被券商推荐前还是在被券商推荐之后，超预期金股在前后60个交易日的超额收益都明显高于未超预期金股。这表明，上市公司业绩超预期与分析师推荐券商金股两类事件叠加发生时，券商金股的表现将会有明显的提升。 金股池换手率：重复金股VS 新进金股 我们根据相邻两期券商金股是否重复将其划分为重复金股和新进金股。具体来讲，重复金股是指上期及本期均共同存在的金股，而新进金股是指存在于本期、但不存在于上期的金股。 图15展示了每期重复金股与新进金股的数量变化情况，总体来看在每期券商金股中，重复金股和新进金股的数量占比各为50%。这说明了券商金股的换手率较高，每期约有一半的股票将会被替换。 我们对重复金股和新进金股在被推荐之后60个交易日相对中证500指数的平均超额收益进行了统计，其收益分布如图16所示。可以看到，新进金股在被券商推荐后60个交易日内的累计超额收益略高于重复金股，但二者之间并不存在明显的区别。 金股池特质性：多人推荐VS 独家推荐 我们根据券商金股的推荐家数将其划分为多人推荐和独家推荐两类。具体来讲，多人推荐金股是指在同一个月份被多家分析师同时推荐的股票，独家推荐金股则是指在同一个月份仅被1家分析师推荐的股票。 图17展示了每期多人推荐金股和独家推荐金股的数量变化情况，总体来看在每期券商金股中，多人推荐金股占比约为30%，独家推荐金股占比约为70%，这表明券商金股的特质性较强，大多数券商金股为分析师的独家推荐股票。 我们对多人推荐金股和独家推荐金股在被推荐之后60个交易日相对中证500指数的平均超额收益进行了统计，其收益分布如图18所示。总体来看，独家推荐金股在被券商推荐后60个交易日内的累计超额收益高于多人推荐金股，但是多人推荐金股在被推荐之前的涨幅要明显高于独家推荐金股。 不同类型券商金股事件收益汇总 表4对不同类型券商金股的超额收益进行了汇总，从盈利预测调整角度来看，盈利预测上调样本的表现会明显优于其他样本，这表明在券商金股股票池中，分析师盈利预测调整的方向和幅度对于后续的市场表现有着较强的预测作用；从是否超预期来看，业绩超预期券商金股的表现明显好于业绩未超预期券商金股的表现；从是否新进角度来看，新进金股的表现略好于重复金股的表现；从是否独家角度来看，独家推荐金股的表现略好于多人推荐金股的表现。 2 券商金股股票池表现：普通股票型基金指数的良好表达 对于总量分析师来讲，其可以通过自上而下的方式对宏观经济、行业板块进行比较分析，在市场风格变化的关键时点给予市场更为及时的提示。对于行业分析师来讲，其作为连接上市公司与机构投资者的桥梁，一方面可以通过现场调研、电话会议等方式及时了解上市公司的经营情况，另一方面可以通过路演交流、论坛沙龙等方式及时掌握公募基金经理对市场的偏好及判断，可以说在非财务报告发布高峰期时，券商分析师能够更加灵活、及时地掌握市场的第一手信息。因此，我们认为结合了总量分析师自上而下的宏观判断和行业分析师自下而上的微观推荐的券商金股股票池，能够在一定程度上反映公募基金对市场的配置偏好。基于此，我们预期券商金股股票池的市场表现能够较好地跟踪公募主动股基的整体表现。 我们将每月券商金股进行汇总，根据其被券商推荐的家数进行加权构建券商金股指数，并以每月第一天收盘价进行调仓。图19反映了券商金股指数与普通股票型基金指数（885000.WI）的净值走势，可以看到二者的走势十分接近。 表5列出了券商金股指数自2018年以来的绩效表现，从年化收益上来看，券商金股指数与普通股票型基金指数的走势十分接近；从跟踪误差上来看，券商金股指数与普通股票型基金指数的跟踪误差仅为5.91%；从相对最大回撤上来看，券商金股指数与普通股票型基金指数的相对最大回撤为8.57%。总体上来看券商金股股票池的走势与普通股票型基金指数的走势十分接近。基于此，如果能够在该股票池中进行进一步优选，那么我们预期可以达到稳定战胜主动股基中位数的表现。 3 券商金股行业分布 从券商金股的行业分布情况来看，图20展示了券商金股股票池每期覆盖的中信一级行业数量，可以看到，在全部30个行业中，券商金股至少覆盖其中的27个行业，整体覆盖率较高。从历史数据来看，券商金股股票池中属于综合（CI005029.WI）及综合金融（CI005030.WI）行业成分股推荐次数较少。 由于每月每家券商金股的数量一般为10只左右，因此在组合形成时总量分析师通常对单个行业仅会选择1-2只股票，这将导致券商金股股票池的行业分布相对较为分散。事实上，券商金股股票池的行业分布与公募基金整体的行业分布的确存在较大的区别。图21展示了2022年2月券商金股股票池的行业分布情况与公募基金持仓的行业分布情况，可以看到券商金股的行业分布相对更为分散，而公募基金持仓行业整体更为集中。 为了进一步了解时间序列上券商金股与公募基金在中信一级行业上的偏离情况，我们每月计算券商金股行业与公募基金持仓行业权重之差的绝对值作为其绝对偏离幅度。随后，我们计算绝对偏离幅度最高的5个行业的偏离幅度均值，其结果如图22所示。样本区间内，券商金股与公募基金在中信一级行业上绝对偏离幅度前五名的行业，其平均偏离幅度达到5.06%，说明二者之间的行业分布确实存在较大的差别。 4 券商金股风格特征 图23展示了券商金股股票池风格因子暴露平均值情况，总体来看券商金股股票池偏向于中小市值、高估值、高换手、高波动的股票。进一步地，图24展示了该股票池在市值因子上的暴露情况，可以看到在2020年市场风格整体偏大盘时，券商金股的市值暴露逐步变大；进入到2021年，小市值占优的情况下，券商金股在市值上的暴露越来越小，表明券商金股在风格上的暴露与整体市场的偏好保持一致。 三 以战胜公募基金中位数为目标的股票投资策略 在A股市场中，公募基金的长期表现优于传统宽基指数，然而想要战胜公募基金中位数并非易事。随着市场风格的不断变化，主动股基的短期业绩存在较大的波动，公募基金长期业绩考核机制的提出对其业绩持续性和业绩稳定性提出了更高的要求。对于考核相对排名的公募基金而言，如果每年都能够稳定地战胜公募基金中位数，那么其长期业绩排名将处于相对靠前的位置，从业绩稳定性和持续性来看都能够带来明显的提升。 1 公募基金长期表现优于宽基指数 近年来，在外资持续涌入、机构投资者占比提升、公募基金规模快速扩张的大背景下，机构投资者A股的定价权不断提升，公募基金长期业绩表现优于宽基指数。 图25和图26展示了表征A股主动股基收益表现的普通股票型基金指数（885000.WI）与沪深300及中证500等传统宽基指数自2010年以来的净值表现，在20100104-20211231区间段内，普通股票型基金指数年化收益为11.54%，同期沪深300指数年化收益为3.89%，中证500指数年化收益为3.40%，总体来看A股市场中公募基金长期业绩表现优于宽基指数。根据上交所统计年鉴来看，A股市场自然人投资者的交易金额占比基本在80%以上，这意味着A股市场中绝大部分参与人以个人投资者为主，因此市场有效性仍有待提升，投研能力更强、投研资源更加丰富的机构投资者，有望展现出长期比宽基指数更好的业绩表现。 2 风格切换下主动股基短期业绩波动大 尽管公募基金的长期业绩表现优于宽基指数，然而想要稳定战胜普通股票型基金指数却并非易事。由于基金经理通常具有自身能力圈，当市场风格发生急剧变化时，公募基金的短期业绩可能存在较大的波动。 在A股市场中，“冠军魔咒”通常被人提及——上一年度公募基金收益最高的基金在次年通常表现较为平淡。图27展示了2011年以来，上一年度排名前10%的基金在次年排名分位点的均值情况，可以看到其历年平均为47.93%，与次年基金中位数收益相当，说明在A股市场前一年度高排名的基金从统计意义而言并不具备持续的稳定性。 不仅仅是前一年排名靠前的基金在次年表现趋于市场平均，即便是长期业绩十分优异的基金，在短期也可能承受较大的排名和回撤压力。以某长期绩优基金为例，该基金在2010年至2021年的12年区间内业绩排名处于同类前10%，但是分年度来看该基金的排名波动相对较大。在2012、2014、2015和2021年度，该基金在主动股基中排名在70%之后，表现相对靠后。然而在2011、2013、2019和2020年，该基金在主动股基中排名均处于前20%，表现十分出色。总体来看，在过去12年中，该基金有一半的年份落后基金中位数，凭借几个年度的出色业绩，跻身同类基金前列。但是从“持基体验感”而言，面对连续几年持续落后基金中位数的表现，基金投资者是否能够坚持长期持有是一个不小的挑战。 3 基金业绩稳定性助力长期业绩排名提升 由以上分析可知，当面对市场风格的快速切换时，主动股基的业绩通常会出现较大的波动，因此长期业绩排名稳定靠前的基金难能可贵。 表6展示了自2010年以来连续三年业绩排名处于某一分位点之前的主动股基数量占比。以三年为一个周期来看，连续三年排名处于前10%的基金屈指可数，连续三年排名在前50%分位点的基金比例平均值仅为12.32%。由此可见，要要持续稳定地战胜基金中位数并非是一件简单的事情。 事实上，若基金业绩能够长期稳定地处于靠前的梯队中，其在长期业绩排名中将处于非常有利的位置。同样地，我们以三年为一个周期进行考察，表7展示了连续三年排名处于前N%的主动股基，其三年期排名分位点的平均值情况。可以看到，基金排名的长期稳定性将极大地助力基金在长期排名中取得出色的成绩，而这与市场倡导的公募基金长期业绩考核机制十分契合。 由表7可以看到，在A股市场中，连续三年排名前30%分位点的基金，其三年期业绩基本排在前5%的位置；连续三年排名前50%分位点的基金，其三年期业绩基本排名在15%分位点以内。 由此可见，若组合能够持续稳定地排在公募基金靠前的水平，那么该组合从长期业绩来看表现十分出色。因此，我们认为在构建主动选股策略时，以“战胜公募基金中位数”为目标的策略无论是在短期体验还是在长期收益上来看都具有可行性。 与传统的宽基指数增强不同，若想稳定战胜普通股票型基金指数，其最大的挑战在于如何构建稳定跟踪普通股票型基金指数的股票基准。在国信金工2020年11月15日发布的专题报告《基于优秀基金持仓的业绩增强策略》中，我们对公募基金进行多维度筛选，对优秀基金的股票持仓进行精选，以期稳定战胜公募基金中位数。然而正如前面所提到的，公募基金持仓信息披露的完整性和及时性都存在一定的不足，当公募基金出现大规模调仓时，滞后的持仓信息参考性将大幅下降。因此，能够紧跟普通股票型基金指数表现的券商金股组合将更具价值，如果能够对券商金股股票池进行进一步精选，那么就能够做到稳定战胜公募基金中位数的表现。 四 基于券商金股的公募业绩增强策略 由于券商金股股票池能够较好地跟踪普通股票型基金指数的表现，因此如果能够稳定地战胜券商金股股票池的整体表现，那么就能够实现稳定战胜普通股票型基金指数的目标。本部分我们借助多因子模型，采用组合优化的方法在控制个股偏离、行业偏离及风格偏离的情况下，对券商金股股票池进行增强。 1 动态算法下的因子有效性检验 多因子模型最经典的应用就是在指数增强策略领域，目前国内公募基金中大多数指数增强产品都是以沪深300指数和中证500指数为基准的。通常来说，不同的选股空间中因子的有效性亦会有所不同。长期来看，沪深300成分股中估值类因子表现出色，而在中证500成分股中，成长、价量类因子表现突出。如果把沪深300、中证500指数增强策略看作是选股空间相对稳定的“固定靶”，那么券商金股股票池更像是“移动靶”，对券商金股股票池构建多因子增强模型时，方法也会有别于传统的沪深300指数等传统宽基指数。 传统的多因子量化模型，经典的做法是： 1、在具体的选股空间中选择能对未来收益产生稳定预测作用的因子，这一步可以通过检验因子在选股空间中的RankIC、RankICIR、胜率等方法来完成； 2、根据因子过去若干期表现来对不同的因子进行加权，比如用因子过去12期的RankICIR、最大化复合因子ICIR等加权方法。总体说来，此类方法的逻辑都源自于因子动量，即给过去一段时间表现更好的因子赋以更高的权重。 如果把上述方法简单应用到券商金股股票池样本空间中，则可能会带来一些问题。由于券商金股股票池的月均换手率达到50%，因此股票成分股的行业、风格及板块的变化都十分剧烈。举个极端情况的例子，假定目前是T时刻，券商金股股票池都集中在沪深300指数成分股中，而T-12至T-1期券商金股股票池都集中在中证500指数成分股中。若采用静态算法，我们可能会选出T-12至T-1期间在中证500成分股中表现较好的价量因子，而价量因子很可能对于T期的沪深300成分股的收益预测效果并不好。因此在衡量因子有效性时，我们不能简单地采用传统的静态算法来衡量因子在其历史持仓上的表现，而需要采用动态算法。 图29是静态算法下的RankICIR计算方法示意图，图中第一行和第二行分别代表处于T期和T+1期，每种类型的箭头代表一种不同的持仓风格。由于优选基金持仓组合在截面上的变动可能比较剧烈，我们假设其每期持仓风格特征均有所不同，在图29中采用不同类型的箭头表示。 当我们处于T期时，如果简单地回看优选基金持仓组合在过去12个月的持仓，并计算每个时点因子在对应时点持仓中的RankIC，那么由于各期持仓在风格上的差别很大，可能导致过去各期因子的RankIC对当前的持仓风格并不具备参考价值。 基于此，我们建议采用动态算法来计算因子的RankICIR。具体来讲，如图30所示，站在T时刻，我们可以将当前优选基金持仓组合往前复制12期，即认为T-12到T-1期的持仓与T期的持仓保持一致，然后计算各因子在T-12到T-1期的RankIC，进而得出各因子在当前持仓下的过去12期RankICIR。通过这种动态算法计算得到因子的RankICIR，能够更好地反映因子在过去一段时间内在当前股票池中的表现，对当前股票池而言参考价值将会更大。 我们从估值、盈利、动量、成长、波动率、质量、分析师预期等多个维度选取对券商金股股票池样本空间有选股能力的Alpha因子，然后我们根据以下流程构建复合选股因子： 1、在T时刻，获取T期的券商金股股票池 S_T。在 T-12,…..,T-1,T 期将各因子在股票池 S_T 中进行行业、市值中性化处理，并计算中性化后的因子在股票池 S_T 中的RankIC； 2、根据T-12至T-1期的RankIC计算各因子T期的RankICIR，如果某因子在T期的RankICIR取值的正负性与因子逻辑取值的正负性相反，则该期将该因子的RankICIR取值强行置零，即本期不用该因子； 3、将T期中性化后的因子取值以2步骤中计算的因子RankICIR加权，得到T期券商金股股票池组合的复合选股因子。 图32展示了复合选股因子在券商金股股票池中的五组分档年化超额收益，图33展示了复合选股因子在券商金股股票池中的RankIC及累计RankIC历史走势。 可以看到，复合选股因子在券商金股股票池中的五档分组效果较为单调，复合选股因子在券商金股股票池池中的RankIC均值为4.7%，年化RankICIR为1.60，月胜率为70.0%，多头组合的月均超额收益达到0.97%，空头组合的月均超额收益达到-0.68%，说明我们针对券商金股股票池构建的打分模型对券商金股股票的未来收益有较强的预测能力。 2 基于券商金股的公募业绩增强策略 为了达到稳定战胜普通股票型基金指数的目标，我们需要将风控体系引入到组合构建过程中，要求组合的行业、风格暴露尽可能贴近公募基金的整体配置，构建基于券商金股股票池的业绩增强组合，主要要素如下： 回测区间：2018年1月2日-2021年12月31日。 选股空间：每月选取券商金股股票池作为选股空间，剔除上市不满90天的新股、ST股票、*ST股票及3个月内被标记为ST、*ST等风险警示的股票。 风格约束：每月选取券商金股股票池并进行去重，对去重后的券商金股进行等权处理得到基准指数。后续组合优化时风格约束、个股权重偏离幅度等约束均以此指数作为基准。 行业约束：由于券商金股的行业分布与公募基金的行业分布相差较大，为了更好地跟踪公募基金的整体表现，本文选择将公募基金的整体行业配置作为基准。然而，公募基金在季报期仅披露前十大重仓股，而整体来看前十大重仓股的持仓占比在50%左右，因此为了更为准确地度量公募基金在整体行业上的配置能力，我们需要对公募基金持仓进行还原。在国信金工2021年12月16日发布的专题报告《公募基金持仓还原及其实践应用》中，我们采用三阶段还原法，通过已知持仓、管理人持仓和回归拟合三阶段对公募基金的季度持仓进行补全。最后根据补全后的持仓，计算公募基金在中信一级行业上的整体配置比例。 选股方式：在满足组合相对基准指数在行业、风格约束、个股权重偏离幅度、成分股占比等约束的条件下，最大化组合在复合选股因子上的暴露。 组合仓位：以调仓日主动股基最近一期披露的基金仓位中位数作为组合仓位。 调仓模式：月度调仓，停牌股票不交易，涨停股票不买入、跌停股票不卖出。 交易费用：双边千三。 我们采用组合优化的方法构建券商金股业绩增强组合，优化模型如下： 该优化问题的目标函数为最大化组合的复合Alpha因子得分，其中α^T w为组合在复合Alpha因子上的加权得分，w为待求解的股票权重向量，α为每只股票的复合Alpha因子值。模型的约束条件包括组合在风格因子上的偏离度、行业偏离度、个股偏离度、成分股权重占比约束和个股权重约束等。 风格约束条件限制了组合相对于基准指数的风格暴露，X为股票对风格因子的暴露矩阵，w_b为基准指数成分股的权重向量，s_l、s_h分别为风格因子相对暴露的下限及上限； 行业约束条件限制了组合相对基准指数的行业偏离，H为股票的行业暴露矩阵，当股票i属于行业j时，H_ji为1，否则为0；I_l、I_h分别为组合行业偏离的下限及上限； 个股权重偏离约束限制了个股相对基准指数成分股权重的偏离，w_l、w_h分别为个股偏离的下限及上限； 成分股权重占比约束限制了组合在成分股内权重占比的上下限，B_b为是否属于基准指数成分股的0-1向量，b_l、b_h为成分股内权重的下限和上限； 个股权重约束限制了卖空，并且限制个股权重上限h。 在构建券商金股业绩增强组合时，我们设定个股相对券商金股等权基准指数的个股权重最大偏离1.5%，行业相对公募基金的行业配置最大偏离2%，市值风格相对最大偏离0.1，个股权重上限为3%。 在实际投资中，公募基金通常会自留部分现金以应对投资者的申购和赎回需求，因此大部分公募基金并不能满仓运作。由于券商金股业绩增强组合旨在对标公募基金中位数，因此在对组合的历史收益进行回测时，同样也许考虑仓位的影响。本文以每月主动股基最新一期披露的权益仓位中位数作为券商金股业绩增强组合的仓位，其结果如图34所示，在样本区间段内组合的平均仓位为87.26%。 图35和表9分别展示了券商金股业绩增强组合相对普通股票型基金指数的历史走势及绩效统计，其中在计算组合收益时展示的是考虑仓位组合的表现。可以看到，在考虑仓位及交易费用的影响后，该组合年化收益达到35.86%，而同期股基中位数的年化收益率为18.54%，相对股基中位数收益年化超额达到17.31%。此外，该组合与普通股票型基金指数的相对最大回撤为4.92%，信息比达到2.21，收益回撤比达到3.52，年化跟踪误差为6.35%，体现了组合的稳定性和较好的回撤控制能力。 如果将券商金股业绩增强组合历年业绩在当年年初成立满半年的主动股基中进行排位，排名分位点如表10所示。其中超额收益、排名分位点和具体排名展示的均为考虑仓位后组合的表现。可以看到，我们构建的公募基金业绩增强组合在2018年到2021年之间的4年中，每年的业绩排名都排在股基的前30%的水平。 图36展示了券商金股业绩增强组合的月均换手率，在全样本期间组合月均换手率达到64.30%，这一方面是由于券商金股股票池的换手率较高导致的，另一方面是由于个股Alpha因子取值发生变化导致每期股票得分发生变化导致。 图37展示了组合每期持仓数量及前十大重仓股持股集中度情况，组合平均持仓数量为60只且数量相对稳定，前十大重仓股权重之和基本在20%以内，组合持仓较为分散。 图38展示了组合持仓在不同指数成分股中的权重分布，平均来看有31%权重属于沪深300指数成分股，19%权重属于中证500指数成分股，29%权重属于中证1000指数成分股，21%权重属于其他板块。 图39展示了组合持仓在不同行业中所占的平均权重，总体来讲，组合在医药、食品饮料、电子、计算机、基础化工、机械等行业配置的权重较高。由于在组合优化时选取的行业偏离基准为公募基金持仓的行业配置权重，因此组合在行业上的配置情况与公募基金的整体配置基本保持一致。 最后，我们以每只股票在交易时点前10个交易日的日均成交额的10%作为个股单日最大买入金额，然后计算截面每只持仓股票单日最大买入金额/组合中该股票权重，取截面所有股票该数值的25%分位数处的取值作为组合单日最大买入金额，其历史时序如图40所示，历史来看组合平均单日最大买入金额为9.63亿元，2020年以来市场成交量较为活跃，组合单日最大买入金额在13.61亿元左右。 五 券商金股精选组合 1 券商金股精选组合构建方式 在构建券商金股业绩增强组合时，为了控制组合与普通股票型基金指数的跟踪误差和相对回撤，达到更稳定地战胜股基指数的目标，我们采用组合优化的方式，对组合的个股权重、行业偏离、风格偏离等进行了约束。从实证结果来看，这种做法能够提升组合相对普通股票型基金指数的稳定性，但是在收益方面则有一定的损失。本小节我们采用分步筛选法构建多头组合，试图提升组合收益的进攻性。具体方法如下： 回测时间：2018年1月2日-2021年12月31日 调仓频率：月度调仓； 股票池：券商金股股票池； 选股步骤： 基本面优选：基于标准化预期外盈利、单季度ROE同比变化、分析师滚动一致预期净利润环比变化、分析师滚动一致预期ROE环比变化四因子等权打分，剔除最近一期单季度净利润同比增速下滑、分析师滚动一致预期净利润环比下滑的样本，取得分最高的60只股票构造基本面优选股票池； 技术面精选：基于盈余公告后次日开盘跳空超额AOG、总市值两因子等权打分，选取优选股票池中得分最高的20只股票构造等权精选组合。 2 券商金股精选组合绩效表现 由于在券商金股精选组合的构建过程中，我们并没有进行任何行业及风格上的控制，因此在对其绩效进行展示时，我们以中证500指数作为业绩基准。图42和表11分别展示了券商金股精选组合相对中证500指数的历史走势及绩效统计，其中在计算组合收益时展示的是满仓组合的表现。可以看到，在考虑交易费用的影响后，该组合年化收益达到49.59%，而同期中证500指数的年化收益率为3.97%，相对中证500指数年化超额收益达到45.61%，表现较为优异。 图43展示了券商金股业绩增强组合的月均换手率，在全样本期间组合月均换手率达到70.19%。图44展示了组合在Barra因子上的暴露情况，受组合构建过程中选用的指标影响，券商金股精选组合更偏向于中小市值、高成长、高动量、高估值的风格。 图45展示了组合持仓在不同指数成分股中的权重分布，平均来看有7%权重属于沪深300指数成分股，15%权重属于中证500指数成分股，39%权重属于中证1000指数成分股，40%权重属于其他板块。 图46展示了组合持仓在不同行业中所占的平均权重，总体来讲，组合在基础化工、机械、医药、电子、电力设备及新能源等行业配置的权重较高。 我们以每只股票在交易时点前10个交易日的日均成交额的10%作为个股单日最大买入金额，然后计算截面每只持仓股票单日最大买入金额/组合中该股票权重，取截面所有股票该数值的25%分位数处的取值作为组合单日最大买入金额，其历史时序如图47所示，历史来看组合平均单日最大买入金额为2.30亿元。 六 总结 初识券商金股 券商金股组合既包含分析师对行业风格的偏好，又包含分析师对推荐时点的判断。绝大多数券商的金股组合以月度形式推出，这意味着数据更新频率更高、时效性更强，能够更加及时地反映机构投资者对当前市场的偏好及判断。 目前，市场上采用的券商金股数据主要来源于每市APP、朝阳永续数据库和券商研究报告。本文对不同数据来源的优缺点进行了比较，并对数据整理过程中的细节进行了介绍，保证了数据的严谨性和正确性。 券商金股股票池：普通股票型基金指数的良好表达 从券商金股数量来看，目前发布金股的券商数量基本稳定在50家左右，券商金股股票池数量基本稳定在350只左右； 从报告发布的时效性来看，90%的券商金股数据可以在每月第一个交易日之前（包含当日）获得； 从买卖方互动性来看，将近85%的券商金股已经出现在至少一只主动股基的前十大重仓股中；尚未进入公募基金前十大重仓股的券商金股中，出现在下一个报告期基金前十大重仓股的比例平均为35%； 从分析师盈利预测来看，盈利预测上调金股的超额收益明显高于全部金股，而首次预测及盈利预测下调样本的超额收益明显低于全部金股； 从是否超预期来看，超预期金股约占25%，非超预期金股约占75%。无论是从推荐前还是在推荐后，超预期金股的超额收益都要明显高于非超预期金股； 从推荐重复性来看，重复金股和新进金股的数量占比各为50%，说明券商金股的换手率较高； 从推荐家数来看，多人推荐金股约占30%，独家推荐金股约占70%，说明券商金股的特质性较强，大多数券商金股为分析师的独家推荐票； 从市场表现来看，券商金股组合与普通股票型基金指数走势十分接近。基于此，如果能够在该股票池中进行进一步优选，那么就可以达到稳定战胜主动股基中位数的表现。 基于券商金股的公募业绩增强策略 在A股市场中，公募基金的长期表现优于传统宽基指数，然而想要战胜公募基金中位数并非易事。对于考核相对排名的公募基金而言，如果每年都能够稳定地战胜公募基金中位数，那么其长期业绩排名将处于相对靠前的位置，从业绩稳定性和持续性来看都能够带来明显的提升。 我们以券商金股股票池为选股空间和基准指数，采用组合优化的方式控制组合与券商金股股票池在个股、风格上偏离，构建券商金股业绩增强策略。在2018年-2021年回测区间内，考虑仓位及交易费用的影响后，组合年化收益为35.86%，相较普通股票型基金指数年化超额17.31%，年化跟踪误差为6.35%，信息比为2.21，相对最大回撤为4.92%，在2018年-2021年组合每年的业绩排名都能够排在主动股基前30%的水平。 券商金股精选组合 为提升组合的进攻性，我们从基本面和技术面两个维度对券商金股股票池进行筛选，构建月度调仓的券商金股精选组合。在2018年-2021年回测区间内，考虑交易费用的影响后，组合年化收益49.59%，相对中证500指数的年化超额收益达到45.61%，信息比2.60，收益回撤比5.83。 注：本文选自国信证券于2022年2月18日发布的研究报告《券商金股全解析——数据、建模与实践》。 分析师：张欣慰 S0980520060001 分析师：张 宇 S0980520080004 风险提示：市场环境变动风险，组合失效风险。 量化藏经阁 分享量化投资和FOF投资研究成果。 460篇原创内容 Official Account 往期专题链接 量化选股系列： 1.《超预期投资全攻略》2020-09-30 2.《基于优秀基金持仓的业绩增强策略》2020-11-15 3.《基于分析师认可度的成长股投资策略》2021-05-12 4.《北向因子能否长期有效?——来自亚太地区的实证》2021-05-17 5.《基于风险预算的中证500指数增强策略》2021-10-20 6.《动量类因子全解析》2021-12-13 7.《寻找业绩与估值的错配：非理性估值溢价因子》2021-12-15 FOF与基金研究系列： 1.《基金业绩粉饰与隐形交易能力》2020-08-26 2.《基金经理业绩前瞻能力与基金业绩》2020-10-28 3.《基金经理调研能力与投资业绩》2021-04-21 4.《基金经理业绩洞察能力与投资业绩》2021-08-18 5.《公募基金持仓还原及其实践应用》2021-12-16 6.《逆流而上与顺势而为—2020年中美ETF市场启示录》2021-02-03 7.《中国ETF市场2021年度大盘点》2022-02-09 港股投资系列： 1.《基于分析师推荐视角的港股投资策略》2021-05-13 2.《百年港股风云录——历史、制度与实践》2021-06-10 行业轮动系列： 1.《JumpFit行业轮动策略》2021-05-13 2.《3M板块轮动策略》2021-11-30 资产配置系列： 1.《联储态度的量化表达—FedCircle资产配置策略》2021-06-22 CTA系列： 1.《股指分红点位测算方法全解析》2021-04-15 2.《基于开盘动量效应的股指期货交易策略》2021-05-13 3.《基于Bollinger通道的商品期货交易策略》2021-10-13 新股系列： 1.《公募打新全解析—历史、建模与实践》2020-12-09
报 告 摘 要 一、初识券商金股 券商金股组合既包含分析师对行业风格的偏好，又包含分析师对推荐时点的判断。绝大多数券商的金股组合以月度形式推出，这意味着数据更新频率更高、时效性更强，能够更加及时地反映机构投资者对当前市场的偏好及判断。 目前，市场上采用的券商金股数据主要来源于每市APP、朝阳永续数据库和券商研究报告。本文对不同数据来源的优缺点进行了比较，并对数据整理过程中的细节进行了介绍，尽可能保证数据的严谨性和准确性。 二、券商金股股票池：普通股票型基金指数的良好表达 从券商金股数量、报告发布时效性、买卖方互动性、推荐逻辑与分析师盈利预测调整、超预期股票与券商金股、金股池换手率、内部结构等方面对券商金股的特征进行多维度解析。总体来看，券商金股股票池呈现出数量较多、时效性较强、互动性强、换手率较高、特质性强的特征。 根据券商金股的推荐家数进行加权，构建券商金股指数。从指数表现来看，券商金股指数与普通股票型基金指数走势十分接近，二者年化跟踪误差仅为5.91%。可以说，券商金股股票池是主动股基指数的良好表达。基于此，如果能够在该股票池中进行进一步优选，那么就可以达到稳定战胜主动股基中位数的表现。 三、基于券商金股的公募业绩增强策略 在A股市场中，公募基金的长期表现优于传统宽基指数，然而想要战胜公募基金中位数并非易事。对于考核相对排名的公募基金而言，如果每年都能够稳定地战胜公募基金中位数，那么其长期业绩排名将处于相对靠前的位置，从业绩稳定性和持续性来看都能够带来明显的提升。 我们以券商金股股票池为选股空间和约束基准，采用组合优化的方式控制组合与券商金股股票池在个股、风格上的偏离，以全体公募基金的行业分布为行业配置基准，构建券商金股业绩增强策略。 在2018年-2021年回测区间内，考虑仓位及交易费用的影响后，组合年化收益为35.86%，相对普通股票型基金指数年化超额17.31%，年化跟踪误差为6.35%，信息比为2.21，相对最大回撤为4.92%，在2018年-2021年期间，组合每年的业绩排名都排在主动股基前30%的水平。 四、券商金股精选组合 为提升组合的进攻性，我们从基本面和技术面两个维度对券商金股股票池进行筛选，构建券商金股精选组合。 在2018年-2021年回测区间内，考虑交易费用的影响后，组合年化收益49.59%，相对中证500指数的年化超额收益达到45.61%，信息比2.60，收益回撤比5.83。 近年来，随着卖方研究竞争的日益激烈，“卖方研究买方化”成为行业发展的共识和趋势。在这样的大背景下，券商研究所相继推出“券商金股”组合，通过集结研究所的核心团队，每月推出10只左右股票构成金股组合并进行持续跟踪。一般来讲，“券商金股”组合既体现了总量分析师（如宏观、策略、金融工程等团队）自上而下的行业、板块及风格配置能力，又能够反映出行业分析师自下而上的选股能力，是券商研究所研究实力核心竞争力的体现。作为与国内机构投资者（特别是公募基金）互动最为紧密的卖方研究团队，券商金股股票池不仅蕴含着巨大的Alpha潜力，其更大的价值在于能够更加及时、高效地反映出公募基金对于市场的前瞻性判断。研究发现，券商金股股票池能够较好地跟踪普通股票型基金指数的表现，若能够在该股票池中进行进一步精选，则可以获得稳定战胜普通股票型基金指数的表现。本报告我们将对券商金股组合的数据来源和细节处理进行详细介绍，对该股票池的特征及表现进行具体分析，最后通过多因子的方式从券商金股股票池中进行优选，以期稳定战胜公募股基指数。实证结果显示，该方法构建的组合历史表现稳健，2018年到2021年每年都能稳定战胜普通股票型基金指数，在公募主动股基中每年都排在前30%的水平。 一 跟踪初识券商金股 1 披露频率高、时效性强 对于量化投资者而言，上市公司财务数据、公募基金持仓数据和分析师盈利预测数据是几类重要的数据来源。然而在实际应用中，这几类数据的披露都存在不同程度的滞后性。 以上市公司财务数据为例，图1 展示了上市公司季报、半年报及年报的披露时间示意图，可以看到上市公司财务数据多发于1月、4月、7月、8月和10月，一年之中有7个月份为财务报告发布的真空期。一般来讲，若上市公司无最新的数据披露，投资者仅能沿用上一期数据。这意味着，每年3月底、6月底和12月底，数据滞后时间可能达到3个月之久。 以公募基金持仓数据为例，表1列出了公募基金定期报告披露规则。从披露信息来看，基金季报需披露前十大重仓股信息，基金半年报及年报则需披露全部持仓信息；从披露时间上来看，季报披露截止时间为报告期结束后15个工作日，半年报披露截止时间为上半年结束后60天，年报披露截止时间为全年结束后90天。 图2展示了公募基金持仓数据披露时间示意图，可以看到公募基金的持仓信息披露月份多集中在1月、3月、4月、7月、8月和10月，其余几个月份为基金持仓信息披露真空期。此外，由于年报和半年报的披露时间相对滞后，而季报中仅披露前十大重仓股，因此无论是从数据的完整度还是数据的时效性上来看，都存在一定不足。例如12月底投资者仅能获取公募基金在三季度末的前十大重仓股数据，信息滞后时间长达3个月。此时，若公募基金出现大规模调仓，那么这一滞后的持仓信息有效性将大打折扣。 以分析师盈利预测数据为例，上市公司财务报告及公募基金持仓数据均是对过去信息的披露，分析师盈利预测数据则代表着分析师对上市公司未来业绩的前瞻性判断。然而，分析师盈利预测通常围绕上市公司最新披露的财务报告展开，因此分析师盈利预测调整多发于财报季，在信息的更新上同样存在滞后。图3中统计了分析师盈利预测调整数据中，报告发布时间与上市公司最近一次公告日期的间隔天数分布图，可以看到将近50%的研究报告发布于上市公司公告后的5天内，将近70%的研究报告发布于上市公司公告后1个月内，将近80%的研究报告发布于上市公司公告后2个月内。 综上所述，无论是披露历史信息的上市公司财务数据、公募基金持仓数据，还是对未来进行判断的分析师盈利预测数据，在数据的及时性和完整性上都存在不同程度的不足。这就会导致在业绩发布的真空期，投资者采用的数据存在明显的滞后。基于此，月度更新的券商金股组合能够在一定程度上弥补这一不足。 通常来讲，券商金股组合是由券商研究所总量团队统筹规划，由行业研究员负责金股提名，最后由策略研究员在综合考虑当下时点市场对于行业、板块及风格的偏好后形成的股票组合。可以说，券商金股组合既包含分析师对行业风格的偏好，又包含分析师对推荐时点的判断。目前，绝大多数券商的金股组合以月度形式推出，这意味着数据的更新频率更高、时效性更强，能够更加及时地反映出机构投资者对于当前市场的偏好及判断。 2 数据来源及优劣比较 与传统的标准化数据不同，券商金股数据的非标准化给投资者带来了一定的难度。目前，市场上采用的券商金股数据主要来源于每市APP、朝阳永续数据库和券商研究报告等，表2对不同数据来源的优缺点进行了比较。 每市APP：每市APP是美市科技旗下的机构实名投研社区，也是国内最早收集券商金股数据的数据供应商之一。作为每市APP的主推产品，其收录的券商金股历史数据较为完整，目前收录的券商金股数量较全，与部分研究所更是建立了直接的合作关系。不仅如此，每市APP中还为用户提供了实时跟踪各家券商金股表现的平台，对券商金股的推荐逻辑、当月表现、推荐家数等信息进行了详细展示，用户体验较好。但是，每市APP数据主要以手工方式进行录入，数据录入时间存在一定的滞后性。其次，由于每市APP中并没有展示券商金股数据的来源信息，因此投资者无法对其历史数据的准确性进行校对。第三，每市APP数据主要以界面的形式呈现，投资者只能通过手动方式进行抓取，数据下载较为困难。 朝阳永续数据库：朝阳永续数据库是国内最早收录券商分析师数据的供应商之一，对于券商研究报告收录较全是其提供券商金股数据产品最大的优势之一。朝阳永续从2021年5月份开始入库券商金股数据的收集和整理，在底层数据库中朝阳永续提供了券商金股组合的报告标题、发布日期、推荐逻辑等信息，便于投资者对数据的准确性进行校对。此外，朝阳永续数据库中不仅包含券商金股，还包含行业金股等信息。不过从数据质量上来看，其提供的券商金股数量存在一定缺失，很多券商金股的历史数据并没有收录在该数据库中。 券商研究报告：一般来讲，券商金股的推出必须有研究报告作为支撑，券商研究报告是研究所发布券商金股的唯一合规途径，也是投资者获取数据的第一手资料。如果能够获取券商金股发布的原始研报，那么在数据获取的及时性和数据质量的准确性方面都有着较好的保证。不过，券商研究报告的下载和收集需要手动整理，对人工的要求较高，且在实际研究中我们发现部分券商金股的历史数据不对第三方研究平台公布，从而无法及时获取的情况。 由以上分析可知，从数据覆盖的完整度来看，每市APP数据和券商研报数据占优；从获取数据的难易程度来看，朝阳永续数据占优；从数据含有的信息量来看，券商研报和朝阳永续数据占优。总体来看，券商金股数据的获取来源各有优劣。由于券商金股数据的非标准化和人工录入等特性可能导致数据录入过程中出现错误，因此为了尽可能保证数据的准确性和严谨性，本文在处理过程中会进行交叉校对。如果三者数据来源存在冲突，则进行手动校对。 3 数据问题及细节处理 在对券商金股数据进行整理和更新过程中，由于涉及到人工录入和校对，因此极易出现录入错误等问题，主要总结如下： 数据一致性问题：部分券商在研究报告中发布的金股组合和提交给每市APP的金股组合存在区别。此时投资者可以影响力更大、公开性更强的研报版本为主，或对二者取并集同时纳入； 代码名称笔误问题：由于研报撰写者的笔误，部分券商研报摘要中的金股和正文中的金股存在区别，部分券商研报中提及的股票代码及对应的股票名称存在不匹配的问题。对此，在进行数据更新时，我们尽可能地找到券商金股发布的原始研报，对报告正文部分的股票代码及股票名称进行复核，保证二者之间的匹配性； AH股同时上市问题：由于部分研报中仅列出股票名称，并未附上对应的股票代码，因此对于AH股同时上市的股票而言，在数据记录时可能存在一定的模糊性。例如，中国移动于2022年1月5日登陆A股主板。在此之前，该公司为港交所主板上市公司。因此若券商分析师在其登陆A股之前进行推荐，所对应的代码应为港股代码0941.HK，而非A股代码600941.SH。对于这一问题，我们可以通过阅读原始研报的推荐逻辑，结合公司在不同市场上的上市时间及每市APP和朝阳永续的数据进行多重校对，避免数据记录出错。 由以上分析可知，在券商金股数据更新过程中，如果能够获取券商金股对应的原始研究报告，那么就能够获取第一手最为准确的信息。实际上，各家券商金股报告的发布途径和报告标题普遍遵循一定的规律。从发布途径上来看，主要有Wind研究报告、研究所公众号、策略团队公众号、券商小程序等；从研报关键词来看，有“金股”、“投资组合”、“股票组合”、“关注标的”、“重点推荐标的”、“A股策略聚焦”等。国信金工团队对各家券商金股报告的发布途径、报告标题关键词进行了整理，在数据更新过程中，尽可能地将原始研究报告作为第一数据来源，同时将每市APP数据及朝阳永续数据作为数据交叉检验的备选来源，进行多重校对，尽可能保证数据的及时性和准确性。 二 券商金股股票池特征及市场表现 前文对券商金股的数据来源及细节处理进行了详细介绍，本部分我们将对券商金股股票池的特征、结构及市场表现进行分析。具体来讲，我们对券商金股股票池数量、数据获取时效性、买卖方互动性及券商金股内部结构进行分析，并从事件驱动角度来观察不同类别券商金股在被推荐后相对指数的超额收益。 1 券商金股股票池特征：数量多、互动性强、换手率高、特质性强 券商金股数量 本文采用的券商金股数据从2018年1月开始， 图4展示了每月发布金股的券商数量，自2021年以来发布金股的券商数量基本稳定在50家左右。实际研究中发现，券商金股中不仅包含A股，还包含港股、ETF等。本文仅对A股股票进行分析，对于券商金股中的港股分析可参见国信金工团队2021年5月13日发布的专题报告《基于分析师推荐视角的港股投资策略》。图5展示了全体券商金股股票池去重后的A股数量变化。随着发布金股的券商数量增多，券商金股股票池数量也基本稳定在350只左右，为后续的选股提供了较大的样本空间。 报告发布时效性 本文通过获取券商金股的原始报告，对报告发布的日期进行记录。图6和图7展示了可获取历史发布日期的样本中每月券商金股发布日期的分布情况，可以看到在每月第一个交易日之前（包含当日）发布券商金股研究报告的比例平均达到92.7%，也就是说绝大多数券商金股数据在次月第一个交易日即可获得。 买卖方互动性 对于券商分析师而言，其面向的主要客户群体为公募基金经理，因此我们可以考察卖方分析师推荐的券商金股与买方基金经理的实际持仓之间是否存在互动性。图8展示了每个月推荐的券商金股中，尚未被任何一只公募主动股基（这里的股基指股票型和偏股型基金，下文同不另做声明）持有为前十大重仓股的比例，可以看到该比例平均值为17%。也就是说，券商分析师推荐的金股中绝大部分已经出现在至少一只主动股基的前十大重仓股中。 进一步地，我们考察券商金股被推荐成功的比例。图9展示了尚未进入公募基金前十大重仓股的券商金股中，出现在下一个报告期的基金前十大重仓股中的比例，可以看到该比例平均值为35%。也就是说券商金股推荐的成功率平均值达到35%。 下面我们考察券商金股推荐比例与公募基金持股市值之间的关系，具体来讲首先根据公募基金持仓市值从大到小将股票分为5组，其中D1组为持股市值最高的股票，D5组为持股市值最低的股票。接着即可计算每月券商金股股票池中分属于不同组别的股票比例，最后计算每月分组比例的平均，其结果如图10所示。可以看到，券商金股中公募基金持股市值最高的D1组数量占比达到45.3%，公募基金持股市值最低的D5组数量占比仅为5.6%。也就是说，券商分析师在推荐券商金股时，更倾向于推荐公募基金持有市值靠前的股票。 推荐逻辑与分析师盈利预测调整 一般来讲，分析师推荐券商金股的主要逻辑可以大致划分为如下两种：其一，公司业绩向好，在业绩提升与市场情绪的共同推动下，具备较大的上涨空间；其二，公司业绩存在瑕疵，但市场前期的过度反应使得股票具备较高的性价比。总体来看，前者偏向于右侧推荐，而后者更偏向于左侧布局。 我们根据券商金股被推荐前对应分析师对其最近一次盈利预测调整情况，将股票池划分为首次预测、盈利预测上调、未调和下调四类，图11展示了不同类型盈利预测调整行为的股票数量占比。可以看到，自2018年以来，每期券商金股中首次预测的样本平均占比为20%，盈利预测上调样本平均占比为27%，盈利预测未调整样本平均占比为27%，盈利预测下调样本平均占比为26%。总体来看，不同分析师行为的股票数量占比相对均衡。 我们筛选出不同分析师盈利预测调整分类的股票样本，统计其在被推荐为金股之后60个交易日内相对中证500指数的平均累计超额收益，其收益分布如图12所示。此处，我们将每月的第一个交易日记为T0日，如无特别说明后文中也同样采用这样的处理方法。可以看到，盈利预测上调样本在被推荐后60个交易日的累计超额收益最高，盈利预测下调样本在被推荐后60个交易日的累计超额收益最低。由于前者更倾向于右侧推荐，而后者更倾向于左侧布局，这意味着在券商金股中右侧交易的盈利能力明显高于左侧交易。 强强联手：券商金股与超预期股票 上一小节提到，分析师盈利预测上调的券商金股在被推荐后60个交易日的累计超额收益明显高于盈利预测下调的券商金股。事实上，在分析师看好的股票中，业绩超预期的股票一直以来是市场上关注度极高的股票池。那么，券商金股和超预期股票之间的联动效应如何？被分析师推荐的超预期股票能否获得更高的超额收益呢？ 在国信金工团队于2020年9月30日发布的专题报告《超预期投资全攻略》中，我们以分析师全部调升和研报标题超预期为条件构建超预期事件股票池。本报告中我们同样采用这一处理方法，根据券商金股在最近一个报告期是否超预期，将其划分为超预期金股和未超预期金股。 图13展示了每期超预期金股与未超预期金股的数量变化情况，总体来看在每期券商金股中，超预期金股的数量占比约为25%，未超预期金股的数量占比约为75%。 我们对超预期金股和未超预期金股在被推荐之后60个交易日相对中证500指数的平均超额收益进行了统计，其收益分布如图14所示。可以看到，无论是在被券商推荐前还是在被券商推荐之后，超预期金股在前后60个交易日的超额收益都明显高于未超预期金股。这表明，上市公司业绩超预期与分析师推荐券商金股两类事件叠加发生时，券商金股的表现将会有明显的提升。 金股池换手率：重复金股VS 新进金股 我们根据相邻两期券商金股是否重复将其划分为重复金股和新进金股。具体来讲，重复金股是指上期及本期均共同存在的金股，而新进金股是指存在于本期、但不存在于上期的金股。 图15展示了每期重复金股与新进金股的数量变化情况，总体来看在每期券商金股中，重复金股和新进金股的数量占比各为50%。这说明了券商金股的换手率较高，每期约有一半的股票将会被替换。 我们对重复金股和新进金股在被推荐之后60个交易日相对中证500指数的平均超额收益进行了统计，其收益分布如图16所示。可以看到，新进金股在被券商推荐后60个交易日内的累计超额收益略高于重复金股，但二者之间并不存在明显的区别。 金股池特质性：多人推荐VS 独家推荐 我们根据券商金股的推荐家数将其划分为多人推荐和独家推荐两类。具体来讲，多人推荐金股是指在同一个月份被多家分析师同时推荐的股票，独家推荐金股则是指在同一个月份仅被1家分析师推荐的股票。 图17展示了每期多人推荐金股和独家推荐金股的数量变化情况，总体来看在每期券商金股中，多人推荐金股占比约为30%，独家推荐金股占比约为70%，这表明券商金股的特质性较强，大多数券商金股为分析师的独家推荐股票。 我们对多人推荐金股和独家推荐金股在被推荐之后60个交易日相对中证500指数的平均超额收益进行了统计，其收益分布如图18所示。总体来看，独家推荐金股在被券商推荐后60个交易日内的累计超额收益高于多人推荐金股，但是多人推荐金股在被推荐之前的涨幅要明显高于独家推荐金股。 不同类型券商金股事件收益汇总 表4对不同类型券商金股的超额收益进行了汇总，从盈利预测调整角度来看，盈利预测上调样本的表现会明显优于其他样本，这表明在券商金股股票池中，分析师盈利预测调整的方向和幅度对于后续的市场表现有着较强的预测作用；从是否超预期来看，业绩超预期券商金股的表现明显好于业绩未超预期券商金股的表现；从是否新进角度来看，新进金股的表现略好于重复金股的表现；从是否独家角度来看，独家推荐金股的表现略好于多人推荐金股的表现。 2 券商金股股票池表现：普通股票型基金指数的良好表达 对于总量分析师来讲，其可以通过自上而下的方式对宏观经济、行业板块进行比较分析，在市场风格变化的关键时点给予市场更为及时的提示。对于行业分析师来讲，其作为连接上市公司与机构投资者的桥梁，一方面可以通过现场调研、电话会议等方式及时了解上市公司的经营情况，另一方面可以通过路演交流、论坛沙龙等方式及时掌握公募基金经理对市场的偏好及判断，可以说在非财务报告发布高峰期时，券商分析师能够更加灵活、及时地掌握市场的第一手信息。因此，我们认为结合了总量分析师自上而下的宏观判断和行业分析师自下而上的微观推荐的券商金股股票池，能够在一定程度上反映公募基金对市场的配置偏好。基于此，我们预期券商金股股票池的市场表现能够较好地跟踪公募主动股基的整体表现。 我们将每月券商金股进行汇总，根据其被券商推荐的家数进行加权构建券商金股指数，并以每月第一天收盘价进行调仓。图19反映了券商金股指数与普通股票型基金指数（885000.WI）的净值走势，可以看到二者的走势十分接近。 表5列出了券商金股指数自2018年以来的绩效表现，从年化收益上来看，券商金股指数与普通股票型基金指数的走势十分接近；从跟踪误差上来看，券商金股指数与普通股票型基金指数的跟踪误差仅为5.91%；从相对最大回撤上来看，券商金股指数与普通股票型基金指数的相对最大回撤为8.57%。总体上来看券商金股股票池的走势与普通股票型基金指数的走势十分接近。基于此，如果能够在该股票池中进行进一步优选，那么我们预期可以达到稳定战胜主动股基中位数的表现。 3 券商金股行业分布 从券商金股的行业分布情况来看，图20展示了券商金股股票池每期覆盖的中信一级行业数量，可以看到，在全部30个行业中，券商金股至少覆盖其中的27个行业，整体覆盖率较高。从历史数据来看，券商金股股票池中属于综合（CI005029.WI）及综合金融（CI005030.WI）行业成分股推荐次数较少。 由于每月每家券商金股的数量一般为10只左右，因此在组合形成时总量分析师通常对单个行业仅会选择1-2只股票，这将导致券商金股股票池的行业分布相对较为分散。事实上，券商金股股票池的行业分布与公募基金整体的行业分布的确存在较大的区别。图21展示了2022年2月券商金股股票池的行业分布情况与公募基金持仓的行业分布情况，可以看到券商金股的行业分布相对更为分散，而公募基金持仓行业整体更为集中。 为了进一步了解时间序列上券商金股与公募基金在中信一级行业上的偏离情况，我们每月计算券商金股行业与公募基金持仓行业权重之差的绝对值作为其绝对偏离幅度。随后，我们计算绝对偏离幅度最高的5个行业的偏离幅度均值，其结果如图22所示。样本区间内，券商金股与公募基金在中信一级行业上绝对偏离幅度前五名的行业，其平均偏离幅度达到5.06%，说明二者之间的行业分布确实存在较大的差别。 4 券商金股风格特征 图23展示了券商金股股票池风格因子暴露平均值情况，总体来看券商金股股票池偏向于中小市值、高估值、高换手、高波动的股票。进一步地，图24展示了该股票池在市值因子上的暴露情况，可以看到在2020年市场风格整体偏大盘时，券商金股的市值暴露逐步变大；进入到2021年，小市值占优的情况下，券商金股在市值上的暴露越来越小，表明券商金股在风格上的暴露与整体市场的偏好保持一致。 三 以战胜公募基金中位数为目标的股票投资策略 在A股市场中，公募基金的长期表现优于传统宽基指数，然而想要战胜公募基金中位数并非易事。随着市场风格的不断变化，主动股基的短期业绩存在较大的波动，公募基金长期业绩考核机制的提出对其业绩持续性和业绩稳定性提出了更高的要求。对于考核相对排名的公募基金而言，如果每年都能够稳定地战胜公募基金中位数，那么其长期业绩排名将处于相对靠前的位置，从业绩稳定性和持续性来看都能够带来明显的提升。 1 公募基金长期表现优于宽基指数 近年来，在外资持续涌入、机构投资者占比提升、公募基金规模快速扩张的大背景下，机构投资者A股的定价权不断提升，公募基金长期业绩表现优于宽基指数。 图25和图26展示了表征A股主动股基收益表现的普通股票型基金指数（885000.WI）与沪深300及中证500等传统宽基指数自2010年以来的净值表现，在20100104-20211231区间段内，普通股票型基金指数年化收益为11.54%，同期沪深300指数年化收益为3.89%，中证500指数年化收益为3.40%，总体来看A股市场中公募基金长期业绩表现优于宽基指数。根据上交所统计年鉴来看，A股市场自然人投资者的交易金额占比基本在80%以上，这意味着A股市场中绝大部分参与人以个人投资者为主，因此市场有效性仍有待提升，投研能力更强、投研资源更加丰富的机构投资者，有望展现出长期比宽基指数更好的业绩表现。 2 风格切换下主动股基短期业绩波动大 尽管公募基金的长期业绩表现优于宽基指数，然而想要稳定战胜普通股票型基金指数却并非易事。由于基金经理通常具有自身能力圈，当市场风格发生急剧变化时，公募基金的短期业绩可能存在较大的波动。 在A股市场中，“冠军魔咒”通常被人提及——上一年度公募基金收益最高的基金在次年通常表现较为平淡。图27展示了2011年以来，上一年度排名前10%的基金在次年排名分位点的均值情况，可以看到其历年平均为47.93%，与次年基金中位数收益相当，说明在A股市场前一年度高排名的基金从统计意义而言并不具备持续的稳定性。 不仅仅是前一年排名靠前的基金在次年表现趋于市场平均，即便是长期业绩十分优异的基金，在短期也可能承受较大的排名和回撤压力。以某长期绩优基金为例，该基金在2010年至2021年的12年区间内业绩排名处于同类前10%，但是分年度来看该基金的排名波动相对较大。在2012、2014、2015和2021年度，该基金在主动股基中排名在70%之后，表现相对靠后。然而在2011、2013、2019和2020年，该基金在主动股基中排名均处于前20%，表现十分出色。总体来看，在过去12年中，该基金有一半的年份落后基金中位数，凭借几个年度的出色业绩，跻身同类基金前列。但是从“持基体验感”而言，面对连续几年持续落后基金中位数的表现，基金投资者是否能够坚持长期持有是一个不小的挑战。 3 基金业绩稳定性助力长期业绩排名提升 由以上分析可知，当面对市场风格的快速切换时，主动股基的业绩通常会出现较大的波动，因此长期业绩排名稳定靠前的基金难能可贵。 表6展示了自2010年以来连续三年业绩排名处于某一分位点之前的主动股基数量占比。以三年为一个周期来看，连续三年排名处于前10%的基金屈指可数，连续三年排名在前50%分位点的基金比例平均值仅为12.32%。由此可见，要要持续稳定地战胜基金中位数并非是一件简单的事情。 事实上，若基金业绩能够长期稳定地处于靠前的梯队中，其在长期业绩排名中将处于非常有利的位置。同样地，我们以三年为一个周期进行考察，表7展示了连续三年排名处于前N%的主动股基，其三年期排名分位点的平均值情况。可以看到，基金排名的长期稳定性将极大地助力基金在长期排名中取得出色的成绩，而这与市场倡导的公募基金长期业绩考核机制十分契合。 由表7可以看到，在A股市场中，连续三年排名前30%分位点的基金，其三年期业绩基本排在前5%的位置；连续三年排名前50%分位点的基金，其三年期业绩基本排名在15%分位点以内。 由此可见，若组合能够持续稳定地排在公募基金靠前的水平，那么该组合从长期业绩来看表现十分出色。因此，我们认为在构建主动选股策略时，以“战胜公募基金中位数”为目标的策略无论是在短期体验还是在长期收益上来看都具有可行性。 与传统的宽基指数增强不同，若想稳定战胜普通股票型基金指数，其最大的挑战在于如何构建稳定跟踪普通股票型基金指数的股票基准。在国信金工2020年11月15日发布的专题报告《基于优秀基金持仓的业绩增强策略》中，我们对公募基金进行多维度筛选，对优秀基金的股票持仓进行精选，以期稳定战胜公募基金中位数。然而正如前面所提到的，公募基金持仓信息披露的完整性和及时性都存在一定的不足，当公募基金出现大规模调仓时，滞后的持仓信息参考性将大幅下降。因此，能够紧跟普通股票型基金指数表现的券商金股组合将更具价值，如果能够对券商金股股票池进行进一步精选，那么就能够做到稳定战胜公募基金中位数的表现。 四 基于券商金股的公募业绩增强策略 由于券商金股股票池能够较好地跟踪普通股票型基金指数的表现，因此如果能够稳定地战胜券商金股股票池的整体表现，那么就能够实现稳定战胜普通股票型基金指数的目标。本部分我们借助多因子模型，采用组合优化的方法在控制个股偏离、行业偏离及风格偏离的情况下，对券商金股股票池进行增强。 1 动态算法下的因子有效性检验 多因子模型最经典的应用就是在指数增强策略领域，目前国内公募基金中大多数指数增强产品都是以沪深300指数和中证500指数为基准的。通常来说，不同的选股空间中因子的有效性亦会有所不同。长期来看，沪深300成分股中估值类因子表现出色，而在中证500成分股中，成长、价量类因子表现突出。如果把沪深300、中证500指数增强策略看作是选股空间相对稳定的“固定靶”，那么券商金股股票池更像是“移动靶”，对券商金股股票池构建多因子增强模型时，方法也会有别于传统的沪深300指数等传统宽基指数。 传统的多因子量化模型，经典的做法是： 1、在具体的选股空间中选择能对未来收益产生稳定预测作用的因子，这一步可以通过检验因子在选股空间中的RankIC、RankICIR、胜率等方法来完成； 2、根据因子过去若干期表现来对不同的因子进行加权，比如用因子过去12期的RankICIR、最大化复合因子ICIR等加权方法。总体说来，此类方法的逻辑都源自于因子动量，即给过去一段时间表现更好的因子赋以更高的权重。 如果把上述方法简单应用到券商金股股票池样本空间中，则可能会带来一些问题。由于券商金股股票池的月均换手率达到50%，因此股票成分股的行业、风格及板块的变化都十分剧烈。举个极端情况的例子，假定目前是T时刻，券商金股股票池都集中在沪深300指数成分股中，而T-12至T-1期券商金股股票池都集中在中证500指数成分股中。若采用静态算法，我们可能会选出T-12至T-1期间在中证500成分股中表现较好的价量因子，而价量因子很可能对于T期的沪深300成分股的收益预测效果并不好。因此在衡量因子有效性时，我们不能简单地采用传统的静态算法来衡量因子在其历史持仓上的表现，而需要采用动态算法。 图29是静态算法下的RankICIR计算方法示意图，图中第一行和第二行分别代表处于T期和T+1期，每种类型的箭头代表一种不同的持仓风格。由于优选基金持仓组合在截面上的变动可能比较剧烈，我们假设其每期持仓风格特征均有所不同，在图29中采用不同类型的箭头表示。 当我们处于T期时，如果简单地回看优选基金持仓组合在过去12个月的持仓，并计算每个时点因子在对应时点持仓中的RankIC，那么由于各期持仓在风格上的差别很大，可能导致过去各期因子的RankIC对当前的持仓风格并不具备参考价值。 基于此，我们建议采用动态算法来计算因子的RankICIR。具体来讲，如图30所示，站在T时刻，我们可以将当前优选基金持仓组合往前复制12期，即认为T-12到T-1期的持仓与T期的持仓保持一致，然后计算各因子在T-12到T-1期的RankIC，进而得出各因子在当前持仓下的过去12期RankICIR。通过这种动态算法计算得到因子的RankICIR，能够更好地反映因子在过去一段时间内在当前股票池中的表现，对当前股票池而言参考价值将会更大。 我们从估值、盈利、动量、成长、波动率、质量、分析师预期等多个维度选取对券商金股股票池样本空间有选股能力的Alpha因子，然后我们根据以下流程构建复合选股因子： 1、在T时刻，获取T期的券商金股股票池 S_T。在 T-12,…..,T-1,T 期将各因子在股票池 S_T 中进行行业、市值中性化处理，并计算中性化后的因子在股票池 S_T 中的RankIC； 2、根据T-12至T-1期的RankIC计算各因子T期的RankICIR，如果某因子在T期的RankICIR取值的正负性与因子逻辑取值的正负性相反，则该期将该因子的RankICIR取值强行置零，即本期不用该因子； 3、将T期中性化后的因子取值以2步骤中计算的因子RankICIR加权，得到T期券商金股股票池组合的复合选股因子。 图32展示了复合选股因子在券商金股股票池中的五组分档年化超额收益，图33展示了复合选股因子在券商金股股票池中的RankIC及累计RankIC历史走势。 可以看到，复合选股因子在券商金股股票池中的五档分组效果较为单调，复合选股因子在券商金股股票池池中的RankIC均值为4.7%，年化RankICIR为1.60，月胜率为70.0%，多头组合的月均超额收益达到0.97%，空头组合的月均超额收益达到-0.68%，说明我们针对券商金股股票池构建的打分模型对券商金股股票的未来收益有较强的预测能力。 2 基于券商金股的公募业绩增强策略 为了达到稳定战胜普通股票型基金指数的目标，我们需要将风控体系引入到组合构建过程中，要求组合的行业、风格暴露尽可能贴近公募基金的整体配置，构建基于券商金股股票池的业绩增强组合，主要要素如下： 回测区间：2018年1月2日-2021年12月31日。 选股空间：每月选取券商金股股票池作为选股空间，剔除上市不满90天的新股、ST股票、*ST股票及3个月内被标记为ST、*ST等风险警示的股票。 风格约束：每月选取券商金股股票池并进行去重，对去重后的券商金股进行等权处理得到基准指数。后续组合优化时风格约束、个股权重偏离幅度等约束均以此指数作为基准。 行业约束：由于券商金股的行业分布与公募基金的行业分布相差较大，为了更好地跟踪公募基金的整体表现，本文选择将公募基金的整体行业配置作为基准。然而，公募基金在季报期仅披露前十大重仓股，而整体来看前十大重仓股的持仓占比在50%左右，因此为了更为准确地度量公募基金在整体行业上的配置能力，我们需要对公募基金持仓进行还原。在国信金工2021年12月16日发布的专题报告《公募基金持仓还原及其实践应用》中，我们采用三阶段还原法，通过已知持仓、管理人持仓和回归拟合三阶段对公募基金的季度持仓进行补全。最后根据补全后的持仓，计算公募基金在中信一级行业上的整体配置比例。 选股方式：在满足组合相对基准指数在行业、风格约束、个股权重偏离幅度、成分股占比等约束的条件下，最大化组合在复合选股因子上的暴露。 组合仓位：以调仓日主动股基最近一期披露的基金仓位中位数作为组合仓位。 调仓模式：月度调仓，停牌股票不交易，涨停股票不买入、跌停股票不卖出。 交易费用：双边千三。 我们采用组合优化的方法构建券商金股业绩增强组合，优化模型如下： 该优化问题的目标函数为最大化组合的复合Alpha因子得分，其中α^T w为组合在复合Alpha因子上的加权得分，w为待求解的股票权重向量，α为每只股票的复合Alpha因子值。模型的约束条件包括组合在风格因子上的偏离度、行业偏离度、个股偏离度、成分股权重占比约束和个股权重约束等。 风格约束条件限制了组合相对于基准指数的风格暴露，X为股票对风格因子的暴露矩阵，w_b为基准指数成分股的权重向量，s_l、s_h分别为风格因子相对暴露的下限及上限； 行业约束条件限制了组合相对基准指数的行业偏离，H为股票的行业暴露矩阵，当股票i属于行业j时，H_ji为1，否则为0；I_l、I_h分别为组合行业偏离的下限及上限； 个股权重偏离约束限制了个股相对基准指数成分股权重的偏离，w_l、w_h分别为个股偏离的下限及上限； 成分股权重占比约束限制了组合在成分股内权重占比的上下限，B_b为是否属于基准指数成分股的0-1向量，b_l、b_h为成分股内权重的下限和上限； 个股权重约束限制了卖空，并且限制个股权重上限h。 在构建券商金股业绩增强组合时，我们设定个股相对券商金股等权基准指数的个股权重最大偏离1.5%，行业相对公募基金的行业配置最大偏离2%，市值风格相对最大偏离0.1，个股权重上限为3%。 在实际投资中，公募基金通常会自留部分现金以应对投资者的申购和赎回需求，因此大部分公募基金并不能满仓运作。由于券商金股业绩增强组合旨在对标公募基金中位数，因此在对组合的历史收益进行回测时，同样也许考虑仓位的影响。本文以每月主动股基最新一期披露的权益仓位中位数作为券商金股业绩增强组合的仓位，其结果如图34所示，在样本区间段内组合的平均仓位为87.26%。 图35和表9分别展示了券商金股业绩增强组合相对普通股票型基金指数的历史走势及绩效统计，其中在计算组合收益时展示的是考虑仓位组合的表现。可以看到，在考虑仓位及交易费用的影响后，该组合年化收益达到35.86%，而同期股基中位数的年化收益率为18.54%，相对股基中位数收益年化超额达到17.31%。此外，该组合与普通股票型基金指数的相对最大回撤为4.92%，信息比达到2.21，收益回撤比达到3.52，年化跟踪误差为6.35%，体现了组合的稳定性和较好的回撤控制能力。 如果将券商金股业绩增强组合历年业绩在当年年初成立满半年的主动股基中进行排位，排名分位点如表10所示。其中超额收益、排名分位点和具体排名展示的均为考虑仓位后组合的表现。可以看到，我们构建的公募基金业绩增强组合在2018年到2021年之间的4年中，每年的业绩排名都排在股基的前30%的水平。 图36展示了券商金股业绩增强组合的月均换手率，在全样本期间组合月均换手率达到64.30%，这一方面是由于券商金股股票池的换手率较高导致的，另一方面是由于个股Alpha因子取值发生变化导致每期股票得分发生变化导致。 图37展示了组合每期持仓数量及前十大重仓股持股集中度情况，组合平均持仓数量为60只且数量相对稳定，前十大重仓股权重之和基本在20%以内，组合持仓较为分散。 图38展示了组合持仓在不同指数成分股中的权重分布，平均来看有31%权重属于沪深300指数成分股，19%权重属于中证500指数成分股，29%权重属于中证1000指数成分股，21%权重属于其他板块。 图39展示了组合持仓在不同行业中所占的平均权重，总体来讲，组合在医药、食品饮料、电子、计算机、基础化工、机械等行业配置的权重较高。由于在组合优化时选取的行业偏离基准为公募基金持仓的行业配置权重，因此组合在行业上的配置情况与公募基金的整体配置基本保持一致。 最后，我们以每只股票在交易时点前10个交易日的日均成交额的10%作为个股单日最大买入金额，然后计算截面每只持仓股票单日最大买入金额/组合中该股票权重，取截面所有股票该数值的25%分位数处的取值作为组合单日最大买入金额，其历史时序如图40所示，历史来看组合平均单日最大买入金额为9.63亿元，2020年以来市场成交量较为活跃，组合单日最大买入金额在13.61亿元左右。 五 券商金股精选组合 1 券商金股精选组合构建方式 在构建券商金股业绩增强组合时，为了控制组合与普通股票型基金指数的跟踪误差和相对回撤，达到更稳定地战胜股基指数的目标，我们采用组合优化的方式，对组合的个股权重、行业偏离、风格偏离等进行了约束。从实证结果来看，这种做法能够提升组合相对普通股票型基金指数的稳定性，但是在收益方面则有一定的损失。本小节我们采用分步筛选法构建多头组合，试图提升组合收益的进攻性。具体方法如下： 回测时间：2018年1月2日-2021年12月31日 调仓频率：月度调仓； 股票池：券商金股股票池； 选股步骤： 基本面优选：基于标准化预期外盈利、单季度ROE同比变化、分析师滚动一致预期净利润环比变化、分析师滚动一致预期ROE环比变化四因子等权打分，剔除最近一期单季度净利润同比增速下滑、分析师滚动一致预期净利润环比下滑的样本，取得分最高的60只股票构造基本面优选股票池； 技术面精选：基于盈余公告后次日开盘跳空超额AOG、总市值两因子等权打分，选取优选股票池中得分最高的20只股票构造等权精选组合。 2 券商金股精选组合绩效表现 由于在券商金股精选组合的构建过程中，我们并没有进行任何行业及风格上的控制，因此在对其绩效进行展示时，我们以中证500指数作为业绩基准。图42和表11分别展示了券商金股精选组合相对中证500指数的历史走势及绩效统计，其中在计算组合收益时展示的是满仓组合的表现。可以看到，在考虑交易费用的影响后，该组合年化收益达到49.59%，而同期中证500指数的年化收益率为3.97%，相对中证500指数年化超额收益达到45.61%，表现较为优异。 图43展示了券商金股业绩增强组合的月均换手率，在全样本期间组合月均换手率达到70.19%。图44展示了组合在Barra因子上的暴露情况，受组合构建过程中选用的指标影响，券商金股精选组合更偏向于中小市值、高成长、高动量、高估值的风格。 图45展示了组合持仓在不同指数成分股中的权重分布，平均来看有7%权重属于沪深300指数成分股，15%权重属于中证500指数成分股，39%权重属于中证1000指数成分股，40%权重属于其他板块。 图46展示了组合持仓在不同行业中所占的平均权重，总体来讲，组合在基础化工、机械、医药、电子、电力设备及新能源等行业配置的权重较高。 我们以每只股票在交易时点前10个交易日的日均成交额的10%作为个股单日最大买入金额，然后计算截面每只持仓股票单日最大买入金额/组合中该股票权重，取截面所有股票该数值的25%分位数处的取值作为组合单日最大买入金额，其历史时序如图47所示，历史来看组合平均单日最大买入金额为2.30亿元。 六 总结 初识券商金股 券商金股组合既包含分析师对行业风格的偏好，又包含分析师对推荐时点的判断。绝大多数券商的金股组合以月度形式推出，这意味着数据更新频率更高、时效性更强，能够更加及时地反映机构投资者对当前市场的偏好及判断。 目前，市场上采用的券商金股数据主要来源于每市APP、朝阳永续数据库和券商研究报告。本文对不同数据来源的优缺点进行了比较，并对数据整理过程中的细节进行了介绍，保证了数据的严谨性和正确性。 券商金股股票池：普通股票型基金指数的良好表达 从券商金股数量来看，目前发布金股的券商数量基本稳定在50家左右，券商金股股票池数量基本稳定在350只左右； 从报告发布的时效性来看，90%的券商金股数据可以在每月第一个交易日之前（包含当日）获得； 从买卖方互动性来看，将近85%的券商金股已经出现在至少一只主动股基的前十大重仓股中；尚未进入公募基金前十大重仓股的券商金股中，出现在下一个报告期基金前十大重仓股的比例平均为35%； 从分析师盈利预测来看，盈利预测上调金股的超额收益明显高于全部金股，而首次预测及盈利预测下调样本的超额收益明显低于全部金股； 从是否超预期来看，超预期金股约占25%，非超预期金股约占75%。无论是从推荐前还是在推荐后，超预期金股的超额收益都要明显高于非超预期金股； 从推荐重复性来看，重复金股和新进金股的数量占比各为50%，说明券商金股的换手率较高； 从推荐家数来看，多人推荐金股约占30%，独家推荐金股约占70%，说明券商金股的特质性较强，大多数券商金股为分析师的独家推荐票； 从市场表现来看，券商金股组合与普通股票型基金指数走势十分接近。基于此，如果能够在该股票池中进行进一步优选，那么就可以达到稳定战胜主动股基中位数的表现。 基于券商金股的公募业绩增强策略 在A股市场中，公募基金的长期表现优于传统宽基指数，然而想要战胜公募基金中位数并非易事。对于考核相对排名的公募基金而言，如果每年都能够稳定地战胜公募基金中位数，那么其长期业绩排名将处于相对靠前的位置，从业绩稳定性和持续性来看都能够带来明显的提升。 我们以券商金股股票池为选股空间和基准指数，采用组合优化的方式控制组合与券商金股股票池在个股、风格上偏离，构建券商金股业绩增强策略。在2018年-2021年回测区间内，考虑仓位及交易费用的影响后，组合年化收益为35.86%，相较普通股票型基金指数年化超额17.31%，年化跟踪误差为6.35%，信息比为2.21，相对最大回撤为4.92%，在2018年-2021年组合每年的业绩排名都能够排在主动股基前30%的水平。 券商金股精选组合 为提升组合的进攻性，我们从基本面和技术面两个维度对券商金股股票池进行筛选，构建月度调仓的券商金股精选组合。在2018年-2021年回测区间内，考虑交易费用的影响后，组合年化收益49.59%，相对中证500指数的年化超额收益达到45.61%，信息比2.60，收益回撤比5.83。 注：本文选自国信证券于2022年2月18日发布的研究报告《券商金股全解析——数据、建模与实践》。 分析师：张欣慰 S0980520060001 分析师：张 宇 S0980520080004 风险提示：市场环境变动风险，组合失效风险。 量化藏经阁 分享量化投资和FOF投资研究成果。 460篇原创内容 Official Account 往期专题链接 量化选股系列： 1.《超预期投资全攻略》2020-09-30 2.《基于优秀基金持仓的业绩增强策略》2020-11-15 3.《基于分析师认可度的成长股投资策略》2021-05-12 4.《北向因子能否长期有效?——来自亚太地区的实证》2021-05-17 5.《基于风险预算的中证500指数增强策略》2021-10-20 6.《动量类因子全解析》2021-12-13 7.《寻找业绩与估值的错配：非理性估值溢价因子》2021-12-15 FOF与基金研究系列： 1.《基金业绩粉饰与隐形交易能力》2020-08-26 2.《基金经理业绩前瞻能力与基金业绩》2020-10-28 3.《基金经理调研能力与投资业绩》2021-04-21 4.《基金经理业绩洞察能力与投资业绩》2021-08-18 5.《公募基金持仓还原及其实践应用》2021-12-16 6.《逆流而上与顺势而为—2020年中美ETF市场启示录》2021-02-03 7.《中国ETF市场2021年度大盘点》2022-02-09 港股投资系列： 1.《基于分析师推荐视角的港股投资策略》2021-05-13 2.《百年港股风云录——历史、制度与实践》2021-06-10 行业轮动系列： 1.《JumpFit行业轮动策略》2021-05-13 2.《3M板块轮动策略》2021-11-30 资产配置系列： 1.《联储态度的量化表达—FedCircle资产配置策略》2021-06-22 CTA系列： 1.《股指分红点位测算方法全解析》2021-04-15 2.《基于开盘动量效应的股指期货交易策略》2021-05-13 3.《基于Bollinger通道的商品期货交易策略》2021-10-13 新股系列： 1.《公募打新全解析—历史、建模与实践》2020-12-09
大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）
郑重声明：悟空智库网发布此信息的目的在于传播更多信息，与本站立场无关，不构成任何投资建议。
