诺德基金:基金公司集中持仓集中度越高 越容易分化

“团结才是力量?”基金公司整体股票集中度对业绩的影响分析

在本系列的上一份报告中,我们深入讨论了头寸集中对基金产品和基金经理业绩的影响。我们发现不同基金产品和不同基金经理的头寸集中度相对较高。影响。众所周知,公募基金公司将组织统一的研究和投资体系来管理,支持和帮助公共基金经理的投资活动。因此,在实际投资决策过程中,属于同一公募基金公司的不同基金经理的投资决策,尤其是投资对象的选择,可能会有一定程度的趋同。那么,类似于我们前面讨论的头寸集中问题,基金公司管理的不同公募基金产品的头寸集中度如何影响公司的投资业绩?此外,基金公司的整体头寸集中能帮助投资者找到投资表现更好的基金公司,然后选择这些优秀公司的最佳产品吗?我们将在本文中讨论这些问题。

每季度的基金公司数量分布。如下图1所示,每季度至少有3或5家公司管理,拥有至少1亿股混合型基金的基金公司数量为35或50个。从图中可以看出在这个观察区间内,基金公司的数量相对较大且相对稳定,可以更好地反映观察统计的效果。基金公司数量

在本文中,我们将根据每个基金公司所选择的三五个基金产品的季度报告中披露的前十大股票在三五个基金的总股票投资市场价值中的比例来衡量基金。该公司的股票仓位集中。同时,对于基金公司的业绩衡量,我们需要考虑以下情况:第一,由于季度报告中披露的情况,可能会影响本季度和下一季度基金的净值。因此,我们将研究基金产品。本赛季和下一季的表现。其次,因为对于每个基金公司,我们都选择了3种或5种不同的基金产品,而且它们的表现也不尽相同。在衡量基金公司的业绩时,我们将首先检查每个基金公司三五个产品的业绩标准差,以衡量基金公司业绩的差异。接下来,我们还将使用最佳和最差基金产品作为代表来评估整个基金公司的业绩。因此,在本文中,我们将使用六种不同的方法来衡量基金公司的业绩,即季度收入标准差,下一季的收入标准差,本季度最佳产品表现,本季度最差产品表现,下一季度的最佳产品性能和下一季度最差的产品性能测量。

为了检验基金公司的整体股票头寸集中度与其业绩之间的相关性,我们将使用Spearman回归方法计算基金公司股权头寸集中度与业绩之间的等级信息系数(Rank IC)。具体方法是:每季度结束后,基金公司根据每季度报告中披露的股权头寸集中排名,基金公司也按不同的业绩指标排名,然后采用Spearman回归。该方法计算两组Rank IC之间的相关性。一般而言,当Rank IC> 0表示两组具有正相关关系,即仓位集中度越高,基金公司业绩越好;相反,当Rank IC< 0,表示两组之间的负相关。也就是说,头寸集中度越高,基金公司的表现越差。最后,每个季度按时间顺序逐个添加Rank IC,以获得Rank IC的累积序列。累积序列的长期趋势反映了位置集中与性能之间的相关性是否长期稳定。 Spearman回归方法的计算过程在本文中没有详细描述,感兴趣的读者可以参考相关资料。此外,应该强调的是,在本文中,我们按降序对所有排序进行排序。具体而言,库存位置的集中度越高,产品性能的标准偏差越大,最佳和最差产品的性能越好,排名中的排名越高。

在图2至图5中,我们表明在基金公司中拥有3或5亿股规模的公募基金产品,根据其产品库存位置从高到低的排名,并根据其选择的相关性表现3或5个产品性能差异从高到低。如图四所示,我们可以看到,在大多数检查期间,无论是基于季度业绩还是下一季度业绩的标准差,该基金都是基于股票仓位的集中度。公司排名呈正相关。因此,表示两者之间关系的Rank IC的累积值曲线显示出稳定的上升趋势。这表明,在大多数情况下,基金公司发行的产品库存集中度越高,其产品性能的标准差越大,这意味着其产品性能的差异化程度越高,其产品越多容易发生相对情况好坏参半。

图2:基于3个产品位置的浓度和基于当前季节的产品性能标准差的Rank_IC(均为下降)

图3:根据5个产品位置的浓度和基于当前季节的产品性能标准差对Rank_IC(均为下降)进行排序

图4:基于3个产品头寸的集中度以及基于下一季度的产品性能标准差异的Rank_IC(均为下降)

图5:基于5个产品位置的集中度和基于下一季度的产品性能标准差异的Rank_IC(均为下降)

接下来,我们使用从基金公司中选出的三五种产品中表现最佳的基金产品作为基金公司的业绩代表,探讨基金公司股票头寸集中度与基金公司业绩之间的关系。在下面的图6至图9中,我们表明,在基金公司拥有3或5亿股规模的公募基金产品时,根据其产品库存位置从高到低的排名,根据其最佳表现。产品的顺序从高到低的关系。如以下四张图所示,我们可以看到,在绝大多数检验期间,基金公司产品在当前季节或下一季的最佳产品表现的排名集中在这些基金的整体库存位置基金公司的产品。学位具有正相关性。因此,表示两者之间关系的Rank IC的累积值曲线显示出稳定的上升趋势。这表明,在绝大多数情况下,基金公司发行的产品总体集中度越高,最佳产品的表现越好,即表现良好的公募基金产品更有可能出现在他们的产品中。

图6:基于3个产品位置的浓度和基于季节的最佳产品性能的Rank_IC(均为下降)

图7:基于5个产品位置的浓度和基于季节的最佳产品性能的Rank_IC(均为下降)

图8:基于3个产品位置的集中度和基于下一季的最佳产品性能的Rank_IC(均为下降)

图9:基于5个产品位置的集中度和基于下一季的最佳产品性能的Rank_IC(均为下降)

接下来,我们使用基金公司三五项产品中表现最差的基金产品作为基金公司的业绩代表,探讨基金公司整体股票头寸集中度与基金公司业绩之间的关系。在下面的图10至图13中,我们显示在拥有3或5亿个规模的公共基金产品的基金公司中,总体股票头寸集中度根据其产品从最高到最低排名。绩效产品排名从高到低的关系。如以下四张图所示,我们可以看到,在绝大多数检验期间,基金公司产品在当前季节或下一季度表现最差的排名,以及这些产品的整体库存位置集中度基金公司有负相关。因此,表示两者之间关系的Rank IC的累积值曲线基本上呈现稳定的向下或平缓趋势。这表明在绝大多数情况下,基金公司发行的产品总体集中度越高,最差产品的表现越差,即表现不佳的公募基金产品更有可能出现在他们的产品中。

图10:根据3个产品仓位的集中度以及本季度最差的产品表现对Rank_IC(均为下降)进行排名

图11:Rank_IC(均为下降)基于5个产品头寸的集中度以及公司基于季节的最差产品表现

5e24-iafwsqp4913690.png

WIND数据库,NORD基金FOF管理部门

图12:基于3个产品位置的集中度和基于下一季度的最差产品性能的Rank_IC(均为下降)

图13:基于5个产品位置的浓度和基于下一季度的最差产品性能的Rank_IC(均为下降)

除了前一节介绍的位置集中算法外,我们还考虑了其他三种不同的算法来分析基金公司的整体股票仓位集中度。第一种算法,考虑到不同基金的不同规模,重仓股比例的影响,算法使用了5只基金的前十大重股的市值,占总股票投资市值的比例为5资金,其中相同的股票比率加在一起,然后比率平方和总和,以获得基金公司的头寸集中。第二种算法在计算重股股票的市场份额后,从大到小累积比例,然后在累计值超过40%时根据股票数量对基金公司进行排名。当使用该算法时,当达到市场价值时,股票数量越小,头寸的集中度越高。如果基金公司的重磅股市值不超过40%,那么这些基金公司将根据前一篇文章进行测试。然后对浓度进行排序。第三种算法选择重股的股票市值前30名股票,并计算30只股票的市值总和作为基金公司的集中头寸。该算法可以有效地避免某些股票在个别基金产品中的高权重位置的集中效应。这三种用于衡量基金公司头寸集中度的算法,我们也进行了与本文相同的实验,回测结果与本文前面提出的测试结果几乎相同。

总之,我们可以清楚地看到,对于一家基金公司而言,其部分共享混合型基金产品的整体股票仓位集中度对公司产品的整体表现有相对明显的影响。具体而言,当公司产品的整体库存位置集中度较高时,公司产品的差异化程度将更高。此外,当公司的整体股票头寸集中度较高时,公司的绩效基金可能表现更好,而公司最差的基金业绩可能更差。这在一定程度上反映了投资某基金公司的基金共享混合基金产品时其整体股票头寸集中所带来的隐患,值得投资者关注。当然,我们得出的结论是基于多家基金公司的统计数据,而不是针对一家或多家基金公司的统计数据。在实际投资活动中,投资者应对具体基金公司的具体投资目标进行具体分析,不可概括。

新浪声明:新浪发布此文章的目的是传递更多信息,并不意味着同意其观点或确认其描述。文章内容仅供参考,不构成投资建议。投资者在此基础上运营,风险自负。

陶然