林晓明 S0570516010001 研究员
李 聪 S0570519080001 研究员
韩 皙 S0570520100006 研究员
王佳星 S0570119090074 联系人
报告发布时间:2021年2月10日
摘要
本文梳理了医药主题基金池,并构建了一套统一的框架进行基金评价分析
本文从基金配置的角度,继续推进行业配置落地研究。作为基金配置子系列首篇报告,本文主要聚焦于医药主题基金的梳理与评价。主要工作包含:1、被动型医药主题基金的筛选与评价,重点考察跟踪指数的投资价值,以及基金是否能够紧密跟踪目标指数的表现;2、主动型医药主题基金的筛选与评价,重点关注基金经理的收益获取能力、回撤控制能力、行业配置能力、个股选择能力。经统计,近一年来,医药基金呈现出规模与数量齐升的发展态势,截止2020年12月31日,全市场共有被动型医药主题基金30支,规模总计463.5亿;共有主动型医药主题基金80支,规模总计1799.7亿元。
医药主题基金筛选:结合持仓信息和跟踪指数/业绩基准筛选医药主题基金
本文以持仓为核心,辅以跟踪指数/业绩比较基准信息,筛选医药主题基金。以被动型为例:1、根据Wind开放式基金分类,获取所有被动指数型和增强指数型基金;2、剔除ETF联接基金、分级基金仅保留母基金、同一基金的不同份额仅保留A类份额;3、将基金成立日之后3个月内的持仓数据置为空值,避免因建仓尚未完成而导致误判;4、基于每支基金的半年报和年报完整持仓数据,计算调整后医药行业持仓权重;5、对于有历史持仓数据的基金,要求其历次持仓医药行业权重都在50%以上;对于刚成立不久,缺乏持仓数据的基金,通过匹配跟踪指数中的关键字来进行筛选。
被动型医药基金评价:重点考察跟踪指数投资价值与基金跟踪紧密度
投资被动指数型基金的核心有两点,一是其跟踪指数是否有投资价值;二是该基金能否紧密跟踪目标指数的表现。对于前者,本文主要从指数历史表现和子行业配置两个维度出发;对于后者,本文参考了金牛奖的评比规则,将被动型基金分为标准指数型、增强指数型和ETF三类。其中,标准指数型基金主要考察跟踪误差和信息比率;增强指数型基金主要考察信息比率、超额收益;ETF基金则主要考察跟踪误差、场内规模和日均成交量。结合成立年限、基金规模等投资约束后,在30支被动指数型医药基金中一共有18支满足推荐条件,其中,标准指数型11支,增强指数型2支,ETF型5支。
主动型医药基金评价:收益能力、回撤控制能力、归因分析、画像分析
本文对主动型医药主题基金的评价框架从两个维度展开:1、基于净值的评价方法:主要考察基金的收益获取能力和回撤控制能力,它们是影响投资者持有体验的最核心的两个维度;2、基于持仓的评价方法:主要开展基金归因分析和画像分析。其中,归因分析重点关注基金的子行业配置能力和选股能力;画像分析重点关注基金的换手率水平、持仓集中度和持有人结构。结果表明,主动型医药主题基金中,优秀基金经理的业绩持续性较高,且普遍具备较强的子行业配置和个股选择能力,这得益于医药行业成分股众多,且成分股间基本面、价格走势分化较大,有广阔的超额收益挖掘空间。
风险提示:本文梳理的医药主题基金池,以及推荐标的,都是基于一套自定义的定量标准得出,不排除其他优质产品暂未纳入其中的可能性;本文梳理的医药基金推荐池是基于历史表现给出,历史表现并不一定代表未来,请投资者理性看待。
报告正文
本文研究导读
基本面轮动系列报告主要聚焦于中观层面行业轮动研究,在首篇报告《确立研究对象:行业拆分与聚类》(2020-03-03)中,我们进行了行业拆分和板块聚类研究,为后续系列报告确立了统一的研究对象;在系列报告二到五中,我们分别从宏观风险因子、中观风格因子、微观经营模式和产业链上下游关系四个视角进行行业画像分析,力求从不同维度对各行业的核心驱动因素进行梳理;在系列报告六到九中,我们分别从宏观因子、趋势追踪、景气度、拥挤度四个维度展开了具体的行业轮动策略开发。在系列报告十到十一中,我们从指数增强的角度展开了行业配置落地研究,力求将行业轮动模型转化为实际可投资策略。
自本篇报告开始,我们将从基金配置的角度,继续推进行业配置落地研究。具体而言,我们将分行业板块梳理可投资基金资产,并基于统一的基金评价框架优选标的,构建底层基金池,后期将基于行业轮动模型将底层基金池打包轮动,构建最终的基金投资组合。本篇作为基金配置子系列首篇报告,主要聚焦于医药主题基金的梳理与评价。后文内容主要分为两部分:1、被动型医药主题基金的筛选与评价,重点考察跟踪指数的投资价值,以及基金是否能够紧密跟踪目标指数的表现;2、主动型医药主题基金的筛选与评价,重点关注基金经理的收益获取能力、回撤控制能力、行业配置能力以及个股选择能力。
被动型医药主题基金筛选与评价
被动型医药主题基金筛选
本文主要结合基金持仓和跟踪指数来筛选被动型医药主题基金,处理流程如下:
1. 确定基础池:以Wind开放式基金分类为基础,获取所有被动指数型和增强指数型基金,作为基础池。
2. 基金预筛选:在基础池中,剔除ETF联接基金;分级基金仅保留母基金;同一基金的不同份额仅保留A类份额。
3. 数据预处理:为了剔除建仓期的影响,将基金成立日之后3个月内的持仓数据置为空值,避免因建仓尚未完成而导致误判。
4. 持仓医药行业权重计算:基于每支基金的半年报和年报完整持仓数据,计算调整后医药行业持仓权重,也即持有的医药个股,占全部A股持仓的比例。
5. 筛选符合条件的医药基金:对于有历史持仓数据的基金,要求其历次持仓医药行业权重都在50%以上;对于刚成立不久,暂时缺乏持仓数据的基金,通过匹配跟踪指数中的关键字来进行筛选。
需要说明的是,上述筛选的核心目的是获取医药主题相关的基金池,并非投资推荐,因而条件设置中并未包含可投资性约束(比如基金规模、是否开放申赎等)。
截至2020年12月31日,全市场共有被动型医药主题基金30支,其中:
1. 规模角度:所有被动型医药基金最新规模总计463.5亿元;规模最大的是招商国证生物医药,最新规模158.7亿元;规模前五的基金占总规模比例超过65%。
2. 管理人角度:一共有17家基金公司布局了被动型医药主题基金;规模占比最大的是招商基金(158.7亿);数量占比最大的是汇添富基金(5支)。
3. 历史发展角度:被动型医药主题基金经历了两轮规模与数量齐升的大发展阶段,第一轮是2013Q2至2015Q2,数量由1支攀升至14支,规模由4.9亿攀升至239.5亿;第二段是2019Q4至2020Q4,数量由23支攀升至30支,规模由125.2亿攀升至463.5亿,其背后都受益于医药行业的亮眼表现。
4. 持有人结构角度:被动型医药主题基金的参与者主要是机构与个人。其中,2015Q4机构投资者的占比一度超过60%,而后一路下滑;根据最新的2020H1数据,机构投资者占比29.95%,管理人员工占比0.01%,个人占比70.04%。
被动型医药主题基金评价
投资被动指数型基金的核心因素有两点,一是其跟踪指数是否有投资价值;二是该基金能否紧密跟踪目标指数的表现,并且满足规模、合同约定等投资约束。因此,本文对被动型医药主题基金的评价框架也是从这两个维度展开:
1. 跟踪指数分析:核心是评估跟踪指数的投资价值。本文主要从收益获取能力和子行业配置两个维度出发,前者主要是考察指数编制规则是否科学有效,能够及时“优胜劣汰”,获取更好的收益表现;后者主要是考察指数在高景气子赛道上的配置情况,同时也对风险集中度有一个客观评估。
2. 基金分析:核心是评估基金是否能紧密跟踪目标指数的表现。本文参考了金牛奖的评比规则,将被动型基金分为标准指数型、增强指数型和ETF三类。其中,标准指数型基金主要考察跟踪误差和信息比率;增强指数型基金主要考察信息比率、超额收益;ETF基金则主要考察跟踪误差、场内规模和日均成交量。
跟踪指数梳理
前文梳理的被动型医药主题基金池一共跟踪了21个指数,其中:
1. 规模维度:根据2020年四季报最新数据,有8个指数背后的基金规模超过20亿,其中排名前三的分别是国证生物医药指数(158.7亿)、中证创新药产业指数(65.8亿)、中证生物医药指数(41.9亿)。
2. 数量维度:大部分指数背后都只有1支基金跟踪,仅有5个指数例外,分别是中证医药卫生指数(4支)、中证医疗指数(4支)、中证医药100指数(2支)、中证创新药产业指数(2支)、中证全指医药卫生指数(2支)。
每个指数的编制规则大同小异,基本上是目标行业+流动性+总市值的筛选模式,以中证生物科技主题指数为例,其编制逻辑为:1、剔除过去一年日均成交金额排名后20%的股票(流动性筛选);2、将涉及基因诊断、生物制药、血液制品及其它人体生物科术的相关上市公司纳入生物科技主题(目标行业筛选);3、按照过去一年日均总市值由高到低排名,选取前50支股票(总市值筛选)。
仅有两个指数在编制过程中引入了差异化选股逻辑,分别是中证医药健康100策略指数和中证医药50指数,前者综合盈利能力、估值水平和效率提升三类指标进行打分,选取综合得分排名靠前的100只股票作为指数样本股;后者按照过去一年日均总市值、营业收入(TTM)、ROE(TTM)与毛利率(TTM)排名,将四个指标排名的平均数作为股票的综合排名。后文业绩分析结论显示,这两个指数在所有指数中的收益表现排名相对靠前,侧面说明在医药行业上是存在较大的alpha选股空间的,换言之,可以在指数编制过程中引入差异化选股逻辑来提升指数表现。
跟踪指数收益获取能力分析
在考察跟踪指数的投资价值时,历史收益表现是最具说服力的,为避免受到特定考察区间的影响,本文采用随机抽样法来评估跟踪指数业绩表现的稳定性。以近5年为例(2016年初至2020年底):1、剔除2016年以后成立的指数;2、随机抽取一段长度超过60天的连续区间,统计该区间内各指数涨跌幅,排名前一半则说明指数表现较优;3、重复1000次,统计各个指数在这1000次随机抽样中排名前一半的概率,值越大,说明指数表现越稳健。结果表明,近5年、近4年、近3年表现较优的指数重复率较高,主要集中在生物医药、医疗、创新药等概念主题,以及带有差异化选股逻辑的中证医药健康100策略指数、中证医药50指数。整体而言,业绩表现越稳健的指数,越受到投资者认可,规模也越大。但同时也注意到一些“规模-表现”不匹配的指数,比如中证医药健康100策略指数,在近3年中随机抽样排名前一半概率高达98.5%,最新规模却只有1.3亿,或许存在超预期的投资机会,这同样也为基金公司产品布局提供了一些思路。
跟踪指数子行业配置情况
在分析跟踪指数投资价值时,子行业配置情况也是一个重要维度,因为大多数医药主题指数在编制时都有一定的赛道聚焦性,这些赛道短期是否有弹性、长期是否符合行业发展趋势,都直接决定了指数的走势。回顾中信三级行业过去十年的表现,可以看到:1、每年排名前三的子行业存在不规则的轮动现象,但是医疗服务子行业每年都位于前三,属于长期优质赛道,而中成药、医药流通则仅有1年进入前三,胜率偏低;2、2020年医药内子行业结构分化较大,涨幅靠前的子行业中,生物医药(疫苗研发)、医疗器械(防疫所需的口罩、手套、防护服、消毒液等个人防护用品及呼吸机、监护仪等医疗设备)、医疗服务(核算检测服务)都具备鲜明的疫情驱动特征,同样说明赛道选择的重要性。
投资者可以根据对各个医药子赛道的未来走势预期,选择相应的主题指数进行投资。华泰医药团队在年度策略报告《以创新应对一切挑战》(2020-11-23)中指出,医保内未来十年的主题仍是结构优化、鼓励创新,医保外未来十年的矛盾仍是高品质供给与高品质需求的错配,创新药产业链与可选医疗消费属于中长期的优质赛道,个股上坚守一线龙头白马、择机配置超跌标的。可见,医疗服务(CXO)、医疗器械(中长期优质赛道)、生物医药(高研发投入创新药)等仍然是我们长期看好的方向。其中:看好医疗服务的投资价值,可以重点关注中证医疗指数、中证精准医疗指数;同时看好医疗服务和医疗器械的投资价值,可以重点关注中证医疗指数;看好生物医药的投资价值,可以重点关注国证生物医药、中证生物医药指数、中证万得生物科技指数。
被动型医药主题基金评价
本文参考金牛奖评比规则(2020),对被动型医药主题基金进行分析,具体步骤如下:
1. 以2020年为考察区间(2019-12-31至2020-12-31),剔除2020年之后才成立的基金。
2. 计算19Q4至20Q4的平均规模,剔除平均规模低于2亿的基金,同时剔除最新规模(20Q4)不足2亿的基金,最终基金池由30支降为18支。
3. 将所有基金分为标准指数型、增强指数型、ETF型3类,按照金牛奖规定:
1) 标准指数型基金主要考察跟踪误差(80%权重)和信息比率(20%权重),本文统一保留跟踪误差小于4%的基金,经筛选一共有11支。其中,中信保诚中证800医药、汇添富中证中药A、申万菱信医药生物三支基金的信息比率均超过2,超额收益显著高于同类基金,而且规模均处于2~4亿之间,我们猜测可能是有打新收益的影响。
2) 增强指数型基金主要考察信息比率(80%权重)和超额收益(20%权重),经筛选一共有2支。
3) ETF基金主要考察跟踪误差(70%权重)、场内规模(15%权重)、日均成交额(15%权重),本文统一保留跟踪误差小于2%的基金,经筛选一共有5支。其中,2020年日均成交额超过1亿的基金有两支,分别是国泰中证生物医药ETF(2.1亿)、华宝中证医疗ETF(1.2亿)。
主动型医药主题基金筛选与评价
主动型医药主题基金筛选
本文主要结合基金持仓和业绩比较基准来筛选主动型医药主题基金,处理流程如下:
1. 确定基础池:以Wind开放式基金分类为基础,获取所有普通股票型、偏股混合型和灵活配置型基金,作为基础池。
2. 基金预筛选:在基础池中,同一基金的不同份额仅保留A类份额。
3. 数据预处理:为了剔除建仓期的影响,将基金成立日之后3个月内的持仓数据置为空值,避免因建仓尚未完成而导致误判。此外,将所有基金持仓数据按照现任基金经理任职日期截断,也即仅考虑现任基金经理任职以来的持仓数据;
4. 持仓医药行业权重计算:基于每支基金的半年报和年报完整持仓数据,计算调整后医药行业持仓权重,也即持有的医药个股,占全部A股持仓的比例。
5. 筛选符合条件的医药基金:1)、对于刚成立不久,暂时缺乏持仓数据的基金,通过匹配基金业绩比较基准中的关键字来进行筛选;2)对于持仓数据非空的基金,如果业绩比较基准是医药相关,则要求其历史持仓在医药行业上的最低权重大于30%,平均权重大于50%;如果业绩比较基准不是医药相关,则在最低权重和平均权重的要求之上,再加入存续期约束(也即过去4个半年报/年报都有完整持仓数据),这是为了剔除一些成立较短,业绩基准并非医药却大幅配置了医药的基金(可能存在风格漂移的风险)。
截至2020年12月31日,全市场共有主动型医药主题基金80支,其中:
1. 规模角度:所有主动型医药基金最新规模总计1799.7亿元;规模最大的是中欧医疗健康(葛兰),最新汇总规模232.4亿元;规模前十的基金占总规模比例超过76%。
2. 管理人角度:一共有51家基金公司布局了主动型医药主题基金;规模占比最大的是汇添富基金(289亿);数量占比最大的是工银瑞信基金(5支)。
3. 历史发展角度:过去十年,主动型医药主题基金的数量呈现出稳定、匀速增长的态势,足以说明这一长期优质赛道受到了基金管理人的持续重视;主动型医药主题基金的规模增长则与医药行业的表现息息相关,在2015年前后和2020年出现较大增长。
4. 持有人结构角度:主动型医药主题基金的参与者主要是机构(历史中枢在15%附近)与个人(历史中枢在85%附近)。根据最新的2020H1数据,机构投资者占比12%,管理人员工占比0.09%,个人占比87.91%。
需要说明的是,上述筛选的核心目的是获取医药主题相关的基金池(持仓集中于医药行业且出现风格漂移的风险较低),在开展基金评价前,还需要基于可投资性约束进一步筛选。
本文设置如下条件:
1. 现任基金经理任职期至少满1年。
2. 2019Q4至2020Q4的基金平均规模大于2亿,且最新规模(2020Q4)大于2亿。注意,在进行基金可投资性分析时,我们是针对单份额规模进行统计(也即包含A、C份额的仅统计A份额),后文如无特殊说明,展示的基金规模也都是单份额规模。
经过可投资性筛选后,主动型医药主题基金池由80支缩减至38支。后文中,我们主要针对这38支基金进行评价、分析。
主动型医药主题基金评价
本文对主动型医药主题基金的评价框架从如下两个维度展开:
1. 基于净值的评价方法:主要考察基金的收益获取能力和回撤控制能力,它们是影响投资者持有体验的最核心的两个维度。其中,收益获取能力主要考察随机抽样收益排名前一半概率、分年度涨跌幅、医药行业进攻区间涨跌幅、滚动60天收益大于零占比等维度;回撤控制能力主要考察随机抽样回撤排名前一半概率、分年度最大回撤、医药行业下跌区间表现、最长未创新高天数等维度。
2. 基于持仓的评价方法:主要开展基金归因分析和画像分析。其中,归因分析重点关注基金的子行业配置能力和选股能力;画像分析重点关注基金的换手率水平、持仓集中度和持有人结构。
在实证过程中,有两点需要特殊声明:1、主动型基金的核心在于基金经理,而同一支基金的不同任基金经理之间在风格、能力上并没有必然的联系,因此本文在分析过程中,统一只考虑现任基金经理任职以来的表现;2、由于每支基金的起始有效时间(按现任基金经理任职时间计算)不同,导致相互之间无法公允比较,本文统一采用分年度对齐的方法进行处理。比如将2016年之前有效的基金记为5年期基金,对比时统一按照2015年12月31日进行截断对齐;同理,2017年之前成立的基金记为4年期基金,以此类推。实证时只会在同年期的基金内相互比较,并择优推荐。
收益获取能力分析
本文主要从如下几个维度考察基金的收益获取能力:
1. 随机抽样收益:采用与前文被动指数型基金一样的分析方法,随机抽取一段超过60天的连续区间,考察目标基金在该区间内收益是否排名前一半,重复多次后即可计算基金收益排名前一半的概率。该方法模拟了投资者随机进出时的持有收益,参考性最强。
2. 累计年化收益:按照不同年期截断对齐后,考察基金累计至2020年底的年化收益,比如5年期基金统计2015年12月31日至2020年12月31日的区间年化收益。
3. 分年度收益:按照不同年期截断对齐后,考察基金的分年度表现,比如5年期基金考察2016~2020年5个完整自然年度的收益表现。
4. 进攻区间收益:提取中信医药行业指数2016年以来的上行区间段(区间涨幅超过10%,且中间不存在10%以上的回调),考察各基金在这些上行区间段中的表现,以此衡量各基金的进攻能力。
5. 滚动窗口收益:按照不同年期截断对齐后,考察各基金滚动60天收益大于0占比。比如5年期基金统计2015年12月31日至2020年12月31日的滚动收益大于0占比。
以5年期基金(总共6支基金)为例,展示收益能力分析的过程。其中,随机抽样收益前一半概率、累计年化收益、滚动60天收益大于0占比都是单项指标;分年度收益考察区间为2016至2020年,共5个单项指标;进攻区间分为9段,共9个单项指标。以上一共17个单项指标,对每个单项指标,如果该基金排名前一半,则记1分,最后统计各基金的汇总得分,作为该基金综合收益能力的刻画。结果表明,不同基金间的收益获取能力分化较大。其中,基金1综合得分为13分,随机抽样中收益排名前一半的概率高达87%,近5年的年化收益高达20.24%,综合表现最好;基金2综合得分11分,随机抽样中排名前一半的概率也超过80%,近5年的年化收益率为17.41%,收益获取能力也较为突出。
采用同样的方法,可以得到4年期、3年期基金的收益获取能力综合打分(2年期及以下由于考察区间太短,而且医药行业都处于上行趋势,没有经历牛熊转换的考验,因而本文暂不予以展示)。可以看到,不同年期下综合打分靠前的基金有较高的重合度,说明医药主题基金中,优秀基金经理的业绩持续性较高。需要指出的是,下表是基于本文提出的收益分析框架给出的推荐结果,不排除其他优质产品暂未纳入其中的可能性。
回撤控制能力分析
本文主要从如下几个维度考察基金的回撤控制能力:
1. 随机抽样最大回撤:随机抽取一段超过60天的连续区间,考察目标基金在该区间内的最大回撤是否排名前一半(回撤绝对值小于中位数),重复多次后即可计算基金排名前一半的概率。该方法模拟了投资者随机进出时的持有体验,参考性最强。
2. 上任以来最大回撤:按照不同年期截断对齐后,考察基金累计至2020年底的最大回撤,比如5年期基金统计2015年12月31日至2020年12月31日的最大回撤。
3. 分年度最大回撤:按照不同年期截断对齐后,考察基金的分年度回撤表现,比如5年期基金考察2016~2020年5个完整自然年度的回撤表现。
4. 下跌区间跌幅:提取中信医药行业指数2016年以来的下行区间段(区间跌幅超过10%,且中间不存在10%以上的反弹),考察各基金在这些下行区间段中的表现,以此衡量各基金的防御能力。
5. 最长未创新高天数:按照不同年期截断对齐后,各基金最长未创新高的天数。比如5年期基金统计2015年12月31日至2020年12月31日内最长未创新高的天数。
同样以5年期基金为例,展示回撤控制能力分析的过程。其中,随机抽样回撤排名前一半概率、全区间最大回撤、最长未创新高天数都是单项指标;分年度最大回撤考察区间为2016至2020年,共5个单项指标;医药指数下跌区间分为9段,共9个单项指标。以上一共17个单项指标,对每个单项指标,如果该基金回撤表现排名前一半,则记1分,最后统计各基金的汇总得分,作为该基金回撤控制能力的刻画。结果表明,基金1综合得分为15分,每年的最大回撤都排名前一半,而且随机抽样中回撤表现排名前一半的概率高达95.9%,体现出较强的风险控制能力,整体表现较优。
采用同样的方法,可以得到4年期、3年期基金的收益获取能力综合打分。可以看到,基于回撤控制能力推荐的基金列表和前文基于收益获取能力推荐的基金列表没有重合,换言之,很少有基金能在进攻端和防御端都有很好的表现。毕竟盈亏同源,在进攻端表现更好的基金或许押中了短期强势赛道,但这些赛道往往在回调时跌幅更大,导致防守端表现不佳。
业绩归因分析
考虑到我们在配置行业主题型基金时,是希望基金经理能够高仓位运作,在跟上行业基准的beta表现的同时,充分发挥自身的alpha优势,做出超额收益,至于仓位调整,应该放到最上层的资产配置环节。因此本文做业绩归因时主要考察基金的子行业配置能力和选股能力,并不展开讨论其资产配置能力,具体做法如下(本文仅基于年报、半年报完整持仓展开归因分析,收益计算窗口期为报告期后6个月):
1. 计算行业指数涨跌幅:A股中,我们以中信三级行业指数来表征不同医药子赛道,港股中,统一以恒生医疗保健业来表征医药赛道,不做进一步细分,在每个截面期,计算窗口期内各行业指数涨跌幅。
2. 计算行业基准权重:首先根据基金业绩比较基准中的描述,确定A股、港股的归一化配比;A股内部,再根据当前各个三级子行业的总市值进一步分配权重,最终得到各个目标行业的基准权重配比。
3. 计算真实持仓行业权重:获取基金真实持仓中属于A股中信医药行业或港股恒生医疗保健业的股票,计算归一化权重;然后统计各个子行业的归一化权重配比。
4. 计算真实持仓行业涨跌幅:根据各个子行业持仓个股权重及其在窗口期内的涨跌幅,计算该行业加权涨跌幅。
5. 计算行业配置能力:公式为,也即基金在强势子行业上的超配比例越多,则行业配置能力越强。
6. 计算个股选择能力:公式为,也即基金在行业内选股跑赢行业指数越多,则个股选择能力越强。
归因结果显示:
1. 主动型医药基金经理普遍具有较强的行业配置和个股选择能力。其中,行业配置超额收益均值小于0的基金仅有2支;个股选择超额收益均值小于0的基金仅有3支。这充分说明,在医药行业上,基金经理的超额收益获取能力较强。
2. 相比于行业配置能力,个股选择能力的贡献更大。以5年期基金为例(一共6支基金),行业配置超额收益均值最大值为1.86%,最小值为0.29%;而同年期个股选择超额收益均值最大值为8.49%,最小值为0.60%。
3. 基金经理在行业配置超额收益和个股选择超额收益上的表现有相似性。行业配置超额收益均值和个股选择超额收益均值的相关系数高达0.7,说明优秀的基金经理大多同时具备较强的子行业配置和个股选择能力。
4. 在2018年底至2020年中这段医药大牛行情中,各基金的归因表现趋同度明显提升,这说明持仓相似性非常高,也即抱团现象,但是2020年半年报以来医药上的抱团有所分化,行业配置和个股选择超额收益正负各半,说明持仓开始出现分歧。
统计不同年期下,行业配置超额收益均值较大,且超额收益>0占比较高的基金,与前文收益获取能力分析中的推荐列表有较高的重合度,说明收益表现较好的基金经理大多具备较强的赛道选择能力。
统计不同年期下,个股选择超额收益均值较大,且超额收益>0占比较高的基金,同样与前文收益获取能力分析中的推荐列表有较高的重合度。
基金画像分析
本节主要基于基金持仓数据进行画像分析,具体包含如下维度:
1. 换手率画像:主要考察基金换手率高低,以此衡量基金经理的操作风格。其中,换手率统一基于基金年报/半年报中公布的交易费用和基金规模的比值来进行估算。
2. 持仓集中度画像:主要考察前十大持仓占比之和,持仓集中度的高低既反映了基金经理对个股的自信程度,也反映整个组合的风险集中度。
3. 机构持仓占比画像:主要考察基金持有人结构中,机构投资者的占比。
4. 管理人员工持仓占比画像:主要考察基金持有人结构中,管理人员工的占比。
首先考察四个画像维度的历史IC值序列,结果表明:
1. 换手率是一个方向性不明显的因子,IC值正好一半大于零,一半小于零,而且IC值均值较低,说明换手率的高低对下一期基金相对强弱的预测意义较弱。
2. 持仓集中度因子的IC大于0占比为65%,但IC值均值仍然偏低,预测意义仍然有限。
3. 机构持仓占比与基金下一期表现呈现出较为显著的正相关关系,IC值达到16.55%,且IC大于0占比达70%,意味着机构投资者越认可的基金,未来表现相对更优。
4. 管理人员工持仓占比与基金下一期表现同样呈现出较为显著的正相关关系,IC值达到17.36%,IC大于0占比80%,意味着管理人员工越认可的基金,未来表现相对更优。
需要强调,尽管上述统计中机构持仓占比和管理人员工持仓体现出一定的选基效果,但因为样本数量相对有限,结论的适用性仍然需要观察,因此我们并不推荐直接按照该方法选基。实际上,我们引入画像分析的主要目的是为了对基金经理的操作风格、交易习惯等维度有一个全景刻画,这样投资者在选择基金时可以根据自己的认知、理念、偏好进行适配。以前文收益获取能力分析中推荐的葛兰(中欧医疗健康A)、赵蓓(工银瑞信养老产业)为例,在所有38支主动型医药基金中,按换手率均值从高到低排序,葛兰和赵蓓分列第14位、34位;按持仓集中度从高到低排序,葛兰和赵蓓分列第6位、16位;相较而言,葛兰的持仓更集中,换手水平适中;而赵蓓则是典型的低换手,分散持仓选手。在实际操作中,投资者可以选择与自己投资理念更匹配的基金经理。
主动型和被动型医药主题基金比较
分别以前文梳理的30支被动指数型医药基金、38支主动管理型医药基金作为底层池,构建被动指数型医药基金指数和主动管理型医药基金指数。具体做法如下:每个交易日,获取当日有效的基金,取各个基金当日收益的简单平均值,通过累乘法还原为指数净值。对齐起始有效日为2014年11月18日。
结果显示,主动型医药基金的年化收益率高达27.33%,信息比率1.12,最大回撤44.25%;而被动型医药主题基金的年化收益率为16.01%,信息比率0.6,最大回撤49.61%,从各项指标来看,主动型基金的表现都整体优于被动型,说明在医药行业上,基金经理基于专业能力获取超越行业基准的超额回报是比较有把握的。该结论与前期报告《行业全景画像:风格因子视角》(2020-06-02)中提出的观点一致。在该报告里,我们实证了常见风格因子在各个行业上的选股表现,结论表明,医药行业成分股众多,基本面和价格走势分化较大,基于风格因子选股能有显著的超额表现。因此,在配置医药主题基金时,主动型基金或许是更好的选择。
风险提示
本文梳理的医药主题基金池,以及推荐标的,都是基于一套自定义的定量标准得出,不排除其他优质产品暂未纳入其中的可能性;本文梳理的医药基金推荐池是基于历史表现给出,历史表现并不一定代表未来,请投资者理性看待。
免责声明与评级说明
公众平台免责申明
本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求,本公众号内容仅面向华泰证券客户中的专业投资者,请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者,请取消关注本公众号,不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限,若给您造成不便,烦请谅解!本公众号旨在沟通研究信息,交流研究经验,华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。
本公众号研究报告有关内容摘编自已经发布的研究报告的,若因对报告的摘编而产生歧义,应以报告发布当日的完整内容为准。如需了解详细内容,请具体参见华泰证券所发布的完整版报告。
本公众号内容基于作者认为可靠的、已公开的信息编制,但作者对该等信息的准确性及完整性不作任何保证,也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期,华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。
在任何情况下,本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断,应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料,有可能会因缺乏解读服务而对内容产生理解上的歧义,进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果,华泰证券及作者均不承担任何法律责任。
本公众号版权仅为华泰证券股份有限公司所有,未经公司书面许可,任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失,华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格,经营许可证编号为:91320000704041011J。
华泰金工深度报告一览
金融周期系列研究(资产配置)
【华泰金工林晓明团队】2020年中国市场量化资产配置年度观点——周期归来、机会重生,顾短也兼长20200121
【华泰金工林晓明团队】量化资产配置2020年度观点——小周期争明日,大周期赢未来20200116
【华泰金工林晓明团队】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法
【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增,待趋势明朗把握或更大20191022
【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826
【华泰金工林晓明团队】如何有效判断真正的周期拐点?——定量测度实际周期长度提升市场拐点判准概率
【华泰金工林晓明团队】基钦周期的长度会缩短吗?——20190506
【华泰金工林晓明团队】二十载昔日重现,三四年周期轮回——2019年中国与全球市场量化资产配置年度观点(下)
【华泰金工林晓明团队】二十载昔日重现,三四年周期轮回——2019年中国与全球市场量化资产配置年度观点(上)
【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究
【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告(上)
【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(四)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(三)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(二)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(一)——华泰金工周期系列研究
【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索
【华泰金工林晓明团队】金融经济系统周期的确定(下)——华泰金工周期系列研究
【华泰金工林晓明团队】金融经济系统周期的确定(上)——华泰金工周期系列研究
【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列
【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探
周期起源
【华泰金工林晓明团队】周期在供应链管理模型的实证——华泰周期起源系列研究之六
【华泰金工林晓明团队】周期是矛盾双方稳定共存的结果——华泰周期起源系列研究之四
【华泰金工林晓明团队】周期是不确定性条件下的稳态——华泰周期起源系列研究之三
【华泰金工林晓明团队】周期趋同现象的动力学系统模型——华泰周期起源系列研究之二
【华泰金工林晓明团队】从微观同步到宏观周期——华泰周期起源系列研究报告之一
FOF与金融创新产品
【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究
【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一
因子周期(因子择时)
【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三
【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二
择时
【华泰金工林晓明团队】波动率与换手率构造牛熊指标——华泰金工量化择时系列
【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用
中观基本面轮动
【华泰金工林晓明团队】行业配置落地:指数增强篇——华泰中观基本面轮动系列之十
【华泰金工林晓明团队】行业全景画像:投入产出表视角——华泰中观基本面轮动系列之五
【华泰金工林晓明团队】行业全景画像:改进杜邦拆解视角——华泰中观基本面轮动系列之四
行业轮动
【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二
【华泰金工林晓明团队】基于投入产出表的产业链分析 ——华泰行业轮动系列报告之十一
【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十
【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九
【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八
【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七
【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六
【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五
【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四
【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三
【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二
【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一
Smartbeta
【华泰金工林晓明团队】重剑无锋:低波动 Smart Beta——华泰 Smart Beta 系列之四
【华泰金工林晓明团队】投资优质股票:红利类Smart Beta——华泰Smart Beta系列之三
【华泰金工林晓明团队】博观约取:价值和成长Smart Beta——华泰Smart Beta系列之二
【华泰金工林晓明团队】Smart Beta:乘风破浪趁此时——华泰Smart Beta系列之一
【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一
多因子选股
【华泰金工林晓明团队】华泰单因子测试之历史分位数因子——华泰多因子系列之十三
【华泰金工林晓明团队】桑土之防:结构化多因子风险模型——华泰多因子系列之十二
【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一
【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十
【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九
【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八
【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七
【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六
【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五
【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四
【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三
【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二
【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一
【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二
人工智能
【华泰金工林晓明团队】WGAN生成:从单资产到多资产——华泰人工智能系列之三十八
【华泰金工林晓明团队】舆情因子和BERT情感分类模型——华泰人工智能系列之三十七
【华泰金工林晓明团队】相对生成对抗网络RGAN实证——华泰人工智能系列之三十六
【华泰金工林晓明团队】WGAN应用于金融时间序列生成——华泰人工智能系列之三十五
【华泰金工林晓明团队】再探AlphaNet:结构和特征优化——华泰人工智能系列之三十四
【华泰金工林晓明团队】数据模式探索:无监督学习案例——华泰人工智能系列之三十三
【华泰金工林晓明团队】AlphaNet:因子挖掘神经网络——华泰人工智能系列之三十二
【华泰金工林晓明团队】生成对抗网络GAN初探——华泰人工智能系列之三十一
【华泰金工林晓明团队】从关联到逻辑:因果推断初探——华泰人工智能系列之三十
【华泰金工林晓明团队】另类标签和集成学习——华泰人工智能系列之二十九
【华泰金工林晓明团队】基于量价的人工智能选股体系概览——华泰人工智能系列之二十八
【华泰金工林晓明团队】揭开机器学习模型的“黑箱” ——华泰人工智能系列之二十七
【华泰金工林晓明团队】遗传规划在CTA信号挖掘中的应用——华泰人工智能系列之二十六
【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五
【华泰金工林晓明团队】投石问路:技术分析可靠否?——华泰人工智能系列之二十四
【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三
【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二
【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一
【华泰金工林晓明团队】必然中的偶然:机器学习中的随机数——华泰人工智能系列之二十
【华泰金工林晓明团队】偶然中的必然:重采样技术检验过拟合——华泰人工智能系列之十九
【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八
【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七
【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六
【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五
【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三
【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二
【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一
【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十
【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九
【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八
【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七
【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六
【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五
【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四
【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三
【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二
指数增强基金分析
【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告
【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证
基本面选股
【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究
【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究
【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究
【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究
基金定投
【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四
基金评价
【华泰金工林晓明团队】基金评价及筛选全流程研究框架——股票型与债券型基金多种维度定量与定性评价法
【华泰金工林晓明团队】基金选股择时能力的定量分析法——我国公募基金大多具有较强选股能力
【华泰金工林晓明团队】基金业绩持续性的规律与策略构建——采用有效影响因子筛选出持续性较好的绩优基金
ETF季度盘点
【华泰金工林晓明团队】2020Q4中国ETF市场全景回顾——总规模创新高,行业主题类ETF渐成市场新主角20210112
【华泰金工林晓明团队】2020年三季度中国ETF市场回顾——产品百花齐放、投资者结构日渐成熟,规模创新高20201021
【华泰金工林晓明团队】ETF产品细分差异化或成突围之道——2020二季度中国ETF市场全景回顾盘点与展望20200803
【华泰金工林晓明团队】ETF规模数量大涨品类不断丰富——2020一季度中国ETF市场全景回顾盘点
其它