十月整体机构行业配置变化：加仓纺织服饰、电子、非银金融.docx

正文目录

TOC\o1-2\h\z\u行业主力资金流向 4

基金行业持仓比例测算 5

申万一级行业间相关系数矩阵 5

行业因子收益正交化风格因子收益 7

行业回归结果 8

十月整体机构行业配置变化：加仓纺织服饰、电子、非银金融 9

风险提示 11

图表目录

图表1：行业资金流向-主力净流入额（亿元） 4

图表2：申万一级行业间相关性系数矩阵20241101） 6

图表3：行业因子收益对风格因子收益正交化 8

图表4：某基金行业正交化因子收益回归结果 8

图表5：普通型基金行业暴露结果展示 9

图表6：偏股型基金行业暴露结果展示 9

行业主力资金流向

本文主要研究在2024年9月25日至2024年11月1日这段时间内，A股公募基金市场经历的波动和变化。

下图为2024年9月25日至2024年11月1日的申万一级行业的主力资金净流入额。期间沪深两市市场交投活跃。从主力资金流向来看，多数行业表现出显著的波动和资本流出，特别是传媒、计算机和非银金融等领域受到严重影响，反映出市场的高度不确定性。

图表1：行业资金流向-主力净流入额（亿元）

资料来源：wind,

基于本文的基金仓位测算模型，在2024年9月25日至11月1日之间，普通型基金在美容护理、医药生物行业的配置上超过偏股型基金，而机械设备和食品饮料等行业的配置上低于偏股型基金。

截至2024年11月1日，基金仓位前5大行业：

? 普通型基金：电子（11.24）、医药生物（8.69?）、电力设备（7.89）、食品饮料（6.35?）、通信（5.80?）；

?偏股型基金：电子（11.57）、电力设备（8.16?）、医药生物（7.23）、食

品饮料（7.21?）、通信（5.63?）。

就基金仓位变化来看，这段时间内（2024年9月25日至2024年11月1日之

间）加仓前3大行业：

? 普通型基金：纺织服饰（+1.06?）、非银金融（+0.62）、电子（+0.62?）；

? 偏股型基金：纺织服饰（+1.07?）、电子（+0.72?）、计算机（+0.59?）。减仓前3大行业：

? 普通型基金：电力设备（-0.71?）、家用电器（-0.65?）、食品饮料（-0.56?）；

? 偏股型基金：电力设备（-0.82?）、美容护理（-0.76）、家用电器（-0.63?）。

基金行业持仓比例测算

本文选择了基金分类标准，对偏股混合型基金和普通股票型基金进行持仓测算，并针对以下情形进行了相应调整：

仅选择A类份额的基金。

剔除非主要投资于A股市场的基金。

剔除成立不满2年的基金。

合计资产净值滚动30个交易日的平均值需大于1亿元。

经过以上筛选步骤，共选出274只普通股票型基金和1125只偏股混合型基金。

申万一级行业间相关系数矩阵

如下图所示，为2024年1月1日至2024年11月1日申万一级行业间的相关系

数矩阵。从中可以看出，某些行业之间的相关系数可达到0.9以上。因此，本文采用

Lasso回归和二次规划方法来降低多重共线性的影响。

图表2：申万一级行业间相关性系数矩阵20241101）

资料来源：wind,

国内A股市场具有显著的行业轮动特性。根据Barra因子模型，不同年份的行业收益差异较大。为及时获取基金行业持仓比例的分布和变化，本文基于Barra模型对基金的行业配置进行回归测算。选择风格因子收益和行业因子收益为自变量，基金日收益率为因变量，逆向线性回归推导出行业因子的暴露度。

为了减少风格因子收益与行业因子收益之间的相关性，本文以风格因子收益为自变量，以行业因子收益为因变量，逐个行业进行回归，并取回归后的残差作为正交化的行业因子收益。随后，将风格因子收益和行业因子收益作为自变量，基金日收益率作为因变量进行回归，得到风格因子和行业因子的暴露度，以行业因子暴露度作为基金的行业暴露权重。

具体回归公式如下：

?? ??

????,??=????,??+∑????,??,??×????,??+∑????,??,??×????,??+????,??

??=1 ??=1

其中：

-????,??为基金F在t期的收益率。

-????,??为宽基指数I在t期的区间收益率。

-????,??,??为基金F在t期在行业??上的暴露。

-????,??为行业因子??在t期的收益。

-????,??,??为基金F在