权益理念量化表达——如何挖掘潜在热点

admin2年前 (2023-03-08)研报1043

导读

1、当某一标的投资性价比变低后，投资者开始关注产业链/供应链上的其他机会。通过这种方式确定初始投资股票池（潜在热点），再通过调研等锁定最后结果。而2021年以来，市场风格的急剧切换加剧了对股票池提供的需求。所以本文研究的重点是：如何挖掘潜在热点标的（股票池）。潜在热点依赖于当下热点是什么，然后再确定和当下热点紧密关联的潜在热点是哪些。

2、热点定义：定义为分行业过去一个月涨的最多的标的，称为热点池。

3、紧密度定义：寻找和热点池供应链关系最为紧密、专利布局最为相似、基金经理持仓最为接近、分析师覆盖最为接近等最为接近的标的。

4、各维度有效性度量：各个维度选择的标的池表现均非常优异。以万德偏股基金指数（885001.WI）作为对标基准，各维度均能稳定的战胜基准。以供应链得到的标的池为例，2016年至今策略年化收益11.6%，基准年化收益9.0%。

5、潜在投资机会度量：我们将上述五个维度选择的股票池合并到一起，称之为潜在投资机会标的池。2009年底至今，策略费后年化收益率18.6%、基准年化收益率7.1%；策略超额年化收益率11.4%、最大回撤9.5%，除2019年外，策略均能稳定战胜基准。

6、策略特征分析：策略每期持有60只左右的股票，从历史来看，沪深300成分股占比稳定在35%、中证800成分股占比高达62%，市值中位数在100亿左右，流动性非常好。

风险提示：本报告模型及结论全部基于对历史数据的分析，当市场环境变化时，存在模型失效风险。

1、引言

权益投资在锁定投资标的一般通过两步实现：1）以新能源为例，当新能源风口来临时，市场开始投资宁德时代等引领者，随着这些标的的估值拔高、投资标的的性价比变低，投资者开始关注产业链/供应链上的其他投资标的。通过这种方式首先锁定初始投资股票池（潜在热点标的）；2）在确定好初始池之后，权益投资者再通过调研等形式进一步确保个股的安全边际，拔高收益上限。

另一方面，权益投资以定量手段作为抓手主要通过两种方式实现：1、配置层面（主要涉及择时），一般配置层面落地会附以当下实时的定性演绎；2、股票池提供。股票池提供基本以逻辑作为支撑，选择一些具有同类特征的标的池，比如低估值、超预期、高质量等。比如2022年4月底，市场大跌之际，大家一般关注估值非常低的潜在标的，再比如去年四季度，大家比较关注高成长高质量标的池。

我们日常和权益投资者进行沟通的时候，他们也经常提到如何更有效的筛选股票池是非常关注的问题（潜在热点标的）。如果说2020年之前，权益投资者可以通过深耕科技、医药、消费以获取较为靓丽的业绩（也不需要在股票池的打磨上花太多功夫），那么2021年以来，市场风格的急剧切换则颠覆了之前的做法，也加剧了对股票池提供的需求。而这正是本文研究的重点。

本文框架如下：

第二章：热点主题下的投资机会把握落地；

第三章：热点主题下投资机会把握的策略构建；

2、潜在热点投资机会挖掘

其实潜在热点这个概念的形成依赖于当下热点是什么，或者说依赖于每个人关注的焦点是什么。通常的热点是以二级市场股价作为支撑，也可以通过交易活跃作为一种确立方式。当然部分投资者也会认为某种概念，即便当下没有被市场引爆，未来将成为市场宠儿，亦是市场热点的一种体现。当然后者的方式面临一个问题：如果长时间在股价方面没有兑现，则不能称之为热点。因而可以最直接的选择过去一段时间涨的最多的标的作为热点代表。固然我们这里还进行了诸多尝试，但效果都比较接近，就不进行赘述，后续无特殊原因，我们的热点定义方式均为：在中信一级行业下（刨除综合、综合金融两个行业），每个行业选择过去一个月涨幅最多的10只股票，进而形成近300个标的，作为市场热点的代表。（由于是月度调仓，所以我们这里设置了一个月的时间窗口要求。参数本身并不重要，我们更多的是将整个研究逻辑和方法论落地，回测并不是重点）

在定义完热点后，下一步就是如何确定机会的蔓延问题/潜在投资机会。其实权益投资者的日常研究行为已经给出了答案。正如开篇所言：在宁德时代性价比变低后，他们首先根据产业链/供应链锁定调研对象（投资第一步）。所以简言之，我们可以选择和热点池业务关系最紧密的作为潜在热点。那么业务关系最紧密该如何定义呢？除了供应链/产业链，还有没有其他手段呢？最终我们确定了以下几种业务关系最紧密的手段：供应链关系、分析师共同覆盖、基金经理持仓、专利布局等五种关系。举例而言，假设比亚迪是一个非热点池标的，结果发现：比亚迪和热点池的公司业务关系/往来非常多，那么我们当然需要关注比亚迪；比亚迪的基金经理持仓结果和热点池公司基金经理持仓行为非常接近，那么其也应该在未来会有爆发可能性；比亚迪的专利分布和热点池公司专利布局非常接近，那么其在未来亦可能会爆发。

另外，过去几年大家对于如何战胜偏股基金指数非常感兴趣，现在有很多机构也有相关这种类型的产品布局，其核心理念就是稳定的战胜偏股基金指数。所以后续如无特殊强调，我们考察对每个细分维度对标的基准都是885001.WI（万德偏股混合型基金指数）。

下面我们一一为大家展开各维度的详细介绍。

2.1

供应链布局研究

现在有比较多的供应链数据提供商。一般而言对于每家上市公司（主体公司），存在为其提供原材料或服务的上游公司（供应商），同时存在购买其产品或服务的下游公司（客户）。以某家为例，我们统计供应链数据在A股中的覆盖度，整体来看：

1、从全市场来看，供应链数据整体覆盖度较低，近年来下降趋势并不是披露意愿的降低，而是新上市股票较多所致；

2、供应链数据在中证800内整体覆盖度相对较好，维持在50%左右；

3、分行业来看，银行、非银、电新、公用事业、钢铁等行业覆盖度较高。

覆盖度相对较低，也对后面我们的研究提出了挑战

类比寻找和宁德时代业务关系最紧密这种做法，我们寻找和热点池业务关系最为紧密的标的作为考察对象。供应链下游热点因子的构建方式主要分为两步：第一步是基于供应链数据，得到供应商与客户之间的交易关系；第二步是基于交易关系构建因子。具体构建步骤如下：

1、每个月末，节选过去6个月的所有供应链数据，数据分为三列，分别是供应商公司代码、客户公司代码和交易金额（经过股权穿透处理）；

2、我们基于热点企业，计算当期统计下，公司i作为客户与热点企业的交易金额总和，除以当期公司i作为客户与其他所有上市公司的交易金额总和。具体计算公式如下：

从结果来看，效果颇佳。同时为了保证结果的稳健性，我们对最终潜在热点的股票数目进行了敏感性分析，具体参见图表4。从结果来看，无论选择多少只，策略能稳定的跑赢偏股基金指数。

以选择50只为例，策略多头收益10.8%，相对基准超额4%（具体参见图表5）。但不可否认，该策略在2019年和2020年相对基准表现相对欠佳。那是什么原因导致这种现象呢？正如本节开篇提及而言，供应链数据具有非常严重的行业偏离以及相对缺失率，这势必会对结果产生较大影响，体现在2个方面，以2020年为例：

1、热点池的定义是每个行业选择10个热点公司。在不做任何限制的情况下，最终这10个公司是否有供应链关系是值得存疑的；

2、随（1）而产生的就是：最终潜在标的也必然会有行业偏离。

我们统计了2020年问题1以及问题2视角下的行业分布，具体参见图表6。图表6按照2020年收益率进行排序，同时黄色表示在相应维度有供应链关系的公司数目较为靠前的行业。我们明显发现2020年的风格不适合使用供应链关系，例如：涨幅第一的食品饮料行业虽然每次选择10个，但有供货关系的公司仅仅1.9个，同时基于该维度挖掘的潜在投资标的仅仅为4.8个。这也正是基于供应链的探索没有跑赢偏股基金指数的原因。

但这不代表着供应链关系不具有有效性，我们应该将其当成一种研究视角，帮我们去弥补精力差的问题。或者说如果TMT板块、周期板块专业投资者必然可以利用该维度以提升工作效率，把握潜在热点。

同时需要注意，我们前面的测试在过滤条件上添加了潜在热点过去一定要被分析师覆盖。这么做的目的是为了避免踩雷，尽可能提升策略的稳健性（后续所有的测试均是如此，就不再赘述）。

2.2

基金经理持仓

该视角下，我们计算所有非热点池中的股票和热点池股票的基金经理持仓相似度，进而寻找和热点池持仓业务最紧密的标的作为潜在热点。我们仍然以比亚迪为例，比亚迪和热点池在基金经理持仓方面的紧密关系计算方式如下：

1、计算比亚迪和热点1公司在基金经理持仓方面的紧密关系、计算其和热点2的紧密关系……；

2、在得到比亚迪和300个公司的业务紧密关系后，我们取平均值作为比亚迪和热点池标的的业务整体紧密度。

后续的分析师覆盖、专利布局等均是此思路，只是将图表7种的第一列换成相应维度。

为了保证结果的稳健性，我们对最终潜在热点的股票数目进行了敏感性分析，具体参见图表8。从结果来看，无论是选择10只亦或是200只，策略均能稳定的跑赢偏股基金指数。以选择50只为例，策略多头收益10.6%，相对基准超额4%。即便分年度来看，策略在大部分年份也能稳定的战胜基准（具体参见图表10）。

基金经理持仓相似和抄作业现象的特异性分析

2017年-2020年基于基金经理持仓的研究基本上会比较多的偏向于“抄作业”这一现象。但彼时的研究主要在于抄明星基金经理。这里的基于基金经理持仓的热点挖掘和这种有何不同呢？这里基于基金经理持仓的机会蔓延把握更多的是默认基金经理具有选股Alpha，找到具有统计规律（300个热点公司）下的投资机会，赚的是精力差的钱（之前的“抄作业”赚的并不是精力差的钱）。

某种意义上来讲，每个非热点股票池标的都可以计算和热点池标的相似性，然后进行加总平均得到一个信号。我们可以计算该信号和“炒作业”因子相关性。“炒作业”因子方面：我们根据基金持股信息，从基金对股票的配置比例、超配比例、主动需求角度，构建了3类因子（基本因子、主动权重因子、主动需求因子），并将其等权合成为基金持仓因子FundHolding，用来反映基金对股票的配置偏好程度，具体参见《基本面量化视角下的机构持仓信息研究系列之一：公募基金持仓因子全解析（2020/08/24）》。从结果来康，两者的相关性仅为0.18，非常低。

2.3

分析师共同覆盖

与基金经理持仓类似，我们基于分析师共同覆盖去做热点主题的挖掘。针对于该维度，其投资理念和前面一致。其构建方式主要分为两步：第一步是基于分析师研究报告原始数据，构建上市公司之间的关联关系；第二步是寻找和热点池在分析师覆盖最为紧密的潜在热点标的。在第一步中，我们使用邻接矩阵来表示上市公司间的关联关系，构建步骤如下：

1、每个季度末，节选过去6个月的所有分析师报告数据，包括报告以及对应的作者；

2、对于每个分析师，找到其在过去6个月覆盖过（即撰写过对应报告）的上市公司，认为这些上市公司间有关联，即在邻接矩阵的相应位置加1；

3、针对所有分析师，重复步骤2，即可构建每个季度末的上市公司邻接矩阵。邻接矩阵中的数值即代表共同覆盖这两家公司的分析师个数；

4、每个季度更新一次邻接矩阵。

从结果来看，效果颇佳。同时为了保证结果的稳健性，我们对最终潜在热点的股票数目进行了敏感性分析，具体参见图表13。从结果来看，无论是选择10只亦或是200，策略均能稳定的跑赢偏股基金指数。

以选择50只为例，策略多头收益12.2%，相对基准超额5.8%。即便分年度来看，策略在大部分年份也能稳定的战胜基准（具体参见图表15）。

2.4

专利相似的主题蔓延研究

这里我们利用两个公司的专利布局去展开热点主题的投资机会把握。兴证金工团队使用的专利数据由深圳德高行知识产权数据技术有限公司提供。专利分类依赖于《国际专利分类表》（IPC分类）。该表是根据1971年签订的《国际专利分类斯特拉斯堡协定》编制的，是目前国际通用的专利文献分类和检索工具。国际专利分类系统按照技术主题设立类目，把整个技术领域分为5个不同等级：部、大类、小类、大组、小组，分别对应着8、145、670、3,000+、10,000+个类别。某种程度上IPC分类可以理解为一种全新的专利分类（其中一级维度具体明细参见图表16）。

而且需要注意的是，一个最原始的专利有可能属于多个领域：比如图表17展示了蔡忠春在2001年申请的一个饮用水净化装置专利。从大类上来说，其即属于“A”，亦属于“C”（图表17右上角）。而一个公司可能有很多专利，我们完全可以将一个公司专利映射到不同的维度，进而很好的解决公司行业属性划分问题。

进一步我们将之前的基金经理持仓这个维度换成专利布局。从结果来看，效果颇佳，敏感性分析显示其均能稳定的战胜基准。以选择50只为例，策略多头收益10.8%，相对基准超额4%。即便分年度来看，策略在大部分年份也能稳定的战胜基准（具体参见图表20）。

3、热点主题下的投资机会股票池构建

3.1

策略构建

完整介绍各维度后（分析师共同覆盖、基金经理持仓相似、专利布局相似、供应链关系等五种关系），我们进一步构建基于各个维度的叠加持仓策略。我们可以根据每个维度选择10只股票；也可以每个维度选择多只股票，然后要求标的至少在2个或2个以上维度上有值。两种维度都有显著表现，但从测试结果来看，第二种方式的策略稳定性优于第一种（第一种的策略多头更强，稳定性相对较差），策略构建细节如下：

1、选股要求：每期从每个维度（上述五个维度）选择N只股票。然后将五个维度的股票池进行合并，最终入选的股票要求至少在2个维度有覆盖；

2、股票池要求：为了避免暴雷和提高策略稳健性，我们最终入选的股票亦要求过去半年被分析师覆盖过，同时满足最新的年报或者半年报被基金经理持有过。

3、测试区间：2009年12月31日-2022年12月31日；

4、费率：双边0.3%；

5、调仓频度：月度调仓；

由于要求至少2个维度有覆盖才能进入我们的策略池，所以我们每个维度初始选择的股票数目尽可能多一些，这也导致策略每期选择的股票数目不定。我们尝试了每个维度选择100、150、200、300四种方式。从结果来看，效果颇佳：各维度策略超额均较高，且能稳定的战胜偏股基金指数。我们以初始每个维度选择200只为例，策略收益高达18.6%，策略多头月胜率61.8%（月收益率>0占比），最大回撤33%。同时策略相对偏股基金指数非常优异：策略超额11.4%，超额最大回撤仅仅9.2%，波动仅仅9.5%，而且分年度来看，除了在2019年策略没能战胜基准外，其他年份策略均能稳定的战胜基准。

我们刚提及，进入策略的标的要求至少在2个维度有覆盖，所以针对于策略股票池，我们进行了分析。初始每个条件选择200只左右构成的策略集合稳定在60只左右，这个持仓数目和范围也满足权益投资要求，具体可以参见图表24。

3.2

持仓特征分析

针对于初始每个维度选择200只股票的策略（最终每期选择60只左右），我们进一步观察最后的持仓的市值、宽基、基金季报重仓股分布情况：

1、从市值来看，策略每期选择标的的市值中位数稳定在100亿以上，这说明策略的流动性非常足；

2、从宽基占比来看，沪深300成分股占比稳定在35%左右，中证800成分股占比高达62%，这也从侧面反映其流动性和安全性；

3、围绕基金重仓股，我们进行另外一种测试。以2022年11月份持仓为例，我们想知道11月份持仓有多少出现在基金2022年四季报重仓股中，尤其是四季度业绩排名前50%或者四季报业绩排名前30%的产品重仓股中。实际显示持仓出现在基金重仓的比例非常高，参见图表27。

3.3

持仓样本外分析&最新一期持仓名单

由于数据准备等原因，我们之前所有的测试均截止至2022年12月31日，其2023年1月推荐的持仓有54只，而实测结果发现1月份策略收益8.1%，同期万德偏股基金指数收益6.07%。进一步，我们观察这些持仓的行业分布，一方面印证了我们没有暴露在某一个行业，另一方面也发现股票数目大部分分布在涨得较多的行业。