基金研究专题报告：基金标签体系，资产配置与行业主题配置

一、概述——“基金产品面面观”系列的提出

近几年来，伴随着居民财富“搬家”趋势以及股票资产相对于其他资产的不俗表现，不少以权益资产为主要 投资标的的基金产品相继“出圈”；同时，相关基金产品的新发增量规模达到历史性高峰，因而权益类基金产品 的管理规模从 2020 年起陡然攀升。对于该类型基金产品的深度认知，则是时代浪潮驱使下的必然。

本系列报告将聚焦权益投资相关的基金标的，基于 2014 年 8 月 8 日证监会开始施行的《公开募集证券投资 基金运作管理办法》及 Wind 公募基金分类体系由此衍生出的 7 个一级类别与 29 个二级类别，本文首先定义“主 动股混基金”为本系列报告的初始研究对象，其中囊括了普通股票型基金、偏股混合型基金、平衡混合型基金和 灵活配置型基金四种 Wind 基金（二级）投资类型。

对于各类型基金的定义及其在权益资产的配置比例限制，结合 2021 年 9 月 20 日 Wind 新修订并生效的混 合型基金二级分类规则调整说明，具体如下所示：(1) 普通股票型基金：80%以上的基金资产投资于股票，剔除 被动指数型基金或指数增强型基金；(2) 灵活配置型基金：权益类资产的投资范围上限大于 50%、下限小于 50%， 且上下限之差≥50%；或基金全称中包含“灵活配置”的混合型基金；(3) 偏股混合型基金：不属于灵活配置型， 权益类资产投资比例上限大于 75%且下限大于 50%的混合型基金；(4) 平衡混合型基金：不属于灵活配置型， 权益类资产投资比例上限大于 50%且小于 75%、投资比例下限大于 25%且大于 50%的混合型基金。

从“主动股混基金”出发，本系列报告将尽可能全面系统地进行基金刻画，将基金披露的相关合同信息、定 期公开数据和策略观点等，概括为基金档案、多元分类、收益风险特征、投资行为、业绩归因等五大类型标签库。 基金标签的制定，不仅是将基金产品中非标准化的信息进行特征化，更是对基金产品及基金经理行为特征的 降维概括。

一些标签是对基金经理固有性格、投资理念和长期投资习惯的捕捉；另一些标签则是基于基金历史行 为与表现的简单分类总结。基于后验视角，本文发现，部分标签对全市场“主动股混基金”具有显著的区分效果， 进而能够加深我们对基金产品或基金经理投资行为偏好的认知。

同时，基金标签分类实现了基金产品的工具化， 在同一细分类型下，基金产品才具备绩效方面的可比性，进而进行基金的评级与优选。各类型基金标签的组合应 用，则进一步丰富了基金投资的表达形式，为资产配置与 FOF 投资提供了更多维度的选择方案。 对于各细分标签的选取、扩充及改进，本系列报告坚持博采众长，以期寻求更多思路和方法，挖掘基金产品 中的增量信息；同时，充分考虑基金产品筛选与组合投资过程中的切实需求，本系列试图提供更具使用价值的“主 动股混基金”全景标签库。

而本篇报告作为“基金产品面面观”系列的首篇，将以“多元分类标签库”中的权益仓位配置行为标签、行 业配置行为标签等细分标签作为分析重点，即从第一性原理出发，首先构建基金产品的显著差异化特征，其中可 能源于基金产品合同约定的投资限制，也可能源于基金经理本身的能力圈与投资偏好。虽然学术界与业界早有不 少相关基金行业与风格分类的经典之作，但本文试图站在巨人的肩膀上，尝试提出更为完备的理论框架与实际应 用方案，以形成基金分类标签的闭环。

二、基金标签的研究样本

2.1、基金产品 OR 基金经理？

基金产品作为基金经理的表达形式，许多同行报告已提出了基于基金经理维度下的基金研究框架。本文认为， 对于选择基金产品还是基金经理作为研究样本，需要一分为二地看问题。

一方面，近年来新发基金不断，基金产品数量陡然抬升，基金产品数目甚至超过股票总数，提高了基金研究 的难度与工作量，因而采用基金经理维度在一定程度上降低了信息重复性；同时，基金经理的更换时常伴随该基 金投资行为表现的改变，因此基于基金产品维度的研究可能带来基金分类标签结果的偏差，且研究前任基金经理 管理下的基金行为，对当前投资该产品并无实际研究意义与价值贡献。2015 年二季度，公募基金行业迎来基金 经理离任更换潮；同时，2018Q3 至今，基金经理变更数目持续保持较高水平。因而，基金标签制定过程中，考 虑基金经理变更情况具有必要性。

另一方面，同一基金经理同时管理的多个基金产品可能存在较大业绩差异，这需要追溯到基金产品合同中的 相关投资范围约束、基金产品对标的基准指数等。例如：普通股票型基金、偏股混合型基金和灵活配置型基金等 在股票方面的投资比例限制不尽相同；一些行业主题基金在合同层面严格约束了相关行业的投资比例范围；沪深 港通尚未开通时期发行的基金产品并无港股投资范围。因而，简单将“主动股混基金”按照基金经理的维度进行 合成，可能会降低甚至消除基金行为特征的显著性。为保留基金经理在投资能力圈的全貌，保留基金产品维度的 分析具有一定必要性。

因而，本文基于上述讨论，提出三类基金标签的研究对象：

(1) “基金产品”维度：不考虑基金经理更换带来的影响。

(2) “基金产品+基金经理”维度：保持当期基金研究样本数量不变。考虑基金经理一贯性，在每一报告期进 行标签制定时，仅考虑当期任职基金经理从到任开始至当前的基金产品数据信息。不可避免地，在进行 基金长期行为特征的总结时，由于历史观察期较短，许多样本的分类标签置信度有所降低。对于多位基 金经理共管基金产品的情形，仅选取当期管理时间最长的基金经理对应的任职期相关信息。

(3) “基金经理”维度：本文仅针对长期稳定高权益仓位且非行业主题型基金产品，按照基金经理任职时期， 将基金经理旗下挂名的所有产品按照规模加权构建基金经理业绩指数、持仓数据等。对于离职期间内基 金经理的相关数据信息出现间断的情况，则使用基准指数补全替代。对于多位基金经理共管基金产品的 情形，分别将该基金产品加入构建各个基金经理业绩指数与基金经理持仓等。 后文中相关结果的呈现暂且采用“基金产品”维度的分类标签结果。

2.2、“主动股混基金”产品样本初筛

无论是选用“基金产品”还是“基金经理”维度，首先需要对“主动股混基金”产品池进行初步筛选。本文 根据以下几个筛选条件得到“主动股混基金”产品样本池： (1) 基于公募基金产品投资类型（Wind 二级分类），选取：普通股票型基金、偏股混合型基金、灵活配置型 基金和平衡混合型基金。 (2) 剔除非初始基金、已到期基金和募集失败的基金。 (3) 考虑基金产品转型带来的影响，对产品转型前后情况分别进行标签制定。 (4) 在构建基金标签时，设定基金产品建仓期为 3 个月，即“基金产品”维度需要剔除产品新成立或转型的 前 3 个月数据；对于“基金产品+基金经理”维度和“基金经理”维度，则需要剔除基金经理变更的前 3 个月建仓期相关数据。

通过以上条件筛选的得到，截止至 2021 年 2 季度末，“主动股混基金”样本池内基金产品数目为 3420 只， 总规模达到 63706.74 亿元。从 2020 年开始，基金产品新发陆续增多，基金规模陡然攀升。（报告来源：未来智库）

三、权益资产配置行为

3.1、高/低权益仓位标签制定

对于基金权益仓位标签的制定，以基金季报披露的股票市值占资产净值比例作为判断依据，分别制定短期和 长期仓位标签的划分规则：

(1) 短期标签：当期权益仓位比例≥60%，则为“高权益仓位基金”；否则为“低权益仓位基金”。

(2) 长期标签：过去三年（N=12 期季度报告）的权益仓位比例平均值≥60%，同时引入缓冲机制，满足当 期股票仓位比例≥40%，即可为“高权益仓位基金”；否则为“低权益仓位基金”。对于观察期未满三年 的基金，以建仓结束日起的平均股票仓位比例做替代，并在长期标签上备注“（未满回看期）”。

对于单只基金，观察短期标签与长期标签的一致性，从而发现基金短期出现的仓位调整动作。进一步地，在 时间序列维度上，本文对单只基金的短期仓位标签进一步做降维概括。截取过去三年（N=12 期季度报告）作为 观察期，滚动统计短期标签结果的情况。对于观察期未满三年的基金，以产品建仓期结束日起作为观察期。多期 来看，基金标签的稳定性特征可总结为以下几个测度：

(1) 稳定性（占比）：历史观察期内，该标签出现的次数 / 标签样本总期数，这里仅选取观察期内出现次数 最多的短期标签类型。

(2) 置信度：即历史观察期内可获得的标签样本期数。

(3) 稳定性总结：如果观察期内所有短期标签均为“高权益仓位基金”，即高仓位稳定性（占比）＝100%， 即该基金的稳定性总结为“稳定高仓位基金”；如果观察期内所有短期标签均为“低权益仓位基金”，即 该低仓位稳定性（占比）＝100%，即该基金的稳定性总结为“稳定低仓位基金”。如果不满足“稳定高 仓位基金”或“稳定低仓位基金”条件，即任一标签的稳定性（占比）＜100%，则进一步筛选出观察期 内权益仓位极差(range)＞20%的基金，则该类基金的稳定性总结为“仓位择时基金”。其余基金的稳定 性总结为空值。对于观察期未满三年的基金，我们在稳定性总结后标注“（未满回看期）”。

3.2、权益仓位标签下的典型基金示例

以最新一期（2021Q2）稳定性总结结果进行筛选。选取置信度（期数）=12 且稳定性总结分别为仓位择时、 稳定高权益仓位、稳定低权益仓位的基金，并按照管理规模降序排列。

3.3、“主动股混基金”的权益资产配置行为

本文将从“基金产品”维度呈现基金的权益资产配置行为。

(1) 稳定高仓位基金占主流地位，绝大多数基金在权益配置行为特征方面具有延续性： 从短期仓位标签分类结果来看，无论是基金数目还是基金规模，大多数情况下，“主动股混基金”中的高权 益仓位基金比重处于 80%以上。2015Q2 开始，低权益仓位基金的数目与规模有所增加，这可能与当时市场处于 历史相对估值高位有关，2015Q2 至 2015Q4，低权益仓位的灵活配置型基金持续大规模新发。2015Q2 至 2017Q2， 低权益仓位基金的规模占比接近 40%，处于历史高峰值。最新一期（2021Q2），低权益仓位基金和高权益仓位 基金的规模分别为 6665.95 亿元和 51115.23 亿元，规模占比分别为 11.54%和 88.46%；基金产品数目分别为 542 只和 2728 只。

从权益仓位标签稳定性总结情况看，从 2010Q1 至 2021Q2，稳定高仓位基金的规模占比均值在 70%水平， 中位数处于 75%以上；2016Q4 至 2017Q3，稳定高仓位基金的规模占比处于历史最低位，约为 48%；2015Q2， 稳定低仓位基金规模占比陡增至 25%，2019Q1 起逐渐回落至 10%以下；长期来看，仓位择时基金规模占比处 于 15%平均水平，其中，2017Q3 至 2019Q3 的基金规模占比处于历史相对高位，超过 20%。

最新一期（2021Q2），稳定高权益仓位基金、稳定低权益仓位基金和仓位择时基金的规模分别为 45295.00 亿元、5565.03 亿元和 6369.10 亿元，规模占比分别为 78.39%、9.63%和 11.02%；基金产品数目分别为 2087 只、349 只和 814 只。对于 Wind 基金（二级）投资类型分类下的灵活配置型基金，稳定高仓位基金、稳定低仓 位基金与仓位择时基金的数量分别为 570 只、300 只和 647 只。

对比短期标签结果与稳定性总结情况，全市场“主动股混基金”在各类型基金的规模与数目上并无较大程度 上的差异，表明“主动股混基金”在权益资产配置行为方面具有一定延续性。大幅度仓位择时的基金占比相对较 小。

(2) 极端行情下长期高权益仓位基金的降仓保护意愿相对较强：

通过对比短期仓位标签和长期仓位标签的一致性情况，我们可以捕捉到全市场“主动股混基金”中出现权益 仓位短期调整的情况。即选取权益仓位长期标签与短期标签不一致的基金，将长期高仓位但短期出现低仓位调整 的基金定义为“短期调降仓位”的基金样本代表。 市场下跌环境下，特别是市场极端情况，长期高仓位基金有较强意愿主动降低权益仓位。该特征显著表现于 2010Q2、2015Q3、2018Q4 时期，当期调降权益仓位的基金数目占长期高仓位基金数目比例分别为 11.66%、 7.17%和 7.64%。进一步地，计算每一季度万得全 A 指数季度收益率与短期调降仓位的基金数目占比之间的相关 系数为-0.7076，即市场指数的涨跌与高仓位基金的降仓动作具有同步性。

(3) “择时”基金不一定有“择时”能力：

观察基金在权益仓位的大幅调整动作。首先，将基金在上下期仓位变动幅度的绝对值超过 20%阈值的行为， 定义为“仓位择时”。观察全市场“主动股混基金”出现仓位择时的概率，多数基金在 2010Q2、2010Q3、2015Q3、 2015Q4 和 2019Q1 发生大幅仓位变动。

以近五年发生两次以上大幅仓位调整的基金定义为“择时基金”，观察每只基金择时胜率情况。即基金增/减 仓位方向（滞后一期）与 Wind 全 A 指数涨跌表现方向一致的概率。样本总数为 933，其中，大多数基金的择时 胜率在 50%水平以下，胜率超过 70%的基金仅有 99 只。

四、行业配置行为

4.1、行业板块划分

不同基金经理对个股归属的行业主题的划分标准有所不同；同时，伴随我国经济转型与产业结构升级，许多 新兴行业与主题不断出现。因而，按照一级行业简单划分行业板块，容易导致基金行业主题标签的失真。因此， 本文从不同的行业划分视角，以中信一、二、三级行业分类为基础，采用了中信产业板块、中信风格板块等多种 中信衍生板块与信达金工自定义的产业板块分类标准。 本文当前仅针对 A 股上市公司进行行业板块划分。对于港股，设立“H 股”板块作为行业板块之一，并加入 到基金行业标签的制定中。

(1) 信达金工产业板块分类：

首先，我们依据中信一级行业划分标准，初步将其映射至各个产业板块。其中，周期制造板块既包 含了上游原材料、下游由经济波动主导的周期板块公司，也包含了产业链中游的制造型企业。

进一步地，对于每一产业板块大类划分，下探至中信三级行业进行细分调整：(a) 对于“交通运输”一级分 类：将 “航运”、“航空”、“港口”中信三级行业分类板块调整至“周期制造”板块；(c) 对于“汽车”一级分类： 将“乘用车Ⅲ”、“摩托车及其他”、“汽车消费及服务Ⅲ”中信三级行业调整至“消费”板块；(d) 对于“轻工制 造”一级分类：“家具”、“文娱轻工”、“其他家居”中信三级行业调整至“消费”板块。对于 2020 年中信证券行 业分类标准修订前的情况，则按照类似规律进行匹配，下面几种分类方式也采用同样的做法。

(2) 中信产业板块分类： 基于产业属性，将中信一级行业映射至各个中信产业板块。

(3) 中信上下游产业链板块分类： 同样地，中信上下游产业链板块也是基于中信一级行业，映射至各大类板块。

(4) 中信风格板块分类： 中信风格板块是从中信三级行业出发，对金融风格、周期风格、消费风格、成长风格与稳定风格进行划分。 中信风格板块与中信三级行业的映射明细表，详见 2020.01.02 中信证券发布的《中信证券行业分类标准 2.0 版 及修订说明》。

4.2、行业板块标签制定

对于基金的行业标签制定，我们对高权益仓位基金与低权益仓位基金均做标签制定，仅关注基金权益资产部 分的行业偏好与特征。本文以公募基金半年报与年报披露的个股持仓占基金投资股票总市值的比例，计算该基金 在各行业板块的配置比例。进一步地，以各行业板块占基金权益资产比例作为判断依据，分别制定短期和长期仓 位标签的划分规则：

(1) 短期标签：当期某一行业板块配置比例≥60%，则为“XX 行业基金”；否则为“行业均衡基金”。

(2) 长期标签：过去三年（N=6 期年报或半年报），某一行业板块配置比例平均值≥60%，且当期行业配置 比例≥40%，则为“XX 行业基金”；否则为“行业均衡基金”。对于观察期未满三年的基金，以建仓结束 日起的各行业配置比例平均值做替代，并在长期标签上备注“（未满回看期）”。

对于单只基金，观察其在行业配置行为方面长短期标签的一致性，从而可以发现基金短期出现的行业配置调 整动作。进一步地，在时间序列维度上，本文对单只基金的短期行业标签进一步做降维概括。截取过去三年（N=6 期年报或半年报）作为观察期，滚动统计短期标签结果的情况。对于观察期未满三年的基金，以产品建仓期结束 日起作为观察期。多期来看，基金标签的稳定性特征可总结为以下几个测度：

(1) 稳定性（占比）：历史观察期内，该标签出现的次数 / 标签样本总期数，这里仅选取观察期内出现次数 最多的短期标签类型。

(2) 置信度（期数）：即历史观察期内可获得的标签样本期数。

(3) 稳定性总结：如果观察期内所有短期标签均为“XX 行业基金”，即稳定性（占比）＝100%，即该基金的 稳定性总结为“稳定 XX 行业基金”；如果观察期内所有短期标签均为“行业均衡基金”，即该基金的行 业均衡标签稳定性（占比）＝100%，即该基金的稳定性总结为“稳定行业均衡基金”。如果不满足“稳 定 XX 行业基金”或“稳定行业均衡基金”，即任一标签的稳定性（占比）均小于 100%，则进一步筛选 出观察期内存在一行业的配置比例极差(range)＞20%的基金，则该类基金的稳定性总结为“行业轮动基 金”。其余基金的稳定性总结为空值。对于观察期未满三年的基金，我们在稳定性总结后标注“（未满回 看期）”。（报告来源：未来智库）

4.3、“主动股混基金”整体行业配置情况

同样以“基金产品”维度分析基金的行业分类情况。 (1) 行业均衡配置基金与行业轮动为主，消费、医药和 TMT 行业基金为辅： 行业均衡配置基金占全市场“主动股混基金”主导地位，但其规模与数目占比持续逐步下滑至 80%。

最新一 期（2021Q2），行业均衡基金共 2407 只，资产规模总计为 38170.24 亿元。 行业基金方面，大多数时间下“主动股混基金”以消费、医药和 TMT 行业为主。除了 2010Q2、2012Q 和 2014Q2 金融地产行业占主导地位。最新一期（2021Q2），消费、医药和 TMT 行业基金的规模分别为 2264.19 亿元、2217.27 亿元和 1413.57 亿元，基金数目分别为 74、106 和 94 只。 与上期相比，制造、周期、医药行业基金和沪深港通基金规模有显著抬升，2021Q2 规模分别为 1228.64 亿 元、515.05 亿元、2217.27 亿元和 795.83 亿元，环比增长 124.95%、358.83%、42.40%和 142.26%。

从稳定性总结情况看，截至 2021Q2，以稳定行业均衡配置基金为主、其次是行业轮动基金，二者的规模分 别为 32600.25 亿元和 8049.29 亿元，规模占比分别为 69.44%和 17.15%。稳定行业基金主要以医药、消费、 TMT 行业为主，规模分别为 2133.09 亿元、1762.45 亿元和 828.95 亿元。

(2) 行业均衡、沪深港通和医药基金的行业配置行为延续性强：

观察单期行业标签的延续性情况，以 2010Q2 至 2021Q2 连续两期行业标签转移概率矩阵进行观察。 绝大多数行业均衡配置基金、沪深港通基金与医药基金延续以往的行业配置特征；制造、消费、TMT、周期 等行业基金转移至行业均衡配置基金的概率约为 40%；上下期出现不同行业基金之间转换的可能性极低。

4.4、信达金工产业板块分类下的行业基金示例

以最新一期（2021Q2）稳定性总结结果进行筛选。选取置信度（期数）=6 且稳定性总结分别为各行业基金， 并按照管理规模降序排列。

4.5、行业轮动基金的筛选

同样地，以最新一期（2021Q2）稳定性总结结果进行筛选。选取置信度（期数）=12 且稳定性总结分别为 行业轮动的基金，并按照管理规模降序排列。

五、基金资产配置与行业配置行为示例

以前海开源中国稀缺资产灵活配置混合 A（001679.OF）为例。成立至今，产品多次出现较大幅度的权益仓 位择时与行业轮动行为。 该产品充分体现了基金经理在资产配置方面的能力。特别是在市场极端环境下，择时胜率相对较高。

2018 年下半年，该基金产品的股票仓位保持在 5%以下；对应地，半年内万得全 A 指数的累计收益为-15.94%，前海 开源中国稀缺资产灵活配置混合 A（001679.OF）半年度累计收益为-4.51%。2018 年末，基金调增股票仓位达 到 90.39%水平；2019Q1，万得全 A 指数上涨 30.71%，产品的季度累计收益为 42.86%。体现了产品的高弹性 与高稳定性的双重特性。

进一步地，对于绝大多数“主动股混基金”而言，拥有行业板块配置能力则相对更难。该产品在制造业、金 融地产板块有较大幅度轮动，其次是医药和消费板块。2018 年底，产品大幅度减配制造业，增配金融地产；对 应地，2019 上半年，制造业板块与金融地产板块涨幅分别为 18.43%和 28.99%。2019 年中，产品大幅降低金 融地产板块的配置比例，在金融地产板块充分获得行业轮动收益。

六、思考与展望

6.1、多元分类标签之难点与突破

对基金进行标签分类，其主要目的在于深刻认知基金产品。通过划分基金类型，归因基金历史业绩表现的显 著性差异。但是，基金产品作为基金经理投资理念与投资行为的表达形式，富有“人”的不确定性。一方面，基 金经理对自我的认知程度不相一致，且自我认知处于不断提升的进程；另一方面，面对不同的市场情况，部分基 金经理可能会主动改变投资策略。因而，从后验角度进行基金的分类标签，我们难以找到一个衡量标准对基金分 类标签的准确性进行公允评价。分类标签结果切换过于频繁，可能是由于该分类方法下未能充分解释和概括基金 的投资行为特征，不具备分类的显著性；但一味追求标签的稳定性，也可能遗漏部分基金短期内出现策略调整行 为等有效信息。

对于基金分类标签的准确性，一方面，本文秉持这样的观点，即：仅需找到具备逻辑支撑的衡量尺度，以达 到“模糊的准确”，无需刻意在定量层面追求精确，从而误入“精确的错误”陷阱中。另一方面，本文也尝试寻 找一些突破口。例如：

(1) 采用多种交叉验证方法进行准确性判断： 定性角度，本文针对合同中约定的投资范围与比较基准等非标准化信息，进行人工校准，从而验证分类方法 下的可信度。 定量角度，通过检验同类型基金产品之间的业绩表现或持仓特征的相关性是否显著高于不同类型基金产品间 的情况，进而判断该分类方法的区分度与合理性。

(2) 细分标签类型多样化： 一方面，提出多种划分标准，例如：在制定行业板块标签时，本文采用了多样化的行业板块分类方法，即信 达金工产业分类、中信产业板块分类、中信风格板块分类、中信上下游产业链板块分类等，以期匹配到基金经理 在投资研究过程中对股票所属行业板块的标准。 另一方面，寻找低相关的细分指标，从而增强基金特征标签的逻辑性。例如：本系列报告在挑选高成长性基 金时，不但基于晨星风格箱等传统风格分类框架，进行基金的风格制定；同时，基于高景气度行业逻辑，我们选 用了中信行业衍生的“成长板块”，对比和组合相关标签结果。

6.2、基于基金净值分析的标签跟踪与高频补充

前文我们通过对基金产品季报、半年报和年报披露的资产配置与持股情况，对基金进行仓位、行业与风格等 方面的分类标签。基于基金持仓分析的方法固然准确，但不可避免地存在及时性问题。因而，基于基金净值的分 析，将会是我们日常跟踪基金仓位、行业与风格的有力补充，当前，我们以周度频率观察“主动股混基金”的权 益仓位、行业配置与风格配置情况。相关的方法论与结果详见《信达证券-探寻高精度的基金仓位测算方法：基 于模拟组合的公募基金仓位测算》、《信达证券-探寻优秀的行业与风格仓位测算方法：如何更精准地实时跟踪基 金的行业与风格仓位》。

编辑：999感冒灵