來源：金融界基金
作者：諾德基金
本文作者：諾德基金FOF團隊
持倉集中度對不同的基金產品、不同的基金經理業績均有著較大的影響。眾所周知，公募基金公司都會組織統一完整的研究和投資體系來管理、支持、和幫助公募基金經理的投資活動。因此，在實際的投資決策過程中，隸屬於同一家公募基金公司的不同基金經理的投資決策，特別是投資標的的選擇可能會存在一定程度的趨同。那麼，與我們之前探討的持倉集中度問題類似，對於一個基金公司而言，其所管理的不同公募基金產品的持倉集中度會對該公司的投資業績產生怎樣的影響？進一步而言，基金公司的整體持倉集中度能否幫助投資者找到投資業績較好的基金公司，進而選出這些績優公司績優的產品？
在本文中，我們將主要探討公募基金公司所管理的偏股混合型基金產品的整體股票持倉集中度與其業績之間的關係。首先，我們要挑選出具備一定偏股混合型基金產品管理能力的基金公司。為了確保我們研究結果的廣泛性和健壯性，在本文中我們將至少管理3隻或者5隻偏股混合型基金產品，且這3或者5個產品的規模均達1個億以上的公募基金公司作為研究對象。需要特別說明的是，我們所考查的偏股混合型基金產品不包括被動管理型、主題型基金、發起式基金、以及分級基金。在圖1中，我們展示從2011年年底到2019年1季度的考察期內，符合條件的基金公司數量在每個季度的分布情況。如下圖1所示,每季度至少管理了3隻或者5隻，規模至少1億以上偏股混合基金產品的基金公司數量分別在35家或者50家左右。從圖中可以看到，在這一觀察區間中，基金公司的數量較多且比較穩定，能夠更好的反應觀察統計的效果。
在本文中，我們將根據每個基金公司所選出3隻或者5隻基金產品在季報中所披露的十大重倉股票佔這3隻或5隻基金的總股票投資市值的比重，來衡量基金公司的股票持倉集中度。同時，對於基金公司的業績衡量，我們需要考慮了以下幾種情況：第一，由於季報披露的持倉情況，可能會對當季和下季的基金淨值都有影響，因此，我們將考察基金產品當季和下季的業績。第二，由於對於每個基金公司，我們均選出了3隻或者5隻不同的基金產品，它們的業績也不盡相同。在衡量基金公司的業績時，我們將首先考察每個基金公司的3隻或者5隻產品的業績標準差，來衡量基金公司業績的分化度。接下來，我們還將分別利用收益最佳和最差的基金產品作為代表，來評價整個基金公司的業績。因此，在本文中，我們將利用六種不同的方法來衡量基金公司的業績，它們分別是當季度收益標準差、下季收益標準差、當季度最佳產品業績、當季度最差產品業績、下季度最佳產品業績、和下季度最差產品業績衡量方法。
為了考察基金公司的整體股票持倉集中度與其業績之間的相關性，我們將利用斯皮爾曼回歸法來計算基金公司的權益持倉集中度和業績間的Rank Information Coefficient （Rank IC）。具體做法是：在每個季度結束後，根據每個季報所披露的權益持倉集中度對基金公司進行排名，再利用不同的業績衡量方法對基金公司同樣進行排名，之後，再利用斯皮爾曼回歸法計算兩組排名的相關性Rank IC。一般來說，當Rank IC>0時，說明兩組排名呈現正相關性，即持倉集中度越高則基金公司業績越好；反之，當Rank IC<0時，說明兩組排名呈現負相關性，即持倉集中度越高則基金公司業績越差。最後，將每季度的Rank IC按時間順序逐一累加，得到Rank IC的累加序列。該累加序列的長期趨勢則反映了持倉集中度與業績之間的相關性是否長期穩定。關於斯皮爾曼回歸法的計算過程，我們不在本文中進行詳述，感興趣讀者可查閱相關資料。另外，需要強調的是，在本文中，我們對所有的排序均採用降序排列。具體而言，股票持倉集中度越高，產品業績標準差越大，最佳和最差產品的業績越好的基金公司，在排序時的排名就越靠前。
在下圖2至圖5中，我們分別展示了在具有3隻或者5隻1億規模以上公募基金產品的基金公司中，根據其產品股票持倉集中度由高到低的排序與根據其所選出的3隻或者5隻產品業績分化度由高到底的排序之間的相關性。如4幅圖片所示，我們可以看到，在考察期的絕大部分時間內，無論是根據當季業績或者是下季業績的標準差的基金公司排序，都與根據股票持倉集中度的基金公司排序具有正相關關係。因此，代表兩者關係的Rank IC的累加值曲線呈現平穩向上的走勢。這說明在絕大多數情況下，基金公司所發行產品的股票持倉集中度越高，其產品業績的標準差越大，也就是說其產品業績的分化程度也越高，其產品更容易出現相對良莠不齊的情況。
接下來，我們以從基金公司中所挑出3隻或者5隻產品中的業績最好的基金產品作為該基金公司的業績代表，來探討基金公司股票持倉集中度與基金公司業績的關係。在下圖6至圖9中，我們分別展示了在具有3隻或者5隻1億規模以上公募基金產品的基金公司中，根據其產品股票持倉集中度由高到低的排序與根據其最好業績產品由高到低的排序之間的關係。如下面4幅圖片所示，我們可以看到，在考察期的絕大部分時間內，基金公司產品當季或是下季最好產品業績的排序，都與基金公司這些產品的整體股票持倉集中度具有正相關關係。因此，代表兩者關係的Rank IC的累加值曲線呈現平穩向上的走勢。這說明在絕大多數情況下，基金公司所發行產品的整體股票持倉集中度越高，其最好產品的業績越好，也就是說在其產品中更有可能出現業績好的公募基金產品。
接下來，我們以從基金公司中所挑出3隻或者5隻產品中的業績最差的基金產品作為該基金公司的業績代表，來探討基金公司整體股票持倉集中度與基金公司業績的關係。在下圖10至圖13中，我們分別展示了在具有3隻或者5隻1億規模以上公募基金產品的基金公司中，根據其產品整體股票持倉集中度由高到低的排序與根據其最差業績產品由高到低的排序之間的關係。如下4幅圖片所示，我們可以看到，在考察期的絕大部分時間內，基金公司產品的當季或者下季產品最差業績的排序，都與基金公司這些產品的整體股票持倉集中度具有負相關關係。因此，代表兩者關係的Rank IC的累加值曲線基本呈現平穩向下或者持平的走勢。這說明在絕大多數情況下，基金公司所發行產品的整體股票持倉集中度越高，其最差產品的業績越差，也就是說在其產品中更有可能出現業績差的公募基金產品。
除了前文介紹的持倉集中度算法以外，我們還考慮了其它三種不同算法來分析基金公司的整體股票持倉集中度。第一種算法，考慮到不同基金規模大小不一，對重倉股佔比的影響，該算法利用5隻基金的十大重倉股票投資市值，佔5隻基金總的股票投資市值比率，其中相同股票的比率相加，然後將比率進行平方後加和開方，得到基金公司的持倉集中度。第二種算法，在計算了重倉股票投資市值佔比之後，將佔比從大到小依次累加，然後，按照累加值超過40％時的股票數量對基金公司排名。在使用這一算法時，達到市值佔比時，股票數量越少則持倉集中度越高，如果存在重倉股票投資市值佔比和不超過40％的基金公司，則將這些基金公司按照本文之前測試的集中度再進行排名。第三種算法，選出重倉股票投資市值佔比前30名的股票，計算出這30隻股票投資市值佔比的和，作為基金公司集中持倉度。該算法可以有效避免某些股票在個別基金產品中高比重持倉所帶來的集中效應。這三種衡量基金公司持倉集中度的算法，我們也進行了與本文相同的實驗，回測結果和本文之前呈現的測試結果大致相同。
綜上所述，我們可以比較清晰的觀察到，對於一個基金公司而言，其偏股混合型基金產品的整體股票持倉集中度對該公司產品整體業績的影響是比較明確地。具體而言，當該公司產品的整體股票持倉集中度越高時，該公司產品的業績分化程度將會越高。而更進一步來說，當該公司產品的整體股票持倉集中度越高時，該公司績優基金的表現可能會更好，而該公司最差基金的表現則可能會更差。這在一定程度上，反映了當投資於某個基金公司的偏股混合型基金產品時，可能由於其整體股票持倉集中度所帶來的隱含風險，值得廣大投資者重點關注。當然，我們所得出的結論是基於多家基金公司的數據統計而得到的，而並非具體針對某一家或者幾家基金公司。投資者在實際的投資活動中，應該針對特定基金公司的具體投資標的進行具體分析，不可一概而論。 （經諾德基金授權，金融界網站轉載刊發）