FOF研究：如何筛选板块配置能力强的基金？阅读//5b.cdn.sohucs.com/images/d941a29ab439a8dbe3f855bdf63d7.jpeg天风金工FOF研究吴先兴团队
板块配置研究背景
不同板块会随着经济的周期性变化呈现出不同的发展状态，如果基金经理能够依据自身的认知，每次在不同板块中选择收益表现相对较好的板块加以配置，将对基金的业绩产生深远影响。
本篇报告作为基金能力研究的第三篇，重点关注的是基金板块配置能力的分析。我们基于最大化持仓补全法提出了季频持仓归因模型，有效提升了基金板块配置估计的准确度；并从板块配置稳定性、板块配置集中度和板块配置轮动能力三个维度构建了完善的基金板块配置能力评价体系，有效识别了板块配置稳定的基金和板块配置轮动的基金。板块配置能力评价体系的构建，有利于更加真实地探索基金经理的板块选择能力，为未来构建FOF投资组合奠定了基础。
基于最大化持仓补全法的持仓归因模型构建
基金板块配置估计有两种方法：净值回归法和持仓归因法。研究发现，净值回归法虽然可以在高频次下估计板块配置，但会受到结果滞后性、基金仓位和板块指数高相关性等问题的干扰，使得估计结果与实际情况存在较大偏差；持仓归因法虽然能够准确估计板块配置，但基金持仓披露的频次会影响深度分析。
为此，本报告提出了最大化持仓补全法。即在证监会行业配置约束下，综合基金季报披露和上市公司十大股东信息实现已知持仓信息最大化，利用上期持仓和全市场其他股票补全本期行业配置缺失的部分，估计本期全部持仓，进而确定基金的板块配置情况。研究发现，相比于此前提出的重仓股补全法，最大持仓补全法为基金持仓估计提供了至少5%的增量信息，使得估计板块配置与实际板块配置相关性在0.96以上，绝对偏离量在10%以内，远优于此前的重仓股单位化法和重仓股补全法，实现了季频下基金板块配置的准确估计。
基金板块配置能力评价体系构建
本报告从板块配置稳定性、板块配置集中度和板块配置轮动能力三个维度构建了基金板块配置能力评价体系，并引入t统计量对各维度指标进行有效性检验，可将主动偏股型基金分为6大类。
并对大家较为关注的板块配置稳定的主题型基金、板块配置稳定的非主题型基金、板块轮动的主题型基金、板块轮动的非主题型基金四类，进行了案例分析。研究发现，本报告提出的基金板块配置能力评价体系可以很好地识别不同类别的基金，与实际情况基本是一致的。此外，本报告还从基金经理视角分析了基金产品的板块配置能力。
在本系列的上一篇报告《基金资产配置的行业选择能力评价体系》中，我们基于改进的重仓股补全法，实现了在季频上对基金的中信一级行业配置信息进行准确估计，并构建了基金行业配置能力评价体系，有效识别了行业配置稳定的基金和行业配置轮动的基金。但是，我们发现中信一级行业划分过于细致，部分行业间涨跌幅相关性较高，且基金经理在投资过程中行业配置通常具有关联性，例如在配置银行的同时也会配置非银行金融和房地产等行业的股票。因此，本篇报告将从行业形成的板块维度分析基金经理的配置能力。
基金的板块配置估计同样存在两种方法：净值回归法和持仓归因法。研究发现，净值回归法虽然可以在高频次下估计板块配置，但会受到结果滞后性、基金仓位和板块指数高相关性等问题的干扰，使得估计结果与实际情况存在较大差异；持仓归因法虽然能够准确估计板块配置，但基金只会在半年报和年报披露全部持仓，在一季报和三季报仅会披露十大重仓股信息，已知的信息相对较少。我们知道，针对规模相对较大的基金产品，基金产品可能成为上市公司的十大股东，从而会在上市公司的季报中披露出现。因此，本报告将综合基金季报和上市公司季报两块信息，改进此前的重仓股补全法提出了最大化持仓补全法，进一步提升板块配置估计的准确度。
综上，本报告基于最大化持仓补全法，实现了在季频上对基金的板块配置信息进行准确估计，并构建了基金板块配置能力评价体系，有效识别了板块配置稳定的基金和板块配置轮动的基金，并以主动偏股型基金为例开展了相关实证研究。板块配置能力评价体系的构建，有利于更加真实地探索基金经理的板块选择能力，为未来构建FOF投资组合奠定了基础。
1?基金板块配置相关研究评述
不同行业在涨跌幅表现上会呈现出关联关系。产业链上下游行业间的股价基本会符合产业链传导逻辑，进而在股价上展现出关联关系。下图中绘制了2005年以来，中信一级行业指数间的相关系数统计图。可以发现，部分行业间的相关性较高，而与其他行业间的相关性较低，进而统计图呈现出分块现象。例如，电力及公共事业、建筑和交通运输行业之间的相关性明显较高；银行、非银行金融和房地产与其他行业间的相关性明显较低。
将29个中信一级行业指数划分为上游原材料、基础设施建设及运营、中游制造、消费、金融地产、TMT、其他七大板块。
依据上述7个板块的划分结果，我们采用行业自由流通市值加权的方式构建了板块指数。可以发现，过去一直表现较强的金融地产板块，近年来表现较弱；而过去表现较弱的消费板块，反而近年来变成了表现最为优异的板块。可见，不同板块指数间的走势存在较大差异性。
不同板块会随着经济的周期性变化呈现出不同的发展状态。在经济周期的作用下，各板块会呈现交叉轮动的特征。在经济上行阶段，周期板块风格明显占优，而成长板块表现较弱；在经济下行阶段，风格完全颠倒，成长板块最强，而周期板块最弱。例如在2017年，金融地产板块持续表现优异，但是当进入2018年以来，金融地产板块却变成了较差的板块。近年来行业板块间的快速切换，为基金经理的板块配置带来诸多烦恼。
基金经理良好的板块配置能力将对基金业绩产生重要贡献。正所谓“殊途同归”，无论是采取自上而下还是自下而上的投资策略，最终基金经理都会面临板块配置的问题。如果基金经理能够依据自身的认知，每次在不同板块中选择收益表现相对较好的板块加以配置，将对基金的业绩产生深远影响。
基金板块配置分析的两种思路：基于板块指数的回归分析法和基于持仓数据的归因分析法。其中，净值回归法是基于回归模型，将基金收益分解到不同板块指数收益上，通过回归系数估计基金的板块配置情况；而持仓归因法是基于持仓股票投资权重，依据股票所属行业加权汇总确定基金板块配置情况。但是，由于存在分析结果的滞后性、基金仓位和板块指数间高度相关性等问题的干扰，净值回归法估计板块配置准确度较低；同时，由于公募基金只会在半年报和年报披露全部持仓数据，持仓归因法分析频率较低。因此，是选择频率较高的净值回归法还是准确度较高的持仓归因法对基金的板块配置情况进行分析？下面我们将从两种方法的原理出发进行探讨。
1.1基于板块指数的回归法分析
基于净值数据视角的回归法是常见的板块配置分析方法。不同于股票，大家能够获取关于基金的公开信息有限。而作为相对高频的净值数据，蕴含了丰富的信息，自然会被用来做板块配置估计研究。净值回归法，需要在时间序列上将基金收益分解到不同的板块指数收益上，通常通过有约束线性回归模型估计板块配置情况。此外，考虑到时间序列的时效性，大家还会对数据赋予权重，即形成加权回归法。
净值回归法的优点在于可以在更高频次下探究基金板块配置情况。一般来说，由于净值数据是每日公布的，所以大家可以估计基金每日的板块配置情况，可以更好地探究基金的板块配置动态演变。
然而，净值回归法在实际应用中存在诸多困扰，例如：净值回归法存在滞后性。
净值回归法会受到基金仓位的干扰。
净值回归法会受到板块指数间高相关性的影响。
基于净值数据的回归法在板块配置的估计上存在较大偏差。在基金披露的二季度或四季度末节点，利用过去60个交易日的基金净值收益与板块指数收益进行有约束加权线性回归模型，确定基金在不同板块上的配置情况，具体算法见附录（1）。下图中列出了基金A在2017年四季度末节点，净值回归法得到的板块配置估计情况与基金实际板块配置情况的对比结果。
针对基金A在2017年四季度末节点附近使用净值回归法分析发现，基金在消费、金融地产板块配置的权重较高；而依据基金在年报中披露数据可知，基金实际在上游原材料、和金融地产等板块上的配置权重较高，在消费板块上的权重并没有净值回归法估计的高。
板块指数间的高度相关性会干扰净值回归法的估计准确度。
净值回归法估计的基金板块配置与实际情况整体上存在较大偏差。
综上所述，虽然净值回归法可以在更高频次下探究基金板块配置情况，但是由于存在分析结果的滞后性、基金仓位和板块指数间高相关性等问题，使得板块配置估计结果与实际情况存在较大偏差。因此，我们可以尝试从持仓数据的入手进行基金板块配置的估计。但是，由于我们仅能在半年报和年报节点获取公募基金的全部持仓数据，季报节点仅能获取前十大重仓股，持仓数据获取频率低且不全严重限制了我们的深度分析。因此，是否可以基于重仓股信息估算基金在季末节点的板块配置情况，为持仓归因法提供更加高频次的数据？下面我们将介绍持仓归因法的相关原理并重点探究利用重仓股拓展估计板块配置的有效性。
1.2基于持仓数据的归因法分析
基于持仓数据视角的归因法是有效的板块配置估计方法。基金披露的持仓数据可以直接用于基金的板块配置分析。具体地，可以基于基金节点持仓股票投资权重，依据股票所属板块加权汇总形成基金板块配置权重。相比于净值回归法，持仓归因法得到的板块配置情况是真实且有效的。
持仓归因法在实际应用中也会存在问题，即板块配置估计的频次会很低
一种大家普遍使用的改进方案是提出了重仓股单位化法。即将重仓股的行业配置权重单位化视作基金全部持仓的行业配置权重，进而估计基金的板块配置权重，其前提假设条件为基金全部持仓的板块配置与重仓股的板块配置是一致的。
具体地，首先将重仓股投资权重按照行业进行加权汇总形成基金重仓股行业配置权重，然后将重仓股行业配置权重单位化形成基金全部持仓行业配置权重，最后依据板块构成确定基金的板块配置权重。
研究发现，重仓股单位化法在基金板块配置的估计上存在较大偏差。为了很好地分析重仓股单位化法估计的准确度，我们将对基金在二季度和四季度末节点的板块配置情况进行估计，并与基金实际的板块配置情况进行比对。下面我们将以基金A在2017年四季度末节点的板块配置情况进行对比分析，结果如下所示。
上图中绘制了基金A在2017年四季度末重仓股板块分布情况。可以发现，重仓股投资权重累计占比为68.69%，主要分布在3个板块上，其中在金融地产板块上的投资权重最大，占比达到了53.54%，与全部持仓在金融地产板块的投资权重一致。
可见，重仓股单位化法在基金板块配置的估计上存在较大偏差，会使得估计的基金板块配置分布集中，且极易受到权重最大板块配置的干扰。
重仓股单位化法估计的板块配置与实际情况整体上偏差较大。
综上所述，相比于净值回归法，持仓归因法能够真实且有效的确定基金板块配置情况，但是公募基金仅在半年报和年报节点披露全部持仓，持仓披露的频次会影响我们的深度分析。大家试图利用重仓股信息来拓展板块配置的估计信息，但是通过分析发现普遍使用的重仓股单位化法在基金板块配置的估计上同样会存在较大偏差。因此，是否存在其他有效方法，能够基于重仓股信息来估计基金板块配置情况？以期在更高频次的数据下分析基金的板块配置能力。
2?基于最大化持仓补全法的持仓归因模型构建
本报告改进了此前的重仓股补全法，提出了最大化持仓补全法。即在证监会行业配置约束下，综合基金季报披露和上市公司十大股东信息实现已知持仓信息最大化，利用上期持仓和全市场其他股票补全本期行业配置缺失的部分，估计本期全部持仓，进而确定基金的板块配置情况。其前提假设条件为基金会继续持有上一期的股票，但是投资权重会做调整，重点考察的是本期已知持仓的配置变化情况。
2.1基金十大股东非重仓股信息的提取
在上篇报告《基金资产配置的行业选择能力评价体系》中，我们提出了重仓股补全法，主要在证监会行业配置约束下，利用上期非重仓股和全市场股票补全当期行业配置缺失的部分，估计当期非重仓股信息。我们发现，大家更多会从基金季报中获取持仓数据，从而在一季报和三季报只能获取十大重仓股，获取的信息相对较少。事实上，部分规模相对较大的基金产品，是可能成为上市公司的十大股东，进而在上市公司的季报中披露。因此，我们可以从全市场所有上市公司披露的十大股东信息中寻找基金产品的影子，从而拓展季报节点已知持仓信息。
具体的，在每个季报节点针对每只基金产品，我们进行如下步骤：（1）将全市场所有上市公司的十大股东信息进行采集汇总；（2）从上述信息中筛选出所有以该基金为股东的股票，即为该基金产品的十大股东股票；（3）从十大股东股票中剔除属于该基金重仓股的部分，剩下的即为十大股东非重仓股。
因此，我们在季报节点针对每只基金，不仅可以从季报披露的信息中获取前十大重仓股信息，还可以从上市公司披露的十大股东信息中获取额外的增量信息。当在季报节点，已经信息（重仓股+十大股东非重仓股）获取的越多，未知信息（未知非重仓股）就越少，从而可以有效提升板块配置信息估计的准确度。
事实上，基金季报和上市公司季报的披露时间并不统一。相对来说，上市公司季报披露时间会明显晚于基金季报披露时间，从而我们只能在获取基金重仓股之后，再获取十大股东非重仓股信息。因此，在实际应用中，我们更多的是为基金历史持仓提供增量信息，而对当前时间点，只能从已经发布季报的上市公司中寻找有效信息。整体来看，我们最晚可以在4月底对一季报节点，以及在10月底对三季报节点的基金提供最新增量信息分析。
实证研究发现，上市公司季报能够为基金持仓估计提供至少5%的信息增量。我们对所有主动偏股型基金中成为上市公司十大股东的比例数据进行了统计。可以发现，在2015年及以前，这一比例数据是逐年增加的；但是2016年以来，这一比例数据却在逐渐下降，目前维持在25%左右。此外，通过对十大股东非重仓股平均权重的统计可以发现，该数据同样在逐年降低，但目前仍可以为持仓估计至少提供5%的有效信息增量。有效信息的逐年降低，或许与机构投资者越来越偏好中大市值的股票有关。
2.2最大化持仓补全法的构建
可以发现，最大化持仓补全法相比于重仓股补全法，改进主要在两个方面：通过上市公司的十大股东信息对已知持仓信息（十大重仓股）进行拓展；不是用上一期非重仓股而是全部持仓股，用于当期未知非重仓股信息的估计。可见，最大化持仓补全法，最主要的目的就是最大化已知持仓信息，降低未知持仓信息的估计，进而提升配置信息估计的准确度。相关流程图如下所示。
因此，首先，基于本期全部持仓、重仓股以及十大股东非重仓股的证监会行业配置信息确定未知非重仓股的证监会行业配置权重；然后，利用上期全部持仓股和全市场其他股票估计本期的未知非重仓股信息；其次，将重仓股、十大股东非重仓股和估计的未知非重仓股合成得到全部持仓，并确定基金新的行业配置权重；最后，依据板块构成确定基金的板块配置权重。具体地：
研究发现，最大化持仓补全法能够较好地估计基金的板块配置情况。为了很好地分析最大化持仓补全法在板块配置估计上的准确度，我们将对基金在二季度和四季度末节点的板块配置情况进行估计，并与基金实际的板块配置情况进行比对。下面我们将以基金A在2017年四季度末节点的板块配置情况进行对比分析。具体地，首先，我们可以从基金四季报披露的信息中获取全部持仓的证监会行业配置权重；然后，我们可以获取基金四季报披露的重仓股信息，并计算其证监会行业配置权重；其次，用全部持仓的证监会板块配置权重减去重仓股和十大股东非重仓股的证监会行业配置权重，便可得到未知非重仓股的证监会行业配置权重；再者，在本期非重仓股的证监会行业配置信息约束下，从上期持仓股和市场其他股票中估计本期未知非重仓股信息；最后，将重仓股、十大股东非重仓股和估计的未知非重仓股信息汇总得到本期全部持仓信息，并计算全部持仓的中信一级行业配置信息及板块配置信息。结果如下面所示。
上表中列出了基金A在2017年四季度末节点全部持仓和重仓股的证监会行业配置情况。可以发现，全部持仓主要分布在制造业、金融业、采矿业、信息技术和房地产等10个行业；重仓股和十大股东非重仓股主要分布制造业、金融业、采矿业和房地产等5个行业，累计投资权重为78.61%。两者相减便可得到未知非重仓股的证监会行业配置权重，如表中所示。可以发现，未知非重仓股主要分布在制造业、采矿业等10个行业。未知非重仓股信息明显较少，可以有效提升估计的准确度。
然后，我们可以获取基金A在2017年二季度末节点的持仓股信息，剔除四季度的重仓股和十大股东非重仓股信息后得到剩余持仓股信息，其证监会行业配置如上表所示。可以发现，四季度的非重仓股相对于二季度来说有制造业、批发零售等行业的股票继续持有，而卖出了金融行业，新买入了采矿业和建筑业等行业的股票。针对继续持有的行业，我们假定等权重持有二季度的该行业对应的股票，使得累计权重和等于当前该行业投资权重和；针对卖出的行业，我们认为同样卖出了二季度该行业对应的股票；针对新买入的行业，我们假定基金等权重买入全市场属于该行业的所有其他股票，使得累计权重和等于当前该行业投资权重和。最终，使得2017年四季度末节点未知非重仓股行业配置补全。
最后，我们将本期的重仓股、十大股东非重仓股和估计的未知非重仓股信息汇总，便可得到基金A在2015年四季度末的全部持仓信息，并可以计算基金的中信一级行业配置权重及板块配置权重。下图中绘制了基金A在2017年四季度末节点板块配置估计权重分布图。同时引入重仓股补全法进行比对。可以发现，最大化持仓补全法估计的板块配置与基金的实际板块配置更为接近。通过非重仓股和十大股东非重仓股的行业配置扩充后，最大持仓补全法相对重仓股单位化法和重仓股补全法能够更好地估计基金的板块配置情况。
此外，我们对全市场上所有主动偏股型基金在二季度和四季度末节点，计算基于最大化持仓补全法估计基金板块配置以及基金实际板块配置情况，并分析两者之间的相关性和偏离量。所有主动偏股型基金的板块配置相关性和偏离量期望值分布图如下所示。可以发现，全市场主动偏股型基金在最大化持仓补全法估计的板块配置与实际板块配置间的相关性分布整体上主要集中在0.96以上，且尾部低相关性的数量占比较少；而偏离度主要集中在10%以内。同时，最大化持仓补全法比重仓股补全法的准确度进一步提升，改进效果明显。可见，最大化持仓补全法能够较好地估计基金的板块配置情况。
综上所述，本节提出了最大化持仓补全法，即在证监会行业配置约束下，综合基金季报披露和上市公司十大股东信息实现已知持仓信息最大化，利用上期持仓和全市场其他股票补全本期行业配置缺失的部分，估计本期全部持仓，进而确定基金的板块配置情况。研究发现，相比于此前提出的重仓股补全法，最大持仓补全法为基金持仓估计提供了至少5%的增量信息，使得估计板块配置与实际板块配置相关性在0.96以上，绝对偏离量在10%以内，远优于重仓股单位化法和重仓股补全法，实现了季频下基金板块配置的准确估计。因此，在接下来的研究中，我们将基于最大化持仓补全法估计基金的季频板块配置情况，开展基金板块配置能力的分析。
3?基金板块配置能力评价体系构建
在上节中，我们提出了最大化持仓补全法，实现了对基金的季频板块配置情况进行有效估计。本节中，我们将基于基金的板块配置情况进行板块配置能力的分析。
具体地，针对任意主动偏股型基金，首先，通过板块配置稳定性分析模型，确定是板块配置稳定型基金还是板块配置不稳定型基金；其次，通过板块配置集中度分析模型，确定是主题型基金还是非主题型基金；最后，针对板块配置不稳定型基金，通过板块配置轮动分析模型，确定基金是板块轮动的基金还是非板块轮动的基金。基金的板块配置能力评价体系流程图如下图所示。
由上图可知，板块配置能力评价体系的核心模块主要有四个部分，分别为基金板块配置分析、板块配置稳定性分析、板块配置集中度分析和板块配置轮动分析。其中，基金板块配置分析已经在上节中介绍，采用的是季频最大化持仓补全法。下面我们将重点介绍其他三个模块。
我们可以针对不同指标对应的假设条件，以接受域对应的概率来判断指标的有效性。参考表6中指标的方向，我们可以针对每个指标构建原假设和备择假设，同时可以得到原假设对应的接受域。统计信息如下表所示。当确定置信水平α（一般取5%）后，我们便可计算指标接受域对应的概率W。
我们可以采用指标接受域对应的概率作为指标有效性得分。但是我们发现，板块配置稳定性和板块配置轮动都对应两个子指标，这就会涉及到加权的问题。不失一般性，我们可以使用简单的等权重加权形式合成我们所需要的指标得分。
综上所述，本节从板块配置稳定性、板块配置集中度和板块配置轮动能力三个维度构建了基金板块配置能力评价体系，并引入t统计量对各维度指标进行有效性检验，可将主动偏股型基金进行分类识别，有利于更加全面的评价基金的板块配置能力。
4?主动偏股型基金的板块配置能力实证研究
在上节中我们构建了完善的基金板块配置能力评价体系，可以通过板块配置视角对基金的类型进行识别。为了从实践上探索上述模型的有效性，本节将对主动偏股型基金的板块配置能力进行实证研究。
4.1数据采集与处理
本文从万得（Wind）数据库中选取2005年1月至日间所有已上市（包含到期）的所有主动偏股型基金信息，包含基金复权单位净值、每一季报、三季报、半年报和年报持仓股票信息等，其中主动偏股型基金包括：
√ 普通股票型基金；
√ 偏股混合型基金；
合计1078只基金。由于直接获取的基金中包含部分无效的基金信息，因此我们需要对基金进行数据处理，如：
√ 剔除封闭式基金、分级基金、沪港深基金以及名称末中包含H、R、O等字母的基金；
√ 删除基金成立时间不到半年的基金。
经过上述处理，共得到相关有效主动偏股型基金840只。
另外，在股票数据方面，我们需要获取截至日已经上市（包含退市）股票的相关信息，包含每个季报股票的十大股东和十大流通股东信息、每日股票所属中信一级行业指数信息、中信一级行业指数价格数据等。
针对表8中假设检验，我们针对每个子指标设置如上的阈值，并对所有主动偏股型基金在不同子指标下进行有效性检验，并合成基金的板块配置稳定性、板块配置集中度和板块配置轮动能力得分。
当综合利用基金板块配置稳定性、板块配置集中度和板块配置轮动等指标信息，我们可以对任意基金进行判别。从图21中可知，我们可以将基金分为6类，分别为板块配置稳定的主题型基金、板块配置稳定的非主题型基金、板块轮动的主题型基金、非板块轮动的主题型基金、板块轮动的非主题型基金以及非板块轮动的非主题型基金。其中大家比较关注的是板块配置稳定的主题型基金、板块配置稳定的非主题型基金、板块轮动的主题型基金、板块轮动的非主题型基金四类。下面本报告将以具体案例的形式进行这四类基金识别的介绍。
4.2基金的板块配置能力案例分析
4.2.1 板块配置稳定的主题型基金
如果基金经理由于投资范围或者个人投资偏好等原因，管理的基金产品会对某些板块配置存在明显的偏好，且板块配置相对稳定，则形成了板块配置稳定的主题型基金。在我们提出的基金板块配置能力评价体系中，如果基金的板块配置稳定性和板块配置集中度得分均较高时，可判别为板块配置稳定的主题型基金。下面我们将以基金A为例进行分析。
从上表中的板块配置能力评价得分可以发现，基金A在板块配置稳定性和板块配置集中度方面得分均较高，展现出了良好的板块配置稳定性和集中度，我们将其判定为板块配置稳定的主题型基金。
此外，我们有对基金A剔除建仓期以来的各季度末板块配置情况进行了统计。可以发现，基金在消费板块上的投资权重基本维持在60%以上，且板块配置相对较为稳定，可视为医药板块主题的基金。因此，板块配置能力评价体系对基金A的判别与实际情况基本是一致的。
4.2.2 板块配置稳定的非主题型基金
如果基金经理由于投资范围或者投资策略等原因，并不会明显偏好于某些板块，且管理产品的板块配置是稳定的，则形成了板块配置稳定的非主题型基金。在我们提出的基金板块配置能力评价体系中，如果基金的板块配置稳定性得分较高，而板块配置集中度得分较低时，则可判别为板块配置稳定的非主题型基金。下面我们将以基金B为例进行分析。
从上表中的板块配置能力评价得分可以发现，基金B在板块配置稳定性上的得分非常高，而在板块配置集中度上的得分非常低，展现出了基金板块配置分散化且相对稳定，我们将其判定为板块配置稳定的非主题型基金。
此外，我们有对基金B剔除建仓期以来的各季度末板块配置情况进行了统计。可以发现，基金分散化投资在各个板块上，并没有出现对个别板块的明显偏好，可视作为非主题型基金。
同时，我们计算各季度末节点基金B板块配置权重间的相关系数。可以发现，相邻间的相关性较为稳定，基本维持在0.95以上，可见基金B的板块配置较为稳定。因此，板块配置能力评价体系对基金B的判别与实际情况基本是一致的。
4.2.3 板块轮动的主题型基金
如果基金经理会依据自身投资判断，每次会大幅度调整板块，且板块的调整为其贡献了较好的超额收益，则形成了板块轮动的主题型基金。在我们提出的基金板块配置能力评价体系中，如果基金的板块配置稳定性得分较低，而板块配置集中度和板块配置轮动得分均较高时，可判别为板块轮动的主题型基金。不幸的是，我们并没有在主动偏股型基金中找到满足条件的板块轮动的主题型基金。
4.2.4 板块轮动的非主题型基金
如果基金经理在考虑市场组合基准配置的基础上，依据自身投资判断，小幅度灵活调整板块配置，以期获得更好地超额收益，则形成了板块轮动的非主题型基金。在我们提出的基金板块配置能力评价体系中，如果基金的板块配置轮动得分较高，而板块配置稳定性和板块集中度得分较低时，可判别为板块轮动的非主题型基金。下面我们将以基金C为例进行分析。
从上表中的板块配置能力评价得分可以发现，基金C在板块配置轮动上得分较高，而在板块配置稳定性和板块配置集中度方面得分较低，展现除了良好的板块轮动能力和分散化投资，我们将其判定为板块轮动的非主题型基金。
我们有对基金C剔除建仓期以来的各季度末板块配置情况进行了统计。可以发现，基金会非常及时的调整板块配置，且没有出现长期对某些板块的较大幅度调整。
同时，我们计算各季度末节点基金C板块配置权重间的相关系数。可以发现，相邻两期间的相关性波动较大，从0.6到0.8。基金C的板块配置存在较大波动，可视作为板块配置轮动的非主题型基金。
此外，我们对基金C的板块轮动相关度量指标的季度数据进行了统计。可以发现，基金C的板块配置选择能力和板块配置选择相关性指标值分布稳定且集中，相应的基金季度收益也表现较好。因此，板块配置能力评价体系对基金C的判别与实际情况基本是一致的。
4.3基金经理的板块配置能力案例分析
上小节中我们从基金视角对基金板块配置能力进行分析，但是我们知道基金自成立以来会经历多位基金经理的管理，而不同基金经理的管理方法可能会存在一定差异性，时间跨度较长可能对板块配置能力检验造成干扰。因此，本小节将从基金经理视角开展基金板块配置能力分析。
按照基金经理对所有主动偏股型基金进行分区间统计。上表中对主动偏股型基金的基金经理任职管理时间进行了统计。可以发现，有超过50%的基金经理任职管理时间在2年以内，有超过90%的基金经理任职时间在4年半以内，仅有不足10%的基金经理任职管理时间在5年以上。可见，截止到目前，基金经理管理主动偏股型基金产品的任职管理时间较短。
我们对有效任职时间在1年半以上，且目前仍在任职的基金经理管理的产品进行分析。截止到日，满足要求的基金经理共计709人次。下面我们将对4种类型的基金经理举例进行介绍，分别为具有管理板块配置稳定主题型基金的基金经理1、管理板块配置稳定非主题型基金的基金经理2、管理板块轮动主题型基金的基金经理3、管理板块轮到非主题型基金的基金经理4。具体内容如下面所示。
5?总结与展望
本篇报告作为基金能力研究的第三篇，重点关注的是基金板块配置能力的分析。我们基于最大化持仓补全法提出了季频持仓归因模型，有效提升了基金板块配置估计的准确度；并从板块配置稳定性、板块配置集中度和板块配置轮动能力三个维度构建了完善的基金板块配置能力评价体系，有效识别了板块配置稳定的基金和板块配置轮动的基金。板块配置能力评价体系的构建，有利于更加真实地探索基金经理的板块选择能力，为未来构建FOF投资组合奠定了基础。
在板块配置分析方面，我们提出了最大化持仓补全法，即在证监会行业配置约束下，综合基金季报披露和上市公司十大股东信息实现已知持仓信息最大化，利用上期持仓和全市场其他股票补全本期行业配置缺失的部分，估计本期全部持仓，进而确定基金的板块配置情况。研究发现，相比于此前提出的重仓股补全法，最大持仓补全法为基金持仓估计提供了至少5%的增量信息，使得估计板块配置与实际板块配置相关性在0.96以上，绝对偏离量在10%以内，远优于此前的重仓股单位化法和重仓股补全法，实现了季频下基金板块配置的准确估计。
在板块配置能力分析方面，我们从板块配置稳定性、板块配置集中度和板块配置轮动能力三个维度构建了基金板块配置能力评价体系，可以从板块配置视角对基金进行分类识别。通过案例实证分析发现，本报告提出的基金板块配置能力评价体系可以很好地识别不同类别的基金，与实际情况基本是一致的。此外，本报告还从基金经理视角分析了基金产品的板块配置能力。
当然，虽然我们在构建基金板块配置能力评价体系时已尽可能接近现实，但依然存在诸多不确定性因素。例如，最大化持仓补全法仅从配置角度估计基金持仓信息，并没有结合基金净值进行持仓优化；板块配置能力指标的构建潜在假定是基金在未来一个季度板块配置不变，这个过于严苛；等等。因此，在接下来的研究中，我们将对本文提出的板块配置能力评价指标应用于FOF组合进行有效性验证，同时对基金经理更多能力进行评价研究。敬请期待！
特别地，限于文章篇幅，我们只在文中列出了部分统计信息，更加详细的结果数据可联系天风金融工程团队获取！