如何構建基于公募基金高頻持倉的權益擇時與行業輪動策略？

針對公募基金持倉數據披露滯后、頻率低、信息不完整的問題，本文構建了一套從數據補全到信號構造的研究框架，主要包含高頻倉位測算方法及其在擇時與輪動中的應用。

首先，在數據測算層面，采用“補截面+補時序”的方法。截面維度上，利用重倉股行業補全法，以當期前十大重倉股為基礎，結合證監會行業配置比例及上一期非重倉股結構，估計當期未披露的非重倉部分，將完整持倉觀察頻率由半年頻提升至季頻。時序維度上，引入時間加權Lasso回歸，刻畫基金凈值收益與模擬組合收益的動態關系，提取總倉位、行業暴露及風格暴露。實證顯示，全行業平均誤差約為0.6%，模擬組合能較好刻畫真實持倉分布。

其次，在權益擇時應用上，構建公募配置趨勢確認指標FACT。該指標通過計算行業過去一周收益率與公募行業倉位變化之間的秩相關性，識別價格趨勢與機構配置行為是否共振。當二者一致時提高權益暴露，背離時降低暴露。引入緩沖機制后，有效降低了信號噪音和倉位切換頻率。2019年以來，緩沖版僅多頭策略年化收益率為20.22%，夏普比率為1.36；多空版本年化收益率為27.55%，夏普比率為1.37，顯著優于基準。

最后，在行業輪動應用上，將公募高頻行業倉位與價格動量結合。研究發現，單純使用公募倉位或超配共識因子效果有限，需與價格動量形成共振。通過合成非線性復合因子ow_consensus_mom20_min（取公募超配共識與20日動量的最小值），在周頻維度上實現了較好的互補。全樣本測試中，該因子的多頭超額IR提升至0.94，多空Sharpe提升至1.08，多頭超額收益率和多空超額收益率分別為年化7.86%和15.14%，最大回撤明顯下降。這表明公募倉位信息能為行業輪動提供有價值的增量信號，尤其在存量市場中，有助于識別具備資金確認的趨勢。