复现国盛《基金重仓股研究》Phase 1 · 因子检验 · notebook 版

复现报告核心：基金重仓股的持仓因子对其远期超额收益的预测力（IC / ICIR / 分层）。

• 数据：tushare fund_portfolio（一季报+三季报前十大重仓，全样本聚合）→ 持仓面板；个股复权价；沪深300。
• 因子：Topten_to_float_ashare=Σ基金持有市值/流通市值；delta=其环比变化；Topten_count=重仓基金数。
• 预测目标：市场超额（个股 − 沪深300）近似报告的残差收益（未做风格/行业剥离）。
• 频率：半年频（随 Q1/Q3 披露），对每个披露期（季末+约 35 天的首个交易日）用持仓因子预测到下一披露期的超额收益。

仅供研究学习，不构成投资建议。脚本版见 scripts/replicate_fund_factor.py，口径见 scripts/fund_holdings_panel.py。

%matplotlib inline
import os
while not os.path.exists("pyproject.toml") and os.getcwd() != "/":
    os.chdir("..")
import numpy as np, pandas as pd, matplotlib, matplotlib.pyplot as plt
from matplotlib import font_manager
for _n in ["PingFang SC", "Hiragino Sans GB", "Arial Unicode MS", "Songti SC"]:
    if _n in {f.name for f in font_manager.fontManager.ttflist}:
        matplotlib.rcParams["font.sans-serif"] = [_n]; break
matplotlib.rcParams["axes.unicode_minus"] = False

from quant.reports.metrics import annualized_return, sharpe_ratio, max_drawdown   # 内核：绩效原语
PPY = 2   # 半年频

panel = pd.read_parquet("data/raw/fund_holdings_panel.parquet")             # 持仓面板(缓存)
pxdf = pd.read_parquet("data/raw/fund_factor_px.parquet")                   # 个股复权价(缓存)
idx = pd.read_parquet("data/raw/fund_factor_hs300.parquet").set_index("trade_date")["close"]  # 沪深300(缓存)
px = pxdf.pivot(index="trade_date", columns="ts_code", values="adjclose")
periods = sorted(panel["period"].unique())

# 调仓日 = 季末+~35天后首个交易日;px.index 恰为这些 rb 日,据此复原 period→rb 映射(离线无需日历)
rb_index = list(px.index)
def rb_date(period):
    target = (pd.to_datetime(period) + pd.Timedelta(days=35)).strftime("%Y%m%d")
    after = [d for d in rb_index if d >= target]
    return after[0] if after else None
p2rb = {p: rb_date(p) for p in periods}
p2rb = {p: d for p, d in p2rb.items() if d is not None}
periods = [p for p in periods if p in p2rb]
print("价格面板：%d 调仓日 × %d 股票" % (px.shape[0], px.shape[1]))
print("披露期数:", len(periods), "  从", periods[0], "到", periods[-1])

价格面板：19 调仓日 × 4000 股票
披露期数: 19   从 20110331 到 20200331

构造（期 × 股）样本：因子 → 到下一期的市场超额

recs = []
for p, p1 in zip(periods[:-1], periods[1:]):
    d0, d1 = p2rb[p], p2rb[p1]
    if d0 not in px.index or d1 not in px.index or d0 not in idx.index or d1 not in idx.index:
        continue
    sub = panel[panel["period"] == p].set_index("symbol")
    codes = [c for c in sub.index if c in px.columns]
    r = px.loc[d1, codes] / px.loc[d0, codes] - 1.0
    exc = r - (idx.loc[d1] / idx.loc[d0] - 1.0)                      # 市场超额
    df = pd.DataFrame({"fac_tofloat": sub.loc[codes, "fac_tofloat"],
                       "delta_tofloat": sub.loc[codes, "delta_tofloat"],
                       "cnt": sub.loc[codes, "cnt"], "exc": exc.values}).dropna(subset=["exc"])
    df["period"] = p
    recs.append(df)
data = pd.concat(recs)
print("有效(期×股)样本:", len(data), " 覆盖期数:", data["period"].nunique())

有效(期×股)样本: 21454  覆盖期数: 18

因子检验：RankIC / ICIR / 分层

每个截面对因子与远期超额做 Spearman 相关（RankIC），分 10 层取各层平均超额，再算多头（最高组）与多空（高−低）的年化/回撤/夏普。

def evaluate(factor_col, n=10):
    ics, layer = [], {q: [] for q in range(n)}
    for p, g in data.groupby("period"):
        g = g.dropna(subset=[factor_col])
        if len(g) < 50:
            continue
        ics.append(g[factor_col].corr(g["exc"], method="spearman"))
        qcut = pd.qcut(g[factor_col].rank(method="first"), n, labels=False)
        for q in range(n):
            layer[q].append(g["exc"][qcut == q].mean())
    ic = pd.Series(ics)
    icir = ic.mean() / ic.std() * np.sqrt(PPY)
    nav = {q: np.cumprod([1 + x for x in layer[q] if not np.isnan(x)]) for q in range(n)}
    top = pd.Series([x for x in layer[n - 1] if not np.isnan(x)])
    ls = pd.Series([a - b for a, b in zip(layer[n - 1], layer[0])]).dropna()
    stat = dict(ic=ic.mean(), icir=icir, icpos=(ic > 0).mean(),
                top_ann=annualized_return(top, PPY), top_mdd=max_drawdown(top), top_sharpe=sharpe_ratio(top, PPY),
                ls_ann=annualized_return(ls, PPY), ls_mdd=max_drawdown(ls), ls_sharpe=sharpe_ratio(ls, PPY))
    return icir, nav, stat

NAMES = {"fac_tofloat": "Topten_to_float_ashare(持仓/流通市值)",
         "delta_tofloat": "delta_to_float_ashare(环比变化)",
         "cnt": "Topten_count(重仓基金数)"}
results, stats = {}, {}
print("=== 因子检验(预测目标=市场超额, 半年频) ===")
for col, name in NAMES.items():
    icir, nav, stat = evaluate(col)
    results[col] = (nav, name); stats[col] = stat
    print("\n[%s]" % name)
    print("  RankIC %.3f | ICIR %.2f | IC>0占比 %.0f%%" % (stat["ic"], icir, stat["icpos"] * 100))
    print("  多头(最高组): 年化超额 %+.1f%% | 最大回撤 %+.1f%% | 夏普 %.2f" % (
        stat["top_ann"] * 100, stat["top_mdd"] * 100, stat["top_sharpe"]))
    print("  多空(高-低):  年化 %+.1f%% | 最大回撤 %+.1f%% | 夏普 %.2f" % (
        stat["ls_ann"] * 100, stat["ls_mdd"] * 100, stat["ls_sharpe"]))

=== 因子检验(预测目标=市场超额, 半年频) ===



[Topten_to_float_ashare(持仓/流通市值)]
  RankIC 0.037 | ICIR 0.45 | IC>0占比 72%
  多头(最高组): 年化超额 +3.0% | 最大回撤 -35.1% | 夏普 0.27
  多空(高-低):  年化 +5.3% | 最大回撤 -28.7% | 夏普 0.48

[delta_to_float_ashare(环比变化)]
  RankIC 0.037 | ICIR 0.61 | IC>0占比 82%
  多头(最高组): 年化超额 +2.6% | 最大回撤 -38.7% | 夏普 0.24
  多空(高-低):  年化 +5.2% | 最大回撤 -10.9% | 夏普 0.64



[Topten_count(重仓基金数)]
  RankIC 0.019 | ICIR 0.16 | IC>0占比 61%
  多头(最高组): 年化超额 +2.9% | 最大回撤 -19.8% | 夏普 0.37
  多空(高-低):  年化 -1.1% | 最大回撤 -61.1% | 夏普 0.06

主因子分层超额净值

Topten_to_float_ashare（持仓/流通市值）的分层累计超额净值——高/低组分化在 2016 年后明显扩大，呼应报告「2017 年以来效果显著」。

nav, name = results["fac_tofloat"]
fig, ax = plt.subplots(figsize=(9.5, 5.2))
for q in [0, 2, 4, 6, 8, 9]:
    lbl = "第%d组%s" % (q + 1, "(最高)" if q == 9 else "(最低)" if q == 0 else "")
    ax.plot(nav[q], marker="o", ms=3, label=lbl)
ax.set_title("基金重仓持仓因子 分层超额净值\n%s（半年频）" % name)
ax.set_ylabel("累计超额净值"); ax.set_xlabel("期数"); ax.legend(fontsize=8); ax.grid(alpha=0.3)
plt.show()

结论

• 持仓占流通市值比例（及其环比变化）对基金重仓股超额收益有正向预测力：IC 为正、IC>0 占比高、高组超额显著高于低组，与报告核心结论一致；Topten_count 较弱（亦同报告）。
• 与报告数值差异（ICIR 偏低）主要来自三处口径简化：市场超额 vs 残差收益、半年频 vs 月频、全样本 vs 业绩前 50% 基金子样本。
• 下一步（Phase 2）：加 fund_nav 做基金业绩筛选 → 在绩优基金重仓股中按持仓因子选 top-N 等权，复现「筛选股票池」超额净值；行业中性化逼近残差收益 + 改月频。