【华泰金工林晓明团队】金融地产领涨，牛市形态逐渐修复——华泰金工FOF投资周报20200705

林晓明    S0570516010001    研究员

黄晓彬    S0570516070001    研究员

刘依苇    S0570119090123    联系人

源洁莹    S0570119080125    联系人

报告发布时间2020年7月5日

摘要

上周股票型和QDII型基金收益表现优异，推荐成长板块和周期板块基金

截至2020年7月3日，基金市场共有6,665只基金产品，其中混合型基金数量最多，货币型基金规模最大。上周（2020.06.29-2020.07.03）股票型基金指数收益率最高，涨幅5.59%，QDII基金次之，涨幅1.90%。在流动性宽松的环境下我们短期内推荐配置成长板块基金，基于基钦周期的中长期走势，我们判断周期板块基金或在中长期内具备投资机会。

上周股票型基金总指数和股票指数型基金指数表现优异

上周股票型基金总指数收益率最高，为5.59%。其中普通股票型基金指数和偏股混合型基金指数收益略低于指数型基金。此外，中国基金总指数收益率为2.41%，债券型基金指数收益率为0.51%，货币市场基金指数收益率为0.02%。上周消费者服务指数收益最高，非银行金融和房地产次之，全部行业指数均录得正收益。上周新发行基金共计47只，总发行份额达327.27亿份，工国寿安保瑞和66个月定开、天弘鑫意39个月定开债、建中证全指证券公司ETF的发行份额占据前三位。

上周目标日期型FOF表现较好

2020年以来，混合型、目标日期型和目标风险型FOF基金的平均复权单位净值增长率分别为9.95%，13.06%和6.13%。上周目标日期型FOF基金表现相对较好，其收益为1.37%，其次是混合型FOF基金，平均收益率为0.87%，目标风险型FOF的平均收益率为0.80%。上周没有新FOF基金发行。 

短期推荐配置成长板块基金，长期推荐配置周期板块基金

短期来，近期市场波动加剧，货币财政政策均偏向宽松，利好成长股，因此我们推荐配置电子行业的天弘中证电子A（001617.OF）和计算机行业的天弘中证计算机C（001630.OF）等成长板块基金。中长期来，2020年基钦周期回升将改善企业盈利能力，受盈利影响更显著的周期板块或具备更大的扩张空间，我们主要推荐采掘行业的中融中证煤炭（168204.OF）、有色金属行业的诚中证800有色（165520.OF）、钢铁行业的鹏华国证钢铁行业（502023.OF）、建筑材料行业的广发中证全指建筑材料A（004856.OF），以及汽车行业的广发中证全指汽车C（004855.OF）。

风险提示基金的表现与宏观环境和大盘走势密切相关，历史结果不能预测未来，同时还受到包括环境、政策、基金管理人变化等因素的影响，过去业绩好的基金不代表未来依然业绩好，投资需谨慎。

正

上周基金市场回顾

根据2020年7月3日最新数据显示，在所有基金产品中，混合型基金数量最多，其次是债券型和股票型基金，货币基金的数量相对较少，但是其规模占比接近一半，位于首位。上周（2020.06.29-2020.07.03）股票型基金、混合型基金、债券型基金、货币市场型基金另类投资基金、QDII基金总规模分别上升0.74%、3.81%、1.23%、-0.44%、-0.35%、0.26%。

上周股票型和QDII型基金指数收益较高

上周股票型和股票指数型基金指数收益较高。具体地，中国基金总指数收益率为2.41%，股票型基金总指数收益率为5.59%，其中普通股票型基金指数和偏股混合型基金指数收益略低于指数型基金。债券型基金指数收益率为0.51%，货币市场基金指数收益率为0.02%，QDII基金指数收益率为1.90%。

今年以来，以股票为主要投资标的的普通股票型、偏股混合型基金指数的收益率相对较高，虽然经过了春节前后和3月份的两次大幅回撤，但四月以来反弹幅度也较大，股票型基金整体收益大幅领先于以债券为主要投资标的的混合债券型、长期纯债型基金指数。近期海外市场反弹，QDII基金指数收益率由负转正，今年以来收益率为4.54%。

上周行业指数收益均录得正收益，消费者服务、非银金融行业涨幅领先

上周消费者服务指数收益最高，涨幅达19.40%；非银行金融指数收益率次之，为13.76%；第三名为房地产指数，涨幅为10.25%。上周30个行业指数中，全部录得正收益。

年初至今，医药行业收益率最高，消费者服务和食品饮料次之，受油价大跌影响，石油石化行业收益率最低。具体地，医药行业收益率40.63%，消费者服务行业收益率39.43%，

食品饮料行业收益率31.48%。

各类型基金重仓分析

按照图表1中的基金分类，根据基金披露的最新持仓数据（即2020年一季度的持仓），以下图表给出了各类型基金中按基金规模排序前十名的基金里，每只基金第一大重仓股票或者债券的情况。

对于股票型基金，考虑到被动指数型基金的重仓股票与所跟踪的指数密切相关，此处仅呈现普通股票型基金的重仓情况。在基金规模（合计）前十名的普通股票型基金中，各个基金的第一重仓股均不同，包括顺鑫农业、汇顶科技、长盈精密等。

基金规模排名前十的混合型基金中，有四只基金的重仓股均为邮储银行，且持仓占比均超过8%。其余基金的第一重仓股则包括隆基股份、永辉超市、贵州茅台、迈瑞医疗。第一重仓债券主要集中为农业发展银行以及国家开发银行发行的债券。

基金规模排名前十的债券型基金中，第一重仓债券的发行方主要为中国农业发展银行、中国进出口银行、国家开发银行。

基金规模排名前十的货币型基金的第一重仓债券比较多样，主要为不同银行发行的同业存单。规模排名前十的QDII型基金中，有四只基金的第一重仓证券均为腾讯控股，且持仓占比均超9%。

上周（2020.06.29-2020.07.03）新成立47只基金

上周新成立基金共计47只，总发行份额达327.27亿份，其中工国寿安保瑞和66个月定开、天弘鑫意39个月定开债、建中证全指证券公司ETF的发行份额占据前三位。发行份额前十名的新发基金名称及基础息如下图表所示。

短期推荐配置成长板块基金，长期推荐配置周期板块基金

短期来，近期市场波动加剧，货币财政政策均偏向宽松。在这种大环境下，一方面市场风险偏好或有所改善，利好成长股；另一方面债券利率下行，DDM模型中的折现率降低，成长股估值也因而提升。综合来，短期内我们推荐配置成长板块基金。

长期角度来，我们在2020年1月21日发布的量化资产配置年报《周期归来、机会重生，顾短也兼长》中，分析了2019年A股市场主要受益于估值修复，2020年市场或将转向盈利驱动。基于DDM模型，我们预计2020年基钦周期回升将改善企业盈利能力，提升ROE；中长期趋势支撑的经济复苏将提升利率，使模型分母变大，价值投资风格会是长期主旋律。其中，我们认为受盈利影响更显著的周期板块上行动力会更强，具备更大的扩张空间。此外，统计规律显示周期板块当前估值分位数较低，从估值角度进一步支撑此行业判断。

具体地，对于特定板块下的基金配置，我们首先筛选出每个行业中的被动指数基金。选择被动指数基金是因为它们一般都有明确的编制规则，几乎不受人为干扰，风格不会出现大的漂移。基金筛选标准如下定性角度，要求基金的名称、投资范围与目标行业类似；定量角度，要求基金跟踪的指数与目标行业指数相似度高，跟踪误差小。当某个行业有多个可选基金标的时，进一步从流动性、存续时间等维度进行优选，结果如下表所示。

因此，在短期内，我们推荐配置电子行业的天弘中证电子A（001617.OF）和计算机行业的天弘中证计算机C（001630.OF）。在中长期内，我们推荐采掘行业的中融中证煤炭（168204.OF）、有色金属行业的诚中证800有色（165520.OF）、钢铁行业的鹏华国证钢铁行业（502023.OF）、建筑材料行业的广发中证全指建筑材料A（004856.OF），以及汽车行业的广发中证全指汽车C（004855.OF）。

近期石油QDII基金价格开始逐渐回升，可关注其投资机会

近期石油价格大幅波动，ICE布油在 2020年4月22日盘中跌到19.99美元/桶，创下2003年以来的最低价格，国内石油QDII基金净值也随之大幅下跌。近期随着石油生产国逐渐减产，石油价格开始逐渐回升。目前我国石油QDII基金均处于暂停申购或暂停大额申购的状态，投资于海外油气类上市公司的基金折溢价率逐渐降低，但易方达油、南方油和国泰大宗商品三只紧密跟踪油价格的基金仍均处于大幅溢价状态，投资者可持续关注相关套利机会或配置机会。

上周FOF市场回顾

今年以来目标日期型基金表现较优

2020年以来，105只混合型FOF基金的平均复权单位净值增长率为9.95%，其中富国智诚精选3个月的增长率最高，为25.25%。42只目标日期型FOF基金的平均复权单位净值增长率为13.06%，其中鹏华养老2045三年增长率最高，为23.61%。39只目标风险型FOF基金的平均复权单位净值增长率为6.13 %，长颐天平衡养老(FOF)A的增长率最高，为11.83%。三种类型FOF基金中，复权单位净值增长率排名前十的FOF如下。

在Wind 的基金分类中，混合型FOF、目标日期型FOF和目标风险型FOF并不是完全独立的三个分类，部分目标日期型FOF和目标风险型FOF基金同时也归属于混合型FOF。下表呈现各类型基金上周的区间平均收益率及区间最大收益基金，各类型基金数量包含今 年以来新成立的 FOF 基金，多于前计算今年以来收益率时所统计的基金数量。上周目标日期型FOF的区间平均收益率最高，为1.37%。

上周未发行FOF基金

上周（2020年6月29日-2020年7月3日）没有新发行FOF基金。

风险提示

基金的表现与宏观环境和大盘走势密切相关，历史结果不能预测未来，同时还受到包括环境、政策、基金管理人变化等因素的影响，过去业绩好的基金不代表未来依然业绩好，投资需谨慎。

免责声明与评级说明

公众平台免责申明

本公众号不是华泰证券股份有限公司（以下简称“华泰证券”）研究报告的发布平台，本公众号仅供华泰证券中国内地研究咨询服务客户参考使用。其他任何读者在订阅本公众号前，请自行评估接收相关推送内容的适当性，且若使用本公众号所载内容，务必寻求专业投资顾问的指导及解读。华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。

本公众号转发、摘编华泰证券向其客户已发布研究报告的部分内容及观，完整的投资意见分析应以报告发布当日的完整研究报告内容为准。订阅者仅使用本公众号内容，可能会因缺乏对完整报告的了解或缺乏相关的解读而产生理解上的歧义。如需了解完整内容，请具体参见华泰证券所发布的完整报告。

本公众号内容基于华泰证券认为可靠的息编制，但华泰证券对该等息的准确性、完整性及时效性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。

在任何情况下，本公众号中的息或所表述的意见均不构成对任何人的投资建议。订阅者不应单独依靠本订阅号中的内容而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。订阅者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。

本公众号版权仅为华泰证券所有，未经华泰证券书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。华泰证券具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为91320000704041011J。

华泰金工深度报告一览

金融周期系列研究（资产配置）

【华泰金工林晓明团队】2020年中国市场量化资产配置年度观——周期归来、机会重生，顾短也兼长20200121

【华泰金工林晓明团队】量化资产配置2020年度观——小周期争明日，大周期赢未来20200116

【华泰金工林晓明团队】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法

【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增，待趋势明朗把握或更大20191022

【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826

【华泰金工林晓明团队】如何有效判断真正的周期拐？——定量测度实际周期长度提升市场拐判准概率

【华泰金工林晓明团队】基钦周期的长度会缩短吗？——20190506

【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观（下）

【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观（上）

【华泰金工林晓明团队】周期轮动下的BL资产配置策略

【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究

【华泰金工林晓明团队】市场拐的判断方法

【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告（上）

【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（四）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（三）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（二）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（一）——华泰金工周期系列研究

【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索

【华泰金工林晓明团队】市场周期的量化分解

【华泰金工林晓明团队】周期研究对大类资产的预测观

【华泰金工林晓明团队】金融经济系统周期的确定（下）——华泰金工周期系列研究

【华泰金工林晓明团队】金融经济系统周期的确定（上）——华泰金工周期系列研究

【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列

行业指数频谱分析及配置模型市场的周期分析系列之三

【华泰金工林晓明团队】市场的频率——市场轮回，周期重生

【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探

周期起源

【华泰金工林晓明团队】周期在供应链管理模型的实证——华泰周期起源系列研究之六

【华泰金工林晓明团队】不确定性与缓冲机制——华泰周期起源系列研究报告之五

【华泰金工林晓明团队】周期是矛盾双方稳定共存的结果——华泰周期起源系列研究之四

【华泰金工林晓明团队】周期是不确定性条件下的稳态——华泰周期起源系列研究之三

【华泰金工林晓明团队】周期趋同现象的动力学系统模型——华泰周期起源系列研究之二

【华泰金工林晓明团队】从微观同步到宏观周期——华泰周期起源系列研究报告之一

FOF与金融创新产品

【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究

【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一

因子周期（因子择时）

【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三

【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二

【华泰金工林晓明团队】因子收益率的周期性研究初探

择时

【华泰金工林晓明团队】波动率与换手率构造牛熊指标——华泰金工量化择时系列

【华泰金工林晓明团队】A股市场低开现象研究

【华泰金工林晓明团队】华泰风险收益一致性择时模型

【华泰金工林晓明团队】技术指标与周期量价择时模型的结合

【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用

行业轮动

【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二

【华泰金工林晓明团队】基于投入产出表的产业链分析 ——华泰行业轮动系列报告之十一

【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十

【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九

【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八

【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七

【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六

【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五

【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四

【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三

【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二

【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一

Smartbeta

【华泰金工林晓明团队】重剑无锋低波动 Smart Beta——华泰 Smart Beta 系列之四

【华泰金工林晓明团队】投资优质股票红利类Smart Beta——华泰Smart Beta系列之三

【华泰金工林晓明团队】博观约取价值和成长Smart Beta——华泰Smart Beta系列之二

【华泰金工林晓明团队】Smart Beta乘风破浪趁此时——华泰Smart Beta系列之一

【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一

多因子选股

【华泰金工林晓明团队】华泰单因子测试之历史分位数因子——华泰多因子系列之十三

【华泰金工林晓明团队】桑土之防结构化多因子风险模型——华泰多因子系列之十二

【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一

【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十

【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九

【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八

【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七

【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六

【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五

【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四

【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三

【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二

【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一

【华泰金工林晓明团队】五因子模型A股实证研究

【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二

人工智能

【华泰金工林晓明团队】AlphaNet因子挖掘神经网络——华泰人工智能系列之三十二

【华泰金工林晓明团队】生成对抗网络GAN初探——华泰人工智能系列之三十一

【华泰金工林晓明团队】从关联到逻辑因果推断初探——华泰人工智能系列之三十

【华泰金工林晓明团队】另类标签和集成学习——华泰人工智能系列之二十九

【华泰金工林晓明团队】基于量价的人工智能选股体系概览——华泰人工智能系列之二十八

【华泰金工林晓明团队】揭开机器学习模型的“黑箱” ——华泰人工智能系列之二十七

【华泰金工林晓明团队】遗传规划在CTA号挖掘中的应用——华泰人工智能系列之二十六

【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五

【华泰金工林晓明团队】投石问路技术分析可靠否？——华泰人工智能系列之二十四

【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三

【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二

【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一

【华泰金工林晓明团队】必然中的偶然机器学习中的随机数——华泰人工智能系列之二十

【华泰金工林晓明团队】偶然中的必然重采样技术检验过拟合——华泰人工智能系列之十九

【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八

【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七

【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六

【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五

【华泰金工林晓明团队】对抗过拟合从时序交叉验证谈起

【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三

【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二

【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一

【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十

【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九

【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八

【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七

【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六

【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五

【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四

【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三

【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二

指数增强基金分析

【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告

【华泰金工林晓明团队】酌古御今指数增强基金收益分析

【华泰金工林晓明团队】基于回归法的基金持股仓位测算

【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证

基本面选股

【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究

【华泰金工林晓明团队】华泰价值选股之FFScore模型

【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究

【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究

【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究

【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究

基金定投

【华泰金工林晓明团队】大成旗下基金2018定投策略研究

【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四

【华泰金工林晓明团队】基金定投3—马科维茨有效性检验

【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法

【华泰金工林晓明团队】基金定投1—分析方法与理论基础

其它

【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二

A股市场及行业的月份效应——详解历史数据中的隐藏法则