“学海拾珠”系列之二百七十八：使用机器学习分析顶尖基金的持仓.pdf

研究目的

本研究探讨美国市场顶尖共同基金经理的高确信度持仓能否仅凭公开股票特征信息被机器学习模型系统性预测，并据此检验基金经理超额收益源于对公开信息的更优解读还是不可观测的私有信息。

研究方法

以过去10年六因子阿尔法排名前10%界定顶尖基金，取主动权重最大的10只持仓并集作为顶尖持仓，同步定义中庸（40-60分位）和落后（末10%）对照组。整合94个股票特征，运用朴素分类器、逻辑回归、决策树、随机森林、梯度提升和神经网络六类模型进行预测，采用8年训练加2年测试的滚动窗口设计，覆盖1988-2023年样本期。评估指标包括AUROC、AUPRC及组合收益复制误差，并以Shapley值拆解特征边际贡献。

核心发现

随机森林分类精度最高，AUROC达90%、AUPRC达55%；梯度提升收益复制效果最佳，月度偏差仅6个基点。三组基金持仓可预测性相近，支持顶尖基金经理超额收益源于公开信息解读能力而非私有信息。关键预测变量为规模、流动性、分析师覆盖度和12个月动量，存在显著非线性与交互效应（如大盘股叠加低分析师覆盖度更可能是顶尖持仓）。各变量重要性随经济周期变化，特质波动率在金融危机期间正向预测、牛市期间负向预测，表明策略动态演变。更换能力衡量指标、缩短窗口、改变持仓定义等稳健性检验均支持核心结论。

研究局限

模型无法在不产生大量误判的情况下准确识别全部顶尖持仓，精确率与召回率存在权衡；收益复制效果在样本期末出现分化，模型未能完美识别最具盈利能力的顶尖持仓。