如何构建基于公募基金高频持仓的权益择时与行业轮动策略？

针对公募基金持仓数据披露滞后、频率低、信息不完整的问题，本文构建了一套从数据补全到信号构造的研究框架，主要包含高频仓位测算方法及其在择时与轮动中的应用。

首先，在数据测算层面，采用“补截面+补时序”的方法。截面维度上，利用重仓股行业补全法，以当期前十大重仓股为基础，结合证监会行业配置比例及上一期非重仓股结构，估计当期未披露的非重仓部分，将完整持仓观察频率由半年频提升至季频。时序维度上，引入时间加权Lasso回归，刻画基金净值收益与模拟组合收益的动态关系，提取总仓位、行业暴露及风格暴露。实证显示，全行业平均误差约为0.6%，模拟组合能较好刻画真实持仓分布。

其次，在权益择时应用上，构建公募配置趋势确认指标FACT。该指标通过计算行业过去一周收益率与公募行业仓位变化之间的秩相关性，识别价格趋势与机构配置行为是否共振。当二者一致时提高权益暴露，背离时降低暴露。引入缓冲机制后，有效降低了信号噪音和仓位切换频率。2019年以来，缓冲版仅多头策略年化收益率为20.22%，夏普比率为1.36；多空版本年化收益率为27.55%，夏普比率为1.37，显著优于基准。

最后，在行业轮动应用上，将公募高频行业仓位与价格动量结合。研究发现，单纯使用公募仓位或超配共识因子效果有限，需与价格动量形成共振。通过合成非线性复合因子ow_consensus_mom20_min（取公募超配共识与20日动量的最小值），在周频维度上实现了较好的互补。全样本测试中，该因子的多头超额IR提升至0.94，多空Sharpe提升至1.08，多头超额收益率和多空超额收益率分别为年化7.86%和15.14%，最大回撤明显下降。这表明公募仓位信息能为行业轮动提供有价值的增量信号，尤其在存量市场中，有助于识别具备资金确认的趋势。