本报告基于市盈率、分红率、最大回撤和波动率四个量化因子,构建主动权益基金“低波”组合,回测显示组合具备显著低波动与低回撤特征,且收益优于中证800全收益及万得偏股混合型基金指数。报告精选了多位基金经理管理的优质“低波”产品,验证组合的稳健性与收益潜力,为投资者提供稳健且具alpha的权益基金投资路径
报告标题:寻找主动权益基金中的“低波”选手——基金量化因子探析(一)
分析师:贾依廷
发布机构:华宝证券研究创新部
发布日期:2023年(具体日未详)
报告主题:主动权益基金的低波动因子测试、组合构建及精选标的分析
本报告聚焦于当前权益市场风格快速轮动、赚钱效应减弱的大背景下,投资者对低波动股权基金需求日益增加的现象,旨在通过量化因子测试系统,识别并构建主动权益基金中的“低波”优质标的组合。研究覆盖基金持仓特征和绩效表现两个维度,重点筛选出低市盈率(PE)、高分红率、高安全边际的基金,并结合历史最大回撤和波动率等绩效因子,构建低波动组合。该组合不仅能够降低资产净值的波动和回撤,还具有长期可持续的超额收益特性。报告最终精选了多位业绩稳健著称的知名基金经理产品,如杨鑫鑫、鲍无可等,支持投资者通过主动权益基金实现稳健资产配置目标。报告明确风险提示,强调基于历史数据的分析存在失效可能,不能作为未来收益保证。
报告开篇指出自2022年以来,市场整体表现偏弱,行业板块轮动加速,导致投资回撤频发、赚钱效应减弱。投资者因而对波动较低且收益稳健的权益基金需求倍增。理论上讲,高分红股票显示盈利稳定、现金流稳健,能为投资者提供安全垫,抗跌性强,因此红利ETF被热捧,但因其集中于金融、地产、公用事业等部分行业,风险集中度较高。主动权益基金凭借基金经理的择时与选股alpha能力,能更有效分散行业风险,提升收益表现和风险调整后的投资体验。研究基于量化与定性分析,规划构建主动基金“低波”组合,实现兼顾风险控制与收益提升的目的。
作者从两个核心维度构建量化因子体系:
测试方法侧重于因子分档组合净值回测、分组年度收益对比和信息系数(IC)测试。执行策略为基于各季度或年度因子值大小等权分组,观察最高与最低因子值组合收益差异,验证因子的有效性。
主要发现包括:
因此,市盈率、分红率、最大回撤和波动率成为发现“低波”基金的重要量化工具。
详细解析显示,分红率作为稳定现金流指标,在近年波动大的市场环境中能帮助组合抵御风险,保持净值较高水位。市盈率和分红率呈负相关,低PE股票通常对应更高分红,意味着估值较低、安全边际较高,波动和回撤较小,但其成长空间在牛市中受限。数据回测图1(分红率因子分组回测结果)和图2(市盈率因子分组回测结果)显示,高分红及低PE组合曲线走势相似,均表现为更小波动、更稳健回撤,且均优于市场基准中证800全收益指数。
图1和图2均为2010年至2022年底的长期净值走势,均衡展示了高分红/低PE组合持续且稳健的表现特征,证实低估值+高分红是构筑基金低波动的重要因素。
基金在三年以上的中长期表现中,最大回撤和波动率体现基金经理的风格与理念,稳健经理倾向控制回撤、行业和估值选择更谨慎。报告指出市场风格轮动加速,成长或价值风格均难长期保持领先地位。稳健经理则倾向价值被低估且现金流稳定的行业,同时动态调整仓位以避免单一行业过度暴露。
回测显示,低最大回撤和低波动率组合在市场跌势时平均表现更好,2022年多个波动明显的时间段(例如2022年第一季度和下半年),低回撤组合跌幅分别为-17.30%和-11.89%,明显优于高回撤组合及基准。波动率因子回测结果(图4)呈现类似趋势,低波动组合净值曲线更为平滑,波动显著小于高波动组合。
此外,图5和图6的最大回撤及波动率因子分位数迁移矩阵表现明显的对角线聚集,显示这些因子的分位数在历史和未来间具有较强的稳定性和延续性,进一步验证这两个指标可以作为稳健组合筛选依据。
整体来看,投资者可借助历史最大回撤和波动率因子构建低波动基金组合,兼顾风险控制效果。
长期绩效统计(表1)进一步佐证组合优势:
根据打分及持仓分析,报告列示最新一期“低波”组合部分优质基金及其经理:
工银创新动力(经理:杨鑫鑫)
景顺长城沪港深精选(经理:鲍无可)
其他“低波”选手如姜诚、徐彦、王海峰等皆以安全边际为核心的稳健价值理念著称,科学结合量化和定性证据,验证了本模型在挖掘稳健型优秀基金经理产品上的有效性。
基于行业快速轮动和市场不确定性的宏观环境,报告通过严格的量化因子测试、分档回测和信息系数检验,筛选出市盈率、分红率、最大回撤、波动率为识别低波基金的关键因子。构建了基于历史绩效和持仓安全边际复合打分模型,筛选的“低波”基金组合展现出远优于市场基准的持续低波动、低回撤和优异收益。此外,定性分析进一步表明,入选基金经理业务理念稳健,以价值投资和安全边际为核心,这与报告量化模型严格吻合,强化了组合的稳定性和前瞻性。
报告强调低波组合不仅是防御工具,更能兼顾收益,攻守兼备,为市场震荡时期提供了极佳投资选择。而主动管理的alpha能力是区别于红利ETF等被动工具的关键优势。市场实践和数据验证均表明,该策略在当下及未来具备良好应用价值。
报告明确基于历史数据分析,存在模型失效的风险。由于市场结构、政策环境及宏观经济等因素随时变化,历史规律未来可能不复存在,且组合未来表现不具备保证。投资者应当结合自身风险承受能力与投资需求审慎决策,避免盲目依赖模型结果。
| 图表编号 | 内容描述 | 数据解读 | 关联论点 | 潜在限制与说明 |
|---|---|---|---|---|
| 图1 分红率因子分组回测(page 3) | 2010-2022年按基金重仓股分红率分组,展示不同分红率组合的净值累积走势 | 高分红组合净值波动明显小于低分红组合,风险收益表现优异,尤其在2021-22年市场震荡显著 | 验证了高分红代表稳定现金流,提升组合防跌能力 | 市场特殊周期可能影响分红稳定性,组合表现取决于分红持续性 |
| 图2 市盈率因子分组回测(page 4) | 2010-2022年按重仓股市盈率分组净值表现,低PE组合表现稳健 | 低PE组合波动小,回撤少,长期净值趋势稳健 | 低PE对应估值安全边际强,是低波组合重要指标 | 成熟行业占比高,增长受限,牛市阶段表现相对弱 |
| 图3 最大回撤分组测试(page 5) | 按历史最大回撤分组净值走势,展示低回撤组合优势 | 低最大回撤组合在市场下跌期间平均跌幅较小,体现回撤控制的重要性 | 客观验证基金经理风险控制风格具备延续性 | 基金组合数量大,行业配置一致性可能掩盖个体差异 |
| 图4 波动率分组回测(page 5) | 历史波动率分组对比,高波动组合波动幅度大 | 低波动组合净值曲线平滑,尤其在2020年市场大幅波动中表现出色 | 波动率是低波组合特征的关键,具备连续性 | 单纯低波动可能伴随收益牺牲,需要配合收益因子打分 |
| 图5、图6 最大回撤与波动率的分位数迁移(page 6) | 分位数迁移热力图显示历史与未来风险指标的稳定关系 | 高概率历史低风险基金保持低风险属性,反映风险管理持久性 | 支持使用历史指标筛选未来低风险基金的科学性 | 可能忽略突发制度或个案风险引发的突变 |
报告未包含具体基金的估值分析模型或细节估值方法,主要通过市盈率、市盈率相关性及分红率等指标间接进行基金持仓安全边际的筛选,不涉及DCF、市盈率倍数估值或同行业可比公司分析等估值框架。该点符合主动基金评价的复杂性,强调绩效回撤与组合稳健性的量化评估。
本报告通过系统的量化及定性研究,明确了主动权益基金中识别和筛选低波动、低回撤、高安全边际基金的科学方法,主要依托市盈率、分红率、最大回撤与波动率四大核心因子,结合历史表现的分组回测、信息系数和因子迁移验证,构建有效的低波组合模型。该模型筛选出的组合在自2017年以来回测表现突出,累计收益远超指数基准且波动不足一半,夏普率及卡玛比率指标优异,体现出明显的攻守兼备特质。2023年以来,组合继续表现稳健,跑赢主要基准指数。
具体精选的“低波”基金经理如杨鑫鑫和鲍无可等,以严守价值投资和安全边际理念著称,从定量与定性层面均验证了该策略的有效性。此外,报告在行业分布与成分券种选择上有效避免了红利ETF的行业集中风险,确保了风险分散。
总体而言,报告立足稳健投资理念,成功构建了一个兼具防御和适度进攻的基金“低波”选手池,适合当前复杂的市场环境中寻求风险调整后长期优异表现的投资者。但同时需警惕历史数据的局限性和市场环境变化带来的不确定性,投资者应基于自身风险承受能力,审慎参考。
以上为本报告的详尽结构化分析,希望对深入理解主动权益基金低波动策略及其实际应用提供了全面、透彻的参考。
基金量化因子探析(一):寻找主动权益基金中的“低波”选手.pdf