报告分析全文解读:以相对收益为目标的多因子选基模型——方正证券研究所2020年1月15日发布
一、元数据与报告概览
报告标题:
r基y]金 研究系列之二:以相对收益为目标的多因子选基模型
作者及机构:
方正证券研究所,宋家骥、严佳炜(持有证券分析师执业资格证书)
发布时间:
2020年1月15日
报告主题:
本文聚焦于权益基金的多因子选基模型构建,特别是在“以相对收益为目标”的基金池中,基于沪深300和中证500作为业绩基准,构造并测试各类因子对于基金未来业绩的预测能力,筛选优质基金,并最终打造增强型基金组合。目的是寻找既风格稳定又具备持续超额收益的基金组合。
核心论点与目标:
- 通过严格分类,筛选权益基金样本空间,消除基准选择和仓位策略对收益的结构性干扰;
- 归纳业绩因子、持仓因子和另类因子三类指标,确定其预测基金未来收益的有效性及相关参数设置;
- 构建多因子打分模型,分别对沪深300、和中证500的相关基金池增强组合进行筛选和回测;
- 组合在近7年数据回测中表现优异,对比各基金池基准和指数基准均实现了稳定的超额收益;
- 警示模型历史表现不构成未来保证,存在模型失效风险。
二、报告章节深度剖析
1. 通过权益基金分类筛选基金样本空间
该章节重点解决权益基金收益来源分解难题:
- 基金持仓数据披露周期长(年报、半年报)且滞后,难以精确归因选股等收益来源;
- 净值层面,亦难剥离择时策略、风格以及选股对收益的具体贡献。
为解决此问题,报告借用此前报告内容,以权益基金的仓位管理、基准定位和选股方式三大维度为切入,构建出基金的投资目标分类体系。具体包括:
- 仓位管理维度:基金分类为偏股型(按照择时幅度细分为很少择时、小幅择时、大幅择时)、股债配置型、偏债混合型三类(见图表1)。
- 基准定位维度:区分宽基指数类(如沪深300、中证500)与行业/主题类基准。重点考虑基准的投资涵盖度、稳定性和分类的清晰性。
- 选股方式维度:通过主动份额和跟踪误差,将选股方式划分为被动投资和积极投资(涵盖复制、增强与积极选股)。
由以上分类结合,图表3显示基金投资目标主要体现在:
| 仓位管理 | 很少择时、小幅择时 | 大幅择时 | 股债配置 |
|---|
| 积极投资 | 以相对收益为目标 | 介于相对收益和绝对收益之间 | 绝对收益 |
| 被动投资 | 平均收益 | - | 绝对收益 |
在此基础上,本文选择限定为“以相对收益目标”且基准为沪深300或中证500的权益基金作为样本空间,抑制风格及择时对收益的影响,目标研究基金的超额收益能力发展多因子预测模型。
2. 基金因子的有效性分析
此部分系统测试三大类别因子(业绩因子、持仓因子、另类因子)的表现及最优参数,着重介绍形成期与持有期的设置,并针对沪深300和中证500样本空间分别展开深入测试。
2.1 形成期和持有期的设定
- 形成期指过去区间基金数据计算因子指标的时间长度,持有期为未来区间收益表现的检测长度;
- 测试了形成期(3、6、12、18、24个月)和持有期(3、6、12、18、24个月)不同组合,对年化收益率因子的rankIC和年化rankIC_IR的影响;
- 结果显示,形成期越长因子有效性越强,持有期延长对rankIC影响有限,但年化rankIC_IR存在最佳持有期,最终选定形成期24个月,持有期3个月作为后续计算标准(图表4-7);
- 条件1(仅少择时小幅择时)下因子的相关性较低,条件2(同时限定基准为沪深300)下因子表现更优,表明严格控制风格影响能提升模型因子预测力。
2.2 以沪深300为基准的样本空间
2.2.1 业绩因子分析
- 包括年化收益率、夏普比率、超额收益率、信息比率、最大回撤、Alpha系数、Gamma系数等指标;
- 年化夏普比率因子表现最优,具有最高的rankIC(0.19)和年化rankIC_IR(1.70),其预测的未来收益表现稳定且单调上升,显示业绩稳定性与风险调整后收益趋势对未来表现有较强指示意义(图表8-12);
- Gamma系数用于衡量择时表现,在短期极端市场(如2014年四季度、2019年初)具有较高表现补充业绩因子,二者相关性低,能提升模型多样性(图表13-14)。
2.2.2 持仓因子分析
- 测试市值、市净率、盈利能力(EP、ROE及ROE增速等)、反转、动量、换手率及特质波动率等;
- ROE和换手率因子IC较好且相互独立,ROE因子rankIC均值0.12,年化rankIC_IR0.72,换手率呈负相关(图表15-18);
- 反映盈利能力强的基金持股倾向能在中长期上获取更好回报。
2.2.3 另类因子分析
- 包括机构持有人占比、户均持有份额、基金规模及份额变化比例;
- 机构占比因子rankIC高达0.14,年化rankIC_IR 1.24,机构持有比例高的基金其未来表现更优,表明机构投资者的配置偏好具有一定前瞻性(图表19-21)
2.3 以中证500为基准的样本空间
2.3.1 业绩因子分析
- 同沪深300样本空间,但因子表现略弱,年化夏普比率rankIC仅0.10,年化rankIC_IR 0.87(图表22-26);
- 夏普比率同样是最佳指标,且表现稳定。
2.3.2 持仓因子分析
- 特质波动率因子表现最佳,rankIC -0.08,年化rankIC_IR -0.75,表明持仓股票特质波动率低的基金未来收益更好(图表27-30);
2.3.3 另类因子分析
- 机构占比和规模因子表现有效,且相关性低。
- 机构占比正向,规模因子负向(规模越小,未来收益越高),均符合预期(图表31-36)。
3. 增强基金组合表现
3.1 组合构建流程
依据前文筛选出的有效因子,分别在沪深300和中证500两类样本空间构建多因子打分模型:
- 筛选条件:成立/转型满2年半且最新规模≥1亿,以“相对收益”为投资目标,且基准分别为沪深300或中证500指数;
- 有效因子权益分别涵盖年化夏普比率、Gamma系数、持仓个股ROE、特质波动率、机构占比、流动性及基金规模等;
- 按因子分组评分并加权选取前10%基金,季度末调仓;
- 比较基准包括待选基金池平均收益及对应指数×组合平均仓位的收益,兼具业绩区分及投资现实意义(图表37)。
3.2 沪深300增强基金组合表现
- 2013-2019累计收益192.83%,领先基金池基准45%,年化超额2.75%;
- 相对于沪深300全收益指数×仓位基准,累计超额122.71%,年化超额8.70%;
- 2014年市场急速上涨导致组合相对指数基准略跑输,主要因主动管理产品受仓位及配置限制难跟随指数(图表38-39)。
3.3 中证500增强基金组合表现
- 2013-2019累计收益199.44%,领先基金池基准74.59%,年化超额4.69%;
- 相对于指数基准,年化超额收益高达10.26%,整体表现优于沪深300组合,部分年度略跑输基准但整体稳定(图表40-41)。
3.4 中证800增强基金组合表现
- 基于沪深300与中证500增强组合超额收益相关性低的特点,按约3:1权重合成中证800组合;
- 组合年化超额收益率3.30%相对基金池基准,9.05%相对指数基准;
- 分年度表现更稳健,优势平滑并扩大组合的风险分散作用(图表42-43)。
4. 风险提示
- 研究基于历史数据和模型,存在模型误设和失效风险;
- 不保证未来表现,不构成具体投资建议。
三、重点图表深度解读
图表1:权益基金的仓位管理特征(page:3)
- 横轴为历史仓位均值(Mean),纵轴为仓位变异系数(CV);不同颜色分别代表大幅择时、股债配置、很少择时、小幅择时、偏债混合等仓位管理类型;
- 观察业绩影响,均值越高且CV越低表现为偏股型且少择时基金,即追踪基准较紧密,风格更稳定;CV高则为多变仓位策略。
图表4-7:不同形成期与持有期参数下年化收益率因子rankIC和年化rankIC_IR(page:5-6)
- 长形成期(例如24个月)带来较强的预测相关性,表明长期的历史表现对预测未来效果更佳;
- 持有期3个月为最佳期限,既兼顾了预测的时效性,也考虑了基金调仓灵活性。
图表8-12:沪深300基准业绩因子分析(page:7-8)
- 业绩因子中年化夏普比率的rankIC长期稳中向好,单调的分组回报关系验证其良好预测力;
- Gamma系数补充择时能力的短期表现,提升模型鲁棒性。
图表15-18:沪深300持仓因子分析—ROE(page:9)
- ROE作为企业盈利能力的衡量指标,持仓ROE高的基金未来表现更好,体现选基基金的基本面选股有效性。
图表19-21:沪深300另类因子分析—机构持有人占比(page:10)
- 机构投资者的持仓比例高与基金未来回报正相关,机构眼光成为选基的额外重要因子。
图表24-26:中证500基准年化夏普比率因子分析(page:11)
- 与沪深300样本类似但因子表现略弱,体现中证500基准基金收益波动更大,但业绩因子依然有效。
图表29-30:中证500特质波动率持仓因子分析(page:12)
- 负相关关系表明基金持股个股特质波动率(即单只股票异常波动)越低,组合的稳定性与未来表现越好。
图表33-36:中证500另类因子分析—机构持有人占比及规模(page:13)
- 机构占比正相关,规模负相关,证明中小规模且机构青睐的基金未来表现突出。
图表38-39、图表40-41、图表42-43:增强基金组合业绩表现(page:15-17)
- 三个基金组合对比各自基金池和指数基准均表现优异,沪深300组合年化超额收益2.75%对比基金池,8.70%对比指数基准;中证500组合更佳,年化相对基金池超4.69%,相对指数10.26%。
- 合成中证800组合平滑风险,获得3.30%和9.05%的双基准超额收益。
四、估值分析
报告主要基于多因子模型评分构建基金组合,估值方法为基于历史收益指标的因子有效性评估,报告中并无传统股票估值模型如DCF、P/E分析。
其核心为量化选基策略:
- 依据因子rankIC排名赋分模型
- 按季度调仓选取排名前10%的基金组合
报告通过多因子模型整合不同类因子提升选基准确性,构建资产组合的预期收益提升空间。
五、风险因素评估
报告明确声明:
- 依据历史数据的模型存在“误设风险”与“失效风险”;
- 模型的过去表现不能代表未来表现;
- 报告不构成任何直接投资建议。
此外,报告基于基金公开信息渠道(净值、季报、年报),数据滞后性及披露缺失可能限制模型有效性;基金历年来仓位及风格动态调整亦可能带来额外噪声。
六、批判性视角与细微差别
- 报告中的因子有效性均基于历史测试,市场结构变动或监管政策变动可能导致模型失效,尽管风险提示中有说明,仍需投资者高度警惕模型特异性风险;
- 部分因子(如机构占比)与未来表现的关系可能因市场风格转变而弱化,且因子间显著相关性提示多因子模型存在冗余信息,报告未详述对多重共线性的处理;
- 基准限定为沪深300和中证500,有助于控制风格,但同时限制了模型适用范围,不适用于偏行业或非主流宽基的基金类型;
- 报告多处图表中仅宏观呈现rankIC指标,但未给出具体模型的误差范围或统计显著性水平,限制对因子有效性的严谨评估;
- 组合回测存在“未来函数”风险,尤其在构造多因子加权时,可能包含未来信息泄露风险,报告中未披露是否有严格避免。
七、结论性综合
本报告系统构建了在“以相对收益为目标”的权益基金池内,基于业绩因子(如年化夏普比率、Gamma系数)、持仓因子(如ROE、特质波动率)、另类因子(如机构持有人占比、规模)等的多因子选基模型。该模型经过沪深300和中证500基准基金池样本验证,显示各因子均具备不同程度的对未来基金收益的预测能力。
具体发现和判断包括:
- 基金因子预测的形成期24个月、持有期3个月为最优参数设定;
- 业绩因子中年化夏普比率表现最佳,兼备风险调整后的稳定表现预测力;
- 机构投资比例及持仓个股盈利能力(ROE)为增强信号,有利于筛选管理能力和资金结构优良的基金;
- 持仓特质波动率则提示低波动持仓组合更稳健,特别在中证500样本中表现显著;
- 通过这些因子,构建的增强基金组合过去7年来对比基金池基准和指数基准均显著超额收益,其中沪深300增强组合年化超额收益达2.75%及8.7%,中证500组合更优,达4.69%及10.26%;
- 将两组合混合构成的中证800组合提升了风险分散和收益稳定性,年化超额收益分别达3.3%及9.05%。
报告结论明确,基于多因子方法的选基模型能够稳定筛选出优质基金,实现对基准的超额收益。在实际投资中,透过透明的量化规则,有助于规避个别基金择时和风格变化的干扰,聚焦长期选股能力。
综合来看,报告为权益基金多因子选基提供了理论与实证的系统方法论,对基金经理和资产配置者均具较强指导意义,尤其是对于搭建增强型基金组合策略的投资实践。
重要图片溯源示范
-
图表1:权益基金的仓位管理特征
-
图表10:年化夏普比率因子的rankIC
-
图表38:沪深300增强基金组合表现
-
图表40:中证500增强基金组合表现
-
图表42:中证800增强基金组合表现
参考页码整合
,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17]
总结来说,该报告展现了一个系统、稳健、基于历史数据的多因子基金筛选框架,能有效帮助投资者挖掘相对收益为目标的权益基金中的优秀标的,为基金组合构建提供量化依据及实践路径,具有较高的参考和应用价值。