1、目 錄TOC o 1-3 h z u HYPERLINK l _TOC_250013 一、尋找有效的選基因子3 HYPERLINK l _TOC_250012 選股能力因子3 HYPERLINK l _TOC_250011 擇時能力因子6 HYPERLINK l _TOC_250010 收益類因子7 HYPERLINK l _TOC_250009 風險調整后收益類因子9 HYPERLINK l _TOC_250008 風險類因子12 HYPERLINK l _TOC_250007 其他因子14 HYPERLINK l _TOC_250006 機構投資者占比14 HYPERLINK l _TOC

2、_250005 基金換手率15 HYPERLINK l _TOC_250004 二、基金組合構建17 HYPERLINK l _TOC_250003 因子選取17 HYPERLINK l _TOC_250002 組合構建18 HYPERLINK l _TOC_250001 參考文獻22 HYPERLINK l _TOC_250000 風險提示22一、尋找有效的選基因子在我們之前的報告 FOF 研究系列二公募基金產品與基金經理評價中我們便探討過影響基金業績的部分因素，我們發現基金規模、基金經理變更次數與未來業績呈負相關，基金歷史業績在短期內具有一定的持續性，而公司規模、基金經理從業年限、基金經理

3、獲金牛獎次數與基金未來業績沒有明顯的相關性。本篇報告在此基礎上深入挖掘有效的選基因子，并根據因子優選基金構建相應的 FOF 組合。因子測試我們主要通過 IC（Information Coefficient）、基金多空組合、基金多頭組合等多種績效指標考察因子的有效性。考慮到基金的調倉成本我們設置了不同的調倉周期觀測因子效用，調倉頻率從 1 個月至 12 個月。測試的基金池為 wind 分類中的普通股票型基金和偏股混合型基金。因子在測試過程中均做了去極值和標準化處理，測試區間沒有特殊說明為 2007 年 12 月 31 日至 2019 年 10 月 31 日。選股能力因子選股能力是基金經理的核心能

4、力之一，是基金超額收益的重要來源。偏股型基金的收益由市場收益、擇時收益、風格因子收益、行業配置收益、個股選擇收益等因素構成， 因此關于選股能力的定義并不唯一。選股能力的計算可以基于持倉或基于凈值兩種算法， 由于基金完整持倉公布頻率較低，我們主要基于凈值計算基金的選股能力。定義一：組合收益回歸剔除市場和擇時后的截距項TM 和 HM 模型是常見的擇時模型，模型如下所示：2 = + 1( ) + 2( ) + ，TM 模 型 = + 1( ) + 2( ) + ，HM 模 型其中、分別代表了投資組合收益、無風險收益以及市場組合收益，D是一個虛擬變量，當 0時D = 1，否則D = 0，1代表了系統性

5、風險， 2 0時表明組合管理人具有擇時能力，2越大擇時能力越強， 0時表明組合管理人具有證券選擇能力，越大證券選擇能力越強， 為隨機誤差項。因子測試結果如下所示，總體來說兩個模型回歸出來的 alpha 均對基金未來業績有預測作用，其中 TM 模型的 alpha 顯著性強于 HM 模型，調倉頻率比較低的情況下，HM 模型的 alpha 會失效。在相同持有期和考察期組合中，TM 模型的 alpha 無論是 IC 還是組合收益均好于 HM 模型。對于 TM 模型的 alpha 來說，考察期 1 年或 2 年對未來的預測作用最強，以季度調倉為例，月度 IC 為 6.5%，月均多頭超額收益為 0.25%

6、。考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益14.3%0.050.580.27%0.17%334.2%0.040.620.17%0.09%62.4%0.240.360.02%0.01%120.6%0.670.13-0.04%-0.07%16.7%0.000.990.35%0.21%635.8%0.000.920.36%0.21%64.6%0.010.800.32%0.16%122.8%0.030.740.26%0.13%18.1%0.001.370.48%0.25%1236.8%0.001.140.48%0.25%64.8%0.000.930.42%0.23%

7、123.8%0.011.040.43%0.24%17.7%0.001.380.54%0.28%2436.5%0.001.200.47%0.24%64.8%0.001.040.40%0.22%122.9%0.050.660.32%0.17%15.1%0.000.990.33%0.16%3634.2%0.010.840.35%0.16%62.9%0.040.630.34%0.15%121.9%0.110.520.31%0.14%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益14.3%0.050.570.31%0.23%333.9%0.050.580.25%0.17%6

8、2.5%0.160.430.19%0.12%121.1%0.420.250.15%0.08%15.5%0.010.770.33%0.21%634.9%0.020.730.36%0.21%63.9%0.060.570.37%0.21%122.3%0.190.420.36%0.20%16.5%0.001.000.43%0.25%1235.1%0.010.770.39%0.24%63.7%0.060.590.42%0.25%123.0%0.100.540.45%0.26%16.1%0.001.020.41%0.21%2434.7%0.010.770.36%0.21%63.3%0.050.620.31

9、%0.18%121.9%0.240.370.25%0.16%13.9%0.020.680.22%0.13%3632.9%0.100.490.21%0.13%61.8%0.230.360.21%0.12%121.2%0.430.250.26%0.14%圖 1：TM 模型的選股能力因子表現圖 2：HM 模型的選股能力因子表現數據來源： & wind 資訊數據來源： & wind 資訊圖 3：TM 模型多空分組超額收益與凈值-(12,3)組合圖 4：HM 模型多空分組超額收益與凈值-(12,3)組合0.8%0.7%0.1%0.1%-0.3%-0.7%12345-0.4%0.2%0.0%-0.5%12

10、345多空季度收益多空凈值多空季度收益多空凈值21. 510. 500. 250. 20. 150. 10. 050-0.05-0.1-0.15-0.221. 510. 500. 250. 20. 150. 10. 050-0.05-0.1-0.15-0.2數據來源： & wind 資訊數據來源： & wind 資訊定義二：組合收益回歸剔除市場、擇時、市值風格、估值風格后的截距項市值和估值風格是投資者主要關注的影響因素，我們使用 Fama-French 三因子的SMB 和 HML 因子代表市值和估值風格，加入回歸的自變量中，擇時模型選擇效果較好的 TM 模型，TM-FF3 公式如下所示：2 =

11、 + 1( ) + 2( ) + 1 + 2 + 因子表現如下，從因子績效指標來看，TM-FF3 模型選股能力與 TM 模型表現相當， 但 IC 穩定性強于 TM 模型。從多空組合收益上來看，剔除風格后的選股能力回撤更小， 在風格出現反轉的時段（例如 2014 年末、2019 年初），TM-FF3 的選股能力因子多空收益高于 TM 模型。因此包含風格收益的選股能力更容易受到市場風格影響，在風格發生切換時容易出現反轉，且相比于 TM-FF3 模型的選股能力并不能貢獻額外的預測收益。圖 5：TM-FF3 模型選股能力因子表現圖 6：TM-FF3 模型多空分組超額收益與凈值-(12,3)組合0.2%

12、-0.1%-0.2%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益14.9%0.000.910.35%0.15%334.3%0.010.750.36%0.20%63.6%0.010.870.40%0.23%121.7%0.300.330.25%0.14%17.2%0.001.400.51%0.29%635.9%0.001.270.47%0.28%64.6%0.001.270.43%0.22%123.1%0.040.690.26%0.15%18.1%0.001.560.54%0.30%1236.3%0.001.220.45%0.26%64.9%0.001.170.3

13、5%0.18%124.0%0.001.140.29%0.11%16.3%0.001.100.41%0.22%2434.9%0.000.940.31%0.16%63.5%0.020.760.29%0.14%122.1%0.100.540.18%0.08%14.2%0.010.760.25%0.11%3632.9%0.050.580.23%0.12%61.9%0.180.410.20%0.11%121.1%0.380.280.08%0.05%0.8%-0.6%1234521. 510. 50多空季度收益 多空凈值 0. 250. 20. 150. 10. 050-0.05-0.1-0.15-0.2

14、數據來源： & wind 資訊數據來源： & wind 資訊定義三：組合收益回歸剔除市場、擇時、市值風格、估值風格、行業后的截距項 行業是影響最大的風險因子，行業配置是組合重要的收益來源，我們在 TM-FF3 模型的基礎上，進一步將行業（中信一級行業）加入回歸的自變量中，公式如下所示：2 = + 1( ) + 2( ) + 1 + 2 + + 因子表現如下，進一步剔除行業因素的選股能力雖然通過了顯著性檢驗，但績效指標不如 TM-FF3 的結果，IC 絕對值與組合收益均下降。結合前兩個定義檢測結果，我們不難發現公募基金經理的行業配置能力較強，包含行業配置和個股精選的選股能力預測效果最好，能夠產生

15、持續穩定的 alpha，而風格擇時比較困難，包含風格收益的因子易受市場風格切換影響。圖 7：TM-FF3 模型（剔除行業）選股能力因子表現圖 8：TM-FF3 模型（剔除行業）多空分組超額收益與凈值-(12,3)組合0.2%-0.1%-0.2%-0.3%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益12.1%0.100.490.08%0.03%332.4%0.060.570.16%0.09%61.4%0.250.350.18%0.09%120.4%0.750.100.11%0.04%14.7%0.001.110.28%0.14%634.3%0.001.090.27

16、%0.16%63.0%0.010.810.22%0.11%122.6%0.070.610.22%0.09%15.7%0.001.390.31%0.17%1235.2%0.001.330.26%0.16%63.5%0.001.080.17%0.10%122.9%0.010.910.17%0.10%15.6%0.001.250.33%0.16%2434.8%0.001.180.28%0.14%63.5%0.001.010.27%0.14%122.5%0.020.810.22%0.11%0.5%1234521. 510. 50多空季度收益多空凈值0. 250. 20. 150. 10. 050-0.

17、05-0.1-0.15-0.2數據來源： & wind 資訊數據來源： & wind 資訊擇時能力因子擇時能力也是基金經理重要能力之一，在牛市中提高倉位，在熊市中降低倉位可以給基金帶來額外的收益，我們預測擇時能力越高的基金未來表現越好。擇時能力的度量方法可以使用 1.1 節中的 HM 模型或 TM 模型，回歸的擇時項系數即為擇時能力的原始因子值。因子表現如下所示，不論是 TM 還是 HM 模型計算的擇時能力因子均不具備顯著的選基效果，且大部分 IC 的方向為負值，與擇時能力原始含義也相反。圖 9：TM 模型的擇時能力因子表現圖 10：HM 模型的擇時能力因子表現考察期持有期月均ICIC_pva

18、lueIC_IR月均多空收益月均多頭超額收益1-0.9%0.65-0.130.15%0.06%330.7%0.750.090.13%0.06%6-0.9%0.65-0.130.10%0.05%12-0.8%0.71-0.120.18%0.07%1-0.6%0.76-0.090.01%0.01%63-1.4%0.50-0.200.04%0.04%6-1.8%0.45-0.230.20%0.12%12-1.7%0.46-0.230.27%0.16%1-1.9%0.29-0.310.09%0.03%123-2.3%0.25-0.340.10%0.05%6-2.5%0.24-0.360.27%0.15

19、%12-3.6%0.07-0.610.48%0.24%1-3.7%0.02-0.690.30%0.17%243-2.6%0.14-0.440.18%0.12%6-2.0%0.28-0.330.19%0.13%12-1.6%0.35-0.290.20%0.11%1-1.4%0.35-0.270.12%0.08%363-1.1%0.53-0.190.09%0.07%6-0.5%0.72-0.110.09%0.08%12-0.5%0.69-0.120.20%0.13%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益1-1.6%0.42-0.240.17%0.10%330.

20、4%0.830.060.09%0.06%6-0.3%0.88-0.050.11%0.06%12-0.3%0.90-0.040.16%0.07%1-0.9%0.64-0.140.13%0.07%63-1.1%0.58-0.160.10%0.06%6-0.6%0.78-0.090.17%0.10%12-0.4%0.84-0.060.21%0.11%1-1.6%0.40-0.250.13%0.06%123-1.2%0.56-0.170.10%0.05%6-1.0%0.63-0.140.19%0.11%12-1.7%0.36-0.290.32%0.17%1-2.7%0.12-0.460.20%0.12

21、%243-1.3%0.46-0.220.14%0.12%6-0.8%0.67-0.130.11%0.14%12-0.4%0.83-0.070.11%0.13%1-0.8%0.62-0.140.05%0.07%363-0.2%0.91-0.030.06%0.09%60.4%0.790.08-0.01%0.06%120.2%0.920.03-0.10%0.00%數據來源： & wind 資訊數據來源： & wind 資訊同樣作為基金重要的 alpha 來源，選股能力具有持續的選基效果，而擇時能力卻沒有顯著效用，我們計算了因子值在時間序列的自相關性。TM 模型的選股能力自相關性均值為 79.24%，

22、標準差為 8.32%，TM 模型的擇時能力自相關性均值為 73.90%，標準差為 20.35%。選股能力的因子值在時間序列上具有較高且穩定的自相關性，擇時能力的自相關性雖然均值不低，但波動較大，因此作為因子很難產生持續的 alpha。圖 11：因子自相關性alpha_tmtiming_tm1.210.80.60.40.2020080331 20090331 20100331 2011033120120330 20130329201403312015033120160331201703312018033020190329資料來源： & wind 資訊收益類因子我們在系列二的報告中測試過基金業績的

23、持續性，發現中長期的歷史業績對未來短期業績有一定的預測作用，也就是說我們可以直接使用歷史業績作為有效的alpha 因子， 這是基金無條件歷史收益率。除了無條件歷史收益率，Sun 等（2018）發現基金在逆境（下跌行情）取得的收益率越高，未來的業績更好，徐龍炳&顧力繪（2019）修正了 Sun等（2018）的算法，正式提出了“逆境收益率”因子。我們在考察基金經理能力時通常會采用無條件收益率，沒有對市場狀態進行細分， 然而牛市行情下具有真正選股能力的基金經理往往會被繁榮的市場所掩蓋，基金的績效普遍比較優異，簡單的投資策略便能輕易獲得高收益，用順境收益率對未來基金業績進行預測可能效果不佳。而真正具有

24、投資能力的基金經理在熊市中更容易被識別，其管理的基金會有明顯的超額收益，在熊市中經過打磨的基金經理投資策略會更加成熟，因此逆境收益率越高的基金未來表現會更好。參考徐龍炳&顧力繪（2019）文中的算法，首先對市場狀態進行劃分，使用上證綜指 相對其歷史收益中位數的方法，即當月上證綜指收益率若高于歷史月度收益率中位數則為市場上漲狀態，反之則為下跌狀態。因子計算方法為對過去 12 個市場下跌月份的收益率進行累乘得到累計收益率，再轉換成月度收益率，可以用下列式子表示：_ = 12 1 (1 + ,) 112=12_ = 121 (1 + ,) 112=12其中_、_分別為逆境和順境收益率，CAR 為累計

25、收益率，,、,分別為市場下跌或市場上證月度收益率。因子測試結果如下所示，若持有期為 3 個月，逆境收益率因子月均 IC 為 6.5%，多頭超額收益為 0.26%，正如所預計的，逆境收益率對未來業績具有顯著的預測作用，而順境收益率并沒有明顯效果。圖 12：逆境收益率因子表現圖 13：順境收益率因子表現 持有期月均IC IC_pvalueIC_IR月均多空收益月均多頭超額收益持有期月均IC IC_pvalueIC_IR月均多空收益月均多頭超額收益 17.3%0.001.080.58%0.30%1-0.1%0.96-0.020.10%0.02%36.5%0.000.930.52%0.26%3-0.7

26、%0.72-0.100.06%0.00%65.9%0.010.860.53%0.27%6-1.0%0.57-0.170.08%-0.02%124.3%0.060.640.44%0.23%12-1.2%0.47-0.230.09%-0.02%數據來源： & wind 資訊數據來源： & wind 資訊圖 14：逆境收益率因子多空分組超額收益與凈值持有期 3 個月0.2%-0.1%-0.2%0.8%-0.8%12345多空季度收益多空凈值2. 521. 510. 50. 10. 050-0.050-0.1資料來源： & wind 資訊我們也列出了無條件歷史收益率的因子表現，如下圖所示，各周期基金多

27、空組合和多頭組合收益均低于逆境收益率因子，因此我們完全可以用逆境收益率代替無條件歷史收益率來優選基金。圖 15：無條件歷史收益率因子表現考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益14.6%0.050.570.24%0.14%333.9%0.070.540.07%0.03%61.3%0.520.19-0.15%-0.13%12-0.5%0.80-0.080.24%0.09%16.1%0.000.860.31%0.12%634.8%0.020.720.25%0.11%63.0%0.160.430.08%0.00%12-0.1%0.96-0.020.07%0.03%

28、16.8%0.001.090.39%0.17%1234.7%0.010.790.30%0.13%62.1%0.250.350.15%0.04%12-1.2%0.37-0.280.11%0.02%15.3%0.001.090.34%0.15%2434.4%0.000.990.30%0.13%63.4%0.020.770.24%0.10%121.2%0.280.340.17%0.07%14.3%0.000.990.26%0.13%3633.5%0.010.760.25%0.10%62.0%0.170.420.19%0.08%121.0%0.410.260.13%0.05%資料來源： & wind

29、資訊風險調整后收益類因子直接從收益率考察基金業績，會忽視凈值的波動，而投資者更希望基金經理獲取高收益的同時能夠降低組合風險，獲得穩定持續的收益，因此學術上衍生了一系列風險調整后收益指標來評估基金業績。指標計算如下，其中無風險收益率我們使用銀行一年期定存款利率，基準組合為80%*中證全指+20%*中證全債：夏普比率（Sharpe Ratio）：基金相對無風險收益越高，組合總風險越低，夏普比率越高。 = () )/信息比率（Information Ratio）：基金相對基準組合收益越高，跟蹤誤差越低， 信息比率越高。 = ( )/ ( )特雷諾比率（Treynor Ratio）：基金相對無風險收益

30、越高，組合系統性風險越低，特雷諾比率越高。 = () )/索提諾比率（Sortino Ratio）：基金相對無風險收益越高，組合下行風險越低， 索提諾比率越高。 = () )/因子表現如下所示，由于夏普比率、特雷諾比率、索提諾比率的分子一樣，三個因子表現比較類似，信息比率因子無論是 IC 穩定性還是組合收益比其他三個因子略差。夏普比率、特雷諾比率和索提諾比率對比，夏普比率和特雷諾比率的組合收益比索提諾略好，而夏普比率和特雷諾比率指標沒有明顯差異，可以互相替代使用。因此我們發現，不 僅基金歷史收益具有預測作用，風險調整后收益類因子也具有顯著的預測作用，且效果強于單純的歷史收益，即歷史上能夠產生穩

31、定高收益的基金未來表現會更好。圖 16：夏普比率因子表現圖 17：信息比率因子表現考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益14.2%0.030.650.26%0.15%334.9%0.010.780.27%0.15%62.6%0.160.420.04%-0.01%121.5%0.450.240.03%-0.03%16.1%0.001.010.38%0.17%634.6%0.010.750.33%0.17%63.7%0.040.640.18%0.05%122.4%0.140.490.20%0.09%18.2%0.001.510.52%0.25%1236.3%0

32、.001.230.45%0.22%64.2%0.010.900.31%0.12%121.7%0.160.450.09%0.03%17.0%0.001.520.46%0.21%2436.3%0.001.450.42%0.17%64.9%0.001.180.32%0.11%122.6%0.040.730.21%0.07%15.3%0.001.220.33%0.17%3634.7%0.001.080.31%0.13%63.4%0.010.890.28%0.13%122.0%0.030.770.20%0.10%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益14.1%0.0

33、40.610.24%0.13%334.4%0.010.740.19%0.09%62.5%0.160.430.06%-0.02%120.7%0.680.130.00%-0.01%16.7%0.001.100.40%0.17%635.4%0.000.930.33%0.15%63.5%0.070.570.16%0.03%120.7%0.650.140.04%0.00%17.3%0.001.360.42%0.20%1235.4%0.001.030.37%0.17%62.9%0.080.540.25%0.11%120.1%0.930.030.03%0.02%15.5%0.001.290.32%0.13%

34、2434.6%0.001.110.32%0.15%63.7%0.000.930.26%0.12%121.5%0.130.490.17%0.08%14.2%0.001.060.23%0.11%3633.5%0.010.770.23%0.10%62.2%0.150.450.18%0.08%121.3%0.330.310.12%0.04%數據來源： & wind 資訊數據來源： & wind 資訊考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益14.6%0.020.660.30%0.19%334.7%0.020.720.27%0.16%62.4%0.190.400.01%

35、-0.02%121.4%0.480.220.01%-0.04%16.5%0.001.020.44%0.22%634.5%0.020.710.33%0.17%63.5%0.060.590.19%0.06%122.2%0.150.470.19%0.06%18.1%0.001.450.56%0.28%1236.2%0.001.190.48%0.25%64.1%0.010.910.35%0.15%121.7%0.170.440.14%0.05%16.8%0.001.410.46%0.21%2436.1%0.001.370.40%0.16%64.7%0.001.120.32%0.10%122.3%0.0

36、50.660.20%0.05%15.2%0.001.170.34%0.17%3634.6%0.001.050.28%0.11%63.3%0.010.870.28%0.14%121.9%0.040.730.18%0.09%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益13.9%0.050.590.21%0.12%334.8%0.010.750.26%0.15%62.2%0.230.360.01%-0.03%121.2%0.530.200.00%-0.04%16.0%0.000.970.37%0.16%634.5%0.020.730.30%0.15%63.4%0.06

37、0.580.16%0.04%122.1%0.190.430.14%0.05%18.0%0.001.450.49%0.24%1236.2%0.001.200.45%0.22%63.9%0.010.850.30%0.12%121.4%0.250.370.05%0.00%16.8%0.001.460.44%0.19%2436.2%0.001.430.41%0.15%64.8%0.001.160.30%0.09%122.4%0.040.710.19%0.04%15.3%0.001.200.32%0.16%3634.7%0.001.070.30%0.12%63.3%0.010.880.25%0.12%1

38、21.8%0.040.730.15%0.07%圖 18：特雷諾比率因子表現圖 19：索提諾比率因子表現數據來源： & wind 資訊數據來源： & wind 資訊圖 20：夏普比率因子多空分組超額收益與凈值(12,3)組合0.2%-0.1%-0.1%0.7%-0.7%12345多空季度收益多空凈值2510. 50. 10. 050-0.05-0.10-0.15資料來源： & wind 資訊風險類因子風險類因子主要衡量基金收益是否穩定，我們測算了下面 4 個因子的表現：最大回撤：在選定周期內凈值相對于歷史的最大回撤幅度。波動率：收益率的標準差，組合的總風險。Beta：CAPM 模型回歸系數，組合

39、的系統性風險。下行風險：衡量組合相對于無風險收益下跌時風險的大小。因子表現如下所示，四個因子中僅有最大回撤具有顯著的選基效果，波動率、Beta 和下行風險因子大部分組合的 IC 均沒有通過顯著性檢測。最大回撤雖然具有一定的預測作用，但與前文介紹的因子相比穩定性以及組合收益都有差距，不過最大回撤因子仍可以作為新的維度優選基金。圖 21：最大回撤因子表現圖 22：波動率因子表現考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益13.9%0.130.440.20%0.09%338.1%0.000.970.38%0.14%64.5%0.060.570.15%0.05%123.

40、4%0.240.380.08%0.02%14.3%0.080.510.23%0.10%635.0%0.040.630.19%0.09%64.3%0.050.600.19%0.07%123.3%0.180.440.11%0.04%14.9%0.020.700.29%0.12%1235.7%0.010.810.30%0.13%64.9%0.010.820.33%0.12%123.1%0.180.440.13%0.07%14.4%0.010.720.33%0.14%2435.4%0.010.830.31%0.13%64.6%0.010.790.35%0.14%123.6%0.100.540.22%0

41、.10%13.4%0.050.570.26%0.14%3634.3%0.030.660.27%0.16%64.3%0.020.710.31%0.17%123.3%0.090.570.27%0.18%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益1-3.2%0.29-0.310.12%0.01%33-6.3%0.03-0.650.16%0.04%6-5.5%0.05-0.620.24%0.07%12-4.1%0.17-0.440.16%0.02%1-3.3%0.24-0.350.13%0.03%63-5.2%0.06-0.570.13%0.02%6-4.5%0.08

42、-0.530.16%0.07%12-2.9%0.27-0.350.04%-0.01%1-2.6%0.31-0.300.11%0.03%123-4.0%0.12-0.460.09%0.02%6-3.5%0.16-0.430.14%0.04%12-2.8%0.30-0.330.05%0.00%1-3.0%0.21-0.370.19%0.03%243-4.7%0.06-0.560.20%0.02%6-4.3%0.08-0.540.26%0.03%12-3.5%0.20-0.420.19%0.02%1-1.6%0.46-0.220.09%-0.01%363-3.1%0.20-0.380.08%-0.0

43、1%6-3.1%0.17-0.420.18%0.02%12-2.7%0.27-0.350.09%-0.02%數據來源： & wind 資訊數據來源： & wind 資訊考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益1-5.0%0.09-0.490.35%0.12%33-7.1%0.02-0.740.32%0.10%6-5.9%0.03-0.700.35%0.13%12-4.4%0.13-0.500.25%0.06%1-5.1%0.06-0.550.36%0.11%63-6.0%0.03-0.670.30%0.07%6-5.0%0.04-0.640.32%0.10%

44、12-3.2%0.22-0.390.16%0.02%1-3.9%0.11-0.470.28%0.07%123-4.6%0.07-0.540.23%0.05%6-4.0%0.09-0.520.23%0.05%12-2.7%0.29-0.330.06%-0.01%1-3.3%0.15-0.420.19%0.04%243-4.4%0.07-0.540.17%0.02%6-3.9%0.09-0.520.23%0.04%12-3.2%0.22-0.390.16%0.02%1-1.8%0.40-0.240.12%0.02%363-2.9%0.22-0.360.09%0.01%6-2.9%0.19-0.40

45、0.15%0.03%12-2.4%0.32-0.320.10%0.01%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益1-3.9%0.18-0.390.19%0.06%33-7.0%0.02-0.730.27%0.11%6-4.8%0.07-0.560.17%0.05%12-3.6%0.24-0.370.09%0.02%1-3.8%0.17-0.400.16%0.04%63-5.2%0.05-0.580.13%0.02%6-4.3%0.10-0.510.13%0.03%12-2.6%0.34-0.300.00%-0.03%1-3.2%0.22-0.360.15%0

46、.05%123-4.3%0.10-0.490.12%0.03%6-3.4%0.16-0.420.09%0.02%12-2.1%0.44-0.24-0.02%-0.04%1-2.8%0.23-0.350.17%0.03%243-4.5%0.06-0.550.19%0.03%6-4.1%0.09-0.520.23%0.04%12-3.3%0.22-0.390.15%0.00%1-1.5%0.50-0.200.15%0.01%363-3.0%0.21-0.370.14%0.00%6-2.9%0.18-0.400.16%0.02%12-2.3%0.34-0.310.10%-0.02%圖 23：Beta

47、 因子表現圖 24：下行風險因子表現數據來源： & wind 資訊數據來源： & wind 資訊圖 25：最大回撤因子多空分組超額收益與凈值(12,3)組合0.2%0.0%-0.1%0.4%-0.5%12345多空季度收益多空凈值1. 861. 41. 210. 80. 60. 40. 200. 10. 050-0.05-0.1-0.15-0.2資料來源： & wind 資訊其他因子機構投資者占比基金半年報和年報會披露投資者結構，可以獲得機構和個人投資者持有份額占比數據，我們認為機構的投研能力要強于個人，經過專業機構研究并投資的基金在未來可能表現更好。我們把最新可獲得的半年報或年報的機構投資者

48、持有份額占比作為原始因子值，測試結果如下所示，因子在各持有期均表現出了顯著的預測作用，即機構投資者占比高的基金未來業績更好，雖然 IC 絕對值和組合收益沒有之前介紹的一些因子高，但是 IC_IR 強于前文所有因子，因子更新頻率不高，但預測效果非常穩健。圖 26：機構投資者占比因子表現 持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益 14.0%0.001.540.28%0.16%33.7%0.001.260.28%0.16%63.0%0.000.960.23%0.14%122.7%0.011.010.26%0.17%0.5%0.1%0.0%-0.2%-0.4%12345多

49、空季度收益多空凈值1. 61. 41. 210. 80. 60. 40. 20資料來源： & wind 資訊0. 070. 060. 050. 040. 030. 020. 010-0.01-0.02-0.03基金換手率基金換手率是基金經理重要的行為特征之一，由于投資策略的改變或受市場環境的影響，基金經理的換手率有高有低。換手率高低的好壞有諸多爭論，投資者普遍認同低換手產品，認為高換手帶來的額外收益不足以覆蓋調倉成本，并且低換手策略符合長期投資的理念。但也有人認為高換手的基金經理能夠及時捕捉市場機會，是基金經理投資能力的體現。基金換手率的計算主要有兩種方法，如下所示，公式一使用基金股票交易金額

50、做分子，該方法的缺點在于無法剝離申購贖回的資金，也無法識別股票倉位的影響，實際上會高估基金的換手率，公式二使用買入金額和賣出金額的較小值作為分子，這也是海外算基金換手率的主流方法，該方法可以緩解公式一的問題，假設只有倉位變動或是僅申購或是僅贖回，分子項即為 0，但是如果在時間區間內既有申購或贖回而沒有調倉，公式二仍然會高估。總體來講公式一換手率高于公式二，公式二高于真實換手率。公式一：基金單邊換手率 = （基金股票交易金額 /基金平均持股市值)/2公式二：基金換手率 = min(買入股票金額，賣出股票金額)/基金平均持股市值本文參考 Yan&Zhang(2009)、Gaspar 等(2005)

51、的做法，利用公式二以及基金季度十大重倉股計算基金換手率，公式如下：_ = |, , ,1 ,1 ,1 ,| , ,1_ = |, , ,1 ,1 ,1 ,| , ,1=min(_ , _)( , ,+ ,1 ,1)2其中 定義為基金在 t 期買入和賣出價值的較小值，除以該基金在 t-1 期末和 t 期全部持倉股票的平均市場價值。_ 表示基金在 t 期的買入值，_表示基金在 t 期的賣出值，,表示基金在 t 期購買的股票 s 的價格，,表示 t-1 期到 t 期股票價格變化，,表示基金在 t 期購買股票 s 的數量。我們根據上述算法統計了偏股型基金季度重倉股換手率，從 2008 年 1 月至 2

52、019 年10 月，重倉股年化換手率中位數在 1 倍至 2.5 之間，換手率有明顯增長的時期為 2009 年上半年、2013 年上半年和 2015 年股災，均伴隨著市場風格切換或劇烈波動，說明部分基金會根據市場狀態調整持倉，自 2016 年以來換手率呈現逐步下降的趨勢，可能與近年倡導的穩健投資有關。圖 27：偏股型基金重倉股季度換手率（年化，單邊）2.521.510.5020080131 20090123 20100129 20110131 20120131 20130131 20140130 20150130 20160129 20170126 20180131 20190131資料來源：

53、& wind 資訊我們將季度換手率作為選基因子，測試因子有效性，結果如下所示，我們發現基金換手率與未來業績沒有顯著的相關性，觀察 IC 時間序列變化，在 2008 年、2010 年上半年、2014 年下半年、2016 年上半年和 2017 年上半年換手率越高的基金未來表現越好， 在這些時段基金經理根據市場風格切換而調整持倉獲得了超額收益，不過 2018 年開始大部分時間 IC 為負，即換手率越低的基金未來表現越好。圖 28：偏股型基金重倉股季度換手率（年化，單邊）持有期月均ICIC_pvalueIC_IR月均多空收益月均多頭超額收益10.9%0.460.220.09%0.03%30.9%0.3

54、90.250.10%0.03%61.6%0.120.480.12%0.04%121.0%0.350.300.08%0.01%IC時間序列變化（持有期為3個月）0. 250. 20. 150. 10. 050-0.05-0.1-0.15資料來源： & wind 資訊二、基金組合構建因子選取下圖為我們測試的因子中有效的列表：圖 29：基金因子庫因子類別因子簡稱因子含義序alpha_tmTM模型回歸的alpha1選股能力alpha_hmalpha_tmff3HM模型回歸的alphaTM-FF3模型回歸的alpha11alpha_pureTM-FF3模型（剔除行業）回歸的alpha1收益ret無條件歷

55、史收益1ret_down逆境收益率1sharpe夏普比率1風險調整后收益treynorsortino特雷諾比率索提諾比率11ir信息比率1風險maxdd最大回撤1規模size最新基金規模-1基金經理manager_change基金經理變更次數-1其他ins_pct最新機構投資者占比1資料來源： 下圖展示了因子原始值的相關性，風險調整收益類中的因子具有 90%以上的相關性， 無條件歷史收益 ret 和風險調整收益因子具有 90%以上的相關性，選股能力因子中alpha_tm 和alpha_hm 相關性較高，alpha_tmff3 和alpha_pure 有相關性，而 ret_down、 maxdd

56、、size、manager_change、ins_pct 和其他因子相關性都比較低，可以提供獨立信息源。圖 30：因子原始值相關性alpha_tm alpha_hm alpha_tmff3 alpha_pureretret_downsharpetreynorsortinoirmaxddsizemanager_changeins_pctalpha_tm88.2%73.0%58.2%76.0%47.6%76.9%76.4%76.5%71.9%41.5%-3.6%-10.3%16.0%alpha_hm 88.2% 56.4%44.5%49.6%33.5%48.9%49.5%48.4%46.7%22.

57、8%-8.2%-6.3%13.2%alpha_tmff373.0% 56.4% 77.9%61.3%39.2%60.5%60.0%60.2%57.8%29.4%7.8%-11.3%8.6%alpha_pure58.2%44.5% 77.9% 45.7%27.0%47.2%46.0%46.7%45.2%25.7%7.0%-9.0%7.5%ret76.0%49.6%61.3% 45.7% 57.7%93.4%91.4%93.2%94.4%53.7%4.5%-12.7%19.2%ret_down47.6%33.5%39.2%27.0% 57.7% 55.3%55.5%55.4%52.5%58.4%3

58、.4%-8.6%22.7%sharpe76.9%48.9%60.5%47.2%93.4%55.3%97.4%99.6%91.6%54.3%3.5%-13.5%19.4%treynor76.4%49.5%60.0%46.0%91.4%55.5%97.4%97.4%87.6%51.1%4.0%-13.4%18.5%sortino76.5%48.4%60.2%46.7%93.2%55.4%99.6%97.4%90.9%54.1%3.5%-13.6%19.2%ir71.9%46.7%57.8%45.2%94.4%52.5%91.6%87.6%90.9%52.0%2.8%-13.0%21.4%maxdd

59、41.5%22.8%29.4%25.7%53.7%58.4%54.3%51.1%54.1%52.0%1.5%0.4%11.7%size-3.6%-8.2%7.8%7.0%4.5%3.4%3.5%4.0%3.5%2.8%1.5%5.1%-13.9%manager_change-10.3%-6.3%-11.3%-9.0%-12.7%-8.6%-13.5%-13.4%-13.6%-13.0%0.4%5.1%-17.2%ins_pct16.0%13.2%8.6%7.5%19.2%22.7%19.4%18.5%19.2%21.4%11.7%-13.9%-17.2%數據來源： & wind 資訊根據因子的

60、相關性與邏輯，我們最終選取 alpha_tmff3、ret_down、sharpe、maxdd、manager_change、ins_pct 和 size 七個因子構建組合，考察期均選擇過去一年。我們將ret_down、sharpe 和 maxdd 歸為業績因子，alpha_tmff3 和 manager_change 歸為管理人因子，size 和 ins_pct 歸為產品特征因子，并賦予三類因子權重為業績 40%、管理人40%以及產品特征 20%。組合構建FOF 管理人進行組合調倉時主要費用為申購費和贖回費。對于前端申購費，在基金申購時需繳納相應費用，贖回不用再繳費，通常將申購金額分為幾段，