FOF专题系列报告之十一：历史表现优秀的基金业绩能延续

1、B光大证券EVERBRIAHT SECURITIES目录 TOC o 1-5 h z HYPERLINK l bookmark24 o Current Document 1、基金样本选择与特征分析5 HYPERLINK l bookmark26 o Current Document 1.1、基金样本选择与数据清洗5 HYPERLINK l bookmark28 o Current Document 12、主动偏股基金样本特征分析6 HYPERLINK l bookmark30 o Current Document 2、因子有效性测试与分组回溯10 HYPERLINK l bookmark32

2、o Current Document 动量因子内涵及构造细节10 HYPERLINK l bookmark4 o Current Document 2年动量因子预测能力突出11 HYPERLINK l bookmark8 o Current Document 动量因子单调性良好，长期动量因子仍旧领先17 HYPERLINK l bookmark10 o Current Document 3、策略构建：历史业绩选基收益尚可，组合波动性略高1 9 HYPERLINK l bookmark12 o Current Document 多维度衡量构建基金组合19 HYPERLINK l bookmark

3、16 o Current Document 最秆期组合持仓名单23 HYPERLINK l bookmark18 o Current Document 4、策略小结245、风险提小24万得资讯表3:动表量类因子定义因子期限因子代码因子释义累积动量超短期动量短期动量中期动量长期动量峰值动量Momentum_1 WMomentum_1MMomentum_2MMomentum_3MMomentum_6MMomentum_12MMomentum_24MMomentum_36MMomentum_1 M_MaxMomentum_3M_MaxMomentum_6M_MaxMomentum_13M_Max最近

4、1个周（5个交易日）收益率最近1个月最近2个月最近3个月最近6个月最近12个月最近24个月最近36个月最近1个月最近3个月最近6个月最近12个月资料来源:（20个交易日）收益率（40个交易日）收益率（60个交易日）收益率（120个交易日）收益率（240个交易日）收益率（480个交易日）收益率（720个交易日）收益率（20个交易日）的日收益率的最大值 （60个交易日）的日收益率的最大值 （120个交易日）的日收益率的最大值 （240个交易日）的日收益率的最大值2年动量因子预测能力突出、预测能力衡量指标有效的选基因子除了具备一定的逻辑支撑外，其历史上与基金收益率的 相关性应较为显著，为了保证从统计

5、意义上因子对于基金未来收益有明显且 相对稳定的预测能力，我们通过信息系数IC的一些特征指标来衡量。IC信息系数（Information Coefficient,简称IC）,代表因子对基金 未来收益预测能力：是指基金第t期的因子值与t + 1期的收益率之间的相 关系数。通过计算IC序列值可以有效的观察到某个因子对于基金收益率预 测的稳定性和历史特征，以便判断该因子是否可以作为筛选基金的指标。常 见的计算IC值方法有两种：相关系数（Pearson Correlation）和秩相关系 数（Spearman Rank Correlation） o由于Pearson相关系数计算时假设变 量具有相等间隔以

6、及服从正态分布，而这一假设往往与因子值和基金收益率 的分布情况不相符。因此我们将采用Spearman秩相关系数来计算IC值， IC值为正，那么说明本期因子越大，基金下期收益越高；反之，那么说明基金下期 收益越低。此外，IC的绝对值大小那么代表了预测能力的强弱。旧信息比率（Information Ratio,简称IR）代表因子获取稳定Alpha 的能力。回测时段由多个调仓周期组成，每一个周期都会计算出一个不同的 IC值，IR等于多个调仓周期的IC均值除以这些IC的标准方差。所以IR 兼顾了因子的选基能力（由IC代表）和因子选基能力的稳定性（由IC的标 准方差的倒数代表）。IC值的均值；IC值的标

7、准差；IC大于0的比例;IR （IR = IC 均值/IC 标准差）。相较于股票组合而言，基金的碉仓的交易本钱较高，除了交易过程的申 购、赎回本钱外，调仓期间的机会本钱亦不可忽视。调仓频率的选择要综合 考虑到因子的信息衰减速率和基金组合换仓的本钱。.基金历史12年业绩动量对未来收益预测性更高由于2009年以前基金数量较少，结果的统计意义不强，我们将2009 年至2019年2月为测试区间，通过IC、IR的大小比照动量因子的预测性和 稳定性，以下几点主要结论值得关注：1）基金累积动量（过去一段时间累积收益）中长期动量与其未来业绩 呈正相关关系，而基金峰值动量（过去一段时间日收益峰值）与未 来业绩呈

8、现负相关关系。2）从不同期限的动量因子间横向比照：基金过去2年的业绩动量对于 基金未来业绩的预测能力到达峰值（IR绝对值最大），当历史业绩 区间超过2年时，对于未来收益的预测能力开始下滑。我们认为原 因可能与基金经理的更替频率有关，目前主动偏股型基金每任基金 经理的平均任职年限中位数尚不到4年，管理人的交替难免会对基 金的业绩稳定性造成一定影响。3）从对基金未来3个月至1年收益预测能力（IC）纵向比照：各个动 量指标多数在半年节点出现了转折，换句话说，过去一段时间业绩优 异的基金，其高收益的表现在未来最长能够延续的时间为半年，超 过半年业绩动量的“惯性效应”会逐渐衰减。以上的结论与经验亦较为相

9、符，基金短期的高收益存在较多的不确定性， 一方面是基金经理管理能力的表达，另一方面也可能是由于基金在短期的某 个 风格上暴露了过多的风险。而历史12年收益领先的基金，经历了较长波段的 市场风格交替，收益还能够处于前列，那么更能表达基金经理本身的管理 能力。图7:动量因子对基金未来业绩预测能力指标IC特征10.0%5.0%| 711a Q Q a-10.0%10.0%5.0%| 711a Q Q a-10.0%月度季度半年度年度.Jil.i 1illillllli llll.A4淤淤心淤心淤4#.-15.0%资料来源：,注：计算区间2009-01-01至2019-02-28图8:动量因子对基金未

10、来业绩预测能力指标旧特征月度季度半年度年度1.50资料来源：,注：计算区间20090101至2019-02-28月度收益预测性：从业绩动量因子对基金下个月度的收益预测能力来看， 过去1-3年收益领先的基金，其未来一个月收益持续领先的概率较高， 年化旧在0912之间。此外，从历史IC的累积序列来看，随着历史业 绩动量区间长度拉长，对于月度收益预测能力的稳定性有明显的提升。而 相比之下，峰值动量对于基金月度收益尚未表达出明显的预测能力。表4:动量因子对基金未来1个月收益预测能力指标资料来源：因子代码IC均值IC标准差IC0比例| IC |0.02 比例IR年化旧Momentum_1 W0.88%2

11、8.43%47.50%47.50%0.030.11Momentum_1M2.65%28.53%57.50%54.17%0.090.32Momentum_2M2.62%27.50%57.50%55.83%0.100.33Momentum_3M4.00%26.45%60.83%56.67%0.150.52Momentum_6M5.55%24.37%67.50%64.17%0.230.79Momentum_12M5.85%21.33%62.50%60.83%0.270.95Momentum_24M5.45%16.06%63.33%61.67%0.341.18Momentum_36M4.47%14.9

12、1%63.33%60.83%0.301.04Momentum_1 M_Max1.82%28.73%51.67%50.00%0.060.22Momentum_3M_Max0.63%26.79%55.00%52.50%0.020.08Momentum_6M_Max-1.13%23.85%51.67%48.33%-0.05-0.16Momentum 12M Max-1.90%20.94%50.83%48.33%-0.09-0.31注：计算区间 2009-01-01 至 2019-0228图9:累积动量因子累积IC序列（月度收益预测）图9:累积动量因子累积IC序列（月度收益预测）图10：峰值动量因子累

13、积IC序列（月度收益预测）资料来源：注：计算区间20090101至2019-02-28资料来源：注：计算区间20090101至20190228季度收益率预测性：在对基金未来一个季度的收益预测时，过去2年的 业绩动量预测性更高；但此时我们发现，峰值动量与基金未来一个季度 的业绩出现了明显的负相关性，一定程度说明，过去一段时间日涨幅峰 值越大的基金，未来一个季度出现业绩反转的可能性越高，往往这种偶 然的涨幅领先含有较大的运气成分，未来不可持续。表5:动量因子对基金未来1个季度收益预测能力指标资料来源：因子代码IC均值IC标准差IC0比例| IC |0.02 比例IR年化IRMomentum_1 W

14、-1.62%28.85%52.50%52.50%-0.06-0.11Momentum_1M6.67%28.08%67.50%67.50%0.240.48Momentum_2M5.96%26.86%55.00%52.50%0.220.44Momentum_3M7.97%23.16%65.00%65.00%0.340.69Momentum_6M7.46%23.59%65.00%62.50%0.320.63Momentum_12M8.06%21.28%70.00%67.50%0.380.76Momentum_24M7.55%14.82%70.00%65.00%0.511.02Momentum_36M

15、6.16%16.07%72.50%62.50%0.380.77Momentum_1 M_Max-3.33%28.31%45.00%40.00%-0.12-0.24Momentum_3M_Max-4.87%26.98%40.00%40.00%-0.18-0.36Momentum_6M_Max-5.19%23.89%37.50%32.50%-0.22-0.43Momentum_12M_Max-4.19%20.84%40.00%37.50%-0.20-0.40注：计算区间2009-01-01至2019-02-28图12:峰值动量因子累积IC序列（季度收益预测）图11:累积动量因子累积IC序列（季度收

16、益预测）-3.00Momentum 1M MaxMomentum 3M Max1.50-2.00-2.50资料来源：注：计算区间 2009-01-01 至 2019-02-28资料来源：注：计算区间 2009-01-01 至 2019-02-28半年度收益率预测性：动量因子在对基金半年度收益能力的预测性上， 同样是过去2年的业绩动量表现最为突出，其IR指标明显高于其他因 子。此时，过去一周的业绩动量和过去3个月的收益峰值呈现出显著的反 转效应，IR绝对值均到达0.7以上。说明短期内收益垫底的基金，未来半 年内业绩大幅反弹的概率较高。从各个因子的历史累IC序列来看，过去2年业绩动量累积IC序列呈

17、现 稳步向上的趋势，无论在何种市场状态下（牛市/熊市）均未出现过较大 的波动或回撤。表6:动量因子对基金未来半年收益预测能力指标资料来源：因子代码IC均值IC标准差IC0比例| IC |0.02 比例IR年化旧Momentum_1 W-11.51%23.20%35.00%30.00%-0.50-0.70Momentum_1M-4.01%24.65%50.00%45.00%-0.16-0.23Momentum_2M0.74%25.47%55.00%55.00%0.030.04Momentum_3M3.60%22.31%65.00%55.00%0.160.23Momentum_6M6.31%24.

18、07%65.00%65.00%0.260.37Momentum_12M5.00%20.32%65.00%60.00%0.250.35Momentum_24M8.45%14.35%75.00%75.00%0.590.83Momentum_36M5.84%13.47%70.00%65.00%0.430.61Momentum_1 M_Max-7.63%25.81%45.00%35.00%-0.30-0.42Momentum_3M_Max-12.97%24.83%35.00%30.00%-0.52-0.74Momentum_6M_Max-6.70%21.50%45.00%35.00%-0.31-0.4

19、4Momentum_12M_Max-4.58%19.63%40.00%40.00%-0.23-0.33注:计算区间2009-01-01至20190228图13:累积动量因子累积IC序列（半年收益预测）图13:累积动量因子累积IC序列（半年收益预测）-2.00-2.50-3.00图14:峰值动量因子累积IC序列（半年收益预测）资料来源：注：计算区间 2009-01-01 至 2019-02-28资料来源：注：计算区间2009-01-01至20190228年度收益率预测性：动量因子对基金年度收益能力的显著降低，一定程 度说明动量指标的有效性在半年之后出现了大幅的衰减，业绩惯性持续 性降低。值得注意

20、的是，过去1年业绩动量对于基金未来一年收益的预 测从动量指标转为了反转指标，这也与前文分析的结论较为一致，过去 1年收益领先的明星基金，次年度收益大幅滑坡。表7:动量因子对基金未来1年收益预测能力指标资料来源：因子代码IC均值IC标准差IC0比例| IC |0.02 比例IR年化IRMomentum_1 W-8.49%23.43%50.00%50.00%-0.36-0.36Momentum_1M-6.34%20.32%40.00%30.00%-0.31-0.31Momentum_2M2.86%24.74%60.00%60.00%0.120.12Momentum_3M-1.16%21.36%50

21、.00%40.00%-0.05-0.05Momentum_6M-1.70%19.59%50.00%50.00%-0.09-0.09Momentum_12M-2.01%14.23%40.00%40.00%-0.14-0.14Momentum_24M3.94%9.89%60.00%60.00%0.400.40Momentum_36M5.33%10.73%70.00%60.00%0.500.50Momentum_1 M_Max-2.48%25.58%40.00%40.00%-0.10-0.10Momentum_3M_Max-9.70%26.27%30.00%30.00%-0.37-0.37Momen

22、tum_6M_Max-5.84%21.51%30.00%30.00%-0.27-0.27Momentum_12M_Max-6.98%22.28%30.00%30.00%-0.31-0.31注：计算区间 2009-01-01 至 2019-02-28图15:累积动量因子累积IC序列（年度收益预测）图16:峰值动量因子累积IC序列（年度收益预测）Momentum 1W -Momentum 3M -Momentum 24MMomentum_1 M Momentum 2M Momentum 6M 1 Momentum_12MMomentum 36M-1.00-1.20资料来源：注：计算区间200901

23、01至20190228资料来源：注：计算区间20090101至2019-02-28尽管都属于动量因子大类，但因子之间的相关性存在差异。一个月动量 因子、12个月动量均与其他动量因子的相关性较高。如果考虑多因子筛选基 金，增加一个相关性越低的有效因子对于组合的收益提升越高，因子的边际 贡献越大。图17:动量因子与基金下半年收益的历史IC相关系数矩阵Momentum_ 1WMomentum_2MMomentum_3MMomentum_6MMcxnentum_12MKtomentum_24MMomentum_36MFtomentum_1 M_MaxMomen(um_3M_MaxMomentum_6M

24、_MaxMmentum_12M_MaxMomentum_ 1WMomentum_2MMomentum_3MMomentum_6MMcxnentum_12MKtomentum_24MMomentum_36MFtomentum_1 M_MaxMomen(um_3M_MaxMomentum_6M_MaxMmentum_12M_Max0.50.350.280.250.150120.0660.05300054-0.0614081 |0.50760.660.510.470.390.310.470.30220 22 I0.350.760870.60.490.40.320.50.430.340.370.280

25、.660870.660.510.40.30.490.50.40.430.250.510.60.660.70.460.340.320.380.360.370.150.470.490.510 70.660.420.240 230.260120 390.40.40.460.660.720.230.170.210.300660.310.320.30.340.420.72Fj0.260.270.30.3300530.470.50.490.320.240230260.820.740.670.00540.30.430.50.380.230.170270820.9079-0.0610 220.340.40.3

26、60.230.210.30.740.90.91-0.0810.220.370.430.370.260.30.330.670.790.91SZLIEncesvxsw HL 号三 Eg资料来源：，注：计算区间2009-01-01至2019-02-282.3、动量因子单调性良好，长期动量因子仍旧领先除了因子与基金未来收益的相关性检验，我们还可以通过历史分组回测 来进一步观察动量因子是否对基金未来收益有明显的区分度，且这种区分是 长期可持续的。因子单调性测试：因子的单调性决定了每期筛选的基金收益的稳定性。 通过将每期的基金按因子值按照从小到大排序后等分为五组，每期仅配置其中 一组，分别计算第一组至第五

27、组在回测区间内的年化收益率，观察各个动量因 子作为选基的指标是否具有明显的单调性（注：因子有效性测试阶段暂不考虑 费用）。表8:因子分组回测框架因子分组回测框架时间区间2009年1月1日至2019年2月28日分组数量调仓频率分组调仓方式等分五组季度/半年度（每期末最后一个交易日结束计算因子值）每期最后一个交易日收盘后，根据本期所有未被剔除的基金数据计算 因子值，根据因子值从小到大排序将基金等分为5组，分别计算每组 基金的历史回测收益及多空组合收益交易费率资料来源:因子测试阶段暂不考虑交易费用从分组回测的单调性来看：1）超短期动量MomentumW,长期动量Momentum_24M Moment

28、um_12M和过去3个月收益峰值动量Momentum_3M_Max的季度碉仓下分组回溯单调性较好；2）而短期业绩动 量 MomentumW、Momentum_1M,长期动量 Momentum_24M,以及过 去三个月峰值动量Momentum_3M_Max半年调仓频率下，分组回溯单调性 表现突出。表9:动量因子分组回测年化收益率比照资料来源：因子代码group_1group_2group_3group_4group_5long_short季度调仓Momentum_1 W10.84%9.54%9.53%9.09%8.68%-2.28%Momentum_1M7.94%9.51%9.40%10.15%

29、10.74%2.41%Momentum_2M8.54%9.24%9.88%9.94%10.13%1.56%Momentum_3M7.58%9.23%9.72%10.94%10.47%2.72%Momentum_6M7.86%9.45%9.92%9.66%11.30%3.25%1Momentum_12M7.24%9.74%9.70%9.95%11.15%3.72%Momentum_24M6.54%9.13%9.49%10.70%10.35%3.61% JMomentum_36M7.41%8.75%9.58%9.45%10.57%3.04%Momentum_1 M_Max9.50%10.48%9.

30、57%9.17%9.64%0.86%Momentum_3M_Max10.38%9.90%9.75%9.48%8.81%-0.64%Momentum_6M_Max10.21%10.39%9.82%9.44%8.48%-0.84%Momentum_12M_Max10.31%9.64%10.10%9.35%8.86%-0.67%半年调仓Momentum_1 W11.65%10.71%9.81%8.64%6.54%-4.95%Momentum_1 M10.73%10.89%9.29%9.04%7.70%-3.24%Momentum_2M9.65%9.91%10.33%9.30%8.51%-1.18%M

31、omentum_3M8.63%9.73%10.35%10.62%8.48%-0.22%Momentum_6M8.19%9.55%10.52%10.00%9.40%1.19%Momentum_12M8.02%9.89%9.99%9.59%9.78%1.74%Momentum_24M7.10%8.66%9.95%10.12%10.15%2.89%Momentum_36M8.19%8.46%9.26%9.65%9.79%1.60%Momentum_1 M_Max10.91%10.63%9.49%8.36%8.04%-2.08%Momentum_3M_Max11.83%10.30%10.06%8.37

32、%7.21%-3.50%Momentum_6M_Max10.64%10.34%9.57%8.79%8.52%-1.36%Momentum_12M_Max10.24%10.16%9.51%9.06%8.74%-0.84%注：测试区间:2009-01-01 至 2019-02-283、策略构建：历史业绩选基收益尚可，组合波动 性略高3.1 多维度衡量构建基金组合通过前文从因子的预测能力（IC）、预测能力的稳定性（IR）和分组回 测的单调性三个角度评价，我们发现超短期动量MomentumW,长期动量因 子中Momentum_24M以及过去三个月峰值动量Momentum_3M_Max在各 个维度的表现

33、都较好。同时，我们观察到长期动量中Momentum12M的有效 性亦不错。因此在组合构建阶段将进一步比照：1）当固定组合内持券数量 时，以上预测性较高的因子是否还能持续；2）组合内每期配置多少只基金 获得的收益（或风险调整后收益）最高。考虑到因子信息的衰减速度，我们 构建基金组合选择季度频率调仓。表10:基金组合回测框架回测框架时间区间2009年1月1日至2019年2月28日组合基金数量10只/15只/ 20只/ 30只权重设置等权调仓频率季度调仓方式 每期末最后一个交易日结束计算当日因子值，作为筛选下一期基金的标准交易本钱单边0.5%。资料来源:从因子有效性测试局部我们注意到，动量因子对于基

34、金未来一个季度和 半年的收益率预测能力并无太大差异，但半年度相比季度而言因子有效性有 所衰减。因此我们组合构建局部以季度作为调仓频率，防止了过度频繁调仓 产生的交易本钱，同时兼顾了因子的有效性。以1030只基金作为组合持基数量的测试区间，可以明显的看到，在固 定每期基金组合数量的情况下，四个初步入选的业绩动量指标各有优劣。从绝对收益来看，随着组合内基金数量的增加，组合整体的动量效应 并未被稀释，组合年化收益率差异并不显著；从风险角度来看：随着组合内基金数量增加，组合的分散化程度提升， 组合的波动率略有下降；从换手率来看：随着持仓基金数量下降，组合平均换手率有所降低。从横向比照不同动量因子：超短

35、期动量最近5日收益率在指标有效性 测试阶段表现优秀，但回测阶段效果下滑明显，主要由于过高的换手率侵蚀 了过多业绩；峰值动量Momentum_3M_Max选基，组合总体的夏普比率较 高，但同样存在高换手率的问题；而长期动量 Momentum_12M/ Momentum_24M表现比拟接近，因此从组合收益角度衡量我们将以过去1 年业绩动量为例，构造基金组合。表11:有效性较高的动量因子季度调仓下配置不同数量基金组合表现分析资料来源:10只15只20只30只年化收益率Momentum_1 W7.89%8.61%9.84%10.44%Momentum_12M11.03%11.02%10.99%11.1

36、8%Momentum_24M10.83%10.52%10.75%10.26%Momentum_3M_Max9.70%9.97%9.86%9.49%年化波动率Momentum_1 W24.06%23.94%23.81%23.68%Momentum_12M24.56%24.17%24.02%23.99%Momentum_24M23.54%23.66%23.67%23.71%Momentum_3M_Max18.24%18.45%18.87%19.39%历史最大回撤Momentum_1 W64.89%62.04%59.29%57.77%Momentum_12M55.34%52.02%51.10%51.

37、08%Momentum_24M50.11%50.78%49.82%51.12%Momentum_3M_Max42.20%41.61%42.46%42.88%夏普比率Momentum_1 W0.440.470.510.54Momentum_12M0.550.550.560.56Momentum_24M0.560.540.550.53Momentum_3M_Max0.600.610.590.57换手率Momentum_1 W92.14%90.63%89.52%86.19%Momentum_12M63.81%61.11%57.62%51.67%Momentum_24M51.43%43.65%40.8

38、3%36.75%Momentum 3M Max74.76%72.38%71.07%67.14%1 -注：2006-01-01至20190228;交易本钱：单边0.5%。通过上述的分析我们最终以基金过去12个月动量因子(Momentum_12M)为例来构建基金组合，具体策略如下： 季度末计算每只基金对应的12个月动量因子，并按指标值从大到 小将基金依次排序；每期等权配置指标值排名前15的基金；(3)交易本钱：单边0.5%);(4)测试区间：2009年1月1日至2019年2月28日；(5)参考基准：中证股票基金指数(H11021.CSI) o在2009年至2019年2月底近41个季度期间内，通过1

39、2个月动量因 子进行季度调仓优选基金的回测结果来看，基金组合尚能取得不错的收益， 下面分几个角度分别比照：策略绝对表现：累积收益率到达178.31%,年化收益率可达11.02%,年化波动率为24.17%,夏普比率0.55,最大回撤52.02%。图目录 TOC o 1-5 h z 图1 :主动偏股型基金数量稳步上升6图2 :主动偏股型基金2006-2018平均仓位相对稳定7图3 ： 2006-2018年基金仓位波动分布直方图7图4 :主动偏股型基金2006-2018年规模分布8图5 ：主动偏股型基金2006-2018年收益分布8图6 ：当年业绩排名前十的基金次年收益平均分位9图7 :动量因子对基

40、金未来业绩预测能力指标IC特征12图8 ：动量因子对基金未来业绩预测能力指标IR特征13图9 ：累积动量因子累积IC序列（月度收益预测）14图10 ：峰值动量因子累积IC序列（月度收益预测）14图11 ：累积动量因子累积IC序列（季度收益预测）15图12 ：峰值动量因子累积IC序列（季度收益预测）15图13 ：累积动量因子累积IC序列（半年收益预测）16图14 :峰值动量因子累积IC序列（半年收益预测）16图15 ：累积动量因子累积IC序列（年度收益预测）17图16 ：峰值动量因子累积IC序列（年度收益预测）17图17 ：动量因子与基金下半年收益的历史IC相关系数矩阵17图18 ：基金组合与基

41、准净值曲线比照21图19 ：基金组合季度涨跌幅累积曲线22图20 :基金组合相对基准收益季度涨跌幅累积曲线22图21 ： 2010年10月成长价值风格切换示意图23图22 : 2014年12月市场风格大小盘切换示意图23图23 : 2018年消费板块表现惨淡23图24 :基金组合历史孵率23策略相对表现：相对收益率可达2.07%,相对波动率7.18%,信息比率 0.32o策略分年度表现：在近十一年的回测期内，基金组合有5年跑输了基准 指数，其他年份均跑赢基准，年度胜率55%。d)策略季度调仓表现：组合在回测期间共调仓41次，其中单季度最大收 益 26.92% (2016Q1),单季度最大损失

42、31.55% (2015Q4) , 25 个 季度获得正收益，16个季度获得负收益，盈亏比1.56。图18:基金组合与基准净值曲线比照组合净值 一基准净值组合/基准表12:基金组合分年度表现资料来源:年份年化收益率年化波动率sharp比率最大回撤相对收益率相对波动率信息比率相对回撤2009 年69.23%25.21%2.2220.62%-1.04%3.15%-0.324.57%2010 年8.11%20.90%0.4819.31%7.52%4.48%1.645.19%2011 年-27.30%17.85%-1.7027.92%-1.37%3.10%-0.434.89%2012 年13.19%1

43、5.71%0.8713.22%4.35%4.81%0.914.67%2013 年27.80%22.85%1.1912.36%14.97%10.06%1.447.94%2014 年31.07%19.46%1.4918.04%1.14%7.69%0.198.92%2015 年24.40%41.34%0.7451.48%-6.19%10.84%-0.5417.36%2016 年-4.22%27.79%-0.0123.39%0.36%7.60%0.099.53%2017 年22.16%12.39%1.688.16%11.00%4.58%2.302.61%2018 年-27.02%24.74%-1.15

44、32.14%-2.66%9.78%-0.2311.20%2019 年190.23%18.17%5.971.45%-19.37%7.16%-2.975.02%11.02%24.17%0.5552.02%2.62%7.18%0.3222.65%资料来源：注：2009-01-01 至 2019-0228,交易本钱：单边 0.5%。从基金组合每季度调仓的收益特征我们观察到：动量因子选基在单边下跌 行情表现不佳，组合历史上长期下跌的两个阶段分别为2011年和2018年， 这两年均属于市场持续走弱的单边行情，全年样本内基金几乎无正收益。2011年由于加息和通胀的双重影响，自四月起市场一路下跌，直到年末市

45、场预期政策宽松才有所回转；而刚刚过去的18年，年初经历了罕见的上证50十九连阳，但这一极端行情未能延续，3月美国宣布对500亿进口商品加 征关税，中美贸易摩擦阴影笼罩了整个2018年。图19:基金组合季度涨跌幅累积曲线上涨上涨下跌160%140%120%100%80%60%40%20%资料来源：注:20090101 2019-02-28观察基金组合相对于基准的季度收益特征我们发现，组合相对净值几次 较大的回撤均与市场风格的切换密不可分。从09年至今组合相对净值曲线 经历了三次时间较长、幅度较大的回撤，分别出现在2010年10月、2014 年12月和2018年9月。1） 10年10月的回撤主要由

46、于加息和房地产调控 的影响，市场风格大幅切换，强势的消费行情不再延续（图21） ; 2） 14年 12月开始的大幅回撤，重要原因是降息引发的市场风格反转，小票行情被金融 地产取代（图22） ; 3）而18年初市场反弹，但由于贸易摩擦和各种黑天 鹅事件的爆发，17年的白马消费行情大幅切换，市场全年表现暗淡，交易量 不断萎缩（图23） o这几个重要时点上组合相对收益都发生了大幅回撤，一定程度上说明了 基金业绩的延续性背后是市场风格的延续性，一旦市场风格出现反转，业绩 动量因子可能失效。图20:基金组合相对基准收益季度涨跌幅累积曲线跌跌下6 6 6 6 6 6 6 6 6 6 6? 2 9 0505

47、05050504 3 3 2 2 1 1 - 1mmoz 7LCOL07 68O7 91807 mcoLOZ 6ZO7 9ZO7 mzoz 7T9OZ 61907 99O7 29L07 ZTSE 6SO7 9CO7 TSO7 77寸07 64OZ 9&L07 cn&LOrJ ZLcnLOZ 6金。7 9金。7 Tcnoz 7K07 6AO7 9AO7 EL07 77二07 6 二 L07 9 二 L07 Eoe ZT0L07 6OO7 9OOZ cnooz 776。7 66。7 96。7 76。7资料来源：注：2009-01-01 至 2019-02-28图21: 2010年10月成长价值风格

48、切换示意图图22: 2014年12月市场风格大小盘切换示意图成长（国证成长）价值（国证价值）一成长/价值（右轴）3.53资料来源：Wind,注：计算区间 2009-01-01 至 2019-02-28沪深300中4版指数一沪深300/中小板指（右轴）资料来源：Wind,注：计算区间 2009-01-01 至 2019-02-28图23: 2018年消费板块表现惨淡中证消费资料来源：Wind,注:计算区间 2009-01-01 至 2019-02-28图24:基金组合历史换手率资料来源：注：计算区间 2009-01-01 至 2019-02-28基金组合的换手率较高，震荡市中换手率有所下降，季度

49、调仓平均换手率 到达61.11%。该组合换手率在60%左右浮动，2014年以来略有降低的态势。 较高的换手率叠加调仓期间的交易本钱一定程度蚕蚀了组合收益，同时，策略长 期高换手率也侧面反映了过去一年业绩良好的基金，未来还能够长期持续的概 率较低。32、最新一期组合持仓名单根据2018年四季度末计算的基金12个月动量因子（Momentum12M）, 选择因子值排名最高的前15只基金作为2019年一季度持仓，详细名单如下, 供参考。表13: 2019年一季度持仓名单序号基金代码基金简称成立年限最新规模（亿元）1000220.0F富国医疗保健行业5.5512.272000960.0F招商医药健康产业

50、4.077.603001766.0F上投摩根医疗健康3.344.694002229.0F华夏经济转型2.9411.075004075.0F交银医药创新1.924.726161616.OF融通医疗保健行业A6.5812.027163415.SZ兴全商业模式优选6.1810.948163804.OF中银收益A12.3812.079270002.0F广发稳健增长14.5948.6210320012.OF诺安主题精选8.441.2211399011.OF中海医疗保健6.9710.8712519089.OF新华优选成长10.5910.1413519150.OF新华优选消费6.701.0614519698

51、.OF交银先锋9.8810.1315519712.OF交银阿尔法6.5627.27资料来源：Wind,注：基金规模数据截止至2018年四季度4、策略小结本篇报告借鉴多因子选股体系，以主动偏股型基金为研究对象，从基金 本身的动量指标出发，全面测试了短期到长期的动量因子对于基金收益的预 测能力、分组回溯组合历史表现。2009年至2019年2月回测结果显示：1）基金的长期业绩动量（12年周期）对于基金未来半年内业绩预测 性相对较强，业绩惯性尚能延续。2）业绩动量因子对基金年度收益能力的显著降低，动量指标的有效性 在半年之后出现了大幅的衰减，业绩惯性持续性降低。值得注意的是， 过去1年业绩动量对于基金

52、未来一年收益的预测从动量指标转为了反转 指标。3）峰值动量指标中过去三个月 日收益峰值呈现出明显得到反转效应， 侧面反映了短期内出现极端收益的基金，未来1年内收益率反转的概率 较高。4）通过长期动量（Momentum12M、Momentum_24M）、峰值动量 （Momentum_3M_Max）等有效性测试相对较好的因子定期筛选基金， 组合历史表现差异较小，相对于基准收益有限。5）动量因子单独用作筛选基金的指标存在一定的适用性局限，在单边 下跌的历史行情下，动量因子往往表现不佳。基金业绩的延续性背后是市 场风格的延续性，一旦市场风格出现反转，业绩动量因子可能失效。5、风险提示.本报告数据均来自

53、于历史公开数据，仅基于历史数据搭建策略，模型及因子随经济环境变化存在失效的风险。欢迎关注公众号文档出现排版、乱码等问题，可加上面微信，凭 下载记录，获取PDF版本表目录 TOC o 1-5 h z 表1 ：权益基金样本筛选5表2 :主动偏股型基金2006-2019.1年化收益率特征参数统计9表3：动表量类因子定义11表4 :动量因子对基金未来1个月收益预测能力指标13表5 ：动量因子对基金未来1个季度收益预测能力指标14表6 ：动量因子对基金未来半年收益预测能力指标15表7 ：动量因子对基金未来1年收益预测能力指标16表8 ：因子分组回测框架18表9 ：动量因子分组回测年化收益率比照18表10

54、：基金组合回测框架19表11 ：有效性较高的动量因子季度调仓下配置不同数量基金组合表现分析20表12 :基金组合分年度表现21表13 ： 2019年一季度侬名单24本篇报告延续因子选基系列，从基金本身的动量指标出发，借鉴多因子 选股因子测试的原理，以主动偏股型基金为研究对象，首先，通过统计理论 检验动量因子是否对基金未来业绩有一定预测性，进而在此基础上选择有效 性和稳定性较高的因子构建投资组合，并定期提供基金组合，以供投资者参 考。1、基金样本选择与特征分析基金样本选择与数据清洗“工欲善其事，必先利其器”，为了使不同基金的因子具有可比性，初 期的样本筛选和数据清洗工作至关重要。首先是样本的筛选

55、，具备什么特征 的基金可在实际投资范畴内定义为主动偏股型基金？其次是数据的清洗，异 常数据的合理处置可以降低极端值对测试结果的影响。 样本筛选我们以Wind开放式基金中普通股票型、偏股混合型为基础池，参考证监 会公布的公开募集证券投资基金运作指引第2号基金中基金指引 和养老目标证券投资基金指引（试行），根据每个时间节点基金成立时 间、规模、投资类型、是否初始基金等条件做一定的剔除后统称为主动偏 股型基金，处理后的基金样本池平均仓位能保持在50%以上，也比拟符 合大多数机构投资者对于主动偏股型基金的定义。样本空间：一般开放式基金存在3个月左右的建仓期，即在新基金募集验 资结束后那么进入基金的建仓

56、期，在该阶段内基金将完成初次的资产配置与 仓位确定，随后进入到初期运行状态，建仓完成后经历1年的运营基本进 入稳定运行期。出于对实证结果稳定性的考虑，本次分析的基金均需剔除 每个时间结点成立不满1年的基金。此外，规模较小的基金对于申购、赎 回等投资者行为的抵抗力较弱，存在一定的清盘风险，因此还需同时剔除 最近定期报告披露的季末基金净资产低于1亿元的基金。样本时间区间：2006年1月1日至2019年01月31日。收益率选择：基金复权净值收益率。表1:权益基金样本筛选时间区间 样木就困剔除方式数据来源时间区间 样木就困剔除方式数据来源工程具体内容2006年1月1日至2019年01月31日Wind开

57、放式基金中：股票型（普通股票型、偏股混合型）；1）剔除每个数据节点成立时间不满1年的基金；2）剔除每个数据节点规模小于1亿元的基金；3）剔除每个数据节点连续四个季度平均股票仓位小于50%的基金；4）仅保存初始基金（即：同时存在后缀为A、B、C等的，仅保存后 缀为A的初始基金）Wind底层数据库资料来源: 极值处理（绝对中位数法，MAD）数据清洗的目的是防止可能的统计错误和极端数据对测试结果产生影 响，使用清洗后的数据保证最终得到的模型的稳健性。由于大多数情形下指标值的分布与正态分布偏离度较大的，不适用 3Sigma原理去极值， 本文采用稳健的MAD （ Median Absolute Devi

58、ation绝对中位数法）。首先计算指标值的中位数Medicm.,并定义 绝对中位值为：MAD = median（fi - Median（1.1）采取与3。原那么等价的方法，将大于Medicm/ + 3 * 1.4826 * 的值或 于小于Media叼 - 3 * 1.4826 * MAD的值定义为异常值。在对异常值 做处理时，需要根据因子的具体情况来决定是直接剔除异常值，还是将 异常值设为上下限的数值。本篇报告针对基金动量因子的极值处理方式 选择直接剔除法，主要由于过去一段时间收益异常高（低）的基金常与 运气成分（或风险事件）有关，并不具备长期可持续的基础。12、主动偏股基金样本特征分析主动偏

59、股型基金数量稳步增长。从2001年9月我国的第一只证券投资 基金发行，十几年来基金行业也迎来快速的开展，基金发行数量稳步上升。截 止2019年1月31日，样本内主动偏股型基金共689只，要逐一对单个基 金进行深度研究和覆盖显然不太可行，因此通过一定的量化方法筛选后再酌量 进行深度研究不失为一种好的选择。图1:主动偏股型基金数量稳步上升资料来源：Wind,注：数据截止至2019年1月31日样本内基金仓位相对稳定。通过仓位剔除操作后，根据样本2006至2019 年1月间的基金季报数据，得出样本各年的整体仓位分布：基金的年平均仓 位在均值83.95%上下浮动，仅在2008年仓位出现的较大的回调。图2

60、:主动偏股型基金20062018平均仓位相对稳定从单个基金仓位波动性分布来看，基金大类资产配置风格相对稳定：过 去的13年间仅2只基金仓位波动率超过15%, 90%以上的基金仓位波动率 小于10%,说明样本内的基金长期能够保持大类资产（股票、债券）投资风 格相对稳定O 图3: 2006-2018年基金仓位波动分布直方图QO 25507.510.012.515.017.5资料来源：Wind,样本内主动偏股型基金规模分化程度降低。随着国内公募基金市场产品 数量和种类的扩容，十几年来产品的数量虽不断增加，但单只基金的规模却 有所缩减，基金规模的分化程度降低。截止2018年四季度末，样本内基金 规模中