哪些因素在驱动主动权益基金获得超额收益

1、1、 权益基金因子与分析框架在之前的研究权益基金分析框架：多元立体策略分类及解析基金产品研究系列报告（一）中，我们着重围绕主动权益基金的 Beta 结构进行赛道与风格维度的解析。而哪些因素能够帮助我们从众多主动权益基金中挑选出更具 Alpha能力的基金产品，以及探索选基因子在不同的 Beta 环境下选基能力的差异将是我们本次研究希望探讨的问题。、 因子回测分析框架、 主动权益基金样本我们依然在主动权益基金的范畴内开展我们的研究，对于主动权益基金的划分我们依旧延续之前的分类方法，而考虑到选基因子回测框架的可操作性，我们进一步对基金规模做出约束：基金类型为普通股票型、混合偏股型、平衡混合型和灵活配

2、置型连续四个季度的季报披露持股比例均不低于 60%至少 3 期半年报/年报披露数据，且期间管理时间最长的基金经理未发生变更基金当前合计管理规模大于 1 亿元的初始基金因子的回顾测算周期方面，我们进一步向前拓展至 2012 年使测算周期达到 10年。主动权益基金样本数量在 2016 年之前并没有大幅的变动，2017 年之后主动权益基金数量开始快速提升。截至 2022 年一季度，根据我们的分类方法主动权益基金中 43%的样本为持仓赛道相对分散的全市场类型基金，而随后则是持仓赛道相对集中的双赛道型和单赛道型基金。图 1：主动权益基金样本数量与类型图 2：2022 年 1 季度主动权益基金样本分类占比

3、只16001400120010008006004002002012-032012-092013-032013-092014-032014-092015-032015-092016-032016-092017-032017-092018-032018-092019-032019-092020-032020-092021-032021-092022-030赛道轮动港股基金2%7%单赛道22%双赛道全市场43%全市场赛道轮动双赛道单赛道港股基金26%资料来源：Wind，资料来源：Wind，统计截至 2022 年 3 月31 日、 选基因子回测框架我们将各类型选基因子的测算周期统一调整至季度频率计算。

4、因部分因子需要基 于最近一期的基金季度披露数据，而根据证监会证券投资基金信息披露管理办 法，证券投资基金管理人需要在每个季度结束之日起十五个工作日内，编制完 成基金季度报告，并对外发布。所以我们的选基因子回测在每个季度后次月的最 后一个工作日基于最近可获取的因子数据进行基金分组与计算，也即在每年的 1、 4、7、10 月月底进行调仓。图 3：选基因子回测框架时点图而其他通过半年报、年报数据计算得到基金分类信息，同样需要根据能够实际获取披露信息的时点进行递延调整，也即 4 月、7 月底可以追溯的最近披露报告为前一年年报数据，而 10 月与次年 1 月底可以获取当年的半年报数据。因此我们在大类赛道

5、上的分类也基于 1、4、7、10 月月底能够获取的最新数据为准。资料来源：、 选基因子与驱动逻辑我们在因子的构建上从个股 Alpha 挖掘能力、动量驱动、交易能力驱动和交易的便利性与流动性四个维度出发去构建潜在的选基因子结构。最终我们设立了特质收益因子、收益风险类因子、持仓能力刻画因子和规模类因子共四大类共计 26个小因子。图 4：选基因子结构与驱动逻辑资料来源：特质类因子主要反映基金挖掘 alpha 的能力，我们主要通过构建不同的收益分解因子模型对主动权益基金的收益进行剥离，试图更好刻画基金收益中控制了beta收益后获取 alpha 的能力。在因子的刻画上我们也逐步丰富 beta 因子的结构

6、，来分析不同模型结构下的因子差异。收益风险因子的基本逻辑在于认为之前在收益以及风险调整收益方面具有较好表现的基金能够持续这种特征，核心反映出动量驱动的思想。我们从不同时间区间的收益动量以及不同类型的风险调整收益对基金进行刻画。持仓能力刻画因子主要从基金季度披露的重仓信息出发，反映基金在季度周期中的持仓交易特征。我们着重考察其在重仓股的换手、交易能力以及抱团股持仓特征等方面寻求有效的选基因子。规模类因子本质上能够侧边反映出市场对于基金的追逐以及基金自身对于流动性和交易便利性的控制。我们也发现规模类因子对于基金业绩方面也有独特的影响特征。表 1：选基因子算法定义因子类型因子名称基本算法定义单因子调

7、整Alpha计算 240 个工作日CAPM 的 Alpha 与残差标准差 SE，取 Alpha/SE三因子调整Alpha计算 240 个工作日Fama-French 三因子的Alpha 与残差标准差 SE，取 Alpha/SE四因子调整Alpha计算 240 个工作日Carhart 四因子的 Alpha 与残差标准差 SE，取 Alpha/SE特质收益HM 择时择股计算 240 个工作日H-M 模型的 Alpha，与择时Beta，分别计算截面分位数后求和结构化风险模型 Alpha计算 240 个工作日Barra 模型的Alpha 与残差标准差 SE，取 Alpha/SETM 择时择股计算 24

8、0 个工作日T-M 模型的 Alpha，与择时Beta，分别计算截面分位数后求和最近 20 个工作日基金复权单位净值的涨幅20 日动量中期相对强度先计算 60 个工作日基金复权单位净值的涨幅，再推迟 60 个工作日120 日动量最近 120 个工作日基金复权单位净值的涨幅长期相对强度先计算 180 个工作日基金复权单位净值的涨幅，再推迟 60 个工作日120 日夏普率最近 120 个工作日的年化收益率/最近 120 个工作日的年化标准差120 日卡玛比最近 120 个工作日的年化收益率/最近 120 个工作日的最大回撤120 日索提诺比率最近 120 个工作日的年化收益率/最近 120 个工作

9、日的年化下行标准差收益风险240 日卡玛比最近 240 个工作日的年化收益率/最近 240 个工作日的最大回撤240 日夏普率最近 240 个工作日的年化收益率/最近 240 个工作日的年化标准差240 日索提诺比率最近 240 个工作日的年化收益率/最近 240 个工作日的年化下行标准差长期滚动夏普率先计算最近 4 个月的 240 日夏普率，再取 4 个指标的均值/4 个指标的标准差先计算最近 4 个月的 240 日索提诺比率，再取 4 个指标的均值/4 个指标的标准差长期滚动索提诺比率长期滚动卡玛比先计算最近 4 个月的 240 日卡玛比，再取 4 个指标的均值/4 个指标的标准差持仓交易

10、能力基金季报公布一个月内的收益相对于披露重仓股票收益的差异持仓能力刻画重仓换手率基金最近季度重仓股相对上个季度重仓股持仓比例的变动之和重仓数量抱团股最近季度基金重仓的股票在全部主动权益基金重仓股次数的加权和最近季度基金重仓的股票在全部主动权益基金重仓市值占股票流动市值比例的加权和重仓市值抱团股最新规模基金最近季度披露的资产净值净值短期规模变化基金最近季度的资产净值截面分位数相对上个季度的变动规模类长期规模变化基金最近季度的资产净值截面分位数相对 4 个季度前的变动资料来源：2、 选基因子回测与驱动解析在之前设定的回测框架下，我们对四大类选基因子进行逐一的测算分析，并希望通过选基因子在时序维度上

11、的表现特征，寻求不同的选基因子背后实际的驱动逻辑与因子之间可能潜在的关联关系。、 因子收益表现分析对于单个选基因子，我们在每一期的组合换仓期，基于样本基金最新的因子得分从低到高排序，将可投样本基金等分为 5 个组合，因子得分最高的一组为多头组组合，而组合内的基金产品以等权的形式进行投资。各组合的投资收益以相对于全部参与分组的样本基金等权组合为基准，测算分组收益的表现。而多头组的超额收益则以中证偏股基金指数(930950.CSI)为基准进行测算。、 特质收益因子特质收益因子通过各类因子模型，试图剥离基金业绩中 beta 因子的贡献，进而反映出基金本身的 alpha 收益表现。从最简单的 CAPM

12、 单因子模型逐步到 Fama-French 三因子模型、Carhart 四因子模型以及后续的结构化风险模型，随着模型结构的趋于复杂，我们对于 beta 的剥离也更加全面。图 5：基于多因子模型的基金收益分解方法资料来源：CAPM 模型仅分析对市场收益进行剥离后的特质收益部分，而 Fama-French 三因子和 Carhart 四因子模型在单因子模型的基础上额外剥离市值、估值以及动量等风格因子的收益，结构化风险模型进一步通过纯因子收益，剥离行业与多种风格收益，分析基金的特质收益。表 2：特质收益因子回测统计资料来源：Wind，特质收益因子整体单调性特质好于收益风险因子，但在多头组的超额表现上弱

13、于收益风险因子，而收益波动率更低。因子模型中结构最简单的 CAPM 单因子模型在多头组超额收益和因子单调性上最好，而结构最复杂的结构化风险模型在收益回撤和波动率上的表现最突出。择时择股模型多头组超额收益更高，但超额波动率也更大，因而信息比率并不占优势。特质收益因子：CAPM 单因子调整 Alpha我们对剥离了市场因子收益后的 alpha，除以残差标准差进行调整，以加强因子值的稳健性。单因子的调整 Alpha 选基因子在分组的单调性上比较鲜明，特别是首尾组的收益差额突出。图 6：CAPM 单因子 alpha 因子多头超额收益图 7：CAPM 单因子 alpha 因子分组年化超额收益1.81.71

14、.61.51.41.31.21.110.90.83%2%1%0%-1%-2%-3%-4%第一组第二组第三组第四组第五组资料来源：Wind，资料来源：Wind，图 8：中证 800 指数收益率2.82.62.421.81.61.41.210.8资料来源：CAPM 模型特质收益因子在市场单边行情中的多头超额收益往往较低，如 2014， 2018 年，我们认为是对应年份的市场 beta 的影响大于特质因子收益的效果。市场波动较大的区间，单因子调整 alpha 的多头组超额收益波动也加大。表 3：CAPM 单因子调整 alpha 因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头

15、组超额年化波动率超额 最大回撤信息比夏普比20121.98%6.72%2.03%-2.19%0.980.54201312.04%12.78%4.72%-2.30%2.551.3220140.04%26.40%4.19%-7.77%0.011.5320153.39%51.20%4.77%-2.98%0.711.47201611.13%-14.50%2.08%-0.51%5.36-0.220177.23%13.80%1.90%-1.14%3.811.9720181.01%-23.67%2.49%-2.60%0.41-1.1220194.79%47.98%2.36%-1.72%2.032.95202

16、09.61%58.15%3.58%-2.40%2.683.0520216.86%6.29%7.59%-5.66%0.90.662022(1-6)1.55%-18.00%5.85%-4.04%0.27-0.7全样本时期5.52%13.80%4.06%-9.00%1.360.9资料来源：Wind，特质收益因子：Fama-French 三因子，Carhart 四因子调整 alpha相对于单因子模型，多因子模型的选基因子在剥离了市场、估值、市值因子收益后的 3 因子 alpha 以及在此基础上再剥离了动量因子收益后的 4 因子 alpha，并除以残差标准差进行调整，以加强选基因子的稳健性。图 9：FF

17、3 因子和 Car4 因子模型多头超额收益图 10：FF3 和 Car4 因子分组年化超额收益 1.83%1.62%1.41.210.8三因子调整Alpha四因子调整Alpha1%0%-1%-2%-3%第一组第二组第三组第四组第五组三因子调整Alpha四因子调整Alpha资料来源：Wind，资料来源：Wind，三因子和四因子模型均有较好的分组单调性，多头组超额收益胜率较高，所有年份均跑赢基准指数。在未控制行业的情况下，三因子和四因子模型的差异较小，相对单因子模型，多因子模型多头组超额收益的波动率相对更低，体现出更多风格控制后的提升效果。表 4：FF 三因子调整 alpha 因子多头组各年收益风

18、险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额年化波动率超额 最大回撤信息比夏普比20121.49%6.72%2.31%-2.68%0.650.51201312.28%12.78%4.84%-2.24%2.541.3620141.71%26.40%2.25%-3.31%0.761.7120157.95%51.20%4.23%-2.52%1.881.6620167.50%-14.50%2.11%-0.88%3.55-0.3220177.19%13.80%1.57%-0.91%4.581.8920181.90%-23.67%2.90%-2.32%0.66-1.0620194.36%47

19、.98%2.23%-1.47%1.962.9120204.83%58.15%3.31%-2.76%1.462.9020214.24%6.29%6.98%-5.11%0.610.532022(1-6)3.16%-18.00%4.62%-2.70%0.68-0.62全样本时期5.18%13.80%3.67%-5.11%1.410.89资料来源：Wind，表 5：Carhart 四因子调整 alpha 因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额年化波动率超额 最大回撤信息比夏普比20122.27%6.72%2.27%-2.12%1.000.5620139.07%1

20、2.78%3.30%-1.61%2.751.2320141.08%26.40%1.93%-3.71%0.561.73201510.84%51.20%4.26%-1.57%2.551.7420165.26%-14.50%2.02%-1.64%2.61-0.3920177.18%13.80%1.61%-0.83%4.471.8920181.23%-23.67%2.92%-2.72%0.42-1.0720194.40%47.98%2.73%-2.98%1.612.8520205.69%58.15%3.40%-2.72%1.682.9220215.03%6.29%7.15%-5.29%0.700.57

21、2022(1-6)3.91%-18.00%5.75%-4.69%0.68-0.58全样本时期5.09%13.80%3.64%-5.29%1.400.87资料来源：Wind，特质收益因子：结构化风险模型调整 alpha相对于前述的单因子或者三因子与四因子模型，结构化风险模型刻画在剥离了 30 个中信一级行业和 15 个大类风格等因子收益后的 Alpha，同样除以残差标准差进行调整，加强因子值的稳健性。图 11：结构化风险模型 alpha 因子多头超额收益图 12：结构化风险模型 alpha 因子分组年化超额收益1.81.71.61.51.41.31.21.110.90.82.0%1.5%1.0%

22、0.5%0.0%-0.5%-1.0%-1.5%-2.0%第一组第二组第三组第四组第五组资料来源：Wind，资料来源：Wind，风险模型使用行业因子和风格因子的纯因子收益对基金收益进行拆分，在剥离 beta 收益的的效果上优于三因子和四因子模型。相较于三因子、四因子模型，结构化风险模型Alpha 的因子多头超额收益虽然略低，但超额收益波动率显著降低。同为多因子 Alpha 因子模型，结构化风险模型的多头组超额收益表现出更好的回撤控制与信息比，这也与模型刻画进一步稳健的逻辑相一致。表 6：结构化风险模型调整 alpha 因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额

23、年化波动率超额 最大回撤信息比夏普比2012-1.09%6.72%2.18%-4.35%-0.500.33201312.89%12.78%3.68%-1.46%3.501.442014-0.16%26.40%1.91%-2.76%-0.091.6020155.66%51.20%3.86%-3.05%1.471.5220165.80%-14.50%2.34%-2.09%2.47-0.3620171.06%13.80%1.59%-1.63%0.661.3120182.08%-23.67%3.56%-4.48%0.58-1.0620197.87%47.98%3.62%-3.10%2.173.0920

24、209.19%58.15%3.18%-1.52%2.893.06202110.02%6.29%4.24%-1.78%2.360.912022(1-6)0.00%-18.00%3.52%-3.08%0.00-0.76全样本时期4.97%13.80%3.16%-4.53%1.570.87资料来源：Wind，特质收益因子：HM 模型、TM 模型择时择股因子我们分别以 HM、TM 模型的 alpha 因子与择时因子的截面排序之和作为选基的因子，反映基金择时择股综合能力。相对于没有择时控制的 CAPM 单因子模型， HM 和 TM 模型考虑了基金在市场 beta 上的择时暴露，多头组超额收益表现受 be

25、ta 纯因子收益的影响更大。图 13：择时择股综合因子多头超额收益图 14：择时择股综合因子分组年化超额收益21.81.61.41.210.8 HM择时择股TM择时择股BETA3%2%1%0%-1%-2%-3%-4%第一组第二组第三组第四组第五组HM择时择股TM择时择股资料来源：Wind，资料来源：Wind，在 beta 纯因子收益波动上升区间，多头组超额收益的稳定性下降，选基因子的风险提高。相对于多因子模型，择时择股因子多头组超额收益的回撤更大，不适合单独使用。表 7：HM 模型择时择股因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额年化波动率超额 最大回撤信息

26、比夏普比20121.84%6.72%2.45%-3.18%0.750.53201311.58%12.78%6.11%-3.81%1.891.2520140.66%26.40%3.04%-3.83%0.221.6220156.24%51.20%4.17%-2.57%1.501.5620166.06%-14.50%2.01%-0.69%3.01-0.3620178.83%13.80%2.56%-1.82%3.451.962018-1.71%-23.67%3.26%-4.07%-0.52-1.1520196.60%47.98%3.18%-2.29%2.072.97202013.17%58.15%5.

27、32%-3.35%2.483.1120218.76%6.29%9.42%-7.18%0.930.702022(1-6)0.66%-18.00%7.83%-7.77%0.08-0.64全样本时期5.84%13.80%4.85%-9.46%1.200.88资料来源：Wind，表 8：TM 模型择时择股因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额年化波动率超额 最大回撤信息比夏普比20120.88%6.72%2.36%-2.91%0.370.46201310.78%12.78%5.83%-3.57%1.851.2120140.18%26.40%3.29%-4.23%

28、0.051.5820156.90%51.20%4.45%-3.31%1.551.6120166.25%-14.50%2.17%-0.81%2.88-0.3520178.11%13.80%2.50%-1.51%3.241.902018-3.37%-23.67%3.14%-4.85%-1.07-1.1820197.40%47.98%3.25%-1.75%2.283.02202013.68%58.15%5.33%-3.22%2.573.14202110.05%6.29%9.37%-7.17%1.070.772022(1-6)2.93%-18.00%8.24%-7.66%0.36-0.57全样本时期5

29、.81%13.80%4.88%-9.15%1.190.88资料来源：Wind，、 收益风险类因子收益风险因子的逻辑基础在于认为收益风险表现较好的基金，其业绩具备一定的可持续性，核心的驱动逻辑在于动量的持续性。收益风险因子整体表现在四个因子大类中相对最优，而单纯从收益端刻画的动量与通过风险调整收益后的因子之间差异相对较小，说明风险控制端在因子中的影响较小。动量因子着重刻画收益端的表现，以区间收益为衡量指标。而在风控端的表现我们选取波动率、区间最大回撤和下行波动为衡量指标，进而结合两端后的风险调整收益我们考量夏普率、卡玛比和索提诺比率的选基效果。图 15：风险调整收益类因子的构建逻辑资料来源：对于

30、风险调整类因子，我们可以看到随着因子测算周期的增长，风险调整收益类的因子在稳健性上也明显提升，多头组超额收益以及信息比随着因子构建时间的拉长而进一步提高。表 9：收益风险类因子回测统计资料来源：Wind，收益风险因子：动量因子（20 日动量, 120 日动量）动量因子测算基金最近 20(120)个交易日的复权单位净值涨跌幅，反映基金短期业绩表现。从因子的分组计算结果表明，动量因子单调性明显，20 日动量的分数收益区别更明显，说明短期动量效应的存在。图 16：动量因子多头超额收益图 17：动量因子分组年化超额收益 2.11.91.71.51.31.10.920日动量120日动量3%2%1%0%-

31、1%-2%-3%第一组第二组第三组第四组第五组20日动量120日动量资料来源：Wind，资料来源：Wind，通过于动量纯因子收益的对照可以看到，当动量纯因子反转后的年份往往短期动量因子的表现风险较大。图 18：动量纯风格因子收益1.31.21.110.90.8资料来源：Wind，因子多头组超额收益的波动于动量因子也有一定关联，在动量因子波动上升的区间短期动量因子多头组的超额收益也容易出现波动。表 10：20 日动量因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额年化波动率超额 最大回撤信息比夏普比2012-0.08%6.72%3.23%-2.94%-0.020.4

32、0201312.56%12.78%4.30%-1.88%2.921.362014-6.18%26.40%4.15%-8.64%-1.491.07201515.76%51.20%6.61%-5.84%2.381.7520162.24%-14.50%4.39%-3.41%0.51-0.4820177.94%13.80%4.19%-2.78%1.891.702018-1.86%-23.67%4.61%-5.48%-0.40-1.2420193.93%47.98%3.98%-3.21%0.992.84202018.23%58.15%6.58%-6.62%2.773.27202113.94%6.29%1

33、0.73%-8.64%1.300.832022(1-6)-1.71%-18.00%8.76%-7.77%-0.20-0.88全样本时期5.95%13.80%5.86%-8.91%1.020.86资料来源：Wind，收益风险因子：相对强度因子（60 到 120 日, 60 到 240 日）相对强度因子反映基金最近 60 到最新 120(240)个交易日的区间净值涨跌幅，是基金扣除短期影响后的中长期动量效应。相对短期动量因子，相对强度因子选基多头组的超额波动率更低收益更稳健。图 19：相对强度因子多头超额收益图 20：相对强度因子分组年化超额收益 2.221.81.61.41.210.84%3%2

34、%1%0%-1%-2%-3%-4%第一组第二组第三组第四组第五组中期相对强度长期相对强度中期相对强度长期相对强度资料来源：Wind，资料来源：Wind，相对强度因子多头组超额收益的波动与动量因子也有一定关联，同样在动量因子波动上升的区间相对强度因子风险更大，这一点与短期动量因子比较相似。也侧面反映出两类因子背后的驱动逻辑是一致的。表 11：60 到 120 日相对强度因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额年化波动率超额 最大回撤信息比夏普比2012-2.82%6.72%2.70%-3.52%-1.040.2320134.29%12.78%5.45%-4.

35、36%0.790.87201411.65%26.40%3.63%-3.51%3.212.41201511.35%51.20%6.36%-5.91%1.781.6720166.17%-14.50%2.75%-2.87%2.24-0.3520176.95%13.80%2.27%-1.28%3.061.8320183.15%-23.67%4.17%-5.35%0.76-0.9720196.60%47.98%2.89%-2.73%2.293.06202012.14%58.15%5.57%-3.70%2.183.00202115.29%6.29%7.06%-5.42%2.161.022022(1-6)-

36、14.16%-18.00%6.87%-7.71%-2.06-1.22全样本时期6.27%13.80%4.72%-11.02%1.330.89资料来源：Wind，对比中期与长期相对强度，中期相对强度更容易在单边行情下出现随涨随跌的特征，如 2012、2014、2020 以及今年以来的时间区间，因而在单边行情中需要对相对强度因子提高警惕。表 12：60 到 240 日相对强度因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额年化波动率超额 最大回撤信息比夏普比20121.80%6.72%2.42%-1.92%0.750.55201312.37%12.78%5.92%-3

37、.97%2.091.3120140.80%26.40%4.95%-6.50%0.161.5120157.68%51.20%4.42%-3.70%1.741.5520167.04%-14.50%2.03%-1.06%3.47-0.3220175.51%13.80%1.85%-1.02%2.971.7220182.50%-23.67%3.37%-4.14%0.74-1.0020193.81%47.98%3.03%-3.16%1.262.9520208.41%58.15%4.68%-5.02%1.792.80202113.11%6.29%6.07%-4.20%2.160.892022(1-6)-0.

38、60%-18.00%7.98%-7.52%-0.07-0.69全样本时期5.89%13.80%4.39%-8.80%1.340.87资料来源：Wind，收益风险因子：夏普率因子（120 日夏普、240 日夏普、240 日滚动夏普）我们以 120 日和 240 日的交易日区间测算基金中长期的夏普率表现，进一步通过连续 4 个月的长期夏普均值除以标准差衡量夏普率滚动平滑后的效果。测算结果表明，随着测算周期的延长因子最高最低组的收益差异进一步拉大，单调性提升较为明显，说明持续稳定的长期夏普率因子更加稳健。图 21：夏普率因子多头超额收益图 22：夏普率因子分组年化超额收益21.81.61.41.21

39、0.8120日夏普率240日夏普率长期滚动夏普率4%3%2%1%0%-1%-2%-3%-4%第一组第二组第三组第四组第五组120日夏普率240日夏普率长期滚动夏普率资料来源：Wind，资料来源：Wind，而长期夏普因子的风险主要出现在长期的单边下行市场，如 2018 年往往难以取得显著的超额收益。表 13：240 日滚动夏普率因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额年化波动率超额 最大回撤信息比夏普比20122.52%6.72%2.47%-3.19%1.020.55201310.77%12.78%6.03%-4.06%1.781.2220146.45%26

40、.40%4.27%-4.89%1.511.9720154.64%51.20%6.10%-6.63%0.761.54201611.20%-14.50%2.90%-0.82%3.85-0.2020176.45%13.80%2.32%-1.63%2.781.982018-0.46%-23.67%3.07%-3.63%-0.15-1.1420196.89%47.98%2.56%-1.36%2.693.1520209.72%58.15%4.46%-3.38%2.183.1620218.32%6.29%8.87%-7.22%0.940.702022(1-6)4.89%-18.00%6.21%-3.66%0

41、.79-0.58全样本时期6.51%13.80%4.82%-7.22%1.350.95资料来源：Wind，收益风险因子：卡玛比因子（120 日卡玛、240 日卡玛、240 日滚动卡玛）我们以 120 日和 240 日的交易日区间测算基金中长期的卡玛比表现，进一步通过连续 4 个月的长期卡玛均值除以标准差衡量卡玛比滚动平滑后的效果。测算结果表明，同样作为风险调整收益测算指标，卡玛比因子在特征方面与夏普率因子有很大的相似度，随着测算周期的延长因子最高最低组的收益差异进一步拉大，单调性提升较为明显，同样是持续稳定的长期卡玛比因子更加稳健。图 23：卡玛比因子多头超额收益图 24：卡玛比因子分组年化超

42、额收益 21.81.61.41.210.84%3%2%1%0%-1%-2%-3%-4%第一组第二组第三组第四组第五组120日卡玛比240日卡玛比长期滚动卡玛比120日卡玛比240日卡玛比长期滚动卡玛比资料来源：Wind，资料来源：Wind，表 14：240 日滚动卡玛比因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额年化波动率超额 最大回撤信息比夏普比20120.71%6.72%2.33%-3.30%0.300.44201310.89%12.78%5.89%-3.69%1.851.2320144.27%26.40%4.11%-5.16%1.041.8220156.

43、08%51.20%5.26%-5.44%1.151.58201611.03%-14.50%2.75%-0.75%4.01-0.2020176.53%13.80%2.37%-1.70%2.751.972018-0.37%-23.67%3.00%-4.02%-0.12-1.1320197.43%47.98%2.64%-1.27%2.823.1920209.02%58.15%4.11%-3.03%2.203.14202111.36%6.29%8.95%-7.33%1.270.852022(1-6)5.82%-18.00%6.21%-3.79%0.94-0.55全样本时期6.58%13.80%4.67

44、%-7.33%1.410.95资料来源：Wind，收益风险因子：索提诺比率因子（120 日索提诺比率、240 日索提诺比率、240日滚动索提诺比率）我们以 120 日和 240 日的交易日区间测算基金中长期的索提诺比率表现，进一步通过连续 4 个月的长期索提诺比率均值除以标准差衡量索提诺比率滚动平滑后的效果。测算结果表明，三个风险调整收益测算指标，夏普率、卡玛比与索提诺比率因子在单调性和多头组收益特征都有很大的相似度，随着测算周期的延长因子最高最低组的收益差异进一步拉大，单调性提升较为明显。图 25：索提诺比率因子多头超额收益图 26：索提诺比率因子分组年化超额收益21.81.61.41.21

45、0.8120日索提诺比率240日索提诺比率长期滚动索提诺比率4%3%2%1%0%-1%-2%-3%-4%第一组第二组第三组第四组第五组120日索提诺比率240日索提诺比率长期滚动索提诺比率资料来源：Wind，资料来源：Wind，各因子都随着测算周期的延长因子最高最低组的收益差异进一步拉大，且持续稳定的因子更加稳健，因此我们认为驱动风险调整收益类因子的逻辑主要在于收益端的表现而非风控端。表 15：240 日滚动索提诺比率因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额年化波动率超额 最大回撤信息比夏普比20122.22%6.72%2.50%-3.30%0.890.5

46、3201311.10%12.78%6.17%-4.03%1.801.2320146.16%26.40%4.25%-4.95%1.451.9520154.82%51.20%5.80%-6.81%0.831.55201610.90%-14.50%2.85%-0.73%3.83-0.2120176.36%13.80%2.23%-1.58%2.851.962018-0.27%-23.67%3.06%-4.04%-0.09-1.1320196.81%47.98%2.56%-1.35%2.663.1420209.24%58.15%4.29%-3.31%2.153.1420219.25%6.29%8.70%

47、-7.02%1.060.742022(1-6)5.29%-18.00%6.18%-3.75%0.86-0.57全样本时期6.53%13.80%4.75%-7.02%1.370.95资料来源：Wind，、 持仓能力刻画因子持仓能力刻画因子基于权益基金最近一期季报的重仓披露数据进行测算，寻求基金重仓抱团股的特征与重仓调整所反映出的信息。相较于其他大类因子，持仓能力刻画因子整体的因子单调性偏弱，部分因子的多头超额收益与特质收益率因子相当但弱于收益风险因子。我们认为持仓能力刻画因子更多体现出基金经理在短期调仓中反映出的选股以及交易能力。在持仓能力刻画因子中相对来说主动权益基金抱团股重仓因子的收益表现较

48、弱，不论是因子的单调性还是多头组超额收益都无法体现出较好的选基效果。因子多头组多头组多头组多头组 多头组超额 多头组超额 多头组超额多头组Rank Rank年化收益 年化波动 最大回撤 夏普率年化收益年化波动率最大回测信息比率表 16：持仓能力刻画因子回测统计持仓交易能力18.72%23.06%-46.10%0.814.33%4.80重仓换手率19.16%23.37%-47.80%0.82重仓数量抱团股16.78%22重仓市值抱资料来源：Wind，持仓能力刻画因子：持仓交易能力因子持仓交易能力因子通过分析基金披露重仓股后，重仓股的收益排名与基金收益排名的差异来反映基金经理近期交易的收益贡献能力

49、，具备更好交易能力的基金其收益与最近季度披露的重仓股票收益有较好的一致性且相对披露持仓的股票收益越高则反映出基金越好的交易能力。图 27：持仓交易能力因子多头超额收益图 28：持仓交易因子分组年化超额收益1.71.61.51.41.31.21.110.90.82%1%1%0%-1%-1%-2%第一组第二组第三组第四组第五组持仓交易能力资料来源：Wind，资料来源：Wind，持仓交易能力因子具有一定选基分组效应，但各组的超额收益差异相较其他因子较小。图 29：波动率纯因子收益1.21.110.90.8资料来源：Wind，持仓交易能力在市场短期波动加大的行情区间中可能不易体现，在波动率纯因子收益快

50、速下滑的区间，多头组超额收益更高。表 17：持仓交易能力因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额年化波动率超额 最大回撤信息比夏普比2012-3.86%6.72%3.08%-4.26%-1.260.1620136.86%12.78%4.31%-2.60%1.591.032014-2.48%26.40%3.57%-4.98%-0.691.36201510.32%51.20%5.56%-3.93%1.861.6620165.90%-14.50%3.21%-2.16%1.84-0.3720175.52%13.80%3.41%-2.35%1.621.5520181

51、.09%-23.67%3.81%-4.13%0.29-1.1620192.29%47.98%2.50%-3.04%0.922.78202014.24%58.15%4.80%-4.00%2.973.2320218.57%6.29%8.84%-7.16%0.970.642022(1-6)-3.11%-18.00%7.32%-6.23%-0.43-0.92全样本时期4.33%13.80%4.80%-7.16%0.900.81资料来源：Wind，持仓能力刻画因子：重仓换手率因子重仓换手率因子刻画基金重仓股季度调整情况，我们认为季度高换手的基金反映了基金经理对最新信息的反应调整能力，或者积极发掘新的投资

52、机会的操作。测算结果表明，重仓换手率因子的分组单调性较好，具有一定的选基能力。图 30：重仓换手率因子多头超额收益图 31：重仓换手率因子分组年化超额收益 1.71.61.51.41.31.21.110.90.82.0%1.5%1.0%0.5%0.0%-0.5%-1.0%-1.5%-2.0%第一组第二组第三组第四组第五组重仓换手率资料来源：Wind，资料来源：Wind，而在市场行情波动较快的区间，重仓的换手更能反映出基金的调整能力，如 2015、 2020 以及 2021 年。图 32：中证 800 指数收益率2.82.62.42.221.81.61.41.210.8资料来源：Wind，表 1

53、8：重仓换手率因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额年化波动率超额 最大回撤信息比夏普比2012-0.65%6.72%2.63%-2.47%-0.250.3620137.67%12.78%5.14%-3.39%1.491.0420141.83%26.40%3.95%-4.75%0.461.5920159.96%51.20%5.55%-3.30%1.791.6120162.60%-14.50%2.63%-2.79%0.99-0.4620173.15%13.80%2.14%-1.09%1.471.422018-0.77%-23.67%3.38%-2.69%-

54、0.23-1.1920196.22%47.98%3.71%-3.37%1.682.99202010.13%58.15%4.09%-3.99%2.473.00202111.83%6.29%7.38%-5.34%1.600.872022(1-6)-2.96%-18.00%3.97%-2.67%-0.75-0.88全样本时期4.72%13.80%4.31%-5.34%1.090.82资料来源：Wind，持仓能力刻画因子：重仓抱团股因子我们分别通过对主动权益基金重仓股被基金持股的基金数以及被持有市值占股票流通市值的比例作为抱团股的判断指标。根据基金季度披露的重仓股权重，对抱团股计算基于数量与市值的重仓

55、股持仓指标。图 33：重仓抱团股因子多头超额收益图 34：重仓抱团股因子分组年化超额收益1.41.31.21.110.90.81.5%1.0%0.5%0.0%-0.5%-1.0%-1.5%第一组第二组第三组第四组第五组重仓数量抱团股重仓市值抱团股重仓数量抱团股重仓市值抱团股资料来源：Wind，资料来源：Wind，从因子分组效果上来说，重仓抱团股因子在选基分组上的表现并不显著，集中持有抱团股与较少参与抱团股的基金超额业绩都不高。表 19：重仓数量抱团股因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额年化波动率超额 最大回撤信息比夏普比20122.44%6.72%2.

56、83%-2.36%0.860.5820133.65%12.78%3.18%-2.31%1.150.922014-7.38%26.40%3.02%-9.34%-2.451.0120156.11%51.20%3.51%-3.29%1.741.5220163.23%-14.50%2.26%-1.81%1.43-0.4620176.81%13.80%2.82%-1.93%2.421.762018-1.90%-23.67%2.59%-3.77%-0.74-1.1920195.35%47.98%2.32%-1.34%2.303.04202010.35%58.15%3.52%-1.68%2.943.3420

57、21-0.76%6.29%3.65%-4.71%-0.210.262022(1-6)1.60%-18.00%2.75%-2.89%0.58-0.73全样本时期2.62%13.80%3.00%-10.34%0.870.75资料来源：Wind，但在少数抱团股行情较为显著的区间，比如 2020 年，重仓抱团股因子的多头组合会有较高的超额收益，体现出因子确实反映出抱团股特征。表 20：重仓市值抱团股因子多头组各年收益风险统计多头组超额年化收益率偏股基金指数年化收益率多头组超额年化波动率超额 最大回撤信息比夏普比20121.55%6.72%3.19%-3.74%0.490.5120139.07%12.7

58、8%4.65%-3.33%1.951.212014-7.82%26.40%4.14%-10.78%-1.890.95201512.80%51.20%5.94%-2.67%2.151.7020161.08%-14.50%3.03%-3.65%0.36-0.492017-0.93%13.80%2.78%-3.10%-0.330.992018-1.90%-23.67%3.22%-5.08%-0.59-1.1520198.50%47.98%3.14%-2.29%2.713.17202010.94%58.15%2.93%-1.99%3.733.2620211.91%6.29%3.63%-3.77%0.5

59、30.382022(1-6)1.08%-18.00%2.75%-2.05%0.39-0.71全样本时期3.21%13.80%3.75%-11.28%0.860.75资料来源：Wind，、 规模类因子规模类因子一定程度上代表了投资者对基金的认可程度，规模的快速增长反映了 市场资金对于基金的追逐。另一方面规模类因子也影响了基金整体策略上的实现，同类策略不同规模的基金组合，在策略的实现和调整差异较大。因子表现方面，仅有当前规模因子的因子单调性较为突出，RankICIR 值与胜率均是所有测试因子中最高的，而规模变化因子的单调性较差，因子选基能力相对较弱，也有可能截面规模相对水平的变化与基金业绩本身的关

60、系更大有一定的关系。表 21：规模类因子回测统计资料来源：Wind，规模类因子：最新规模最新规模因子为基金最近披露的资产净值的市场逆序排序，因而小基金的因子值更大。我们认为相对于规模较大的基金，小规模基金的策略实现与调整更加便利，交易的冲击成本更低。图 35：最新规模因子多头超额收益图 36：最新规模因子分组年化收益1.91.81.71.61.51.41.31.21.110.93%2%1%0%-1%-2%-3%-4%第一组第二组第三组第四组第五组最新规模资料来源：Wind，资料来源：Wind，最新规模因子单调性明显，多头组超额收益非常稳健。规模因子的有效性容易受 到市场整体表现的影响，偏股基金