如何评价基金的调整能力

1、目录 HYPERLINK l _TOC_250014 行业配置和个股选择 4 HYPERLINK l _TOC_250013 基金的超额收益来源 4 HYPERLINK l _TOC_250012 行业和个股之间分化显著 5 HYPERLINK l _TOC_250011 公募 FOF 青睐基金的特征 7 HYPERLINK l _TOC_250010 基金调整能力的刻画 9 HYPERLINK l _TOC_250009 复制个股因子 10 HYPERLINK l _TOC_250008 利用季报持仓 10 HYPERLINK l _TOC_250007 不利用季报持仓 12 HYPERLI

2、NK l _TOC_250006 复制行业因子 15 HYPERLINK l _TOC_250005 FOF 策略组合的构建 17 HYPERLINK l _TOC_250004 常见的选基因子 17 HYPERLINK l _TOC_250003 复制持仓因子的有效性 18 HYPERLINK l _TOC_250002 综合选基因子 19 HYPERLINK l _TOC_250001 FOF 策略组合 20 HYPERLINK l _TOC_250000 风险提示 22图表目录图表 1：基金的超额收益分解 4图表 2：主动股基历史的季度股票仓位变化 5图表 3：主动股基择时能力显著的数量

3、占比 5图表 4：2010 年以来每一年度行业收益率涨跌幅 6图表 5：2010 年以来不同行业的月度胜率 6图表 6：全部A 股年度收益率分 5 组的转移概率 7图表 7：收益率最高的前 20%股票占比 7图表 8：2020Q4 公募 FOF 偏爱的非自家基金 8图表 9：2021Q1 公募 FOF 偏爱的非自家基金 8图表 10：基金的多期 Brinson 模型业绩归因分析 8图表 11：基金调整能力的分析示意图 9图表 12：复制个股因子的RankIC 序列（利用季报） 10图表 13：复制个股因子分 5 组的年化超额（利用季报） 10图表 14：复制个股因子的多空净值表现对比（利用季报

4、） 11图表 15：使用不同期数对因子进行敏感性测试（利用季报） 11图表 16：复制个股因子的RankIC 值序列（不利用季报） 12图表 17：复制个股因子分 5 组的年化超额（不利用季报） 12图表 18：复制个股因子的多空净值表现对比（不利用季报） 12图表 19：使用不同期数进行因子的敏感性测试（不利用季报） 13图表 20：不同时间长度计算复制个股因子的示意图 13图表 21：复制个股因子在报告期后 2 个月的检验效果 14图表 22：复制个股因子多空表现（不用季报、报告期后 2 个月） 14图表 23：复制行业因子的RankIC 值序列 15图表 24：复制行业因子分 5 组的年

5、化超额 15图表 25：复制行业因子的多空净值表现对比 16图表 26：使用不同期数对复制行业因子进行敏感性测试 16图表 27：复制行业因子在报告期后 1 个月和 2 个月的检验效果 16图表 28：常见选基因子的测试结果 17图表 29：选基因子之间的相关系数 18图表 30：复制持仓因子剥离常见选基因子之后的分组测试 18图表 31：综合选基因子的RankIC 值序列 19图表 32：综合选基因子的分组单调性 19图表 33：综合选基因子的多空净值表现 19图表 34：FOF 策略组合净值表现 20图表 35：FOF 策略组合与相应基准的年度收益率 21图表 36：不同调仓时点、不同选基

6、数量条件下策略组合的超额对比 21图表 37：最新 5 月综合选基因子得分最高的 20 只主动股基名单 22行业配置和个股选择资产配置、行业配置、个股选择是基金获取超额收益的重要来源。但是通过查阅大量基金定期报告中的投资策略和基金经理的公开访谈资料，我们发现 A 股大部分主动权益基金经理都很少做择时操作，股票的仓位会一直保持在相对较高的水平；因此，大多数基金的超额收益来源主要是行业配置和精选优质个股。通常而言，基金经理会具有自己的投资能力圈，会在自己擅长的行业和板块内来选股做投资；本篇报告聚焦基金的调整能力，探究基金的调整能力对基金未来的业绩是否有预测作用，本文先回顾了 A 股市场上存在显著的

7、行业、个股分化现象，对于基金经理而言选对好的行业、选对好的个股有较高的难度；其次根据基金报告期的持仓信息构造调整能力相关的因子，然后将构造的调整能力相关的因子与其他常见的选基因子结合，来构造一个 FOF 基金精选组合。基金的超额收益来源行业配置和个股选择是基金超额收益的主要来源。根据 Brinson 模型业绩归因，基金的超额收益来源可以分为资产配置、行业配置和个股选择三个部分。资产配置是指根据市场环境对股票仓位进行加仓或者减仓操作，行业配置表示对看好的行业超配不看好的行业低配，个股选择表示挖掘内在价值被市场低估、未被市场合理定价的个股。不同的基金，其收益来源的差异可能会比较大，有些基金超额收益

8、主要来源于行业配置，有些基金超额收益主要来源于个股选择，有些基金超额收益主要来源于行业配置和个股选择；但大部分主动股基的超额收益来源很少来源于资产配置，以下我们从基金的股票仓位和基金的择时能力来说明资产配置对主动股基超额的贡献低。图表1： 基金的超额收益分解资料来源：Wind，从基金的股票仓位看，我们选取普通股票型和偏股型混合型基金季度仓位的中位数来代表普通股票型和偏股混合型基金整体的仓位变化。普通股票型基金的仓位从 2010 年以来稳定在 80%-90%区间，中位数 88.30%，仓位变动不超过 10%，整体变动不大；偏股混合型基金的仓位从 2010 年以来稳定在 70%-90%区间，中位数

9、 84.76%，大部分时间也保持稳定。值得注意的是，普通股票型和偏股混合型基金季度之间仓位的变化还会受到市场本身的上涨下跌和基金正常申购赎回的影响，如果将这些因素剔除，季度之间仓位的变化可能会更小。从基金的择时能力来看，我们用 TM 模型中的 Beta 项系数来判断基金的择时能力，TM 模型的介绍如下：2R R a ( R R ) ( R R ) pf1mf2mfpRp 表示的是基金的收益率，Rm 表示的是市场的收益率，Rf 表示的是无风险利率，第一项回归系数 Beta 表示基金承担的系统性风险，第二项回归系数 Beta 表示基金的择时能力。我们在 2010 年以来的每一年末计算主动股基过去

10、1 年、过去 2 年、过去 3 年、过去 5 年的择时能力，从统计结果来看，在 10%的显著性水平下，除 2018 年之外的其余年份主动股基择时能力显著的数量占比基本都在 5%以下，具备显著择时能力的样本占比数量偏低，这说明大部分主动股基都不具备显著的择时能力。图表2： 主动股基历史的季度股票仓位变化图表3： 主动股基择时能力显著的数量占比资料来源：Wind，资料来源：Wind，行业和个股之间分化显著A 股市场上存在明显的行业轮动现象，不同的行业之间分化显著。我们统计了 2010 年以来 28 个申万一级行业的每年度涨幅和申万一级行业在不同月份中的胜率，来观察不同行业之间的表现是否有差异；从行

11、业的年度涨跌幅统计来看，不同行业在不同年度的涨跌幅有着明显的差别，年度涨幅最高的行业与涨幅最低的行业收益率之差都超过了 30%，在部分年份甚至都超过了 100%。例如 2015 年计算机涨幅100.29%，同期的非银金融下跌 16.90%；2017 年食品饮料 53.85%，同期的纺织服装下跌 23.85%；电子在 2018 年跌幅最大达 42.37%，在 2019 年又成为涨幅最高的行业；2019 年、2020 年整体涨幅较好的消费、医药、TMT 板块在 2021 年春节之后又出现较大的回撤，之前表现较差的周期板块在 2021 年又异军突起；长期而言 2016 年之后大消费板块表现相对较优。

12、从不同行业的月度胜率来看，1 月国防军工胜率最高，公用事业最低；2 月份多数行业胜率都较高，整体而言 TMT板块占优；4、5 月份食品饮料、家电胜率较高，消费板块相对占优； 7、8 月份国防军工、化工、食品饮料等行业胜率较高；10 月份银行、家电、医药生物胜率较高；行业之间也存在着显著的日历效应。图表4： 2010 年以来每一年度行业收益率涨跌幅板块行业20102011201220132014201520162017201820192020 20210430食品饮料20.81-10.37-0.74-7.3616.0326.587.4353.85-21.95 72.8784.97-2.37 家用

13、电器-0.02-24.7615.8439.3321.2842.73-1.8743.03-31.40 56.9931.08-8.42 汽车-10.50 -34.345.0112.6238.4346.90-9.53-0.52-34.34 14.6045.85-5.55纺织服装7.51-25.52 -10.158.1633.2789.17-13.56 -23.85 -34.337.09-7.082.45消费商业贸易休闲服务轻工制造农林牧渔4.458.511.7921.06-33.30-24.25-30.85-31.18-11.83 5.24-2.57-5.0513.2219.4721.4817.29

14、32.8237.2428.8316.2745.5178.4589.8666.77-13.47-21.19-14.36-8.58-13.60-4.17-12.62-12.62-32.70-10.61-36.62-22.448.8027.9219.2745.45-0.22 99.3815.7618.29-5.34 11.488.260.55医药医药生物电子计算机29.6939.3826.44-30.89-41.38-34.468.47-0.74-4.5236.5642.7866.9516.0218.5640.3156.6871.97100.29-13.46-12.70-30.323.5613.47

15、-11.26-27.67-42.37-24.5336.8551.1073.7736.0548.049.756.47-2.05-10.90TMT制造周期金融通信传媒电气设备机械设备国防军工公用事业交通运输综合采掘化工钢铁有色金属建筑材料建筑装饰银行非银金融房地产-9.77-2.72 20.2226.0818.38-12.14-11.51 16.01-5.86-22.40-28.32 22.1014.435.82-22.50-24.89-24.16-28.50-22.36-42.53-38.01-33.09-22.72-32.72-27.11-27.86-31.06-28.24-41.81-32.

16、71-32.03-4.85-31.92-22.00-24.83-5.39-18.68-10.45-5.66 5.69-4.23-3.08-4.50 0.28-4.78 13.644.3218.5414.4828.1031.7334.71107.0232.2316.4633.3510.785.2712.36-31.18 6.54-17.27-29.64-8.36-12.27-9.19-4.80-11.9441.0017.5331.55-37.93 53.8955.6864.7645.6024.1027.3978.3438.3942.9583.3163.18121.1665.2872.6976.7

17、460.4746.7728.5022.9032.5671.18-0.43 55.011.8015.3826.8514.08-1.36-16.90 44.85-15.95-32.39-17.18-16.84-18.58-17.69-22.60-12.89-5.76-7.13-8.13-6.17 0.03-0.44-4.93-14.69-17.69-3.05-23.10-8.46-10.19-16.65-7.05 6.53-21.47-0.01-3.81 19.7415.396.05-6.26 13.2817.300.80-31.32-39.58-34.95-35.11-31.04-29.72-3

18、0.17-39.30-32.71-31.72-29.62-41.04-30.30-29.27-14.67-25.37-28.7919.9621.2024.3723.9227.195.1217.2826.139.0724.22-2.09 24.2751.03-2.12 22.9345.5122.75-8.33 7.8694.7131.0657.980.980.2413.05-1.34 34.984.9034.7723.74-7.92-3.25 6.11-10.85-14.62-6.59 1.25-1.14-22.55 1.49-2.11 4.437.617.8025.898.517.182.02

19、7.80-15.56-2.75涨幅最高的行业收益率涨幅最低的行业收益率最高最低收益差39.38-28.32 67.71-4.85-42.53 37.6831.73-24.83 56.56107.02121.16-31.18 -37.93 138.21 159.09100.29-16.90 117.197.43-32.39 39.8253.85-23.85 77.70-10.61-42.37 31.7673.77-2.12 75.8899.38-10.85 110.2325.89-22.55 48.45资料来源：Wind，图表5： 2010 年以来不同行业的月度胜率板块行业1月2月3月4月5月6

20、月7月8月9月10月11月12月食品饮料33.3366.6741.6758.3372.7345.4563.6463.6454.5572.7372.7354.55家用电器50.0058.3341.6758.3372.7354.5554.5536.3663.6490.9154.5572.73汽车58.3375.0033.3358.3345.4554.5536.3654.5572.7354.5563.6436.36消费纺织服装商业贸易25.0091.6750.0025.0036.3645.4545.4554.5527.2754.5563.6436.3650.0066.6758.3341.6736.3

21、636.3663.6445.4554.5554.5545.4545.45休闲服务41.6775.0066.6741.6754.5545.4563.6463.6472.7345.4554.5554.55轻工制造41.6775.0041.6733.3354.5545.4563.6463.6445.4572.7354.5527.27农林牧渔41.6791.6733.3333.3336.3645.4572.7363.6445.4563.6463.6445.45医药医药生物41.6775.0058.3350.0063.6463.6454.5554.5545.4581.8254.5554.55电子50.0

22、083.3358.3341.6745.4554.5563.6463.6445.4563.6472.7336.36TMT计算机通信41.6783.3350.0025.0045.4554.5545.4563.6454.5554.5554.5527.2733.3383.3341.6741.6727.2745.4554.5563.6445.4536.3654.5545.45传媒33.3366.6741.6741.6736.3636.3636.3672.7354.5545.4545.4527.27电气设备50.0075.0041.6733.3327.2745.4545.4554.5572.7345.45

23、72.7336.36机械设备50.0075.0050.0025.0045.4554.5536.3654.5563.6472.7363.6445.45制造国防军工公用事业66.6766.6741.6725.0036.3645.4572.7372.7354.5545.4536.3636.368.3375.0058.3341.6736.3654.5554.5554.5536.3672.7354.5527.27交通运输58.3366.6750.0033.3345.4536.3654.5554.5527.2763.6445.4545.45综合41.6783.3341.6741.6736.3654.556

24、3.6463.6445.4563.6436.3636.36采掘41.6766.6750.0041.6727.2745.4554.5554.5554.5527.2754.5545.45化工50.0075.0033.3333.3354.5545.4572.7363.6454.5563.6445.4545.45周期钢铁有色金属58.3375.0041.6750.0027.2745.4554.5545.4536.3663.6454.5545.4541.6775.0041.6741.6763.6454.5563.6454.5545.4545.4554.5563.64建筑材料50.0083.3375.00

25、41.6727.2745.4563.6454.5545.4572.7381.8245.45建筑装饰25.0066.6758.3333.3327.2736.3654.5554.5536.3663.6454.5545.45银行58.3350.0058.3358.3327.2736.3654.5536.3636.3690.9154.5545.45金融非银金融41.6758.3333.3358.3345.4545.4554.5536.3645.4554.5563.6436.36房地产41.6758.3350.0033.3336.3645.4536.3645.4536.3663.6454.5545.45

26、资料来源：Wind，个股的年度收益率也出现波动不稳定的特征。从个股的角度，我们用 2010 年以来全部A 股的年度涨跌幅来考察个股的分化程度，将全部 A股每一年的涨幅从小到大排序分为按照 20%一档分为 5 组，组 1 表示收益率最低的组，组 5 表示收益率最高的组。第一，从收益率分 5 组的转移概率矩阵来看，收益率最高的组 5 下一年有 29%的概率落在组 1，除此之外各组别下一年落在其他组的概率多数都在 0.2 附近，相对而言比较平均；第二，观察连续 N 年处于收益率最高的前 20%的股票数量占比（样本期内取平均值），连续 2 年收益率都处于最高前 20%分位的股票占比为 20.81%，随

27、着N 的扩大，连续 3 年、4 年、5 年都处于最高前 20%的股票数量占比降低至 5%以下，这也说明常年涨幅靠前的股票数量占比偏少，挖掘优质的个股有难度。图表6： 全部A 股年度收益率分 5 组的转移概率图表7： 收益率最高的前 20%股票占比资料来源：Wind，资料来源：Wind，公募 FOF 青睐基金的特征从季报的重仓基金透视公募 FOF 偏爱的基金。截至 2021 年 5 月 31日，全市场已经成立的 FOF 基金合计有 157 只，规模合计 1219 亿；根据这些 FOF 基金的前十大持仓持有的基金名单来观察公募 FOF 偏爱的基金，考虑到部分公募 FOF 会持有较多的自家基金，我们

28、统计了全市场公募 FOF 青睐的非自家的基金名单。从公募 FOF 季报披露的前十大持仓基金来看，2021Q1 剔除自家管理人之外持有 5 只及以上的主动权益类基金分别为：工银瑞信文体产业、海富通改革驱动、嘉实价值精选、国富沪港深成长精选、兴全商业模式优选、易方达消费行业、华安沪港深外延增长、工银瑞信战略转型、交银新成长、富国周期优势、兴全合宜。考虑到 2020Q4 和 2021Q1 两个季度之间市场出现较大的风格变化，最近 2 期季报剔除自家管理人之外持有数量都在 5 只及以上的基金来包括：工银瑞信文体产业、兴全商业模式、易方达消费行业、海富通改革驱动、工银瑞信新金融、工银瑞信战略转型、华安沪

29、港深外延增长，考虑到易方达消费行业属于消费主题型基金，我们对除易方达消费行业之外的 6 只基金进行 Brinson 业绩归因（分析时点为自现任基金经理任职以来），由于基金季报中只披露前十大持仓的个股，我们利用基金半年报和年报披露的全部持仓信息进行业绩归因，考察基金的超额收益来源。图表8： 2020Q4 公募 FOF 偏爱的非自家基金图表9： 2021Q1 公募 FOF 偏爱的非自家基金资料来源：Wind，资料来源：Wind，在注重选股能力的同时，公募 FOF 可能青睐具备一定行业配置能力的基金。选择中证 800 指数作为基准指数，使用多期 Brinson 业绩归因模型对现任基金经理任职以来的多

30、个半年度、年度的全部持仓分析，可以发现工银瑞信文体产业、兴全商业模式优选、海富通改革驱动、工银瑞信战略转型、华安沪港深外延增长体现出较强的行业配置能力，这从侧面说明公募 FOF 管理人在挑选基金时除了注重基金的选股能力，可能也要求基金具备一定的行业配置能力。需要说明的是，我们在归因分析时假设基金的全部持仓会一直持有半年，但在实际的投资过程中基金经理会不定期的调整自己的投资组合，个股的买卖时点可能并不相同，从而会产生一定的分析误差。图表10：基金的多期 Brinson 模型业绩归因分析基金名称超额收益行业配置个股选择交互效应工银瑞信文体产业68382110兴全商业模式优选82183035海富通改

31、革驱动13815-11工银瑞信新金融32-11618工银瑞信战略转型7613549华安沪港深外延增长5123-2049资料来源：Wind，总体而言，选对好的行业、选对好的个股有着较高的难度；基金经理可能会根据市场的行情变化对投资组合进行调整，使组合更加地契合市场的环境，这种调整行为值得我们深入研究；那么如何刻画基金的这种调整能力，在接下的部分我们对基金的调整能力来进行定量研究。基金调整能力的刻画对于基金调整能力的刻画，其核心的关键点在于抓住基金已实现的业绩和按基金披露的持仓倒推出来的业绩之间的差异。如果按基金披露的持仓能够复制出基金实际的业绩，那说明基金在本期可能未发生调整，如果不能复制则说明

32、基金在本期进行了调整。同时，基金的调整可能会涉及多种行为，例如仓位择时、调整行业、调整个股、基金打新、申购赎回带来的流动性变化等等；本文重点考察两类调整，一类是行业上的调整、另一类是个股上的调整。假设基金的调整只涉及行业调整和个股调整，忽略其他变动对基金调整能力的影响；在基金报告期期初我们可以获得个股的配置信息、个股对应的行业配置信息（季报只有前十大重仓股）；为了便于理解分析，我们先假设基金经理报告期期初选的个股在报告期后比个股对应的行业指数表现要好（即个股复制的表现好于行业复制的表现，假设基金经理在行业内有选股能力；当然实际情况中也出现个股复制的表现不如行业复制的表现），同时也假设行业复制的

33、表现要好于主流宽基指数的表现、假设个股复制不能得到基金在报告期内真实的业绩；我们可以根据基金报告期内实际净值的涨跌与个股复制、行业复制的收益差来构造复制个股因子和复制行业因子。复制个股因子体现的是基金经理的主动调整能力，通过改变期初的报告期持仓获得更多收益的能力，这里面可能包括行业调整和行业内个股的调整。然而，当组合期初持有的个股本身就不错，业绩增长和股价表现符合基金经理的心理预期，保留这些持仓是正确的决定，选择不改变这些持仓也代表了基金经理不进行负面调整的调整能力，不调整也是一种被动的调整能力，我们称之为个股被动调整能力；复制行业因子在体现主动调整能力的基础之上，还体现了被动的个股调整能力。

34、这样差异化的构造方式使我们能够更加全面的捕捉基金经理在不同市场环境下的调整能力，使得对后续的业绩预测更加全面。图表11：基金调整能力的分析示意图资料来源：Wind，复制个股因子复制个股收益是指按期初的权重持有组合内所有股票而不做任何调整一直持有至期末的收益，如果在此期间基金的实际净值涨跌与复制持仓个股收益有所差异，则表明基金可能在行业配置、个股组合等方面进行了相应的调整；收益差的绝对值大小可以表示基金相对于期初组合个股的偏离程度，收益差大体上能够反映基金的调整能力，我们将这种收益差定义为复制个股因子。具体说明如下：复制个股因子=基金的实际收益基金模拟持仓个股收益基金的实际收益：区间复权单位净值

35、增长率基金模拟持仓个股收益：复制基金期初的持仓个股计算的收益率对于基金的持仓，可利用的信息包括基金的季报、半年报和年报，季报只披露前十大持仓信息（滞后 15 个工作日），半年报和年报披露全部的持仓信息（分别滞后 2 个月和 3 个月）；在计算基金的收益差时我们分别利对利用季报持仓和不利用季报持仓信息两种情况进行了计算，计算的基金样本为市场上的全部主动股基，同时在计算时剔除了规模在 2 亿以下的主动股基。利用季报持仓利用季报的前十大重仓股、中报和年报全部持仓计算季度收益差，考察复制个股因子对基金未来收益率的预测能力。具体的，在一季报和三季报时根据基金的前十大重仓股计算一季度末至二季度末、三季度末

36、至四季度末的收益差，在计算时将前十大持仓个股的权重进行归一化，然后根据基金的季度仓位对权重进行调整；在中报和年报根据披露的全部持仓计算二季度末至三季度末、上一年四季度末至一季度末的收益差。计算复制个股因子与未来三个月基金收益率之间的秩相关系数，可以发现 2010 年 6 月以来复制个股因子与基金未来收益率之间存在正向的相关关系，RankIC 的均值为 6.12%，年化 RankICIR 为 1.34。我们将复制个股因子从小到大排序分 5 组，从复制个股因子的分组单调性来看，分组单调性较为显著，组 1 的年化超额为 4.48%，组 5 的年化超额为 7.74%；因子的值越大，年化超额越高。图表1

37、2：复制个股因子的 RankIC 序列（利用季报）图表13：复制个股因子分 5 组的年化超额（利用季报）资料来源：Wind，资料来源：Wind，从复制个股因子的多空收益测试来看，多头组长期能够稳定的跑赢空头组，2010 年 7 月以来因子的多头组年化收益率为 14.28%，空头组年化收益率为 11.01%，多空年化收益率为 2.87%。图表14：复制个股因子的多空净值表现对比（利用季报）资料来源：Wind，复制个股因子的构建是使用了过去 8 个季度的平均值，对于应该使用多长的报告期数，我们对使用不同长度的期数进行敏感性测试。从测试的结果来看，使用过去多期的平均值计算会比单期的效果要好，随着使用

38、期数的增加，因子的 RankIC 值和 RankIC 胜率有所增加，之后又有所减少，使用期数不能太少也不宜过长。图表15：使用不同期数对因子进行敏感性测试（利用季报）使用期数RankIC年化 ICIRRankIC 标准差RankIC 胜率1 期4.220.830.10263.32 期4.790.970.09873.43 期4.741.060.09071.94 期4.520.960.09473.45 期4.671.000.09374.26 期5.191.150.09077.37 期5.801.280.09175.88 期6.121.340.09178.19 期5.921.310.09177.31

39、0 期5.761.280.09077.311 期5.711.280.08976.612 期5.631.310.08678.9资料来源：Wind，不利用季报持仓只利用中报和年报的全部持仓计算收益差，考察复制个股因子对基金未来收益率的预测能力。不使用一季报和三季报披露的重仓股，根据中报和年报的全部持股计算二季度末至三季度末和上一年四季度末至一季度末的收益差。从计算结果来看，2010 年 9 月以来复制个股因子与基金的业绩存在稳定的正向相关关系，复制个股因子与未来三个月基金业绩的RankIC 均值为 6.65%，年化RankICIR 为 1.33。另外，我们对复制个股因子进行分组测试，从小到大排序分

40、 5 组。从分组的效果来看，因子的单调性显著，组 1 的年化超额为 3.49%，最低；组 5 的年化超额为 7.84%，最高；因子值越大，超额收益越明显。图表16：复制个股因子的 RankIC 值序列（不利用季报）图表17：复制个股因子分 5 组的年化超额（不利用季报）资料来源：Wind，资料来源：Wind，从因子的多空测试来看，自 2010 年 10 月以来因子的多头组曲线基本上一直处在空头组曲线的上方，长期能够稳定的跑赢空头组；从年化收益率来看，因子多头组的年化收益率为 13.16%，空头组的年化收益率为 8.81%，多空年化收益率为 4.01%。图表18：复制个股因子的多空净值表现对比（

41、不利用季报）资料来源：Wind，复制个股因子的计算使用了过去 2 期的平均值，对于使用多长的时间维度，我们对使用不同的期数进行因子的敏感性测试。使用单期因子计算可能会有一定的偶然性，计算结果表明随着使用期数的增加，因子的 RankIC 有下降的趋势，结合因子的 RankIC 和年化 RankICIR，我们这里使用过去 2 期的平均值来计算复制持仓因子。图表19：使用不同期数进行因子的敏感性测试（不利用季报）使用期数RankIC年化 ICIRRankIC 标准差RankIC 胜率1 期7.371.280.11578.42 期6.651.330.10079.23 期5.761.280.09080.

42、04 期5.971.420.08480.8资料来源：Wind，在利用季报持仓和不利用季报持仓计算复制个股因子的过程中，我们都是基于三个月的收益差来衡量的，接下来我们验证是否不同时间长度计算的复制个股因子，对预测基金未来收益率会有较大的差别？我们分别计算报告期后 1 个月、2 个月复制持仓因子的表现。图表20：不同时间长度计算复制个股因子的示意图资料来源：Wind，从实际的效果来看，如果仅计算 1 个月基金实际业绩与模拟持仓组合的收益差，复制个股因子的表现不尽人意，无论是使用单期还是多期因子的 RankIC 基本都低于 3%，而且单调性也较弱，这可能与 1 个月的时间偏短有关，基金经理可能还未调

43、仓或者调仓的效果还没有显现。我们这里仅展示按 2 个月来模拟计算复制个股因子的表现效果，可以发现在利用季报持仓中，仅使用过去 6 期、7 期平均计算，因子的表现尚可，RankIC 分别为 5.29%、5.63%，年化 RankICIR 在 1.4 附近，分组呈现弱单调，在 7 期之后，虽然因子的年化 RankICIR 有所提高，但分组单调性测试的效果都不是特别理想；在不利用季报持仓中，除使用过去 4 期测试因子的效果不理想之外，其余 3 期因子的 RankIC 值都超过 7%，年化 RankICIR 都超过 1.6，因子的表现都极为出色。换句话说，根据全部持仓按 2 个月计算复制个股因子的表现

44、也较好；这可能与两方面的因素有关：第一、基金的中报和年报分别滞后 2 个月、3 个月披露，每年的 2 月份和 7 月份是一年中市场上涨概率较高的月份，基金在此期间可能进行了相应的调仓换股；第二、基金的中报和年报披露的是全部持仓，基金经理为了避免让市场知道自己在披露时点的全部真实持仓，披露时点相比于报告期时点的持仓可能也会发生调整。图表21： 复制个股因子在报告期后 2 个月的检验效果利用季报持仓使用期数RankIC年化 ICIRRankIC 标准差RankIC 胜率多空年化收益分组单调性1 期3.440.850.08164.11.07不单调2 期4.421.230.07273.41.91弱单调

45、3 期4.711.240.07670.32.33弱单调4 期4.671.170.08071.12.38弱单调5 期5.091.290.07976.62.91不严格单调6 期5.291.370.07778.93.02弱单调7 期5.631.460.07779.73.28弱单调8 期5.961.560.07682.03.32不严格单调9 期5.921.560.07680.53.15不严格单调10 期5.831.550.07578.92.86不严格单调11 期5.691.510.07676.62.92不严格单调12 期5.501.510.07378.93.01不严格单调不利用季报持仓使用期数Rank

46、IC年化 ICIRRankIC 标准差RankIC 胜率多空年化收益分组单调性1 期7.081.630.08781.73.47单调2 期7.811.970.07981.73.81单调3 期7.702.090.07485.73.77单调4 期7.322.110.06985.73.46不严格单调资料来源：Wind，对于使用报告期后多长时间的复制个股因子，我们将利用季报持仓和不利用季报持仓计算的复制个股因子（报告期后 3 个月）的因子合成，发现计算的 RankIC 和RankICIR 都小于不利用季报持仓（报告期后 2个月）的RankIC 和 RankICIR，最终选用不利用季报持仓（报告期后 2

47、个月）、过去 2 期取平均计算得到的复制个股因子；其对应的 RankIC为 7.81%，年化RankICIR 为 1.97，RankIC 的胜率为 81.7%。图表22：复制个股因子多空表现（不用季报、报告期后 2 个月）资料来源：Wind，复制行业因子相似的，我们可以采用构造复制个股因子相同的方式来构造复制行业因子，构造的不同之处在于将期初的个股信息换成期初的行业配置信息。具体说明如下：复制行业因子=基金的实际收益基金模拟持仓行业指数收益基金的实际收益：区间复权单位净值增长率基金模拟持仓行业指数收益：复制基金期初的持仓行业指数计算的收益率由于基金季报中重仓股对应的行业配置信息与实际真实的行业

48、配置信息差异较大，用季报的行业配置信息来计算可能会产生较大的误差，所以复制行业因子的计算我们采用中报和年报的全部行业配置信息来计算，分别在中报和年报报告期后复制一个季度，即计算二季度末至三季度末、上一年四季度末至一季度末复制行业因子的值，考察复制行业因子的表现。计算因子值与未来 3 个月基金业绩的 RankIC 和RankICIR，从统计结果来看，2010 年 9 月以来复制行业因子与基金未来的业绩显著的正相关，RankIC 的均值为 7.50%，年化 RankICIR 为 1.03。对复制行业因子分 5 组进行单调性测试，因子的单调性显著；因子值最低的组 1 年化超额为 3.24%，因子值最

49、高的组 5 年化超额为 8.80%，因子值越大年化超额越高。图表23：复制行业因子的 RankIC 值序列图表24：复制行业因子分 5 组的年化超额资料来源：Wind，资料来源：Wind，从分 5 组的多空测试结果来看，多头组长期稳定的跑赢空头组；其中多头组的年化收益率为 14.12%，空头组的年化收益率为 8.56%，多空年化收益率为 5.12%。图表25：复制行业因子的多空净值表现对比资料来源：Wind，复制行业因子的构建是用了过去 2 期的平均值，对于使用不同的期数计算，因子的表现是否稳定，我们进行敏感性测试。可以发现，使用一期计算因子的波动程度较大，使用多期因子的波动程度有所降低，结合

50、因子的 RankIC 和RankICIR，我们这里使用了过去 2 期平均俩计算复制行业因子。图表26： 使用不同期数对复制行业因子进行敏感性测试使用期数RankIC年化 ICIRRankIC 标准差RankIC 胜率1 期8.340.930.18068.02 期7.501.030.14671.23 期6.050.890.13572.04 期6.531.060.12474.4资料来源：Wind，同样对报告期后 1 个月、2 个月复制行业因子的表现进行对比；整体而言，报告期后 1 个月的效果一般，2 个月的效果也较好。从检验的效果来看，用报告期后 1 个月计算的复制行业因子的 RankIC 均值大

51、致在 4-6%之间，年化的 RankICIR 大致在 0.6-0.7 附近；用报告期后 2个月计算的复制行业因子的RankIC 均值都超过 6%，年化的 RankICIR在 0.9-1 附近，报告期后 2 个月计算的复制行业因子的效果也比较好。图表27：复制行业因子在报告期后 1 个月和 2 个月的检验效果报告期后使用期数RankIC年化 ICIRRankIC 标准差RankIC 胜率多空年化收益分组单调性1 个月1 期5.920.670.17767.54.39单调2 期5.240.730.14362.73.61单调3 期4.270.610.14059.52.61单调4 期4.350.620.

52、14059.52.84单调报告期后使用期数RankIC年化 ICIRRankIC 标准差RankIC 胜率多空年化收益分组单调性2 个月1 期7.940.870.18268.34.99单调2 期7.721.070.14469.05.25单调3 期6.720.960.14068.34.39单调4 期6.841.050.13170.64.64单调FOF 策略组合的构建在前面的分析讨论中，我们根据基金的持仓信息构建了复制个股因子和复制行业因子，接下来我们将构建的复制持仓类因子与常见的选基因子合成，构建综合选基因子，然后根据综合选基因子构建 FOF 策略组合，力争稳定跑赢主动股基中位数。常见的选基因子

53、在前期的报告基金研究系列之四：如何精选不同的行业基金？中，我们对全市场的普通股票型、偏股混合型、灵活配置型基金（剔除股票仓位较低的样本）划分成不同的行业风格，然后在不同的基金样本中测试了市场上常见的 27 个选基因子，发现在不同的基金样本中因子的效果差异较大；业绩类因子、风险调整收益类因子对于选基而言大多数都有效，但是这些因子之间存在较高的相关性，相关系数基本都在 0.8 以上；风险类因子多数都和基金未来的业绩呈现负相关关系；规模类因子中的基金规模、基金份额因子与基金业绩显著负相关；另类指标中的管理人员工占比在全市场选股型基金（非单一风格基金）中的测试效果显著。同样的，在主动股基的样本里也对这

54、些常见的选基因子进行测试，以下仅展示部分选基因子的测试结果（说明：Alpha 因子是指对大盘价值、大盘成长、中盘价值、中盘成长、小盘价值、小盘成长等 6 个巨潮风格指数回归取常数项，因子的获取是基于过去 1 年的数据计算，在测试的过程中剔除了规模在 2 亿以下的基金，常见选基因子的计算结果从 2010 年 6 月开始）。从列示的因子测试结果来看，Alpha 因子效果显著，RankIC 均值 11.17%、年化 RankICIR 为 1.59，多空年化收益超过 6%；5 个风险调整后的收益因子中信息比率因子的效果最好、其次是特雷诺比率，夏普比率因子的效果相比而言一般；基金规模、基金份额等规模因子

55、与业绩显著负相关，年化的 RankICIR 绝对值也都超过 1；持有人结构因子中机构投资者占比和管理人员工占比因子的效果也相对较好，年化RankICIR 都在 1.2 以上。图表28：常见选基因子的测试结果因子名称RankIC年化 ICIRRankIC 标准差RankIC 胜率多空年化收益分组单调性Alpha 因子11.171.590.14076.566.02单调夏普比率9.090.940.19372.664.78单调信息比率11.511.470.15775.786.11单调卡玛比率8.510.840.20369.534.33单调特雷诺比率9.950.980.20375.005.35单调索提诺

56、比率9.020.940.19171.094.84单调基金规模-6.13-1.160.10625.00-4.50单调基金份额-7.35-1.450.10125.00-4.87单调净申购份额5.211.150.09071.883.20单调机构投资者占比4.621.200.07772.662.62单调管理人员工占比5.651.320.08570.313.11非严格单调复制持仓因子的有效性将复制个股因子与复制持仓因子等权复合成复制持仓因子，接下来检验复制持仓因子与常见选基因子的截面相关性，从相关系数矩阵来看，复制持仓因子与规模类因子、持有人结构因子之间的相关系数较低，与业绩类因子（Alpha、信息比率

57、）因子的相关系数在 0.3-0.4 附近，总体而言，与常见选基因子之间的相关系数较低。图表29：选基因子之间的相关系数Alpha 信息比率基金规模基金份额机构投资者占比管理人员工占比复制持仓Alpha 1.00000.75500.0529-0.02870.16580.11690.4462信息比率0.75501.00000.0441-0.07300.18640.11020.3584基金规模0.05290.04411.00000.88520.0241-0.0514-0.0244基金份额-0.0287-0.07300.88521.0000-0.0578-0.1104-0.0773机构投资者占比0.1

58、6580.18640.0241-0.05781.00000.21210.1631管理人员工占比0.11690.1102-0.0514-0.11040.21211.00000.1291复制持仓0.44620.3584-0.0244-0.07730.16310.12911.0000资料来源：Wind，同时为了进一步验证复制持仓因子与常见选基因子之间的相关性，我们在截面上将复制持仓因子与常见选基因子之间做回归得到残差，残差代表复制持仓因子剔除常见选基因子之后包含的信息；为了避免回归变量之间的多重共线性，我们将 Alpha、信息比率合成业绩类因子，将基金规模、基金份额合成规模因子，将机构投资者占比因子

59、、管理人员工占比因子合成持有人结构因子。从剥离常见选基因子的残差分组测试结果来看，残差分 5 组的单调性也特别明显，残差的 RankIC均值为 3.74%，年化 RankICIR 为 0.68。复制持仓因子在剔除常见的选基因子之后，也能给选基带来新的增量信息。图表30：复制持仓因子剥离常见选基因子之后的分组测试资料来源：Wind，综合选基因子我们将复制持仓相关的因子与常见的选基因子合成构建综合选基因子，将业绩类因子（Alpha 因子、信息比率因子）、规模类因子（基金规模、基金份额）、持有人结构因子（机构投资者占比因子、管理人员工占比因子）与复制持仓类因子（复制个股因子、复制行业因子）等权构造综

60、合选基因子。每个月可以计算得到综合选基因子，然后测算综合选基因子对基金未来三个月收益率的预测能力；从计算的结果来看，综合选基因子的表现较为出色，2010 年 9 月以来因子的 RankIC均值为 14.02%，年化的RankICIR 为 2.16，RankIC 的胜率为 82.5%。从综合选基因子的单调性测试来看，分 5 组的单调性特征明显，多空净值曲线长期也稳步向上。图表31：综合选基因子的 RankIC 值序列资料来源：Wind，图表32：综合选基因子的分组单调性图表33：综合选基因子的多空净值表现资料来源：Wind，资料来源：Wind，FOF 策略组合根据构建的综合选基因子，构建 FOF