基金产品专题研究系列之十七：基于行业配置稳定性及选股能力的基金优选策略

1、目录索引 HYPERLINK l _TOC_250016 一、基金行业配置稳定性及选股能力 5 HYPERLINK l _TOC_250015 （一） 基金市场概况以及基金研究框架 5 HYPERLINK l _TOC_250014 （二） 本文研究思路基于行业配置稳定性以及选股能力 6 HYPERLINK l _TOC_250013 二、基金行业配置稳定性与选股能力的定量刻画 8 HYPERLINK l _TOC_250012 （一） 基金行业配置稳定性 8 HYPERLINK l _TOC_250011 （二） 基金选股能力 IBRINSON 个股选择收益及胜率 10 HYPERLINK

2、l _TOC_250010 （三） 基金选股能力 II净值回归超额收益及超额收益稳定性 11 HYPERLINK l _TOC_250009 （四） 基金选股能力 III基于历史长线持仓 12 HYPERLINK l _TOC_250008 三、基金收益、行业配置稳定性、选股能力的关系 15 HYPERLINK l _TOC_250007 （一） 基金收益与行业配置稳定性 15 HYPERLINK l _TOC_250006 （二） 基金收益与选股能力 18 HYPERLINK l _TOC_250005 （三） 基金选股能力与行业配置 20 HYPERLINK l _TOC_250004 四

3、、基于基金行业配置稳定性及选股能力优选基金 23 HYPERLINK l _TOC_250003 （一） 行业配置稳定性及选股能力指标的选基效果测试 23 HYPERLINK l _TOC_250002 （二） “高选股能力”+“高行业配置稳定性”组合构建 27 HYPERLINK l _TOC_250001 五、总结 29 HYPERLINK l _TOC_250000 六、风险提示 30图表索引图 1：A 股市场基金发展情况 5图 2：基金研究框架 6图 3：符合筛选条件的基金数量及规模 7图 4：本文研究思路基于行业配置稳定性以及选股能力的基金优选 7图 5：基金行业稳定性度量：行业偏离

4、幅度 9图 6：基金行业稳定性度量：行业配置变化幅度 9图 7：基金行业偏离幅度分布 9图 8：基金行业配置变化幅度分布 9图 9：样本基金持仓在各个宽基指数成份股中的占比 10图 10：基金选股能力度量：Brinson 个股选择收益以及胜率 11图 11：基金选股能力度量：净值回归超额收益以及超额收益稳定性 12图 12：基金长线持仓相对行业超额收益及胜率指标构建 14图 13：基金选股能力度量：长线持仓相对行业超额收益及胜率 14图 14：基金行业偏离幅度与基金近 3 年累计收益相关性 16图 15：基金行业配置变化幅度与基金近 3 年累计收益相关性 16图 16：基金行业偏离幅度分档累计

5、收益(2016Q4-2019Q4) 16图 17：基金行业配置变化幅度分档累计收益(2016Q4-2019Q4) 16图 18：样本基金整体换手率情况 17图 19：不同行业配置变化幅度基金的整体行业配置情况(2016Q4-2019Q4) 18图 20：Brinson 个股选择表现分档累计收益(2016Q4-2019Q4) 19图 21：Brinson 个股选择表现与基金近 3 年累计收益相关性 19图 22：净值回归超额收益分档累计收益(2016Q4-2019Q4) 20图 23：净值回归超额收益与基金近 3 年累计收益相关性 20图 24：长线持仓表现分档累计收益(2016Q4-2019Q

6、4) 20图 25：长线持仓表现与基金近 3 年累计收益相关性 20图 26：Brinson 个股选择指标与基金行业配置稳定性指标的相关性 21图 27：净值回归超额收益指标与基金行业配置稳定性指标的相关性 22图 28：长线持仓表现指标与基金行业配置稳定性指标的相关性 22图 29：基金选股能力指标与行业配置稳定性指标的相关性(2019Q4) 22图 30 ： 选股能力前 1/5 、 行业配置变化幅度小于阈值的基金组合收益(2016Q4-2019Q4) 23图 31：基金行业配置稳定性指标选基效果 24图 32：基金 Brinson 个股选择胜率指标选基效果 25图 33：基金净值回归超额收

7、益稳定性指标选基效果 26图 34：基金长线持仓相对行业胜率指标选基效果 27图 35：“Brinson 个股选择胜率高于 50%”基金组合表现 28图 36：“长线持仓相对行业胜率高于 80%”基金组合表现 28图 37：“高选股能力基金”+“高行业配置稳定性”基金组合 29图 38：“高选股能力基金”+“高行业配置稳定性”基金组合与“高选股能力基金”基金组合比较 29表 1：申万一级行业分类明细 8表 2：某基金的历史长线持仓个股与同期市场、行业的收益比较情况 13表 3：基金行业配置稳定性指标相关性(2019Q4) 15表 4：基金选股能力指标相关性(2019Q4) 18表 5：“高行业

8、配置稳定性”基金组合表现 24表 6：“高 Brinson 个股选择胜率”基金组合表现 25表 7：“高净值回归超额收益稳定性”基金组合表现 26表 8：“高长线持仓相对行业胜率”基金组合表现 27表 9：“高 Brinson 个股选择胜率”及“高长线持仓相对行业胜率”基金组合表现. 28表 10：“高选股能力基金”+“高行业配置稳定性”基金组合表现 29一、基金行业配置稳定性及选股能力（一） 基金市场概况以及基金研究框架近年来，A股公募基金市场快速发展，根据Wind数据，总规模从2005年的4691亿元升至2019年4季度末的14.66万亿元，自2013年以来，基金市场总规模每年均保持增长；

9、同时基金的总数量也从2005年的218只上涨至2019年4季度末的6084只。图1：A股市场基金发展情况总规模(亿元)：右轴基金数量(个)：左轴7000160,0006000140,00050004000300020001000120,000100,00080,00060,00040,00020,000002005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019数据来源：Wind， 在基金研究的框架方面，第一步我们从基金投资的目标出发，预先设定不同的投资目标。由于实现不同的投资目标往往需要通过配置不同类

10、型的基金来实现，而市场上基金种类繁多，且不同类型基金的配置标的和运作方式存在较大的差异，投资者也往往会采用不同的指标度量不同类型基金的表现。因此在第一步我们加入基金分类的步骤，将市场上的基金分别根据配置的标的、以及管理的模式进行分类，并选择不同类型的基金来满足不同的投资目标。在第二步中，我们将根据基金的历史表现以及其他相关信息，对于单个基金的特征进行定量的刻画，并构建相应的指标。此处我们分别从基金的历史业绩、历史持仓、以及其他相关信息出发，跟踪数据统计模型构建指标度量基金各方面的特征，例如收益、风险、持仓偏好、择时选股能力、基金经理指标等。在第三步中，我们将根据第二步中得到的各个刻画基金特征的

11、指标，结合投资目标筛选出未来预期表现较好的基金。在指标的选择上，我们首先对于各个的指标的相关性以及有效性进行分析，筛选出对于基金未来表现预测效果较好的指标，最后根据这些指标进行基金的筛选。图2：基金研究框架数据来源：Wind， 本文中，我们首先筛选出具有较长历史业绩的权益型基金，分别从基金的历史净值以及历史持仓出发，构建指标度量基金的行业配置稳定性以及选股能力，并在此基础上根据有效的行业配置稳定性及选股能力指标来筛选基金、构建组合。（二） 本文研究思路基于行业配置稳定性以及选股能力本文中，我们遵循长期考察基金业绩的原则，以3年的时间周期作为考核基金历史行业配置稳定性以及选股能力的历史时长。同时

12、，我们对于基金的规模、权益资产配置比例、存续时间、基金管理人以及业绩基准均设置一定的要求。具体来看，此处我们筛选主动型权益基金的标准为：基金类型：普通股票型、偏股混合型、灵活配置型；基金规模：合并规模高于2亿元；持股比例：权益类资产的平均持有比例高于60%；成立时间：存续时间超过3.25年；基金管理人：近3年未更换主要管理人；业绩基准：不包含港股相关基准，且从未投资于港股。从符合上述条件的主动型权益基金的情况来看，截至2019Q4，当前符合条件的基金共有327只，总规模约为6400亿元。图3：符合筛选条件的基金数量及规模总规模：亿元(右轴)基金数量：个350700030060002505000

13、20040001503000100200050100000数据来源：Wind， 本文中，我们从基金的行业配置稳定性以及选股能力出发优选基金。首先，我们根据基金的历史净值以及历史持仓，构建指标度量基金的行业配置稳定性以及选股能力；而后，我们分析基金历史上行业配置稳定性、选股能力以及基金收益的相关性，并研究三者之间的关系；最后，基于相关性的分析结果，从实际投资的角度出发，根据基金的行业配置稳定性以及选股能力优选基金并构建组合。图4：本文研究思路基于行业配置稳定性以及选股能力的基金优选数据来源： 二、基金行业配置稳定性与选股能力的定量刻画（一） 基金行业配置稳定性在行业配置上，我们采用申万一级行业的

14、分类研究基金的行业配置情况。由于申万一级行业分类数量较多，为了提升数据的稳定性，在行业层面我们进一步地将 28个申万一级行业分类为成长、消费、周期、以及大金融4个板块，并研究基金持仓在各个板块中的配置情况。表1：申万一级行业分类明细板块申万一级行业成长计算机、传媒、电子、通信、电气设备消费医药生物、休闲服务、轻工制造、农林牧渔、纺织服装、商业贸易、食品饮料、家用电器周期机械设备、化工、汽车、公用事业、建筑材料、交通运输、建筑装饰、有色金属、采掘、钢铁、国防军工金融银行、非银金融、房地产数据来源： 在基金行业配置稳定性的问题上，我们采用历史3年作为观测区间研究基金的行业配置情况。在数据的使用上，

15、一方面我们结合基金季报、半年报以及年报数据，最大化提升数据的频率；另一方面，我们仅参考半年报以及年报的完整持仓来计算基金的行业配置情况，保证持仓数据的完整性。此处，我们从两种方法出发构建指标度量基金的行业配置稳定性，分别为行业偏离幅度以及行业配置变化幅度。其中，基金的行业偏离幅度为：基金在过去N个报告期的平均行业偏离幅度，具体如下，行业偏离幅度：41 |, | /2=1 =1而基金的行业配置变化幅度为：基金在过去N个报告期中，相邻两个报告期的平均行业配置变化幅度，具体如下，行业配置变化幅度：1 41 1 |+1, ,|/2=1 =1其中，,代表第t个报告期，第i个行业的配置比例；代表第1-第N

16、的报告期，第i个行业的平均配置比例。从历史上来看，根据全部报告期数据得到的结果与仅根据半年报、年报得到的结果较为接近，由于季报信息不完整，平均来看加入季报数据之后行业偏离幅度将有所加大。经统计，从2016年以来，基金滚动3年的行业偏离幅度平均约为20%，而滚动3年的行业配置变化幅度平均约为22%，长期来看在时间序列上的变化幅度均较小。图5：基金行业稳定性度量：行业偏离幅度图6：基金行业稳定性度量：行业配置变化幅度25%20%15%10%5%0%平均行业偏离幅度(季度)平均行业偏离幅度(半年度)30%25%20%15%10%5%0%平均行业配置变化幅度(季度) 平均行业配置变化幅度(半年度)数据

17、来源：Wind， 数据来源：Wind， 从2016Q4-2019Q4的情况来看，基于季度数据的基金行业偏离幅度及行业配置变化幅度主要集中在10%-30%之间，少数基金的行业偏离幅度或行业配置变化幅度在40%以上或10%以下；而基于半年度数据的数据同样主要集中在10%-30%之间，少数基金在40%以上或10%以下。图7：基金行业偏离幅度分布图8：基金行业配置变化幅度分布不同行业偏离幅度(季度)的基金数量(2016Q4-2019Q4) 不同行业偏离幅度(半年度)的基金数量(2016Q4-2019Q4)不同行业配置变化幅度(季度)的基金数量(2016Q4-2019Q4) 不同行业配置变化幅度(半年度

18、)的基金数量(2016Q4-2019Q4)20018016014012010080604020040%以上30%-40%20%-30%10%-20%10%以下16014012010080604020040%以上30%-40%20%-30%10%-20%10%以下数据来源：Wind， 数据来源：Wind， （二） 基金选股能力 IBrinson 个股选择收益及胜率Brinson模型通过分析基金的持仓数据，将基金相比于业绩基准的超额收益分解为行业配置收益(AR)、个股选择收益(SR)以及交互收益(IR)，具体形式为： = , , = (, ,) , = , , = (, ,) , = (, ,)

19、(, ,)其中，,为基金中第i个行业个股的收益率，,为基准中第i个行业个股的收益率；,基金中第i个行业个股的权重，,基金中第i个行业个股的权重。在具体计算上，我们根据基金持仓个股的行业以及持仓权重，以季度作为 Brinson业绩归因的周期，并假定基金持仓个股在下1个报告期内不变；在基准的选择上，我们统计样本基金持仓成份股的情况，选择合适的宽基指数作为Brinson归因的基准。从统计结果来看，样本基金的持仓主要集中在中证800指数成份股(沪深 300+中证500)之中，平均来看，样本基金持仓为中证800成分股的比例约为70%，因此在Brinson归因分析中我们采用中证800作为业绩基准。图9：样

20、本基金持仓在各个宽基指数成份股中的占比沪深300中证500中证1000其它100%90%80%70%60%50%40%30%20%10%2011123120120331201206302012093020121231201303312013063020130930201312312014033120140630201409302014123120150331201506302015093020151231201603312016063020160930201612312017033120170630201709302017123120180331201806302018093020181231

21、201903312019063020190930201912310%数据来源：Wind， 此处，我们以基金的Brinson个股选择收益作为基金选股能力的度量，并统计历史上不同报告期的样本基金平均滚动3年即历史12个季度的个股选择收益的均值以及个股选择收益的胜率。从历史上来看，基金的平均个股选择收益存在一定幅度的波动；而平均个股选择胜率方面则相对较为稳定，长期来看主要集中在50%附近。图10：基金选股能力度量：Brinson个股选择收益以及胜率平均Brinson个股选择收益平均Brinson个股选择胜率(右轴)0.8%60%0.6%50%0.4%40%0.2%30%0.0%20%-0.2%10%

22、-0.4%0%数据来源：Wind， （三） 基金选股能力 II净值回归超额收益及超额收益稳定性基金绩效的归因中，我们可以通过净值回归的方法剥离基金收益中由市场整体及各类风格(如大/小盘、成长/价值等)所贡献的部分，而剩余收益既为净值回归风格调整后超额收益。净值回归风格调整后超额收益可以度量基金相对于市场整体以及各类风格的超额收益，进而同样可以作为基金选股能力的度量指标。具体方法上，我们主要采用Fama-French模型进行回归。Fama-French模型认为一个投资组合(包括单个股票)的超额回报率可由它对3个因子的暴露来解释，这3个因子分别是：市场因子(MKT)、市值因子(SMB)、账面市值比

23、因子(HML)。在Fama3因子模型的基础上，进一步衍生出了CarHart4因子以及Fama5因子模型，其具体形式为：Fama3因子模型：, = + , + , + , + ,CarHart4因子模型：, = + , + , + , + , + ,Fama5因子模型：, = + , + , + , + , + , + ,其中：,为单个基金扣除无风险收益之后的日频净值涨跌幅；为单个基金在剔除市场因素以及各个风格之后的净值回归超额收益；为对应的市场基准指数(此处取wind全A指数)扣除无风险收益之后的日频收益率；、为市值风格(流通市值)、估值风格(BP)、动量风格(历史3个月涨跌幅)、盈利风格(营

24、业利润率)以及投资风格(总资产增长率)的日频收益率。本文中，我们采用Fama5因子模型来计算基金的净值回归超额收益。具体来看，我们同样以历史3年作为基金的考察周期、以3个月作为回归的滚动窗口，采用多期滚动回归的方法计算基金的净值回归超额收益均值及稳定性(平均值/标准差)，并以此来度量基金选股能力。举例来看，在2019年12月末的时点，我们对于2016.10-2016.12、2016.11-2017.1、2019.9-2019.11、2019.10-2019.12在内的33个区间内的基金净值数据进行回归，并计算净值回归超额收益的平均值以及稳定性(平均值/标准差)。此处，我们以基金净值回归超额收益

25、的均值及稳定性作为基金选股能力的度量，并统计历史上不同报告期的样本基金平均滚动3年即历史12个季度的净值回归 超额收益及稳定性。从历史上来看，近年来基金的平均净值回归超额收益整体呈现上升趋势；而基金的平均净值回归超额收益稳定性也同样呈现上升趋势。图11：基金选股能力度量：净值回归超额收益以及超额收益稳定性平均净值回归超额收益平均净值回归超额收益稳定性(右轴)0.035%0.60.030%0.50.025%0.40.020%0.30.015%0.20.010%0.10.005%0.000%0.0-0.005%-0.1-0.010%-0.2数据来源：Wind， （四） 基金选股能力 III基于历史

26、长线持仓由于主动型权益基金的整体换手率相对较高，我们无法得到基金对于某只持仓个股的具体持有时段，因此基金在季度报告期节点公布的持仓往往参考意义相对有限。然而，如果某只个股连续在多个报告期出现在基金的前10大持仓中，则理论上可以认为基金在该报告期内始终持有该只个股的概率较大，进而我们可以从这些被连续重仓持有的个股中观察基金的个股投资能力。此处，我们主要关注基金长期持有的重仓股，即连续4个报告期出现在基金前10大重仓股中的个股，并根据基金持有期间的表现来研究基金的个股投资能力。举例来看，我们以1只近5年来业绩排名靠前的偏股混合型基金为例，2013年以来，总计有15只个股的连续重仓持有时长超过4个报

27、告期。其中对于贵州茅台、五粮液、泸州老窖的连续持有时长分别为26、23、以及18个报告期。表2：某基金的历史长线持仓个股与同期市场、行业的收益比较情况股票代码公司名称起始重仓持有报告期结束重仓持有报告期连续持有报告期数持有期个股累计收益率持有期个股年化超额收益率(相对市场)持有期个股年化超额收益率(相对行业)600519.SH贵州茅台201306302019093026707.32%28.17%19.14%000858.SZ五粮液201403312019093023795.06%37.91%24.36%600066.SH宇通客车20140930201609309101.01%20.48%24.

28、86%000568.SZ泸州老窖201506302019093018193.40%36.33%12.60%000333.SZ美的集团20150930201703317105.48%50.77%31.26%000550.SZ江铃汽车2015093020160930516.55%4.12%0.77%000089.SZ深圳机场201512312017093088.23%8.46%15.15%002032.SZ苏泊尔2016093020171231638.79%24.84%-4.59%600007.SH中国国贸20160930201709305-13.57%-22.37%-10.86%000423.S

29、Z东阿阿胶2016123120170930422.19%20.88%30.61%600009.SH上海机场201612312019093012209.88%53.19%56.51%600690.SH海尔智家201709302019093095.48%9.19%0.11%002007.SZ华兰生物2017123120190930895.07%52.72%50.34%300015.SZ爱尔眼科20171231201909308127.16%66.04%63.66%002032.SZ苏泊尔2018063020190930642.58%29.07%32.48%数据来源：Wind， 由于下文中我们将重点

30、研究基金选股能力与行业配置稳定性的关系，因此我们主要统计基金长线持仓相比于对应申万一级行业的超额收益以及胜率。对于长线持仓超额收益及长线持仓超额收益胜率，如果基金历史上有N次长线持仓的情况，则我们分别计算这N次长线持仓个股在持有期内相对于行业的年化超额收益率，并计算N次超额收益率的均值以及其中超额收益率大于0的比例，最终得到基金的长线持仓相对行业的超额收益及长线持仓胜率。举例来看，上表中基金的长线持仓相对行业超额收益、及长线持仓相对行业胜率分别为23.09%、86.67%。图12：基金长线持仓相对行业超额收益及胜率指标构建数据来源： 此处，我们以基金长线持仓相对行业的超额收益及胜率作为基金选股

31、能力的度量，并统计历史上不同报告期的样本基金平均滚动3年即历史12个季度的长线持仓超额收益及胜率。从历史上来看，基金的长线持仓相对行业超额收益平均来看均为正，同时基金的长线持仓相对行业胜率平均来看超过60%。长期来看，基金的长线持仓整体上能够战胜同期申万一级行业的表现。图13：基金选股能力度量：长线持仓相对行业超额收益及胜率平均长线持仓相对行业年化超额收益平均长线持仓相对行业胜率(右轴)30%90%25%80%70%20%60%15%50%40%10%30%20%5%10%0%0%数据来源：Wind， 三、基金收益、行业配置稳定性、选股能力的关系（一） 基金收益与行业配置稳定性本章中，我们分别

32、分析基金收益、行业配置稳定性以及基金选股能力三者之间的相关性，并研究三者之间的关系。此处，我们通过计算基金行业偏离幅度、行业配置变化幅度与基金近3年累计收益的相关系数来分析基金行业配置稳定性与业绩的关系。从第二章中构建的4个行业配置稳定性指标之间的相关性来看，基于行业偏离幅度、行业配置变化幅度的行业配置稳定性指标之间整体存在较强的正相关性，平均相关性为73.91%。表3：基金行业配置稳定性指标相关性(2019Q4)相关系数行业偏离幅度(季度)行业偏离幅度(半年度)行业配置变化幅度(季度)行业配置变化幅度(半年度)行业偏离幅度(季度)100.00%82.63%66.54%71.35%行业偏离幅度

33、(半年度)100.00%64.44%80.00%行业配置变化幅度(季度)100.00%78.31%行业配置变化幅度(半年度)100.00%数据来源：Wind， 从统计结果上来看，历史上基金的行业配置稳定性与基金业绩的相关性存在一定的波动，而从2018Q4以来，基金行业配置稳定性与基金近3年累计收益的关系明显转向负相关。在2016Q4-2019Q4的时间区间内，基金行业偏离幅度(季报、半年报)和基金近3年累计收益的相关性为-22.59%、-22.12%，而基金行业配置变化幅度 (季报、半年报)和基金近3年累计收益的相关性为-22.93%、-24.39%。图14：基金行业偏离幅度与基金近3年累计收

34、益相关性图15：基金行业配置变化幅度与基金近3年累计收益相关性相关系数：行业偏离幅度(季度)累计收益 相关系数：行业偏离幅度(半年度)累计收益相关系数：行业配置变化幅度(季度)累计收益 相关系数：行业配置变化幅度(半年度)累计收益25%20%15%10%5%0%-5%-10%-15%-20%-25%15%10%5%0%-5%-10%-15%-20%-25%-30%数据来源：Wind， 数据来源：Wind， 从2016Q4-2019Q4期间的分档收益情况来看，我们根据行业偏离幅度以及行业配置变化幅度从大到小将基金分为5档，并计算每档中基金的平均累计收益。从统计结果来看整体上行业配置稳定性较高的基

35、金获得了更高的累计收益，行业偏离幅度 (季度、半年度)最低的基金分别获得了50.18%、50.20%的累计收益率，而行业配置变化幅度(季度、半年度)最低的基金分别获得了48.17%、50.67%的累计收益率。图16：基金行业偏离幅度分档累计收益(2016Q4-2019Q4)图17：基金行业配置变化幅度分档累计收益(2016Q4-2019Q4)行业偏离幅度(季度)行业偏离幅度(半年度)行业配置变化幅度(季度)行业配置变化幅度(半年度)60%60%50%50%40%40%30%30%20%20%10%10%0%123450%12345数据来源：Wind， 数据来源：Wind， 在行业配置稳定性指标

36、的选择上，整体来看，相比于行业偏离幅度指标，行业配置变化幅度指标与基金业绩的相关性更为显著，且分档之后的收益存在较为明显的单调性；同时，相邻两个时点行业配置比例的平均变化幅度往往更能够反应基金在行业配置上的稳定程度。因此，下文中我们采用基金行业配置变化幅度作为基金行业配置稳定性的度量指标此外，在数据频率的选择上，我们主要考虑基金的换手率情况。从历史上基金的换手情况来看，多数主动型权益基金的换手率水平较高，长期来看，主动型权益基金半年度单边换手率的中位数约为150%，而在14、15年牛市的时间段中，主动型权益基金的换手率出现了进一步上升。整体来看，主动权益基金的换手率较高。因此，下文中我们提高行

37、业配置数据的频率，统一采用季度报告期计算基金的行业配置稳定性；同时，由于季报信息不完整可能带来较大的误差，我们进一步要求基金的持仓集中度相对较高即前十大持仓占权益资产的比例平均高于40%。图18：样本基金整体换手率情况平均换手率(单边)200%180%160%140%120%100%80%60%40%20%0%数据来源：Wind， 从2016Q4-2019Q4期间的情况来看，而从不同行业配置变化幅度基金的具体行业配置情况来看，行业配置变化幅度较小的基金整体来看超配了消费板块，而低配了大金融板块。图19：不同行业配置变化幅度基金的整体行业配置情况(2016Q4-2019Q4)平均行业配置比例：行

38、业配置变化幅度小于10%的基金(2016Q4-2019Q4)平均行业配置比例：行业配置变化幅度小于20%的基金(2016Q4-2019Q4)平均行业配置比例：所有样本基金(2016Q4-2019Q4)50%45%40%35%30%25%20%15%10%5%0%TMT消费周期大金融数据来源：Wind， （二） 基金收益与选股能力本节中，我们主要研究各个选股能力指标与基金业绩的相关性。从第二章中构建的6个选股能力指标之间的相关性来看，基于Brinson归因模型、净值回归模型、以及基金长线持仓得到的选股能力指标之间整体存在一定的正相关性，平均相关性为44.41%，其中长线持仓选股能力指标与其它两类

39、指标的相关性相对较低。表4：基金选股能力指标相关性(2019Q4)相关系数Brinson 个股选择收益Brinson 个股选择胜率净值回归超额收益净值回归超额收益稳定性长线持仓相对行业超额收益率长线持仓相对行业胜率Brinson 个股选择收益100.00%74.97%46.37%61.24%27.02%33.24%Brinson 个股选择胜率100.00%43.17%53.80%22.80%30.89%净值回归超额收益100.00%84.08%31.21%38.71%净值回归超额收益稳定性100.00%21.19%28.65%长线持仓相对行业超额收益率100.00%68.75%长线持仓相对行业

40、胜率100.00%数据来源：Wind， 我们通过计算基金各个选股能力指标与基金近3年累计收益的相关系数来分析基金选股能力与业绩的关系。从统计结果上来看，历史上基金的Brinson个股选择收益及胜率与基金业绩均存在明显的正相关。在2016Q4-2019Q4的时间区间内，Brinson个股选择收益及胜率与基金累计收益的相关系数分别为46.60%、40.69%。从2016Q4-2019Q4期间的分档收益情况来看，我们根据Brinson个股选择收益及胜率，从大到小将基金分为5档，并计算每档中基金的平均累计收益。从统计结果来看，整体上Brinson个股选择收益及胜率较高基金获得了更高的累计收益，收益及胜

41、率最高的基金组合分别获得了54.91%、65.12%的累计收益率。图20：Brinson个股选择表现分档累计收益(2016Q4-2019Q4)图21：Brinson个股选择表现与基金近3年累计收益相关性70%60%50%40%30%20%10%0%Brinson个股选择收益Brinson个股选择胜率1234580%70%60%50%40%30%20%10%0%相关系数：Brinson个股选择收益累计收益相关系数：Brinson个股选择胜率累计收益数据来源：Wind， 数据来源：Wind， 从统计结果上来看，历史上基金的净值回归超额收益及稳定性与基金业绩均存在明显的正相关。在2016Q4-201

42、9Q4的时间区间内，净值回归超额收益及稳定性与基金收益的相关系数分别为85.11%、69.70%。从2016Q4-2019Q4期间的分档收益情况来看，我们根据净值回归超额收益及稳定性，从大到小将基金分为5档，并计算每档中基金的平均累计收益。从统计结果来看，整体上净值回归超额收益及稳定性较高基金获得了更高的累计收益，超额收益及稳定性最高的基金组合分别获得了69.21%、63.24%的累计收益率。图22：净值回归超额收益分档累计收益(2016Q4-2019Q4)图23：净值回归超额收益与基金近3年累计收益相关性80%70%60%50%40%30%20%10%0%净值回归超额收益净值回归超额收益稳定

43、性1234590%80%70%60%50%40%30%20%10%0%相关系数：净值回归超额收益累计收益相关系数：净值回归超额收益稳定性累计收益数据来源：Wind， 数据来源：Wind， 从统计结果上来看，历史上基金的长线持仓相对行业超额收益及胜率与基金业绩均存在明显的正相关。在2016Q4-2019Q4的时间区间内，净值回归超额收益及稳定性与基金收益的相关系数分别为43.92%、53.54%。从2016Q4-2019Q4期间的分档收益情况来看，我们根据长线持仓相对行业超额收益及胜率，从大到小将基金分为5档，并计算每档中基金的平均累计收益。从统计结果来看，整体上长线持仓相对行业超额收益及胜率较

44、高基金获得了更高的累计收益，超额收益及胜率最高的基金组合分别获得了56.45%、63.30%的累计收益率。图24：长线持仓表现分档累计收益(2016Q4-2019Q4)图25：长线持仓表现与基金近3年累计收益相关性70%60%50%40%30%20%10%0%长线持仓相对行业超额收益长线持仓相对行业胜率1234580%70%60%50%40%30%20%10%0%相关系数：长线持仓相对行业超额收益率累计收益相关系数：长线持仓相对行业胜率累计收益数据来源：Wind， 数据来源：Wind， （三） 基金选股能力与行业配置本节中，我们主要研究基金行业配置稳定性与基金选股能力的关系。此处，我们以第二章

45、中构建的行业配置变化幅度作为基金行业配置稳定性的度量；以Brinson个股选择、净值回归超额收益、以及长线持仓相对于行业的表现作为基金选股能力的度量。从基金行业配置稳定性与基金选股能力的相关性来看，我们分别统计2016年末以来，各个季报时点滚动3年的指标相关性。从Brinson个股选择表现与基金行业配置变化幅度的相关性来看，历史上两者存在一定的负相关，即整体来看基金行业配置越稳定，基金的选股能力往往越强。图26：Brinson个股选择指标与基金行业配置稳定性指标的相关性10%0%-10%-20%-30%-40%-50%相关系数：行业配置变化幅度Brinson个股选择收益相关系数：行业配置变化幅

46、度Brinson个股选择胜率数据来源： 从净值回归超额收益、长线持仓表现与基金行业配置变化幅度的相关性来看，历史上相关性存在一定的波动，而自2019年以来，相关性明显有所下降。从3类选股能力的整体情况来看，行业配置变化幅度整体上与基金选股能力存在一定的负相关。图27：净值回归超额收益指标与基金行业配置稳定性指标的相关性图28：长线持仓表现指标与基金行业配置稳定性指标的相关性相关系数：行业配置变化幅度净值回归超额收益相关系数：行业配置变化幅度净值回归超额收益稳定性相关系数：行业配置变化幅度长线持仓相对行业超额收益率相关系数：行业配置变化幅度长线持仓相对行业胜率5%0%-5%-10%-15%-20

47、%-25%-30%-35%-40%25%20%15%10%5%0%-5%-10%-15%-20%-25%数据来源：Wind， 数据来源：Wind， 从2016Q4-2019Q4期间的情况来看，基金选股能力指标与基金行业配置变化幅度指标均存在较为明显的负相关，相关系数位于-15%至-35%之间。图29：基金选股能力指标与行业配置稳定性指标的相关性(2019Q4)相关系数：行业配置变化幅度选股能力0%-5%-10%-15%-20%-25%-30%-35%-40%数据来源：Wind， 此外，我们从第二章分档统计的基础上进一步进行测试。我们基于不同选股能 力指标，在选择选股能力更高的1/5基金的基础上

48、，以10%、20%为阈值，剔除行业 配置变化幅度高于阈值的基金，并统计剩余基金在区间内的平均收益率。经统计， 在选股能力较强的基金中叠加行业配置稳定性的约束能够进一步提高组合的收益率。图30：选股能力前1/5、行业配置变化幅度小于阈值的基金组合收益(2016Q4-2019Q4)近3年累计收益率(选股能力前1/5基金组合)近3年累计收益率(选股能力前1/5、行业配置变化幅度小于20%基金组合)近3年累计收益率(选股能力前1/5、行业配置变化幅度小于10%基金组合)120%100%80%60%40%20%0%数据来源：Wind， 整体来看，某一时段内行业配置稳定性以及选股能力较强的基金往往在该时段

49、内能够获得更高的收益。下文中，我们将从实际投资出发，一方面将分别研究各个行业配置稳定性以及选股能力指标对于基金未来表现的预测作用，即历史上行业配置稳定性高、或选股能力较强的基金在未来是否也能够获得较好的收益；另一方面，我们同样也考虑在选股能力的基础上，进一步叠加基金行业配置稳定性的考量，以此作为基金优选的标准。四、基于基金行业配置稳定性及选股能力优选基金（一） 行业配置稳定性及选股能力指标的选基效果测试上一章中，我们主要分析了基金的行业配置稳定性、选股能力、以及基金收益三者之间的关系。本章中，我们根据第三章中的分析结果，尝试从实际投资的角度出发，从行业配置稳定性、以及选股能力指标中寻找能够预测

50、基金未来业绩表现的指标。本节中我们将分别测试各个行业稳定性指标与选股能力指标的选基效果。具体方法上，我们采取季度换仓的方法，在每年的1、4、7、10月末进行换仓，并根据行业配置稳定性以及选股能力指标将基金分为5档，并等权配置行业配置变化幅度最小的1/5基金作为“高行业配置稳定性”组合、等权配置选股能力指标最高的1/5基 金作为“高选股能力”组合；进一步地，我们在“高选股能力”组合的基础之上，剔除行业配置稳定性较弱的基金。从行业配置稳定性的选基效果来看，我们根据历史3年基于季报、半年报、年报的数据构建行业配置变化幅度指标。从回测效果来看，行业配置变化幅度指标的选基效果较弱，长期来看，由历史上行业

51、配置变化幅度较小的基金所构建的组合与基金整体的收益水平较为接近，并未能获得明显的超额收益。图31：基金行业配置稳定性指标选基效果基金组合：高行业配置稳定性基金组合：整体平均1.61.41.210.80.60.40.20数据来源：Wind， 表5：“高行业配置稳定性”基金组合表现基金组合累计收益(2016.1-2019.12)低行业配置变化幅度43.91%整体平均44.39%数据来源：Wind， 从选股能力指标Brinson个股选择表现的选基效果来看，我们以历史3年基金基于中证800指数的个股选择胜率构建选股能力指标。从回测效果来看，该指标具备一定的选基能力。长期来看，高Brinson个股选择胜

52、率累计获得了65.14%的收益率，而进一步约束行业配置变化幅度不超过25%的高胜率组合累计获得了66.39%的收益率，相对于基金整体水平获得了一定的超额收益。图32：基金Brinson个股选择胜率指标选基效果基金组合：高Brinson个股选择胜率基金组合：高Brinson个股选择胜率、行业配置变化幅度小于25%基金组合：整体平均1.81.71.61.51.41.31.21.110.92016/1/292016/3/292016/5/292016/7/292016/9/292016/11/292017/1/292017/3/292017/5/292017/7/292017/9/292017/11

53、/292018/1/292018/3/292018/5/292018/7/292018/9/292018/11/292019/1/292019/3/292019/5/292019/7/292019/9/292019/11/290.8数据来源：Wind， 表6：“高Brinson个股选择胜率”基金组合表现基金组合累计收益(2016.1-2019.12)高 Brinson 个股选择胜率65.14%高Brinson 个股选择胜率、行业配置变化幅度低于 25%66.39%整体平均44.39%数据来源：Wind， 从选股能力指标净值回归超额收益表现的选基效果来看，我们以历史3年净值回归超额收益稳定性构建

54、选股能力指标。从回测效果来看，净值回归超额收益指标的选基效果较弱，长期来看，由历史上净值回归超额收益稳定性较强的基金所构建的组合与基金整体的收益水平较为接近，并未能获得明显的超额收益。图33：基金净值回归超额收益稳定性指标选基效果基金组合：高净值超额收益稳定性基金组合：高净值超额收益稳定性、行业配置变化幅度小于25%基金组合：整体平均1.51.41.31.21.110.90.8数据来源：Wind， 表7：“高净值回归超额收益稳定性”基金组合表现基金组合累计收益(2016.1-2019.12)高净值超额收益稳定性38.77%高净值超额收益稳定性、行业配置变化幅度低于 25%43.05%整体平均4

55、4.39%数据来源：Wind， 从选股能力指标长线持仓相对行业表现的选基效果来看，我们以历史3年基金长线持仓相比行业的胜率构建选股能力指标。从回测效果来看，该指标具备一定的选基能力。长期来看，高长线持仓胜率基金组合胜率累计获得了73.17%的收益率，而进一步约束行业配置变化幅度不超过25%的高胜率组合累计获得了74.26%的收 益率，相对于基金整体水平获得了一定的超额收益。图34：基金长线持仓相对行业胜率指标选基效果基金组合：高长线持仓相对行业胜率基金组合：高长线持仓相对行业胜率、行业配置变化幅度小于25%基金组合：整体平均1.81.71.61.51.41.31.21.110.90.8数据来源

56、：Wind， 表8：“高长线持仓相对行业胜率”基金组合表现基金组合累计收益(2016.1-2019.12)高长线持仓相对行业胜率73.17%高长线持仓胜率、行业配置变化幅度低于 25%74.26%整体平均44.39%数据来源：Wind， （二） “高选股能力”+“高行业配置稳定性”组合构建上节中，我们分别测试各个行业配置稳定性指标与选股能力的指标的选基效果。整体来看，基金的历史行业配置稳定性没有明显的选基效果，而选股能力指标中的 Brinson个股选择胜率以及长线持仓相对行业胜率指标均具备一定的选基能力，且叠加行业配置稳定性的筛选之后能够进一步小幅提高组合的收益率。本节中，我们从选股能力指标出

57、发，结合两个相对有效的选股能力指标，并在此基础上进一步根据行业配置稳定性指标筛选基金。在选股能力指标上，我们选择历史上Brinson个股选择胜率以及长线持仓相对行业胜率均较高的基金。长期来看，Brinson个股选择胜率高于50%以及长线持仓相对行业胜率高于80%的基金均能够获得一定的超额收益。图35：“Brinson个股选择胜率高于50%”基金组合表现图36：“长线持仓相对行业胜率高于80%”基金组合表现基金组合：Brinson个股选择胜率高于50%基金组合：整体平均基金组合：长线持仓相对行业胜率高于80%基金组合：整体平均1.81.61.41.210.80.60.40.202016/1/29

58、2017/1/292018/1/292019/1/292.521.510.502016/1/292017/1/292018/1/292019/1/29数据来源：Wind， 数据来源：Wind， 表9：“高Brinson个股选择胜率”及“高长线持仓相对行业胜率”基金组合表现基金组合累计收益(2016.1-2019.12)Brinson 个股选择胜率高于 50%53.60%长线持仓相对行业胜率高于 80%101.09%整体平均44.39%数据来源：Wind， 在此基础上，我们选择同时满足Brinson个股选择胜率高于50%、以及长线持仓相对行业胜率高于80%的基金，以此构建“高选股能力”基金组合。

59、经测算，在 2016.1-2019.12的时间区间内，该组合累积获得了104.40%的收益率。在此基础上，我们进一步剔除行业配置变化幅度超过25%的基金，构建“高选股能力”+“高行业配置稳定性”组合。在2016.1-2019.12的时间区间内，该组合累积获得了107.95%的收益率，相比于高选股能力组合略有提升。图37：“高选股能力基金”+“高行业配置稳定性”基金组合图38：“高选股能力基金”+“高行业配置稳定性”基金组合与“高选股能力基金”基金组合比较2.5基金组合：Brinson个股选择胜率高于50%、长线持仓相对行业胜率高于80%、行业配置变化幅度小于25%基金组合：整体平均2.5基金组

60、合：Brinson个股选择胜率高于50%、长线持仓相对行业胜率高于80%、行业配置变化幅度小于25%基金组合：Brinson个股选择胜率高于50%、长线持仓相对行业胜率高于80%221.51.5110.50.502016/1/292017/1/292018/1/292019/1/2902016/1/292017/1/292018/1/292019/1/29数据来源：Wind， 数据来源：Wind， 表10：“高选股能力基金”+“高行业配置稳定性”基金组合表现基金组合累计收益(2016.1-2019.12)Brinson 个股选择胜率高于 50%、长线持仓行业胜率高于 80%107.95%Bri