基金产品专题研究系列之十九：绩效归因下的基金经理行业偏好及优选

1、目录索引 HYPERLINK l _TOC_250017 一、研究背景及基本介绍 5 HYPERLINK l _TOC_250016 （一）研究背景 5 HYPERLINK l _TOC_250015 （二）基金基础池及基金经理筛选方法 5 HYPERLINK l _TOC_250014 （三）基金经理指数的构造 8 HYPERLINK l _TOC_250013 二、基金经理视角下的 BF 模型业绩归因 9 HYPERLINK l _TOC_250012 （一）BF 模型归因方法 9 HYPERLINK l _TOC_250011 （二）基金经理业绩归因指标是同期基金经理表现的度量 11 H

2、YPERLINK l _TOC_250010 （三）基金经理业绩归因的行业特征 13 HYPERLINK l _TOC_250009 （四）基金经理业绩归因指标延续性 15 HYPERLINK l _TOC_250008 三、基于基金经理业绩归因的基金优选 18 HYPERLINK l _TOC_250007 （一）季度轮动：高选股能力基金经理优选 18 HYPERLINK l _TOC_250006 （二）半年度轮动：高选股能力基金经理优选 20 HYPERLINK l _TOC_250005 （三）“行业长赢”基金经理优选 22 HYPERLINK l _TOC_250004 （四）敏感性

3、分析 24 HYPERLINK l _TOC_250003 四、总结 25 HYPERLINK l _TOC_250002 五、附录 26 HYPERLINK l _TOC_250001 （一）行业划分说明 26 HYPERLINK l _TOC_250000 六、风险提示 26图表索引图 1：主动权益基金组合构建框架 5图 2：基础池基金数量及规模变化 6图 3：基础池基金的持股仓位均值变化 7图 4：基础池基金最新规模（亿元）分布（数量：个） 7图 5：候选基金经理管理产品数量分布 7图 6：候选基金经理管理产品数量分布 8图 7：基金经理指数构造示例 9图 8：季度频率：基金经理业绩归因

4、指标与当季度基金经理收益率相关性 12图 9：半年度频率：基金经理业绩归因指标与当期基金经理收益率相关性 12图 10：半年度频率：不同行业的基金经理业绩归因（多阶 BF 模型） 13图 11：平均行业配置收益为正且胜率超过 50%的基金经理数量及占比 14图 12：平均个股选择收益为正且胜率超过 50%的基金经理数量及占比 14图 13：擅长多个行业轮动的基金经理数量分布 14图 14：擅长多个行业个股精选的基金经理数量分布 14图 15：季度频率：近一年个股选择胜率指标选基能力（相关系数） 16图 16：季度频率：近一年个股选择收益率均值指标选基能力（相关系数） 16图 17：半年度频率：

5、近一年个股选择胜率指标选基能力（相关系数） 16图 18：半年度频率：近一年个股选择收益率均值指标选基能力（相关系数） 16图 19：季度频率：近一年个股选择收益率均值指标分档表现 17图 20：半年度频率：近一年个股选择收益率均值指标分档表现 17图 21：行业配置指标自相关系数 18图 22：个股选择指标自相关系数 18图 23：季度：近一年个股选择收益率均值指标策略表现 19图 24：半年度：近一年个股选择收益率均值指标策略表现 20图 25：“行业长赢”基金经理数量分布（分行业） 23图 26：“行业长赢”基金经理擅长行业数量分布 23图 27：“行业长赢”基金经理策略净值（样本外）

6、24图 28：季度频率：不同历史观测报告期表现对比 24图 29：半年度频率：不同历史观测报告期表现对比 24表 1：基金经理指数计算示例 9表 2：某一基金经理超额收益归因计算示例（2019Q3-2019Q4） 11表 3：业绩归因指标与基金经理指数表现同步性 11表 4：基金经理收益归因行业分布示例 14表 5：基金经理筛选因子：业绩归因指标说明 15表 6：业绩归因指标的筛选基金经理能力分析 15表 7：业绩归因指标相关系数矩阵 17表 8：近一年个股选择收益率均值指标策略表现（季度换仓） 19表 9：季度换仓最新推荐组合（持有期：2020-05 至 2020-07） 19表 10：近一

7、年个股选择收益率均值指标策略表现（半年度换仓） 21表 11：半年度换仓最新推荐组合（持有期：2020-03 至 2020-08） 21表 12：“行业长赢”基金经理的个股选择能力对比（样本内 VS 样本外） 23表 13：“行业长赢”基金经理策略表现（样本外） 23表 14：申万一级行业对中证全指行业的映射 26一、研究背景及基本介绍（一）研究背景在基金研究中，一个维度是从基金产品的维度出发，研究基金产品的超额收益及其延续性（前期框架研究报告可见基于因子的主动股票型基金优选策略：基金产品专题研究系列之八等），另一个维度则是从基金经理本身出发，研究基金经理的风格偏好及其优选方法（前期框架研究报

8、告可见基金经理分析框架及稳定风格基金经理优选:基金产品专题研究系列之十二等）。图 1：主动权益基金组合构建框架数据来源：Wind，广发证券发展研究中心我们也在前期的研究中发现，单纯以基金行业配置的稳定性看，行业配置稳定的基金在未来并未有显著的超额收益（报告可见基于行业配置稳定性及选股能力的基金优选策略：基金产品专题研究系列之十七等）。其中的原因或许与基金经理会根据宏观环境及经济政策进行主动的行业轮动，也可能与基金经理更注重行业内的个股精选而相对不注重行业轮动收益有关。换言之，是否能从表征上基金经理在行业的配置能力挖掘出内在的基金经理在特定行业的研究能力。更进一步，是否能通过这一方式，找到对特定

9、行业及板块具有较深理解，且具有精选个股能力的基金经理。基于这两个出发点，我们在本篇报告尝试采用业绩归因分析的方法对基金经理表现进行分析，以期探讨基金经理表现在业绩归因维度上的延续性并尝试在各个行业中优选该行业具有较高选股能力的基金经理。（二）基金基础池及基金经理筛选方法为了较明确地对基金经理的主动管理能力进行刻画，因此我们首先需要对主动基金进行筛选。对于每个季度，我们都对基金以及基金经理进行如下的筛选：基金类型：过去1年该基金类型均为普通股票型、偏股混合型、灵活配置型基金（不考虑分级基金、FOF）；份额类别：仅考虑主要份额，在计算规模时采用所有份额的合并规模；成立时间：成立时间超过36个月；持

10、股仓位：最近4个报告期的持股仓位均超过50%；业绩基准：业绩基准指数不包含港股相关的指数，并且投资范围不包含港股；基金经理归属：在特定的一个季度中，以担任基金经理时间最长的基金经理作为该基金经理的主理人（时间相同且最长的基金经理均为该基金的主理人）；基金经理筛选：若当期基金经理作为主理人的多个产品中规模最大的产品不超过2个亿或近4个报告期任意一个报告期基金经理的持股仓位低于50%，则当期不纳入该基金经理。备注：在基金筛选阶段中，我们并不限制基金规模，但在基金经理筛选阶段中，考虑到实际投资中对基金规模的下限要求，我们要求其管理下的最大的基金产品规模必须超过2亿元。我们将符合以上条件的基金称为基础

11、池基金。截至2020年一季度，基础池基金共有约1500只，规模达到约1.41万亿元。自2010年以来，基础池基金的持股仓位均值维持在80%上下波动。图 2：基础池基金数量及规模变化20000.0160015000.0120010000.08005000.04000.00规模（亿元）数量（右）数据来源：Wind，广发证券发展研究中心图 3：基础池基金的持股仓位均值变化图 4：基础池基金最新规模（亿元）分布（数量：个）100.0%90.0%80.0%70.0%60.0%50.0%40.0%30.0%20.0%10.0%0.0%6138 1465691166792403012009/12/31201

12、0/06/302010/12/312011/06/302011/12/302012/06/292012/12/312013/06/282013/12/312014/06/302014/12/312015/06/302015/12/312016/06/302016/12/302017/06/302017/12/292018/06/292018/12/282019/06/282019/12/31持股仓位均值规模在(0, 2规模在(2, 5规模在(5, 10规模在(10, 15规模在(15, 20规模在(20, 30规模在(30, 50规模在(50, 100规模在(100, 400数据来源：Wind

13、，广发证券发展研究中心数据来源：Wind，广发证券发展研究中心在基础池进行筛选之后，我们根据基础池进一步筛选候选基金经理池。从现有 基金经理的管理情况看，在主动型基金整体规模未明显放大的情况下，基金经理数 量稳定上升，因而单个基金经理管理2个或以上的基金产品的情况出现频率明显上升。以2020年一季度作为参照，我们的候选基金经理共有约580名，其中有接近60%的基金经理当前管理超过1个基金产品，作为对比，在2009年末，在全部195名候选基金经理中，仅有29名参与管理2个基金产品，其余全部仅管理1个基金产品。由此可见，从单个基金观测基金经理的风格、行业偏好相对而言准确性会有所下降，因此我们需要考

14、虑从其管理的多个基金产品的“集合”中找到其真实的投资偏好。图 5：候选基金经理管理产品数量分布60080.0050040070.0060.0050.0030040.0020010030.0020.0010.0000.00平均管理基金规模(亿元，右）候选基金经理数量数据来源：Wind，广发证券发展研究中心图 6：候选基金经理管理产品数量分布6005004003002001000在管一个基金的基金经理数量在管两个基金的基金经理数量在管三个基金的基金经理数量在管超过三个基金的基金经理数量数据来源：Wind，广发证券发展研究中心（三）基金经理指数的构造在上一小节中，我们已经发现，随着时间推移，基金经理

15、管理产品数量整体呈上升趋势。因而为了有效衡量基金经理表现，我们考虑通过构造基金经理指数，通过综合考虑表征上的基金经理主理的多个基金产品的表现，来衡量基金经理的内在研究能力。与基金经理的筛选机制相一致，我们考虑到基金经理在管理产品时付出的研究深度应该与基金产品的规模成正比关系，因此我们采用规模加权净值的方式来构造基金经理指数，具体方法如下：在每个季度报告期披露后，首先按照如上筛选过程计算识别基金经理所管理的基金产品，以季度初的规模作为基金净值的权重，并计算在这一季度期间的日度加权收益率；以该日度加权收益率作为基金经理管理期间的表现，并进而计算得到在该季度中基金经理的收益率。以某一基金经理为例，该

16、基金经理在2019-12-31时分别管理着K个产品，且在 2020年一季度该基金经理仍为产品的主理人，因此可获得该基金经理的区间收益率为。备注：基金经理的区间收益率与规模加权的收益率可能存在一些差异，原因为我们通过日度监测的方式计算得到日度的加权收益率再计算区间的收益率。表 1：基金经理指数计算示例基金产品编号2019Q4 规模（亿元）A权重B = =2020-02-03 至 2020-04-30 区间收益率C加权回报率R = = 基金 195.236.2%4.5%基金 2167.663.8%6.1%该基金经理区间表现5.5%数据来源：Wind，广发证券发展研究中心备注：实际采用加权回报率为首

17、先计算日度加权收益率，再计算得到基金经理指数（即下图），最终得到区间的加权回报率。在日度收益率变化幅度较小的情况下，这一方法与上述结果较为接近。图 7：基金经理指数构造示例1.151.101.051.000.950.900.852020/01/222020/02/032020/02/052020/02/072020/02/112020/02/132020/02/172020/02/192020/02/212020/02/252020/02/272020/03/022020/03/042020/03/062020/03/102020/03/122020/03/162020/03/182020/0

18、3/202020/03/242020/03/262020/03/302020/04/012020/04/032020/04/082020/04/102020/04/142020/04/162020/04/202020/04/222020/04/242020/04/282020/04/300.80数据来源：Wind，广发证券发展研究中心二、基金经理视角下的 BF 模型业绩归因（一）BF 模型归因方法传统的Brinson归因方法中，基金的表现主要通过资产配置收益、个股选择收益和交互收益三个部分。随后Brinson和Fachler 提出了改进版的 Brinson模型BF模型。在这一模型中，我们假设期

19、初基金经理的持仓至当期末仍保持一致，并进而对基金经理的收益表现进行归因分析。R = = ( + + )=1=1 S= + ( ) + ( )=1 S=1 S= + ( ) + ( )=1 S=1 S = + ( ) + S =1=1 SS=1 S = + ( ) + =1=1 S=1= + ( ) + ( )=1=1= + ( )( ) + ( )=1=1备注：表示该基金组合在该行业 i 中的总权重，表示基准组合中行业 i 的权重，表示个股 n 在基金组合中的权重，表示比较基准收益率，表示行业 i 的收益率，表示个股 n 的收益率。在上方的公式中，最后一个等号后，三项分别是基准收益、行业配置收

20、益以及个股选择收益。在本报告中，我们将采用中证800指数作为基准，并分别考虑中证全指行业和申万一级行业两种行业标准进行对比。与经典的Brinson归因方法相比，尽管两者均是超额收益的分解，但BF模型增加了一个比较基准，因此在行业配置收益上可以更好地分析基金经理在超配、低配特定行业后带来的收益。即当行业收益低于比较基准时，低配该行业可获得正超额收益，或当行业收益高于比较基准时，超配该行业可获得正超额收益。考虑到机构的持仓相对更偏好中证800指数，因此我们将以中证800指数作为比较基准。除此之外，我们将按照中证全指行业对个股进行划分并进行归因分析，备注：对于不在中证全指行业的个股，我们将按照附录（

21、一）中的方式指定该个股的所属行业，部分打新个股可能没有归属行业，但因为个股权重一般较低，不进行单独处理。以某一基金经理为例，利用2019Q3披露的前十大重仓股的合计权重，我们假设该基金经理在该季度持仓不变，则该基金经理在2019Q4中共获得了约-0.09%的行业配置收益和-1.8%个股选择收益。相应地，我们可以计算该季度，该基金经理的行业配置胜率和个股选择胜率均为50%，行业配置收益均值和个股选择收益均值分别为-0.01%和-0.2%。表 2：某一基金经理超额收益归因计算示例（2019Q3-2019Q4）行业组合权重Wp基准权重Wb行业收益率R0行业个股加权收益率V基准收益率Rb行业配置收益I

22、ND = (Wp-Wb) *(R0 Rb)个股选择收益STK全指能源0.0%5.6%-1.0%0.0%7.2%0.26%0.0%全指材料6.6%9.1%-1.1%27.6%7.2%-0.10%1.1%全指工业21.3%15.7%-0.9%12.1%7.2%-0.14%1.6%全指可选11.2%10.0%1.0%11.7%7.2%0.02%0.3%全指消费16.5%10.0%4.9%-15.2%7.2%-0.22%-3.1%全指医药7.5%7.1%4.3%-2.4%7.2%-0.00%-0.6%全指金融36.9%27.4%2.5%5.2%7.2%0.08%-1.1%全指信息0.0%9.8%1.9

23、%0.0%7.2%-0.26%0.0%全指电信0.0%1.8%-0.6%0.0%7.2%0.04%0.0%全指公用0.0%3.4%0.2%0.0%7.2%0.24%0.0%汇总-0.09%-1.8%数据来源：Wind，广发证券发展研究中心备注：上表中，Rb为中证800指数在2020年1季度的收益率，行业个股加权收益率为行业内个股归一化权重后计算的加权收益率。（二）基金经理业绩归因指标是同期基金经理表现的度量为了衡量基金经理业绩归因与同期基金经理表现是否具有明显的正相关关系，我们分别按照上一小节的方法分别计算了当期行业配置胜率、当期行业配置收益均值、当期个股选择胜率和当期个股选择收益均值。其中，

24、若季度频率计算，则采用前十大重仓进行业绩归因分析，若半年度频率测算，则采用全部持仓进行业绩归因，下文若按照这一方式进行。可以看到，不管是根据全部持仓还是根据季报披露的前十大重仓股计算出来的基金业绩归因指标，均与当期基金经理指数表现具有非常高的正相关性，不同频率下的相关系数并没有显著差异。尤其是个股选择收益均值指标，与当期基金经理指数表现相关系数均值高达60%，由此可见，基金经理的精选个股能力对基金经理影响相对更大。表 3：业绩归因指标与基金经理指数表现同步性业绩归因指标相关系数（季度频率）相关系数（半年度频率）当期行业配置胜率24.4%26.5%当期行业配置收益均值41.7%43.3%当期个股

25、选择胜率48.3%47.8%当期个股选择收益均值60.1%61.1%数据来源：Wind，广发证券发展研究中心备注：以上指标采用中证全指行业进行业绩归因，其中胜率表示 10 个行业该项收益为正的次数占比，收益均值表示 10 个行业该项收益的均值。图 8：季度频率：基金经理业绩归因指标与当季度基金经理收益率相关性70.0%60.0%50.0%40.0%30.0%20.0%10.0%0.0%-10.0%-20.0%80.0%个股选择胜率个股选择收益率均值行业配置胜率行业配置收益率均值数据来源：Wind，广发证券发展研究中心图 9：半年度频率：基金经理业绩归因指标与当期基金经理收益率相关性80.0%7

26、0.0%60.0%50.0%40.0%30.0%20.0%10.0%0.0%个股选择胜率个股选择收益率均值行业配置胜率行业配置收益率均值数据来源：Wind，广发证券发展研究中心由此可见，尽管半年度频率披露的持仓信息滞后，或者季度频率的持仓信息存在披露程度较低的问题。但根据持仓信息计算的业绩归因模型依然与基金经理表现具有较稳定的正相关关系。由此，我们可以借由基金的业绩归因模型进一步分析近10年来主动型基金的表现特征。（三）基金经理业绩归因的行业特征我们首先观测近十年来基金经理在各个行业的表现情况。通过使用多阶BF模型对业绩表现进行拆解，我们根据半年度全部持仓计算各个基金经理在各个行业的个股选择收

27、益及行业配置收益，并在每期分别以全部基金经理的均值作为主动型基金经理额个股选择能力和行业配置能力的衡量，通过累乘得到近10年主动型基金经理在各个行业的表现。在个股选择收益方面，近十年来主动型基金经理在全部行业的收益均为正；另一方面，在行业配置收益方面，仅有一半的行业取得了正的收益，且取得正收益的主要以热门行业及长期表现靠前的行业为主，如消费、医药、信息等，全指能源板块获得了较高的行业配置收益，主要与该板块长期受主动型基金经理低配且行业表现靠后带来的收益贡献。由此可见，主动型基金经理整体上仍然侧重于在行业中精选个股，但在对行业的景气程度判断方面，整体上仍然以跟随长期绩优板块为主，相对不倚靠于在行

28、业轮动中获得超额收益。图 10：半年度频率：不同行业的基金经理业绩归因（多阶BF模型）8.0%18.0%6.0%12.0%4.0%6.0%2.0%0.0%0.0% 个股选择收益行业配置收益(右)-6.0%数据来源：Wind，广发证券发展研究中心，2009H2 至 2019H2为了比较基金经理是否能长期在特定行业获取收益，我们分别筛选了历史上至少超过8个完整半年度担任“主理人”的基金经理，并分别统计各个行业上基金经理同时满足胜率超过50%且收益率均值为正的基金经理数量。低配能源板块提供行业配置收益，TMT板块个股分化贡献精选个股收益。由于基金经理长期低配能源板块，因此大部分基金经理在该板块获得了

29、较高的行业配置收益。对于信息、材料、工业等板块，由于个股数量较多，行业内个股表现分化较大，更能体现基金经理研究能力，在这些板块上精选个股为基金经理提供了较突出的个股选择收益。从基金经理擅长行业分布也可以看到，不管是行业配置，还是个股选择上，行业间均具有很强的联动性，擅长行业轮动的基金经理往往能在3个行业以上获得较高的正收益，而擅长精选个股的基金经理也往往能在超过3个行业中获得较高的个股选择收益。图 11：平均行业配置收益为正且胜率超过50%的基金经理数量及占比图 12：平均个股选择收益为正且胜率超过50%的基金经理数量及占比250200150100500数量占比（右）100%80%60%40%

30、20%0%数量占比（右）12010080604020060%50%40%30%20%10%0%数据来源：Wind，广发证券发展研究中心，2009H2 至 2019H2数据来源：Wind，广发证券发展研究中心，2009H2 至 2019H2图 13：擅长多个行业轮动的基金经理数量分布图 14：擅长多个行业个股精选的基金经理数量分布421894767擅长1个行业擅长2个行业擅长3个行业擅长4个行业擅长超过4个行业擅长1个行业擅长2个行业擅长3个行业擅长4个行业1526735453擅长超过4个行业数据来源：Wind，广发证券发展研究中心，2009H2 至 2019H2数据来源：Wind，广发证券发展

31、研究中心，2009H2 至 2019H2以某个在5个行业均有较高个股选择收益的基金经理为例，该基金经理具有典型的消费偏好属性，在偏消费的行业中具有较强的个股选择收益，同时通过长期超配消费板块及医药板块进一步获得了较高的行业配置收益，相对地，该基金经理在TMT板块及上游板块表现较弱。行业配置胜率行业配置收益率（均值）个股选择胜率个股选择收益率（均值）全指消费69.2%0.84%61.5%1.72%全指医药46.2%0.35%76.9%1.23%全指工业38.5%-0.31%60.0%1.10%全指可选23.1%-0.20%61.5%0.97%全指金融53.8%-0.23%61.5%0.73%全指

32、能源84.6%0.59%66.7%-0.001%全指材料61.5%0.23%66.7%-0.004%全指电信46.2%-0.02%40.0%-0.02%表 4：基金经理收益归因行业分布示例全指公用53.8%0.03%0.0%-0.05%全指信息30.8%-0.43%10.0%-0.39%数据来源：Wind，广发证券发展研究中心，2009H2 至 2019H2（四）基金经理业绩归因指标延续性基于以上初步的分析，我们可以看到，基金的业绩归因指标跟基金经理的当期 业绩具有较稳定的正相关关系，其中个股选择能力指标最为显著。由此，我们考虑 分析基金经理的业绩归因指标是否同样能与基金经理未来收益保持稳定正

33、相关关系。指标指标释义近一年行业配置胜率近一年行业配置收益为正的次数占比近一年行业配置收益均值近一年行业配置收益均值近一年个股选择胜率近一年个股选择收益为正的次数占比近一年个股选择收益均值近一年个股选择收益均值因此我们考虑通过构建业绩归因指标对基金经理的业绩归因延续性进行分析。表 5：基金经理筛选因子：业绩归因指标说明数据来源：Wind，广发证券发展研究中心备注：以上指标计算过程中，若为半年频率分析则采用全部持仓，若为季度频率分析则采用汇总的前十大持仓。这里我们采用面板数据的计算方式，即近一年数据中共包含4个报告期，在采用全指行业基准的情况下，分别将基金经理表现分别划分至10个行业共有40个数

34、据点。值得注意的是，在半年度换仓频率下，我们分别回看过去三期半年度报告（即在T 年的3月末观测T-2年报、T-1半年报和T-1年报，在T年8月末观测T-1半年报和T-1年报和T半年报）的业绩归因；在季度换仓频率下，我们分别在1月、4月、7月和10月回看过去4个季度报告的业绩归因。表 6：业绩归因指标的筛选基金经理能力分析指标季度频率半年度频率ICICIRICICIR近一年行业配置胜率1.3%0.173.9%0.51近一年行业配置收益均值-2.2%-0.212.2%0.19近一年个股选择胜率6.0%0.718.9%1.25近一年个股选择收益均值1.3%0.869.1%1.07数据来源：Wind，

35、广发证券发展研究中心从分析的结果可以看到，不管以季度换仓还是半年度换仓，可以看到，基金经理的行业配置类指标具有一定的预测作用但稳定性相对较弱。相对而言，个股选择能力具有较强的预测能力，且从半年度换仓频率的测算结果看，近3年来该指标的预测能力有上行趋势。图 15：季度频率：近一年个股选择胜率指标选基能力（相关系数）50.0%40.0%30.0%20.0%10.0%2019Q42019Q22018Q42018Q22017Q42017Q22016Q42016Q22015Q42015Q22014Q42014Q22013Q42013Q22012Q42012Q22011Q42011Q22010Q42010

36、Q22009Q40.0%-10.0%-20.0%图 16：季度频率：近一年个股选择收益率均值指标选基能力（相关系数）40.0%30.0%20.0%10.0%2019Q42019Q22018Q42018Q22017Q42017Q22016Q42016Q22015Q42015Q22014Q42014Q22013Q42013Q22012Q42012Q22011Q42011Q22010Q42010Q22009Q40.0%-10.0%-20.0%-30.0%-30.0%-40.0%近一年个股选择胜率4期移动平均近一年个股选择收益率均值4期移动平均数据来源：Wind，广发证券发展研究中心数据来源：Wind

37、，广发证券发展研究中心图 17：半年度频率：近一年个股选择胜率指标选基能力（相关系数）图 18：半年度频率：近一年个股选择收益率均值指标选基能力（相关系数）35.0%30.0%25.0%20.0%15.0%10.0%5.0%0.0%-5.0%-10.0%2019Q22018Q42018Q22017Q42017Q22016Q42016Q22015Q42015Q22014Q42014Q22013Q42013Q22012Q42012Q22011Q42011Q22010Q42010Q22009Q42019Q22018Q42018Q22017Q42017Q22016Q42016Q22015Q42015Q

38、22014Q42014Q22013Q42013Q22012Q42012Q22011Q42011Q22010Q42010Q22009Q4近一年个股选择胜率4期移动平均35.0%30.0%25.0%20.0%15.0%10.0%5.0%0.0%-5.0%-10.0%-15.0%近一年个股选择收益率均值4期移动平均数据来源：Wind，广发证券发展研究中心数据来源：Wind，广发证券发展研究中心为了更全面的分析指标的有效性，我们在每期（分别考虑季度换仓和半年度换仓）均根据个股选择收益率均值指标由低到高将基金经理平均分为15档，从各个分年度的年化收益率和夏普比率可以看出，该指标具有较稳定的单调性，从长期

39、看，个股选择收益率均值越高的基金经理将跑赢个股选择收益率均值越低的基金经理。图 19：季度频率：近一年个股选择收益率均值指标分档表现图 20：半年度频率：近一年个股选择收益率均值指标分档表现10.0%7.5%5.0%2.5%0.0%年化收益率夏普比率（右）0.400.300.200.100.008.0%6.0%4.0%2.0%0.0%年化收益率夏普比率（右）0.400.300.200.100.00数据来源：Wind，广发证券发展研究中心，回测时间：2010-01至 2020-04数据来源：Wind，广发证券发展研究中心，回测时间：2010-03至 2020-03从指标稳定性的角度出发，我们进一

40、步分析以上4个指标的相关系数以及4个指标的自相关性。可以发现，两个近一年个股选择指标以及两个行业配置指标之间均较强的相关性，但个股选择指标与行业配置指标的相关性相对较低。由此可见两个近一年个股选择指标具有一定的互相替代性，考虑到个股选择平均收益有效性更强，因此我们在下方将以个股选择平均收益指标作为基金经理筛选指标。表 7：业绩归因指标相关系数矩阵近一年行业配置胜率近一年行业配置收益率均值近一年个股选择胜率近一年个股选择收益率均值近一年行业配置胜率100.0%59.2%12.6%11.5%近一年行业配置收益率均值59.2%100.0%15.8%16.2%近一年个股选择胜率12.6%15.8%10

41、0.0%69.6%近一年个股选择收益率均值11.5%16.2%69.6%100.0%近一年行业配置胜率100.0%59.2%12.6%11.5%数据来源：Wind，广发证券发展研究中心图 21：行业配置指标自相关系数图 22：个股选择指标自相关系数100.0%90.0%80.0%70.0%60.0%50.0%2009Q42010Q32011Q22012Q12012Q42013Q32014Q22015Q12015Q42016Q32017Q22018Q12018Q42019Q340.0%100.0%90.0%80.0%70.0%60.0%50.0%2009Q42010Q32011Q22012Q12

42、012Q42013Q32014Q22015Q12015Q42016Q32017Q22018Q12018Q42019Q340.0%近一年行业配置胜率行业配置收益率均值个股选择胜率个股选择收益率均值数据来源：Wind，广发证券发展研究中心数据来源：Wind，广发证券发展研究中心三、基于基金经理业绩归因的基金优选（一）季度轮动：高选股能力基金经理优选在上一节中，我们已经通过历史的测算发现经由基金经理的业绩归因指标中，个股选择收益胜率及均值均具有较明显的选基能力。在本节中，我们尝试通过这一过程优选基金经理，再进一步落地至基金产品上。具体方法如下：回测时间：2009-01-30至2020-04-30；换

43、仓频率：季度换仓（每年的1月、4月、7月、10月的月末交易日，保证季度报告已披露）；申购赎回费率：申购费率为0.15%，赎回费率为0.5%；策略方法：每期根据最新的季度报告计算选股能力，并筛选选股能力最高的前10个基金经理后，选择其管理的规模最大的基金产品进行投资。在以上测算后可以发现，扣除申购赎回费用后，自2010年以来，这一策略共获得约9.1%的年化超额收益，夏普比率约为0.5倍，是同期中证800指数的6倍。在历史回测的11年间共有8年表现优于中证800指数。图 23：季度：近一年个股选择收益率均值指标策略表现4.003.503.002.502.001.501.000.502010/01/

44、282010/04/202010/07/072010/09/172010/12/102011/03/022011/05/182011/08/012011/10/202012/01/042012/03/232012/06/122012/08/242012/11/132013/01/292013/04/222013/07/112013/09/252013/12/132014/03/052014/05/212014/08/042014/10/232015/01/072015/03/272015/06/112015/08/252015/11/162016/01/282016/04/192016/07/

45、052016/09/192016/12/072017/02/272017/05/152017/07/282017/10/172017/12/282018/03/202018/06/062018/08/202018/11/082019/01/232019/04/152019/07/022019/09/122019/12/032020/02/240.00中证800策略净值数据来源：Wind，广发证券发展研究中心表 8：近一年个股选择收益率均值指标策略表现（季度换仓）策略收益率中证 800 收益率策略夏普比率中证 800 夏普比率全策略（年化）10.9%1.8%0.480.08201010.3%-0

46、.8%0.60-0.032011-22.9%-27.0%-1.34-1.2920127.7%5.8%0.480.28201332.1%-1.6%1.66-0.08201419.9%47.1%1.162.63201548.3%18.4%1.220.472016-14.8%-14.5%-0.55-0.61201731.4%15.0%2.621.482018-27.6%-27.5%-1.21-1.31201951.9%33.9%2.471.7120209.2%-4.1%0.92-0.43数据来源：Wind，广发证券发展研究中心，策略已扣费，2010-01 至 2020-04近一年个股选择收益均值近一

47、年个股选择胜率规模最大的基金规模（亿元）作为主理人的基金规模（亿元）基金经理是否曾获奖基金经理 11.55%93.3%143.8438.9否基金经理 21.21%75.0%13.113.1是基金经理 31.19%76.5%64.764.7否表 9：季度换仓最新推荐组合（持有期：2020-05 至 2020-07）基金经理 4基金经理 51.16%1.15%76.2%88.2%28.5116.950.9123.8是是基金经理 61.11%69.2%22.922.9是基金经理 71.06%66.7%75.083.9否基金经理 81.04%84.2%2.22.2否基金经理 91.04%68.8%3.

48、93.9否基金经理 101.04%64.3%65.365.3否数据来源：Wind，广发证券发展研究中心（二）半年度轮动：高选股能力基金经理优选类似地，我们也考虑了如下半年度换仓的策略，为了保证数据可得性，我们分别在每年的3月末和8月进行策略换仓。回测时间：2009-03-30至2020-04-30；换仓频率：季度换仓（每年的3月、8月，保证季度报告已披露），分别在月末倒数第二个交易日卖出基金，并在下个月的第一个交易日买入基金；申购赎回费率：申购费率为0.5%，赎回费率为0.15%；策略方法：每期根据最新的季度报告计算选股能力，并筛选选股能力最高的前10个基金经理后，选择其管理的规模最大的基金产

49、品进行投资；在以上测算后可以发现，这一策略共能获得约10.8%的年化收益率，夏普比率约为0.52倍，在11年间共有9年收益高于中证800指数。图 24：半年度：近一年个股选择收益率均值指标策略表现3.503.002.502.001.501.000.500.00中证800策略净值数据来源：Wind，广发证券发展研究中心表 10：近一年个股选择收益率均值指标策略表现（半年度换仓）策略收益率中证 800 收益率策略夏普比率中证 800 夏普比率全策略（年化）10.8%1.3%0.520.0620103.0%-6.0%0.18-0.302011-24.5%-27.0%-1.54-1.2920126.9

50、%5.8%0.470.28201326.5%-1.6%1.47-0.08201423.4%47.1%1.342.63201563.1%18.4%1.980.472016-17.3%-14.5%-0.75-0.61201726.9%15.0%2.381.482018-23.1%-27.5%-1.07-1.31201944.3%33.9%2.381.71202013.8%-4.1%1.60-0.43数据来源：Wind，广发证券发展研究中心，策略已扣费，2010-03 至 2020-04表 11：半年度换仓最新推荐组合（持有期：2020-03 至 2020-08）近一年个股选择收益均值近一年个股选择

51、胜率规模最大的基金规模（亿元）作为主理人的基金规模（亿元）是否曾获奖基金经理 12.23%77.3%47.673.7否基金经理 21.61%46.2%27.629.5否基金经理 31.58%57.1%12.312.3是基金经理 41.58%42.9%9.19.6否基金经理 51.49%57.1%27.727.7是基金经理 61.48%71.4%51.988.4否基金经理 71.48%70.8%50.466.0是基金经理 81.48%60.0%10.110.1是基金经理 91.47%65.4%68.7197.4否基金经理 101.46%76.2%15.615.6否数据来源：Wind，广发证券发展

52、研究中心（三）“行业长赢”基金经理优选在前两节中，我们分别从个股选择能力和行业配置能力构建了4个指标测算指标与基金经理表现是否具有显著且稳定的关系，并发现，若基金经理近一年个股选择收益均值相对较高，意味着基金经理在多个行业中均具有一定的选股能力，那么未来基金经理的表现也将相对较突出。在本节中，我们尝试从另一个角度出发，即仅在同一个行业内分析基金经理的个股选择收益变化，并尝试找出在对应行业内具有较强选股能力的基金经理，也即是“行业长赢”的基金经理。考虑到基金经理持续高配同一行业的情况并不多见，因此为了考察基金经理在特定行业长期的选股能力，我们考虑将历史区间划分为样本内和样本外两个区间，并通过在样

53、本内筛选出特定行业的“行业长赢”基金经理后，再通过样本外的整体表现以考察基金经理。具体筛选方法如下：样本内分析：2010年一季度至2018年四季度的所有季度报告期样本外分析：2019-01-31至2020-04-30；“行业长赢”基金筛选方法：在样本内中至少有12期作为基金主理人，平均持股仓位超过50%；在样本内该行业的个股选择收益均值为正且该行业的个股选择收益胜率超过50%；该基金经理在该行业的个股选择收益均值在其样本内配置的行业中排名前50%；在该行业中，该基金经理的个股选择收益排名前50%；在样本外基金经理仍有在管基金，剔除已离开公募基金行业的基金经理。在以上的筛选要求中，条件2保证基金

54、经理在管理期间在该行业具有获得alpha收益的能力，而条件3和条件4分别保证了基金经理不仅在该行业表现优于其持有的其他行业，同时基金经理也相比于其他可比基金经理的选股能力更强。依据于以上筛选标准，我们总共筛选得到127位基金经理，从基金经理所擅长管理的行业上看，消费及TMT板块的 “行业长赢”基金经理数量相对较多，上游的能源、公用板块由于历史投资占比较低，因此在这些行业中保持长赢的基金经理数量也相对较少。图 25：“行业长赢”基金经理数量分布（分行业）图 26：“行业长赢”基金经理擅长行业数量分布29272624221913103235基金经理数量34282302520151050擅长1个行业

55、擅长2个行业擅长3个行业数据来源：Wind，广发证券发展研究中心数据来源：Wind，广发证券发展研究中心样本内外个股选择收益的胜率及收益率均值表现可以看出，除了全指能源和全指电信板块在样本外表现不佳外，在其余板块中，“行业长赢”基金经理仍然能维持原有选股能力表现。表 12：“行业长赢”基金经理的个股选择能力对比（样本内 VS 样本外）样本内：个股选择胜率（均值）样本内：个股选择收益率（均值）样本外：个股选择胜率（均值）样本外：个股选择收益率（均值）全指能源65.7%0.4%0.0%0.0%全指材料65.0%0.8%57.6%0.3%全指工业65.5%1.2%59.5%0.7%全指可选64.5%

56、1.3%64.9%0.5%全指消费62.1%0.8%56.0%0.8%全指医药64.4%0.6%70.1%1.1%全指金融68.3%1.2%60.0%0.6%全指信息68.0%1.3%56.3%0.6%全指电信67.1%0.5%44.3%0.1%全指公用70.2%0.4%70.0%0.4%数据来源：Wind，广发证券发展研究中心我们进一步在样本外采取等权配置的方式配置以上基金经理所管理的规模最大的基金产品。从回测结果可以看出，在样本外，基金经理等权组合相比中证800指数获得了约22%的年化超额收益，并且夏普比率是中证800指数约2.4倍。表 13：“行业长赢”基金经理策略表现（样本外）区间收益

57、率年化收益率年化波动率夏普比率基金经理等权组合51.1%39.1%21.9%1.79中证 800 指数21.5%16.9%22.8%0.74数据来源：Wind，广发证券发展研究中心，时间区间：2019-01 至 2020-04图 27：“行业长赢”基金经理策略净值（样本外）1.801.701.601.501.401.301.201.101.000.900.80中证800净值基金经理等权指数数据来源：Wind，广发证券发展研究中心（四）敏感性分析为了验证根据个股选择收益均值指标的选基效果相对具有稳定性，我们分别对指标构造过程中部分参数进行一定的敏感性分析。以季度频率为例，我们将回看的报告期分别改

58、为最近5期、最近3期并分别比较策略不同的分档的收益率。在半年度频率上，我们同样比较了回看报告期为最近2期和最近4期的情形。从测算结果可以看到，在修改了如上参数后，基金的分档收益率表现仍然具有较明显的单调性。图 28：季度频率：不同历史观测报告期表现对比图 29：半年度频率：不同历史观测报告期表现对比10.0%8.0%6.0%4.0%10.0%8.0%6.0%4.0%2.0%2.0%0.0%中证800 第一档 第二档 第三档 第四档 第五档0.0%中证800 第一档 第二档 第三档 第四档 第五档最近3个报告期年化收益率最近5个报告期年化收益率最近4个报告期年化收益率最近2个报告期年化收益率数据

59、来源：Wind，广发证券发展研究中心数据来源：Wind，广发证券发展研究中心四、总结本报告中，我们根据基金类型、持股仓位、成立时间等筛选基础基金池及候选基金经理，并以规模加权基金净值构建基金经理指数作为基金表现衡量。通过BF模型绩效归因我们进一步将主动权益型基金经理的业绩表现分解至各个中证全指行业的行业配置收益和个股选择能力，并进一步构造选股能力指标优选基金经理。我们发现不管是采用季度重仓股，还是半年报的全部持仓，基金业绩归因指标如个股选择胜率、个股选择收益率均值等与同期基金经理表现均有稳定的正相关性。整体上看，在近10年间，细分行业的个股选择收益均对基金经理有正向贡献，并且在信息、医药这2个成长性板块上精选个股贡献较高。为了综合考虑基金经理在各个行业的表现，我们