以人为本基于基金经理的产品筛选

1、目录 HYPERLINK l _TOC_250016 投资聚焦：基金经理-代表基金映射构建及应用价值 1 HYPERLINK l _TOC_250015 从基金经理维度出发，弥补传统筛选框架的不足 2 HYPERLINK l _TOC_250014 2020 年以来基金发行市场火热，产品筛选需求增加 2 HYPERLINK l _TOC_250013 传统的产品筛选框架受到基金经理变更的影响 2 HYPERLINK l _TOC_250012 从基金经理维度出发：基本思路与难点 3 HYPERLINK l _TOC_250011 基金池分类与基金经理-基金映射构建 4 HYPERLINK l

2、_TOC_250010 以基金合同为依据，区分行业主题基金 4 HYPERLINK l _TOC_250009 构建全市场主动型基金池 6 HYPERLINK l _TOC_250008 基金经理-代表基金映射构建：选取代表基金的四项原则 7 HYPERLINK l _TOC_250007 全市场型基金经理池和行业主题型基金经理池构建及其特征 9 HYPERLINK l _TOC_250006 基金经理投资风格定位和行业主题分类 12 HYPERLINK l _TOC_250005 从产品入手：权益类基金投资风格评估框架 12 HYPERLINK l _TOC_250004 以基金风格分类定位

3、基金经理投资风格 15 HYPERLINK l _TOC_250003 基金经理行业主题分类：科技、医药、消费位居前三 17 HYPERLINK l _TOC_250002 基金经理业绩筛选与基金组合 18 HYPERLINK l _TOC_250001 全市场型基金经理：中盘均衡型 18 HYPERLINK l _TOC_250000 行业主题型基金经理：大科技主题 20总结 22插图目录图 1：主动型基金年度发行数量及份额 2图 2：2020 年主动型基金发行数量及份额 2图 3：基金 X 成立以来业绩 3图 4：独立管理未变更基金经理的主动型基金占比约两成 3图 5：主动型行业主题基金判

4、定流程 5图 6：主动型行业主题基金池一级行业主题比重 5图 7：主动型主题基金占比超过八成 5图 8：主动型行业主题基金池一级行业主题比重（独立管理） 6图 9：独立管理的主动型主题基金占比接近九成 6图 10：基金池分类示意图（仅保留初始基金） 6图 11：独立管理基金池中偏股混合型接近 5 成 7图 12：共同管理基金池中灵活配置型约 2/3 7图 13：考察期内具有连续独立业绩的基金经理占比约 4 成 10图 14：56 位基金经理既为全市场型也为行业主题型 10图 15：全市场型基金经理池按管理人分布 10图 16：行业主题型基金经理池按管理人分布 10图 17：全市场型基金经理池按

5、投资年限分布 11图 18：行业主题型基金经理池按投资年限分布 11图 19：全市场型基金经理池按基金管理规模分布 11图 20：行业主题型基金经理池按基金管理规模分布 11图 21：市值、估值、成长因子漂移随时间递增 13图 22：风格漂移系数各年期量级有差异 13图 23：基金投资风格聚类树图 14图 24：基金风格聚类分析结果展示（9 类风格） 14图 25：聚类分析结合标杆基金等因素设置风格阀值（基于 16 个聚类风格） 14图 26：基金投资风格评估流程及考虑因素 15图 27：权益型基金风格评估分值（风格稳定） 16图 28：全市场型基金经理风格评估分值 16图 29：权益型基金风

6、格分布 17图 30：全市场型基金经理风格分布 17图 31：行业主题基金经理池分类 17图 32：中盘均衡组合业绩表现 20图 33：大科技组合业绩表现 22表格目录表 1：基金 X 历任基金经理管理期间表现迥异 2表 2：同一只基金在不同时段对在管的基金经理打上标签 8表 3：基金经理代表基金选取示例 8表 4：管理区间完全一致的基金选取个人投资者资金占比较高者作为代表基金 9表 5：中盘均衡型风格基金经理基本信息 18表 6：多维度评分排名前十的中盘均衡型基金经理 19表 7：综合评分前五的基金经理过去三年投资风格 19表 8：中盘均衡组合风险收益特征 20表 9：大科技主题型基金经理基

7、本信息 20表 10：多维度评分排名前十的大科技主题基金经理 21表 11：大科技组合风险收益特征 21 投资聚焦：基金经理-代表基金映射构建及应用价值2020 年，公募权益类基金首发市场迎来又一股热潮，截至 9 月底，发行数量和份额已超过历史峰值 2015 年，面对琳琅满目的基金产品，全新维度的产品筛选已成为市场的迫切需求。目前市面上传统的业绩筛选框架主要基于产品，从收益率、波动率、回撤等多维度的产品筛选，其筛选效果受到基金经理变更的干扰，如果基金经理的在任区间与筛选的时间区间差异较大，比如上任时间较短，基于产品的筛选结果将受到很大影响。本报告尝试从基金经理角度出发，以其在任的基金去代表基金

8、经理在对应时点的业绩和风格，从而将基金经理的历史运作记录转化为其历史管理的一系列代表基金，最后在基金经理层面进行筛选，以弥补传统框架的不足。基于这一思路，本报告主要贡献如下：基于合理的简化形成基金经理-代表基金映射构建方法。以最近 3 年（2017 年 6 月到2020 年 6 月）为考察期，月度为频率，将各基金每个月度的业绩赋予对应时点的在管基金经理。代表基金的选取遵循最少切换原则、管理时长原则、在管产品优先原则、个人投资者资金占比原则，将基金经理代表基金的业绩进行拼接，则得到了基金经理在考察期内的业绩序列，并将考察期内具有连续管理业绩的基金经理分为全市场型基金经理和行业主题型基金经理，完成

9、了从基金池到基金经理池的数据基础设施构建。以代表基金定位基金经理投资风格或投资主题。结合团队创立的权益类基金投资风格评估框架，每半年计算一次基金的成长价值分值、大小盘分值。对于全市场型基金经理池，通过基金经理-代表基金映射，将最近 3 年的代表基金得分均值作为基金经理的风格得分，定位基金经理投资风格。以代表基金的行业主题分类定位基金经理的行业主题属性。基于基金经理连续业绩筛选和代表基金组合构建。基于基金经理连续业绩，考察区间2017 年 6 月 30 日到 2020 年 6 月 30 日，从累计收益、风险调整后收益、区间最大回撤、年化波动率、收益稳定性共五个维度给予一定权重进行综合评分，得到各

10、风格分类或主题类别下基金经理综合排名，并选取排名靠前的基金经理代表基金构建组合。 从基金经理维度出发，弥补传统筛选框架的不足2020 年以来基金发行市场火热，产品筛选需求增加从公募主动权益型基金的年度发行情况来看，截至 2020 年 9 月 30 日，2020 当年主动权益型基金发行数量 699 只，发行总份额 11803.82 亿份，均已超过历史峰值、2015 年全年水平（633 只、10692.74 亿份），创造公募主动权益型基金又一发行高峰。从月度发行情况来看，自 4 月起，主动权益型基金发行呈现显著增长，发行数量逐月增加，6、7、8、9 月单月发行数量分别为 81、94、103、146

11、 只，发行份额合计分别为 1381.85 亿份、2742.16 亿份、2074.89 亿份、1547.61 份。面对如此活跃的首发市场和种类繁多的基金品种，基于全新角度的多维度产品筛选无疑是当前投资者的迫切需求。图 1：主动权益型基金年度发行数量及份额图 2：2020 年主动权益型基金发行数量及份额份额（亿份）数量（右轴）份额（亿份）数量（右轴）140001200010000800060004000200002013 2014 2015 2016 2017 2018 2019 202080070060050040030020010003000250020001500100050001月 2月

12、3月 4月 5月 6月 7月 8月 9月160140120100806040200资料来源：Wind，中信证券研究部资料来源：Wind，中信证券研究部传统的产品筛选框架受到基金经理变更的影响传统的基金筛选框架是基于产品本身的业绩，从收益率、波动率、回撤等多维度的产品筛选。而基金经理对于主动型基金的业绩具有重大影响，基金经理的变更使得传统的基金产品筛选框架受到局限。以灵活配置型基金 X 为例，该基金成立以来，历任 7 位基金经理，在每位基金经理管理期间，业绩表现迥异：基金经理 W 于 2012 年 6 月至 2014 年 10 月管理该基金，期间取得 126.78%的累计收益和 42.73%的年

13、化收益，在同期 84 只同类产品中排名第一，而在其他基金经理管理期间，该基金区间收益多数位于同类后 50%，如图 3，基金 X 的业绩在不同基金经理管理时段其超额收益水平大相径庭。表 1：基金 X 历任基金经理管理期间表现迥异基金经理任职日期离任日期任职总回报年化回报同类排名L2017-01-2585.40%18.57%279/1279Y2016-03-262017-07-29-12.24%-9.25%783/810Z2014-09-262017-03-0831.41%11.78%134/211基金经理任职日期离任日期任职总回报年化回报同类排名W2012-06-302014-10-17126.

14、78%42.73%1/84WW2009-09-232012-06-29-26.10%-10.34%49/50YY2009-07-112010-11-0510.68%7.97%31/45O2009-03-172009-06-171.81%7.29%37/37资料来源：Wind，中信证券研究部据Wind 数据，截止到 2020 年二季度，市场上共有主动偏股型基金数量 2112 只（剔除行业主题基金，仅保留初始基金），其中仅有 492 只自成立起为独立管理且未更换过基金经理，近 8 成基金更换过基金经理或为多人共同管理。不同的基金经理投资理念、组合配置可能存在差异，这就使得同一只基金在不同时段可能体

15、现出不同的风格特征和业绩表现。结合调研得知，多数基金经理管理的同类型产品具有相近的组合特征和较为一致的业绩表现，因此相比基金产品本身的角度，从基金经理出发，可能是更为合理的产品筛选路径。图 3：基金 X 成立以来业绩图 4：独立管理未变更基金经理的主动型基金占比约两成基金X灵活配置型基金指数沪深300独立管理未变更其他54.543.532.521.510.5023.30%76.70%资料来源：Wind，中信证券研究部 20090320 到 20200904资料来源：Wind，中信证券研究部 截至 2020Q2从基金经理维度出发：基本思路与难点本报告从基金经理维度出发，以弥补传统方法不足。基本思

16、路如下：将基金经理的历史业绩用历史管理的基金来表示，获取基金经理的连续业绩；以代表基金的风格特征刻画基金经理的投资风格，获取基金经理的连续风格和运作记录由于基金产品与基金经理并不是严格的一对一关系，因此上述工作会受到诸多因素的干扰，总的来说，难点与挑战有以下几点：行业主题基金的干扰：管理行业主题基金的基金经理持仓受到基金合同的影响，并不能准确刻画其投资风格，因此需要在产品层面与其他主动偏股型基金做区分；多位基金经理同时管理一只基金，一位基金经理同时管理多只产品：基金经理于基金产品的“一对多”和“多对一”的关系普遍存在，需要制定一定规则选择代表基金；考察期内基金经理先后管理不同的基金：考察期内基

17、金经理代表基金的切换亦需制定统一的规则。针对以上难点，本报告给出针对性解决方法，构建基金经理-基金映射关系，划分基金经理投资风格。最终基于风格和基金经理连续业绩进行筛选，构建基金组合。 基金池分类与基金经理-基金映射构建以基金合同为依据，区分行业主题基金行业基金投资于特定行业或板块的公司，主题基金投资于不同行业但关联于同一主题的公司，管理此两类基金时，基金经理的持仓往往会受到基金合同的约束，因此为了使得所管基金能够更好的反映基金经理的投资风格和业绩表现，需要区分行业、主题基金，分别构建全市场主动型、行业主体型基金池。首先我们需要先判定主动型基金中的行业主题基金，根据我们已有研究成果量体裁衣，擘

18、肌分理行业主题基金分类方法论及备选池构建(2020-5-21)，我们给出如下界定标准：行业、主题基金界定上，我们选取基金合同中的“80%条款”为核心定义条件，即基金合同中明确规定“跟踪某一行业、主题指数，或投资于某一行业、某一主题相关的上市公司的股票不低于基金净资产、非现金资产、或股票资产的 80%”的基金，这类基金我们定义为行业或主题基金。值得注意的是，部分基金合同中该条款对于阈值的设定可能存在差异，如 70%或 90%，这类基金我们一并归入到定义范围内。行业的分类参照中信证券、中证、申万的一二级行业指数的分类方式，采用自上而下的归纳为主；主题分类以基金合同的界定为依据，把握主题背后的投资逻

19、辑。不够聚焦的主题类别暂不定义为主题基金，无需剔除。主动型产品中普遍存在界定模糊、聚焦度不高的主题，比如“品质生活”、“新动力”、“美丽中国”、“转型升级”等，该类主题并未聚焦在某一特定领域，投资范围上过于宽泛，没有统一特征，即使基金合同存在“80%条款”，也不定义为主题基金，仍保留在主动偏股型基金池中。图 5：主动型行业主题基金判定流程股票型、混合型基金为大样本普通股票型混合型QDII普通股票型QDII混合型主题基金池初选（带有主题字样）名称、业绩比较基准、投资范围冠有“主题”字样确认80%条款后纳入行业基金池构建基本以被动型行业框架为蓝本中信、申万、中证行业指 数为分类依 据主题型基金补充

20、“80%条款”作为检索依据筛选出新的主题基金，补充主题分类一二级主题合并拆分行业、主题基金共计724只多份额仅保留一只行业基金56只主题基金668只资料来源：Wind，中信证券研究部 截至 2020 年 Q2按照以上分类方法，截至 2020 年上半年，我们筛选出共 724 只满足定义的主动型行业主题基金，规模合计 8316.24 亿元。整体来看，主动型主题基金共 668 只占绝大多数，行业基金仅 56 只。规模方面，主动型主题基金规模合计 7061.14 亿元，占比超过八成。一级行业主题分类方面，大科技、医药、消费规模占比分别为 21.32%、13.62%、12.88%为排名前三的一级行业/主

21、题，其次分别为龙头蓝筹（7.90%）、新兴（6.84%）、大健康（5.41%），其余分类均在 5%以下。图 6：主动型行业主题基金池一级行业主题比重图 7：主动型主题基金占比超过八成大科技医药消费龙头蓝筹 新兴大健康高端制造 红利新能源其他主题行业3.03%3.43%4.10%5.41%21.48%21.32%15.09%84.91%13.62%6.84%7.90%12.88%资料来源：Wind，中信证券研究部 截至 2020Q2资料来源：Wind，中信证券研究部 截至 2020Q2考虑到存在多位基金经理共同管理的基金，其业绩表现和风格特征与对应的基金经理难以构建一对一的联系，且部分基金经理存

22、在挂牌管理的情况，可能存在部分基金业绩并不能反映基金经理投资能力的情况，因此在区分行业主题型和全市场型基金的基础上，我们需要再增加“独立管理”与“共同管理”这一维度。“独立管理”指在考察期内，该基金的基金经理人数始终为一人。按照上述定义进一步筛选独立管理基金，近三年由基金经理独立管理的主动型行业主题基金共 384 只，规模共计 5386.92 亿元。相比筛选前，大科技、消费、龙头蓝筹等热门主题规模占比均有一定提升。后续构建基金经理-基金映射关系时，我们主要采用独立管理的主动型行业主题基金。图 8：主动型行业主题基金池一级行业主题比重（独立管理）图 9：独立管理的主动型主题基金占比接近九成大科技

23、消费医药龙头蓝筹 新兴大健康高端制造 新能源红利其他主题行业87.40%12.60%3.30%18.75%3.62%3.87%22.04%16.23%4.54%6.61%8.63%12.41%资料来源：Wind，中信证券研究部 截至 2020Q2资料来源：Wind，中信证券研究部 截至 2020Q2构建全市场主动型基金池截止到 2020 年上半年，选取普通股票型、偏股混合型、灵活配置型、平衡混合型 4类基金共计 3777 只，剔除满足上述判定标准的行业主题基金，仅保留初始基金，最后得到全市场主动型基金共 2112 只。与行业主题基金相同，我们以 3 年（2017 年 6 月到 2020 年 6

24、 月）为考察期将上述主动偏股型基金池划分为共同管理基金池和独立管理基金池，独立管理基金池中的基金在 3年内由一位基金经理一直管理或由多位基金经理先后独立管理，共同管理基金池中基金在考察期内曾由多位基金经理共同管理。得到独立管理基金池共 967 只，共同管理基金池共1145 只。至此我们完成了公募主动型基金的两个维度的划分，具体分类如图 10 所示。图 10：基金池分类示意图（仅保留初始基金）公募主动型基金（2836只）全市场型基金（2112只）行业主题基金（724只）共同管理（1145只）独立管理（967只）共同管理（340只）独立管理（384只）资料来源：Wind，中信证券研究部 截至 20

25、20Q2全市场型基金中，共同管理基金与独立管理基金的投资类型数量分布有较大差异，共同管理基金池中灵活配置型占比约 2/3，此外偏股混合型 24%，普通股票型和平衡混合型合计占比不足 10%。独立管理基金池中偏股混合型占比近 5 成，灵活配置型 38.78%，普通股票型超过 10%。与行业主题基金池类似，考虑到独立管理的主动型基金，其业绩表现、投资风格与基金经理的对应关系更为直接，为保证对应关系的准确性，本报告主要选择独立管理池基金与其基金经理构建映射关系。图 11：独立管理基金池中偏股混合型接近 5 成图 12：共同管理基金池中灵活配置型约 2/3灵活配置型基金 偏股混合型基金平衡混合型基金

26、普通股票型基金10.13%4.24%灵活配置型基金 偏股混合型基金平衡混合型基金 普通股票型基金6.72%2.97%46.85%38.78%24.02%66.29%资料来源：Wind，中信证券研究部 截至 2020Q2资料来源：Wind，中信证券研究部 截至 2020Q2基金经理-代表基金映射构建：选取代表基金的四项原则基金池分类完毕，我们分别对独立管理的全市场型基金池和行业主题基金分别构建基金经理-基金映射。以全市场型基金池为例，具体分为以下步骤：将各基金业绩按月度切分，分别赋予该时点在管基金经理首先以独立管理的全市场型基金池为例，967 只基金共计基金经理 730 人，共计产品管理记录 1

27、180 条。以最近 3 年（2017 年 6 月到 2020 年 6 月）为考察期，以月度为频率，获取各时点下基金的在管基金经理。以基金经理 ID 为标的指标，将各基金每个月度（共 36 期）的业绩赋予该时点的在管基金经理，并将同一位基金经理管理的同一只基金联接起来，同一位基金经理管理的多只基金分开列示；每位基金经理的每只基金，仅对其在管的期数打上“在管”标记。值得注意的是，同一只基金的历史业绩可能分配给不同的基金经理，在每一个月度节点，将该基金分配给唯一一位基金经理并打上“在管”标签。如表 2 所示，谢志华、罗春蕾、宋德舜分别于 2017 年 6 月到 2019 年 5 月、2019 年 6

28、 月到 2020 年 4 月、2020 年 5月到 6 月管理诺安鸿鑫，就将该基金的三段业绩分别赋予以上三位基金经理对应的时段。表 2 选择 2017/7/31、2019/6/30、2020/6/30 三个时间点为例进行展示。表 2：同一只基金在不同时段对在管的基金经理打上标签基金经理基金代码基金简称管理期数（月频）2017/7/312019/6/302020/6/30谢志华000066.OF诺安鸿鑫24在管罗春蕾000066.OF诺安鸿鑫11在管宋德舜000066.OF诺安鸿鑫2在管何文韬000530.OF招商丰盛稳定增长 A24在管王奇玮000530.OF招商丰盛稳定增长 A13在管在管高

29、兵000541.OF华商创新成长13在管梁皓000541.OF华商创新成长24在管在管资料来源：Wind，中信证券研究部 截至 2020Q2基金经理管理多只产品：最少切换原则、管理时长原则、在管产品优先原则代表基金，即基金经理管理的产品中，业绩、组合特征、风格具有代表性特征，可以较大程度上反映基金经理投资特点的基金。本报告选取基金经理代表基金时采用的三大原则分别为：最少切换原则、管理时长原则、在管产品优先原则，具体方法如下：最少切换原则：在考察期间内，同一位基金经理的代表基金尽量不做切换；管理时长原则：若基金经理管理多只产品直到考察期结束，或在考察期内多只产品同时离任，选择最早开始管理的基金作

30、为代表基金。；例如：表 3 中，冯波管理的三只基金中，最早开始管理且管理时间最久的易方达行业领先，管理时长超过 10 年，且截至 2020 年二季度，基金经理仍在继续管理，因此在考察期内（2017 年 6 月到 2020 年 6 月），我们一直选取易方达行业领先作为冯波的代表基金，不做切换。在管产品优先原则：当前在管产品的管理时段优先全部选取。若基金经理的历史管理基金离任时间不同，则管理时间越近的产品，其管理区间越优先选取。例如：表 3 中，刘美玲自 2018 年 10 月 16 日开始管理嘉实创新成长，截至 2020 年二季度末仍在管理，因此按照在管产品优先原则，2018 年 10 月到 2

31、020 年 6 月的代表基金为嘉实创新成长；在嘉实创新成长之前，最近管理的产品为嘉实优势成长，因此自 2018年 9 月之前的代表基金为嘉实优势成长，一直取到 2017 年 6 月。即刘美玲在考察期间内代表基金仅经过 1 次切换，而自 2015 年 12 月到 2017 年 11 月管理的嘉实增长不选取为代表基金。表 3：基金经理代表基金选取示例基金经理基金代码基金简称起始管理日期离任日期考察期内管理期数2017/7/312019/6/302020/6/30（月频）冯波005875.OF易方达中盘成长2018/7/424在任在任冯波008286.OF易方达研究精选2020/2/215在任冯波1

32、10015.OF易方达行业领先2010/1/137代表基金代表基金代表基金刘美玲001760.OF嘉实创新成长2018/10/162020/8/121代表基金代表基金刘美玲003292.OF嘉实优势成长2016/12/12019/8/2326代表基金在任离任刘美玲070002.OF嘉实增长2015/12/312017/11/185在任离任离任资料来源：Wind，中信证券研究部 截至 2020Q2基金经理管理时间区间完全一致的基金：个人投资者资金占比原则若一位基金经理在考察期内一直管理多只基金，且管理起始和结束时间相同，则上述筛选方式失效，我们需要纳入新的筛选指标。考虑到个人投资者资金相比机构投

33、资者，其行为相关性较低，因此个人投资者资金占比高的基金其规模相对会更加稳定，当上述情况出现时，我们选取个人投资者资金占比较高的基金作为管理期间的代表基金。如表 4 所示，共有邓默、樊利安等 9 位基金经理管理的基金存在管理区间完全一致的情况，且在考察期内均为一直管理状态，我们计算 2017 年 6 月到 2020 年 6 月，共 3 年时间内各基金机构投资者资金占比、个人投资者资金占比的平均值，选取个人投资者资金占比较高的基金作为代表基金。表 4：管理区间完全一致的基金选取个人投资者资金占比较高者作为代表基金基金经理基金代码基金简称考察期内管理期数机构投资者资金占比个人投资者资金占比筛选结果邓

34、默000609.OF华商新量化3714.53%85.47%邓默001143.OF华商量化进取370.04%99.96%代表基金樊利安000526.OF国泰浓益 A3750.16%49.84%代表基金樊利安160220.OF国泰民益 A3761.39%38.61%李君001122.OF鹏华弘利 A3790.98%9.02%代表基金李君001190.OF鹏华弘润 A3797.65%2.35%刘方正001325.OF鹏华弘和 A3792.44%7.56%代表基金刘方正001327.OF鹏华弘华 A3794.88%5.12%王刚000314.OF招商瑞丰 A3795.99%4.01%代表基金王刚001

35、427.OF招商丰泽 A3799.87%0.13%应帅202001.OF南方稳健成长371.59%98.41%应帅202002.OF南方稳健成长 2 号370.20%99.80%代表基金赵强001040.OF新华策略精选376.53%93.47%代表基金赵强519087.OF新华优选分红377.86%92.14%周云000480.OF东方红新动力371.65%98.35%代表基金周云001564.OF东方红京东大数据372.75%97.25%左金保519975.OF长信量化中小盘3721.72%78.28%左金保519983.OF长信量化先锋 A378.78%91.22%代表基金资料来源：Wi

36、nd，中信证券研究部 截至 2020Q2全市场型基金经理池和行业主题型基金经理池构建及其特征将基金经理的代表基金进行拼接，得到观察期间内连续的代表基金列表。我们按照相同的方法将独立管理的行业主题基金池也做相同处理，就得到了全市场型基金池和行业主题基金池中所有基金经理的代表基金序列。通过以上流程，若一位基金经理在考察期间内每一个时点均有对应的代表基金，则称该基金经理在考察期内具有连续的独立主动管理业绩。据筛选结果统计，全市场型基金经理 730 位，其中 292 位在考察期内有连续的独立主动管理业绩；行业主题型基金经理 365位，其中 148 位在考察期内有连续的独立主动管理业绩，具有独立主动管理

37、业绩的基金经理占比均在 40%左右，我们将其分别命名为全市场型基金经理池和行业主题型基金经理池。此外，薄官辉、蔡滨等 56 位基金经理在考察期内既有全市场型基金的连续管理业绩，也有行业主题型基金的连续管理业绩，因此既为全市场型基金经理，也为行业主题型基金经理。图 13：考察期内具有连续独立业绩的基金经理占比约 4 成图 14：56 位基金经理既为全市场型也为行业主题型具有连续业绩的全市场类基金经理（292位）56位 具有连续业绩基金经理的行业主题型基金经理（148位）具有连续独立业绩管理业绩不连续40.00%全市场型60.00%59.45%40.55%行业主题型资料来源：Wind，中信证券研究

38、部 截至 2020Q2资料来源：Wind，中信证券研究部 截至 2020Q2从基金公司来看，全市场型基金经理池 292 位基金经理来自 73 家基金公司，广发基金、景顺长城基金、南方基金分别有 11 位、10 位、10 位。除以上 3 家管理人外，23 家基金公司有 5 位以上入池基金经理、30 家基金公司拥有 2 到 4 位、17 家基金公司拥有 1位。行业主题型基金经理池 148 位基金经理来自 64 家基金公司，建信基金、嘉实基金、分别有 9 位、7 位入池基金经理，华夏基金、汇添富基金、易方达基金均有 5 位，其余管理人中，32 家基金公司有 2 到 4 位、17 家基金公司拥有 1

39、位。整体来说，头部管理人在入池基金经理数量上存在显著优势。图 15：全市场型基金经理池按管理人分布图 16：行业主题型基金经理池按管理人分布121081098766544232广发基金华安基金富国基金银河基金华商基金国海富兰克林基金泰达宏利基金泰信基金国投瑞银基金汇丰晋信基金兴业基金长信基金 东吴基金 融通基金 财通基金 富安达基金华融基金 平安基金 益民基金01建信基金易方达基金 上投摩根基金博时基金国投瑞银基金景顺长城基金东证资管诺安基金信达澳银基金中邮基金东方基金光大保德信基金华富基金平安基金新华基金长信基金0资料来源：Wind，中信证券研究部 截至 2020Q2资料来源：Wind,中信

40、证券研究部 截至 2020Q2从投资经理年限来看，由于我们筛选近三年有连续主动管理业绩的基金经理，因此两个基金经理池中投资年限均在 3 年以上。全市场基金经理池平均投资年限为 6.78 年，其中 37 位基金经理有 10 年以上投资年限，如国联安基金魏东（15.99 年）、富国基金朱少醒（14.84 年）、毕天宇（14.81 年），此外多数基金经理投资年限位于 5 到 8 年，占比超过五成，投资年限 8 到 10 年、3 到 5 年的基金经理分别占 13.36%、21.92%。行业主题基金经理池平均投资年限 4.37 年，显著低于全市场基金经理池。10 位基金经理拥有 10 年以上投资经验，如

41、长城基金杨建华（16.33 年）、广发基金李琛（13.27 年）、中银基金严菲（12.96 年）。此外多数基金经理投资年限位于 5 到 8 年，占比 57.43%。此外投资年限 8 到 10 年、3 到 5 年的基金经理分别占 9.46%、26.35%。图 17：全市场型基金经理池按投资年限分布图 18：行业主题型基金经理池按投资年限分布10年以上8到10年5到8年3到5年21.92%13.36%52.05%12.67%10年以上8到10年5到8年3到5年6.76%9.46%26.35%57.43%资料来源：Wind，中信证券研究部 截至 2020Q2资料来源：Wind，中信证券研究部 截至

42、2020Q2从基金经理管理资产规模来看，全市场型基金经理池中，百亿基金经理有 58 位，其中广发基金刘格菘（821.32 亿元）、易方达基金胡剑（769.14 亿元）、张坤（522.51 亿元）、南方基金茅炜（740.36 亿元）、诺安基金谢志华（539.02 亿元）共 5 位基金经理管理规模500 亿元以上。占比最高的分类为管理规模 20 亿元以下，共有 115 位，合计管理规模 1016.57 亿元。此外，管理规模 20 亿元到 50 亿元、50 亿元到 100 亿元、100 亿元到 200亿元、200 亿元到 500 亿元的基金经理数量依次降低。行业主题基金经理池中，管理规模 500 亿

43、元以上仅汇添富基金胡昕炜一人，管理规模20 亿元以下的基金经理仍然占据最高比例，共 64 位，管理规模合计 571.86 亿元。此外管理规模各区间分布情况与全市场型基金经理池较为一致。图 19：全市场型基金经理池按基金管理规模分布图 20：行业主题型基金经理池按基金管理规模分布20亿元以下20亿到50亿50亿到100亿100亿到200亿 200亿到500亿 500亿元以上10.62%39.38%13.70%27.05%7.53% 1.71%20亿元以下20亿到50亿50亿到100亿100亿到200亿 200亿元以上8.78%11.49%43.24%10.81%25.68%资料来源：Wind，中

44、信证券研究部 截至 2020Q2资料来源：Wind，中信证券研究部 截至 2020Q2总的来说，基金经理-代表基金映射关系的构建主要包含以下步骤：我们将市场上所有主动型基金的历史业绩按月度频率切分，赋给对应的基金经理，并以基金经理 ID 为标的指标，基于给定规则筛选代表基金，将考察区间内基金经理的历史业绩转化为一系列代表基金的序列，并进一步筛选 2017 年 6 月到 2020 年 6 月有连续管理业绩的基金经理，以此分别构建了全市场型基金经理池（292 位）和行业主题型基金经理池（148 位）。完成以上基金经理数据基础设施构建后，我们可以在基金经理的基础上展开业绩筛选和风格分析。筛选方式有两

45、种，一种是统一筛选，另一种是综合风格（或行业主题）和业绩的筛选，考虑到近年来风格分化比较剧烈的市场特征，本报告主要采用第二种筛选方式，展示风格分类后的业绩筛选结果。 基金经理投资风格定位和行业主题分类从产品入手：权益类基金投资风格评估框架对于全市场型基金经理池，我们拟进一步对其进行风格分类，以期在不同细分风格下挖掘优质基金经理。基金经理的投资风格定位依赖于其代表基金的投资风格，因此我们需要从权益基金的风格评估入手，对传统风格评估方法进行优化升级，以期合理定位基金投资风格、区分风格漂移型标的，并通过基金经理-代表基金映射关系，最终定位基金经理投资风格。本报告的权益基金风格分类采用已有研究成果：公

46、募权益类基金投资风格评估及应用挖掘优质品种、监控配置动向（2020-4-7）提出的优化算法下的权益类基金投资风格评估框架，该框架具有风格稳定性指标设计、智能算法辅助定位、聚类风格数升级提升基金风格辨识度等优势。风格评估的优化：风格稳定性指标设计、智能算法辅助定位基于持仓的基金风格研究以九宫格形式较为普及，其纵轴、横轴分别代表市值规模、价值/成长因子，可向基金投研人员直观展示投资风格。具体而言，首先分别统计个股在市值、价值、成长维度上的大类因子评分，进而按归一化持股权重加权得出基金的投资风格评分，但此类传统算法存在进一步优化的空间。风格评估算法优化之一：风格稳定性指标设计实际投资中，相比基金的静

47、态截点风格，组合管理人更关心的是该投资风格是否稳定，客观区分投资风格的稳定性对于实战尤为重要。于此，我们设计市值、估值、成长因子的风格漂移系数（系数越大、风格越漂移），以体现不同维度上基金风格的稳定性。图 21：市值、估值、成长因子漂移随时间递增市值风格漂移系数均值图 22：风格漂移系数各年期量级有差异12%10%8%6%4%2%0%估值风格漂移系数均值成长风格漂移系数均值2345678风格期数20%风格漂移系数均值 风格漂移系数最大值风格漂移系数最小值23456风格期数7818%16%14%12%10%8%6%4%2%0%资料来源：wind，中信证券研究部 日期：20180630资料来源：w

48、ind，中信证券研究部 日期：20180630风格稳定性指标设计应具备相对性。如左上图所示，各类风格因子的短期漂移较小，但随着期数增加，因子风格变化增速较快。至四期以上后，长期风格漂移系数居于稳定高位。推广至基金整体的风格漂移系数，亦有类似趋势。故风格稳定性是相对概念，应对不同期数的基金样本设置不同稳定性阀值。综合考虑各类风格基金池的样本量，初步将各期风格漂移系数的中值设为阀值。风格评估算法优化之二：智能算法辅助定位风格智能算法具备动态适应性功能。基于上方的风格坐标图，进一步划分基金投资风格，会涉及到风格算法中一类重要参数风格阀值（处于阀值两段的基金将被划至价值型/成长型、大盘型/小盘型）。传

49、统算法中，阀值设置一般基于相对法或绝对法，如前者为百分比排名阀值、后者为只数阀值。一方面，传统算法中阀值多由人为预先设置，难以动态调整以适应市场状况；另一方面，受限于阀值预设，部分定性理解的风格标的与算法结果形成较大反差。故可通过无监督机器学习区分风格，并结合标杆基金及定性分析，找出更为合理的风格阀值。图 23：基金投资风格聚类树图资料来源：wind，中信证券研究部图 24：基金风格聚类分析结果展示（9 类风格）资料来源：wind，中信证券研究部 日期：20180630注：不同颜色代表聚类得出的不同基金风格风格品类增加可提升风格辨识度。考虑到算法的相对非黑箱性及分类灵活性，选择机器学习中的层次

50、聚类法进行训练。经运算，左上图为对应的层次聚类树结果，其同型相关系数高约 0.7，算法整体分类效果良好。右上图为 9 类风格基金的风格评分分布图。从聚类结果看，多数基金聚集在少数风格类型中，而 9 类风格算法区分度一般。下图经 16 类聚类风格数升级后，基金风格的区分度更为明显。图 25：聚类分析结合标杆基金等因素设置风格阀值（基于 16 个聚类风格）资料来源：wind，中信证券研究部 日期：20180630 注：不同颜色代表聚类得出的不同基金风格结合标杆基金样本及定性分析，合理设置投资风格阀值。基于此量化基础，结合各类风格的标杆基金样本、尽职调查及定性判断，重新设置价值型/成长型（如红线）、

51、大盘型/小盘型（如灰线）的对应风格阀值，如上图所示。由于无监督机器学习重在聚类得出无标签风格，需要人工参与风格阀值的判断，故其更适合当期风格评估。若进行多期程序化的风格评估，建议采取相对法阀值结合缓冲区的算法。基金投资风格的评估方法及流程综上所述，下面介绍我们评估基金投资风格的方法及流程，整体评估框架如下：图 26：基金投资风格评估流程及考虑因素样本空间纳入股票型、偏股混合型、灵活配置型基金剔除指数及指数增强型品种初选标准剔除单一行业占比超过五成的基金投资风格统计当期，基金所持A股仓位须不低于六成投资风格评估依据全持股数据、多因子综合量化评估，以确定中期投资风格通过风格漂移系数判断风格的稳定性

52、每半年一次进行全持股的投资风格评估投资风格变化的缓冲区多因子评分、持股权重经标准化处理其他考量 样本外检验时，考虑基金经理变更因素资料来源：中信证券研究部首先，基金样本空间纳入可实现高股票仓位的品种，灵活配置型基金因对仓位限制宽泛、亦纳入其中，同时筛选主动管理型以备评估投资管理能力。再者，由于单一行业配置过高往往涉及主题行业品种，故以五成仓位的较高标准剔除此类特定产品；由于投资风格评估用于 FOF 配置、投资能力圈挖掘，故仅将较高股票仓位的基金纳入测评，而删除大类资产配置型基金。后续，围绕半年度/年度的基金全持股数据，综合量化评估其在市值、成长、价值维度的标准分，并加权处理以判定其所属的投资风

53、格。需要考虑的是，基金投资风格漂移是重要测评项目，我们通过设计风格漂移系数，将中期风格稳定的基金划入对应风格类型，不稳定的基金则被列入风格不稳定型。此外，由于投资风格的转向存在渐变、剧变两类，故设计风格缓冲区以进行区分，优先维持小幅渐变基金的上期投资风格。考虑到基金经理变更频次较高为行业现象，且人员变更常伴随持股结构调整、进而影响风格，故在样本外检验风格业绩时剔除该扰动因素。以基金风格分类定位基金经理投资风格基于以上风格评估框架，更新至 2020 年 Q2，基于满足风格评估条件的 2078 只权益型基金，分别计算其成长价值分值和大小盘分值情况如下：图 27：权益型基金风格评估分值（风格稳定）中

54、盘均衡型中盘价值型中盘成长型小盘均衡型小盘价值型小盘成长型大盘均衡型大盘价值型大盘成长型0.600.40成长价值分值0.200.00-0.20-0.40-0.600.400.500.600.700.800.901.001.10大小盘分值资料来源：Wind，中信证券研究部 截至 2020Q2自 2017 年二季度到 2020 年二季度，我们每半年计算一次主动权益型基金的成长价值分值、大小盘分值并划分其风格分类，并结合基金经理-基金映射，将每一期的代表基金的风格分类作为基金经理的在当期的风格分类，其中 2020 年二季度基金经理风格分布情况如图 28 所示。图 28：全市场型基金经理风格评估分值大

55、盘成长型 大盘价值型 大盘均衡型 小盘成长型 小盘价值型小盘均衡型 中盘成长型 中盘价值型 中盘均衡型 风格不稳定0.600.500.40成长价值分值0.300.200.100.00-0.10-0.20-0.30-0.400.400.500.600.700.800.901.001.10大小盘分值资料来源：Wind，中信证券研究部 截至 2020Q2根据评估结果，满足评估条件的 2078 只权益型基金中，超过半数（1082 只）属于风格不稳定类型，此外数量较多的有中盘均衡型（221 只）、中盘成长型（183 只）、小盘均衡性型（127 只），大盘成长型数量最少，仅 49 只。基金经理风格分类依赖

56、于代表基金的风格评估，根据测算，全市场基金经理池中，约有 1/3 的基金经理（103 位）属于风格不稳定类型，46 位基金经理因其代表基金不满足评估标准因此无风格定位，此外中盘均衡型（38 位）人数最多，人数最少的为大盘价值型，仅有 5 人。整体来看，无论是所有满足评估标准的权益型基金还是全市场型基金经理，市值规模上以中盘居多，成长价值维度上偏向均衡风格。图 29：权益型基金风格分布图 30：全市场型基金经理风格分布中盘均衡型大盘均衡型大盘成长型中盘成长型大盘价值型风格不稳定小盘均衡型小盘成长型10.64%中盘价值型小盘价值型中盘均衡型 大盘均衡型 小盘均衡型 中盘成长型小盘成长型 中盘价值型

57、 小盘价值型 大盘成长型大盘价值型 风格不稳定 无风格定位13.01%8.81%6.11%52.07% 5.39%4.72%4.57%15.75%35.27%6.51%6.51%6.51%4.45%2.36%2.65%2.69%4.11%3.42%1.71%2.74%资料来源：Wind，中信证券研究部 截至 2020Q2资料来源：Wind，中信证券研究部 截至 2020Q2基金经理行业主题分类：科技、医药、消费位居前三基金经理行业主题分类相对直接，根据其代表基金序列所属的行业主题确定基金经理的行业主题属性，并剔除考察期内因代表基金变更出现行业主题切换的基金经理。如下图所示，行业主题基金经理池共

58、涉及 29 个一级分类、41 个二级分类，从一级分类来看，基金经理数量较多的行业/主题为大科技（19 人）、医药健康（19 人）、消费（18 人）。图 31：行业主题基金经理池分类2018161412108642大科技医药健康消费高端制造龙头蓝筹新兴市场国企央企改革创新改革产业升级共用环保红利外延增长周期资源大农业 服务业 体育文娱新能源 大安全 一带一路城镇化 基建军工内需增长品牌区域事件驱动物联网物流养老产业0资料来源：Wind，中信证券研究部 截至 2020Q2本部分我们主要将全市场型基金经理和行业主题型基金经理通过其代表基金的风格或行业主题特征进行定位，从而完成了基金经理的九大风格分类

59、和行业主题分类，并给予相应的标签，以便后续业绩筛选，挖掘优质基金经理，构建基金组合。 基金经理业绩筛选与基金组合全市场型基金经理：中盘均衡型基于基金经理风格分类结果，全市场型基金经理池中，投资风格为中盘均衡型的基金经理为 38 位，其截至 2020 年二季度的代表基金、管理人、管理规模、投资年限等基本信息如表 5 所示。表 5：中盘均衡型风格基金经理基本信息代表基金（2020/6/30）限（年）170253薄官辉001163.OF银华中国梦 30银华基金20.125.3300004毕天宇519035.OF富国天博创新主题富国基金63.5314.76170566蔡滨000936.OF博时产业新动

60、力 A博时基金82.395.677D7DB1戴军160916.OF大成优选大成基金47.315.277C2857韩威俊005004.OF交银施罗德品质升级交银施罗德基金16.124.611633BA贾鹏002307.OF银华多元视野银华基金93.776.0116DDF8李博000457.OF上投摩根核心成长上投摩根基金51.455.667C2EA1李博001144.OF大成互联网思维大成基金36.25.3601140李巍270028.OF广发制造业精选 A广发基金40.098.9424191A李振兴002851.OF南方品质优选南方基金42.165.577B8DE1刘杰290004.OF泰信优