FOF基金池的定量构建

1、目 录TOC o 1-3 h z u HYPERLINK l _TOC_250013 一、寻找有效的选基因子3 HYPERLINK l _TOC_250012 选股能力因子3 HYPERLINK l _TOC_250011 择时能力因子6 HYPERLINK l _TOC_250010 收益类因子7 HYPERLINK l _TOC_250009 风险调整后收益类因子9 HYPERLINK l _TOC_250008 风险类因子12 HYPERLINK l _TOC_250007 其他因子14 HYPERLINK l _TOC_250006 机构投资者占比14 HYPERLINK l _TOC

2、_250005 基金换手率15 HYPERLINK l _TOC_250004 二、基金组合构建17 HYPERLINK l _TOC_250003 因子选取17 HYPERLINK l _TOC_250002 组合构建18 HYPERLINK l _TOC_250001 参考文献22 HYPERLINK l _TOC_250000 风险提示22一、寻找有效的选基因子在我们之前的报告 FOF 研究系列二公募基金产品与基金经理评价中我们便探讨过影响基金业绩的部分因素，我们发现基金规模、基金经理变更次数与未来业绩呈负相关，基金历史业绩在短期内具有一定的持续性，而公司规模、基金经理从业年限、基金经理

3、获金牛奖次数与基金未来业绩没有明显的相关性。本篇报告在此基础上深入挖掘有效的选基因子，并根据因子优选基金构建相应的 FOF 组合。因子测试我们主要通过 IC（Information Coefficient）、基金多空组合、基金多头组合等多种绩效指标考察因子的有效性。考虑到基金的调仓成本我们设置了不同的调仓周期观测因子效用，调仓频率从 1 个月至 12 个月。测试的基金池为 wind 分类中的普通股票型基金和偏股混合型基金。因子在测试过程中均做了去极值和标准化处理，测试区间没有特殊说明为 2007 年 12 月 31 日至 2019 年 10 月 31 日。选股能力因子选股能力是基金经理的核心能

4、力之一，是基金超额收益的重要来源。偏股型基金的收益由市场收益、择时收益、风格因子收益、行业配置收益、个股选择收益等因素构成， 因此关于选股能力的定义并不唯一。选股能力的计算可以基于持仓或基于净值两种算法， 由于基金完整持仓公布频率较低，我们主要基于净值计算基金的选股能力。定义一：组合收益回归剔除市场和择时后的截距项TM 和 HM 模型是常见的择时模型，模型如下所示：2 = + 1( ) + 2( ) + ，TM 模 型 = + 1( ) + 2( ) + ，HM 模 型其中、分别代表了投资组合收益、无风险收益以及市场组合收益，D是一个虚拟变量，当 0时D = 1，否则D = 0，1代表了系统性

5、风险， 2 0时表明组合管理人具有择时能力，2越大择时能力越强， 0时表明组合管理人具有证券选择能力，越大证券选择能力越强， 为随机误差项。因子测试结果如下所示，总体来说两个模型回归出来的 alpha 均对基金未来业绩有预测作用，其中 TM 模型的 alpha 显著性强于 HM 模型，调仓频率比较低的情况下，HM 模型的 alpha 会失效。在相同持有期和考察期组合中，TM 模型的 alpha 无论是 IC 还是组合收益均好于 HM 模型。对于 TM 模型的 alpha 来说，考察期 1 年或 2 年对未来的预测作用最强，以季度调仓为例，月度 IC 为 6.5%，月均多头超额收益为 0.25%

6、。考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益14.3%0.050.580.27%0.17%334.2%0.040.620.17%0.09%62.4%0.240.360.02%0.01%120.6%0.670.13-0.04%-0.07%16.7%0.000.990.35%0.21%635.8%0.000.920.36%0.21%64.6%0.010.800.32%0.16%122.8%0.030.740.26%0.13%18.1%0.001.370.48%0.25%1236.8%0.001.140.48%0.25%64.8%0.000.930.42%0.23%

7、123.8%0.011.040.43%0.24%17.7%0.001.380.54%0.28%2436.5%0.001.200.47%0.24%64.8%0.001.040.40%0.22%122.9%0.050.660.32%0.17%15.1%0.000.990.33%0.16%3634.2%0.010.840.35%0.16%62.9%0.040.630.34%0.15%121.9%0.110.520.31%0.14%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益14.3%0.050.570.31%0.23%333.9%0.050.580.25%0.17%6

8、2.5%0.160.430.19%0.12%121.1%0.420.250.15%0.08%15.5%0.010.770.33%0.21%634.9%0.020.730.36%0.21%63.9%0.060.570.37%0.21%122.3%0.190.420.36%0.20%16.5%0.001.000.43%0.25%1235.1%0.010.770.39%0.24%63.7%0.060.590.42%0.25%123.0%0.100.540.45%0.26%16.1%0.001.020.41%0.21%2434.7%0.010.770.36%0.21%63.3%0.050.620.31

9、%0.18%121.9%0.240.370.25%0.16%13.9%0.020.680.22%0.13%3632.9%0.100.490.21%0.13%61.8%0.230.360.21%0.12%121.2%0.430.250.26%0.14%图 1：TM 模型的选股能力因子表现图 2：HM 模型的选股能力因子表现数据来源： & wind 资讯数据来源： & wind 资讯图 3：TM 模型多空分组超额收益与净值-(12,3)组合图 4：HM 模型多空分组超额收益与净值-(12,3)组合0.8%0.7%0.1%0.1%-0.3%-0.7%12345-0.4%0.2%0.0%-0.5%12

10、345多空季度收益多空净值多空季度收益多空净值21. 510. 500. 250. 20. 150. 10. 050-0.05-0.1-0.15-0.221. 510. 500. 250. 20. 150. 10. 050-0.05-0.1-0.15-0.2数据来源： & wind 资讯数据来源： & wind 资讯定义二：组合收益回归剔除市场、择时、市值风格、估值风格后的截距项市值和估值风格是投资者主要关注的影响因素，我们使用 Fama-French 三因子的SMB 和 HML 因子代表市值和估值风格，加入回归的自变量中，择时模型选择效果较好的 TM 模型，TM-FF3 公式如下所示：2 =

11、 + 1( ) + 2( ) + 1 + 2 + 因子表现如下，从因子绩效指标来看，TM-FF3 模型选股能力与 TM 模型表现相当， 但 IC 稳定性强于 TM 模型。从多空组合收益上来看，剔除风格后的选股能力回撤更小， 在风格出现反转的时段（例如 2014 年末、2019 年初），TM-FF3 的选股能力因子多空收益高于 TM 模型。因此包含风格收益的选股能力更容易受到市场风格影响，在风格发生切换时容易出现反转，且相比于 TM-FF3 模型的选股能力并不能贡献额外的预测收益。图 5：TM-FF3 模型选股能力因子表现图 6：TM-FF3 模型多空分组超额收益与净值-(12,3)组合0.2%

12、-0.1%-0.2%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益14.9%0.000.910.35%0.15%334.3%0.010.750.36%0.20%63.6%0.010.870.40%0.23%121.7%0.300.330.25%0.14%17.2%0.001.400.51%0.29%635.9%0.001.270.47%0.28%64.6%0.001.270.43%0.22%123.1%0.040.690.26%0.15%18.1%0.001.560.54%0.30%1236.3%0.001.220.45%0.26%64.9%0.001.170.3

13、5%0.18%124.0%0.001.140.29%0.11%16.3%0.001.100.41%0.22%2434.9%0.000.940.31%0.16%63.5%0.020.760.29%0.14%122.1%0.100.540.18%0.08%14.2%0.010.760.25%0.11%3632.9%0.050.580.23%0.12%61.9%0.180.410.20%0.11%121.1%0.380.280.08%0.05%0.8%-0.6%1234521. 510. 50多空季度收益 多空净值 0. 250. 20. 150. 10. 050-0.05-0.1-0.15-0.2

14、数据来源： & wind 资讯数据来源： & wind 资讯定义三：组合收益回归剔除市场、择时、市值风格、估值风格、行业后的截距项 行业是影响最大的风险因子，行业配置是组合重要的收益来源，我们在 TM-FF3 模型的基础上，进一步将行业（中信一级行业）加入回归的自变量中，公式如下所示：2 = + 1( ) + 2( ) + 1 + 2 + + 因子表现如下，进一步剔除行业因素的选股能力虽然通过了显著性检验，但绩效指标不如 TM-FF3 的结果，IC 绝对值与组合收益均下降。结合前两个定义检测结果，我们不难发现公募基金经理的行业配置能力较强，包含行业配置和个股精选的选股能力预测效果最好，能够产生

15、持续稳定的 alpha，而风格择时比较困难，包含风格收益的因子易受市场风格切换影响。图 7：TM-FF3 模型（剔除行业）选股能力因子表现图 8：TM-FF3 模型（剔除行业）多空分组超额收益与净值-(12,3)组合0.2%-0.1%-0.2%-0.3%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益12.1%0.100.490.08%0.03%332.4%0.060.570.16%0.09%61.4%0.250.350.18%0.09%120.4%0.750.100.11%0.04%14.7%0.001.110.28%0.14%634.3%0.001.090.27

16、%0.16%63.0%0.010.810.22%0.11%122.6%0.070.610.22%0.09%15.7%0.001.390.31%0.17%1235.2%0.001.330.26%0.16%63.5%0.001.080.17%0.10%122.9%0.010.910.17%0.10%15.6%0.001.250.33%0.16%2434.8%0.001.180.28%0.14%63.5%0.001.010.27%0.14%122.5%0.020.810.22%0.11%0.5%1234521. 510. 50多空季度收益多空净值0. 250. 20. 150. 10. 050-0.

17、05-0.1-0.15-0.2数据来源： & wind 资讯数据来源： & wind 资讯择时能力因子择时能力也是基金经理重要能力之一，在牛市中提高仓位，在熊市中降低仓位可以给基金带来额外的收益，我们预测择时能力越高的基金未来表现越好。择时能力的度量方法可以使用 1.1 节中的 HM 模型或 TM 模型，回归的择时项系数即为择时能力的原始因子值。因子表现如下所示，不论是 TM 还是 HM 模型计算的择时能力因子均不具备显著的选基效果，且大部分 IC 的方向为负值，与择时能力原始含义也相反。图 9：TM 模型的择时能力因子表现图 10：HM 模型的择时能力因子表现考察期持有期月均ICIC_pva

18、lueIC_IR月均多空收益月均多头超额收益1-0.9%0.65-0.130.15%0.06%330.7%0.750.090.13%0.06%6-0.9%0.65-0.130.10%0.05%12-0.8%0.71-0.120.18%0.07%1-0.6%0.76-0.090.01%0.01%63-1.4%0.50-0.200.04%0.04%6-1.8%0.45-0.230.20%0.12%12-1.7%0.46-0.230.27%0.16%1-1.9%0.29-0.310.09%0.03%123-2.3%0.25-0.340.10%0.05%6-2.5%0.24-0.360.27%0.15

19、%12-3.6%0.07-0.610.48%0.24%1-3.7%0.02-0.690.30%0.17%243-2.6%0.14-0.440.18%0.12%6-2.0%0.28-0.330.19%0.13%12-1.6%0.35-0.290.20%0.11%1-1.4%0.35-0.270.12%0.08%363-1.1%0.53-0.190.09%0.07%6-0.5%0.72-0.110.09%0.08%12-0.5%0.69-0.120.20%0.13%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益1-1.6%0.42-0.240.17%0.10%330.

20、4%0.830.060.09%0.06%6-0.3%0.88-0.050.11%0.06%12-0.3%0.90-0.040.16%0.07%1-0.9%0.64-0.140.13%0.07%63-1.1%0.58-0.160.10%0.06%6-0.6%0.78-0.090.17%0.10%12-0.4%0.84-0.060.21%0.11%1-1.6%0.40-0.250.13%0.06%123-1.2%0.56-0.170.10%0.05%6-1.0%0.63-0.140.19%0.11%12-1.7%0.36-0.290.32%0.17%1-2.7%0.12-0.460.20%0.12

21、%243-1.3%0.46-0.220.14%0.12%6-0.8%0.67-0.130.11%0.14%12-0.4%0.83-0.070.11%0.13%1-0.8%0.62-0.140.05%0.07%363-0.2%0.91-0.030.06%0.09%60.4%0.790.08-0.01%0.06%120.2%0.920.03-0.10%0.00%数据来源： & wind 资讯数据来源： & wind 资讯同样作为基金重要的 alpha 来源，选股能力具有持续的选基效果，而择时能力却没有显著效用，我们计算了因子值在时间序列的自相关性。TM 模型的选股能力自相关性均值为 79.24%，

22、标准差为 8.32%，TM 模型的择时能力自相关性均值为 73.90%，标准差为 20.35%。选股能力的因子值在时间序列上具有较高且稳定的自相关性，择时能力的自相关性虽然均值不低，但波动较大，因此作为因子很难产生持续的 alpha。图 11：因子自相关性alpha_tmtiming_tm1.210.80.60.40.2020080331 20090331 20100331 2011033120120330 20130329201403312015033120160331201703312018033020190329资料来源： & wind 资讯收益类因子我们在系列二的报告中测试过基金业绩的

23、持续性，发现中长期的历史业绩对未来短期业绩有一定的预测作用，也就是说我们可以直接使用历史业绩作为有效的alpha 因子， 这是基金无条件历史收益率。除了无条件历史收益率，Sun 等（2018）发现基金在逆境（下跌行情）取得的收益率越高，未来的业绩更好，徐龙炳&顾力绘（2019）修正了 Sun等（2018）的算法，正式提出了“逆境收益率”因子。我们在考察基金经理能力时通常会采用无条件收益率，没有对市场状态进行细分， 然而牛市行情下具有真正选股能力的基金经理往往会被繁荣的市场所掩盖，基金的绩效普遍比较优异，简单的投资策略便能轻易获得高收益，用顺境收益率对未来基金业绩进行预测可能效果不佳。而真正具有

24、投资能力的基金经理在熊市中更容易被识别，其管理的基金会有明显的超额收益，在熊市中经过打磨的基金经理投资策略会更加成熟，因此逆境收益率越高的基金未来表现会更好。参考徐龙炳&顾力绘（2019）文中的算法，首先对市场状态进行划分，使用上证综指 相对其历史收益中位数的方法，即当月上证综指收益率若高于历史月度收益率中位数则为市场上涨状态，反之则为下跌状态。因子计算方法为对过去 12 个市场下跌月份的收益率进行累乘得到累计收益率，再转换成月度收益率，可以用下列式子表示：_ = 12 1 (1 + ,) 112=12_ = 121 (1 + ,) 112=12其中_、_分别为逆境和顺境收益率，CAR 为累计

25、收益率，,、,分别为市场下跌或市场上证月度收益率。因子测试结果如下所示，若持有期为 3 个月，逆境收益率因子月均 IC 为 6.5%，多头超额收益为 0.26%，正如所预计的，逆境收益率对未来业绩具有显著的预测作用，而顺境收益率并没有明显效果。图 12：逆境收益率因子表现图 13：顺境收益率因子表现 持有期月均IC IC_pvalueIC_IR月均多空收益月均多头超额收益持有期月均IC IC_pvalueIC_IR月均多空收益月均多头超额收益 17.3%0.001.080.58%0.30%1-0.1%0.96-0.020.10%0.02%36.5%0.000.930.52%0.26%3-0.7

26、%0.72-0.100.06%0.00%65.9%0.010.860.53%0.27%6-1.0%0.57-0.170.08%-0.02%124.3%0.060.640.44%0.23%12-1.2%0.47-0.230.09%-0.02%数据来源： & wind 资讯数据来源： & wind 资讯图 14：逆境收益率因子多空分组超额收益与净值持有期 3 个月0.2%-0.1%-0.2%0.8%-0.8%12345多空季度收益多空净值2. 521. 510. 50. 10. 050-0.050-0.1资料来源： & wind 资讯我们也列出了无条件历史收益率的因子表现，如下图所示，各周期基金多

27、空组合和多头组合收益均低于逆境收益率因子，因此我们完全可以用逆境收益率代替无条件历史收益率来优选基金。图 15：无条件历史收益率因子表现考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益14.6%0.050.570.24%0.14%333.9%0.070.540.07%0.03%61.3%0.520.19-0.15%-0.13%12-0.5%0.80-0.080.24%0.09%16.1%0.000.860.31%0.12%634.8%0.020.720.25%0.11%63.0%0.160.430.08%0.00%12-0.1%0.96-0.020.07%0.03%

28、16.8%0.001.090.39%0.17%1234.7%0.010.790.30%0.13%62.1%0.250.350.15%0.04%12-1.2%0.37-0.280.11%0.02%15.3%0.001.090.34%0.15%2434.4%0.000.990.30%0.13%63.4%0.020.770.24%0.10%121.2%0.280.340.17%0.07%14.3%0.000.990.26%0.13%3633.5%0.010.760.25%0.10%62.0%0.170.420.19%0.08%121.0%0.410.260.13%0.05%资料来源： & wind

29、资讯风险调整后收益类因子直接从收益率考察基金业绩，会忽视净值的波动，而投资者更希望基金经理获取高收益的同时能够降低组合风险，获得稳定持续的收益，因此学术上衍生了一系列风险调整后收益指标来评估基金业绩。指标计算如下，其中无风险收益率我们使用银行一年期定存款利率，基准组合为80%*中证全指+20%*中证全债：夏普比率（Sharpe Ratio）：基金相对无风险收益越高，组合总风险越低，夏普比率越高。 = () )/信息比率（Information Ratio）：基金相对基准组合收益越高，跟踪误差越低， 信息比率越高。 = ( )/ ( )特雷诺比率（Treynor Ratio）：基金相对无风险收益

30、越高，组合系统性风险越低，特雷诺比率越高。 = () )/索提诺比率（Sortino Ratio）：基金相对无风险收益越高，组合下行风险越低， 索提诺比率越高。 = () )/因子表现如下所示，由于夏普比率、特雷诺比率、索提诺比率的分子一样，三个因子表现比较类似，信息比率因子无论是 IC 稳定性还是组合收益比其他三个因子略差。夏普比率、特雷诺比率和索提诺比率对比，夏普比率和特雷诺比率的组合收益比索提诺略好，而夏普比率和特雷诺比率指标没有明显差异，可以互相替代使用。因此我们发现，不 仅基金历史收益具有预测作用，风险调整后收益类因子也具有显著的预测作用，且效果强于单纯的历史收益，即历史上能够产生稳

31、定高收益的基金未来表现会更好。图 16：夏普比率因子表现图 17：信息比率因子表现考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益14.2%0.030.650.26%0.15%334.9%0.010.780.27%0.15%62.6%0.160.420.04%-0.01%121.5%0.450.240.03%-0.03%16.1%0.001.010.38%0.17%634.6%0.010.750.33%0.17%63.7%0.040.640.18%0.05%122.4%0.140.490.20%0.09%18.2%0.001.510.52%0.25%1236.3%0

32、.001.230.45%0.22%64.2%0.010.900.31%0.12%121.7%0.160.450.09%0.03%17.0%0.001.520.46%0.21%2436.3%0.001.450.42%0.17%64.9%0.001.180.32%0.11%122.6%0.040.730.21%0.07%15.3%0.001.220.33%0.17%3634.7%0.001.080.31%0.13%63.4%0.010.890.28%0.13%122.0%0.030.770.20%0.10%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益14.1%0.0

33、40.610.24%0.13%334.4%0.010.740.19%0.09%62.5%0.160.430.06%-0.02%120.7%0.680.130.00%-0.01%16.7%0.001.100.40%0.17%635.4%0.000.930.33%0.15%63.5%0.070.570.16%0.03%120.7%0.650.140.04%0.00%17.3%0.001.360.42%0.20%1235.4%0.001.030.37%0.17%62.9%0.080.540.25%0.11%120.1%0.930.030.03%0.02%15.5%0.001.290.32%0.13%

34、2434.6%0.001.110.32%0.15%63.7%0.000.930.26%0.12%121.5%0.130.490.17%0.08%14.2%0.001.060.23%0.11%3633.5%0.010.770.23%0.10%62.2%0.150.450.18%0.08%121.3%0.330.310.12%0.04%数据来源： & wind 资讯数据来源： & wind 资讯考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益14.6%0.020.660.30%0.19%334.7%0.020.720.27%0.16%62.4%0.190.400.01%

35、-0.02%121.4%0.480.220.01%-0.04%16.5%0.001.020.44%0.22%634.5%0.020.710.33%0.17%63.5%0.060.590.19%0.06%122.2%0.150.470.19%0.06%18.1%0.001.450.56%0.28%1236.2%0.001.190.48%0.25%64.1%0.010.910.35%0.15%121.7%0.170.440.14%0.05%16.8%0.001.410.46%0.21%2436.1%0.001.370.40%0.16%64.7%0.001.120.32%0.10%122.3%0.0

36、50.660.20%0.05%15.2%0.001.170.34%0.17%3634.6%0.001.050.28%0.11%63.3%0.010.870.28%0.14%121.9%0.040.730.18%0.09%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益13.9%0.050.590.21%0.12%334.8%0.010.750.26%0.15%62.2%0.230.360.01%-0.03%121.2%0.530.200.00%-0.04%16.0%0.000.970.37%0.16%634.5%0.020.730.30%0.15%63.4%0.06

37、0.580.16%0.04%122.1%0.190.430.14%0.05%18.0%0.001.450.49%0.24%1236.2%0.001.200.45%0.22%63.9%0.010.850.30%0.12%121.4%0.250.370.05%0.00%16.8%0.001.460.44%0.19%2436.2%0.001.430.41%0.15%64.8%0.001.160.30%0.09%122.4%0.040.710.19%0.04%15.3%0.001.200.32%0.16%3634.7%0.001.070.30%0.12%63.3%0.010.880.25%0.12%1

38、21.8%0.040.730.15%0.07%图 18：特雷诺比率因子表现图 19：索提诺比率因子表现数据来源： & wind 资讯数据来源： & wind 资讯图 20：夏普比率因子多空分组超额收益与净值(12,3)组合0.2%-0.1%-0.1%0.7%-0.7%12345多空季度收益多空净值2510. 50. 10. 050-0.05-0.10-0.15资料来源： & wind 资讯风险类因子风险类因子主要衡量基金收益是否稳定，我们测算了下面 4 个因子的表现：最大回撤：在选定周期内净值相对于历史的最大回撤幅度。波动率：收益率的标准差，组合的总风险。Beta：CAPM 模型回归系数，组合

39、的系统性风险。下行风险：衡量组合相对于无风险收益下跌时风险的大小。因子表现如下所示，四个因子中仅有最大回撤具有显著的选基效果，波动率、Beta 和下行风险因子大部分组合的 IC 均没有通过显著性检测。最大回撤虽然具有一定的预测作用，但与前文介绍的因子相比稳定性以及组合收益都有差距，不过最大回撤因子仍可以作为新的维度优选基金。图 21：最大回撤因子表现图 22：波动率因子表现考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益13.9%0.130.440.20%0.09%338.1%0.000.970.38%0.14%64.5%0.060.570.15%0.05%123.

40、4%0.240.380.08%0.02%14.3%0.080.510.23%0.10%635.0%0.040.630.19%0.09%64.3%0.050.600.19%0.07%123.3%0.180.440.11%0.04%14.9%0.020.700.29%0.12%1235.7%0.010.810.30%0.13%64.9%0.010.820.33%0.12%123.1%0.180.440.13%0.07%14.4%0.010.720.33%0.14%2435.4%0.010.830.31%0.13%64.6%0.010.790.35%0.14%123.6%0.100.540.22%0

41、.10%13.4%0.050.570.26%0.14%3634.3%0.030.660.27%0.16%64.3%0.020.710.31%0.17%123.3%0.090.570.27%0.18%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益1-3.2%0.29-0.310.12%0.01%33-6.3%0.03-0.650.16%0.04%6-5.5%0.05-0.620.24%0.07%12-4.1%0.17-0.440.16%0.02%1-3.3%0.24-0.350.13%0.03%63-5.2%0.06-0.570.13%0.02%6-4.5%0.08

42、-0.530.16%0.07%12-2.9%0.27-0.350.04%-0.01%1-2.6%0.31-0.300.11%0.03%123-4.0%0.12-0.460.09%0.02%6-3.5%0.16-0.430.14%0.04%12-2.8%0.30-0.330.05%0.00%1-3.0%0.21-0.370.19%0.03%243-4.7%0.06-0.560.20%0.02%6-4.3%0.08-0.540.26%0.03%12-3.5%0.20-0.420.19%0.02%1-1.6%0.46-0.220.09%-0.01%363-3.1%0.20-0.380.08%-0.0

43、1%6-3.1%0.17-0.420.18%0.02%12-2.7%0.27-0.350.09%-0.02%数据来源： & wind 资讯数据来源： & wind 资讯考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益1-5.0%0.09-0.490.35%0.12%33-7.1%0.02-0.740.32%0.10%6-5.9%0.03-0.700.35%0.13%12-4.4%0.13-0.500.25%0.06%1-5.1%0.06-0.550.36%0.11%63-6.0%0.03-0.670.30%0.07%6-5.0%0.04-0.640.32%0.10%

44、12-3.2%0.22-0.390.16%0.02%1-3.9%0.11-0.470.28%0.07%123-4.6%0.07-0.540.23%0.05%6-4.0%0.09-0.520.23%0.05%12-2.7%0.29-0.330.06%-0.01%1-3.3%0.15-0.420.19%0.04%243-4.4%0.07-0.540.17%0.02%6-3.9%0.09-0.520.23%0.04%12-3.2%0.22-0.390.16%0.02%1-1.8%0.40-0.240.12%0.02%363-2.9%0.22-0.360.09%0.01%6-2.9%0.19-0.40

45、0.15%0.03%12-2.4%0.32-0.320.10%0.01%考察期持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益1-3.9%0.18-0.390.19%0.06%33-7.0%0.02-0.730.27%0.11%6-4.8%0.07-0.560.17%0.05%12-3.6%0.24-0.370.09%0.02%1-3.8%0.17-0.400.16%0.04%63-5.2%0.05-0.580.13%0.02%6-4.3%0.10-0.510.13%0.03%12-2.6%0.34-0.300.00%-0.03%1-3.2%0.22-0.360.15%0

46、.05%123-4.3%0.10-0.490.12%0.03%6-3.4%0.16-0.420.09%0.02%12-2.1%0.44-0.24-0.02%-0.04%1-2.8%0.23-0.350.17%0.03%243-4.5%0.06-0.550.19%0.03%6-4.1%0.09-0.520.23%0.04%12-3.3%0.22-0.390.15%0.00%1-1.5%0.50-0.200.15%0.01%363-3.0%0.21-0.370.14%0.00%6-2.9%0.18-0.400.16%0.02%12-2.3%0.34-0.310.10%-0.02%图 23：Beta

47、 因子表现图 24：下行风险因子表现数据来源： & wind 资讯数据来源： & wind 资讯图 25：最大回撤因子多空分组超额收益与净值(12,3)组合0.2%0.0%-0.1%0.4%-0.5%12345多空季度收益多空净值1. 861. 41. 210. 80. 60. 40. 200. 10. 050-0.05-0.1-0.15-0.2资料来源： & wind 资讯其他因子机构投资者占比基金半年报和年报会披露投资者结构，可以获得机构和个人投资者持有份额占比数据，我们认为机构的投研能力要强于个人，经过专业机构研究并投资的基金在未来可能表现更好。我们把最新可获得的半年报或年报的机构投资者

48、持有份额占比作为原始因子值，测试结果如下所示，因子在各持有期均表现出了显著的预测作用，即机构投资者占比高的基金未来业绩更好，虽然 IC 绝对值和组合收益没有之前介绍的一些因子高，但是 IC_IR 强于前文所有因子，因子更新频率不高，但预测效果非常稳健。图 26：机构投资者占比因子表现 持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益 14.0%0.001.540.28%0.16%33.7%0.001.260.28%0.16%63.0%0.000.960.23%0.14%122.7%0.011.010.26%0.17%0.5%0.1%0.0%-0.2%-0.4%12345多

49、空季度收益多空净值1. 61. 41. 210. 80. 60. 40. 20资料来源： & wind 资讯0. 070. 060. 050. 040. 030. 020. 010-0.01-0.02-0.03基金换手率基金换手率是基金经理重要的行为特征之一，由于投资策略的改变或受市场环境的影响，基金经理的换手率有高有低。换手率高低的好坏有诸多争论，投资者普遍认同低换手产品，认为高换手带来的额外收益不足以覆盖调仓成本，并且低换手策略符合长期投资的理念。但也有人认为高换手的基金经理能够及时捕捉市场机会，是基金经理投资能力的体现。基金换手率的计算主要有两种方法，如下所示，公式一使用基金股票交易金额

50、做分子，该方法的缺点在于无法剥离申购赎回的资金，也无法识别股票仓位的影响，实际上会高估基金的换手率，公式二使用买入金额和卖出金额的较小值作为分子，这也是海外算基金换手率的主流方法，该方法可以缓解公式一的问题，假设只有仓位变动或是仅申购或是仅赎回，分子项即为 0，但是如果在时间区间内既有申购或赎回而没有调仓，公式二仍然会高估。总体来讲公式一换手率高于公式二，公式二高于真实换手率。公式一：基金单边换手率 = （基金股票交易金额 /基金平均持股市值)/2公式二：基金换手率 = min(买入股票金额，卖出股票金额)/基金平均持股市值本文参考 Yan&Zhang(2009)、Gaspar 等(2005)

51、的做法，利用公式二以及基金季度十大重仓股计算基金换手率，公式如下：_ = |, , ,1 ,1 ,1 ,| , ,1_ = |, , ,1 ,1 ,1 ,| , ,1=min(_ , _)( , ,+ ,1 ,1)2其中 定义为基金在 t 期买入和卖出价值的较小值，除以该基金在 t-1 期末和 t 期全部持仓股票的平均市场价值。_ 表示基金在 t 期的买入值，_表示基金在 t 期的卖出值，,表示基金在 t 期购买的股票 s 的价格，,表示 t-1 期到 t 期股票价格变化，,表示基金在 t 期购买股票 s 的数量。我们根据上述算法统计了偏股型基金季度重仓股换手率，从 2008 年 1 月至 2

52、019 年10 月，重仓股年化换手率中位数在 1 倍至 2.5 之间，换手率有明显增长的时期为 2009 年上半年、2013 年上半年和 2015 年股灾，均伴随着市场风格切换或剧烈波动，说明部分基金会根据市场状态调整持仓，自 2016 年以来换手率呈现逐步下降的趋势，可能与近年倡导的稳健投资有关。图 27：偏股型基金重仓股季度换手率（年化，单边）2.521.510.5020080131 20090123 20100129 20110131 20120131 20130131 20140130 20150130 20160129 20170126 20180131 20190131资料来源：

53、& wind 资讯我们将季度换手率作为选基因子，测试因子有效性，结果如下所示，我们发现基金换手率与未来业绩没有显著的相关性，观察 IC 时间序列变化，在 2008 年、2010 年上半年、2014 年下半年、2016 年上半年和 2017 年上半年换手率越高的基金未来表现越好， 在这些时段基金经理根据市场风格切换而调整持仓获得了超额收益，不过 2018 年开始大部分时间 IC 为负，即换手率越低的基金未来表现越好。图 28：偏股型基金重仓股季度换手率（年化，单边）持有期月均ICIC_pvalueIC_IR月均多空收益月均多头超额收益10.9%0.460.220.09%0.03%30.9%0.3

54、90.250.10%0.03%61.6%0.120.480.12%0.04%121.0%0.350.300.08%0.01%IC时间序列变化（持有期为3个月）0. 250. 20. 150. 10. 050-0.05-0.1-0.15资料来源： & wind 资讯二、基金组合构建因子选取下图为我们测试的因子中有效的列表：图 29：基金因子库因子类别因子简称因子含义序alpha_tmTM模型回归的alpha1选股能力alpha_hmalpha_tmff3HM模型回归的alphaTM-FF3模型回归的alpha11alpha_pureTM-FF3模型（剔除行业）回归的alpha1收益ret无条件历

55、史收益1ret_down逆境收益率1sharpe夏普比率1风险调整后收益treynorsortino特雷诺比率索提诺比率11ir信息比率1风险maxdd最大回撤1规模size最新基金规模-1基金经理manager_change基金经理变更次数-1其他ins_pct最新机构投资者占比1资料来源： 下图展示了因子原始值的相关性，风险调整收益类中的因子具有 90%以上的相关性， 无条件历史收益 ret 和风险调整收益因子具有 90%以上的相关性，选股能力因子中alpha_tm 和alpha_hm 相关性较高，alpha_tmff3 和alpha_pure 有相关性，而 ret_down、 maxdd

56、、size、manager_change、ins_pct 和其他因子相关性都比较低，可以提供独立信息源。图 30：因子原始值相关性alpha_tm alpha_hm alpha_tmff3 alpha_pureretret_downsharpetreynorsortinoirmaxddsizemanager_changeins_pctalpha_tm88.2%73.0%58.2%76.0%47.6%76.9%76.4%76.5%71.9%41.5%-3.6%-10.3%16.0%alpha_hm 88.2% 56.4%44.5%49.6%33.5%48.9%49.5%48.4%46.7%22.

57、8%-8.2%-6.3%13.2%alpha_tmff373.0% 56.4% 77.9%61.3%39.2%60.5%60.0%60.2%57.8%29.4%7.8%-11.3%8.6%alpha_pure58.2%44.5% 77.9% 45.7%27.0%47.2%46.0%46.7%45.2%25.7%7.0%-9.0%7.5%ret76.0%49.6%61.3% 45.7% 57.7%93.4%91.4%93.2%94.4%53.7%4.5%-12.7%19.2%ret_down47.6%33.5%39.2%27.0% 57.7% 55.3%55.5%55.4%52.5%58.4%3

58、.4%-8.6%22.7%sharpe76.9%48.9%60.5%47.2%93.4%55.3%97.4%99.6%91.6%54.3%3.5%-13.5%19.4%treynor76.4%49.5%60.0%46.0%91.4%55.5%97.4%97.4%87.6%51.1%4.0%-13.4%18.5%sortino76.5%48.4%60.2%46.7%93.2%55.4%99.6%97.4%90.9%54.1%3.5%-13.6%19.2%ir71.9%46.7%57.8%45.2%94.4%52.5%91.6%87.6%90.9%52.0%2.8%-13.0%21.4%maxdd

59、41.5%22.8%29.4%25.7%53.7%58.4%54.3%51.1%54.1%52.0%1.5%0.4%11.7%size-3.6%-8.2%7.8%7.0%4.5%3.4%3.5%4.0%3.5%2.8%1.5%5.1%-13.9%manager_change-10.3%-6.3%-11.3%-9.0%-12.7%-8.6%-13.5%-13.4%-13.6%-13.0%0.4%5.1%-17.2%ins_pct16.0%13.2%8.6%7.5%19.2%22.7%19.4%18.5%19.2%21.4%11.7%-13.9%-17.2%数据来源： & wind 资讯根据因子的

60、相关性与逻辑，我们最终选取 alpha_tmff3、ret_down、sharpe、maxdd、manager_change、ins_pct 和 size 七个因子构建组合，考察期均选择过去一年。我们将ret_down、sharpe 和 maxdd 归为业绩因子，alpha_tmff3 和 manager_change 归为管理人因子，size 和 ins_pct 归为产品特征因子，并赋予三类因子权重为业绩 40%、管理人40%以及产品特征 20%。组合构建FOF 管理人进行组合调仓时主要费用为申购费和赎回费。对于前端申购费，在基金申购时需缴纳相应费用，赎回不用再缴费，通常将申购金额分为几段，