基金经理因子评价体系的构建与应用

1、内容目录 HYPERLINK l _TOC_250018 研究背景4 HYPERLINK l _TOC_250017 基金经理指数的构建5 HYPERLINK l _TOC_250016 基金经理因子库7 HYPERLINK l _TOC_250015 基金经理因子评分体系研究9 HYPERLINK l _TOC_250014 因子有效性检验框架9 HYPERLINK l _TOC_250013 因子有效性检验分析10 HYPERLINK l _TOC_250012 分类因子10 HYPERLINK l _TOC_250011 数值因子12 HYPERLINK l _TOC_250010 基金

2、经理因子评价体系15 HYPERLINK l _TOC_250009 基金经理组合构建的实证研究16 HYPERLINK l _TOC_250008 基金经理复合因子的构建16 HYPERLINK l _TOC_250007 基于一年期因子的基金经理组合分析18 HYPERLINK l _TOC_250006 复合因子有效性分析18 HYPERLINK l _TOC_250005 复合因子选基金经理分析19 HYPERLINK l _TOC_250004 基于三年期因子的基金经理组合分析22 HYPERLINK l _TOC_250003 复合因子有效性分析22 HYPERLINK l _TO

3、C_250002 复合因子选基金经理分析23 HYPERLINK l _TOC_250001 总结与展望26 HYPERLINK l _TOC_250000 风险提示26图表目录图 1：个人投资者目前购买基金的预期年收益4图 2：不同类型基金长期收益与风险信息统计4图 3：基金经理 A 指数的走势6图 4：管理主动偏股型基金的基金经理人数统计6图 5：个人投资者持有单只基金的平均时间7图 6：年度调仓策略的因子月频检验示意图10图 7：基金经理数值因子的月度相关系数均值15图 8：基金经理因子评价体系15图 9：基金经理复合因子体系17图 10：基于万得全 A 的市场趋势划分17图 11：一年

4、期复合因子的 RankIC 序列18图 12：不同月份调仓策略的分组年化超额收益统计（10 组，一年期复合因子）19图 13：不同月份调仓策略的平均分组年化超额收益统计（10 组，一年期复合因子）19图 14：12 月底调仓策略的净值走势图（一年期复合因子）20图 15：三年期复合因子的 RankIC 序列22图 16：不同月份调仓策略的分组年化超额收益统计（10 组，三年期复合因子）23图 17：不同月份调仓策略的平均分组年化超额收益统计（10 组，三年期复合因子）23图 18：12 月底调仓策略的净值走势图（三年期复合因子）25表 1：基金指数于股票指数的长期收益表现对比5表 2：基金经理

5、 A 管理过的主动偏股型基金任期5表 3：基金经理因子库7表 4：公募基金季报信息披露日期统计9表 5：部分因子在不同月份使用不同季报信息9表 6：基金经理分类因子的未来一年收益均值统计10表 7：不同月份调仓策略的分组年化超额收益统计（按类分组）11表 8：基金经理数值因子的 RankIC 序列统计信息12表 9：不同月份调仓的分组年化超额收益平均值统计（数值因子降序排序分组）14表 10：一年期因子的 RankIC 检验结果18表 11：不同月份调仓策略的各年度超额收益统计（一年期复合因子）20表 12：12 月底调仓策略的各年度超额收益统计（一年期复合因子）21表 13：12 月底调仓策

6、略的最近 2 年持仓及配置权重（一年期复合因子）21表 14：三年期因子的 RankIC 检验结果22表 15：不同月份调仓策略的各年度超额收益统计（三年期复合因子）24表 16：12 月底调仓策略的各年度超额收益统计（三年期复合因子）25表 17：12 月底调仓策略的最近 2 年持仓及配置权重（三年期复合因子）25研究背景根据中国基金业协会发布的基金个人投资者投资情况调查问卷（2017 年度）可知， 有 44 比例的投资者预期年收益率在 5-10，有超过 45 比例的投资者预期年收益率在 10 以上。此外调查还发现，部分投资者愿意承担一定的高风险，目的是为了追求更高的收益， 例如平均年化收益

7、率在 10 以上。图 1：个人投资者目前购买基金的预期年收益1.7%1.1%6.7%10.8%35.8%资料来源：中国基金业协会发布的基金个人投资者投资情况调查问卷（2017 年度）， 我们对货币市场型、短期纯债型、中长期纯债型、混合债券型二级、混合型和股票型等不同类型基金指数长期的年化收益率与波动率进行了统计。可以发现，仅有权益类基金能够实现 10 以上的平均年化收益。同时长期来看，主动偏股型基金（普通股票型基金， 偏股混合型基金）也是可以跑赢市场宽基指数的。由此可见，长期坚持投资主动偏股型基金能够实现投资者的预期收益目标。图 2：不同类型基金长期收益与风险信息统计 低收益中等收益 货币型基

8、金 短债型基金中长债型基金 二级债型基金 高收益混合型基金 股票型基金年化收益率13.23%13.60%7.56%5.08%2.78%3.16%0.15%0.54%1.66%年化波动率4.47%18.45% 低风险 中等风险 22.6%高风险统计区间：2005 年 1 月 1 日-2019 年 11 月 30 日。资料来源：Wind， 表 1：基金指数于股票指数的长期收益表现对比指数代码指数名称累计收益率年化收益率885000.WI普通股票型基金指数756.7015.49885001.WI偏股混合型基金指数605.3913.99000300.SH沪深 300282.879.42000905.S

9、H中证 500389.4911.23统计区间：2005 年 1 月 1 日-2019 年 11 月 30 日。资料来源：Wind， 事实上，基金的投资效益与基金经理的个人因素存在密切的关系，尤其是主动管理的基金。作为基金产品的管理者和投资决策的制定者，基金经理直接影响着基金的投资风格和业绩，基金投资的成败很大程度上取决于基金经理的能力，正如大家常说的“买基金就是买基金经理”。然而，大部分研究者会从基金产品视角开展基金研究，但常会遇到基金成立时间短、基金经理变更等问题，使得基金研究存在诸多局限性，例如我们此前多篇基金研究系列报告。因此，本报告试图基于基金经理视角构建因子评价体系，旨在筛选未来能够

10、带来超额收益的基金经理。本报告将基于基金产品构建修正基金经理指数，然后在基金经理因子库中筛选有效的因子构建基金经理因子评价体系，并以主动偏股型基金的基金经理进行相关实证研究构建 基金经理组合。基金经理视角因子评价体系构建与应用的研究，对探索基金经理行为提供了新思路，对深入开展基金评价和业绩持续性的研究提供了依据，对 FOF 组合构建具有一定的参考意义。基金经理指数的构建基金经理指数是开展基金经理研究的基础。本节将基于基金经理管理产品的净值数据与规模数据拼接确定基金经理指数，主要研究的是管理过主动偏股型基金（普通股票型基金+偏股混合型基金）的基金经理。具体的，我们以上期季报的规模数据为权重，对当

11、期基金经理正在管理基金产品的复权单位净值进行加权复合，便可得到基金经理指数。同时， 需要对基金经理新发产品、接管产品、转型产品的数据实时调整到基金经理指数中。此外， 基金经理指数的构建中还会考虑新成立基金的建仓期（默认 6 个月）、接管基金的调仓期（默认 3 个月）、转型基金的调整期（默认 3 个月）。本报告将把基金经理指数作为基金经理综合业绩表现的度量指标，并开展相关基金经理评价和组合构建的研究。特别的，由于跳槽等原因会使得基金经理存在空窗期，在此期间没有正在管理的产品， 使得基金经理指数是不连续的。此时有两种处理方法：一种是认为基金经理业绩是不变的， 即用零值去补充基金经理指数；另一种是认

12、为基金经理业绩是市场平均业绩，即可用主动权益类基金指数（例如：中证偏股型基金指数，930950.CSI）去补充基金经理指数。本报告主要采用的是第二种方法，原因是主动偏股型基金的仓位都较高，基金业绩与市场涨跌相关性较高，用市场平均业绩补充可以有效平滑指数曲线，使得基金经理指数能更加真实反应基金经理管理能力。表 2：基金经理 A 管理过的主动偏股型基金任期基金经理基金公司基金名称任职日期有效任职日期离职日期基金经理A基金公司 A基金产品 12006/7/122006/10/122015/6/9基金经理A基金公司 A基金产品 22008/7/252009/1/232009/8/25基金经理A基金公司

13、 A基金产品 32010/2/32010/8/32015/6/9基金经理A基金公司 B基金产品 42015/11/202016/2/20-截至日期：2019 年 11 月 30 日。资料来源：Wind， 以基金经理 A 为例，其在 2006 年至 2015 年上半年在基金公司 A 管理产品，并在 15 年牛市高点离职；熊市的暴跌阶段处于空窗期，直至 15 年末才在基金公司 B 重新管理产品。从基金经理 A 指数上来看，如果不对空窗期修正，会认为基金经理完美躲避了 15 年股灾，基金经理指数表现非常优异；而事实上主动偏股型基金由于存在最低仓位限制（不低于 60 ），如果基金经理此时仍然管理产品的

14、话净值大概率会随着市场同步下跌。因此，我们可以使用中证偏股型基金指数（930950.CSI）来补充基金经理空窗期的业绩，进而使得基金经理指数更贴合实际。图 3：基金经理 A 指数的走势沪深300基金经理A指数基金经理A指数(修正)12.0010.008.006.004.002.000.00截至日期：2019 年 11 月 30 日。资料来源：Wind， 此外，在下文的研究中我们还会涉及到基金经理在季报、半年报或年报的数据，例如持股仓位、持股集中度、换手率、机构投资者占比等，我们同样会采用基金产品规模数据 加权复合。此处不再赘述。我们对2005 年以来每月管理主动偏股型基金的基金经理人数进行了统

15、计。可以看到，基金经理人数整体上是逐渐增加的，截至到 2019 年 11 月底，仍有近 700 名基金经理。同时，我们能够看到在 2007 年、2015 年等节点年轻基金经理增长明显，之后又快速回落； 基金经理任职年限在三年以下的居多，任职年限在三年以上的仅占了很小比例。主要原因是，牛市中基金公司产品发行会加速，存在基金经理缺口；经过前期牛市市场大涨，熊市和震荡市中部分基金经理会选择跳槽或离开公募行业，研究员晋升基金经理也有所减少。图 4：管理主动偏股型基金的基金经理人数统计1年以下1到2年2到3年3到4年4到5年5到6年6年以上8007006005004003002001000注：以担任基金

16、经理的时间开始统计任职年限。截至日期：2019 年 11 月 30 日。资料来源：Wind， 根据基金个人投资者投资情况调查问卷（2017 年度）统计的个人投资者持有单只基金的平均时间信息可知，有 33 比例的投资者持有单只基金平均时间在半年到 1 年，不到一半的投资者能坚持持有单只基金在 1 年以上。因此，结合投资者的交易习惯和基金交易费率，我们将以一年为单位考察基金经理的未来业绩表现。图 5：个人投资者持有单只基金的平均时间5年以上, 7.1%3-5年, 9.6%少于6个月, 22.0%1-3年, 28.3%半年到1年, 33.0%资料来源：中国基金业协会发布的基金个人投资者投资情况调查问

17、卷（2017 年度）， 基金经理因子库考虑到基金经理的可用信息和投资行为，我们将从简历信息、从业信息、业绩表现、风险控制等 10 个维度构造了基金经理因子库，共包含 36 个具体因子，相关因子的构建方式如下表所示。其中，基金经理性别、学历、年龄(分档)、任职年限(分档)等会对因子进行分类研究的是分类变量因子，而年龄、任职年限、任职年化回报、选股 Alpha 等为数值变量因子。由于分类因子与数值因子存在差异，在因子处理、检验和应用上分别进行操作。表 3：基金经理因子库因子类别因子指标因子代码计算方式基金经理性别Gender_Grading基金经理性别（1 表示男，0 表示女）基金经理学历Educ

18、ation_Grading基金经理学历（2 表示博士，1 表示硕士，0 表示本科及以下）曾任卖方分析师SellsideAnalyst_Grading基金经理是否曾任卖方分析师（1 表示是，0 表示否）简历信息CPACPA基金经理是否为 CPA（1 表示是，0 表示否）CFACFA基金经理是否为 CFA（1 表示是，0 表示否）MBAMBA基金经理是否拥有 MBA 学位（1 表示是，0 表示否）年龄Age基金经理年龄年龄(分档)Age_Grading基金经理年龄(分档)（1 表示 40 岁以上，0 表示 40 岁以下）任职年限WorkingYear基金经理任职年限任职年限(分档)WorkingY

19、ear_Grading基金经理任职年限(分档（)5 表示 6 年以上， 4 表示 4-6 年，3 表示 3-4从业信息年，2 表示 2-3 年，1 表示 2 年以下）当前公司任职年限WorkingYear_C基金经理在当前公司任职年限当前公司任职年限(分档)WorkingYear_C_Grading基金经理在当前公司任职年限(分档（) 4 表示 4 年以上，3 表示 3-4 年，2 表示 2-3 年，1 表示 2 年以下）跳槽频率JobFreq基金经理跳槽频率跳槽频率(分档)JobFreq_Grading基金经理跳槽频率(分档)（4 表示 5 年以上，3 表示 3-5 年，2 表示 2-3年，

20、1 表示 2 年以下）业绩表现任职年化回报PeriodRet基金经理任职以来年化回报风险控制业绩质量选股能力绝对收益Ret基金经理指数近一年涨跌幅业绩稳定性(周度)Ret_Stable_W基金经理指数近一年周度涨跌幅稳定性超额收益(相对市场)ExRet_toMarket基金经理指数近一年相对市场基金指数累计超额收益率超额收益稳定性(周度,相对市场)ExRet_Stable_W_toMarket基金经理指数近一年相对市场基金指数周度超额收益稳定性最大回撤Mdd基金经理指数近一年最大回撤率波动率Vol基金经理指数近一年每日涨跌幅波动率夏普比率Sharpe基金经理指数近一年的夏普比率信息比率IR基金

21、经理指数近一年相对市场基金指数的信息比率詹森系数Jensen基金经理指数近一年相对市场基金指数回归的詹森系数Calmar 比率Calmar基金经理指数近一年的 Calmar 比率索提诺比率Sortino基金经理指数近一年的索提诺比率特雷诺比率Treyno基金经理指数近一年的特雷诺比率选股AlphaAlpha_Sharpe基金经理指数近一年相对巨潮风格指数回归的alpha 项选股AlphaIRAlphaIR_Sharpe基金经理指数近一年相对巨潮风格指数季度回归的 alpha 稳定性择时能力TM 择时能力Timing_TM基金经理指数近一年TM 模型回归得到的 beta2管理规模Size基金经理

22、最新季度的管理规模管理规模投资风格管理份额Unit基金经理最新季度的管理份额持股仓位Position基金经理最新季度的仓位持股集中度PosTop10基金经理最新季度前十大重仓股持股集中度换手率Turnover基金经理最新半年度（或年度）换手率机构偏好机构投资者占比Institution_pct基金经理最新半年度（或年度）机构投资者持有比例资料来源：Wind， 为了便于后期因子的合成，我们需要对数值因子值进行规范化处理，主要包括去极值、标准化等过程。去极值：我们采用MAD（Median Absolute Deviation，绝对中位差法）去除极值，主要是为了将极值压缩在 3-3.5 倍绝对中位数

23、范围内。具体的，首先计算当期所有基金在因子上的中位数， 然后计算绝对中位数 = (| |)我们采用 3法，保留 3, + 3之间的因子值不变，将大于 + 3的所有因子值按原顺序均匀压缩到 + 3, + 3.5；将小于 3的所有因子值按原顺序均匀压缩到 3.5, 3。其中，如果将当做标准差估计的一致估计量， 1.4826 。绝对中位差法在去除极值的同时也保证了因子值间的原来次序。标准化：为了消除因子的量纲影响，我们会对每个因子进行标准化处理。我们采用的是 Z-Score法，从而使得因子的均值为 0，标准差为 1。即 = ()()其中：()表示的均值，()表示的标准差。 依据深圳证券信息公司发布的

24、巨潮规模系列指数编制方案可知，大盘指数是从巨潮 1000 指数成份股中按照近半年 A 股日均流通市值大小排序选取前 200 只股票构成的，中盘指数是从巨潮 1000 指数成份股中按照近半年 A 股日均流通市值大小排序选取前 201-500 只股票构成的， 小盘指数是从巨潮 1000 指数成份股中按照近半年 A 股日均流通市值大小排序选取后 500 只股票构成的。依据巨潮风格系列指数编制方案可知，价值因子是依据每股收益与价格比率、每股经营现金流与价格比率、股息收益率、每股净资产与价格比率四个变量计算风格 Z 值。成长因子是依据主营业务收入增长率、净利润增长率和净资产收益率三个变量计算风格 Z 值

25、。不同风格指数则是依据大中小盘和价值成长来两个维度来进行划分的。表 4：公募基金季报信息披露日期统计季报节点3 月 31 日6 月30 日9 月 30 日12 月31 日季报类型一季报二季报半年报三季报四季报年报公募基金披露时间季度结束之日起15 个工作日内季度结束之日起15 个工作日内上半年结束之日起 60 日内季度结束之日起15 个工作日内季度结束之日起15 个工作日内每年结束之日起90 日内披露持仓信息前 10 大重仓股、仓位、规模、份额前 10 大重仓股、仓位、规模、份额全部持仓股票、仓位、规模、份额前 10 大重仓股、仓位、规模、份额前 10 大重仓股、仓位、规模、份额全部持仓股票、

26、仓位、规模、份额披露其他信息-买卖股票的成本和收入、投资者结构-买卖股票的成本和收入、投资者结构资料来源：Wind， 根据因子库中的计算公式可知，数值因子主要基于基金经理指数、季报、半年报（或年报）信息构建。其中，由于基金经理指数数据可以实时获取，相关因子可以在每月末利用最新数据计算，例如业绩表现、风险控制、选股能力等类因子；而季报数据会在季度结 束之日起 15 个工作日内披露，相关因子需要在季度结束的下个月末才能用最新报告数据计算，例如管理规模、持股仓位和持股集中度等因子；半年报（或年报）数据会在季度结束之日起 60 个工作日（或 90 个工作日）内披露，相关因子需要在季度结束的 2 个月（

27、或3 个月）末才能用最新报告数据计算，例如换手率、机构投资者占比等因子。因此，针对涉及到季报、半年报（或年报）的因子，我们会在每月末利用能拿到的最新数据进行构建。表 5：部分因子在不同月份使用不同季报信息季报类型适用月份适用因子一季报4 月、5 月、6 月管理规模、管理份额、持股仓位、持股集中度等二季报7 月、8 月、9 月管理规模、管理份额、持股仓位、持股集中度等三季报10 月、11 月、12 月管理规模、管理份额、持股仓位、持股集中度等四季报1 月、2 月、3 月管理规模、管理份额、持股仓位、持股集中度等半年报8 月、9 月、10 月、11 月、12 月、1 月、2 月换手率、机构投资者占

28、比等年报3 月、4 月、5 月、6 月、7 月换手率、机构投资者占比等资料来源：Wind， 基金经理因子评分体系研究因子有效性检验框架分类因子和数值因子需要设计不同的检验框架。具体的：针对分类因子，包括按类期望收益均值检验和按类分组有效性检验。其中，按类预期收益均值检验是按照基金经理 t 期因子值分类，研究 t+1 期不同类收益率均值的差异性； 按类分组有效性检验是在调仓节点按照当期因子分类分组，每组内等权重构建组合持有到下一期，滚动计算，统计每组相对市场平均业绩的年化超额收益。特别的，分类因子应该 尽可能使得各类内样本数量的均衡性，否则得到的结论可能存在偏差。针对数值因子，包括 RankIC

29、 检验和分组有效性检验。其中，RankIC 检验是研究基金经理 t 期因子值与 t+1 期收益率之间的秩相关系数稳定性，主要通过统计 RankIC 均值、RankIC 标准差、RankIC 胜率、RankIC_IR 等指标；分组有效性检验是在调仓节点按照当期因子值降序排序等分成若干组（如 10 组等），并等权重构建组合持有到下一期，滚动计算， 统计每组相对市场平均业绩的年化超额收益。同时，为了提升因子检验结果的可靠性，我们将在月频节点上对因子的有效性进行检验。如果某个基金经理因子在月频上检验是有效的，则其有效性是更稳健的。例如，年度调仓策略的因子月频检验示意图如下所示。因此，我们将把因子拓展到

30、月频上对基金经理因子进行有效性检验。图 6：年度调仓策略的因子月频检验示意图基金数据 1月 2月12 月 1 月 2 月12月1 月 2 月12月1月底调仓2月底调仓月频检验12月底调仓资料来源： 因子有效性检验分析分类因子针对管理过主动偏股型基金（普通股票型基金+偏股混合型基金）的基金经理，我们将在 2009-2019 年 11 月间测算所有基金经理分类因子的有效性，即研究不同类期望收益的差异性。表 6：基金经理分类因子的未来一年收益均值统计因子类别分类每期人数未来一年均值收益均值因子类别分类每期人数未来一年均值收益均值男185.149.83基金经理性别女27.359.272 年以下43.3

31、39.702 到 3 年51.3310.25任职年限(分档)3 到 4 年37.129.964 到 6 年43.569.796 年以上37.1612.00博士25.059.35基金经理学历硕士166.449.30本科及以下7.757.90曾任卖方分析师69.6810.07曾任卖方分析师从未任卖方分析师142.829.64是 CPA5.8510.33CPA不是CPA206.649.77是 CFA20.3410.46CFA不是CFA192.159.71曾就读 MBA22.899.37MBA未曾就读 MBA189.609.872 年以下61.159.592 到 3 年55.2610.22当前公司任职

32、年限(分档)3 到 4 年35.9410.094 年以上59.8710.082 年以下55.609.462 到 3 年52.0610.03跳槽频率(分档)3 到 5 年42.009.955 年以上19.1410.1540 岁以下35.299.28年龄(分档)40 岁以上30.599.55资料来源：Wind， 各因子的表现如上表所示，可以看到：在基金经理性别因子中，将基金经理分为男性和女性两组。在人数方面，男性基金经理数量明显高于女性基金经理，超过八成的基金经理为男性。在业绩表现方面，男性基金经理的业绩略优于女性基金经理，平均年收益率高了 0.56 。在基金经理学历因子中，将基金经理分为博士、硕

33、士、本科及以下三组。在人数方面，基金经理主要以硕士学历为主，博士、本科及以下学历的基金经理人数较少。在业绩表现方面，整体上基金经理学历越高业绩越好，学历为硕士和博士的基金经理业绩较为接近，比本科及以下学历的基金经理平均年收益率高了 1.4 以上。在曾任卖方分析师因子中，依据基金经理简历中的信息人工识别，将基金经理分为曾任卖方分析师和从未任卖方分析师两组。在人数方面，约有三分之一的基金经理曾任卖方分析师。在业绩表现方面，曾任卖方分析师的基金经理业绩略优，平均年收益率高0.43 ，且差额较为稳定。在 CPA 因子中，依据基金经理简历中的信息机器识别，将包含“CPA”等关键词的基金经理识别出来，将基

34、金经理分为是 CPA 和不是 CPA 两组。在人数方面，绝大多数基金经理不是 CPA；在业绩表现方面，是 CPA 的基金经理业绩略优，平均年收益率高0.56 。在 CFA 因子中，依据基金经理简历中的信息机器识别，将包含“CFA”、“特许金融分析师”等关键词的基金经理识别出来，将基金经理分为是 CFA 和不是 CFA 两组。在人数方面，绝大多数基金经理不是 CFA；在业绩表现方面，是 CFA 的基金经理业绩略优，平均年收益率高 0.75 。在 MBA 因子中，依据基金经理简历中的信息机器识别，将包含“MBA”、“工商管理硕士”等关键词的基金经理识别出来，将基金经理分为曾就读 MBA 和未曾就读

35、 MBA 两组。在人数方面，绝大多数基金经理未曾就读 MBA；在业绩表现方面，未曾就读 MBA 的基金经理业绩略优，平均年收益率高 0.50 。在年龄(分档)因子中，依据基金经理简历中的出生日期计算年龄，考虑到样本均衡性，我们以 40 岁为分界将基金经理分为 40 岁以上和 40 岁以下两组。由于近年来基金经理很少披露出生日期，可分析的样本较少。在有限样本范围内发现，40 岁以上的基金经理业绩略优于 40 岁以下的，平均年收益率高 0.27 。在任职年限(分档)中，我们以首次当基金经理为起点，计算各基金经理的任职年 限，并将基金经理分为任职年限 2 年以下、2 到 3 年、3 到 4 年、4

36、到 6 年、6 年以上五组。在人数方面，各组人数整体较为均衡。在业绩表现方面，任职年限在 2 到 3 年、6 年以上的基金经理业绩表现更优，其中任职年限 2 到 3 年的基金经理平均年收益率高约 0.5 ，而任职年限在 6 年以上的基金经理平均年收益率高 2以上。在当前公司任职年限(分档)中，我们以在当前基金公司任职基金经理为起点，计 算各基金经理的在当前公司任职年限，并将基金经理分为任职年限 2 年以下、2 到 3 年、3 到 4 年、4 年以上四组。在人数方面，各组人数整体较为均衡。在业绩表现方面，在当前公司任职年限在 2 年以下的基金经理业绩表现偏弱，比 2 年以上的基金经理平均年收益率

37、低约 0.5。在跳槽频率(分档)因子中，我们计算基金经理在每家基金公司任职基金经理年限除以任职家数得到跳槽频率（年/家），并将基金经理分为 2 年以下、2 到 3 年、3 到 5年、5 年以上四组。在人数方面，除最后一组外其他各组人数较为均衡。在业绩表现方面， 平均每家任职 2 年以内的基金经理业绩表现偏弱，比平均每家任职 2 年以上的基金经理平均年收益率低约 0.5 。平均每家任职 5 年以上的基金经理业绩表现更优。通过对上述不同类期望收益的差异性分析可以发现，基金经理性别、学历、曾任卖方分析师、CFA、MBA、任职年限等因子均对基金未来收益有一定区分度。进一步的，我们将在月频上对因子进行按

38、类分组有效性检验，即在某月节点按照当期因子分类分组，每组内等权重构建组合持有一年，滚动计算，统计每组相对基金经理平均业绩的年化超额收益。最终得到 12 个不同月份调仓的超额收益统计结果，下表中列出了几个较为显著的因子表现，如曾任卖方分析师、CFA、MBA 和任职年限等因子。表 7：不同月份调仓策略的分组年化超额收益统计（按类分组）曾任卖方分析师CFAMBA任职年限月份信息Group01 (曾任卖方分析师)Group02 (从未任卖方分析师)Group01 (是 CFA)Group02 (不是 CFA)Group01 (曾就读MBA)Group02 (未曾就读MBA)Group01 (2 年以下

39、)Group02 (2 到 3 年)Group03 (3 到 4 年)Group04 (4 到 6 年)Group05 (6 年以上)1 月底调仓0.30-0.150.020.02-0.790.100.09-0.040.32-0.183.292 月底调仓0.15-0.070.20-0.01-0.720.080.03-0.01-0.09-0.203.483 月底调仓0.25-0.110.61-0.05-0.710.080.140.29-0.30-0.343.084 月底调仓0.23-0.140.45-0.03-0.640.08-0.030.550.08-0.141.455 月底调仓0.18-0.

40、130.49-0.04-0.300.05-0.110.79-0.090.021.236 月底调仓0.25-0.170.76-0.07-0.360.050.140.27-0.280.210.897 月底调仓0.37-0.231.04-0.10-0.470.070.150.37-0.320.250.558 月底调仓0.33-0.200.89-0.09-0.570.090.030.40-0.260.110.769 月底调仓0.37-0.210.87-0.08-0.550.090.100.52-0.320.000.4710 月底调仓0.41-0.230.86-0.09-0.590.07-0.031.1

41、1-0.340.040.5011 月底调仓0.45-0.240.71-0.08-0.370.04-0.100.62-0.040.561.0112 月底调仓0.33-0.160.250.00-0.910.10-0.180.600.38-0.023.87平均值0.30-0.170.59-0.05-0.580.080.020.45-0.100.021.72资料来源：Wind， 可以看到，曾任卖方分析师的基金经理相对基金经理平均业绩有 0.30 的年化超额收益，是 CFA 的基金经理相对市场平均业绩有 0.59 的年化超额收益，未曾就读 MBA 的基金经理相对市场平均业绩有 0.08 的年化超额收益，

42、任职年限在 2 到 3 年、或 6 年以上的基金经理相对市场平均业绩分别有 0.45 、1.72 的年化超额收益。综上，基金经理学历、证书、工作经历和任职年限等因子对未来业绩均存在一定区分度。同时，我们发现任职年限 2 到 3 年的基金经理也会有较好的超额收益，主要原因可能是年轻的基金经理具有更强的业绩诉求，希望有更好的业绩；而年长的基金经理已经被市 场认可了投资能力，更加追求稳定的业绩。事实上，虽然高学历、拥有证书、曾任卖方分析师、任职年限长等因子对基金经理未来业绩有一定区分度，但超额收益并不高，单纯依靠这些因子筛选基金经理并不能够获得较高的收益表现，更多的可以作为辅助性指标。数值因子针对管

43、理过主动偏股型基金（普通股票型基金+偏股混合型基金）的基金经理，我们将在 2009-2019 年 11 月间测算所有基金经理数值因子的有效性，即在每月末计算基金经理当期因子值与未来一年业绩的 RankIC 值，并统计 RankIC 均值、RankIC 标准差、RankIC_IR 值、RankIC 胜率等。特别的，在此前报告20190611 天风证券-基金研究：规模因子在 FOF 组合构建中的应用中我们发现，剔除合计规模在 3 亿元以下的基金能显著提升基金规模和基金份额因子的有效性，所以我们在对管理规模和管理份额因子检验时剔除管理规模在 3 亿元以下的基金经理。表 8：基金经理数值因子的 Ran

44、kIC 序列统计信息因子类别因子指标RankIC 均值RankIC 标准差RankIC_IR 值年化RankIC_IR 值RankIC 胜率年龄0.0260.1280.2040.70853.33任职年限0.0190.1090.1700.59061.67从业信息当前公司任职年限0.0180.0910.1940.67455.83跳槽频率0.0370.0990.3691.27966.67任职年化回报0.0640.1070.5962.06373.33绝对收益0.0840.1520.5531.91575.00业绩表现业绩稳定性(周度)0.1190.1290.9233.19785.00超额收益(相对市场)

45、0.0840.1520.5531.91575.00超额收益稳定性(周度,相对市场)0.0760.1470.5201.80272.50风险控制最大回撤-0.1310.204-0.643-2.22775.00波动率-0.1080.236-0.457-1.58270.00业绩质量夏普比率0.1190.1370.8713.01683.33信息比率0.0900.1440.6242.16377.50詹森系数0.1130.1380.8202.83982.50Calmar 比率0.1110.1350.8282.86780.00索提诺比率0.1160.1390.8332.88783.3385.8389.173.

46、7444.0971.0811.1830.1210.1110.1300.132选股 Alpha选股 AlphaIR选股能力特雷诺比率0.1160.1380.8362.89683.3389.1790.00-3.595-4.184-1.038-1.2080.1220.124-0.127-0.150管理规模管理份额管理规模择时能力TM 择时能力0.0170.1860.0910.31758.33投资风格持股仓位0.0020.1580.0140.04853.33持股集中度0.0390.0990.3981.37866.67换手率0.0510.1570.3261.12962.50机构偏好机构投资者占比0.10

47、20.1080.9423.26282.50资料来源：Wind， 各因子的表现如上表所示，可以看到：在从业信息类因子中，年龄、任职年限等因子均表现较差，RankIC 均值低于 0.05，且胜率也仅有 60 左右。在业绩表现类因子中，任职年化回报、绝对收益与超额收益因子表现适中，RankIC均值在 0.08 左右，波动偏大，且胜率在 70 附近；而业绩稳定性因子表现较好，RankIC 均值达到了 0.12，且胜率为 85 。而超额收益稳定性因子表现适中，主要原因是不同的基金经理存在不同风格，其比较基准也可能不尽相同。在风险控制类因子中，最大回撤率和波动率因子表现较好，RankIC 均值为负， 达到

48、了-0.1 以上，胜率在 70 左右，但是波动较大。主要原因是在市场反弹时风险控制类因子容易出现反转，此前跌的很多基金反而会涨的很多。在业绩质量类因子中，夏普比率、詹森系数等因子均表现优异，RankIC 均值在0.1 以上，波动率在 0.15 以内，胜率在 80；而信息比率因子的表现相对偏弱，主要原因是信息比率的计算同样涉及到基准指数。在选股能力类因子中，选股 Alpha、选股 AlphaIR 等因子表现优异，RankIC 均值在 0.13 以上，波动率在 0.1 附近，RanckIC_IR 达到了 1 以上，胜率在 85 以上。其中，选股 AlphaIR 比选股 Alpha 因子更加稳定。在

49、择时能力类因子中，TM 择时能力因子表现较差，RankIC 均值基本为 0，胜率在 50 附近，主要原因是主动权益类基金经理很少做择时。在管理规模类因子中，管理规模和管理份额因子表现优异，RankIC 均值在-0.12 以上，波动率在 0.12 附近，胜率在 90附近。其中，管理份额因子比管理规模因子更有效， 这与基金产品视角因子检验结果一致，感兴趣可见报告20190611 天风证券-基金研究： 规模因子在 FOF 组合构建中的应用。在投资风格类因子中，持股仓位、持股集中度等因子均表现较弱，RankIC 均值在 0.04 以下，胜率在 60 附近；换手率因子的 RankIC 均值达到了 0.0

50、5 以上，胜率在 60 以上，对未来业绩具有一定区分度。在机构偏好类因子中，机构投资者占比因子表现优异，RankIC 均值在 0.1 以上，波动率在 0.1 左右，胜率在 80 以上。通过对上述数值因子的 RankIC 检验分析可以发现，基金经理的业绩稳定性、风险控制、业绩质量、选股能力、管理规模、机构偏好等类因子表现优异，能很好地区分基金业绩；基金经理的绝对收益、超额收益、换手率等因子表现适中，对未来业绩有一定区分度； 而从业信息、择时能力和投资风格等类因子对基金未来业绩区分度较低。进一步的，我们将在月频上对因子做分组有效性检验，即在某月节点按照因子值降序排序将基金经理等分成 10 组并等权

51、重构建组合持有一年，滚动计算，统计每组相对基金经理平均业绩的年化超额收益。最终得到 12 个月调仓的超额收益均值统计结果，下表中列出了一些较为有效的因子表现，如业绩表现、风险控制、业绩质量、选股能力、管理规模、机构偏好等类因子。收益差任职年化回报1.290.370.690.30-0.57-0.240.04-0.75-0.56-0.701.98绝对收益1.630.690.430.150.40-0.22-0.19-0.42-1.09-1.573.19业绩稳定性(周度)2.830.980.790.20-0.21-0.04-0.58-0.58-1.49-1.994.82超额收益(相对市场)1.630.

52、690.430.150.40-0.22-0.19-0.42-1.09-1.573.19超额收益稳定性(周度,相对市场)1.290.600.360.49-0.12-0.04-0.09-0.43-0.66-1.602.90最大回撤-2.68-1.38-0.840.00.200.010.281.041.051.70-4.38波动率-2.43-0.95-0.19-0.260.180.250.780.731.010.18-2.61夏普比率2.361.360.750.23-0.13-0.17-0.41-0.41-1.58-2.094.45信息比率1.520.790.570.150.22-0.17-0.02

53、-0.37-1.07-1.803.32詹森指数2.221.080.710.240.03-0.29-0.22-0.23-1.46-2.194.42Calmar 比率2.770.900.770.30-0.38-0.31-0.53-0.33-1.37-1.894.66索提诺比率2.361.090.670.45-0.20-0.10-0.33-0.53-1.51-2.024.38特雷诺比率2.391.080.790.180.05-0.34-0.39-0.39-1.49-1.994.38选股 Alpha2.221.381.070.500.35-0.23-0.38-0.52-1.34-3.145.36选股

54、AlphaIR1.911.551.050.450.69-0.16-0.33-0.91-1.58-2.714.62管理规模-2.85-1.70-0.47-0.83-0.410.040.691.791.182.14-4.99管理份额-2.89-2.10-1.19-0.23-0.71-0.130.031.652.372.76-5.65换手率0.361.590.770.06-0.430.21-0.48-0.55-1.07-0.640.99机构投资者占比2.150.791.190.59-0.73-0.40-0.32-1.03-0.64-1.703.85表 9：不同月份调仓的分组年化超额收益平均值统计（数

55、值因子降序排序分组）因子指标第一组第二组第三组第四组第五组第六组第七组第八组第九组第十组多空年化资料来源：Wind， 可以看到，业绩表现、业绩质量、选股能力、机构投资者占比等类因子分组的多空年化收益差明显，多头年化超额收益平均值整体上在 2以上；任职年化回报、超额收益稳定性等因子分组的多空收益也存在一定差异性，多头年化超额收益平均值整体上在 1以上； 最大回撤率和波动率等因子分组的多空年化收益差明显，但是空头年化超额收益较弱，主要原因是 RankIC 序列是不稳定的，当市场反弹时过去跌得多的基金未来反而业绩更好， 出现与其他阶段不一样的表现；管理规模和管理份额等因子分组的多空年化收益差明显，

56、空头年化超额收益平均值整体上在 2 以上，同时管理份额比管理规模的单调性更好；换手率因子分组的多空年化收益差偏弱，主要原因是换手率最高的一组并没有超额收益。同时，我们对这些因子的相关性进行了分析。下图中展示了因子在 2009 年-2019 年 8 月之间月度相关系数的均值，其中正数表示正相关，负数表示负相关。可以看到，同大类内的因子间相关性较高，如业绩表现、业绩质量、选股能力、管理规模等；部分不同大类内的因子值相关性也较高，如由基金经理指数衍生出的业绩表现、业绩质量、选股能力等； 部分不同大类因子间的相关性较低，如风险控制、管理规模、机构偏好与选股能力等因子间。图 7：基金经理数值因子的月度相

57、关系数均值任职年化回报绝对收益业绩稳定性(周度)超额收益(相对市场)超额收益稳定性(周度,相对市场)最大回撤波动率夏普比率信息比率詹森指数Calmar比率索提诺比率特雷诺比率选股Alpha选股AlphaIR管理规模管理份额换手率机构投资者占比任职年化回报0.370.340.370.35-0.19-0.020.350.36 0.360.340.340.350.320.270.10 -0.01 -0.040.22绝对收益0.370.92 1.000.94-0.51-0.06 0.94 0.96 0.94 0.93 0.94 0.94 0.880.750.01-0.10-0.010.19业绩稳定性(

58、周度)0.340.920.920.90-0.53-0.070.97 0.89 0.96 0.95 0.97 0.970.880.76-0.01-0.11-0.030.19超额收益(相对市场)0.371.000.920.94-0.51-0.060.940.96 0.940.930.940.940.880.750.01-0.10-0.010.19超额收益稳定性(周度,相对市场)0.350.940.900.94-0.47-0.010.90 0.97 0.90 0.88 0.90 0.900.840.740.00-0.10-0.010.19最大回撤-0.19-0.51-0.53-0.51-0.470.

59、65-0.52 -0.51 -0.50 -0.57 -0.52 -0.51 -0.44 -0.41-0.040.000.14-0.08波动率-0.02-0.06-0.07-0.06-0.010.65-0.05-0.07 -0.03-0.11-0.05-0.04-0.01-0.04-0.09-0.100.200.03夏普比率0.350.940.970.940.90-0.52-0.050.92 0.990.961.000.990.900.78-0.01-0.11-0.030.19信息比率0.360.960.890.960.97-0.51-0.070.920.920.900.920.910.860.

60、750.01-0.10-0.020.19詹森指数0.360.940.960.940.90-0.50-0.030.990.920.950.991.000.910.78-0.01-0.11-0.020.19Calmar比率0.340.930.950.930.88-0.57-0.110.960.90 0.950.960.950.870.750.00-0.10-0.030.18索提诺比率0.340.940.970.940.90-0.52-0.051.000.92 0.990.960.990.910.78-0.01-0.11-0.030.19特雷诺比率0.350.940.970.940.90-0.51-