金融工程专题 2022年09月25日 金融工程研究团队 魏建榕(首席分析师) 选基因子探索及FOF组合构建 ——基金研究系列(12) 魏建榕(分析师)傅开波(分析师) 证书编号:S0790519120001 weijianrong@kysec.cn 证书编号:S0790519120001 fukaibo@kysec.cn 证书编号:S0790520090003 张翔(分析师) 证书编号:S0790520110001 傅开波(分析师) 证书编号:S0790520090003 高鹏(分析师) 证书编号:S0790520090002 苏俊豪(分析师) 证书编号:S0790522020001 胡亮勇(分析师) 证书编号:S0790522030001 王志豪(分析师) 证书编号:S0790522070003 盛少成(研究员) 证书编号:S0790121070009 苏良(研究员) 证书编号:S0790121070008 近年来择基难度加大,基金优选成为热门话题 本文将从定量的角度,以微观层面的选基因子入手,探寻适用于主动股票型基金的四大优选因子,并对其中有效因子的逻辑进行解释。在组合层面上,我们根据五大选基样本域,构建适用于不同要求下的FOF基金组合。 四大选基因子:技术面、资金面、基本面、基金特征面均有不错的选基效果我们通过基金特质数据、基金持股明细、选股因子池,得到基金特征类因子及持仓特征类因子。 基金特征类因子:利用净值、持仓明细、持股人结构等基金特质数据构建。 持仓特征类因子:根据股票层面的三大类因子:技术面、资金面、基本面按照基金持股明细聚合得到。 技术面:波动率类以及其他量价类因子的选基效果较好。 资金面:北向资金流和大小单资金流均具有不错的选基效果。基本面:盈利类和成长类因子表现较好。 基金特征面:基金的夏普率、交易能力因子表现较好。 五大选基样本域:不同样本下的优选FOF组合均有优异表现 将技术面、资金面、基本面、基金特征面共四大类因子分别合成大类因子,对基金样本池进行十分组测试,不同样本域下的优选FOF组合均表现优异: (1)全体主动型股票基金:RankIC提升至0.21,RankICIR提升至2.21,多头相 对基准的年化收益率为11.1%。截至2022年8月31日,多头组合相对基准的超额净值创新高。 (2)不同风格分类:成长、价值、均衡: a)成长股基优选组合:多头年化收益率26.6%,相对基准超额收益率11.5%; b)价值股基优选组合:多头年化收益率19.4%,相对基准超额收益率8.4%; 相关研究报告 c)均衡股基优选组合:多头年化收益率19.4%,相对基准超额收益率7.4%。 (3)不同板块分类:科技、消费、制造、周期、金融: 《基金研究系列(11)-百舸争流的行业增强基金》-2022.9.12 《基金研究系列(10)-主动权益基金投资策略的迁移特征与动态监控》 -2022.8.14 《基金研究系列(9)-主动权益基金投资策略的迁移特征与动态监控》 -2022.5.24 《基金研究系列(8)-大类盘点,主动型新能源基金》-2022.1.22 《基金研究系列(7)-探寻行业轮动基金的行业配置能力》-2021.7.1 a)科技股基优选组合:多头年化收益率23.2%,相对基准超额收益率9.3%; b)消费股基优选组合:多头年化收益率24.1%,相对基准超额收益率9.9%; c)制造股基优选组合:多头年化收益率26.3%,相对基准超额收益率12.5%。 (4)不同市值分类:大盘、小盘: a)大盘股基优选组合:多头年化收益率21.4%,相对基准超额收益率8.1%; b)小盘股基优选组合:多头年化收益率24.7%,相对基准超额收益率8.9%。 (5)控制板块偏离的约束条件下: 经过控制板块后的组合,全区间内多头组合的年化收益率为25.1%,超额年化收益率12.1%,超额夏普比率1.88。 风险提示:模型测试基于历史数据,市场未来可能发生变化。 金融工程研究 金融工程专题 开源证券 证券研究报 告 目录 1、近年来择基难度加大,基金优选成为热门话题4 2、四大选基因子:技术面、资金面、基本面、基金特征面均有不错的选基效果4 2.1、技术面因子:波动率、动量、换手及其他均有较强的选基效果5 2.2、资金面因子:北向资金流和大小单资金流均有不错的选基效果7 2.3、基本面因子:盈利和成长类因子表现较好8 2.4、基金特征面因子:夏普比率、交易能力因子表现良好9 3、五大选基样本域:不同样本域下的的FOF组合均表现优异9 3.1、优选股基组合:多头组合相对基准创新高,超额年化夏普1.810 3.2、优选股基组合:不同风格、板块、市值下的基金组合11 3.2.1、不同风格分类下的优选组合具有显著超额,尤其是成长股基优选组合12 3.2.2、不同板块分类下的优选组合具有显著超额,尤其是制造股基优选组合13 3.2.3、不同市值分类下的优选组合具有显著超额,尤其是小盘股基优选组合15 3.3、优选股基组合:控制板块下的股基组合超额收益有进一步的提升16 4、风险提示17 5、附录:开源金工独家因子构造步骤及出处17 图表目录 图1:近年来主动股票型基金数量呈现大规模式增长4 图2:2019年以来主动股票型基金的业绩分化有所增加4 图3:本文整体思路及步骤4 图4:技术面类的RSquareVSWDQA因子,在2017年以后超额收益明显6 图5:技术面类的RSquareVSWDQA因子收益来源于超配收益高的板块6 图6:技术面类的60日涨跌幅因子选基能力较为稳定6 图7:技术面类的60日涨跌幅因子,与基金抱团因子正相关性较高6 图8:技术面类的CVTURN因子从2018年以后超额逐渐提升7 图9:技术面类的MixLIQ因子近年来超额保持上升趋势7 图10:资金面的北向资金关联网络因子超额收益明显7 图11:资金面的北向资金关联网络因子,超配大盘成长类基金7 图12:资金面的同步相关性因子,超额收益明显8 图13:资金面的同步相关性因子,具有板块轮动能力8 图14:基本面的单季度营收同比增长因子,超额净值走势良好9 图15:基本面的单季度营收同比增长因子,整体在制造板块上有所超配9 图16:四大类单因子选基多头组合的超额净值:整体超额稳定10 图17:四大类因子整体相关性较弱10 图18:优选股基组合的净值走势:多头组合相对基准创新高11 图19:优选股基组合的分年绩效统计:全区间内多头组合收益24.1%,相对基准超额11.1%11 图20:风格、板块、市值的划分流程及标准12 图21:成长股基优选组合(净值):全区间内多头组合年化收益26.6%12 图22:成长股基优选组合(绩效):全区间内年化超额11.5%12 图23:价值股基优选组合(净值):全区间内多头组合年化收益19.4%13 图24:价值股基优选组合(绩效):全区间内年化超额8.4%13 图25:均衡股基优选组合(净值):全区间内多头组合年化收益19.4%13 图26:均衡股基优选组合(绩效):全区间内年化超额7.4%13 图27:科技股基优选组合(净值):全区间内多头组合年化收益23.2%14 图28:科技股基优选组合(绩效):全区间内年化超额9.3%14 图29:消费股基优选组合(净值):全区间内多头组合年化收益24.1%14 图30:消费股基优选组合(绩效):全区间内年化超额9.9%14 图31:制造股基优选组合(净值):全区间内多头组合年化收益26.3%14 图32:制造股基优选组合(绩效):全区间内年化超额12.5%14 图33:大盘股基优选组合(净值):全区间内多头组合年化收益21.4%15 图34:大盘股基优选组合(绩效):全区间内年化超额8.1%15 图35:小盘股基优选组合(净值):全区间内多头组合年化收益24.7%16 图36:小盘股基优选组合(绩效):全区间内年化超额8.9%16 图37:报告期综合因子前五基金示例:部分报告期基金在板块上的集中度过高16 图38:板块控制下的优选股基组合(净值):全区间内多头组合年化收益25.1%17 图39:板块控制下的优选股基组合(绩效):全区间内年化超额12.1%17 表1:回测细节说明5 表2:技术面类因子中,波动率类和其他量价因子的表现较好5 表3:资面面因子中,北向资金和A股资金流均有不错的选基效果7 表4:基本面因子中,盈利类和成长类表现较好8 表5:基金特征面因子中,基金的夏普比率、交易能力因子表现较好9 表6:四大类因子和综合因子的绩效指标:综合因子的RankICIR2.21,多头相对基准的超额收益率11.1%10 表7:2022年以来各报告期综合因子前五的成长、价值、均衡基金列表13 表8:2022年以来各报告期综合因子前五的科技、消费、制造基金列表15 表9:2022年以来各报告期综合因子前五的大盘、小盘基金列表16 表10:控制板块下,2021年以来各报告期综合因子前五的基金列表17 表11:开源金工独家因子的构造过程及出处18 1、近年来择基难度加大,基金优选成为热门话题 近年来,随着公募基金产品发行数量和发行种类的不断增加(图1),基金业绩的分化也逐渐加大(图2)。如何在纷繁众多的基金池中,挑选出具有较好预期收益的基金,成为了资产配置和基金研究的重要课题。 业绩top10-业绩bottom10 图1:近年来主动股票型基金1数量呈现大规模式增长图2:2019年以来主动股票型基金的业绩分化有所增加 1800 1600 1400 1200 1000 800 600 400 200 0 80.0% 60.0% 40.0% 20.0% 2009-Q4 2010-Q2 2010-Q4 2011-Q2 2011-Q4 2012-Q2 2012-Q4 2013-Q2 2013-Q4 2014-Q2 2014-Q4 2015-Q2 2015-Q4 2016-Q2 2016-Q4 2017-Q2 2017-Q4 2018-Q2 2018-Q4 2019-Q2 2019-Q4 2020-Q2 2020-Q4 2021-Q2 2021-Q4 2022-Q2 2009-Q4 2010-Q2 2010-Q4 2011-Q2 2011-Q4 2012-Q2 2012-Q4 2013-Q2 2013-Q4 2014-Q2 2014-Q4 2015-Q2 2015-Q4 2016-Q2 2016-Q4 2017-Q2 2017-Q4 2018-Q2 2018-Q4 2019-Q2 2019-Q4 2020-Q2 2020-Q4 2021-Q2 2021-Q4 2022-Q2 0.0% 数据来源:Wind、开源证券研究所数据来源:Wind、开源证券研究所 图3:本文整体思路及步骤 基金研究中定性与定量相辅相成、缺一不可。本文将从定量的角度,以微观层面的选基因子入手,探寻适用于主动股票型基金的优选因子,并对其中有效的因子的逻辑进行解释。在组合层面上,我们根据五大选基样本域,构建适用于不同要求下的FOF基金组合。 资料来源:开源证券研究所 2、四大选基因子:技术面、资金面、基本面、基金特征面均 有不错的选基效果 我们通过基金特质数据、基金持股明细、选股因子池,得到基金特征类因子及 1主动型股票基金的筛选规则见表1 持仓特征类因子。 基金特征类因子:利用净值、持仓明细、持股人结构等基金特质数据构建得到的因子。 持仓特征类因子:根据股票层面的三大类因子:技术面、资金面、基本面按照基金持股明细聚合得到。具体构建步骤如下: (1)根据基金季报中的前十大股票持仓和证监会行业分布,模拟补全所有股票持仓明细; (2)根据模拟持仓的权重,加权股票因子值,聚合得到基金的持仓特征类因子; (3)对持仓特征类因子,计算其覆盖股票持仓权重之和,将因子值除以权重和进行调整。 在计算完成基金特征类因子和基金持仓类因子(技术面、资金面、基本面共