基金研究系列（12）：选基因子探索及FOF组合构建

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