金融工程专题研究：系列专题之七：基金经理持仓收益与投资业绩

证券研究报告|2023年04月18日 金融工程专题研究 FOF系列专题之七：基金经理持仓收益与投资业绩 核心观点金融工程专题报告 从基金收益的来源谈起 为了能够更好地预测基金的未来收益，我们对基金业绩进行了拆解，将基金收益拆分为了基金经理持仓收益、基金经理交易收益以及打新收益三部分。通过自2017年以来的统计结果我们发现，主动股票型基金的收益主要由基金持仓部分所贡献。 经过进一步的验证，我们发现基金未来持仓收益与基金未来收益之间具有很强的相关性，未来持仓收益高的基金往往有更好的业绩表现。因此，对基金未来业绩的预测很大程度上可以通过对基金未来持仓收益的预测来体现。 从选股因子到选基因子 对于主动股票型基金而言，基金的持仓即为基金持有的股票组合，而基金持仓收益即为持仓中股票组合的收益。因此，我们借鉴了量化选股方面的研究成果，发掘对于股票未来收益具有一定预测性的因子，再将这些因子映射到基金的持仓中，以此来对基金未来的持仓收益进行预测。 在经过了市值和行业中性化之后，我们从基本面、技术面以及资金面等多个维度选择出了对股票未来业绩以及基金未来业绩同时具有显著预测效果的因子，构造了基金持仓收益因子。 基金持仓收益因子 我们将对于基金持仓收益具有显著预测性的因子合成了基金持仓收益因子。基金持仓收益因子对于基金业绩具有较为显著的预测能力，季度RankIC均值为9.94%，ICIR为1.06，多空年化收益为9.25%。 同时，基金持仓收益因子具有较强的特质性。我们从持仓收益因子与常见选基因子相关性、剥离常见选基因子后的增量信息以及将持仓收益因子加入到常见选基因子后是否能提升复合因子对基金收益的预测能力等维度进行了讨论与测试。测试结果表明，持仓收益因子能够对基金未来业绩进行有效预测，同时可提供常见选基因子之外的增量信息；在加入基金持仓收益因子后，新的复合选基因子具有更强的收益预测效果。 引入基金持仓收益因子的FOF组合构建 在引入持仓收益因子后，新的复合选基因子的IC均值为14.39%，ICIR为2.05，相对于原始综合选基因子预测能力显著提升。接着我们通过组合优化的方法构建基于板块控制的FOF组合，组合自2013年以来基本每年都在主动股基中排名前1/3，历年平均排名分位点23.51%。组合费后年化收益为22.75%，相对主动股基年化超额11.16%，年化跟踪误差4.89%，超额收益最大回撤6.13%，信息比2.28，超额收益回撤比1.82。从2013年以来的41个季度中，有36个季度均战胜了主动股基中位数，季度胜率高达87.8%，达到了稳定战胜主动股基的效果。 风险提示：市场环境变动风险，因子失效风险。 金融工程·数量化投资 证券分析师：张欣慰证券分析师：刘凯 021-60933159010-88005479 zhangxinwei1@guosen.com.cnliukai6@guosen.com.cn S0980520060001S0980522040002 相关研究报告 《FOF系列专题之六：基金经理波段交易能力与投资业绩》 ——2022-06-20 《FOF系列专题之五：如何构建稳定战胜主动股基的FOF组合？》——2022-03-28 《FOF系列专题之四：基金经理洞察能力与投资业绩—基金经理前瞻能力的改进》——2021-08-18 《FOF系列专题之三：基金经理调研能力与投资业绩》 ——2021-04-21 《FOF系列专题之二：基金经理前瞻能力与基金业绩》 ——2020-10-28 《FOF系列专题之一：基金业绩粉饰与隐形交易能力》 ——2020-08-26 《CANSLIM行业轮动策略》——2022-06-06 《公募基金持仓还原及其实践应用》——2021-12-16 《3M板块轮动策略》——2021-11-30 请务必阅读正文之后的免责声明及其项下所有内容 内容目录 从基金收益的来源谈起4 从选股到选基7 选股因子的中性化处理8 选股因子测试8 结合基金持仓构建选基因子9 基金持仓收益因子13 基金持仓收益因子的构成13 基金持仓收益因子相对传统选基因子的增量15 引入基金持仓收益因子的FOF组合构建18 稳定战胜主动股基中位数并非易事18 基于板块控制的FOF组合构建19 总结24 参考文献25 附录1：选基因子简介26 附录2：主动股基p分位数指数28 免责声明29 图表目录 图1：基金收益的拆解方式4 图2：基金A收益来源拆解5 图3：主动股票型基金收益拆解5 图4：不同业绩排名基金的收益拆解6 图5：不同换手率水平基金的收益拆解6 图6：基金持仓收益与基金真实收益IC测试7 图7：基金持仓收益与基金真实收益分组测试7 图8：基金持仓穿透后的收益预测8 图9：特异度因子选股能力十档分组测试9 图10：股息率因子选股能力十档分组测试9 图11：基金持仓还原法流程9 图12：基金持仓权重调整流程11 图13：基金经理持仓收益因子筛选框架11 图14：特异度因子选基能力十档分组测试12 图15：股息率因子选基能力十档分组测试12 图16：全市场股票股息率和主动股票型基金股息率对比12 图17：基金持仓收益因子IC测试14 图18：基金持仓收益因子十档分组测试14 图19：过往研究回顾15 图20：原始综合选基因子与基金持仓收益因子相关性16 图21：剥离常见选基因子后基金持仓收益因子分组测试17 图22：原始、新综合选基因子以及基金持仓收益因子RankIC走势18 图23：原始、新综合选基因子以及基金持仓收益因子十档分组测试18 图24：2022年年报主动股基平均行业配置（证监会、中信以及Wind行业分类口径）20 图25：基于板块控制的FOF组合净值表现22 图26：基于板块控制的FOF组合季度排名分位点及超额收益23 图27：基于板块控制的FOF组合加权平均规模23 图28：基于板块控制的FOF组合持仓基金数量23 图29：主动股基中位数指数与偏股混合型基金指数走势28 图30：主动股基中位数指数与偏股混合型基金指数收益对比28 表1：持仓收益因子列表13 表2：持仓收益因子测试结果13 表3：因子取值相关系数（右上三角）与因子RankIC相关系数（左下三角）14 表4：持仓收益因子与原始大类因子取值相关系数（右上三角）与因子RankIC相关系数（左下三角）16 表5：连续3年每年排名前N%分位点的主动股基占比18 表6：2010-2022年任意两年间业绩排名前20%主动股基的年化超额收益19 表7：基于板块控制的FOF组合分年度绩效统计22 在之前的FOF系列专题报告中，我们构建了隐形交易能力、业绩洞察能力、基金规模、机构关注度、基金员工信心以及波段交易能力等不同的选基因子，将这些因子等权合成综合选基因子，对基金的未来业绩具有较好的预测效果。本篇报告我们将尝试从基金收益拆解的视角出发，对基金的收益来源进行探究，进而探索对基金未来收益进行预测的新方法。 从基金收益的来源谈起 为了能够更好地预测基金的未来收益，我们首先对基金业绩进行了拆解，以此了解基金收益的来源，我们将基金收益拆分为了基金经理持仓收益、基金经理交易收益以及打新收益三部分。 其中，基金经理持仓收益是指：通过买入并持有基金经理季报时点披露持仓中个股组合获得的收益。基金经理交易收益是指：基金经理通过调仓换股或者波段交易所产生的收益。打新收益是指：基金经理通过参与申购新股获得的收益，我们使用2020年12月9日发布的《公募打新全解析—历史、建模与实践》中计算基金打新收益的方法对基金的打新收益进行测算。通过观察不同来源的收益对基金整体收益的贡献，我们可以抓住影响基金收益的主要因素，以帮助我们更好地预测基金的未来收益。 图1：基金收益的拆解方式 资料来源：国信证券经济研究所绘制 我们以某主动股票型基金A为例，并以中证800指数为业绩基准，将基金A自2017年以来每个月的超额收益在持仓、交易、打新这三个维度进行拆解，分为持仓收益、交易收益以及打新收益三部分。其中，持仓收益的计算方式为基金最近季报时点披露的（补全）持仓组合在未来一个月的收益减去基准收益；打新收益为基金当月通过打新获取的收益部分，交易收益为基金超额收益减去持仓收益与打新收益后的剩余部分。后文的其它基金拆解分析也与此类似，我们均以中证800指数为业绩基准，对基金的超额收益进行持仓、交易、打新三部分的拆解。 基金A的收益拆解结果如图2所示。从总样本期来看，基金A的累计收益为100.03%，其中累计持仓收益、交易收益以及打新收益分别为99.83%、-15.11%以及15.31%，分别贡献了累计总收益的76.65%、-11.6%以及11.75%。整体来看，基金A的收益主要由基金持仓部分所贡献。 图2：基金A收益来源拆解 资料来源：Wind，国信证券经济研究所整理 接下来，我们也同样对全体主动股票型基金（包括普通股票型、偏股混合型以及灵活配置型基金，且过去连续4个报告期股票仓位均大于70%）的收益来源进行了考察，将其自2017年一季度以来的收益进行了拆解，结果如图3所示。 图3：主动股票型基金收益拆解 资料来源：Wind，国信证券经济研究所整理 自2017年以来，主动股票型基金的累计收益为69.12%，其中持仓收益、交易收益以及打新收益分别为49.24%、0.77%以及19.11%，分别贡献了累计收益的71.24%、1.11%以及27.65%。 考虑到不同业绩排名基金的收益来源可能存在一定差异，我们在每个季度对过去一年所有主动股票型基金的业绩进行排名，对其中排名在前20%和后20%基金的收益进行了拆解，结果如图4所示。 图4：不同业绩排名基金的收益拆解 资料来源：Wind，国信证券经济研究所整理 自2017年以来，业绩排名前20%基金的累计收益为116.43%，其中累计持仓收益、交易收益以及打新收益分别为82.59%、16.1%以及17.74%，分别贡献了累计收益的70.94%、13.83%和15.24%；业绩排名后20%基金的累计收益为42.08%，其中持仓收益、交易收益以及打新收益分别为29.7%、-5.75%以及 18.13%，分别贡献了累计收益的55.43%、-10.73%和33.84%。其中值得注意的是，绩优基金的交易收益为正，说明绩优基金具备一定的调仓换股能力。但即便如此，持仓收益依然是基金收益的大部分来源。 此外，我们从换手率的角度出发，在每个季度将换手率最高的20%的基金定义为高换手率基金，将换手率最低的20%的基金定义为低换手率基金，并分别对这两类基金的收益来源进行了拆解，结果如图5所示。 图5：不同换手率水平基金的收益拆解 资料来源：Wind，国信证券经济研究所整理 可以看到，自2017年以来，高换手率基金的累计收益为54.69%，其中持仓收益、交易收益以及打新收益分别为42.32%、-3.54%以及15.91%，分别贡献了累计收益的68.52%、-5.73%以及25.75%；低换手率基金的累计收益为86.52%，其中持仓收益、交易收益以及打新收益分别为51.66%、13.45%以及21.41%，分别贡献了累计收益的59.71%、15.54%以及24.75%。可见，不论对于高换手率基金还是低换手率基金，持仓收益对基金整体收益均有较大的贡献。 打新收益在不同年份的贡献不一，得益于科创板和创业板注册制的推出，2019年 和2020年打新收益贡献明显，但2021年之后打新收益贡献快速下滑。长期综合来看，主动股票型基金的收益主要由基金持仓部分所贡献。 因此，基金的持仓收益很大程度反映了基金的未来收益。进而我们猜想，假如能够预测基金季报时点持仓股票的收益，是否就能基本预测出基金的未来收益？为验证这一想法，我们进一步测试了基金持仓收益与基金实际收益的相关性。 具体来说，在每个月月底，我们使用基金的持仓（如果最新披露半年报或者年报则使用全部持仓，如果为季报则使用还原后持仓，详细的做法可以参考国信金工团队于2