基金经理多维度能力评价因子的优化

基金隐形交易能力度量指标的改进 传统的隐形交易能力因子只关注交易行为能够带来收益这个特点，我们对隐形交易能力进行改造，从收益和风险两个维度，共同刻画基金经理报告期之间的交易行为给基金带来的价值。改造后的隐形交易能力因子IC均值达到5.63%，风险调整的IC为0.66，t统计量为4.30，多空年化收益率达到6.00%，多空组合夏普比率达到1.14。 基于业绩归因模型的选股、配置能力指标 我们通过对基金的重仓股组合进行业绩归因，从选股和配置、超额收益率和胜率等多个维度，构建了四个因子，并最终根据选股的超额收益率、选股的胜率，等权重构建了选股能力因子。从2012年1月到2022年10月，选股能力因子IC均值为3.88%，多空组合年化收益率为3.99%。因子单调性较好，Top组合与Bottom组合有明显收益差距，多空组合净值增长较为稳定。 含金量因子的的构造与优化 券商金股是各券商研究所每月初结合市场研判和行业具体推荐而精选的股票组合，是研究所研究观点的精华。持有较多券商金股的基金业绩是否有优势？这一问题值得我们去进一步验证。我们根据基金季报披露的前十大重仓股与报告期当月券商金股清单重合度，构建含金量因子，并且对含金量因子进行了优化处理。优化后的含金量因子IC均值为4.62%，多空组合年化收益率为4.51%。 多因子选基体系优化与因子合成 至此，我们已在原有多因子选基体系的基础上，重新构建了隐形交易能力、选股能力、含金量三个因子。目前我们的多因子选基体系，包含了六大类因子，即基金规模、持有人结构、基金业绩动量、隐形交易能力、选股能力、含金量，因子种类进一步丰富。我们将六大类因子进行等权合成，从2012年1月至2022年10月，合成因子的IC达到13.77%，风险调整后IC达到1.12，t统计量超过7，多空组合年化收益率达到13.44%，多空组合夏普比率达到2.08，较原来选基框架下的选基策略有明显的改善。 多因子选基策略构建 根据重新构建的选基因子，我们构建了季频调仓的基金优选策略。从2012年1月31日到2023年4月28日，策略年化超额收益率达到6.85%，策略信息比率从1.11提高到1.44，超额净值的最大回撤也从13.33%下降到6.25%。从超额净值走势来看，优化后的选基策略走势更加平稳，在2021年-2022年的波动明显降低。策略的月度、季度胜率大幅提高，季度胜率从59.09%提高到79.95%。 风险提示 以上结果通过历史数据统计、建模和测算完成，在市场环境发生变化时模型存在失效的风险；当交易成本或其他条件改变时，可能导致策略收益下降甚至出现亏损。 内容目录 1、国金金工多因子选基框架概览5 2、基金隐形交易能力度量指标的改进6 2.1因子构建6 2.2因子测试条件及测试范围6 2.3因子测试结果6 3、基于业绩归因模型的选股、配置能力指标8 3.1基于重仓股组合的业绩归因模型推导8 3.2胜率因子构建10 3.3基金经理多维度能力指标10 3.4单期因子测试11 3.5多期因子测试11 3.6选股能力因子合成13 3.7各类选股能力因子对比13 4、含金量因子的构造与优化14 5、多因子选基体系优化与因子合成16 5.1最新多因子选基框架16 5.2大类因子合成与测试17 6、多因子选基策略构建18 6.1多因子选基策略构建18 6.2去掉业绩动量因子后策略表现观察19 7、总结20 风险提示20 图表目录 图表1：国金金工多因子选基初步框架5 图表2：基金精选组合2012年以来净值走势5 图表3：基金精选组合2012年以来业绩统计指标5 图表4：隐形收益能力因子与风险转移能力因子构建方法6 图表5：因子IC测试结果及分位数组合测试结果7 图表6：隐形收益能力因子分位数组合年化超额收益率7 图表7：隐形收益能力因子多空组合净值及收益率7 图表8：风险转移能力因子分位数组合年化超额收益率7 图表9：风险转移能力因子多空组合净值及收益率7 图表10：隐形交易能力因子IC测试结果及分位数组合测试结果7 图表11：隐形收益能力因子分位数组合年化超额收益率8 图表12：隐形收益能力因子多空组合净值及收益率8 图表13：基金经理多维度能力指标10 图表14：基金经理选股与配置能力因子（单期）计算方法11 图表15：基金经理选股与配置能力因子（单期）测试结果11 图表16：基金经理选股与配置能力因子（多期）计算方法11 图表17：基金经理多维度能力因子（多期）测试结果12 图表18：多期选股超额收益分位数组合年化超额收益12 图表19：多期选股超额收益分位数组合年化超额收益12 图表20：多期选股胜率因子分位数组合超额收益率12 图表21：多期选股胜率因子分位数组合多空组合净值12 图表22：选股能力因子IC测试及分位数组合测试结果13 图表23：选股能力因子分位数组合年化超额收益率13 图表24：选股能力因子多空组合净值及多空组合收益率13 图表25：各类选股能力因子IC测试及分位数组合测试结果13 图表26：各类选股能力因子多空组合净值表现14 图表27：含金量因子构造方法14 图表28：含金量因子IC测试及分位数组合测试结果15 图表29：含金量因子与基金抱团因子多空组合净值表现对比15 图表30：优化后的含金量因子IC测试及分位数组合测试结果15 图表31：优化后含金量因子（当月）分位数组合年化超额16 图表32：优化后含金量因子（当月）多空组合净值16 图表33：国金金工多因子选基框架16 图表34：大类因子相关系数矩阵16 图表35：合成因子的IC测试结果17 图表36：合成因子的分位数组合测试结果17 图表37：选基综合因子分位数组合年化超额收益率17 图表38：选基综合因子多空组合净值及多空组合收益率17 图表39：选基综合因子分位数组合净值走势对比18 图表40：基金精选组合净值表现18 图表41：基金精选组合超额净值走势18 图表42：基金精选组合业绩表现统计18 图表43：基金精选组合各年度超额收益19 图表44：基金精选组合月度及季度胜率19 图表45：去掉业绩动量因子后策略表现19 1、国金金工多因子选基框架概览 我们已在报告《智能化选基系列：通过全方位特征预测基金业绩并构建跑赢指数的基金组合》中，通过对大量基金特征、基金净值衍生的因子进行筛选和测试，最终从基金规模、基金持有人结构、基金业绩动量等多个维度入手，初步搭建起多因子选基体系。 图表1：国金金工多因子选基初步框架 来源：国金证券研究所 2012年以来，根据已搭建的多因子选基模型构建的基金精选组合，取得17.38%的年化收益率，超越偏股混合型基金指数，取得7.02%的年化超额收益率，夏普比率为0.78，信息比率达到1.11，长期表现优异。 图表2：基金精选组合2012年以来净值走势 10 9 8 7 6 5 4 3 2 1 0 基金精选组合偏股混合型基金指数 来源：Wind，国金证券研究所 图表3：基金精选组合2012年以来业绩统计指标 统计指标 主动权益型基金精选组合 偏股混合型基金指数 总收益率 506.83% 205.19% 年化收益率 17.38% 10.43% 年化波动率 22.42% 20.54% Sharpe比率 0.78 0.51 最大回撤率 45.20% 43.35% 年化超额收益率 7.02% -- 信息比率 1.11 -- 超额最大回撤率 13.33% -- 最新持仓基金数量（只） 88 来源：Wind，国金证券研究所 然而我们目前的多因子选基体系中，选基因子的种类仍然较少，只考虑了基金的基础特征及基金净值，而基金的持仓中仍包含着大量的信息，值得我们进一步挖掘。在本篇报告中，我们着眼于从基金持仓信息中挖掘出有效的选基因子，丰富我们的多因子选基体系。 2、基金隐形交易能力度量指标的改进 2.1因子构建 基金的隐形交易能力，通常根据报告期之间，基金实际收益与根据基金期初持仓构建模拟组合获得的收益之差，视为基金在报告期之间调仓换股获得的收益。2023年以来，部分基金通过调仓换股，在ChatGPT概念行情到来的时候，捕捉到了投资机会，获得了较多的交易收益。 但传统的隐形交易能力因子只关注交易行为能够带来收益这个特点，但通过交易、调仓，也可能降低投资组合的风险。基金通过交易，调整了那些报告期之间发生了高波动的股票持仓，或者采取波段交易，在股价波动中不断交易，可能会降低投资组合的波动。因此，我们对隐形交易能力进行改造，从增强收益和降低风险两个维度，来共同刻画基金经理报告期之间的交易行为给基金带来的价值。 我们将基金的隐形交易能力划分为两部分，一部分是隐形收益能力，另一部分是风险转移能力。我们用如下两个指标分别来进行刻画。隐形收益能力因子值越高，说明基金经理通过交易带来的收益越高，交易能力越强。风险转移能力因子值越高，说明基金经理通过交易转移风险的能力越强。 因子名称计算方式更新频率 图表4：隐形收益能力因子与风险转移能力因子构建方法 隐形收益能力因子 基金报告期之间实际收益，与根据期初股票持仓计算的股票组合收益之间的差值 中报、年报披露后，3、8月末更新，其余月份用最新可获得的值填充 风险转移能力因子 根据期初股票持仓计算的股票组合波动率与基金报告期之间实际净值波动率之间的差值 中报、年报披露后，3、8月末更新，其余月份用最新可获得的值填充 来源：国金证券研究所 2.2因子测试条件及测试范围 我们在进行因子测试时，测试的条件如下： 基金筛选范围：主动权益型基金（普通股票型、偏股混合型基金）； 份额类型为A或无； 基金经理更换距离调仓日超过250个交易日； 每年1、4、7、10月末调仓； 回测时间区间：2012年1月1日-2022年10月31日； 为了验证两个因子的表现，我们对两个因子的有效性进行了测试。测试方法如下：因子IC测试主要研究因子取值与下一期收益率的相关性，即 RankICt=corr(Rank(Xt,m),Rank(rt+1,m)) 其中，Rank表示计算变量排序，Xt,m表示因子取值，rt+1,m表示下一期基金的收益率。IC的绝对值越高，因子的下期收益率的预测能力越强。 对于分位数组合测试，我们按照因子值从高到低，将基金分为10组，分别等权构建Top组合至Bottom组合，做多组合Top同时做空组合Bottom，得到多空组合（L-S组合），通过该组合的表现来衡量因子的预测能力。 2.3因子测试结果 经测试，隐形收益能力因子IC均值为4.25%，风险调整IC为0.50，因子显著性较好，多空组合年化收益率为4.39%，多空组合夏普比率为0.91，多空组合最大回撤率仅有2.36%，并且因子分位数组合的单调性较好，分成10组后，Top组合相对于Bottom组合有明显的收益优势，因子多空组合净值增长较为稳定。 图表5：因子IC测试结果及分位数组合测试结果 多空组合年化多空组合夏普多空组合最大 因子IC均值标准差最小值最大值风险调整的ICt统计量 收益率 比率 回撤率 风险转移能力 3.19% 15.94% -26.53% 37.20% 0.20 1.31 2.78% 0.42 11.86% 隐形收益能力 4.25% 8.49% -25.24% 22.03% 0.50 3.29 4.39% 0.91 2.36% 来源：Wind，国金证券研究所 用风险转移能力因子单独来预测基金未来业绩，并没有较好的表现，这与其他表征基金风险相关的因子表现一致。因子IC均值仅有2.78%，分位数组合单调性较差。但风险转移能力因子值最小的那组，即风险转移能力最差的那一组基金，表现最差。 图表6：隐形收益能力因子分位数组合年化超额收益率图表7：隐形收益能力因子多空组合净值及收益率 2.50% 2.00% 1.50% 1.00% 0.50% 0.00% -0.50% -1.00% -1.50% -2.00% -2.50% 12.00% 10