权益基金因子分析方法论研究：基于Carhart四因子模型的风格画像与策略构建

权益基金因子分析方法论研究： 基于Carhart四因子模型的风格画像与策略构建 2023年7月10日 相关研究报告 【平安证券】基金动态跟踪报告-主动权益基金行业调仓监测方法论再探究：基于二次卡尔曼滤波的优化20230530 【平安证券】基金动态跟踪报告-主动权益基金行业调仓监测方法论研究：卡尔曼滤波与基于拟合残差的改进20220922 证券分析师 郭子睿投资咨询资格编号 S1060520070003 GUOZIRUI807@pingan.com.cn 王近投资咨询资格编号 S1060522070001 WANGJIN942@pingan.com.cn 本报告仅对基金行业进行分析，不包含对证券及证券相关产品的投资评级或估值分析。 在定量分析基金产品的风格特征中，除了基于基金披露持仓数据的分析方法之外，基于基金净值的分析也是常见的分析方法。本篇报告引入了经典的Carhart四因子模型，用于刻画权益基金在市场、规模、价值和动量四个因子上的风格暴露特点，以及剔除风格暴露影响后的基金经理选股能力。 Carhart四因子模型介绍与应用：1）Carhart四因子模型介绍：Carhart四因子模型是在Fama-French三因子模型基础上的进一步拓展，将动量因子引入因子模型。2）因子构建与2013年以来表现：一是市场因子方面，市场 在2014-2015、2017、2019-2020年牛市行情下累计收益率不断累积。二是 规模因子方面，2014-2016年小盘股表现优于大盘股，2017-2020年大盘股相对占优，并在进入2021年以后又切换至小盘占优行情。三是价值因子方面，偏低估值的价值类资产在2019年半年末之前表现优于偏成长类资产， 2019年下半年开始至2020年上半年在核心资产估值扩张行情下，偏成长类资产表现优于价值类资产。2020下半年以来至今，偏低估值的价值类资产 重新占优。四是动量因子方面，在2013年、2017年、2019-2020上半年以 及2021上半年均有不错的收益表现。 全市场基金因子暴露与基金经理风格：1）模型效果：模型拟合优度R2超过 0.7的基金数量占比达到68%。从不同业绩分组基金的因子暴露来看，2021 年以来业绩好的基金更偏向小盘风格、高动量的股票，基金经理的选股能力更强，选股也偏好低估值标的。2）市场因子：主动权益基金在市场因子上整体呈现高暴露状态，其中李欣、谷琦彬、陈雷等基金经理市场因子暴露偏高，刘安坤、张西林等基金经理市场因子暴露偏低。3）规模因子：苏秉毅、缪玮彬、钟帅等基金经理明显偏向小盘风格，贾成东、李晓西、雷俊等基金 经理偏向大盘风格。4）价值因子：黄海、袁玮、李欣、陈小鹭等基金经理偏向价值风格，高兵、神爱前、刘榕俊等基金经理偏向成长风格。5）动量因子：吕越超、金梓才等基金经理偏好高动量标的，李海等基金经理偏向逆向投资风格。6）选股Alpha表现：在剥离风格因子暴露带来的收益后，吕 越超、神爱前、张序、蒋璆等基金经理的Alpha表现明显高于其他基金经理。 基于四因子模型的模拟组合构建：1）备选基金池筛选：按照市场、规模、价值和动量四个因子暴露分别选取前10%和后10%的基金，共形成8个子 基金样本，在各个子样本中选取alpha值最高的5只基金，由于不同风格子样本中最终选出的基金之间有重叠，剔除重叠后的基金共计29只形成备选 基金池。2）模拟组合业绩回测：模拟组合成立以来跑赢基准36.8%，实现 7.6%的年化收益率。模拟组合今年以来收益率2.3%，跑赢基准4.2%。 风险提示：1）本报告是基于公募基金历史数据进行的客观分析，样本基金可能存在错漏导致结果偏差。2）基金过往的情况不代表未来表现。3）本报告涉及的基金不构成投资建议。 基 金报 告 基 金动态跟踪报告 证券研究报告 正文目录 一、Carhart四因子模型介绍与应用4 1.1Carhart四因子模型介绍4 1.2因子构建方法及内涵4 1.3因子历史表现5 二、全市场基金因子暴露与基金经理风格6 2.1市场因子6 2.2规模因子7 2.3价值因子8 2.4动量因子9 2.5选股Alpha表现9 三、基于四因子模型的模拟组合构建10 3.1备选基金池筛选10 3.2模拟组合业绩回测11 四、风险提示12 图表目录 图表1Carhart四因子构建方法总结4 图表22013年以来Carhart四因子累计收益率走势5 图表3不同收益水平基金的因子暴露比较6 图表4主动权益基金市场因子暴露分布直方图7 图表5主动权益基金年化平均超额收益与市场因子暴露分布散点图7 图表6主动权益基金年化平均超额收益与规模因子暴露分布散点图8 图表7主动权益基金年化平均超额收益与价值因子暴露分布散点图8 图表8主动权益基金年化平均超额收益与动量因子暴露分布散点图9 图表9主动权益基金年化平均超额收益与Alpha分布散点图9 图表10备选基金池名单10 图表11模拟组合成立以来的业绩表现11 图表12模拟组合今年以来的业绩表现11 在定量分析基金产品的风格特征中，除了基于基金披露持仓数据的分析方法之外，基于基金净值的分析也是常见的分析方法。相比基于基金持仓的定量分析方法，这类方法在反映基金动态的及时性方面也更具优势。本篇报告引入了经典的Carhart四因子模型，用于刻画权益基金在市场、规模、价值和动量四个因子上的风格暴露特点，以及剔除风格暴露影响后的基金经理选股能力。 一、Carhart四因子模型介绍与应用 1.1Carhart四因子模型介绍 Carhart四因子模型是在Fama-French三因子模型基础上的进一步拓展，将动量因子引入因子模型。Fama和French基于经典的资本资产定价模型（CAPM），采用市场系统风险、市值规模、账面市值比三个因素来解释股票之间的收益差异。在三因子模型的基础上，Carhart引入动量异常因素，构 建了四因子模型，并显著提升了模型对基金收益表现的解释力，降低了定价误差。Carhart四因子模型具体如下： 𝑅𝑖,�−𝑅𝑓,�=𝐴𝑙𝑝ℎ𝑎�+𝛽𝑖,𝑀𝐾�𝑀𝐾𝑇�+𝛽𝑖,𝑆𝑀�𝑆𝑀𝐵�+𝛽𝑖,𝐻𝑀�𝐻�𝐿�+𝛽𝑖,𝑀𝑂�𝑀𝑂�+𝜖𝑖,�（1） 其中，被解释变量为基金产品相比无风险利率的超额收益，解释变量MKT、SMB、HML、MOM分别为市场因子、规模因子、价值因子和动量因子，Alpha为模型无法解释的超额收益，代表基金经理的选股能力。 1.2因子构建方法及内涵 1、市场因子：市场因子取市场指数相比无风险利率的超额收益，反映市场的整体波动风险。其中，市场指数取中证800指数，无风险利率取1年期国债到期收益率。市场因子的因子暴露值反映基金受市场整体波动的系统风险暴露，因子暴露值越大代表基金跟随市场波动的风险越高，Beta属性越 强。 2、规模因子：以全市场A股股票总市值中位数为分界线，高于中位数、低于中位数的股票分别为大市值组（B）与小市值组（S），两组股票等权重配置构成大盘投资组合与小盘投资组合，做多小盘投资组合并做空大盘投资组合得到规模因子SMB。规模因子的因子暴露值反映基金在选股时的市值 规模偏好，因子暴露值为正代表基金偏好中小盘股票，为负代表偏好大盘股票。 3、价值因子：以全市场A股股票的市净率PB的30%与70%分位数为分界线，划分为低估值组（L）、中估值组（M）与高估值组（H）。对两个市值组和三个估值组进一步取交集，选取小市值低估值组 （S/L）与大市值低估值组（B/L），等权重配置构建低估值组合；选取小市值高估值组（S/H）与大市值高估值组（B/H），等权重配置构建高估值组合，做多低估值组合并做空高估值组合得到价值因子HML。价值因子的因子暴露值反映基金在选股时的估值偏好，因子暴露值为正代表基金偏好估值较低、偏价值风格的股票，为负代表对估值的容忍度更高，相对更偏好偏成长风格的股票。 4、动量因子：以全市场A股股票中动量前30%的股票划分为高动量组（U），后30%的股票划分为低动量组（D）。对两个市值组和两个动量分组进一步取交集，选取小市值高动量组（S/U）与大市值高动量组（B/U），等权重配置构建高动量组合；选取小市值低动量组（S/D）与大市值低动量 组（B/D），等权重配置构建低动量组合，做多高动量组合并做空低动量组合得到动量因子MOM。每只股票的动量取过去12个月剔除掉过去1个月之后的收益率。动量因子的因子暴露值反映基金经理的交易风格，因子暴露值为正代表基金偏好配置过去表现较好的股票，交易风格偏右侧，为负代表偏好左侧配置过去表现较差的股票，交易风格偏左侧。 图表1Carhart四因子构建方法总结 因子 因子指标 因子构建方式 市场 市场指数相比无风险利率的超 额收益 中证800指数收益率减去1年期国债到期收益率 规模 股票总市值 S-B：小市值组合股票平均收益率减去大市值组合股票平均收益率 价值 股票市净率PB 1(𝑆⁄�+𝐵⁄𝐻)−1(𝑆⁄�+𝐵⁄𝐿)：低估值组合股票平均收益22率减去高估值组合股票平均收益率 动量 过去12个月剔除过去1个月的股票收益率 1(𝑆⁄�+𝐵⁄𝑈)−1(𝑆⁄�+𝐵⁄𝐷)：高动量组合股票平均收22益率减去低动量组合股票平均收益率 资料来源：平安证券研究所 1.3因子历史表现 按照上述因子构建方法，我们以全部A股股票为样本，测算了2013年以来四个因子的月度收益率。为避免异常值对因子数据产生影响，我们作了以下异常值处理：1）考虑到新股上市后一段时间内股价容易大幅波动，且主要受到非市场因素的影响，我们将测算日期内上市不满6个月的次新股剔除出统计样本；2）对全部A股每个月度的收益率横截面数据，采用MAD去极值处理法，将相比收益率中位数偏离5倍绝对中位差的离群值作以下修正： 𝑅𝑚𝑒𝑑𝑖𝑎�,�+5∗𝑀𝐴𝐷𝑡,𝑖�𝑅𝑖,�>𝑅𝑚𝑒𝑑𝑖𝑎𝑛,�+5∗𝑀𝐴� 𝑖,� �=[ 𝑅𝑚𝑒𝑑𝑖𝑎�,�−5∗𝑀𝐴𝐷𝑡,𝑖�𝑅𝑖,�<𝑅𝑚𝑒𝑑𝑖𝑎𝑛,�−5∗𝑀𝐴� 其中，Rmedian,t为股票样本月度收益率的中位数，绝对中位差MAD的计算公式如下： （2） 𝑀𝐴𝐷�=𝑚𝑒𝑑𝑖𝑎�(𝑎𝑏𝑠(𝑅𝑖,�−𝑅𝑚𝑒𝑑𝑖𝑎�,𝑡))（3） 2013年以来Carhart四因子收益表现回顾：1、市场因子：市场在2014-2015、2017、2019-2020年牛市行情下累计收益率不断累积。2、规模因子：2014-2016年小盘股表现优于大盘股，2017-2020年大盘股相对占优，并在进入2021年以后又切换至小盘占优行情。3、价值因子：偏低估值的价值 类资产在2019年半年末之前表现优于偏成长类资产，2019年下半年开始至2020年上半年在核心 资产估值扩张行情下，偏成长类资产表现优于价值类资产。2020年下半年以来至今，偏低估值的价值类资产重新占优。4、动量因子：动量因子在2013年、2017年、2019-2020上半年以及2021上半年均有不错的收益表现。相比之下，2021年下半年以来，动量因子收益率转向下跌。 图表22013年以来Carhart四因子累计收益率走势（%） 市场因子规模因子价值因子动量因子（右轴） 200 150 100 50 0 -50 40 30 20 10 0 -10 -20 -30 -40 资料来源：Wind,平安证券研究所；截至日期2023/5/31 二、全市场基金因子暴露与基金经理风格 我们选取全市场主动权益基金为样本，利用Carhart四因子模型对基金2021年以来的业绩表现进行了因子分解。具体筛选条件如下：1）基金类型为普通股票型、偏股混合型和最近四个季度平均股票仓位不低于60%的灵活配置型基金；2）考虑3个月建仓期，基金在2021年以来成立，基金经理在 2020年10月以前