基金研究系列（29）：选基因子体系迭代与FOF组合应用

金融工程专题 2024年03月28日 金融工程研究团队 选基因子体系迭代与FOF组合应用 ——基金研究系列（29） 魏建榕（首席分析师）魏建榕（分析师）张翔（分析师）何申昊（联系人） 证书编号：S0790519120001 weijianrong@kysec.cn 证书编号：S0790519120001 zhangxiang2@kysec.cn 证书编号：S0790520110001 heshenhao@kysec.cn 证书编号：S0790122080094 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（分析师） 证书编号：S0790523060003 苏良（分析师） 证书编号：S0790523060004 何申昊（研究员） 证书编号：S0790122080094 陈威（研究员） 证书编号：S0790123070027 蒋韬（研究员） 证书编号：S0790123070037 相关研究报告 《新质生产力板块的资金行为监测—金融工程定期》-2024.3.25 《大类盘点：固收类基金投顾产品—基金研究系列（28）》-2024.3.24 《机构资金行为画像（2024年3月 21日）—金融工程定期》-2024.3.21 在FOF投资中，选基因子研究是优选基金、构建组合的重要一环，能够帮助我们提升基金的覆盖广度和筛选效率。一套相对完善的选基因子体系应该满足： （1）涵盖指标多样性，系统性地评估基金的风险收益特征与能力评价；（2）指标保持稳定性，在多种市场风格中具有较好的鲁棒性和跨周期一致性；（3）可持续迭代新因子，动态筛选调整有效因子进行组合。 选基因子体系2.0迭代：八类评价维度，94个选基因子，4种回看期 基金评价类选基因子，核心是利用基金的特征或能力来预测基金未来收益。选基因子体系迭代体现在指标补充与多回看期计算，我们在适应能力、结构与规模、选股能力、交易能力四类中进行因子的修改与补充，同时分别计算3、6、9、12个月4个回看期的因子值，对因子进行因子IC检验与多空组合检验筛选。 选股alpha类选基因子，核心是利用选股alpha因子来预测基金的未来收益。我们使用独家的选股alpha测算中发现，该类因子对于基金未来1个月表现预测效果较弱，而对于基金未来3个月预测收益贡献主要来自空头端。从逻辑上看，基金持仓填补存在偏差、选股alpha有效性或存在衰减，两者串连叠加更容易导致选因子失效，因此暂不纳入我们选基因子体系之中。 选基因子合成比较：等权合成、动态合成、分域合成 我们分别从等权合成、动态合成、分域合成三类合成方式构建合成因子。等权合成因子IC为16.97%，ICIR达到1.815，五分组多空收益10.58%。 动态合成因子中，动态等权合成IC损失最小但稳定性偏低；而最大化ICIR、最小化IC波动率合成均能相对动态等权合成提升ICIR及多空组合的夏普比率，但这两种方法均会小幅损失IC均值和多空年化收益。最小化IC波动率合成因子IC为12.10%，ICIR达到1.943，五分组多空收益6.63%。 分域合成因子IC均值为15.93%，ICIR为1.886，五分组多空收益9.60%。 FOF组合构建应用：策略配置增强组合与指数选基增强组合构建相对收益的权益FOF组合，分别对标偏股基金与宽基指数。 策略配置增强为战胜偏股基金（885001.WI），采用策略配置+分域选基方式构建FOF组合，扣费后年化收益15.44%，年化超额7.93%，信息比率1.615，最大相对回撤为5.86%。 指数选基增强为战胜中证800指数（000906.SZ），采用指数成份股板块偏离约束构建FOF组合，扣费后年化收益15.44%，年化超额11.57%，信息比率1.623，最大相对回撤为12.57%。 风险提示：选基因子、因子择时信号均基于历史信息测算，可能存在失效风险。基金投资策略分类基于对公开的历史数据的定量测算与统计，基金管理人 真实投资理念可能与之存在出入。对基金产品和基金管理人的研究分析结论不能保证未来的可持续性，不构成对该产品的推荐投资建议。 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、选基因子的研究意义3 2、选基因子体系与迭代3 2.1、基金评价类体系迭代4 2.2、选股alpha类因子探索10 3、选基因子合成研究11 3.1、选基因子等权合成11 3.2、选基因子动态合成12 3.3、选基因子分域合成14 4、选基因子组合应用16 4.1、应用一：策略配置增强组合16 4.2、应用二：指数选基增强组合19 5、风险提示21 图表目录 图1：开源金工的基金投资决策流程3 图2：回看期12个月的主动基金池数量变化与规模分布（2006/01-2024/02）4 图3：开源金工基金评价类选基因子体系2.05 图4：在各预测期限中，3或4个月持有期的选基因子有效数量最多（2014/01-2024/02）8 图5：选股alpha类因子中，不同预测期下有效选基因子数量（2014/01-2024/02）11 图6：选基因子等权合成的5分组走势（2014/01-2024/02）12 图7：三类动态合成因子的五分组多空表现比较（2014/01-2024/02）13 图8：分域选基因子的五分组多空测试（2014/01-2024/02）15 图9：三种合成选基因子的滚动3期IC均值时序比较（2014/03-2024/02）16 图10：开源金工主动权益基金投资策略三级标签体系16 图11：“趋势-胜率-赔率”因子溢价择时框架16 图12：因子溢价择时在月度与季度上表现比较（2014/01-2024/02）17 图13：季调策略增强组合相对偏股基金指数年化超额7.93%（2014/01-2024/02）18 图14：板块偏离约束5%的选基增强组合年化超额11.57%（2014/01-2024/02）20 表1：基金评价类选基因子说明6 表2：3个月预测期下，有效因子的最优回看期以及因子表现（2014/01-2024/02）8 表3：开源金工KyFactor特色选股因子10 表4：在3个月预测期限下，有效的选股alpha类因子表现11 表5：等权合成选基因子5分组表现（2014/01-2024/02）12 表6：选基因子调仓时点比较，1、4、7、10月调仓因子IC胜率更高12 表7：最小化IC波动率合成因子的ICIR及多空对冲组合信息比率最高14 表8：基金分域内同时有效的选基因子回看期比较14 表9：分域因子IC表现比较（2014/01-2024/02）15 表10：季调策略增强组合分年度表现18 表11：2024年一季度策略配置增强组合持仓明细18 表12：指数选基增强组合分年度表现比较20 表13：指数选基增强组合相对回撤统计（2014/01-2024/02）20 表14：2024年一季度选基增强组合持仓明细21 1、选基因子的研究意义 在主动基金策略研究系列报告中，我们提出了基于基金投资策略的FOF投资框架，主要包括基金投资策略分类、基金投资策略跟踪、基金投资策略配置、基金优选构建组合。而在这四步投资流程中，选基因子研究对最终基金组合的表现起到至关重要的作用。 图1：开源金工的基金投资决策流程 资料来源：开源证券研究所 无论是偏好模型驱动的定量FOF投资，还是偏好基金调研结合市场判断的定性FOF投资，投资者都需要或多或少地使用基金评价指标来辅助筛选基金，提升覆盖广度和筛选效率。而一套相对完善的选基因子体系，我们认为应该满足以下三点特征： （1）选基指标的丰富度要高，能多方面系统性地评价基金的特征与能力，而不仅仅依赖单一指标或基金的历史业绩。 （2）选基指标有效性可持续，在多种市场风格和较长时间序列中能通过检验，具有较好的鲁棒性和跨周期一致性。 （3）选基体系要可持续迭代与动态应用。随着市场环境变化，持续补充有效的新因子，并且根据市场风格变化灵活调整指标使用，以获取稳健的超额收益。 目前市场中有很多关于选基因子方面的研究，虽然选基因子的研究可以类比借鉴选股因子研究方法论，但在一些底层逻辑和细节推敲上还有待商榷讨论、形成共识。本篇文章希望抛砖引玉，我们将从选基因子体系迭代、因子合成方式比较以及FOF组合应用三个方面展开讨论。 2、选基因子体系与迭代 选基因子的表现与其所处的基金池密切相关，因此在介绍选基因子前，我们需 要先明确因子所对应的选基池。 选基因子的回看期越长，能够覆盖的基金数量越少，为了统一因子之间的比较基准，我们做了3、6、9、12个月的四种回看期，并计算相应的基金池作为样本空间。 每月底选择在回看期之前已经成立或者转型的普通股票型、偏股混合型、灵活配置型、增强指数型基金，筛选基金在回看期内的权益仓位均不低于60%的初始份额作为主动基金池。 图2：回看期12个月的主动基金池数量变化与规模分布（2006/01-2024/02） 数据来源：Wind、开源证券研究所 近10年主动基金数量出现快速增长，截至2024年2月底主动基金池数量达到 3235只，且规模相对较小的基金数量在不断提升。为了可投资考虑，我们要求最新 基金规模大于1亿的基金作为主动基金池，以此作为后续因子表现比较的范围。 选基因子本质是基金预期收益的预测指标，我们可以根据预测信息来源不同将选基因子分为两大类：第一类是基金评价类的选基因子，我们将从基金能力或特征维度出发构建基金业绩预测指标。第二类是选股alpha类的选基因子，我们从开源独家选股因子出发进行探索。 2.1、基金评价类体系迭代 在《主动权益基金的投资策略配置与选基因子增强》报告中我们提出了基金评价类选基因子框架，主要包括八大类指标：收益表现、风险控制、适应能力、结构与规模、择时能力、行业风格能力、选股能力、交易能力，共计85个因子。同时 将所有因子的回看期统一为12个月，预测期限为1个月。本次迭代我们将对选基因子进行补充，同时对因子的回看期限与预测期限进行讨论。 图3：开源金工基金评价类选基因子体系2.0 资料来源：开源证券研究所 迭代后的基金评价类选基因子体系2.0仍保持八大类共计94个因子，本次指标 迭代主要有以下4点变化： （1）适应能力维度中，对市场风格划分从月度细分到日度，从而更精准的寻找市场风格变化拐点。 （2）结构与规模维度中，增加管理人结构、基金持仓集中度、基金经理管理规模三类因子。 对于管理人结构，我们参考文献《Crowding:EvidencefromFundManagerialStructure》构建了基金经理人数因子。实证发现，其具有负向的选基效应，即单一基金经理管理的基金相对多人共同管理的基金具备业绩优势。 对于基金持仓集中度，我们参考文献《OntheIndustryConcentrationofActivelyManagedEquityMutualFunds》构建了基金重仓股的行业集中度因子。实证发现，在二级行业下的重仓股集中度具有显著负向的业绩预测效应，其原因可能是重仓股过于集中的基金能力圈范围较小。 对于基金经理管理规模，我们认为同一基金经理管理的基金往往使用非常相近的投资策略，应该合并考虑其规模报酬递减的效应。 （3）选股能力维度中，新增加尾部持仓alpha因子，我们在报告《选基因子改进：基金持仓的尾部收益视角》中讨论过利用基金持仓的个股alpha贡献分布，改进基金的选股能力因子。 （4）交易能力维度中，增加基金波动率漂移因子。该因子来源于文献《RiskShiftingandMutualFundPerformance》，