多因子量化择基体系：业绩因子再梳理，复合方式新探索

本报告基于基金投资特征和基金市场特征两大视角，全面整理了七个大类、数十个细分小类的业绩指标，作为主动权益基金的基金评价因子库。报告一方面对过往研究中相对忽视的业绩因子的回溯期进行详细对比分析，并得出了可参考的结论；另一方面重点关注了近两年因子效果的最新变化，对因子体系进行再梳理，更加全面且立体地分析展示了单因子择基表现。 本报告力图寻找更优的因子复合方式，以缓解传统等权复合方法近两年择基效果下降的现实情况。基于施密特正交化并用最大化IR进行因子复合，更充分地利用了单因子信息，呈现出稳定的基金筛选能力，复合因子择基效果显著好于等权复合因子，且最终构建的FOF组合在不同时期都可以实现稳定的收益。 单因子历史回测中，本报告关注业绩因子回溯期以及因子近两年效果最新变化，筛选出了具备稳定择基能力的指标，并得到了以下主要结论： （1）不同的回溯期计算得到的因子的择基效果存在显著差异，且包含着各自独特的信息； （2）对于业绩类指标，中等期限回溯期显著好于短期与长期，半年至两年的业绩表现可作为投资的重要参考； （3）对于风险类指标，短期限回溯期的因子的择基能力更强； （4）风险调整收益和选股能力指标，历史上择基能力强、择基稳定性好，但近两年均出现不同程度的失效； （5）基金份额与投资者结构指标的择基能力处于中上，但稳定性极好，极少出现因子失效。 传统的等权复合因子历史效果较好，但近两年来择基效果出现下降。等权因子在全样本期的RankIC均值为12.53%，IR为108%，IC胜率为88%，长期择基表现较好，但2022年以来效果出现小幅下降。究其原因，一方面是部分单因子表现欠佳，另一方面可能是因子间的相关性出现偶然上升，影响了组合的效果。 本报告力图探究更优的方式进行因子复合，以缓解近两年择基效果下降的情况。采用施密特正交进行因子预处理，用最大ICIR法确定因子正交的顺序，并用最大化IR的方式复合，得到的复合正交因子RankIC均值为11.96%，IR为131%，IC胜率为93%，因子分层效果也较好，总体来看择基效果好于等权复合因子。两种因子间的秩相关系数约为0.7。 我们基于等权复合因子、复合正交因子各自构建了FOF组合，并对比了其表现。等权复合因子全样本区间年化超额收益率5%，2016年以来年化超额收益率5.25%，年化波动率17.55%，年化换手率约为2倍。复合正交因子全样本区间年化超额收益率5.38%，2016年以来年化超额收益率6.92%，年化波动率仅16.75%，波动较万得偏股基金指数低 2.2个百分点，组合2023年超额为10.34%，2024年1月超额为11.52%，长期明显跑赢了等权因子的FOF组合，且能实现稳定的超额收益。 用两种复合因子构建的FOF组合，对于价值成长风格与市值风格有一定的择时效果。FOF组合的风格暴露水平长 期看与市场平均较为接近，且调整的方向一致，不存在明显的风格偏离。组合风格的短期调整幅度，往往会超越市场平均，由此带来的风格超额暴露，经历史检验能获取额外的收益。 历史数据得到的规律存在失效风险、测算模型构建的因子缺乏稳定性、基金净值调整风险等。 内容目录 第一部分：主动权益基金业绩指标与回测框架4 1、基金各大类代表性业绩指标4 2、基金业绩指标回测框架4 第二部分：全样本单因子择基表现5 1、收益指标5 2、收益稳定性指标6 3、风险指标7 4、风险调整收益指标9 5、经典回归模型指标10 6、规模类指标11 7、投资者结构指标12 8、因子表现汇总13 第三部分：因子优选与复合因子构建14 第四部分：复合因子FOF组合构建18 1、FOF组合历史表现18 2、FOF组合风格特征21 风险提示22 图表目录 图表1：主动权益基金业绩指标概览4 图表2：主动权益基金池数量时序图5 图表3：收益率因子全样本择基表现5 图表4：上下行捕获比因子全样本择基表现6 图表5：月度胜率因子全样本择基表现6 图表6：相对胜率12M因子RankIC序列7 图表7：相对胜率12M因子各组年化收益率7 图表8：排名稳定性因子全样本择基表现7 图表9：排名稳定性24M因子RankIC序列7 图表10：排名稳定性24M因子各组年化收益率7 图表11：标准差因子全样本择基表现8 图表12：最大回撤因子全样本择基表现8 图表13：最大回撤6M因子RankIC序列8 图表14：最大回撤6M因子各组年化收益率8 图表15：风险调整收益指标说明9 图表16：风险调整收益因子全样本择基表现9 图表17：夏普比24M因子RankIC序列10 图表18：夏普比24M因子各组年化收益率10 图表19：经典回归模型指标说明10 图表20：经典回归模型因子全样本择基表现11 图表21：Carhart-TM-α6M因子RankIC序列11 图表22：Carhart-TM-α6M因子各组年化收益率11 图表23：规模类因子全样本择基表现12 图表24：基金份额因子RankIC序列12 图表25：基金份额因子各组年化收益率12 图表26：投资者结构因子全样本择基表现12 图表27：员工持有占比因子RankIC序列13 图表28：员工持有占比因子各组年化收益率13 图表29：全样本单因子择基表现汇总14 图表30：以阈值0.2筛选后单因子秩相关系数15 图表31：等权复合因子RankIC序列15 图表32：等权复合因子各组年化收益率15 图表33：等权复合因子多头组合净值曲线15 图表34：等权复合因子历史回测表现15 图表35：以阈值0.6筛选后单因子秩相关系数16 图表36：等权复合因子与复合正交因子间秩相关系数时序图17 图表37：复合正交因子RankIC序列17 图表38：复合正交因子各组年化收益率17 图表39：复合正交因子多头组合净值曲线18 图表40：复合正交因子历史回测表现18 图表41：等权复合因子FOF组合净值曲线19 图表42：等权复合因子FOF组合净值相对基准走势19 图表43：等权复合因子FOF组合分年度表现19 图表44：复合正交因子FOF组合净值曲线20 图表45：复合正交因子FOF组合净值相对基准走势20 图表46：复合正交因子FOF组合分年度表现20 图表47：2024年1月末复合因子排名靠前的基金名单21 图表48：FOF组合成长-价值因子暴露22 图表49：FOF组合市值因子暴露22 图表50：风格中性化FOF组合净值曲线22 图表51：风格中性化FOF组合分年度表现对比22 1、基金各大类代表性业绩指标 影响基金未来业绩表现的因素众多，对基金的分析筛选在市场上有较多的讨论与尝试。我们可以从基金投资特征和基金市场特征这两大视角，来考虑影响基金业绩的指标的挑选思路。 基金投资特征是基金经理投资的过程中产生的一系列指标，包括基金的操作特征、持仓特征、业绩表现等，它们是基金经理可以控制的部分。例如常见的操作特征有换手率、持股集中度、轮动水平等，持仓特征有持股风格、抱团度等，业绩表现则涵盖各类基金收益指标、风险指标以及风险调整收益指标等。基金归因类和能力类的指标也属于基金投资特征，它们需要对常见的基础指标进行组合或建模，一般分为从基金净值出发利用回归等数学方法得到的基于净值的指标，与从基金持仓明细出发得到的基于持仓的指标。 基金市场特征包括基金份额、基金持有人结构、基金公司情况等，它们在基金经理的控制能力之外，但也能间接地影响或反映基金经理的投资情况。例如较大的基金公司规模可能意味着基金可能获得更大的投研支持与平台赋能，而更大的基金规模可能导致基金运作的灵活性和投资机会受到限制。 在本文中，我们主要关注投资特征中业绩表现与基于净值的指标，以及市场特征各指标，构建了七个大类、数十个小类的细分指标，并研究它们的择基表现。大类指标包括：收益指标、收益稳定性指标、风险指标、风险调整收益指标、传统回归模型指标、规模类指标、投资者结构指标。 图表1：主动权益基金业绩指标概览 来源：Wind，国金证券研究所 2、基金业绩指标回测框架 本文使用传统的因子回测框架对各业绩指标进行回测，以评价单因子的择基能力。对业绩指标择基效果的分析，我们主要围绕因子的RankIC以及分层效果展开。 因子的RankIC指基金当期因子值与基金未来收益表现的秩相关系数，长期我们会观测因子RankIC的均值、ICIR、IC胜率指标等来衡量因子的择基表现；在分层方面，我们根据因子值的大小，将基金分为20组，组内等权配置基金，并回测各组的历史业绩表现，主要关注因子值最大的多头组相对于比较基准的超额表现，和多第一组空最后一组的多空组合的收益情况和稳定性。 基金的各类业绩指标与基于净值的指标，可以获得日频的高频数据，而其他部分数据需要依赖基金的季报或年报。考虑基金投资人的投资习惯，我们将换仓的频率设置为季频；为了更快速、有效地利用基金的季报数据，我们将换仓日设定为每季度季报披露当月的最后一个交易日。换仓时，因子会使用已知的最新的各业绩指标。回测的全样本区间定为2009/10/31-2024/1/31。 对于主动权益基金池，我们纳入基金池的基金需满足的条件包括： （1）普通股票型基金、偏股混合型基金、灵活配置型基金、平衡混合型基金； （2）成立或转型时间大于1年且未到期，现任基金经理任职时间超过1年，同时基金规模大于1亿； （3）过去四个季度中，权益仓位平均大于60%且港股投资市值占基金净值的比例平均低于20%； （4）仅保留初始基金。 在上述筛选条件下，可选基金数量从2009/10/31的195只增长到了2024/1/31的2295只，总体来说数量呈上升趋势。 图表2：主动权益基金池数量时序图 来源：Wind，国金证券研究所；数据区间：2009/10/31-2024/1/31 1、收益指标 收益率 历史业绩优异的基金，往往受到更多投资者的关注。因此，基于收益指标择基，是我们首要的关注点。基金过去一段时间的收益率常被称为动量因子，我们使用考虑了基金拆分及分红后的复权单位净值来计算基金历史收益率。 在回溯期的选择上，我们涵盖了从短期到长期，对基金历史业绩情况进行了全面的描述。具体来说，在本节我们主要考察回溯过去3个月、6个月、12个月、24个月、36个月基金收益率的择基效果。后文中的其他指标，也均使用了上述的回溯期进行测试。 在RankIC均值方面，6个月、12个月、24个月的动量因子均超过了7%，RankICIR超过了35%，在分组测试中也取得了显著正向的多头超额收益和多空收益；3个月的动量因子IR仅为10%，或因超短期的业绩偶然性削弱了因子的择基效果；36个月的动量因子IC均值为4.40%，IR为28%，但分组表现不佳，故长期动量对于基金的未来表现预测不够灵敏。 从回测结果来看，对比不同的回溯期，适中的回溯期的择基效果明显要好于超短期与长期，因此投资者可以更关注基金历史上半年至两年的业绩表现。另外，不同回溯期计算得到的因子的择基效果是存在显著差异的，且可能包含着各自独特的信息，我们在后文的因子回测中，并没有将回溯期设定为某一统一的数值，而是对不同回溯期均进行保留，以期在后续因子复合和FOF策略中尽可能利用更多的信息，并取得更好的表现。 图表3：收益率因子全样本择基表现 因子 RankIC均值 RankICIR RankIC t值 RankIC p值 RankIC胜率 多头超额收益 多头信息比 多空收益 多空夏普比 收益率_3M 2.61% 10.38% 0.78 0.44 56.14% 0.51% 0.12 -1.65% -0.11 收益率_6M 8.41% 35.05% 2.65 0.01 66.67% 3.12% 0.46 3.96% 0.31 收益率_12M 9.36% 45.22% 3.41 0.00 64.91% 4.69% 0.70 7.50% 0.66 收益率_24M 7.79% 43.19% 3.26 0.00 66.67% 3.48%