基金经理风格切换及中性化与投资业绩：追寻市场风格的历史轨迹

2023年9月以来风格因子月度相关性下降，市场风格轮动加剧。估 值、波动性、盈利以及动量这4个因子在2023年9月以来相邻两个月收益率降序排列下因子值的秩相关系数呈现下降趋势，相关性减弱，风格切换加剧。 主动权益基金风格存在漂移倾向，长期偏大盘。2010Q2主动权益基金相比于个股的风格配置较为均衡，部分基金偏成长。到2018Q2，主动权益基金向大盘成长方向切换。2023Q4继续向大盘成长方向漂移。 探究基金经理风格切换之谜 本文参考Barra自建了10个大类风格因子，计算基金的风格因子值定义基金风格切换频率因子以及基金风格切换幅度因子，并将其合成为基金风格切换因子。实证结果表明，该因子对基金未来收益预测效果显著，长期RankIC均值为5.53%，年化RankICIR为1.09，RankIC的月度胜率为72.59%，多空年化收益为4.71%。 揭示风格切换指标的独特之处 基金风格切换因子可以有效地预测基金未来业绩，同时能够在常见选基因子外提供增量信息。引入基金风格切换因子后，综合选基因子的RankIC均值由13.60%提升至14.07%，RankICIR由2.16提升至2.21，多空年化收益由10.28%提升至11.13%，提升效果显著。 挖掘稳健投资的新维度—中性化 我们借鉴选股因子市值和行业中性化的处理方法，对基于收益计算的选基因子的风格和行业影响进行剥离，期望尽可能减弱其与风格以及行业因子等的相关性，降低组合波动。通过对隐形交易能力、波段交易能力、收益驱动因子以及持仓量化评估因子这4个选基因子进行中性化处理，相比于原始选基因子合成的综合因子，中性化后的综合选基因子RankICIR从2.21提升至2.82，RankIC胜率从83.70%提升至91.85%，能够显著提升预测基金未来业绩时的稳定性。 探索FOF组合构建的策略之道 我们在组合构建时引入风险控制指标，构建的FOF组合在2013年以来年度业绩排名均在40%之前且基本处于主动权益基金前1/3的水平。截至20240607，组合费后年化收益率为15.20%，相比于主动权益基金中位数的年化超额收益率为6.80%，年化跟踪误差为3.39%，信息比达2.01，相对收益回撤比达2.34，平均排名分位点为31.65%，季度胜率高达93.48%，组合表现十分稳健。 刘凯分析师 2024年06月10日 基金经理风格切换及中性化与投资业绩 追寻市场风格的历史轨迹 量化配置主题报告 证券研究报告 SAC执业证书编号：S1450524010001 liukai5@essence.com.cn 张淼联系人 SAC执业证书编号：S1450123070019 相关报告基于宏观周期视角的行业轮 2024-04-21 动之二—美林时钟基于宏观周期视角的行业轮 2024-01-22 动—货币信用周期 zhangmiao1@essence.com.cn 风险提示：本报告基于公开数据统计，基金过往表现并不预示其未来表现，亦不构成投资收益的保证或投资建议。根据历史信息及数据构建的模型在市场变化时可能失效。 内容目录 1.追寻市场风格的历史轨迹5 1.1.从因子月度相关性剖析市场风格切换6 1.2.市场风格切换下的个股以及基金风格演变7 2.展现基金经理风格调整的实战之道8 2.1.估值因子下的案例实证8 2.2.规模因子下的案例实证9 2.3.动量因子下的案例实证10 3.探究基金经理风格切换之谜10 3.1.基金风格切换频率因子11 3.1.1.基金风格切换频率因子构建11 3.1.2.基金风格切换频率因子效果展示14 3.2.基金风格切换幅度因子14 3.2.1.基金风格切换幅度因子构建14 3.2.2.基金风格切换幅度因子效果展示16 3.3.基金风格切换因子17 3.3.1.基金风格切换因子构建17 3.3.2.相关性测试18 3.3.3.基金风格切换因子效果展示18 4.揭示风格切换因子的独特之处19 4.1.常见选基因子19 4.2.风格切换因子对常见选基因子的赋能20 5.挖掘稳健投资的新维度22 5.1.因子中性化处理的含义与意义22 5.2.因子中性化后的稳健性分析25 6.探索FOF组合构建的策略之道27 6.1.基于风险控制的FOF组合构建之道27 6.2.FOF组合业绩表现28 7.总结29 8.风险提示30 附录1：风格因子介绍31 附录2：选基因子介绍32 附录3：主动权益基金P分位数指数33 图表目录 图1.本文研究框架5 图2.2010年以来估值因子月度相关性6 图3.2010年以来波动性因子月度相关性6 图4.2010年以来盈利因子月度相关性7 图5.2010年以来动量因子月度相关性7 图6.个股以及主动权益基金风格演变（蓝点表示基金，红点表示业绩排名前20%的个股，灰点表示业绩排名后80%的个股）7 图7.案例1—估值因子切换频率与基金未来收益9 图8.案例2—估值因子切换幅度与基金未来收益9 图9.案例3—规模因子切换频率与基金未来收益9 图10.案例4—规模因子切换幅度与基金未来收益9 图11.案例5—动量因子切换频率与基金未来收益10 图12.案例6—动量因子切换幅度与基金未来收益10 图13.基金风格切换频率因子构建方法示意图11 图14.基金风格切换频率下规模因子历史RankIC序列13 图15.基金风格切换频率下规模因子十档分组测试13 图16.基金风格切换频率下估值因子历史RankIC序列13 图17.基金风格切换频率下估值因子十档分组测试13 图18.风格切换频率因子历史RankIC序列14 图19.风格切换频率因子十档分组测试14 图20.基金风格切换幅度因子构建方法示意图14 图21.基金风格切换幅度下规模因子历史RankIC序列16 图22.基金风格切换幅度下规模因子十档分组测试16 图23.基金风格切换幅度下估值因子历史RankIC序列16 图24.基金风格切换幅度下估值因子十档分组测试16 图25.风格切换幅度因子历史RankIC序列17 图26.风格切换幅度因子十档分组测试17 图27.基金风格切换因子构建方法示意图17 图28.基金风格切换频率与基金风格切换幅度相关性18 图29.风格切换因子历史RankIC序列19 图30.风格切换因子十档分组测试19 图31.加入基金风格切换因子与原选基因子RankIC对比21 图32.加入基金风格切换因子与原选基因子十档分组对比21 图33.原始收益驱动因子RankIC序列24 图34.中性化处理后收益驱动因子RankIC序列24 图35.中性化处理对RankICIR的提升25 图36.中性化处理对RankIC胜率提升25 图37.2013年以来FOF组合净值表现28 图38.2013年以来FOF组合季度排名分位点以及超额收益29 图39.2010年以来主动权益基金中位数指数与偏股混合型基金指数走势33 图40.2010年以来主动权益基金中位数指数与偏股混合型基金指数分年度收益对比33 表1：风格切换因子测试结果18 表2：选基因子测试结果20 表3：选基因子相关系数矩阵20 表4：综合因子测试结果21 表5：夏普因子在20220701得分最高的前10只基金22 表6：中性化后的夏普因子在20220701得分最高的前10只基金23 表7：夏普因子在20240201得分最高的前10只基金23 表8：中性化后的夏普因子在20240201得分最高的前10只基金23 表9：中性化前后选基因子测试结果对比26 表10：2013年以来FOF组合分年度绩效统计28 表11：风格因子介绍31 本报告中分析的基金为主动权益基金，具体定义如下： 成立超过1年的普通股票型、偏股混合型以及灵活配置型基金；过去连续4个报告期权益仓位均大于70%； 仅保留初始基金（若存在C/E/H/O等类别，仅保留A类基金）；基金合计规模大于2亿。 2023年以来，市场行业轮动加剧，风格切换速度提升。伴随风格变换加剧，风格配置在投资中的作用愈发重要。基金经理对市场风格变换的应对能力，会在一定程度上影响其投资业绩。 那么如何在市场风格切换中抓住配置机遇，战胜市场呢？为了研究这一内容，我们参考Barra，自建了10个大类风格因子（细分因子构造方式以及大类因子合成方式详见附录1），并在此基础上构建了基金风格切换因子，来量化基金经理在面对市场风格切换时的业绩获取能力，并且基于这一指标构建FOF投资组合。测试结果表明，该因子对基金未来收益具有显著的预测效果，其长期RankIC均值为5.53%，年化RankICIR为1.09，RankIC的月度胜率为72.59%，多空年化收益为4.71%。 结合基金风格切换因子以及其他选基因子构建的FOF组合长期业绩表现优异，年度业绩排名均在40%之前且基本处于主动权益基金前1/3的水平，相比于主动权益基金中位数（注：主动权益基金中位数的定义及计算方法见附录3）的年化超额收益为6.80%，年化跟踪误差为3.39%，超额收益的信息比达2.01，相对收益回撤比达2.34，季度胜率高达93.48%。 图1.本文研究框架 资料来源：国投证券研究中心整理 如图1所示，本篇报告从市场风格的历史切换轨迹着手，通过风格因子的月度相关性以及主 动权益基金风格演变过程着手，分析2010年以来市场风格的变化；接下来，我们引入具体的案例，分别展示估值因子、规模因子以及动量因子的切换频率以及切换幅度对基金未来业绩的影响；在本文的第3部分，我们详细地给出了基金风格切换因子的定义以及具体构建过程，并且展示其测试效果；接下来，我们揭示风格切换因子的独特之处，分析其对于其他选基因子的赋能作用；然后，我们挖掘稳健投资的新维度，对选基因子进行中性化处理，分析中性化方法对预测基金未来业绩稳定性的加持；在本文研究的最后，我们引入风险控制指标，结合风格切换因子以及其他选基因子，构建能够稳定战胜主动权益基金中位数的FOF投资组合。 1.追寻市场风格的历史轨迹 在本部分中，我们分别从风格因子的月度相关性以及主动权益基金风格演变过程两个角度着手，追寻市场风格切换的历史轨迹。 1.1.从因子月度相关性剖析市场风格切换 2023年三季度以来风格因子月度相关性下降，市场风格轮动加剧。我们参考Barra，自建了 10个大类风格因子，这10个风格因子分别为估值因子、成长因子、盈利因子、规模因子、Beta因子、动量因子、流动性因子、波动性因子、非线性市值因子以及杠杆因子。大类风格因子通过细分因子构成（细分因子构造方式以及大类因子合成方式详见附录1）。我们以月度为计算周期，分别计算各个风格因子在2010年以来的月度相关性，来分析市场风格的切换程度。月度相关性定义为，市场上所有股票相邻两个月收益率降序排列下的风格因子值的秩相关系数，该值越小，说明相邻两个月风格因子的相关性越弱，市场风格切换的越剧烈。反之，市场风格越稳定。接下来我们以估值、波动性、盈利以及动量这4个因子为例，来具体感知风格因子月度相关性指标下的市场风格切换过程。 2023年9月以来估值因子月度相关性下降，风格加速变动。如图2所示，展示了2010年以 来估值因子相邻两个月的秩相关性结果以及其滚动12个月均线。可知自2023年9月以来， 相邻两个月估值因子的秩相关性呈现下降趋势，从2023年9月的6.79%下降至2024年4 月的4.51%。从相关性的滚动12个月均值来看，该指标同样出现下降趋势，同期从4.13% 下降至2.79%。表明在该区间内估值因子的风格切换加剧。 从波动性因子来看，2023年9月以来波动性因子风格切换速度加剧。如图3所示，我们同 样计算了2010年以来波动性因子相邻两个月的秩相关性以及其12个月滚动均值。可以发 现，自2023年9月以来波动性因子风格变换剧烈，其月度相关性的滚动12个月均值呈现 出明显的下降趋势，从2023年9月的6.94%下降至2024年4月的4.86%。同期其月度相关性同样在下降，由12.61%下降