组合管理，对于主动投资有什么用？

组合管理，对于主动投 资有什么用？ 分析师：包承超、邓宇林 2024年06月15日 证券研究报告 请务必阅读报告末页的重要声明 收益和风险对投资同等重要 图：20052015年美国主动管理型基金的绩效归因分析 基金全体 正收益基金 总回报 89bps 总回报 112bps 基金经理 140bps 基金经理 7bps 风格因子贡献了基金经理大部分超额收益 风格因子 51bps 择时 20bps 选股 风格因子 105bps 160bps 风格因子贡献了基金经理大部分超额收益 择时 24bps 选股 17bps 图：2010年2019年A股SmartBeta的收益率和波动率图：近3年SmartBeta的收益率和波动率 过去，主动基金相较于基准指数的最大优化在于，大幅降低了组合波动 最近几年，风格因子的风险与收益几乎完全呈反比。更低波动风险，反而有更好的收益 图：2010年2019年财务因子的收益率和波动率图：近3年财务因子的收益率和波动率 构成天然的障碍行业因子 图：2010年2019年行业因子的收益率和波动率图：近3年行业因子的收益率和波动率 几乎大部分单一行业的波动风险都是远高于【基准】的（但是收益未必更高）。换句话说，当任一看好某个单一行业的同时，风险都被指数级放大了。 那么如何平衡组合显得尤为重要 涨幅。进行下述统计：当月涨幅靠前行业，有多少比例来自上月涨幅靠前或跌幅靠前行业？ 图：涨跌幅TOP8行业中“动量反转”行业过半比例约70图：涨跌幅TOP10行业中“动量反转”行业过半比例约80 再看一个最简单的主动策略：进行“追涨抄底”，该策略的长期效果如何？ 图：行业“动量”（追涨上月涨幅最靠前的3个行业）的收益看上去不错，但回撤同样惊人。行业“反转”（抄底上月跌幅最靠前的3个行业）策略效果不理想 图：长周期来看，当我们把行业“动量”和“反转”混合起来 （即同时追涨和抄底），也只是跟基准跑平而已 追涨策略的超额主要靠牛市，熊市表现很差 2、有没有方法既能降低风险，又能保证收益？ 图：风格因子两两等权组合后，风险与收益的分布情况图：对于风险与收益接近的风格因子组合，相关性越低的 组合，风险收益比越高 图：行业因子两两等权组合后，风险与收益的分布情况图：对于风险与收益接近的行业因子组合，相关性越低的 组合，风险收益比越高 问题1：以管理人的角度，自下而上选出一些优质公司后，如何衡量组合是否“够好”？ 如果不够好，应该怎么平衡？（再配点什么风格？Or什么行业？） 2021年至今相关系数 能源 材料 工业 可选消费 日常消费 医疗保健 金融 信息技术 电信服务 公用事业 房地产 动量因子 37 4 31 2 14 23 57 40 28 25 41 反转因子 1 23 24 4 35 19 21 22 8 1 3 大盘因子 2 35 42 3 66 13 54 48 8 7 10 小盘因子 9 43 37 8 62 16 45 39 4 9 9 Smart 横向低PB 49 19 32 10 9 13 77 54 46 50 43 Beta 纵向低PB 21 23 35 2 16 1 54 33 31 23 44 低波动因子 49 22 31 11 9 10 73 52 48 55 35 红利因子 58 15 33 9 8 14 74 56 46 53 44 景气因子 24 63 38 9 34 19 33 2 18 5 17 质量因子 18 31 37 10 83 27 16 35 13 21 6 高毛利率 29 44 47 12 90 35 16 28 9 25 5 高ROA 26 43 46 14 91 34 18 31 8 23 4 高营收增速 29 24 42 5 2 2 33 7 32 20 27 高存货周转率 38 24 27 6 20 6 43 45 48 58 26 高经营周转率 20 13 32 10 20 1 13 9 22 5 6 低资产负债率 19 29 30 10 45 40 6 12 0 10 8 财务因子 高资本开支增速高经营现金流入增速 2822 2216 3234 10 6 17 1 43 44 15 31 3 3126 2210 2021 高筹资现金流入增速 21 0 17 3 12 14 14 2 21 18 25 高投资现金流入增速 13 9 10 4 29 7 14 9 13 9 21 高存货增速 36 13 39 7 1 9 47 21 37 30 32 高净资产增速 36 31 37 9 6 14 50 18 40 32 34 高资产增速 38 13 39 1 1 9 43 18 37 30 30 高负债增速 22 15 38 2 0 5 34 7 24 9 31 图：2021年至今，行业超额收益与风格因子的相关系数 动量大小盘 稳定 高盈利质量 图：2010年以来银行和通用设备稳定负相关图：即使最简单的等权配置，依旧能够提高风险收益比 图：低估值因子和小盘因子滚动1年相关系数图：大盘因子和小盘因子滚动1年相关系数 图：低波动因子和小盘因子滚动1年相关系数图：红利因子和小盘因子滚动1年相关系数 图：电力设备和银行滚动1年相关系数图：机械设备和银行滚动1年相关系数 图：电子和银行滚动1年相关系数图：计算机和银行滚动1年相关系数 图：有效前沿的范例展示 在以收益率波动率为目标的组合管理中，我们希望或降低波动或提高收益： 1）给定投资组合的预期收益，寻找风险水平最小的组合； 2）给定投资组合的风险水平，寻找预期收益最大的组合。 有效前沿：在给定收益或风险限制 下，使得夏普比最优的集合。 即使是样本外，最大化Sharpe（有效前沿）的配置权重方式依然有不错的效果基于 SmartBeta风格因子做组合 图：基于纯粹的SmartBeta作为底层资产，用最简单的样本外方式（基于资产过去的收益和风险），不同权重配置方式的效果差异 有效前沿组合 偏股基金 风险平价组合 数据来源：Wind，国联证券研究所。注：每一轮经济周期切换时，基于不同的加权组合方法进行调仓。 即使是样本外，最大化Sharpe（有效前沿）的配置权重方式依然有效基于行业做组合 图：基于行业指数作为底层资产，用最简单的样本外方式（基于资产过去的收益和风险），不同权重配 置方式的效果差异 有效前沿组合（优于基准，但 不如SmartBeta的组合效果） 偏股基金 风险平价组合（甚至远不如基准） 图：不同经济周期下，正相关因子的比例图：不同经济周期下，负相关因子的比例 图：经济上行，通胀上行时期，风格因子比行业因子 相关性更稳定 图：经济上行，通胀下行时期，风格因子比行业因子 相关性更稳定 图：经济下行，通胀上行时期，风格因子比行业因子 相关性更稳定 图：经济下行，通胀下行时期，风格因子和行业因子 相关性较为接近 中国版美林时钟根据增长和通胀划分经济周期 图：2005年以来，中国经济周期的划分 经济上，通胀上（过热）经济上，通胀下（复苏）经济下，通胀上（滞胀）经济下，通胀下（衰退） 问题3：在假定基本面没有变化的情况下，是否要高抛低吸做波段？还是说应该“买入持 有”？（不考虑交易能力的问题）理论和实际上，权重“再平衡”会增厚收益 图：再平衡理论的数学证明图：定期再平衡使收益和波动分布更集中，减小了尾部风险 CapitalGrowthTheory 1）CAP：CapitalWeighted（市值加权）2）EWD：EqualWeighted（等权）3）EWR：EqualWeightedRebalancedMonthly （月度等权再平衡） 对权重的再分配可以减少波动，从而增厚复利收益 现实A股中，不同风格因子“再平衡”相较“买入持有”的差异 图：再平衡能够明显提升净值表现图：不同因子再平衡前后的风险收益回测，再平衡会提高风险收益比， 年化收益率 年化波动率 收益率波动率 最大回撤 2010年至今表现 BuyHoldRebalancing BuyHoldRebalancin 景气因子 质量因子红利因子横向低估值纵向低估值低波动因子大盘因子小盘因子高营收增速高毛利率高ROA 高库存周转率高资产周转率低资产负债率高资本开支增速 高经营性现金流入增速高筹资现金流入增速高投资现金流入增速高存货增速 高净资产增速 高资产 4 12 8 10 3 8 6 10 3 14 13 5 5 6 4 5 4 5 8 17 10 12 7 10 10 15 7 19 17 9 9 10 8 8 8 3 27 24 19 19 20 18 20 28 28 26 25 23 22 29 26 20 21 22 20 22 30 30 28 27 2 3 5 14 50 41 50 16 43 30 28 65 51 60 30 63 5 2 2 4 4 4 4 5 4 4 2 1 3 1 3 10 2 3 15 2 5 14 2 4 BuyHold Rebalancing BuyHold Rebalancing BuyHoldRebalancing BuyHold Rebalancing BuyHoldRebalancing 同时降低最大回撤 再平衡如何操作？ 定期（如周频、月频、季频）调整权重至初始值 （如重新按照市值加权或重新恢复等权） 图：2010年至今，不同PE分位数下，未来收益率情况图：2010年至今，不同PB分位数下，未来收益率情况 最简单地，我们以估值来衡量位置的“高”和“低”。由于高位后的风险收益比明显降低，因而长期大样本地“高抛低吸”式的rebalancing一定能增厚组合收益 2010年至今 未来1个月涨跌幅 未来3个月涨跌幅 未来6个月涨跌幅 滚动3年PE分位数 010 13 95 243 1020 42 85 94 2030 07 20 36 3040 26 37 58 4050 08 23 38 5060 09 25 45 6070 07 22 39 7080 06 22 41 8090 07 28 49 90100 22 39 80 2010年至今 未来1个月涨跌幅 未来3个月涨跌幅 未来6个月涨跌幅 滚动3年PB分位数 010 30 114 241 1020 10 22 30 2030 05 15 31 3040 26 36 56 4050 06 22 39 5060 07 25 46 6070 09 27 47 7080 09 29 48 8090 06 29 48 90100 28 43 88 图：2021年至今，不同PE分位数下，未来收益率情况图：2021年至今，不同PB分位数下，未来收益率情况 最简单地，我们以估值来衡量位置的“高”和“低”。由于高位后的风险收益比明显降低，因而长期大样本地“高抛低吸”式的rebalancing一定能增厚组合收益 2021年至今 未来1个月涨跌幅 未来3个月涨跌幅 未来6个月涨跌幅 滚动3 年PE 分位数 010 15 219 645 1020 84 175 193 2030 05 10 15 3040 04 13 12 4050 06 11 11 5060 04 11 14 6070 02 10 14 7080 00 03 06 8090 00 00 02 90100 07 11 16 2021年至今 未来1个月涨跌幅 未来3个月涨跌幅 未来6个月涨跌幅 滚动3年PE分位数 010 65 288 712 1020 07 18 31 2030 06 16 25 3040 02 05 03 4050 01 04 01 5060 02 02 03 6070 02 01 02 7080 01 02 03 8090 04 09 07 90100 13 18 34 图：各资产组合净值表现 1、表现最差的是【行业因子】组合，但它也能击败我们的基准。这说明 依靠更科学的【权重配置】方式，对