20161201-东北证券-FOF_从大类资产配置到股票型基金选取_16页_993kb
报告摘要
证券研究报告总结：FOF从大类资产配置到股票型基金选取
核心内容
本文从量化角度探讨了FOF（基金中基金）的配置策略，重点分析了大类资产配置与股票型基金的选取方法，旨在为FOF产品设计提供定量分析思路，辅助定性分析。
主要观点
1. 大类资产配置方法
- 等权重（Equal Weight）：简单易行，无需对资产收益分布进行假设，配置股票类资产较多，年化收益最高。
- 均值方差与最小方差：基于收益和风险的优化模型，但因参数估计误差，效果不如等权重。
- 最大分散化：通过最大化资产间风险分散度，提升风险调整后收益，如Sharpe和Calmar指标。
- 风险平价（Risk Parity）：将风险均衡配置于各资产，组合收益更具调整性和适应性。
- Kelly与考夫曼自适应均线结合：通过动态调整回溯周期，提高风险平价模型的收益表现，同时控制回撤，Calmar指标更优。
2. 股票型基金配置方法
- 基础基金池构建：通过月度打分法筛选股票型基金（普通股票型和混合偏股型），剔除规模不足1亿且上市未满一年的基金，保留531只基金。
- 基于收益的风格分析：利用Barra模型对基金进行风格因子暴露分析，识别其投资风格，如规模（Size）、动量（Momentum）、流动性（Liquidity）等。
- 风格因子的短期动量效应：所有因子在短期（2014-2016）内表现出动量效应，强于反转效应，因此可通过增加对强势因子的暴露，优化组合收益。
- 组合优化：通过优化模型选择暴露单因子或多个因子的基金组合，结果显示仅暴露1个因子或等权配置优化基金的效果优于其他方案。
关键信息
大类资产配置结果
| 配置方案 | 年化收益 | 年化波动率 | 最大回撤 | Sharpe | Calmar | Sortino |
|---|---|---|---|---|---|---|
| 均值方差 | 6.46% | 7.54% | 12.32% | 0.856 | 0.524 | 1.180 |
| 最大分散化 | 5.92% | 3.21% | 4.92% | 1.843 | 1.203 | 2.878 |
| 等权重 | 11.08% | 10.59% | 17.93% | 1.047 | 0.618 | 1.494 |
| 风险平价 | 6.36% | 3.74% | 4.67% | 1.701 | 1.361 | 2.604 |
| 风险平价自适应 | 7.56% | 4.81% | 4.70% | 1.571 | 1.610 | 2.361 |
| Kelly自适应 | 7.54% | 7.66% | 18.59% | 0.984 | 0.406 | 1.345 |
股票型基金配置结果
| 配置方案 | 总收益 | 年化收益 | 年化波动率 | 最大回撤 | Sharpe | Calmar | Sortino |
|---|---|---|---|---|---|---|---|
| 1Factor | 85.54% | 31.15% | 22.85% | 26.68% | 1.363 | 1.167 | 1.855 |
| 2Factors | 67.01% | 23.66% | 19.89% | 29.67% | 1.190 | 0.798 | 1.582 |
| 3Factors | 67.75% | 23.96% | 18.76% | 29.51% | 1.277 | 0.812 | 1.692 |
| All | 59.24% | 20.66% | 11.48% | 7.72% | 1.800 | 2.674 | 2.801 |
| 逐级递减 | 81.14% | 29.33% | 23.81% | 29.88% | 1.232 | 0.981 | 1.655 |
| Equal Wt16 | 48.48% | 16.61% | 22.88% | 39.40% | 0.726 | 0.422 | 0.949 |
| Equal Wt27 | 83.30% | 30.22% | 23.53% | 30.28% | 1.284 | 0.998 | 1.725 |
| ZZ500 | 61.08% | 21.36% | 33.54% | 54.35% | 0.637 | 0.393 | 0.819 |
优化建议
- 推荐方案：暴露单因子及优化选出的基金等权配置，该方案在各项指标中表现最佳。
- 原因：仅暴露1个因子能够有效提升收益，同时减少波动率和回撤。优化选出的基金等权配置表现优于基础基金池等权配置，说明因子筛选的有效性。
风格因子分析
-
风格因子定义：
- Size：股票市值的自然对数
- Beta：超额收益与市场收益的回归系数
- Momentum：超额收益（Relative Strength）
- Residual Volatility：日超额收益波动率（DASTD）、累计超额收益（CMRA）、CAPM残差的标准差（sigma）
- Non-Linear Size：Size的立方
- Book-to-Price：市净率倒数
- Liquidity：月度平均换手率、3个月平均换手率、12个月平均换手率
- Growth：3年盈利增长率预测、1年盈利增长率预测、过去5年盈利增长率、过去5年销售收入增长率
- Earning Yield：12个月市盈率预测倒数、市现率（TTM）倒数、市盈率（TTM）倒数
- Leverage：市场杠杆、负债/资产、账面杠杆
-
动量效应分析：所有因子在短期（2014-2016）内表现出动量效应，胜率和盈亏比均高于0.5，说明因子在一定时间内具有持续性。
总结
本文通过量化模型对FOF进行了系统分析，提出了结合自适应均线的风险平价配置策略，并展示了其在风险调整后收益方面的优势。同时，通过基于收益的风格分析和因子暴露，筛选出表现优异的股票型基金，优化配置方案。最终，推荐暴露单因子和优化选出的基金等权配置作为FOF的配置策略，以在收益和风险之间取得最佳平衡。
相关报告
- 《金融工程：基金仓位估测模型之一》
- 《金融工程之择时：期现回复S型动量指标》
- 《金融工程：偏度调整的收益率MACD择时信号》
- 《金融工程：偏度调整的收益率MACD择时信号(二)》
- 《金融工程：基金仓位估测模型之二—误差修正》
- 《金融工程：个股及基金绩效分析与风险归因分析》
- 《风险预测、纯因子组合及基于收益的风格分析》
分析师信息
- 分析师：王琦
- 执业证书编号：S0550116060053
- 研究助理：王琦
- 执业证书编号：S0550116060053
- 邮箱：wangqi@nesc.cn
重要声明
本报告由东北证券股份有限公司制作并发布，仅限于本公司客户使用。报告中的信息来源于公开资料，未经本公司书面许可，不得以任何形式翻版、复制、发表或引用。本公司不对因使用本报告而产生的任何损失承担责任。
投资评级说明
-
买入：未来6个月内，股价涨幅超越市场基准15%以上。
-
增持：未来6个月内，股价涨幅超越市场基准5%至15%之间。
-
中性：未来6个月内，股价涨幅介于市场基准-5%至5%之间。
-
减持：未来6个月内，股价涨幅落后市场基准5%至15%之间。
-
卖出：未来6个月内，股价涨幅落后市场基准15%以上。
-
行业投资评级：
- 优于大势：未来6个月内，行业指数收益超越市场平均收益。
- 同步大势：未来6个月内，行业指数收益与市场平均收益持平。
- 落后大势：未来6个月内，行业指数收益落后于市场平均收益。
展开完整摘要
试读结束，高清完整版pdf/doc/ppt,请点下载
