20230209-国金证券-智能化选基系列之二_风格轮动型基金智能识别与量化优选_16页_1mb

智能化选基系列之二：风格轮动型基金智能识别与量化优选

核心内容

本报告聚焦于风格轮动型基金的识别与量化优选，旨在通过量化手段筛选出能够主动进行风格轮动的基金，以应对A股市场风格频繁切换的现状，提升基金组合的收益表现。

主要观点

• A股市场风格持续切换，价值与成长、大盘与小盘风格轮番占优，单一风格难以持续获得收益。
• 风格轮动型基金与风格稳定型基金在风格调整能力、规模和换手率等方面存在显著差异。
• 通过主动风格轮动和被动风格轮动的区分，可以更准确地识别基金的风格调整行为。
• 基于截面风格收益因子和风格轮动收益因子，构建合成因子进行基金优选，显著提升了策略的预测能力和稳定性。
• 风格轮动型基金优选组合在2016年3月至2023年1月期间，实现了6.57%的年化超额收益率，信息比率达到0.90。

关键信息

1. 市场风格持续切换

• A股市场近年来风格频繁轮动，价值与成长、大盘与小盘风格交替占优。
• 2016年3季度至2017年2季度、2018年2-4季度、2019年3季度至2020年2季度，估值与市值维度的单一风格连续占优。
• 自2020年三季度以来，风格轮动速度加快，成长与价值风格频繁切换。

2. 风格轮动型基金的识别方法

• 基金池构建：以主动权益型基金（普通股票型、偏股混合型）为研究对象，剔除港股及北交所持仓比例低于50%的基金。
• 风格轮动指标：通过计算基金在不同风格维度上的主动风格轮动（ASD）和被动风格轮动（PSD），构建**绝对主动轮动（absASD）**指标。
• 基金分类：连续三个报告期absASD排名前Q%的基金为风格轮动型基金，后Q%的为风格稳定型基金。
• 筛选阈值：采用Q=50进行筛选，识别出风格轮动型基金与风格稳定型基金。

3. 风格轮动型基金的特征

• 规模偏小：风格轮动型基金通常规模较小，而风格稳定型基金规模较大。
• 换手率偏高：风格轮动型基金在报告期内的换手率高于稳定型基金。
• 行业配置调整频繁：风格轮动型基金在行业配置上变化较大，而稳定型基金则相对稳定。
• 风格暴露波动明显：风格轮动型基金在不同风格上的暴露变化较大，而稳定型基金则偏向某一方向。

4. 量化优选策略

• 选基因子：构建两个因子：截面风格收益因子（SR）与风格轮动收益因子（Cum ASD_R）。
• 因子测试：
  • SR因子的IC为8.30%，年化收益率为5.40%。
  • Cum ASD_R因子的IC为7.03%，年化收益率为4.01%。
• 因子合成：将两个因子等权重线性合成，得到合成因子，其IC达到9.12%，年化收益率为5.04%，夏普比率为0.63。
• 优选组合构建：基于合成因子，选取排名前10%的基金构建组合，年化收益率为16.01%，年化超额收益率为6.57%，信息比率为0.90。

5. 策略表现

• 2016年3月至2023年1月，风格轮动型基金优选组合实现**费后6.57%**的年化超额收益率。
• 在2017年至2022年期间，优选组合均跑赢偏股混合型基金指数，其中2020年至2022年超额收益显著。
• 2022年优选组合超额收益率达10.42%，其中样本内测试（1-10月）超额收益率为6.31%，样本外测试（11-12月）仍表现良好，超额收益率为3.86%。

6. 风险提示

• 本报告结果基于历史数据，不保证未来表现。
• 市场环境变化可能导致模型失效。
• 交易成本变化可能影响策略收益，甚至导致亏损。

附录：图表目录（简要）

• 图表1-4：风格轮动情况分析
• 图表5-11：基金池构建及风格轮动型与稳定型基金数量统计
• 图表12-13：风格轮动型、稳定型基金与基准回测表现
• 图表14-15：基金规模与换手率比较
• 图表16-19：行业配置与风格暴露变化
• 图表20-33：因子测试与合成因子表现
• 图表34-37：优选组合表现与分年度超额收益

总结

本报告提出了一种基于量化方法识别风格轮动型基金的策略，并通过构建合成因子实现对基金的进一步优选。风格轮动型基金在风格调整方面表现出更强的灵活性，且长期表现优于风格稳定型基金和偏股混合型基金指数。通过构建风格轮动型基金优选组合，实现了较好的超额收益，策略在多个时间段均表现稳定。然而，报告强调，该策略依赖历史数据，存在市场变化导致失效的风险。