20201021-华泰证券-风格稳定的绩优股票基金筛选策略_基于风格稳定性与业绩持续性的相关关系规律_29页_2mb
报告摘要
金工研究:风格稳定的绩优股票基金筛选策略
核心内容概述
本文旨在通过分析股票型基金的风格稳定性与业绩持续性,构建一种风格稳定且业绩优良的基金筛选策略。研究采用两种方法进行基金风格划分:基于净值数据的Fama-French模型和Sharpe模型,以及基于持仓数据的行业板块分类法。通过这些方法,筛选出风格稳定、业绩持续领先的基金池,并进一步构建基金组合以实现板块轮动策略,最终回测显示该策略在多数情况下具有超额收益。
主要观点
-
基金风格分类与稳定性分析:
- 基金风格可从价值/成长和规模两个角度进行划分,也可从行业板块角度进行分类。
- 通过Fama-French三因子模型和Sharpe模型,可以定量分析基金在市场风险、市值和账面市值比因子上的暴露程度,从而判断基金的风格稳定性。
- 通过计算SDS(风格稳定度指标),衡量基金风格在不同时间窗口内的波动性,SDS值越小,基金风格越稳定。
-
风格稳定基金的筛选:
- 基金的风格稳定度可通过其在不同时间段内的风格暴露波动来判断。
- 大盘价值、大盘成长、小盘价值、小盘成长四类风格基金池中,大盘成长型基金数量较多。
- 在行业板块分类中,筛选出周期、消费、金融、成长、稳定五类风格基金池,其中消费板块基金数量最多。
-
业绩持续性的筛选:
- 在风格稳定的基金池中,进一步筛选出业绩持续领先的基金,即每半年的复权单位净值收益在同风格基金中排名前1/3的基金。
- 业绩优秀的基金集中于消费和成长板块。
-
基金配置策略与回测表现:
- 将风格稳定的绩优基金等权配置,形成基金组合,并与风格指数及大盘指数进行比较。
- 回测结果显示,该基金配置策略在多数情况下相对基准具有超额收益。
- 通过板块轮动策略,基金组合表现优于万得全A指数。
关键信息
一、基金风格分类方法
-
基于净值数据:
- 使用Fama-French模型分析基金在市场因子(MKT)、市值因子(SMB)和账面市值比因子(HML)上的暴露。
- 使用Sharpe模型分析基金在大盘价值、大盘成长、小盘价值、小盘成长等因子上的暴露。
- 通过SDS指标衡量基金风格的稳定程度,SDS值越小,风格越稳定。
-
基于持仓数据:
- 通过基金年报和半年报的持仓数据,分析基金重仓行业板块的稳定性。
- 若基金长期重仓某一板块且持仓比例较高,则认为其风格稳定。
二、风格稳定基金池
-
价值/成长与规模风格基金池:
- 大盘价值类基金17只,如“景顺长城量化港股通”、“国联安价值优选”等。
- 大盘成长类基金46只,如“银华兴盛”、“鹏扬元合量化大盘优选A”等。
- 小盘价值类基金13只,如“景顺长城量化小盘”、“安信量化优选A”等。
- 小盘成长类基金29只,如“银华中小市值A”、“华夏潜龙精选”等。
-
行业板块风格基金池:
- 周期板块基金:如“工银瑞信新材料新能源”、“汇丰晋信智造先锋A”等。
- 消费板块基金:如“南方中小盘成长”、“嘉实医疗保健”等。
- 金融板块基金:如“汇添富环保行业”、“招商中国机遇”等。
- 成长板块基金:如“华夏科技成长”、“富国互联科技”等。
- 稳定板块基金:未筛选出稳定风格基金。
三、基金配置策略与回测结果
-
等权配置策略:
- 在风格稳定的基金池中,按等权方式配置基金,形成基金组合。
- 回测显示,该组合在多数情况下相对风格指数和大盘指数具有超额收益。
-
板块轮动策略:
- 根据周期状态构建板块轮动策略,基金组合表现优于万得全A指数。
风险提示
- 本研究基于历史规律总结,历史规律可能失效。
- 模型结论基于统计工具,存在在极端情形下解释力不足的风险。
- 本文提及的基金产品不构成推荐。
附录:基金风格划分与筛选流程
-
基金风格划分:
- 基于净值数据的Fama-French模型和Sharpe模型。
- 基于持仓数据的行业板块分类。
-
基金风格稳定性筛选:
- 剔除成立不足一年的基金。
- 去除某时间截面行业板块持仓总和少于50%的基金。
- 若基金在所有时间截面中重仓某一板块且持仓比例超过30%,则判定为风格稳定。
-
基金业绩筛选:
- 每半年将基金收益在同类基金中排序。
- 选取在多数时间里业绩排名靠前的基金,构成绩优基金池。
总结
本文通过结合净值和持仓数据,构建了一种风格稳定且业绩优良的股票基金筛选策略。该策略分为两部分:一是基于净值数据的风格稳定性分析,二是基于行业板块的风格稳定性筛选。最终筛选出的基金池在多数情况下表现出较好的业绩持续性,并通过等权配置策略实现了板块轮动,相对基准指数具有超额收益。该研究为FOF投资者提供了风格稳定、业绩优良的基金配置参考。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载