20210106-天风证券-基金指数增强系列（一）_混合型基金指数的精细化拆解及增强方案_25页_3mb

基金研究总结

核心内容

本报告旨在构建针对基金指数的增强类基金识别模型，以筛选出能够稳定跑赢基金指数、具有更高超额收益的基金，从而为投资者提供更具投资价值的基金选择方案。主要围绕基金指数的持仓拆解、增强类基金识别模型构建以及增强FOF组合的实证研究展开。

主要观点

• 基金挑选难度大：公募基金数量远超股票数量，且不同基金的年度收益率差异巨大，基金经理的投资理念和风险偏好也各不相同，导致普通投资者难以挑选到未来业绩优异的基金。
• 基金指数的稳定性：基金指数代表了基金的平均业绩，稳定位于中位数水平，混合型基金指数尤其具有较高的风险收益比。
• 基金指数的持仓结构：混合型基金指数以股票资产为主，长期配置比例约为60%，在周期、消费等板块配置比例超过20%；债券资产以利率债为主，长期配置比例在40%以上。
• 增强类基金识别模型：通过构建基准指数匹配模型与Alpha收益预测模型，识别出能够紧密跟踪基金指数并具有超额收益的基金。
• 增强FOF组合表现：基于增强类基金识别模型构建的增强FOF组合每半年调仓一次，每次优选至多10只基金，能够稳定跑赢混合型基金指数，年化收益率为20.63%，年化超额收益率为6.23%，信息比率达到1.35，除2015年外相对最大回撤均在4%以内。

关键信息

1. 基金指数的持仓拆解模型

• 重仓股补全法：用于模拟基金持仓数据，通过加权计算成分基金的持仓特征，得到基金指数的持仓特征信息。
• 持仓结构：股票资产以A股为主，港股占比逐年提升但仍低于3%；债券资产以利率债为主，配置比例在40%以上。
• 资产配置：混合型基金指数主要配置股票（60%）、债券（20%）和银行存款（10%）等资产，且在周期、消费、医药、金融、科技等板块有较高配置比例。

2. 增强类基金识别模型

• 基准指数匹配模型：通过走势相关性、板块重合度、仓位偏离度三个维度衡量基金与基金指数的匹配度。
• Alpha收益预测模型：基于选股Alpha、投资信息比率、低波动收益、管理人员工占比四个因子构建复合因子，用于预测基金未来Alpha收益。
• 因子有效性：各因子均表现良好，RankIC均值超过0.1，胜率均在80%以上，且年化RankIC_IR值均超过1。
• 复合因子表现：复合因子的RankIC均值为0.168，标准差为0.162，胜率在82.73%以上，且多头年化超额收益平均值达5.25%。

3. 增强FOF组合构建与实证研究

• 调仓策略：增强FOF组合每半年调仓一次，每次优选至多10只基金，采用等权重配置。
• 实证结果：增强FOF组合在2012年12月31日至2020年12月31日期间表现优异，累计收益率为348%，超额收益率为155%。
• 年度表现：增强FOF组合每年均跑赢基准指数，年化超额收益率稳定在6.23%左右，信息比率达到1.35，风险控制良好。

风险提示

• 市场结构调整和基金经理风格漂移可能影响模型的有效性。
• 模型基于历史数据构建，不能保证未来表现。

结论与展望

本报告构建的增强类基金识别模型和增强FOF组合在实证中表现良好，为投资者提供了新的基金筛选思路。未来可进一步优化模型，提升预测准确性，并探索在不同市场环境下的适用性。