基金专题分析报告：基于因子归因的债券基金遴选策略-20220328-国金证券-17页_1mb

基于因子归因的债券基金遴选策略总结

核心内容

本文提出了一种基于因子归因的债券基金遴选策略，通过扩展Campisi模型，构建了包含七个风格因子的多因子归因模型，用于量化分析债券基金的收益来源，并据此筛选出具有稳定超额收益的基金。核心内容包括：

• Campisi模型的扩展：原始Campisi模型将债券基金收益分解为收入效应、国债效应、利差效应和择券效应，本文进一步引入转债效应和货币效应，构建了七个风格因子。
• 因子构建方法：七个因子分别为水平因子、斜率因子、凸性因子、信用因子、违约因子、转债因子和货币因子，每个因子均通过构建久期中性组合来体现特定收益来源。
• 因子表现与相关性：因子间相关性较低（大部分因子相关性绝对值低于0.3），拟合优度平均在0.5以上，说明模型具有一定的解释力。
• 遴选策略与回测结果：通过每季度末对基金过去6个月的净值收益率进行回归分析，选取阿尔法排名前10%的基金等权配置。回测结果显示，该策略构建的组合年化收益率为5.21%，夏普比率为2.91，相对于基准的年化超额收益为1.23%，信息比率为0.82。
• 剔除转债因子后的表现：在剔除转债因子后，策略依然有效，组合年化收益率达到4.64%，夏普比率接近6.0，信息比率超过2.0，且最大回撤控制在1%以内（除2020年外）。

主要观点

• 阿尔法的筛选能力：阿尔法作为基金无法被风格因子解释的超额收益，能有效衡量基金管理人的特有能力，是遴选基金的重要依据。
• 因子暴露的差异：阿尔法排名前10%的基金在转债因子和水平因子上暴露较高，显示出较强的转债择券能力和久期调整能力。
• 策略的稳定性：通过不同方法剔除转债因子，遴选出的基金组合均能取得显著的超额收益，且在控制回撤方面表现良好。
• 市场环境变化的应对：随着利率中枢下行、信用利差压缩和债券市场波动性增加，债券基金收益更依赖管理人的综合能力，量化策略在投资组合构建中具有重要参考价值。

关键信息

• 回测时间范围：2017年1月1日至2022年2月11日。
• 样本基金数量：从230只增长至1060只，剔除部分基金后样本数量仍有显著增加。
• 基金分类：包括短期纯债型、中长期纯债型、混合债券型一级和一级债基。
• 基金组合表现：
  • 阿尔法排名前10%的组合年化收益率为5.21%，夏普比率为2.91。
  • 阿尔法排名前10%的组合在剔除转债因子后，年化收益率为4.64%，夏普比率为5.92，信息比率达到2.65。
• 风险提示：
  • 历史数据不被重复验证可能导致模型失效。
  • 多因子模型的稳定性可能受市场环境变化影响。
  • 新冠疫情和国际政治摩擦可能带来债券基金大幅波动风险。

遴选基金实例

剔除转债方法一的遴选基金实例

剔除转债方法二的遴选基金实例

结论

通过因子归因模型，可以有效剥离风格因子对基金收益的解释，从而筛选出具备稳定获取阿尔法能力的基金管理人。该策略在多个回测方法下均表现出显著的超额收益和良好的风险控制能力，为投资者提供了一种客观、全面的基金遴选方式。