FOF系列研究之三：挑选“好面粉”，主动权益基金分类完善-20201124-中泰证券-18页_1mb

挑选“好面粉”：主动权益基金分类完善

核心内容

本文旨在通过科学的分类方法，完善主动权益基金的研究与评价体系。当前Wind分类下的主动权益基金存在分类不科学的问题，如同一类别中股债仓位差异较大，行业主题基金与普通股票基金混为一谈，导致评价指标失真。为此，中泰证券研究所提出基于持仓角度构建主动权益基金分类体系，以提高基金研究的准确性与公平性。

主要观点

• 基金分类的重要性：合理的基金分类如同“好面粉”，是基金研究与评价的基础。
• 当前分类问题：Wind分类未能有效区分行业主题基金与普通股票基金，导致收益排名、选股能力等指标失真。
• 行业主题基金的特性：行业主题基金因高行业暴露，其收益与市场基准存在显著差异，影响基金评价的客观性。
• 分类改进方法：引入基于持仓数据的行业基金分类方法，通过设定行业仓位阈值筛选行业主题基金。
• 分类逻辑：将股票仓位高于60%的基金作为初步池子，再剔除第一重仓行业仓位超过50%的行业主题基金。

关键信息

1. 基于仓位构建主动权益基金初选池

• 将过去一年中股票仓位在60%以上的基金（包括平衡型、灵活配置型）纳入权益基金备选池。
• 每季度公布股票仓位，确保研究池的权益属性。
• 若基金在任一时期仓位低于60%，则不纳入评价池。

2. 行业主题基金纳入带来的失真问题

• 收益同类排名失真：行业主题基金在收益排名中可能因行业beta影响表现，与普通股票基金不可比。
• 选股能力失真：行业主题基金的alpha和拟合优度与主动权益基金差异较大，影响选股能力的评估。

3. 行业主题基金分类问题

• 错分现象：Wind分类下部分基金被错误归类，如部分基金虽重仓医疗保健，但未被归入Wind医疗保健主题基金。
• 漏分现象：部分医药行业基金未被Wind分类识别，导致研究遗漏。
• 分类连续性问题：Wind分类偏向截面分类，难以用于历史数据的连续分析。

4. 行业主题基金界定方法的改进

• 通过设定行业仓位阈值（如50%）和时间窗口（如12个月）进行筛选。
• 使用Kolmogorov-Smirnov检验（KS检验）评估收益分布差异。
• 经过测试，最终选用50%作为行业主题基金的判断标准。

5. 主动权益基金分类完善

• 剔除行业主题基金后，形成更加科学的主动管理基金分类。
• 所有后续研究均基于该分类框架进行，提高基金研究的可比性与准确性。

分类步骤

1. 在Wind分类下的普通股票型、偏股混合型、平衡型及灵活配置型基金中，筛选出股票仓位在60%以上的基金，构建初步池子。
2. 基于持仓数据，筛选出第一重仓行业仓位超过50%的基金，将其从初步池子中剔除，形成最终的主动管理基金池。

风险提示

• 历史统计规律可能发生变化。
• 市场存在系统性风险。
• 监管政策可能超预期变动。

图表说明

• 图表1：国内主动权益型基金分类概览。
• 图表2：中泰主动权益型基金历史个数与总资产规模。
• 图表3-6：军工行业高暴露基金超额收益中位数与同类对比。
• 图表7-10：医药行业高暴露基金超额收益中位数与同类对比。
• 图表11-20：不同期限行业暴露基金收益中枢与同类分位数对比。
• 图表21-26：部分基金的行业持仓比例及Wind分类情况。
• 图表27-36：不同window与industry_weight下行业主题基金的筛选结果。
• 图表37：剔除行业主题基金后的中泰主动股票型基金历史个数与总资产规模。

总结

通过基于持仓数据的分类方法，本文有效区分了行业主题基金与普通股票基金，提高了基金评价的科学性与公平性。研究结果表明，行业主题基金在收益排名与选股能力方面存在显著差异，影响基金研究的准确性。最终提出的分类框架有助于更精准地研究主动管理基金的业绩表现与选股能力，为后续基金研究与投资决策提供基础支持。