20170705-东北证券-金融工程2017中期策略报告_体系_FOF自上而下全策略_35页_2mb

证券研究报告总结

核心内容

本报告是东北证券金融工程团队于2017年中期发布的FOF（基金中基金）资产配置策略研究报告，主要围绕大类资产配置模型、基金绩效归因方法、风格轮动分析以及行业轮动机制展开。报告从多个角度探讨了资产配置模型的优缺点及改进方向，并结合实际案例对基金的收益来源和风险控制进行了深入分析。

主要观点

1. 大类资产配置模型

   • 静态优化模型（如均值方差、Kelly、风险平价）普遍具有较高的收益风险比，但对资产的动态相关性反应不及时，且忽略极端风险。
   • 动态预期模型结合极值理论与Copula，能够更好地捕捉极端风险并实现动态调整，从而在风险控制与收益之间取得平衡。
   • 多资产多因子策略通过从“价值、动量、利差、波动”四个维度对资产进行打分，从而实现更全面的资产配置，提升了风险调整后的收益。

2. 基金绩效归因

   • 债券型基金使用Brinson&Campisi模型分析券种配置和择时能力，结果显示该方法能客观反映管理人的能力。
   • 股票型基金使用Barra分析框架进行风格归因，可更全面地了解收益来源。
   • Campisi分解法进一步细化收益来源，包括票息收益、国债效应、利差效应和债券选择收益，为基金分析提供了更详细的信息。

3. 风格轮动

   • 风格轮动可以通过Fama-French3因子（FF3）的滞后项与当前风格收益之间的逻辑关系进行预判，而非线性关系。
   • 逻辑回归模型在风格轮动判断中表现出较好的分类能力，特别是在2014年后，风格轮动周期缩短，单周判断效果更优。

4. 行业轮动

   • 动量和反转效应可能存在于同一观察周期，但取决于观察标的。
   • 行业轮动分析结合回溯、动量、估值和情绪等多维度，有助于判断行业表现。

关键信息

大类资产配置模型

基金绩效归因

• Brinson&Campisi模型：用于分析券种配置和择时能力，提供更全面的收益信息。
• Barra模型：用于股票型基金风格分析，分解收益来源为因子收益和特异风险。
• Campisi分解法：将债券收益分解为票息收益、国债效应、利差效应和债券选择收益，提升归因精度。

风格轮动

• 使用FF3因子进行风格轮动分析，结合滞后项与当前收益的逻辑关系，对下一期风格表现进行预判。
• 在不优化周期和回测窗口的情况下，使用单周数据进行轮动判断，效果优于使用较长周期。
• 逻辑回归模型在风格分类中表现优于线性回归，特别是在捕捉周期性与非线性关系上。

行业轮动

• 动量和反转效应可能共存，但取决于观察对象。
• 行业轮动分析结合回溯、动量、估值和情绪，以提高判断的准确性。

结论与建议

1. 资产配置建议：建议采用多资产多因子策略，结合等权重与风险平价，实现稳健收益和风险控制。
2. 基金选择建议：在基金选择时，可利用Brinson和Campisi模型进行券种配置与债券选择能力分析，同时结合Barra模型进行股票型基金风格归因。
3. 风险控制建议：使用CVaR动态调整配置比例，有助于在极端风险中控制损失并保持收益。
4. 市场判断建议：风格轮动可通过FF3因子进行逻辑判断，使用逻辑回归模型可以提高预判能力。
5. 投资策略建议：在市场风格切换频繁时，可考虑使用较短周期（如一周）进行轮动判断，提高策略的灵活性和适应性。

相关报告

• 《金融工程：个股及基金绩效分析与风险归因分析》
• 《风险预测、纯因子组合及基于收益的风格分析》
• 《FOF：从大类资产配置到股票型基金的选取》
• 《大类资产配置（1）：短期长期风险度量和超额收益的边际效益递减》
• 《大类资产配置（2）：应用极值理论和 Copula 实现动态资产配置》
• 《大类资产配置（3）：超越“风险”平价》
• 《东北金工：风格轮动初探》
• 《FOF：债券型基金业绩归因》
• 《大类资产配置(4)：多资产多因子策略》
• 《行业轮动：关于回溯、动量、估值和情绪》

附录：报告团队

• 证券分析师：许俊（执业证书编号：S0550517050001）
• 研究助理：王琦（执业证书编号：S0550116060053）
• 研究助理：肖承志（执业证书编号：S0550116080014）

联系方式：

• 电话：021-20363215
• 邮箱：wang_qi@nesc.cn
• 电话：021-20361264
• 邮箱：xiaocz@nesc.cn