20180720-渤海证券-基金筛选模型专题报告之一_基于多因子模型思想的公募基金筛选模型_36页_3mb
报告摘要
基于多因子模型思想的公募基金筛选模型总结
核心内容
本文提出了一种基于多因子模型思想的基金筛选模型，旨在通过筛选有效的基金评价指标，构建出能够提升基金组合收益的基金投资组合。报告首先介绍了多因子模型的基本概念，随后借鉴其单因子测试方法，对基金评价指标进行有效性测试，最终筛选出具有显著有效性的指标并构建筛选模型。
主要观点
- 多因子模型：多因子模型是当前常用的选股模型，其构建分为单因子测试、收益预测、风险预测和组合优化四个步骤。本文重点参考单因子测试的思路，用于筛选基金评价指标。
- 基金评价指标分类：基金评价指标分为收益类、风险类和风险收益类三大类，共选取11个主要指标，细分出66个子指标。
- IC值测试：通过计算各指标的IC值序列，检验其有效性。筛选出8大类32个子指标，其中Return6、ExcessReturn6等表现较为优异。
- 分层回测：通过将基金按指标值排序并分组回测，筛选出10个具有较好单调性的子指标，如MaxDrawD36、Sharpe12等。
- 复合指标构建：通过比较单一指标与复合指标的回测结果，发现复合指标在提升基金组合业绩方面具有优势，最终选择Sharpe12、Treynor36和MaxDrawD36作为基金筛选模型的三大指标。
关键信息
基金评价指标库
| 指标类型 | 指标名称 | 指标代码 | 表达式 | 备注 |
|---|---|---|---|---|
| 收益类指标 | 区间收益率 | Return | Navt/Nav0-1 | |
| 超额收益率 | ExcessReturn | Return - ReturnB | ReturnB为业绩比较基准收益率 | |
| 风险类指标 | 波动率 | Std | √∑(Ri - R)²/(T - 1) | |
| 下行波动率 | StdDown | √∑(min(0, Ri - R0))²/(T - 1) | R0为临界收益率 | |
| 最大回撤 | MaxDrawD | min(Navj/Navi - 1) (j < i) | ||
| 风险收益类指标 | 贝塔系数 | Beta | (R - Rf)/(Rm - Rf) | |
| Sharpe比率 | Sharpe | (R - Rf)/σ | ||
| Sortino比率 | Sortino | (R - Rf)/σd | σd为下行波动率 | |
| Treynor比率 | Treynor | (R - Rf)/β | β为贝塔系数 | |
| Jensen系数 | Jensen | R - Rf - β(Rm - Rf) | ||
| 信息比率 | IR | (R - RB)/TE | TE为跟踪误差 |
IC值测试结果
| 指标名称 | IC值均值（6个月） | IC值均值（12个月） | IC值均值（24个月） | IC值均值（36个月） |
|---|---|---|---|---|
| Return | 7.27% | 8.63% | 5.48% | 4.68% |
| ExcessReturn | 6.84% | 8.00% | 5.32% | 4.81% |
| MaxDrawD | 6.14% | 7.50% | 4.46% | 3.15% |
| Sharpe | 9.53% | 9.84% | 6.49% | 5.53% |
| Sortino | 10.05% | 9.78% | 6.38% | 5.43% |
| Treynor | 10.39% | 10.27% | 6.38% | 5.29% |
| Jensen | 10.05% | 9.95% | 6.21% | 5.30% |
| IR | 8.78% | 9.76% | 6.40% | 5.39% |
分层回测结果
| 指标名称 | 最佳样本区间长度 | 年化收益率 | 年化波动率 | 最大回撤 | Sharpe比率 | 相对市场胜率 | 月平均换手率 |
|---|---|---|---|---|---|---|---|
| MaxDrawD | 12个月、36个月 | 18.42% | 19.50% | -37.84% | 0.8230 | 58.75% | 40.65% |
| Sharpe | 6个月、12个月、36个月 | 18.41% | 21.83% | -43.46% | 0.7578 | 59.14% | 20.26% |
| Sortino | 6个月、12个月 | 18.53% | 21.57% | -42.95% | 0.7694 | 58.75% | 20.72% |
| Treynor | 6个月、12个月、36个月 | 18.62% | 23.26% | -46.31% | 0.7334 | 57.98% | 19.30% |
样本外回测及模型优化
- 基金组合回测结果：在2018年上半年，基金组合的绝对收益为-3.37%，但相较全部基金等权组合和沪深300指数，取得了正的超额收益，分别为4.64%和9.53%。
- 波动率与最大回撤：基金组合在波动率和最大回撤方面表现优于市场基准。
- 动量组合优化：引入动量组合优化后，基金组合的绝对收益提高0.4%，年化波动率下降，但效果存在不确定性，各月份表现差异较大。
风险提示
- 模型失效风险：筛选模型的有效性依赖于历史数据，可能无法准确预测未来表现。
- 市场波动风险：市场行情变化可能影响基金组合收益。
- 市场风格变化风险：市场风格变化可能影响基金筛选指标的有效性。
模型构建与指标选择
最终，基于IC值测试和分层回测，筛选出以下指标构建基金筛选模型：
- 风险类指标：最大回撤（MaxDrawD12、MaxDrawD36）
- 风险收益类指标：Sharpe比率（Sharpe6、Sharpe12、Sharpe36）、Sortino比率（Sortino6、Sortino12）、Treynor比率（Treynor6、Treynor12、Treynor36）
结论
通过多因子模型思想筛选出的有效指标，能够帮助投资者构建更优的基金投资组合。然而，模型的有效性仍需在不同市场环境下进一步验证。同时，动量组合的引入虽有助于提升收益，但其效果存在不确定性，需持续观察与调整。
展开完整摘要
试读结束，高清完整版pdf/doc/ppt,请点下载
