FOF研究系列之二：偏股型基金的因子测试-20210630-渤海证券-26页_1mb

偏股型基金的因子测试总结

核心内容概述

本报告围绕偏股型基金的因子测试与投资组合构建，选取了规模因子、收益类因子、风险类因子和投资者结构因子，进行系统分析与回测。通过因子筛选与组合构建，发现模型在多数年份表现优于偏股型基金指数与沪深300指数，具有一定的稳定性与超额收益能力。

主要观点

• 规模因子：基金规模与未来业绩呈现负相关关系。剔除规模小于1亿的基金后，小规模组基金的超额收益更加稳定。
• 收益类因子：历史收益率、夏普比率、Alpha因子均表现出较强的收益能力。其中，6个月的Alpha因子与12个月的夏普比率因子表现最佳。
• 风险类因子：在2019年之前，最大回撤与基金收益呈正相关；2019年之后，最大回撤越小的基金未来收益越高，因子收益出现反转。
• 投资者结构因子：机构持有占比和基金从业者持有占比均能提升基金收益，但基金从业者持有占比因子在稳定性与收益能力上更优。
• 因子组合构建：综合相关性测试与单因子回测结果，构建包含12个月夏普比率因子、6个月Alpha因子、规模因子、6个月最大回撤因子和基金从业者持有占比因子的多因子模型，采用等权方式，以3个月为调仓周期，显著跑赢基准指数。

关键信息

1. 基金规模因子

• 相关性：与未来收益呈负相关，且IC值随时间延长趋于稳定。
• 回测结果：剔除规模小于1亿的基金后，小规模组基金超额收益更稳定。
• 统计指标：
  • SCALE：累计收益302.6%，年化收益14.3%，波动率23.1%，最大回撤41.6%，夏普比率0.619，胜率61.6%。
  • AVERAGE：累计收益236.2%，年化收益12.3%，波动率22.6%，最大回撤42.0%，夏普比率0.547，胜率0.0%。

2. 收益类因子

• 历史收益率因子：
  • RRI6M：累计收益318.8%，年化收益14.7%，波动率23.4%，最大回撤43.1%，夏普比率0.630，胜率60.8%。
  • 2015年表现有所回撤，可能与市场风格转换有关。
• 夏普比率因子：
  • SHARPE12M：累计收益309.4%，年化收益14.5%，波动率22.3%，最大回撤40.3%，夏普比率0.651，胜率57.6%。
  • 2015年表现回撤，但IC值稳定，且在2019年后表现更佳。
• Alpha因子：
  • ALPHA6M：累计收益335.3%，年化收益15.2%，波动率24.6%，最大回撤44.5%，夏普比率0.616，胜率59.2%。
  • 在2015年表现更稳定，回撤较小。

3. 风险类因子

• 最大回撤因子：
  • MDD6M：累计收益253.6%，年化收益12.9%，波动率19.6%，最大回撤35.6%，夏普比率0.658，胜率48.8%。
  • 2019年之前最大回撤与收益呈正相关；2019年之后因子收益反转，最大回撤越小收益越高。
• 2019年后数据回测：
  • MDD6M：累计收益224.3%，年化收益60.1%，波动率22.0%，最大回撤12.4%，夏普比率2.73，胜率66.7%。

4. 投资者结构因子

• 机构持有占比因子：
  • 累计收益291.1%，年化收益14.0%，波动率22.6%，最大回撤41.7%，夏普比率0.619，胜率62.4%。
  • 2019年后收益稳定性有所下降。
• 基金从业者持有占比因子：
  • 累计收益317.8%，年化收益14.7%，波动率23.0%，最大回撤40.5%，夏普比率0.639，胜率62.4%。
  • 稳定性与收益能力优于机构持有占比因子。

5. 多因子模型构建

• 因子选择：
  • 收益类：12个月夏普比率因子、6个月Alpha因子。
  • 风险类：6个月最大回撤因子。
  • 规模类：规模因子。
  • 结构类：基金从业者持有占比因子。
• 调仓频率：采用3个月调仓频率。
• 组合表现：
  • 不同数量的基金组合（10支、20支、30支、50支）均能显著跑赢偏股型基金指数与沪深300指数。
  • N=10：累计收益435.4%，年化收益17.5%，波动率26.5%，最大回撤42.2%，夏普比率0.659，胜率58.4%。
  • N=50：累计收益404.7%，年化收益16.8%，波动率24.7%，最大回撤42.7%，夏普比率0.680，胜率60.0%。
  • 偏股型基金指数：累计收益236.2%，年化收益12.3%，波动率22.6%，最大回撤42.0%，夏普比率0.547，胜率57.6%。
  • 沪深300指数：累计收益68.7%，年化收益5.2%，波动率22.6%，最大回撤40.6%，夏普比率0.228，胜率0.0%。

6. 因子相关性检测

• 收益类因子：相关性高，但提供一定的增量信息。
• 其他因子：相关性较低，可作为补充。
• 不同时间段相关性：同一因子在不同时间段相关性较高，但有所差异。

未来研究方向

• 因子种类与基金种类：进一步挖掘更多因子和基金类型，完善渤海证券FOF投资体系。
• 模型优化：关注市场环境变化对模型的影响，提升模型的适应性与稳定性。

风险提示

• 随着市场环境变化，模型存在失效风险，需持续监控与优化。