FOF研究系列：组合分析模型及工具介绍-20181129-东北证券-15页

FOF研究系列：组合分析模型及工具介绍总结

核心内容

本报告介绍了股票和债券组合分析模型及相应的组合分析工具，旨在为FOF（基金中基金）研究提供基础支持。报告主要分为股票组合分析、债券组合分析和分析工具使用说明三部分。

主要观点

• 基于历史收益的分析方法存在较大弊端，需结合具体持仓进行相关分析。
• 股票组合分析可以基于持仓或净值进行，分别对应多因子模型和时间序列回归。
• 债券组合分析同样分为基于持仓和基于净值两种方法，分别采用Campisi模型和时间序列回归。
• 组合分析工具提供了便捷的本地和在线数据处理功能，支持多种分析任务。

关键信息

股票组合分析

基于持仓

• 利用多因子模型将个股收益拆分为共有收益和特质收益。
• 对于给定权重的组合，可拆分为风格因子收益贡献和风险贡献。
• 组合暴露值、收益贡献和风险贡献可通过公式计算得出：
  $$
  R_p = \sum_{k=1}^{K} \psi_k f_k + \sum_{n=1}^{N} w_n u_n
  $$
  $$
  \sigma_p = \sqrt{\psi' F \psi + w' \Lambda w}
  $$
• 定义了边际风险贡献（MCR）和风险贡献（RC）：
  $$
  MCR_k = \frac{\partial \sigma_p}{\partial \psi_k}
  $$
  $$
  CR_k = \psi_k MCR_k
  $$

基于净值

• 通过时间序列回归，将股票组合净值收益率序列对10个因子（市值、贝塔、动量、波动率、BP、非线性市值、流动性、盈利、成长和杠杆）进行分析，得到风格暴露值。
• 该方法结果更具时效性，但准确度相对较低，通常作为持仓分析的辅助工具。

债券组合分析

基于持仓

• 使用Campisi模型，将个券（组合）区间收益拆分为：
  • 息票效应：来自债券利息收入。
  • 国库券效应：来自国债收益率变动引致的价格变动。
  • 利差效应：来自信用利差变动引致的价格变动。
  • 选择效应：来自其他因素对价格的影响。
• 公式表示如下：
  $$
  r_i = I_{ri} + D_{ri}(-\Delta y^t) + D_{ri}(-\Delta y s_i) + \varepsilon_i
  $$
  $$
  b_i = I_{bi} + D_{bi}(-\Delta y^t) + D_{bi}(-\Delta y s_i)
  $$

基于净值

• 通过时间序列回归，将债券组合收益归到以下8个因子：
  • alpha
  • level（利率水平变动）
  • slope（收益率曲线斜率变动）
  • convex（凸性变动）
  • credit（信用利差波动）
  • default（违约风险）
  • convert（可转债属性）
  • currency（货币收益）
• 该方法与股票组合分析类似，用于追踪组合风格。

组合分析工具

• 工具支持：
  • 在线获取股票持仓数据。
  • 本地获取股票持仓数据（需特定格式）。
  • 本地获取股票净值数据。
  • 本地获取债券持仓数据（需特定格式）。
  • 本地获取债券净值数据。
  • 提取区间因子收益率（如CNE5和CNE6风格因子）。
• 工具界面展示见图4，功能清晰，操作简便。
• 数据导出后可生成Excel表格，便于进一步分析和使用。

分析工具使用说明

1. 在线获取股票持仓数据：勾选所需数据，点击“数据获取”按钮，完成数据获取后进行分析。
2. 本地获取股票持仓数据：选择路径及文件，数据格式见图6，权重需为市值或权重。
3. 本地获取股票净值数据：选择路径及文件，数据格式见图8，需包含交易日和净值收益率。
4. 本地获取债券持仓数据：数据格式见图10，需包含报告期、债券代码、权重、债券简称。
5. 本地获取债券净值数据：数据格式见图12，需包含交易日和组合净值收益率。
6. 提取区间因子收益率：勾选所需数据，确定区间，点击“提取数据”即可获取。

总结

本报告详细介绍了股票和债券组合分析的两种方法：基于持仓和基于净值。股票组合分析采用多因子模型和时间序列回归，而债券组合分析采用Campisi模型和时间序列回归。分析工具为用户提供了便捷的数据获取和分析功能，支持本地和在线数据处理，便于快速得到组合风格暴露值、收益贡献和风险归因等结果。