20181213-天风证券-基金专题报告_基金的风格划分及增强FOF组合构建研究_20页_2mb

基金研究总结

核心内容

本报告研究了基金的风格划分及增强FOF组合构建方法，旨在通过量化模型构建一个能够稳定跑赢样本基金收益中位数的FOF组合。研究的核心在于通过模拟持仓归因法，结合行业配置、风格配置和仓位管理三个维度的风险度量指标，以及基于选股能力的加权选股Alpha因子，提升FOF组合的收益预测能力和稳定性。

主要观点

• 市场风格切换：市场风格（尤其是大小盘和价值成长风格）频繁切换，导致单纯依靠权益类基金难以构建稳定的绝对收益型FOF。
• 信息获取限制：基金公开信息有限，主要包括净值和持仓数据，净值回归法分析频次高但准确度低，持仓归因法准确度高但分析频次低。
• 模拟持仓归因法：该方法结合重仓股信息和证监会行业配置数据，在每个季度结束后的下一个月末进行模拟持仓估计，从而在保证准确度的同时提升分析的频次和时效性。
• 风险度量指标：构建基金的风险度量指标，包括行业配置、风格配置和仓位管理，用于评估基金在不同维度上的风险暴露。
• 收益度量指标：引入加权选股Alpha因子，通过剥离风格影响并采用衰减加权法提升因子有效性，因子的IC值整体较好，具有较好的预测能力。
• 增强FOF组合策略：以最大化加权选股Alpha为目标，构建带有行业、风格、仓位和基金权重约束的组合优化模型，实证表明增强FOF组合能够稳定跑赢基准，超额收益更加稳定。

关键信息

基金信息获取

• 净值VS持仓：净值数据高频但偏差大，持仓数据低频但准确度高。
• 模拟持仓归因法：
  • 基于证监会行业配置信息，估算非重仓股信息。
  • 在每个季度结束后的下一个月末进行模拟持仓估计。
  • 提取基金的前十大重仓股信息，结合历史持仓数据，估算基金的行业和风格配置。

基金风险特征度量

• 行业配置特征：
  • 使用Wind行业分类，行业权重分布较为均匀。
  • 模拟持仓归因法在行业配置估计上的平均相关性在0.95以上，平均偏离度在1.5%以下。
• 风格配置特征：
  • 基于晨星风格箱方法，构建适应中国市场的风格配置识别模型。
  • 模拟持仓归因法在风格配置估计上的平均相关性在0.92以上，平均偏离度在3%以下。
• 仓位管理特征：
  • 基金的仓位信息直接来源于季报。
  • 主动偏股型基金的平均仓位变化趋势与市场波动相关。

基金收益度量指标

• 选股Alpha因子：
  • 通过剥离风格影响，使用加权选股Alpha因子衡量基金经理的选股能力。
  • 采用衰减加权法，提升因子有效性。
  • IC均值为0.10，年化ICIR为1.26，因子具有较好的预测能力。

增强FOF组合策略

• 组合优化模型：
  • 在最大化加权选股Alpha的前提下，对行业暴露、风格暴露、仓位控制和基金权重进行约束。
  • 基准为每期主动偏股型基金的平均配置。
• 实证结果：
  • 因子选基组合长期跑赢基准指数，但相对强弱曲线波动较大。
  • 增强FOF组合每年均能稳定跑赢基准指数，年化超额收益为4.65%，近年来超额收益越发稳定。
  • 2009年2月至2018年11月，增强FOF组合累计超额收益为86.79%，优于因子选基组合的59.64%。

优化与展望

• 模型优化空间：在选基因子构建、组合优化模型约束条件设置等方面仍有优化空间。
• 未来研究方向：将进一步优化模型，提高其稳健性和适应性。
• 风险提示：本报告基于历史数据，市场结构调整和基金风格变动可能导致模型失效。

结论

本报告通过模拟持仓归因法，构建了基于行业配置、风格配置和仓位管理的风险度量指标，并引入加权选股Alpha因子，提出了增强FOF组合策略。实证研究表明，该策略在不同市场环境下均能稳定跑赢基准，具有良好的增强效果，为构建相对收益型FOF组合提供了参考。