偏股型基金的因子测试

1、目录 HYPERLINK l _TOC_250008 FOF 基金的筛选指标 5 HYPERLINK l _TOC_250007 偏股型基金的单因子检测 5 HYPERLINK l _TOC_250006 基金规模因子 5 HYPERLINK l _TOC_250005 收益类因子 8 HYPERLINK l _TOC_250004 风险类因子 14 HYPERLINK l _TOC_250003 投资者结构因子 16 HYPERLINK l _TOC_250002 因子表现汇总 20 HYPERLINK l _TOC_250001 基金组合多因子模型的构建 21 HYPERLINK l _T

2、OC_250000 总结与未来研究方向展望 23表目录表 1：国外优秀多管理人基金的主要筛选指标 5表 2：规模因子收益统计数据 7表 3：历史收益率因子收益统计数据 8表 4：夏普比率因子收益统计数据 10表 5：Alpha 收益因子收益统计数据 12表 6：最大回撤因子收益统计数据 14表 7：最大回撤因子收益统计数据（2019 年后） 15表 8：投资者结构因子收益统计数据 16表 9：因子 IC 汇总 20表 10：基金组合收益统计数据 22表 11：基金组合分年度收益统计 22图目录图 1：基金规模因子分层回测 6图 2：基金规模因子多空收益 6图 3：基金规模因子分年度收益统计 6

3、图 4：基金规模因子分年度跑赢均值概率 6图 5：基金规模因子分层回测（剔除 1 亿以下） 7图 6：基金规模因子多空收益（剔除 1 亿以下） 7图 7：基金规模因子分年度收益统计（剔除 1 亿以下） 7图 8：基金规模因子分年度跑赢均值概率（剔除 1 亿以下） 7图 9：规模因子历史 IC 序列 8图 10：历史收益率因子（6M）分层回测 9图 11：历史收益率因子（6M）多空收益 9图 12：历史收益率因子（6M）分年度收益统计 9图 13：历史收益率因子（6M）分年度跑赢均值概率 9图 14：历史收益率因子（6M）历史 IC 序列 10图 15：夏普比率因子（12M）分层回测 11图 1

4、6：夏普比率因子（12M）多空收益 11图 17：夏普比率因子（12M）分年度收益统计 11图 18：夏普比率因子（12M）分年度跑赢均值概率 11图 19：夏普比率因子（12M）历史 IC 序列 12图 20：Alpha 收益因子（6M）分层回测 13图 21：Alpha 收益因子（6M）多空收益 13图 22：Alpha 收益因子（6M）分年度收益统计 13图 23：Alpha 收益因子（6M）分年度跑赢均值概率 13图 24：Alpha 收益因子（6M）历史 IC 序列 14图 25：最大回撤因子（6M）分层回测 15图 26：最大回撤因子（6M）多空收益 15图 27：最大回撤因子（6

5、M）分年度收益统计 15图 28：最大回撤因子（6M）分年度跑赢均值概率 15图 29：最大回撤因子（6M）历史 IC 序列 16图 30：机构持有占比因子分层回测 17图 31：机构持有占比因子多空收益 17图 32：机构持有占比因子分年度收益统计 17图 33：机构持有占比因子分年度跑赢均值概率 17图 34：机构持有占比因子历史 IC 序列 18图 35：基金从业者持有占比因子分层回测 18图 36：基金从业者持有占比因子多空收益 18图 37：基金从业者持有占比因子分年度收益统计 19图 38：基金从业者持有占比因子分年度跑赢均值概率 19图 39：基金从业者持有占比因子历史 IC 序

6、列 19图 40：因子相关性检测 21图 41：同一因子不同时间段相关性检测 21图 42：风险预算模型历史收益 22FOF 基金的筛选指标香港交易所首席中国经济学家、中国银行业协会首席经济学家巴曙松及招商资管（香港）有限公司总经理白海峰于多管理人基金（FOF/MOM）投资模式与金融科技应用展望一文中，构建了一套多因子考量基金管理的架构与流程。表 1： 国外优秀多管理人基金的主要筛选指标定量指标定性指标绝对收益指标：基金近一年、三年、五年以及今年以来的绝对收益，分红情况风险调整收益指标：alpha、夏普比率、特雷诺、信息比、sortino、beta、R squared比较指标：是否实现超额收益

7、规模：规模及年增长率风险指标：年波动率、季度最大回撤、年度最大回撤、回撤幅度、回撤时长费用比率：管理费、认购费、托管费运营指标：基金经理流动性、基金公司合规性、外部评级等公司素质：投资理念、股权结构、资产管理规模等投研团队：成员构成、从业经验、研究深度、激励机制、执行力、人员流动频率等投研流程：投委会构成、投资决策流程、投资风控制度等投资组合：投资风格、投资地域敞口、仓位管理、底层资产研究、透明度、流动性、交易对手风险、市场波动带来的潜在风险等投资业绩：相较同业、公司其他产品表现管理水平：管理层素质、员工素质、公司组织制度、人力资源管理等各项制度历史经营状况：财务状况、基金净资产值、基金历年分

8、红情况、基金各种费用及成本资料来源：清华金融评论，本文中，我们选择了规模因子、收益类因子、风险类因子和持有人结构因子，对偏股型基金的进行因子测试，并构建投资组合。偏股型基金的单因子检测基金规模因子多种研究表明，基金规模与基金未来业绩呈现负相关关系，究其原因，可能是因为规模较大基金面临一定的调仓困难，且规模较小基金有更大的动力提高业绩。单因子分层回测印证了这种观点。为排除极端数据影响，回测时使用的数据全部为各组基金收益的中位数。我们还统计了各组基金跑赢均值的概率，以避免收益两极分化的情况。图 1：基金规模因子分层回测图 2：基金规模因子多空收益资料来源：Wind，资料来源：Wind，图 3：基金

9、规模因子分年度收益统计图 4：基金规模因子分年度跑赢均值概率资料来源：Wind，资料来源：Wind，通过以上回测可以看出，基金规模和未来业绩大体呈现负相关关系，但是由于规模过小基金面临清盘风险，所以我们在剔除当期规模 1 亿以下的基金后重新做了回测，剔除规模 1 亿以下的基金后，小规模组基金的超额收益更加稳定。图 5：基金规模因子分层回测（剔除 1 亿以下）图 6：基金规模因子多空收益（剔除 1 亿以下）资料来源：Wind，表 2：规模因子收益统计数据资料来源：Wind，累计收益年化收益波动率最大回撤夏普比率胜率SCALE302.6%14.3%23.1%41.6%0.61961.6%AVERA

10、GE236.2%12.3%22.6%42.0%0.5470.0%资料来源：Wind，图 7：基金规模因子分年度收益统计（剔除 1 亿以下）图 8：基金规模因子分年度跑赢均值概率（剔除 1 亿以下）资料来源：Wind，资料来源：Wind，通过计算规模因子与不同时间长度的未来收益的 IC 序列，可以看出，当未来收益的时间段大于 3 个月之后，IC 基本呈现稳定的负相关关系。仅仅 2017 年出现过一小段时间的反转。图 9：规模因子历史 IC 序列资料来源：Wind，收益类因子我们统计了不同时间长度的各种收益类因子与基金未来 3 个月收益的关系。总体来看，各种收益类因子均表现出较强的收益能力。历史收

11、益率我们统计了过去 1 个月、3 个月、6 个月、1 年、2 年、3 年的基金历史收益率，与基金未来 3 个月收益率的关系，各个因子均表现出较强收益能力，总体来看，6 个月的历史收益率在各项指标上表现最好。表 3：历史收益率因子收益统计数据累计收益年化收益波动率最大回撤夏普比率胜率RRI1M286.9%13.9%24.1%40.3%0.57752.8%RRI3M236.4%12.4%24.6%50.9%0.50352.8%RRI6M318.8%14.7%23.4%43.1%0.63060.8%RRI1Y298.1%14.2%23.7%45.2%0.59956.0%RRI2Y299.9%14.2

12、%23.8%44.7%0.59761.6%RRI3Y269.6%13.4%23.8%44.8%0.56364.0%AVERAGE236.2%12.3%22.6%42.0%0.5470.0%资料来源：Wind，通过历史回测可以发现，历史收益率因子在 2015 年表现有所回撤，其余年份均表现较好。可能与 2014 年底至 2015 年年初，市场风格由大市值向小市值转换有关。图 10：历史收益率因子（6M）分层回测图 11：历史收益率因子（6M）多空收益资料来源：Wind，资料来源：Wind，图 12：历史收益率因子（6M）分年度收益统计图 13：历史收益率因子（6M）分年度跑赢均值概率资料来源：W

13、ind，资料来源：Wind，通过计算规模因子与不同时间长度的未来收益的 IC 序列，可以看出，当未来收益的时间段大于 3 个月之后，IC 基本呈现稳定的负相关关系。即使在分层回测收益不佳的 2015 年，IC 值依旧大部分时间表现为正。图 14：历史收益率因子（6M）历史 IC 序列资料来源：Wind，夏普比率我们统计了过去 3 个月、6 个月、1 年、2 年、3 年的基金夏普比率，与基金未来 3 个月收益率的关系，各个因子均表现出较强收益能力，总体来看，12 个月的夏普比率在各项指标上表现最好。表 4：夏普比率因子收益统计数据累计收益年化收益波动率最大回撤夏普比率胜率SHARPE3M291.

14、8%14.0%23.2%42.6%0.60455.2%SHARPE6M306.2%14.4%22.4%40.2%0.64261.6%SHARPE12M309.4%14.5%22.3%40.3%0.65157.6%SHARPE2Y303.9%14.3%22.6%40.1%0.63459.2%SHARPE3Y276.5%13.6%23.0%42.7%0.59161.6%AVERAGE236.2%12.3%22.6%42.0%0.5470.0%资料来源：Wind，与其他收益类因子类似，夏普比率因子在 2015 年表现有所回撤，其余年份均表现较好。图 15：夏普比率因子（12M）分层回测图 16：夏普

15、比率因子（12M）多空收益资料来源：Wind，资料来源：Wind，图 17：夏普比率因子（12M）分年度收益统计图 18：夏普比率因子（12M）分年度跑赢均值概率资料来源：Wind，资料来源：Wind，通过计算规模因子与不同时间长度的未来收益的 IC 序列可以看出，夏普比率因子的稳定性较强，与未来各个时间段基金收益基本呈现正相关关系。图 19：夏普比率因子（12M）历史 IC 序列资料来源：Wind，Alpha 收益我们统计了过去 3 个月、6 个月、1 年、2 年、3 年的基金 Alpha 收益（相对沪深 300 指数），与基金未来 3 个月收益率的关系，各个因子均表现出较强收益能力，总体来

16、看，6 个月的 Alpha 收益在各项指标上表现最好。表 5：Alpha 收益因子收益统计数据累计收益年化收益波动率最大回撤夏普比率胜率ALPHA3M264.8%13.2%24.8%47.9%0.53359.2%ALPHA6M335.3%15.2%24.6%44.5%0.61659.2%ALPHA12M311.4%14.5%24.6%47.3%0.59259.2%ALPHA2Y299.5%14.2%24.5%45.9%0.58259.2%ALPHA3Y293.7%14.1%24.3%44.9%0.57968.8%AVERAGE236.2%12.3%22.6%42.0%0.5470.0%资料来源

17、：Wind，相比于历史收益率因子和夏普比率因子，Alpha 因子在 2015 年回撤较小，表现出了更好的稳定性。图 20：Alpha 收益因子（6M）分层回测图 21：Alpha 收益因子（6M）多空收益资料来源：Wind，资料来源：Wind，图 22：Alpha 收益因子（6M）分年度收益统计图 23：Alpha 收益因子（6M）分年度跑赢均值概率资料来源：Wind，资料来源：Wind，通过计算规模因子与不同时间长度的未来收益的 IC 序列可以看出，Alpha 收益率因子的稳定性较强，与未来各个时间段基金收益基本呈现正相关关系。图 24：Alpha 收益因子（6M）历史 IC 序列资料来源：

18、Wind，风险类因子我们统计了不同时间长度的最大回撤因子与基金未来 3 个月收益的关系。2019年之前，最大回撤与基金收益呈现正相关关系，即最大回撤越大、基金未来收益越高。2019 年之后，因子收益出现了反转，最大回撤越小的基金，在未来更加可能取得更好的收益。表 6：最大回撤因子收益统计数据累计收益年化收益波动率最大回撤夏普比率胜率MDD3M300.8%14.3%20.4%38.6%0.70155.2%MDD6M253.6%12.9%19.6%35.6%0.65848.8%MDD12M260.3%13.1%19.4%35.1%0.67648.0%AVERAGE236.2%12.3%22.6%4

19、2.0%0.5470.0%资料来源：Wind，通过下面各图可以明显看出收益反转的情况。图 25：最大回撤因子（6M）分层回测图 26：最大回撤因子（6M）多空收益资料来源：Wind，资料来源：Wind，图 27：最大回撤因子（6M）分年度收益统计图 28：最大回撤因子（6M）分年度跑赢均值概率资料来源：Wind，资料来源：Wind，针对 2019 年后的数据做回测，选取最大回撤较小的一组，各组因子明显跑赢均值，且稳定性较高。其中表现相对更好的为 6 个月最大回撤。表 7：最大回撤因子收益统计数据（2019 年后）累计收益年化收益波动率最大回撤夏普比率胜率MDD3M205.3%56.3%21.9

20、%11.6%2.5763.3%MDD6M224.3%60.1%22.0%12.4%2.7366.7%MDD12M205.6%56.3%22.7%14.0%2.4966.7%AVERAGE171.5%49.1%19.1%9.8%2.570.0%资料来源：Wind，观察该因子的历史 IC 序列，也可以看出较为明显的收益反转情况。图 29：最大回撤因子（6M）历史 IC 序列资料来源：Wind，投资者结构因子我们测试了基金上季度机构持有占比、与基金从业者持有占比两个因子。两个因子均取得了较好的选股效果。机构持有者、基金从业者持有占比更高的基金，未来更有可能取得较好收益。其中基金从业者持有占比因子的稳

21、定性与收益能力要高于机构持有占比因子。表 8：投资者结构因子收益统计数据累计收益年化收益波动率最大回撤夏普比率胜率机构持仓291.1%14.0%22.6%41.7%0.61962.4%基金持仓317.8%14.7%23.0%40.5%0.63962.4%AVERAGE236.2%12.3%22.6%42.0%0.5470.0%资料来源：Wind，机构持有占比因子总体来看，机构持有占比因子可以取得正收益，但是在 2019 年后收益能力的稳定性有所下降。图 30：机构持有占比因子分层回测图 31：机构持有占比因子多空收益资料来源：Wind，资料来源：Wind，图 32：机构持有占比因子分年度收益统

22、计图 33：机构持有占比因子分年度跑赢均值概率资料来源：Wind，资料来源：Wind，因子的历史 IC 序列也表明了相同的情况，2017 年后，因子的 IC 值便不再稳定。图 34：投资者结构因子历史 IC 序列资料来源：Wind，基金从业者持有占比因子基金从业者持有占比因子呈现更加稳定的收益能力，且一直有效。图 35：基金从业者持有占比因子分层回测图 36：基金从业者持有占比因子多空收益资料来源：Wind，资料来源：Wind，图 37：基金从业者持有占比因子分年度收益统计图 38：基金从业者持有占比因子分年度跑赢均值概率资料来源：Wind，资料来源：Wind，基金从业者持有占比因子 IC 稳

23、定性较好。图 39：基金从业者持有占比因子历史 IC 序列资料来源：Wind，因子表现汇总我们还考察了各个因子与不同时间段基金未来收益的相关性。其中 IC 均值代表相关性大小，IRIC 为 IC 均值与 IC 标准差的比，代表IC 值的稳定性，IC0 的概率同样刻画了相关性的稳定性，理想状态下，该值越接近 0 或 1 越好。总体来看，当未来收益的时间段拉长，各个因子的收益稳定性大体呈现上升趋势。基于此，我们建议基金组合应采取更长的投资周期，降低调仓频率。下文的组合构建中，我们选择了 3 个月的调仓频率。表 9：因子 IC 汇总1M3M6M12MIC 平均值IRICIC0概率IC 平均值IRIC

24、IC0概率IC 平均值IRICIC0 概率IC 平均值IRICIC0概率SCALE-0.03-0.30.39-0.05-0.540.26-0.08-0.870.18-0.12-1.210.15RRI1M0.080.290.610.060.210.630.060.250.610.070.340.65RRI3M0.060.210.60.050.210.610.090.40.660.10.460.65RRI6M0.070.290.670.090.370.640.120.590.730.120.630.75RRI1Y0.080.380.650.090.450.70.110.660.750.10.660

25、.76RRI2Y0.060.330.620.070.430.680.090.70.790.080.770.84RRI3Y0.050.360.670.060.480.730.080.720.810.070.720.75SHARP3M0.070.280.620.070.30.640.10.430.680.120.610.72SHARP6M0.070.320.650.090.410.660.120.620.710.130.860.79SHARP1Y0.080.420.680.10.550.750.130.840.80.120.950.85SHARP2Y0.060.380.620.080.550.74

26、0.10.830.790.111.030.87SHARP3Y0.050.410.660.070.580.750.090.860.840.090.990.83MDD3M0.050.170.590.090.360.630.10.470.720.120.510.71MDD6M0.030.120.530.070.30.610.10.440.680.110.530.68MDD12M0.040.150.520.080.370.670.110.570.690.090.480.67ALPHA3M0.070.260.630.070.260.590.10.440.650.110.530.66ALPHA6M0.09

27、0.360.650.10.440.670.130.680.720.130.810.82ALPHA1Y0.090.430.680.10.530.690.120.770.810.10.780.82ALPHA2Y0.060.350.650.070.470.690.090.720.770.080.830.83ALPHA3Y0.050.380.680.060.50.730.080.780.780.070.790.77机构0.020.320.610.040.530.680.050.650.680.060.660.74基金0.030.470.690.060.780.810.081.140.870.11.40

28、.93资料来源：Wind，基金组合多因子模型的构建先构建选股模型之前，首先对各个因子做相关性检测，可以看出，各种收益类因子的相关性非常高，而其他因子间相关性均较低。不同时间段的同一因子进行相关性检测，彼此相关性较高，但依然可以提供一定的增量信息。图 40：因子相关性检测图 41：同一因子不同时间段相关性检测资料来源：Wind，资料来源：Wind，综合相关性测试结果，以及单因子回测结果，在收益类因子中，我们选择表现较好的 12 个月夏普比率因子和 6 个月 Alpha 因子合成收益类因子。除此之外，我们选择规模因子、6 个月最大回撤因子和基金从业者持有占比因子。采取等权的形式，以 3 个月调仓的频率构建