目标指数增强类基金的识别及FOF组合构建研究

1、内容目录 HYPERLINK l _TOC_250014 引言 4 HYPERLINK l _TOC_250013 指数化投资已成为一种趋势 4 HYPERLINK l _TOC_250012 A 股市场仍存在显著的 Alpha 收益 4 HYPERLINK l _TOC_250011 指数增强类基金的介绍 5 HYPERLINK l _TOC_250010 小结 6 HYPERLINK l _TOC_250009 目标指数的增强类基金识别模型 6 HYPERLINK l _TOC_250008 基准指数匹配模型 8 HYPERLINK l _TOC_250007 Alpha 收益预测模型 9

2、 HYPERLINK l _TOC_250006 2.3. 小结 11 HYPERLINK l _TOC_250005 实证研究 11 HYPERLINK l _TOC_250004 沪深 300 指数增强 FOF 组合构建 11 HYPERLINK l _TOC_250003 中证 500 指数增强 FOF 组合构建 16 HYPERLINK l _TOC_250002 中证 1000 指数增强 FOF 组合构建 18 HYPERLINK l _TOC_250001 总结与展望 21 HYPERLINK l _TOC_250000 风险提示 21图表目录图 1：美国指数型产品占共同基金市场规

3、模比例变化对比 4图 2：美国指数型和主动型产品资金流入流出对比（单位:十亿美元） 4图 3：2005 年以来不同国家、地区指数型产品的数量和规模年复合增长率统计 4图 4：A 股投资者持股市值占比统计 5图 5：A 股投资者交易占比统计 5图 6：指数增强类基金的构成 6图 7：指数增强类基金的收益构成 7图 8：模拟基准构建法示意图 7图 9：模拟基准指数匹配模型示意图 8图 10：基金 Alpha 收益来源 9图 11：隐性信息比率因子的 RankIC 序列 10图 12：隐性信息比率因子的分组年化超额收益平均值统计 10图 13：不同月份调仓策略的分组年化超额收益统计(10 组，隐性信

4、息比率因子) 10图 14：目标指数的增强类基金池筛选框架示意图 11图 15：沪深 300 指数增强基金池每期数量 12图 16：沪深 300 指数增强基金池组合的净值走势图 12图 17：沪深 300 指数增强 FOF 组合的净值走势图（20091231-20200731） 14图 18：沪深 300 指数增强 FOF 组合每期持仓基金数量 15图 19：中证 500 指数增强 FOF 组合的净值走势图（20141231-20200731） 16图 20：中证 500 指数增强 FOF 组合每期持仓基金数量 17图 21：中证 1000 指数增强 FOF 组合的净值走势图（20151231

5、-20200731） 19图 22：中证 1000 指数增强 FOF 组合每期持仓基金数量 20表 1：股票指数和基金指数近十年的年化收益率和波动率统计（20100801-20200731） 5表 2：隐性信息比率因子的 RankIC 序列统计信息 10表 3：沪深 300 指数增强基金池组合的各年度收益和风险统计 13表 4：沪深 300 指数增强 FOF 组合的各年度收益和风险统计 14表 5：沪深 300 指数增强 FOF 组合最新持仓基金及配置权重 15表 6：中证 500 指数增强 FOF 组合的各年度收益和风险统计 17表 7：中证 500 指数增强 FOF 组合最新持仓基金及配置

6、权重 17表 8：中证 1000 指数增强 FOF 组合的各年度收益和风险统计 19表 9：中证 1000 指数增强 FOF 组合最新持仓基金及配置权重 20引言指数化投资已成为一种趋势截至 2019 年底，美国共同基金市场资产规模接近 22 万亿美元。近十年来，美国共同基金发生了结构性变化，主动股票型基金占比由 82 降为 61 ，而以指数基金和 ETF 为代表的指数型产品占比由 18提升至 38，且指数型产品长期保持着资金净流入。图 1：美国指数型产品占共同基金市场规模比例变化对比图 2：美国指数型和主动型产品资金流入流出对比（单位:十亿美元）主动股票型基金指数股票型基金股票型ETF61%

7、19%19%82%10%8%2019年2009年0%20%40%60%80%100%资料来源：ICI，天风证券研究所注：因小数的四舍五入，使得加和不一定等于 100%。资料来源：ICI，天风证券研究所截至 2020 年 7 月底，我国指数型产品的规模超过了 1.4 万亿元。近年来，我国指数型产品得到了飞速发展，已成为市场中非常重要的产品类别，指数化投资已经成为一种趋势。根据中证指数公司的统计，我国指数型产品数量和市场规模的年复合增长率均达到了 30以上。与同期美国和亚太地区相比，我国指数型产品数量与规模实现了快速扩容，但在绝对规模水平上仍然存在较大提升空间。图 3：2005 年以来不同国家、地

8、区指数型产品的数量和规模年复合增长率统计数量规模数量规模中国美国亚太地区15%0%资料来源：中证指数公司指数化投资发展趋势与展望，天风证券研究所A 股市场仍存在显著的 Alpha 收益事实上，在美国长期牛市背景下指数化投资的赚钱效应明显，坚持投资指数型产品是可以获得很好收益的，例如：过去十年中标普 500 指数年化收益率达到了 11.50 ，纳斯达克指数的年化收益率为 16.90 ，均表现较为优异。然而 A 股市场中的宽基指数虽然大幅跑赢了上证综指，但表现并不突出，过去十年沪深 300 指数的年化收益率仅为 5.05 ，中证 500 指数的年化收益率为 4.61 ，且 A 股宽基指数的波动更大

9、。由此可见，在 A 股市场中长期持有宽基指数并不能获得较高的收益，这与美股市场存在一定差异。指数代码指数名称累计收益率年化收益率年化波动率SPX.GI标普 500196.9411.5017.30IXIC.GI纳斯达克指数376.5716.9019.12000001.SH上证综指25.502.3021.50000300.SH沪深 30063.665.0523.12000905.SH中证 50056.994.6126.79表 1：股票指数和基金指数近十年的年化收益率和波动率统计（20100801-20200731）美股指数A 股指数A 股基金指数885000.WI普通股票型基金指数215.2012

10、.1722.76885001.WI偏股混合型基金指数178.9010.8021.13资料来源：Wind，天风证券研究所同时，当我们将宽基指数与主动基金指数比较时，可以发现 A 股市场中主动基金的投资价值更高。主动基金指数的年化收益率超过了 10，A 股市场中依然存在显著的 Alpha收益。主要原因是，我国股市的交易主要是由个人投资者贡献的。根据 2010 年至 2019 年上海证券交易所统计年鉴，2010 年以来自然人以约 20持有市值创造了超过 80的交易占比，其交易量远超过专业机构投资者。然而机构投资者无论是在信息获取还是投研能力上都拥有明显优势，因而在 A 股市场目前是存在显著的 Alp

11、ha 收益的。机构投资者拥有信息优势和突出的投资能力，能获取更多的 Alpha 收益，从而使得管理的主动基金业绩表现更加突出。图 4：A 股投资者持股市值占比统计图 5：A 股投资者交易占比统计自然投资人一般法人沪通股专业机构自然投资人一般法人沪通股专业机构100%90%80%70%60%50%40%30%20%10%0%201020112012201320142015201620172018100%90%80%70%60%50%40%30%20%10%0%20102011201220132014201520162017资料来源：上海证券交易所官网，天风证券研究所资料来源：上海证券交易所官网，

12、天风证券研究所注：上海证券交易所统计年鉴（2019 卷）并未披露 2018 年投资者交易占比。指数增强类基金的介绍指数型产品拥有持仓股票公开透明，费率低等优势，即投资者希望以低成本投资风格稳定的基金产品，以期获得良好的投资收益。由于 A 股市场存在显著的 Alpha 收益，如果能将 Alpha 收益和指数型产品结合，长期投资该类产品便可得到更高的投资收益。事实上，增强指数型基金产品可以满足上述要求。增强指数型基金以力争实现超越目标指数的投资收益为目标，同时会约束跟踪误差和股票投资范围（如投资于目标指数成份股和备选成份股的资产不低于股票资产的 80）。目前，市场上主要采用量化选股方法实现增强指数

13、收益的目标，但也有少部分基金经理采用基本面选股方法管理增强指数型基金。同时，也有部分主动权益型基金以目标指数为基准，追求稳定的超额收益。目前，市场上主要采用基本面选股方法管理主动权益型基金，但也有少部分基金经理采用量化选股方法。相比于增强指数型基金，放宽了跟踪误差和拓展了股票投资范围，目的是发挥主动选股的优势获取更高的超额收益。我们将其与增强指数型基金合在一起，可统称为指数增强类基金。指数增强类基金既满足了投资者对风格稳定基金的偏好，又满足了投资者对更高收益的追求。被动指数型基金指数类基金 指数增强指数型基金权益类基金增强类基金主动类基金主动权益型基金图 6：指数增强类基金的构成注：主动权益型

14、基金包括：普通股票型基金、偏股混合型基金和部分灵活配置型基金等。资料来源：Wind，天风证券研究所小结由上文分析可知，目前指数化投资已成为一种趋势，然而在 A 股市场中宽基指数表现并不突出，主动基金仍存在显著的 Alpha 收益。指数增强类基金将 Alpha 收益和指数型产品结合，既满足了投资者对风格稳定基金的偏好，又满足了投资者对更高收益的追求，长期投资可以获得更高的收益。然而，传统的指数增强类基金主要指的是基于量化选股方法的增强指数型基金，而忽略了市场中诸多基于基本面选股方法的主动权益型基金。因此，本报告试图重新构建指数增强类基金筛选方法，旨在获取更高的投资收益。具体的，本报告将构建增强类

15、基金识别模型，对特定目标指数进行增强类基金池的筛 选并构建增强 FOF 组合，并以市场宽基指数进行相关实证研究。目标指数增强基金筛选模 型的构建，对筛选特定风格的基金提供了新方法，对探索基金经理行为提供了新思路，对 深入开展基金评价和业绩持续性的研究提供了依据，对 FOF 组合构建具有一定的参考意义。目标指数的增强类基金识别模型我们知道，前文中定义的指数增强类基金是跟踪特定目标指数且能获得一定超额收益的权益类基金。因此，考虑到指数增强类基金的特性，我们可以将其收益分解为 Beta 收益（）和 Alpha 收益（）两部分。其中 Beta 收益代表的是目标指数的基准收益，是基金产品的基础收益；而

16、Alpha 收益代表的是相对目标指数的超额收益，是基金经理通过主动管理获得的，体现了基金经理的投资能力。例如，部分基金公司推出的研究精选基金等，该类基金通常依托基金公司强大的研究团队，由研究员精选各行业的好股票，再由投资决策小组参照目标指数进行均衡配置，力争实现基金资产的长期稳健增值。图 7：指数增强类基金的收益构成超额收益基准收益 组合总收益Beta收益Alpha收益资料来源：天风证券研究所由此可知，针对指数增强类基金的筛选关键在于对权益类基金业绩基准的识别。基金的业绩基准可分为合同披露的业绩比较基准和自主构建的业绩比较基准。合同披露的业绩比较基准，是基金产品为自己设定的、可实现的预期目标，

17、作为该产品未来业绩考核的主要参考目标和标准。然而我国部分公募基金产品在业绩比较基准的设定上比较随意，通常会采用常见的宽基指数（如沪深 300 指数等），并未考虑产品管理对标的指数，或产品策略变更也没有及时修改业绩比较基准，进而使得诸多基金的净值与基准指数之间存在较大偏离。自主构建的业绩比较基准，通常可分为指数回归法、因子拟合法和持仓模拟法等。在此前的20200610 天风证券-基金研究：基金的业绩比较基准构建及动态评估研究报告中，我们对比了不同方法的原理和优缺点，提出了更加有效的模拟基准指数法，可以更好地跟踪权益类基金的净值走势。模拟基准指数法，是将基金的股票资产、债券资产、现金及其他资产加权

18、合成构建的基准指数。其中股票资产为主要资产，采用重仓股补全法模拟基金季度持仓替代真实持仓；债券资产则直接使用中证全债指数替代，现金及其他资产直接使用一年期定期存款利率替代。图 8：模拟基准构建法示意图业绩基准持仓加权重仓股补全法近似替代近似替代模拟基准利率指数债券指数模拟组合现金及其他资产债券资产股票资产资料来源：天风证券研究所具体的，针对第0 + 日的价格指数0+，可表示为：NPt t Pt t ,s wt ,i (1 rt t ,i ) t ,b (1 rt t ,b ) t ,c (1 rt t ,c )00 0i 1000000N其中：0 表示0日价格指数点数；0,、0,、0,分别表示

19、0日基金的股票、债券、现金及其他资产的配置比例； wt0 ,i (1 rt0 t ,i ) 、1 rt0 t,b 、1 rt0 t,c 分别表示0到0+日间基i1金的股票、债券、现金及其他资产的累计净值。此外，0,表示0日第（ = 1,2, , ）只=1股票的持仓权重，且0, = 1；0+,表示第只股票在0到0+日间的累计收益率；0+,表示债券资产在0到0+日间的累计收益率；0+,表示现金及其他资产在0到0+日间的累计收益率。此外，我们会定期会对模拟基准进行更新，调整时点定在每个季度结束后的第 15 个交易日。相比于合同披露的业绩基准，模拟基准可作为基金业绩表现参考的锚，紧密跟踪基金净值走势。

20、基于模拟基准，我们提出了针对特定目标指数的增强类基金识别模型。该模型主要包括基准指数匹配模型和 Alpha 收益预测模型两个部分，下面我们将分别展开介绍。基准指数匹配模型针对指数类基金，由于合同会披露跟踪标的指数，可直接将跟踪标的指数与目标指数进行匹配；针对主动类基金，由于既无跟踪标的指数又无有效的业绩基准，并不能直接与目标指数进行匹配。因此，我们将构建基准指数匹配模型进行主动类基金的识别。图 9：模拟基准指数匹配模型示意图指数走势模拟基准指数行业偏离目标指数成份股占比资料来源：天风证券研究所模拟基准指数匹配模型，是引入基金的模拟基准，与目标指数进行相似度匹配来判别的。在相似度刻画上，我们选择

21、了指数走势、行业偏离和成份股占比三个指标。具体的：指数走势 = ( , )其中：表示基金的模拟基准指数序列； 表示目标指数序列；corr(,)表现相关系数计算函数。行业偏离= 1 | |2=1,其中： 表示 t 期基金的模拟基准在第（ = 1,2, , ）个行业上的配置比例，,=1表示 t 期目标指数在第个行业上的配置比例，且,= 1，=1,= 1。,成份股占比1 = , , =1其中： , 表示 t 期基金的第（i = 1,2, , ） 只模拟持仓股票的持仓权重，且=1,= 1；,表示 t 期基金的第只模拟持仓股票是否属于目标指数成份股，, =1，股票是目标指数成份股。0，其它同时，我们希望

22、基金的模拟基准与目标指数间匹配度越高越好。因此，我们可以通过设定阈值确定跟踪目标指数的主动类基金，即基金的模拟基准与目标指数间的走势相关性超过特定阈值、行业偏离度低于特定阈值、成份股占比超过特定阈值。Alpha 收益预测模型Alpha 收益是基金相对基准收益的超额收益，体现了基金经理/投研团队的管理能力，来源包括但不限于资产配置、选股、择时、交易以及打新等等。图 10：基金 Alpha 收益来源资产配置选股择时资料来源：天风证券研究所Alpha 收益度量的是基金净值与业绩基准之间的差值，其中业绩基准我们用更加有效的模拟基准替代。因此，基金的 Alpha 收益可表示为 = = = 其中： 表示基

23、金净值相对业绩基准的超额收益， 表示基金收益率， 表示业绩基准收益率， 表示模拟基准的收益率。 是我们此前20200610 天风证券-基金研究：基金的业绩比较基准构建及动态评估研究报告中提出的隐性超额收益率。事实上，隐性超额收益率体现的是基金经理“未被看见”的综合投资能力，只有基金产品能不断产生隐性超额收益才具有更高的投资价值。主要原因是，模拟基准是基于基金公开持仓数据构建的，如果基金经理无法创造隐性超额收益率，投资者可以“抄作业”复制其基金业绩，而无需支付较高费用购买其基金产品。研究发现，由隐性超额收益率衍生出的隐性类因子均能较好的预测基金未来业绩表现。不失一般性，我们将选择隐性信息比率作为

24、选基因子，构建 Alpha 收益预测模型。隐性信 息比率因子的计算表达式为： = ( , ) 其中： 表示隐性信息比率， 表示基金的收益率， 表示模拟基准的收益率， 表示基金的收益率序列， 表示模拟基准的收益率序列，(,)表示跟踪误差计算函数。隐性信息比率衡量的是基金经风险调整后隐性超额收益的表现，是评估基金经理综合投资能力稳定性的重要指标。接下来我们将对隐性信息比率因子进行有效性检验。表 2：隐性信息比率因子的 RankIC 序列统计信息因子RankIC 均值RankIC 标准差RankIC_IR 值年化 RankIC_IR 值RankIC 胜率隐性信息比率0.1190.0981.2194.

25、22488.06资料来源：Wind，天风证券研究所首先，我们对因子进行 RankIC 检验。即在每个月末利用基金过去一年数据计算因子值，并与基金未来半年收益率计算 RankIC 值。可以发现，隐性信息比率因子均表现较好， RankIC 均值达到了 0.119，标准差为 0.098，胜率在 85 以上，RankIC_IR 值超过了 1。从下面的 RankIC 序列统计图可以发现，隐性信息比率因子长期表现较好，且整体而言局部反转并不明显。图 11：隐性信息比率因子的 RankIC 序列图 12：隐性信息比率因子的分组年化超额收益平均值统计隐性信息比率 RankIC均值5.00%0.350.300.

26、250.200.150.100.050.00-0.05-0.10-0.153.73%1.78%1.08%0.68%-0.03% -0.40% -0.60%-1.16%-1.87%-3.18%4.00%3.00%2.00%1.00%0.00%-1.00%-2.00%-3.00%-4.00%资料来源：Wind，天风证券研究所资料来源：Wind，天风证券研究所进一步的，我们在月频上对因子进行了半年度调仓的分组有效性检验。即在某月节点按照因子值降序排序将基金等分成 10 组并等权重构建组合持有半年再调仓，滚动计算，统计每组相对基金平均业绩的年化超额收益，最终得到 12 个月份调仓策略的分组年化超额收益

27、统计表。我们计算了 12 个策略年化超额收益均值统计结果，如上图所示。可以发现，隐性信息比率因子的分组单调性较好，多空年化收益差明显，多头年化超额收益平均值达到了 3.73 。图 13：不同月份调仓策略的分组年化超额收益统计(10 组，隐性信息比率因子)隐性信息比率Group01 Group02 Group03 Group04 Group05 Group06 Group07 Group08 Group09 Group10多空年化收益差1月底调仓2月底调仓3月底调仓4月底调仓5月底调仓6月底调仓7月底调仓8月底调仓9月底调仓10月底调仓11月底调仓12月底调仓平均值4.22%3.96%3.48%

28、3.44%3.69%3.58%4.22%3.96%3.48%3.44%3.69%3.58%3.73%1.80%1.91%1.65% 0.96%0.94% -0.15% -0.54% -0.67% -1.18%-1.24%-2.30%-3.07%-3.01%-3.23%-3.74%-3.16%7.30%1.07%1.08%1.28%1.26% 0.27%0.02% -0.68% -0.90% -1.34%6.97%1.18% -0.61% -0.16% -0.42% 0.09%0.17% -1.04% -1.07%-1.86%6.71%2.41%0.52%-1.38%-1.35%-1.67%7.

29、18%1.75%0.86%0.17%0.30%-0.15%0.02% -0.41% -0.34% -2.40%6.85%1.19%0.80%0.31%-0.76%-0.22%-0.67%-0.74%-1.18%-1.24%-1.66%-2.86%6.44%1.80%1.91%1.65% 0.96%0.94% -0.54%-0.68%-2.30%-3.07%-3.01%-3.23%-3.74%-3.16%7.30%1.07%1.08%1.28%1.26%0.27%-0.90%-1.34%6.97%1.18%-0.61% -0.16% -0.42% -1.07%-1.86%6.71%2.41%0.

30、52% 0.09%0.17% -1.04% -1.38%-1.35%-1.67%7.18%1.75%0.86%0.17%0.30%-0.03% -0.41% -0.34% -2.40%6.85%1.19%0.80%0.31%-0.76%-0.22%-0.60%-0.74%-1.16%-1.66%-1.87%-2.86%6.44%1.78%1.08%0.68%-0.40%-3.18%6.91%资料来源：Wind，天风证券研究所同时，分开来看 12 个月份调仓策略的分组有效性检验结果可以发发现，隐性信息比例因子的多头年化超额收益更高且更加稳定，不同月底调仓策略的多头年化超额收益均在3 以上。由此可

31、见，隐性信息比率因子表现较好，对基金未来业绩具有非常好的预测能力。因此，我们可以选择隐性信息比率因子构建 Alpha 收益模型。同时，我们希望基金的 Alpha收益越高越好。因此，我们可以通过设定阈值来确定筛选基金，即当基金的隐性信息比率值超过特定阈值时，则认为其未来具有较好的 Alpha 收益。小结将前文中的基准指数匹配模型和 Alpha 收益预测模型结合，便可得到针对目标指数的增强类基金识别模型。增强类基金识别模型，以模拟基准与目标指数相似度尽可能高为约束条件，以追求未来 Alpha 收益的最大化为目标。示意图如下所示。其中，基准指数匹配模型通过指数走势、行业偏离、成份股占比三个维度刻画模

32、拟基准指数与目标指数的匹配度；Alpha 收益预测模型通过隐性信息比率因子打分。图 14：目标指数的增强类基金池筛选框架示意图 基准指数匹配模型 指数走势模拟基准指数行业偏离目标指数成份股占比Alpha收益隐性信息比率收益分解基金 Alpha收益预测模型 资料来源：天风证券研究所实证研究前文中，我们构建了针对目标指数的增强类基金识别模型，本节我们将以 A 股市场宽基指数为例，进行指数增强类基金池的筛选和增强 FOF 组合的构建研究。沪深 300 指数增强 FOF 组合构建沪深 300 指数，是由上海和深圳证券市场中市值大、流动性好的 300 只股票组成，反映了中国 A 股市场上市公司整体表现，

33、是中国 A 股市场走势的“晴雨表”。我们将针对沪深 300 指数进行增强类基金池的筛选和增强 FOF 组合的构建研究。首先，我们在每年的 6 月和 12 月底利用基准指数匹配模型，筛选出过去一年模拟基准指数与沪深 300 指数匹配度较高的权益类基金；然后利用 Alpha 收益预测模型，筛选过去一年隐性信息比率为正的权益类基金，最终可得到沪深 300 指数增强类基金池。基金池每期基金数量如下图所示。可以发现，基金数量过去长期低于 20 只，但近年来有逐年增长的趋势。图 15：沪深 300 指数增强基金池每期数量资料来源：Wind，天风证券研究所同时，我们在每期基于基金池的基金等权重构建组合持有半

34、年再进行调仓，滚动计算，便可得到基金池组合，结果如下所示。可以发现，基金池组合能够稳定跑赢沪深 300 指数，相对强弱曲线平稳增长，展现出良好的业绩增强效果。截至 2020 年 7 月底，沪深 300 指数累计收益率31.30 ，基金池组合累计收益率为216.66 ，累计超额收益率达到了185.35 。图 16：沪深 300 指数增强基金池组合的净值走势图沪深300基金池组合相对强弱曲线3.503.002.502.001.501.000.500.00资料来源：Wind，天风证券研究所下表中对基金池组合的分年度超额收益进行了统计。可以看到，基金池组合绝大多数年份都跑赢了基准指数，超额收益较为显著

35、，风险控制较好。截至 2020 年 7 月底，基金池组合的年化收益率为 11.51 ，年化超额收益率为 8.90 ，信息比率达到了 1.46，除 2010年外相对最大回撤基本在 8 附近。表 3：沪深 300 指数增强基金池组合的各年度收益和风险统计基准收益绝对收益超额收益信息比率跟踪误差收益回撤比相对最大回撤2010-12.512.5115.021.509.991.2012.552011-25.01-21.053.970.894.450.695.7320127.556.39-1.16-0.196.15-0.157.692013-7.6511.0618.712.338.013.076.0920

36、1451.6654.202.540.793.210.318.0920155.5823.2017.622.038.703.674.802016-11.28-3.447.842.403.273.322.37201721.7822.740.960.392.480.253.832018-25.31-18.247.071.434.942.642.67201936.0739.853.780.784.820.487.872020.01-07.3114.6128.6314.023.274.294.003.51全样本期2.6111.518.901.466.080.7112.55资料来源：Wind，天风证券研究所

37、由此可见，本报告提出的增强类基金识别模型实证效果较好，筛选出的沪深 300 增强类基金具有显著的 Alpha 收益，且风险控制较好。但是，基金池组合依然存在一些不足，例如个别期持仓基金数量过多，且组合超额收益稳定性偏弱等。为了更好地提升组合超额收益稳定性，我们将在基金池中进一步优选基金，构建沪深300 指数增强 FOF 组合。相关信息设置如下：回测时间：2009 年 12 月 31 日到 2020 年 7 月 31 日；调仓节点：每年 6 月和 12 月底的最后一个交易日，每年调仓 2 次；研究样本：在每个调仓节点满足如下条件的所有基金：增强指数型基金、主动权益类基金（普通股票型基金+偏股混合

38、型基金+灵活配置型基金）、开放式基金、初始基金（非 B、C、E、H、O 份额等）、非陆港通基金、非国家队基金、非战略配售基金、非科创板概念基金、非 FOF 基金等；成立时间在 1 年半以上，且到期时间在 1 年以上；基金规模在 1 亿元以上；调仓节点允许申购和赎回。交易费率：申购费率为 1，赎回费率为 0.5；持仓数量：每期至多选择复合因子值最高的 10 只基金；持仓权重：等权重。比较基准：沪深 300 指数。在持仓基金方面，首先利用过去 2 年的隐性信息比率加权构建复合因子选基金，如果基金数量不足 10 只，则选择利用过去 1 年的隐性信息比率加权构建复合选基金，如果基金数量为 0，则选择投

39、资沪深 300 指数。同时，考虑到调仓时基金的可交易性，如果调仓日遇见上期持仓中基金限制赎回时，我们继续持有该基金，并保持该基金在本期权重不变；考虑转型基金的调整期（3 个月），如果持仓中的基金发生转型（普通股票型基金转为偏股混合型基金除外），则在调仓日卖出该基金。可以发现，增强 FOF 组合能够稳定跑赢沪深 300 指数，相对强弱曲线平稳增长，展现出良好的业绩增强效果。截至 2020 年 7 月底，沪深 300 指数累计收益率 31.30 ，增强 FOF组合累计收益率为 281.95 ，累计超额收益率为 250.65 。图 17：沪深 300 指数增强 FOF 组合的净值走势图（200912

40、31-20200731）沪深300增强FOF组合相对强弱曲线4.504.003.503.002.502.001.501.000.500.00资料来源：Wind，天风证券研究所下表中对增强 FOF 组合的分年度超额收益进行了统计。可以看到，增强 FOF 组合每年都跑赢了基准指数，超额收益整体较为稳定，风险控制较好。截至 2020 年 7 月底，增强 FOF 组合的年化收益率为 13.50 ，年化超额收益率为 10.89 ，信息比率达到了 1.66，除 2010年外相对最大回撤均在 10以内。表 4：沪深 300 指数增强 FOF 组合的各年度收益和风险统计年份基准收益绝对收益超额收益信息比率跟踪

41、误差收益回撤比相对最大回撤回撤前高点回撤低点2010-12.510.8013.311.3010.210.9813.5420100928201010192011-25.01-16.638.391.376.131.256.70201012312011041320127.557.700.140.026.930.028.8120120905201212312013-7.6510.2517.902.008.932.397.502013072920130912201451.6655.253.591.392.591.143.14201403192014041120155.5814.328.741.137.7

42、41.705.1420150202201504282016-11.284.1015.383.114.955.083.032016021520160316201721.7829.377.592.712.803.202.3820170811201711222018-25.31-18.007.311.305.632.612.802017122920180124201936.0743.767.691.525.051.455.2920190312201904192020.01-07.3114.6135.8621.253.845.545.493.872020063020200706全样本期2.6113.5

43、010.891.666.570.8013.542010092820101019注：申购费率为 1 ，赎回费率为 0.5 。资料来源：Wind，天风证券研究所下表中列出了增强 FOF 组合每期持有基金数量。可以发现，在部分期优选基金的数量是不足 10 只的，这在一定程度上会影响增强 FOF 组合的收益表现；近年来随着基金数量的增加，优选基金的数量基本可以达到 10 只，有效的提升了增强 FOF 组合的收益表现。图 18：沪深 300 指数增强 FOF 组合每期持仓基金数量109876543210资料来源：Wind，天风证券研究所下表中列出了增强 FOF 组合最近 2 期的持仓基金信息。基金代码基

44、金名称基金类型持仓权重020022.OF国泰策略价值灵活配置型基金10.0002031.OF华夏策略精选灵活配置型基金10.0240002.OF华宝宝康灵活灵活配置型基金10.0001043.OF工银瑞信美丽城镇主题普通股票型基金10.0001054.OF工银瑞信新金融普通股票型基金10.0090011.OF大成核心双动力偏股混合型基金10.0310318.OF申万菱信沪深 300 指数增强 A增强指数型基金10.0001181.OF南方改革机遇灵活配置型基金10.0004335.OF华宝新飞跃灵活配置型基金10.0001047.OF光大国企改革主题普通股票型基金10.0004951.OF申万

45、菱信价值优利偏股混合型基金10.0001607.OF英大策略优选 A灵活配置型基金10.0004686.OF华夏研究精选普通股票型基金10.0003713.OF英大睿盛 A灵活配置型基金10.0580009.OF东吴多策略灵活配置型基金10.0310318.OF申万菱信沪深 300 指数增强 A增强指数型基金10.0002310.OF创金合信沪深 300 指数增强 A增强指数型基金10.0003456.OF信达澳银新目标灵活配置型基金10.0004335.OF华宝新飞跃灵活配置型基金10.0003655.OF信达澳银新财富灵活配置型基金10.0表 5：沪深 300 指数增强 FOF 组合最新持

46、仓基金及配置权重调仓节点2019/12/312020/6/30资料来源：Wind，天风证券研究所中证 500 指数增强 FOF 组合构建本小节我们将基于增强类基金识别模型，针对中证 500 指数构建中证 500 指数增强FOF 组合。相关信息设置如下：回测时间：2014 年 12 月 31 日到 2020 年 7 月 31 日；调仓节点：每年 6 月和 12 月底的最后一个交易日，每年调仓 2 次；研究样本：在每个调仓节点满足如下条件的所有基金：增强指数型基金、主动权益类基金（普通股票型基金+偏股混合型基金+灵活配置型基金）、开放式基金、初始基金（非 B、C、E、H、O 份额等）、非陆港通基金

47、、非国家队基金、非战略配售基金、非科创板概念基金、非 FOF 基金等；成立时间在 1 年半以上，且到期时间在 1 年以上；基金规模在 1 亿元以上；调仓节点允许申购和赎回。交易费率：申购费率为 1，赎回费率为 0.5；持仓数量：每期至多选择复合因子值最高的 10 只基金；持仓权重：等权重。比较基准：中证 500 指数。在持仓基金方面，首先利用过去 2 年的隐性信息比率加权构建复合因子选基金，如果基金数量不足 10 只，则选择利用过去 1 年的隐性信息比率加权构建复合选基金，如果基金数量为 0，则选择投资中证 500 指数。同时，考虑到调仓时基金的可交易性，如果调仓日遇见上期持仓中基金限制赎回时

48、，我们继续持有该基金，并保持该基金在本期权重不变；考虑转型基金的调整期（3 个月），如果持仓中的基金发生转型（普通股票型基金转为偏股混合型基金除外），则在调仓日卖出该基金。可以发现，增强 FOF 组合能够稳定跑赢中证 500 指数，相对强弱曲线平稳增长，展现出良好的业绩增强效果。截至 2020 年 7 月底，中证 500 指数累计收益率 26.61 ，增强 FOF组合累计收益率为 246.87 ，累计超额收益率为 123.26 。图 19：中证 500 指数增强 FOF 组合的净值走势图（20141231-20200731）中证500FOF组合相对强弱曲线3.002.502.001.501.0

49、00.500.00资料来源：Wind，天风证券研究所下表中对增强 FOF 组合的分年度超额收益进行了统计。可以看到，增强 FOF 组合每年都跑赢了基准指数，超额收益整体较为稳定，风险控制较好。截至 2020 年 7 月底，增强 FOF 组合的年化收益率为 17.57 ，年化超额收益率为 13.70 ，信息比率达到了 2.02，除 2015年外相对最大回撤基本控制在 10以内。表 6：中证 500 指数增强 FOF 组合的各年度收益和风险统计年份基准收益绝对收益超额收益信息比率跟踪误差收益回撤比相对最大回撤回撤前高点回撤低点201543.1249.105.980.669.000.1833.672

50、0150112201506152016-17.78-5.2512.531.986.333.233.8720160624201608152017-0.2011.7211.932.305.181.976.0620170717201709202018-33.32-23.359.971.606.222.194.562018101920181116201926.3845.7119.332.517.701.9110.1320190131201904082020.01-07.3124.9140.0415.134.483.386.012.522020062920200713全样本期3.8717.5713.70

51、2.026.780.4133.672015011220150615注：申购费率为 1 ，赎回费率为 0.5 。资料来源：Wind，天风证券研究所下表中列出了增强 FOF 组合每期持有基金数量。可以发现，绝大多数期优选基金的数量均可达到 10 只，这在一定程度上提升了增强 FOF 组合的收益表现。图 20：中证 500 指数增强 FOF 组合每期持仓基金数量109876543210资料来源：Wind，天风证券研究所下表中列出了增强 FOF 组合最近 2 期的持仓基金信息。基金代码基金名称基金类型持仓权重003717.OF中银量化精选灵活配置型基金10.0002730.OF华富华鑫 A灵活配置型基

52、金10.0003986.OF申万菱信中证 500 优选增强 A增强指数型基金10.0004135.OF申万菱信量化成长灵活配置型基金10.0003241.OF创金合信量化发现 A灵活配置型基金10.0210009.OF金鹰核心资源偏股混合型基金10.0表 7：中证 500 指数增强 FOF 组合最新持仓基金及配置权重调仓节点2019/12/31002311.OF创金合信中证 500 指数增强 A增强指数型基金10.0000729.OF建信中小盘普通股票型基金10.0001305.OF九泰天富改革新动力灵活配置型基金10.0519975.OF长信量化中小盘普通股票型基金10.0320022.OF

53、诺安研究精选普通股票型基金10.0519091.OF新华泛资源优势灵活配置型基金10.0000584.OF新华鑫益灵活配置型基金10.0165516.OF信诚周期轮动偏股混合型基金10.0005062.OF博时中证 500 指数增强 A增强指数型基金10.0004250.OF银河量化优选偏股混合型基金10.0001637.OF嘉实腾讯自选股大数据普通股票型基金10.0003241.OF创金合信量化发现 A灵活配置型基金10.0050004.OF博时精选 A偏股混合型基金10.0004135.OF申万菱信量化成长灵活配置型基金10.02020/6/30资料来源：Wind，天风证券研究所中证 10

54、00 指数增强 FOF 组合构建本小节我们将基于增强类基金识别模型，针对中证 1000 指数构建中证 1000 指数增强FOF 组合。相关信息设置如下：回测时间：2015 年 12 月 31 日到 2020 年 7 月 31 日；调仓节点：每年 6 月和 12 月底的最后一个交易日，每年调仓 2 次；研究样本：在每个调仓节点满足如下条件的所有基金：增强指数型基金、主动权益类基金（普通股票型基金+偏股混合型基金+灵活配置型基金）、开放式基金、初始基金（非 B、C、E、H、O 份额等）、非陆港通基金、非国家队基金、非战略配售基金、非科创板概念基金、非 FOF 基金等；成立时间在 1 年半以上，且到

55、期时间在 1 年以上；基金规模在 1 亿元以上；调仓节点允许申购和赎回。交易费率：申购费率为 1，赎回费率为 0.5；持仓数量：每期至多选择复合因子值最高的 10 只基金；持仓权重：等权重。比较基准：中证 1000 指数。在持仓基金方面，首先利用过去 2 年的隐性信息比率加权构建复合因子选基金，如果基金数量不足 10 只，则选择利用过去 1 年的隐性信息比率加权构建复合选基金，如果基金数量为 0，则选择投资中证 1000 指数。同时，考虑到调仓时基金的可交易性，如果调仓日遇见上期持仓中基金限制赎回时，我们继续持有该基金，并保持该基金在本期权重不变；考虑转型基金的调整期（3 个月），如果持仓中的

56、基金发生转型（普通股票型基金转为偏股混合型基金除外），则在调仓日卖出该基金。可以发现，增强 FOF 组合能够稳定跑赢中证 1000 指数，相对强弱曲线平稳增长，展现出良好的业绩增强效果。截至 2020 年 7 月底，中证 1000 指数累计收益率-32.72 ，增强 FOF 组合累计收益率却达到了 157.68 ，累计超额收益率为 90.40 。图 21：中证 1000 指数增强 FOF 组合的净值走势图（20151231-20200731）中证1000FOF组合相对强弱曲线3.002.502.001.501.000.500.00资料来源：Wind，天风证券研究所下表中对增强 FOF 组合的分年度超额收益进行了统计。可以看到，增强 FOF 组合每年都跑赢了基准指数，超额收益整体较为稳定，风险控制较好。截至 2020 年 7 月底，增强 FOF 组合的年化收益率为 13.45 ，年化超额收益率为 21.74 ，信息比率达到了 2.65，除 2019年外相对最大回撤基本控制在 10以内。表 8：中证 1000 指数增强 FO