基金经理多维度能力评价因子的优化

内容目录1、国金金工多因子选基框架概览 52、基金隐形交易能力度量指标的改进 6因子构建 6因子测试条件及测试范围 6因子测试结果 63、基于业绩归因模型的选股、配置能力指标 8基于重仓股组合的业绩归因模型推导 8胜率因子构建 10基金经理多维度能力指标 10单期因子测试 11多期因子测试 11选股能力因子合成 13各类选股能力因子对比 134、含金量因子的构造与优化 145、多因子选基体系优化与因子合成 16最新多因子选基框架 16大类因子合成与测试 176、多因子选基策略构建 18多因子选基策略构建 18去掉业绩动量因子后策略表现观察 197、总结 20风险提示 20图表目录图表1：国金金工多因子选基初步框架 5图表2：基金精选组合2012年以来净值走势 5图表3：基金精选组合2012年以来业绩统计指标 5图表4：隐形收益能力因子与风险转移能力因子构建方法 6图表5：因子IC测试结果及分位数组合测试结果 7图表6：隐形收益能力因子分位数组合年化超额收益率 7图表7：隐形收益能力因子多空组合净值及收益率 7图表8：风险转移能力因子分位数组合年化超额收益率 7图表9：风险转移能力因子多空组合净值及收益率 7图表10：隐形交易能力因子IC测试结果及分位数组合测试结果 7图表11：隐形收益能力因子分位数组合年化超额收益率 8图表12：隐形收益能力因子多空组合净值及收益率 8图表13：基金经理多维度能力指标 10图表14：基金经理选股与配置能力因子（单期）计算方法 11图表15：基金经理选股与配置能力因子（单期）测试结果 11图表16：基金经理选股与配置能力因子（多期）计算方法 11图表17：基金经理多维度能力因子（多期）测试结果 12图表18：多期选股超额收益分位数组合年化超额收益 12图表19：多期选股超额收益分位数组合年化超额收益 12图表20：多期选股胜率因子分位数组合超额收益率 12图表21：多期选股胜率因子分位数组合多空组合净值 12图表22：选股能力因子IC测试及分位数组合测试结果 13图表23：选股能力因子分位数组合年化超额收益率 13图表24：选股能力因子多空组合净值及多空组合收益率 13图表25：各类选股能力因子IC测试及分位数组合测试结果 13图表26：各类选股能力因子多空组合净值表现 14图表27：含金量因子构造方法 14图表28：含金量因子IC测试及分位数组合测试结果 15图表29：含金量因子与基金抱团因子多空组合净值表现对比 15图表30：优化后的含金量因子IC测试及分位数组合测试结果 15图表31：优化后含金量因子（当月）分位数组合年化超额 16图表32：优化后含金量因子（当月）多空组合净值 16图表33：国金金工多因子选基框架 16图表34：大类因子相关系数矩阵 16图表35：合成因子的IC测试结果 17图表36：合成因子的分位数组合测试结果 17图表37：选基综合因子分位数组合年化超额收益率 17图表38：选基综合因子多空组合净值及多空组合收益率 17图表39：选基综合因子分位数组合净值走势对比 18图表40：基金精选组合净值表现 18图表41：基金精选组合超额净值走势 18图表42：基金精选组合业绩表现统计 18图表43：基金精选组合各年度超额收益 19图表44：基金精选组合月度及季度胜率 19图表45：去掉业绩动量因子后策略表现 191、国金金多因选基框架概览我们已在报《智能化选基系列通过全方位特征预测基金业绩并构建跑赢指数的基金组合》中，通过对大基金特征、基金净值衍生因子进行筛和测，最从基金规模、基金持有人结构、基金业绩动量等多个维度入手，初步搭建多因选基体系。图表1：国金金多因选基初步框架来源：2012年以来，根据已搭建多因选基模型构建的基金精选组合，取得17.38的年化益率超越偏股混合型基金指数取得7.02的年化超额收益夏普比率为0.78信比率达到1.11，长期表现优异。图2：基金精选组合2012年以来净值走势9876543210合 数，图3：基金精选组合2012年以来业绩统计指标统计指标主动权益型基金精选组合偏股混合型基金指数总收益率506.83205.19年化收益率17.3810.43年化波动率22.4220.54Sharpe比率0.780.51最大回撤率45.2043.35年化超额收益率7.02--信息比率1.11--超额最大回撤率最新持仓基金数量（只）13.3388--，然而我们目前的多因子选基体系中选基因子的种类仍然较少只考虑了基金的基础特征及基金净值而基金的持仓中仍包含着大量的信息值得我们进一步挖掘在本篇报告中，我们着眼于从基金持仓信息中挖掘有效的选基因子，丰富我们的多因子选基体系。2、基金隐形交易能力度量指标的改进因子构建基金的隐形交易能力通常根报告期之间基金实际收益根据基金期初持仓构模拟组获得的收益之差视为基金在报告期之间调仓换股获得的收益2023年以来，部分基金通过调仓换股在ChatGPT概念行情到来的时候捕捉到了投资机会获得了较多的交易收益。但传统的隐形交易能力因子只关注交易行为能够带来收益这个特点，但通过交、调仓，也可能降低投资组合的风基金通过交易调整了那些报告期之间发生了高波动的股票持仓，或者采取波段交易，在股价波动中不断交易可能降低投资组合的波动因此，我们对隐形交易能力进行造增收益和降低风险两个维度来共同刻基金经理报告期之间交易行为给基金带来的价值。我们将基金的隐形交易能力划分为两部分一部分是隐形收益能力另一部分是风险转移能力我们用如下两个指标分别来进行刻画隐形收益能力因子值越高说明基金经理通过交易带来的收益越高交易能力越强风险转移能力因子值越高说明基金经理通过交易转移风险的能力越强。因子名称 计算方式 更新频率图表4：隐形收益能力因子因子名称 计算方式 更新频率隐形收益能力因

基金报告期之间实际收益与根据期初股票持仓计算的股票组收益之间的差值

中报、年报披露后，3、8月末更新，其月份用最新可获得的值填充风险转移能力因

根据期初股票持仓计算的股票组合波动率与基金报告期之间际净值波动率之间的差值

中报、年报披露后，3、8月末更新，其月份用最新可获得的值填充来源：因子测试条件及测范围我们在进行因子测试时，测试的条件如下：基金筛选范围：主动权益型基金（普通股票型、偏股混合型基金；份额类型为A或无；基金经理更换距离调仓日超过250个交易日；每年14、7、10月末调仓；回测时间区间2012年1月1日2022年10月31日；为了验证两个因子的表现，我们对两个因子的有效性进行了测试测试方法如下：因子IC测试主要研究因子取值与下一期收益率的相关性，即RanICt=rr(Rantm,Ran(rt1m)其中，Rank表示计算变量排序Xtm表示因子取值rt1m表示下一期基金的收益率IC的绝对值越高，因子的下期收益率的预测能力越强。对于分位数组合测试，我们按照因子值从高到低，将基金分为10组，分别等权构建Top组合至Bottom组合做多合Top同时做空合Bottom得到多空组LS组合通过该组合的表现来衡量因子的预测能力。因子测试结果经测试隐形收益能力因子IC均为4.25风险整IC为0.50因子显著性较好空组合年化收益率为4.39多空组合夏普比率为0.91多空组合最大回率仅有并且因子分位数组合的单调性较好分成10组后Top组合相于Bottom组合有明显的收益优势，子多空组合净值增长较为稳。图表5：因子IC测试结果及分位数组测试结果多空组合年化多空组合夏普多空组合最大因子 IC均值 标准差 最小值 最大值风险调整的ICt统计量收益率比率回撤率风险转移能力3.1915.94-26.5337.200.201.312.780.4211.86隐形收益能力4.258.49-25.2422.030.503.294.390.912.36，

用风险转移能力因单独来预测基金未来业绩并没有较好的表现这与其他表征基金风险相关的因子表现一致因子IC均值仅有2.78，分位数组合单调性较差。但风险转能力因子值最小的那组，即风险转移能力最差的那一组基金，表现最差。120%18100%16800%120%18100%16800%1460%12400%10820%06250%200%15%100%050%00%-05%-10%-15%-20%-25%

000%-20%-40%

多空组合收益率 多空组合净值右

0402202021/1229/12035/12041/12049/12055/1261/12069/12075/12081/12089/1295/12001/12009/12015/12021/1229/1， ，图表8：风险转移能力因子分位数组合年化超额收益率 图9：风险转移能力因子多空组合净值及收益率100%1100%16800%14600%1220%100%00%-10%-20%

40%200%00%-40%0-40%04-60%02-80%0

10806-30%-40%-50%

多空组合收益率 多空组合净值右）， ，为了完整刻画基金经理交易能力考虑到隐形收益能力因子与风险转移能力因子相关系数仅-0.024我们将隐形收益能力因子与风险转移能力因子进行等权重线性合成对隐形收益能力因子进行改进合成前将两个因子进行标准化处理我们将合成后的因子叫做“隐形交易能力因”。经过因子IC测试及分位数组合测试隐形交易能力因子C均值达到5.63风险调整IC为0.66，t统计量为4.30，较合成前的两个单因的表现均有大幅改善。隐形交易能力因子多空组合年化收益率为6.00，多空组合夏普比率达到1.14，表现均好于单因子并且改造后的隐形交易能力因子多空组合最大回撤率仅有2.91。隐形交易能力 5.63 8.58 -11.47 0.664.306.001.142.91化收益率 普比率隐形交易能力 5.63 8.58 -11.47 0.664.306.001.142.91化收益率 普比率多空组合最大回撤IC均值标准差 最小值 最大值风险调整的IC t统计量因子多空组合年多空组合夏，隐形交易能因子分位数组合单调性较单因子改善因子单调性较好多空组合净值长较为稳定，多空组合季度收益率也多数为正收益。我们将风险因素考虑进去后隐形交易能力因子的表现更好能够通过交易增加收益并且降低风的基金，未来业可能会有较好的表。图表11：隐形收益能力因子分位数组合年化超额收益率 图12：隐形收益能力因子多空组合净值及收益率300%200%100%000%-10%-20%-30%-40%

年化超额收益率

10%10%80%600%400%200%000%-20%-40%多空组合收益率 多空组合净值右

2181614121080604020， ，3基于业绩归因模型的选股、配置能力指标基于重仓股组合的业绩归模型推导传统的Brinson模型可以将投资组合的超额收益来源分解成选股超额收益配置超额收益等部分Brinson模型获得的选股超额收益是行业内选股的超额收益能够控制行业对收益的影响。但Brinson模型对基金持仓进行业绩归因往往需要获得基金的全部持仓并且假单期模型中两个日期之间持仓没有发生变化这对于半年披露一次完整持仓并且在报告期结束后-3个月才披中报年的公募基金产品来说原来的模型存在劣势主动权益型基金的前十大重仓股占基金资产净值的权重整体上已超过50具有一定的代表性前十大仓股每季度结后一个月即能披露，如果对基金的重仓股组合进行分析，时效性更好。基于上述情况我们将基金的前十大重仓股组合视为一个单独的投资组合对这一投资组合进行季频的业绩归因从选股和配置两个维度构建选基因子在本文中我们只对权益仓位较高的主动权益型基（普通股票型偏股混合型进行研究并且剔除了前十大重仓股中包含港股、北交所股票的基金。我们选择了rinson模型的F版本来进行基金的业绩归因BF模型中无交叉项对配置超额收益的刻画更合理。单期模型的推导公式如下：我们将基金前十大重仓股视为一个单独的投资组合，区间内重仓股组合收益率为ℎ，期初基金重仓股各个行业的权重和收益率分别𝑤𝑝,𝑟𝑝ℎ=𝑤𝑝×𝑟𝑝

𝑖 𝑖𝑖 𝑖业基准的收益𝑏,业绩基准中各行业的权重和收益率分别𝑤𝑏,𝑟𝑏𝑏=𝑤𝑏×𝑟𝑏

𝑖 𝑖𝑖 𝑖ℎ−𝑏=∑𝑤𝑝−𝑤𝑏𝑟𝑏−𝑏)+∑𝑤𝑝𝑟𝑝−𝑟𝑏)+(𝑤𝑝−𝑤𝑏)𝑏其中：

𝑖 𝑖 𝑖

𝑖 𝑖 𝑖

𝑖 𝑖𝑖配超额收𝐴𝑅𝑡=∑𝑛(𝑤𝑝−𝑤𝑏)×𝑟𝑏−𝑏)𝑖1 𝑖 𝑖 𝑖选择超收

=∑𝑛𝑟𝑝−𝑟𝑏)×𝑤𝑝𝑡

𝑖1𝑖 𝑖 𝑖择时超收𝑅𝑡=∑𝑛𝑤𝑝−𝑤𝑏)×𝑏𝑖1 𝑖 𝑖由于重仓股组合是满仓的，因此择时超额收=0。对于多期BF模型，我采用了Carino算法，做如下推导：假设有n期，则投资组合n期的收益率为：𝑝=1+𝑝1)×1+𝑝2)×⋯×1+𝑝𝑛)−1基准组合n期的收益率为：𝑏=1+𝑏1)×1+𝑏2)×⋯×1+𝑏𝑛)−1𝑛𝑛1+𝑝)−𝑛(1+𝑏)=∑[𝑛1+𝑝𝑖)−𝑛1+𝑏𝑖]𝑡1经过变形𝑛1+

)−𝑛(1+

)=𝑙𝑛1𝑡)𝑙𝑛(𝑡)𝑟

−𝑟)

𝑏𝑡

𝑡−

𝑏𝑡𝑙𝑛(1𝑡)𝑙𝑛1𝑡)，𝑟

≠𝑟令𝑘={

𝑡

𝑏𝑡

,k=𝑡 1,

=𝑟𝑝1𝑡

𝑙𝑛(𝑝)𝑙𝑛1𝑝),𝑟

≠

𝑏𝑡{ 𝑝𝑏

𝑝 𝑏1,

=𝑟1+𝑝

𝑏𝑡𝑛1+𝑝)−𝑛1+𝑝)=𝑘(𝑡−𝑏𝑡,𝑛1+𝑡)−𝑛1+𝑡)=𝑘𝑡𝑡−𝑏𝑡)，𝑡1则𝑛1+𝑝)−𝑛1+𝑝)=∑𝑛 𝑘𝑡𝑡−𝑏𝑡𝑡1因𝑟

−

=1

𝑘

−𝑟)𝑝 𝑏

𝑘𝑡1

𝑏𝑡根据单期BF模型，𝑡−𝑏𝑡=𝐴𝑅𝑡+𝑅𝑡+𝑅𝑡则多期下配置超额收𝐴𝑅=1∑𝑛

𝑘𝐴𝑅选股超额收益𝑅=1∑𝑛

𝑘𝑅择时超额收𝑅=𝑘

𝑛∑=1∑

𝑘𝑡

𝑅𝑡

𝑘𝑡1𝑡

𝑘𝑡1𝑡 𝑡我们把基金收益分成重仓股与非重仓股两部，即：𝑡=𝑡重仓部)+𝑡非重仓部及其他)由𝑡重是根据股票市值占基金净值权重计算的而重仓股组合这个单独的组合的收益，是按照股票市值占重仓股权重计算的，因：𝑡=𝑡重仓股组)×𝑡+𝑡非重仓部)，其𝑡为重仓股基金净比。𝑛1𝑝−𝑏=𝑘∑𝑘𝑡𝑡×𝑡重仓股组)+𝑡非重仓部及其)−𝑏𝑡)𝑡1𝑛1𝑝−𝑏=𝑘∑𝑘𝑡×𝑡×𝑡重仓股组)−𝑏𝑡)𝑡1𝑛 𝑛1 1+𝑘∑𝑘𝑡×(𝑡−1)×𝑏𝑡+𝑘∑𝑘𝑡×𝑡非重仓部及其)𝑡1 𝑡1因此基金重仓部分对基金超额收益的贡献可以表示为：𝑛 𝑛1 1𝑘∑𝑘𝑡×𝑡×𝑡重仓股组)−𝑏𝑡)=𝑘∑𝑘𝑡×𝑡×(𝐴𝑅𝑡+𝑅𝑡+𝑅𝑡)𝑡1 𝑡=1综上基金重仓股对基金超额收益的贡献可以分解成配置贡献选股贡献择时贡献三部分基金重仓的行业配置超额及选股超额可以用如下公式来表示：𝑛1𝐴𝑅=𝑘∑𝑘𝑡×𝑡×𝐴𝑅𝑡𝑡1𝑛1𝑅=𝑘∑𝑘𝑡×𝑡×𝑅𝑡𝑡1模型仍有个重要的构成部分比较基准虽然每一只基金合同约定的基准不相同我们在选择比较基准时按照基金风格的划分对同一风格类型的基金设定相同的比较基准我们将各个报告期同一风格类型的基金的重仓股进行汇总构建该风格基金的重仓股股票池，并将这一股票池作为F模型的比较基准。胜率因子构建除了超额收益，我们也根据单期BF模型，衍生出配置和选股的胜率因子。根据公式配置超额收=∑𝑛(𝑤𝑝−𝑤𝑏)×𝑟𝑏−𝑏涉及多个行业板块配置超额收益𝑖=1 𝑖 𝑖 𝑖的汇总，因此配置胜率可以表示为：𝑚𝑎𝑟𝑛𝑛=𝑚𝑛𝑢𝑡𝑟𝑦其中num_industry是基金重仓股中包含的行业数量num_arwin是基金重仓组合取得正配置超额的行业的数量。根据公式选股超额收益=∑𝑛

(𝑟𝑝−𝑟𝑏)×𝑤𝑝涉及多个行业板块选股超额收益的汇总，因此选股胜率可以表示为

𝑖=1

𝑖 𝑖𝑚𝑟𝑛𝑛=𝑚𝑛𝑢𝑡𝑟𝑦其中num_industry是基金重仓股中包含的行业数量num_srwin是基金重仓组合取得正选股超额的行业的数量。对于多个报告期的情形，我们计算了多个报告期的平均，作为多期的胜率因子。3.3基金经理多维度能力指标综上我们从选股和配置超额收益和胜率等多个维度构建了四类因子刻了基金经理多维度的能力，包含选股超额收益、选股胜率、配置超额收益、配置胜四类因。图13：基金经理多维度能力指标来源：单期因子测试我们按照2.2章节介绍的测试条件和方法对单期的四个因子进行测试单期因子指距离调仓日最近的一期因。图表14：基金经选股与配置能力因子（单期）计算方法因子因子计算因子更新频率选股超额（单期）根据单期BF版本的Brinson模型，用重仓股组合计算，取最近报告期季度，1、4、7、10月末更新选股胜率（单期）单季度的选股胜率，取最近报告期季度，1、4、7、10月末更新配置超额（单期）根据单期BF版本的Brinson模型，用重仓股组合计算，取最近报告期季度，1、4、7、10月末更新配置胜率（单期）单季度的配置胜率，取最近报告期季度，1、4、7、10月末更新来源：从测试结果来看四个单期因子表现不佳IC水平较低，因子单调性较差。这说明基金单期的选股超额及行业配置超额对未来业绩没有预测作用可能由于期的结果具有偶然性，并不能体现基金经理的能，我们可能需要结合多个报告期的持仓进行判。因子 IC均值标准差最小值最大值风险调整的因子 IC均值标准差最小值最大值风险调整的IC多空组合年化收t统计量益率多空组夏普比率多空组最大回撤率配置超额-3.12（单期）29.00-55.8150.77-0.11-0.710.050.0026.04配置胜率-0.5313.20-26.8341.22-0.04-0.26-0.97-0.1227.74（单期）选股超额-1.0417.36-37.5036.96-0.06-0.39-1.37-0.2125.72（单期）选股胜率1.2810.88-27.7624.420.120.77-0.53-0.0822.36（单期），多期因子测试为了避免单期的因子具有偶然性我们用多期模型构造了四个多期因子用更长期限的数据来评估基金的选股配置能力避免短期的偶然性我们使用四季的数据来构造多期因子。因子 因子计算 因子更新频率图表16：因子 因子计算 因子更新频率选股超额（多期） 根据多期BF版本的Brinson模型，用重仓股组合计算，取4个报告期 季度，1、4、7、10月末更新选股胜率（多期） 多个季度的选股胜率，取4个报告期均值 季度，1、4、7、10月末更配置超额（多期）根据多期BF版本的Brinson模型，用重仓股组合计算，取4个报告期季度，1、4、7、10月末更配置胜率（多期） 多个季度的配置胜率，取4个报告期均值 季度，1、4、7、10月末更来源：

我们同样按照2.2章介绍的测试方法和条件对四个多期的因子进行测试测试的结果显示选股能力的两个维度即选股超额和选股胜率两个因子的表现好于配置能力维度的两个因子，而其中选股胜率（多期）子IC均位4.33，风险调整后C为0.5，t统量为3.52，因子显著性较好，而选股超额（多期）因子的IC均值也达到了3.00。而置超额及配置胜率因子IC水平较。图表17：基金经理多维度能力因子（多期）测试结果多空组合年化多空组夏普多空组合最大回因子 IC均值 标准差 最小值 最大值 风险调整的IC t统计量收益率比率撤率选股超额3.00（多期）17.63-30.4341.250.171.113.190.3417.46选股胜率4.338.06-13.2322.200.543.525.140.998.74（多期）配置超额-1.9618.57-45.3032.60-0.11-0.69-2.40-0.3226.26（多期）配置胜率0.9815.99-29.0241.000.060.402.390.3016.26（多期），

从分位数组合测试结果来看选股能力维度的两个因子都具有一定的单调性Top组合和Bottom组合的收益具有一定的区分度。选股贡献的超额越高、选股胜率越高的基金，未来也可能有更高的收益。配置能力因子表现不佳，可也说明了，如果基金过通过行业配获得了超额收，即基金经理依靠行业贝塔收益获利，则无法保证未来的业绩能够持续。图表18：多期选股超额收益分位数组合年化超额收益 图19：多期选股超额收益分位数组合年化超额收益250%20%15%100%050%000%-05%-10%-15%-20%

150%100%500%000%-50%-1.0%多空组合收益率 多空组合净值右

151413121110908070605， ，图表20：多期选股胜率因子分位数组合超额收益率 图21：多期选股胜率因子分位数组合多空组合净值40%300%20%100%000%-10%-20%-30%

120%100%800%60%400%20%000%-20%-40%-60%多空组合收益率 多空组合净值右

181614121080604020， ，选股能力因子合成为了避免单因子阶段性失效我们将两个维度单的选股能力因子进行等权重合成两个因子的相关系数为0.48，合成后的因子称作选股能力因子，因子合成前需要对两个因子进行标准化处理。我们对合成后的选股能力因子同按照2.2章节中的条件合方进行了IC测试和分位数组合测，结果如下表所示。合成后的选股能力因子IC均值为3.88多空组合年化收益率为3.99因子单调性较好Top组合与Bottom组合有明显收益差距，多空组合净值增长较为稳定。回撤率比率因子 IC均值标准回撤率比率因子 IC均值标准差 最小值 最大值 风险调整的IC t统计量多空年化收益率多空组合夏普多空组合最大选股能力因子3.88 13.01 -24.06 31.13 0.30 1.95 3.99 0.63 8.87，图表23：选股能力因子分位数组合年化超额收益率 图24：选股能力因子多空组合净值及多空组合收益率300%25%200%150%100%050%00%-05%-10%-15%-20%

140%120%10%800%600%40%200%000%-20%-40%-60%-80%率 多空组合净值右

1614121080604020， ，各类选股能力因子对比我们根据基金持有的重仓股从选股超额收益与选股胜率两个角度刻画了基金的选股能力市场中有较多刻画基金选股能力的指标如多因子模型alphaCAPM模型alphaTM模型alpha等，这些因子均是通过分析基金净值来刻画基金选股能力的指标。我们对这选股能因子采用同样的条件进行测试测试结果显示基于持仓构建选股能力因子的IC水平不如其他alpha因子高。但多空组合夏普比率好于CAPM模型alpha、TM模型alpha并且其他alpa因子多空组合均有较大的回撤但我们根据基金持仓构建的选股能力因子多空组合最大回撤率最小不超过10表现最为稳定这可能是由于我们构建的选股能力因子在计算过程中控制了行业这一变量刻画的是行业内选股的能力而其他alpha因子虽然在回归模型中剔除了市场风格等因素但对行业因素没有完全剥离干净。此外，选股能力因子与我们之前构建的其他alpha因子相关系数不高，均超过0.5。图表25：各类选股能力因子IC测试及分位数组合测试结果风险调整 多空组合年化多空组合夏普多空组合最因子 平均值 标准差 最小值 最大值 t统计量的IC收益率比率大回撤三因子模型alpha11.96（过去一年）23.37-35.8252.200.513.3610.150.8914.35四因子模型alpha12.13（过去一年）23.72-35.9553.930.513.3510.250.9113.02CAPM模型alpha 10.5621.17-33.0542.030.503.276.690.6017.21因子 平均值标准差最小值最大值风险调整的IC多空组合年化t统计量收益率多空组合夏普多空组合最比率 大回撤（过去一年）TM模型alpha5.84（过去一年）23.56-51.2749.600.251.633.410.3124.85选股能力因子3.8813.01-24.0631.130.301.953.990.638.87（基于持仓），图26：各类选股能力因子多空组合净值表现2924191409选股能力因子 因子模型a 因子模型APM模型a -M模型alpha，4、含金量因子的构造与优化券商金股是各券商研究所每月初结合市场研判和行业具体推荐而精选的股票组合是研究所研究观点的精华在报Alpha掘金系列多维度卖方分析师预测能力评——券商金股组合增强策略中我们曾经测算券商金股组合表现优异2019年与2020年组合的收益率均超过了40持有较多券商金股的基金业绩是否有优势？一问题值得我们进一步验证。我们构建“含金量因子即基金持仓与券商金股的重合情况我们根据金股推荐的时间将含金量因子分为当月和近3个月两当月的含金量因子是基金季披的持仓中持当月券商推荐的金的比例而近3个月的含金量因子基金季披露的持仓中持有前两个月曾推并且季报月份次被推荐的金的比含金量因子体现的是卖方分析师和基金经理对优秀股票的共识根据我们获得的券商金股数据我们的含金量因子从2019年4月份开始计和测试。因子名称 因子计算方法 更新频率图表因子名称 因子计算方法 更新频率含金量因子（当月

用当月推荐过的金股清单与基金重仓股进行匹配计算金重仓股中持有金股的市值占

季度，1、4、7、10月末更新含金量因子（近3个月

用当月推荐过并且近3个月的前两个也推荐过的金股单与基金重仓股进行匹配，并根据持股市值进行加权

季度，1、4、7、10月末更新来源：

经测试两种含金量因子的IC均值均超过3风险调整的IC过0.2但两个因子分位数组合的单调性不佳，多空组合净值自2021年1月末开始持下跌。多空组合年化多空组合夏多空组合最因子 IC均多空组合年化多空组合夏多空组合最因子 IC均值 标准差 最小值 最大值 风险调整的IC t统计量收益率普比率大回撤率含金量因子3.46（当月）14.61-20.0324.840.240.893.620.479.84含金量因子3.3516.61-23.3029.280.200.751.400.1812.64（近3个月），美市科技，我们发现两含金量因子的多空组合净值走势与基金抱团因子的走势较为接近2021年1月以来因子表现不佳从相关系数来看两个含金量因子与基金抱团因子的相关系数均超过了0.5具有一定的相关这也说明了券商金股与基金抱的股票具有较高重合基金抱团因子的计算方法详《智能化选基系列通过全方位特征预测基金业绩并构建跑赢指数的基金组合。图29：含金量因子与基金抱团因子多空组合净值表现对比151413121110908基金抱团因子 含金量因子（月） 含金量因子（个），由于基金的含金量因子与基金抱团因子相关性较强因此我们对基金的含金量因子进行优化通过回归方剔除基金抱团程对基金业的影响我们将基金的含金量因子与基金的抱团因子做回归，取回归残差作为优化后的含金量因。经过测试，优化后的两个含金量因子，风险调整后的IC均有提高，因子显著性更好，多空组合夏普比率大幅提高多空组合最大回撤大幅下降优化后的因多空组合净值稳定增长，2021年1月持续回撤的情况得改善。多空组合年多空组合夏多空组合因子 I多空组合年多空组合夏多空组合因子 IC均值 标准差 最小值最大值风险调整的ICt统计量化收益率普比率最大回撤优化后的含金量因子4.76（近3个月）12.88-16.2922.030.371.385.311.044.66优化后的含金量因子4.6211.32-16.4517.160.411.534.511.231.71（当月），尽管优化后的含金量因子（当月单调性不，但Top组合相对于Bottom组合有明显的收益差距含金排名后10的基组合表现较差两个不同的含金量因子相比优后的含金量因子（当月）表现更好风险调整IC更高，因子显著性更好。图表31：优化后含金量因（当月分位数组合年化超额 图32：优化后含金量因子（当月）多空组合净值300%200%100%000%-10%-20%-30%-40%-50%-60%

500%400%300%20%100%000%-10%-20%

多空组合收益率 多空组合净

121151110510952092094/02097/1291312001/32004/02007/120010302011/92014/0217/02011029221/82024/92027/92021031， ，5、多因子选体优化与因子合成最新多因子选基框架至此我们已在原来量化选基体系的基础上重新构建了隐形交易能力选股能力含金量三个因子我们将这三个因子加入到我们多因量化选基体系中如下图所示目前我们的多因子选基体系，包含了六大类因子，即基金规模、持有人结构、基金业绩动量、隐形交易能力、选股能力、含金量六大类因子因子种进一步丰富。图33：国金金工多因子选基框架来源：我们新增三类因子与量化选基体系中原来的因子相关性较低相关系均不超过0.4。含金量因子从2019年开始构建，它与其他大类因子的相关系数均不超过0.1。图34：大类因子相关系数矩阵spearman相关性隐形交易能力选股能力业绩动量基金份额持有人结构含金量隐形交易能力1.00-0.080.19-0.090.040.08选股能力-0.081.000.370.020.040.01业绩动量0.190.371.00-0.070.100.09基金份额-0.090.02-0.071.00-0.24-0.03持有人结构0.040.040.10-0.241.00-0.02含金量0.10-0.040.07-0.08-0.031.00Wind，国金证券研究所注：数据时间段为2012.01.31-2022.10.31，含金量因子与其他因子的相关系数时间段为：2019.04.30-2022.10.31大类因子合成与测试鉴于各类因子具有较低的相关性，为了避免单因子选基可能会因子阶段性失效的问题，我们将6个大类因子进行等权重线性合成，合成前，需要对因子进行标准化处理。我们对合成后的因子进行IC测试，及分位数组合测试，结果如下表所示。图表35：合成因子的IC测试结果因子IC均值标准差最小值最大值风险调整的ICt统计量选基综合因子（新）13.7712.22-11.7238.581.137.39选基综合因子（原）15.3615.50-19.4738.690.996.50，图表36：合成因子的分位数组合测试结果多因子空组合年化收 多空组合最大回Top组合年化超额收Top组合夏多空组合夏普比率益率 撤率 益率 比率Top组合超额最大撤率选基综合因子（新）13.442.053.090.060.720.25选基综合因子（原）12.661.586.596.390.7525.40Wind，国金证券研究所相比于我在上一篇报告中的选基综合因子，我们目前得到的最新的因子，风险调整IC达到1.13，t统计量为7.39，均有明显的改善。最新的选综因子，多空组合年化收益率为13.4，多空组合夏普比率达到2.05，多空组合最大回撤仅为3.09，均比来的选综因子表现更好。重新构建的选基综合因子分成10组后因子单调性较好因子多空组合净值稳定增长。从各分位数组合表现来看Top组合表现突出，业绩远超Bottom组合及其他组合。图表37：选基综合因子分位数组合年化超额收益率 图38：选基综合因子多空组合净值及多空组合收益率800%600%400%200%000%-20%-40%-60%-80%

120%45100%4800%35600%3400%200%2521500%1-20%05-40%0多空组合收益率 多空组合净值右）， ，图39：选基综合因子分位数组净值走势对比876543210op 1 2 3 45 6 7 8 Btom，6、多因子选基策略构建多因选基策略构建我们基于六大类选基因子等权重构建了选基综合因子基于该因子我们构建多因子选基策略，并将业绩基准设定为偏股混合型基金指数。我们在主动权益型基（普通股票型偏股混合型中进行基优选选择份额类型为A类或无份额类型的基为避免基金经理更换的影响我要求基金经理更换距离调仓日超过250个交易日我们仍然保持季频调仓在每年14710四个月的月末进行调仓，调仓时对选基综因从大到排名前5的基金等权重构建组合，回测的时间区间2012年1月31日至203年4月8日，其中2022年1至2023年4月为样本外跟踪阶考虑到我们使用A类或者无份额类型的基金进行回测申成本较高我们设定费率为申赎各.25。基于上述回测条件我们使用最新构建的选基综合因子构建了基金精选组合我们也将原策略与新的选基综合因子构建的策略结果进行了对比。2012年以来，基金精选组合跑赢偏股混合型基金指数，策略超额净值稳定增长相比于原有的量化选基体系虽然目前优化后多因选基策年化超额收益率略有降但策略表现更加稳定超额净值走势趋平稳尤其是在022年至203年初策略超额最大回撤率由13.33下降到6.25，明显下降。图表40：基金精选组合净值表现 图41：基金精选组合超额净值走势9 268 247 2226254 183 162 141 120 108原选基综合因子 新选基综合因子