合理的基金分类为选基和评价基础 [page::1][page::2]

• 基于仓位管理、业绩基准和选股方式构建多维度基金分类体系。

- 仓位管理分为偏股型（含择时程度）、股债配置型和偏债混合型。

• 业绩基准分类强调基准指数的清晰性、稳定性和可分类性。

- 选股方式分为被动（复制）和积极（增强、选股、择风格）两类。

筛选目标基金池标准及典型产品介绍 [page::3][page::4]

• 目标基金池条件：仓位管理为很少择时或小幅择时，选股方式为积极投资，业绩基准为宽基/行业/主题指数。

- 典型产品：汇丰晋信大盘基金，坚持高仓位大盘蓝筹股票投资，研究驱动选股获得超额收益。

影响基金收益的业绩、持仓及另类因子分析 [page::5][page::8][page::11][page::14]

• 业绩因子包括年化收益率、夏普比率、信息比率、最大回撤、Alpha和Gamma系数，反映基金经理选股和择时能力。

- 持仓因子涵盖市值、账面市值比BP、盈利收益EP、ROE、反转、动量、换手率和特质波动率，部分因子表现良好。

• 另类因子包含基金规模、机构占比及户均持有份额，机构占比因子表现稳定且显著正相关收益。

- 年化夏普比率因子提供较强预测能力并与其他类似因子高度相关，选择代表指标减少冗余。

多因子选基组合的构建方法及基准设定 [page::6][page::7][page::16]

• 通过基准明确基金池，选取沪深300、中证500等主流指标。

- 结合因子有效性和因子得分加权，筛选出综合得分最高的前10%基金作为组合。

• 多因子选基组合采用基金池平均收益与基准指数*平均仓位权重作为双重业绩比较标准。

沪深300增强基金组合表现与因子选择 [page::17][page::8][page::9][page::10][page::12][page::13][page::15][page::16]

• 业绩因子以年化夏普比率为核心，择时因子以T-M模型Gamma系数为代表。

- 持仓因子中ROE和换手率表现显著且两因子相关性低，有利于多因子预测能力提升。

• 另类因子以机构持有人占比为有效指标。

- 沪深300增强组合稳定跑赢基金池平均收益，平均年化超额收益达2.75%，相对基准权重年化超额收益达8.70%。

中证500增强基金组合构建与表现分析 [page::18][page::19][page::20][page::21][page::22][page::23][page::24][page::25][page::26]

• 业绩因子表现稍弱，择时能力Gamma系数相关性低。

- 选择持仓因子：特质波动率和机构占比，另类因子中的机构占比表现优异。

• 规模因子表现表明小规模基金收益更优。

- 多因子打分筛选前10%基金构建组合。

• 中证500增强基金组合除2017年外大多数年份表现优异，年化超额收益达4.69%，相对基准权重年化超额收益10.26%。

方正证券：《以相对收益为目标的多因子选基模型》详尽深度分析报告

---

一、元数据与报告概览

• 报告标题：以相对收益为目标的多因子选基模型

- 作者：宋家骥（金融工程分析师），执业证书编号：S1220519110001，联系方式：18019787292

• 发布机构：方正证券股份有限公司，601901.SH

- 发布时间：报告原文未明确具体日期，但数据与研究时间覆盖至2019年末

• 主题：构建以相对收益为目标的多因子基金选择模型，旨在科学筛选权益类基金并构建强基组合，重在结合多因子打分方法提升基金选取的效能。

核心论点与目标：
报告强调合理的基金分类是选基的基础，依托Brinson业绩归因方法，结合仓位管理、业绩基准和选股方式三大维度进行基金分类，从而准确把握基金经理选股和择时能力。基于此，构建以沪深300和中证500为基准，依托表现优异的业绩因子、持仓因子及另类因子，多因子加权筛选具有相对收益目标的基金组合。实证结果显示，多因子模型构建的增强组合在多个年份实现了稳定的超额收益, 其年化超额收益率分别达到2.75%（沪深300）和4.69%（中证500），显著跑赢基准和行业基金池平均水平[page::0-30]。

---

二、逐章节深度解读

2.1 合理的分类是选基的基础（第1-2页）

• 关键论点：

- Brinson业绩归因方法精准拆解基金收益来源，但依赖高频持仓数据。
- 仅基于净值的业绩分析难剥离择时和选股，因为净值既受仓位、风格影响。
- 合理分类基金是有效识别基金经理选股与择时能力的前提。

• 逻辑分析：

报告挖掘业绩归因的难点，提出先做基金分类以对业绩进行分维分析的思路，提高分析的针对性和准确度。如图“基金分类”明确示意选基和评价两条路径[page::1]。

2.2 权益基金的三维度分类（第2页）

• 仓位管理：通过基金历史仓位的均值和变异系数将基金分为偏股型（再根据择时力度细分）、股债配置型和偏债混合型（图表1展示仓位均值与变异度的关系）。

- 业绩基准：结合Sharpe和Brinson模型思路，采用定性与定量并重的方式确认业绩基准（如宽基/行业/主题等），强调基准的清晰性、可投资性及稳定性（图表2展示主题、行业和规模的基准分类）。

• 选股方式：依据主动份额和跟踪误差划分为被动（复制）和积极（增强、选股、择风格）两类（图表3）[page::2]。

这三维度构成了基金分类的核心框架，为进一步筛选目标基金提供基础。

2.3 筛选以相对收益为目标基金池（第3页）

聚焦仓位管理为“很少择时”或“小幅择时”，选股方式为“积极投资”，业绩基准对准核心指数（如沪深300、中证500、创业板等）。报告以表格形式清晰展示选基目标与投资风格的分类关系，明确相对收益型基金具备一定的活跃管理特征（图表4）[page::3]。

2.4 典型产品介绍：汇丰晋信大盘（第4页）

通过具体基金表现介绍模型应用背景：

• 高仓位配置大盘蓝筹，确保资产集中且潜在风险较低（$85\%-95\%$的股票资产，80%集中在大盘蓝筹股）。

- 选择大盘蓝筹定义精准，依据总市值前30%股票。

• 强调“自下而上”的研究选股方法，从财务稳健、行业领先等多方面综合判定优质大盘股票，避免市场趋势主观判断[page::4]。

2.5 基金收益影响因素划分（第5页）

• 业绩因子：年化收益率、超额收益、跟踪误差、最大回撤、T-M模型的gamma系数等，反映基金持股质量与经理能力。

- 持仓因子：市值、估值、盈利能力、成长性、动量、波动率等，表达基金持仓风格和基本面特征。

• 另类因子：基金规模、机构占比变动、户均份额等其他影响未来收益的因素（图表展示了各因子分类与解释）[page::5]。

2.6 多因子选基组合构建方法（第6-7页）

报告提出三步骤构建方法：

1. 建立“待选基金池”，以沪深300/中证500为基准，聚焦相对收益目标；

2. 确认因子有效性，以IC、ICIR、分组收益及多空表现验证因子贡献，筛选表现优异因子；

1. 采用多因子打分法为基金排序，选择综合得分最高的前N只组合基金（不少于10只），构建组合。

同时，报告设置了多因子组合比较基准：

• 使用待选基金池平均收益比较基金业绩，检验因子区分能力；

- 使用基准指数乘以基金组合平均仓位对比，具备更实际的投资意义（图表7）[page::6-7]。

2.7 沪深300增强基金组合因子分析（第8-13页）

业绩因子方面，年化收益、超额收益、夏普比率、信息比率、Alpha系数高度相关，充分验证指标一致性，归纳挑选代表性因子避免信息冗余（图表5-6）[page::8]。

• 年化夏普比率因子展示时序分布的rankIC值和分组收益，多空组合表现稳定向好，显示较好的预测能力（图表7-9）[page::9]。

- Gamma系数指标体现基金经理择时能力，IC较低但分组表现一致，有助于弥补业绩因子盲区（图表10-12）[page::10]。

持仓因子分析涉及市值、BP（账面市值比）、EP（盈利收益率）、ROE（净资产收益率）、动量、换手率等指标。

• ROE因子表现优异，过去季度持仓ROE较高的基金未来收益更佳，且表现稳定（图表13-17）[page::11-12]。

- 换手率因子则表明低换手率的基金对应更优未来收益表现，体现基金持股稳定性的重要性，两者相关性较低，具备互补性（图表18-20）[page::13]。

另类因子中，机构持有人占比因子表现较强，显示机构投资者参与度高的基金一般收益更好（图表21-25）[page::14-15]。

2.8 沪深300增强基金组合构建（第16-17页）

• 基金筛选标准：成立或转型满2年半、规模至少1亿元、仓位管理处于少择时区间、积极选股、业绩基准为沪深300。

- 确立有效因子：年化夏普比率、Gamma系数、ROE、换手率、机构占比。

• 构建方式：基于因子IC加权对基金得分排序，选择得分最高10%且不低于10只基金构建组合。

组合表现方面，沪深300增强组合整体超越以沪深300为基准的基金池平均收益，平均年化超额收益2.75%。年化相对于沪深300*平均基准仓位权重达8.70%。尤其在市场上涨阶段表现稳定，呈现明显跑赢基准的能力（图表26-27）[page::16-17]。

2.9 中证500增强基金组合因子分析与表现（第18-26页）

• 业绩因子表现较沪深300略弱，但夏普比率依然是核心指标。

- 持仓因子中特质波动率（个股特质风险）表现突出，低特质波动率股票贡献基金超额收益明显（图表35-37）[page::21]。

• 规模因子分析显示，小规模基金未来表现更优，成为有效因子之一（图表43-45）[page::24]。

- 另类因子依然以机构占比为核心，证实机构投资者活跃度较高的基金表现优良（图表40-42）[page::23]。

基金池筛选标准与沪深300类似，但基准为中证500。最终选择有效因子为：年化夏普比率、特质波动率、机构投资者占比和基金规模。

增强组合整体年化超额收益为4.69%，跑赢基准池表现明显。自2015年以来主动基金池广泛跑赢中证500指数，2017年是唯一例外年份。相较基准加权，组合表现更为突出，实现了约10.26%的年化超额收益（图表46-47）[page::25-26]。

2.10 风险提示与免责声明（第27-29页）

报告明确声明其基于历史数据分析，不能构成投资建议，且信息来源于公开渠道。免责声明部分详尽说明方正证券的法律边界，强调投资风险，避免任何法律责任，保证报告的独立性、公平性，且提供了评级标准[page::27-29]。

---

三、图表深度解读

3.1 图表1：《权益基金的仓位管理特征》（第2页）

• 展示仓位变化幅度与平均仓位的关系，四类基金点分布清晰：“偏债”仓位较低且变动小，“资产配置”仓位中等变动大，“择时”主动操作频繁，“不择时”则固定高仓位。

- 该图强调仓位管理是基金策略的重要划分变量，有利于后续细化筛选。

3.2 图表2：《业绩基准分类》（第2页）

• 一个放大镜图形象化地将基准分为“规模”、“行业”、“主题”三类。

- 传递出基准分类多层次、需兼顾清晰度和投资实用性。

3.3 图表3：《选股方式分类》（第2页）

• 横轴为跟踪误差，纵轴为主动份额，左下角复制类被动投资，随着指标提升进入增强、选股、择风格阶段。

- 直观表达基金积极投资程度和选股方式的分层。

3.4 图表4：《权益基金的投资目标分类》（第3页）

• 表格将仓位和选股方式组合后对应“相对收益”、“相对+绝对收益”、“绝对收益”三大目标类别。

- 体现组合策略和基金目标之间的关联，有助筛选符合相对收益目标的基金。

3.5 图表5-6：《沪深300业绩因子IC及相关性表》（第8页）

• IC（信息系数）和ICIR（IC的稳定性指标）体现夏普比率、收益率等指标较强。

- 相关性矩阵显示这些指标高度正相关，说明其覆盖相似层面，减少冗余。

3.6 图表7-9：《年化夏普比率因子的rankIC及多空表现》（第9页）

• rankIC柱状图直观展现时间序列中夏普比率因子表现不稳定但整体偏正，表明该因子具备一定分辨力。

- 多空表现曲线显示,高分组基金超额收益稳定领先低分组，确认因子有效性。

3.7 图表10-12：《Gamma系数因子分析》（第10页）

• rankIC显示较为波动，但多空曲线稳定上升，彰显择时能力的有效辨识。

- 分组收益进一步证明基金经理择时能力具备选基价值。

3.8 图表13-20：《持仓因子ROE、换手率分析》（第11-13页）

• ROE因子表现较强，除少数负值期外，rankIC多为正。

- 换手率因子表明低换手率基金持仓更有利于未来收益，且该因子与ROE相关性低，有助构建稳定复合因子模型。

3.9 图表21-25：《另类因子机构占比分析》（第14-15页）

• 机构持有人占比IC和ICIR较优，说明机构参与度是影响基金收益的重要指标。

- 多空表现曲线显示机构占比高基金表现更优。

3.10 图表26-27：《沪深300增强组合表现》

• 时间序列折线图直观表明增强组合收益持续跑赢基金池及基准调整权重。

- 年度收益表细化了表现差异，验证组合构建方法有效。

3.11 图表28-47：《中证500增强组合同类因子分析与表现》

• 类似沪深300分析框架，但因子表现和相关性显示不同特质，规模和特质波动率成为中证500的有效持仓因子。

- 组合表现图和年度表同样体现组合稳定取得超额收益。

---

四、估值分析

报告主要聚焦多因子选基的组合构建及表现评估，未直接涉及股票或基金的传统估值模型，如DCF或市盈率等，故无估值分析部分。

---

五、风险因素评估

• 报告指出基金历史业绩作为分析基础，依赖历史数据及统计因子，潜藏未来收益不确定性。

- 风险提示明确声明不构成投资建议，强调市场风险及投资者需自担风险。

• 兼顾基金经理主动管理能力的波动、行业及市场环境变化的潜在影响。

- 另一层面，模型构建基于沪深300或中证500基准可能导致在特定市场阶段表现受限，历史优异因子未来效力不保。

• 报告未展现针对风险波动的缓释策略，投资者需结合自身风险承受能力理性决策[page::27]。

---

六、批判性视角与分析细微差别

• 优点：报告划分基金分类的思路清晰，结合高频持仓数据与业绩归因，充分挖掘多维因子之间的相互作用，数据支撑丰富，图表完整，逻辑严谨。

- 潜在偏差：
- 基金池筛选严格，但实际基金策略可能存在变动，不同市场环境下仓位管理和选股风格有可能调整，对稳定性构成挑战。
- 依赖历史IC和信息比率进行因子选择时，可能因过拟合历史数据导致未来效应下降。
- 报告核心以沪深300/中证500为基准，忽视了一些中小盘或新兴行业的基金特性。
- 部分因子（如Gamma系数）虽然有一定区分效果，但相关性较低，其实际在组合中的权重设计未展开细节说明。

• 方法论细节：多因子加权排序的具体权重设定、因子间的相关性调节等技术细节未详细说明，组合构成的稳定性、交易成本考虑缺失。

- 图表展示：个别表格排版复杂，数值多且重复，需投资者具备一定专业背景理解。

• 对比研究：报告中未对比其他主流选基模型的表现，缺乏相对优势证明。

尽管如此，整体研究框架及实证结果仍具有较强参考价值[page::0-30]。

---

七、结论性综合

方正证券宋家骥分析师的《以相对收益为目标的多因子选基模型》报告系统且细致地构建了基于仓位、基准和选股方式的基金分类框架，有效解决了基金业绩归因中择时与选股能力难以分辨的问题。通过历史数据结合信息系数（IC）、信息比率（ICIR）、多空组合表现等指标复核法验证了多因子的有效性。

沪深300增强基金组合确认了年化夏普比率、Gamma系数、持仓个股ROE、换手率及机构持有人占比为核心有效因子，组合在2013年至2019年区域大幅跑赢基金池及基准调整权重，年化超额收益率达2.75%-8.70%水平。

中证500增强组合则结合了夏普比率、特质波动率、机构占比和基金规模因子，尽管部分单因子指标表现比沪深300有所弱化，但组合整体同样在多数年份实现正向超额收益，区别于沪深300组合小规模基金的更佳表现成为亮点。

图表清晰展示了因子赋能基金选取及组合收益的逻辑路径，论据严谨，数据完备，充分体现了多因子模型在选基中的应用价值和实践意义。

报告同时明确声明基于历史分析不构成投资建议，提示了历史模型适用性的局限和投资的市场风险，提醒投资者审慎运用。

总体来看，报告提出的以相对收益为目标的多因子选基模型体系完善、实证充分，适合在权益基金多样化产品中筛选表现优异、风险稳定的产品，提升投资组合的收益和风险控制效果，具有较强的行业指导意义和实践参考价值[page::0-30]。

---

重要图表索引示例（节选）

• 图表1：《权益基金的仓位管理特征》：基于仓位均值与变异系数划分不同基金类型，区分择时程度和仓位偏债/偏股特征[page::2]

• 图表7：《年化夏普比率因子的rankIC》：显示夏普比率因子预测力，因子在多个时间点表现正向分布，有效识别优秀基金[page::9]

• 图表26：《沪深300增强基金组合表现》：时间序列对比曲线展示增强组合显著跑赢基金池平均收益和基准仓位加权指标[page::17]

• 图表46：《中证500增强基金组合表现》：组合收益持续优于基金池及基准调整权重，显示模型对中证500细分市场同样适用[page::26]

---

术语与模型解析

• Brinson业绩归因模型：用于拆解组合收益的贡献来自资产配置、行业选股及个股择时，评估基金经理能力。

- 信息系数（IC）：衡量因子预测未来收益的相关性，数值越大表示预测能力越强。

• 信息比率（IC_IR）：IC的稳定度，反映因子表现的一致性。

- 年化夏普比率：单位风险下的年化收益率，衡量收益质量。

• T-M模型Gamma系数：基金经理择时能力的代表指标。

- 多因子打分法：对多个因子进行加权，综合评分筛选对象，解决单因子维度不足。

---

综上，报告通过严密的基金分类框架和丰富的多因子实证分析，提供了有效选基思路，助力构建具备相对超额收益潜力的投资组合，专业且具实践指导价值。

报告