1、1、 權益基金因子與分析框架在之前的研究權益基金分析框架：多元立體策略分類及解析基金產品研究系列報告（一）中，我們著重圍繞主動權益基金的 Beta 結構進行賽道與風格維度的解析。而哪些因素能夠幫助我們從眾多主動權益基金中挑選出更具 Alpha能力的基金產品，以及探索選基因子在不同的 Beta 環(huán)境下選基能力的差異將是我們本次研究希望探討的問題。、 因子回測分析框架、 主動權益基金樣本我們依然在主動權益基金的范疇內開展我們的研究，對于主動權益基金的劃分我們依舊延續(xù)之前的分類方法，而考慮到選基因子回測框架的可操作性，我們進一步對基金規(guī)模做出約束：基金類型為普通股票型、混合偏股型、平衡混合型和靈活配

2、置型連續(xù)四個季度的季報披露持股比例均不低于 60%至少 3 期半年報/年報披露數據，且期間管理時間最長的基金經理未發(fā)生變更基金當前合計管理規(guī)模大于 1 億元的初始基金因子的回顧測算周期方面，我們進一步向前拓展至 2012 年使測算周期達到 10年。主動權益基金樣本數量在 2016 年之前并沒有大幅的變動，2017 年之后主動權益基金數量開始快速提升。截至 2022 年一季度，根據我們的分類方法主動權益基金中 43%的樣本為持倉賽道相對分散的全市場類型基金，而隨后則是持倉賽道相對集中的雙賽道型和單賽道型基金。圖 1：主動權益基金樣本數量與類型圖 2：2022 年 1 季度主動權益基金樣本分類占比

3、只16001400120010008006004002002012-032012-092013-032013-092014-032014-092015-032015-092016-032016-092017-032017-092018-032018-092019-032019-092020-032020-092021-032021-092022-030賽道輪動港股基金2%7%單賽道22%雙賽道全市場43%全市場賽道輪動雙賽道單賽道港股基金26%資料來源：Wind，資料來源：Wind，統(tǒng)計截至 2022 年 3 月31 日、 選基因子回測框架我們將各類型選基因子的測算周期統(tǒng)一調整至季度頻率計算。

4、因部分因子需要基 于最近一期的基金季度披露數據，而根據證監(jiān)會證券投資基金信息披露管理辦 法，證券投資基金管理人需要在每個季度結束之日起十五個工作日內，編制完 成基金季度報告，并對外發(fā)布。所以我們的選基因子回測在每個季度后次月的最 后一個工作日基于最近可獲取的因子數據進行基金分組與計算，也即在每年的 1、 4、7、10 月月底進行調倉。圖 3：選基因子回測框架時點圖而其他通過半年報、年報數據計算得到基金分類信息，同樣需要根據能夠實際獲取披露信息的時點進行遞延調整，也即 4 月、7 月底可以追溯的最近披露報告為前一年年報數據，而 10 月與次年 1 月底可以獲取當年的半年報數據。因此我們在大類賽道

5、上的分類也基于 1、4、7、10 月月底能夠獲取的最新數據為準。資料來源：、 選基因子與驅動邏輯我們在因子的構建上從個股 Alpha 挖掘能力、動量驅動、交易能力驅動和交易的便利性與流動性四個維度出發(fā)去構建潛在的選基因子結構。最終我們設立了特質收益因子、收益風險類因子、持倉能力刻畫因子和規(guī)模類因子共四大類共計 26個小因子。圖 4：選基因子結構與驅動邏輯資料來源：特質類因子主要反映基金挖掘 alpha 的能力，我們主要通過構建不同的收益分解因子模型對主動權益基金的收益進行剝離，試圖更好刻畫基金收益中控制了beta收益后獲取 alpha 的能力。在因子的刻畫上我們也逐步豐富 beta 因子的結構

6、，來分析不同模型結構下的因子差異。收益風險因子的基本邏輯在于認為之前在收益以及風險調整收益方面具有較好表現的基金能夠持續(xù)這種特征，核心反映出動量驅動的思想。我們從不同時間區(qū)間的收益動量以及不同類型的風險調整收益對基金進行刻畫。持倉能力刻畫因子主要從基金季度披露的重倉信息出發(fā)，反映基金在季度周期中的持倉交易特征。我們著重考察其在重倉股的換手、交易能力以及抱團股持倉特征等方面尋求有效的選基因子。規(guī)模類因子本質上能夠側邊反映出市場對于基金的追逐以及基金自身對于流動性和交易便利性的控制。我們也發(fā)現規(guī)模類因子對于基金業(yè)績方面也有獨特的影響特征。表 1：選基因子算法定義因子類型因子名稱基本算法定義單因子調

7、整Alpha計算 240 個工作日CAPM 的 Alpha 與殘差標準差 SE，取 Alpha/SE三因子調整Alpha計算 240 個工作日Fama-French 三因子的Alpha 與殘差標準差 SE，取 Alpha/SE四因子調整Alpha計算 240 個工作日Carhart 四因子的 Alpha 與殘差標準差 SE，取 Alpha/SE特質收益HM 擇時擇股計算 240 個工作日H-M 模型的 Alpha，與擇時Beta，分別計算截面分位數后求和結構化風險模型 Alpha計算 240 個工作日Barra 模型的Alpha 與殘差標準差 SE，取 Alpha/SETM 擇時擇股計算 24

8、0 個工作日T-M 模型的 Alpha，與擇時Beta，分別計算截面分位數后求和最近 20 個工作日基金復權單位凈值的漲幅20 日動量中期相對強度先計算 60 個工作日基金復權單位凈值的漲幅，再推遲 60 個工作日120 日動量最近 120 個工作日基金復權單位凈值的漲幅長期相對強度先計算 180 個工作日基金復權單位凈值的漲幅，再推遲 60 個工作日120 日夏普率最近 120 個工作日的年化收益率/最近 120 個工作日的年化標準差120 日卡瑪比最近 120 個工作日的年化收益率/最近 120 個工作日的最大回撤120 日索提諾比率最近 120 個工作日的年化收益率/最近 120 個工作

9、日的年化下行標準差收益風險240 日卡瑪比最近 240 個工作日的年化收益率/最近 240 個工作日的最大回撤240 日夏普率最近 240 個工作日的年化收益率/最近 240 個工作日的年化標準差240 日索提諾比率最近 240 個工作日的年化收益率/最近 240 個工作日的年化下行標準差長期滾動夏普率先計算最近 4 個月的 240 日夏普率，再取 4 個指標的均值/4 個指標的標準差先計算最近 4 個月的 240 日索提諾比率，再取 4 個指標的均值/4 個指標的標準差長期滾動索提諾比率長期滾動卡瑪比先計算最近 4 個月的 240 日卡瑪比，再取 4 個指標的均值/4 個指標的標準差持倉交易

10、能力基金季報公布一個月內的收益相對于披露重倉股票收益的差異持倉能力刻畫重倉換手率基金最近季度重倉股相對上個季度重倉股持倉比例的變動之和重倉數量抱團股最近季度基金重倉的股票在全部主動權益基金重倉股次數的加權和最近季度基金重倉的股票在全部主動權益基金重倉市值占股票流動市值比例的加權和重倉市值抱團股最新規(guī)模基金最近季度披露的資產凈值凈值短期規(guī)模變化基金最近季度的資產凈值截面分位數相對上個季度的變動規(guī)模類長期規(guī)模變化基金最近季度的資產凈值截面分位數相對 4 個季度前的變動資料來源：2、 選基因子回測與驅動解析在之前設定的回測框架下，我們對四大類選基因子進行逐一的測算分析，并希望通過選基因子在時序維度上

11、的表現特征，尋求不同的選基因子背后實際的驅動邏輯與因子之間可能潛在的關聯(lián)關系。、 因子收益表現分析對于單個選基因子，我們在每一期的組合換倉期，基于樣本基金最新的因子得分從低到高排序，將可投樣本基金等分為 5 個組合，因子得分最高的一組為多頭組組合，而組合內的基金產品以等權的形式進行投資。各組合的投資收益以相對于全部參與分組的樣本基金等權組合為基準，測算分組收益的表現。而多頭組的超額收益則以中證偏股基金指數(930950.CSI)為基準進行測算。、 特質收益因子特質收益因子通過各類因子模型，試圖剝離基金業(yè)績中 beta 因子的貢獻，進而反映出基金本身的 alpha 收益表現。從最簡單的 CAPM

12、 單因子模型逐步到 Fama-French 三因子模型、Carhart 四因子模型以及后續(xù)的結構化風險模型，隨著模型結構的趨于復雜，我們對于 beta 的剝離也更加全面。圖 5：基于多因子模型的基金收益分解方法資料來源：CAPM 模型僅分析對市場收益進行剝離后的特質收益部分，而 Fama-French 三因子和 Carhart 四因子模型在單因子模型的基礎上額外剝離市值、估值以及動量等風格因子的收益，結構化風險模型進一步通過純因子收益，剝離行業(yè)與多種風格收益，分析基金的特質收益。表 2：特質收益因子回測統(tǒng)計資料來源：Wind，特質收益因子整體單調性特質好于收益風險因子，但在多頭組的超額表現上弱

13、于收益風險因子，而收益波動率更低。因子模型中結構最簡單的 CAPM 單因子模型在多頭組超額收益和因子單調性上最好，而結構最復雜的結構化風險模型在收益回撤和波動率上的表現最突出。擇時擇股模型多頭組超額收益更高，但超額波動率也更大，因而信息比率并不占優(yōu)勢。特質收益因子：CAPM 單因子調整 Alpha我們對剝離了市場因子收益后的 alpha，除以殘差標準差進行調整，以加強因子值的穩(wěn)健性。單因子的調整 Alpha 選基因子在分組的單調性上比較鮮明，特別是首尾組的收益差額突出。圖 6：CAPM 單因子 alpha 因子多頭超額收益圖 7：CAPM 單因子 alpha 因子分組年化超額收益1.81.71

14、.61.51.41.31.21.110.90.83%2%1%0%-1%-2%-3%-4%第一組第二組第三組第四組第五組資料來源：Wind，資料來源：Wind，圖 8：中證 800 指數收益率2.82.62.421.81.61.41.210.8資料來源：CAPM 模型特質收益因子在市場單邊行情中的多頭超額收益往往較低，如 2014， 2018 年，我們認為是對應年份的市場 beta 的影響大于特質因子收益的效果。市場波動較大的區(qū)間，單因子調整 alpha 的多頭組超額收益波動也加大。表 3：CAPM 單因子調整 alpha 因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭

15、組超額年化波動率超額 最大回撤信息比夏普比20121.98%6.72%2.03%-2.19%0.980.54201312.04%12.78%4.72%-2.30%2.551.3220140.04%26.40%4.19%-7.77%0.011.5320153.39%51.20%4.77%-2.98%0.711.47201611.13%-14.50%2.08%-0.51%5.36-0.220177.23%13.80%1.90%-1.14%3.811.9720181.01%-23.67%2.49%-2.60%0.41-1.1220194.79%47.98%2.36%-1.72%2.032.95202

16、09.61%58.15%3.58%-2.40%2.683.0520216.86%6.29%7.59%-5.66%0.90.662022(1-6)1.55%-18.00%5.85%-4.04%0.27-0.7全樣本時期5.52%13.80%4.06%-9.00%1.360.9資料來源：Wind，特質收益因子：Fama-French 三因子，Carhart 四因子調整 alpha相對于單因子模型，多因子模型的選基因子在剝離了市場、估值、市值因子收益后的 3 因子 alpha 以及在此基礎上再剝離了動量因子收益后的 4 因子 alpha，并除以殘差標準差進行調整，以加強選基因子的穩(wěn)健性。圖 9：FF

17、3 因子和 Car4 因子模型多頭超額收益圖 10：FF3 和 Car4 因子分組年化超額收益 1.83%1.62%1.41.210.8三因子調整Alpha四因子調整Alpha1%0%-1%-2%-3%第一組第二組第三組第四組第五組三因子調整Alpha四因子調整Alpha資料來源：Wind，資料來源：Wind，三因子和四因子模型均有較好的分組單調性，多頭組超額收益勝率較高，所有年份均跑贏基準指數。在未控制行業(yè)的情況下，三因子和四因子模型的差異較小，相對單因子模型，多因子模型多頭組超額收益的波動率相對更低，體現出更多風格控制后的提升效果。表 4：FF 三因子調整 alpha 因子多頭組各年收益風

18、險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額年化波動率超額 最大回撤信息比夏普比20121.49%6.72%2.31%-2.68%0.650.51201312.28%12.78%4.84%-2.24%2.541.3620141.71%26.40%2.25%-3.31%0.761.7120157.95%51.20%4.23%-2.52%1.881.6620167.50%-14.50%2.11%-0.88%3.55-0.3220177.19%13.80%1.57%-0.91%4.581.8920181.90%-23.67%2.90%-2.32%0.66-1.0620194.36%47

19、.98%2.23%-1.47%1.962.9120204.83%58.15%3.31%-2.76%1.462.9020214.24%6.29%6.98%-5.11%0.610.532022(1-6)3.16%-18.00%4.62%-2.70%0.68-0.62全樣本時期5.18%13.80%3.67%-5.11%1.410.89資料來源：Wind，表 5：Carhart 四因子調整 alpha 因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額年化波動率超額 最大回撤信息比夏普比20122.27%6.72%2.27%-2.12%1.000.5620139.07%1

20、2.78%3.30%-1.61%2.751.2320141.08%26.40%1.93%-3.71%0.561.73201510.84%51.20%4.26%-1.57%2.551.7420165.26%-14.50%2.02%-1.64%2.61-0.3920177.18%13.80%1.61%-0.83%4.471.8920181.23%-23.67%2.92%-2.72%0.42-1.0720194.40%47.98%2.73%-2.98%1.612.8520205.69%58.15%3.40%-2.72%1.682.9220215.03%6.29%7.15%-5.29%0.700.57

21、2022(1-6)3.91%-18.00%5.75%-4.69%0.68-0.58全樣本時期5.09%13.80%3.64%-5.29%1.400.87資料來源：Wind，特質收益因子：結構化風險模型調整 alpha相對于前述的單因子或者三因子與四因子模型，結構化風險模型刻畫在剝離了 30 個中信一級行業(yè)和 15 個大類風格等因子收益后的 Alpha，同樣除以殘差標準差進行調整，加強因子值的穩(wěn)健性。圖 11：結構化風險模型 alpha 因子多頭超額收益圖 12：結構化風險模型 alpha 因子分組年化超額收益1.81.71.61.51.41.31.21.110.90.82.0%1.5%1.0%

22、0.5%0.0%-0.5%-1.0%-1.5%-2.0%第一組第二組第三組第四組第五組資料來源：Wind，資料來源：Wind，風險模型使用行業(yè)因子和風格因子的純因子收益對基金收益進行拆分，在剝離 beta 收益的的效果上優(yōu)于三因子和四因子模型。相較于三因子、四因子模型，結構化風險模型Alpha 的因子多頭超額收益雖然略低，但超額收益波動率顯著降低。同為多因子 Alpha 因子模型，結構化風險模型的多頭組超額收益表現出更好的回撤控制與信息比，這也與模型刻畫進一步穩(wěn)健的邏輯相一致。表 6：結構化風險模型調整 alpha 因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額

23、年化波動率超額 最大回撤信息比夏普比2012-1.09%6.72%2.18%-4.35%-0.500.33201312.89%12.78%3.68%-1.46%3.501.442014-0.16%26.40%1.91%-2.76%-0.091.6020155.66%51.20%3.86%-3.05%1.471.5220165.80%-14.50%2.34%-2.09%2.47-0.3620171.06%13.80%1.59%-1.63%0.661.3120182.08%-23.67%3.56%-4.48%0.58-1.0620197.87%47.98%3.62%-3.10%2.173.0920

24、209.19%58.15%3.18%-1.52%2.893.06202110.02%6.29%4.24%-1.78%2.360.912022(1-6)0.00%-18.00%3.52%-3.08%0.00-0.76全樣本時期4.97%13.80%3.16%-4.53%1.570.87資料來源：Wind，特質收益因子：HM 模型、TM 模型擇時擇股因子我們分別以 HM、TM 模型的 alpha 因子與擇時因子的截面排序之和作為選基的因子，反映基金擇時擇股綜合能力。相對于沒有擇時控制的 CAPM 單因子模型， HM 和 TM 模型考慮了基金在市場 beta 上的擇時暴露，多頭組超額收益表現受 be

25、ta 純因子收益的影響更大。圖 13：擇時擇股綜合因子多頭超額收益圖 14：擇時擇股綜合因子分組年化超額收益21.81.61.41.210.8 HM擇時擇股TM擇時擇股BETA3%2%1%0%-1%-2%-3%-4%第一組第二組第三組第四組第五組HM擇時擇股TM擇時擇股資料來源：Wind，資料來源：Wind，在 beta 純因子收益波動上升區(qū)間，多頭組超額收益的穩(wěn)定性下降，選基因子的風險提高。相對于多因子模型，擇時擇股因子多頭組超額收益的回撤更大，不適合單獨使用。表 7：HM 模型擇時擇股因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額年化波動率超額 最大回撤信息

26、比夏普比20121.84%6.72%2.45%-3.18%0.750.53201311.58%12.78%6.11%-3.81%1.891.2520140.66%26.40%3.04%-3.83%0.221.6220156.24%51.20%4.17%-2.57%1.501.5620166.06%-14.50%2.01%-0.69%3.01-0.3620178.83%13.80%2.56%-1.82%3.451.962018-1.71%-23.67%3.26%-4.07%-0.52-1.1520196.60%47.98%3.18%-2.29%2.072.97202013.17%58.15%5.

27、32%-3.35%2.483.1120218.76%6.29%9.42%-7.18%0.930.702022(1-6)0.66%-18.00%7.83%-7.77%0.08-0.64全樣本時期5.84%13.80%4.85%-9.46%1.200.88資料來源：Wind，表 8：TM 模型擇時擇股因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額年化波動率超額 最大回撤信息比夏普比20120.88%6.72%2.36%-2.91%0.370.46201310.78%12.78%5.83%-3.57%1.851.2120140.18%26.40%3.29%-4.23%

28、0.051.5820156.90%51.20%4.45%-3.31%1.551.6120166.25%-14.50%2.17%-0.81%2.88-0.3520178.11%13.80%2.50%-1.51%3.241.902018-3.37%-23.67%3.14%-4.85%-1.07-1.1820197.40%47.98%3.25%-1.75%2.283.02202013.68%58.15%5.33%-3.22%2.573.14202110.05%6.29%9.37%-7.17%1.070.772022(1-6)2.93%-18.00%8.24%-7.66%0.36-0.57全樣本時期5

29、.81%13.80%4.88%-9.15%1.190.88資料來源：Wind，、 收益風險類因子收益風險因子的邏輯基礎在于認為收益風險表現較好的基金，其業(yè)績具備一定的可持續(xù)性，核心的驅動邏輯在于動量的持續(xù)性。收益風險因子整體表現在四個因子大類中相對最優(yōu)，而單純從收益端刻畫的動量與通過風險調整收益后的因子之間差異相對較小，說明風險控制端在因子中的影響較小。動量因子著重刻畫收益端的表現，以區(qū)間收益為衡量指標。而在風控端的表現我們選取波動率、區(qū)間最大回撤和下行波動為衡量指標，進而結合兩端后的風險調整收益我們考量夏普率、卡瑪比和索提諾比率的選基效果。圖 15：風險調整收益類因子的構建邏輯資料來源：對于

30、風險調整類因子，我們可以看到隨著因子測算周期的增長，風險調整收益類的因子在穩(wěn)健性上也明顯提升，多頭組超額收益以及信息比隨著因子構建時間的拉長而進一步提高。表 9：收益風險類因子回測統(tǒng)計資料來源：Wind，收益風險因子：動量因子（20 日動量, 120 日動量）動量因子測算基金最近 20(120)個交易日的復權單位凈值漲跌幅，反映基金短期業(yè)績表現。從因子的分組計算結果表明，動量因子單調性明顯，20 日動量的分數收益區(qū)別更明顯，說明短期動量效應的存在。圖 16：動量因子多頭超額收益圖 17：動量因子分組年化超額收益 2.11.91.71.51.31.10.920日動量120日動量3%2%1%0%-

31、1%-2%-3%第一組第二組第三組第四組第五組20日動量120日動量資料來源：Wind，資料來源：Wind，通過于動量純因子收益的對照可以看到，當動量純因子反轉后的年份往往短期動量因子的表現風險較大。圖 18：動量純風格因子收益1.31.21.110.90.8資料來源：Wind，因子多頭組超額收益的波動于動量因子也有一定關聯(lián)，在動量因子波動上升的區(qū)間短期動量因子多頭組的超額收益也容易出現波動。表 10：20 日動量因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額年化波動率超額 最大回撤信息比夏普比2012-0.08%6.72%3.23%-2.94%-0.020.4

32、0201312.56%12.78%4.30%-1.88%2.921.362014-6.18%26.40%4.15%-8.64%-1.491.07201515.76%51.20%6.61%-5.84%2.381.7520162.24%-14.50%4.39%-3.41%0.51-0.4820177.94%13.80%4.19%-2.78%1.891.702018-1.86%-23.67%4.61%-5.48%-0.40-1.2420193.93%47.98%3.98%-3.21%0.992.84202018.23%58.15%6.58%-6.62%2.773.27202113.94%6.29%1

33、0.73%-8.64%1.300.832022(1-6)-1.71%-18.00%8.76%-7.77%-0.20-0.88全樣本時期5.95%13.80%5.86%-8.91%1.020.86資料來源：Wind，收益風險因子：相對強度因子（60 到 120 日, 60 到 240 日）相對強度因子反映基金最近 60 到最新 120(240)個交易日的區(qū)間凈值漲跌幅，是基金扣除短期影響后的中長期動量效應。相對短期動量因子，相對強度因子選基多頭組的超額波動率更低收益更穩(wěn)健。圖 19：相對強度因子多頭超額收益圖 20：相對強度因子分組年化超額收益 2.221.81.61.41.210.84%3%2

34、%1%0%-1%-2%-3%-4%第一組第二組第三組第四組第五組中期相對強度長期相對強度中期相對強度長期相對強度資料來源：Wind，資料來源：Wind，相對強度因子多頭組超額收益的波動與動量因子也有一定關聯(lián)，同樣在動量因子波動上升的區(qū)間相對強度因子風險更大，這一點與短期動量因子比較相似。也側面反映出兩類因子背后的驅動邏輯是一致的。表 11：60 到 120 日相對強度因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額年化波動率超額 最大回撤信息比夏普比2012-2.82%6.72%2.70%-3.52%-1.040.2320134.29%12.78%5.45%-4.

35、36%0.790.87201411.65%26.40%3.63%-3.51%3.212.41201511.35%51.20%6.36%-5.91%1.781.6720166.17%-14.50%2.75%-2.87%2.24-0.3520176.95%13.80%2.27%-1.28%3.061.8320183.15%-23.67%4.17%-5.35%0.76-0.9720196.60%47.98%2.89%-2.73%2.293.06202012.14%58.15%5.57%-3.70%2.183.00202115.29%6.29%7.06%-5.42%2.161.022022(1-6)-

36、14.16%-18.00%6.87%-7.71%-2.06-1.22全樣本時期6.27%13.80%4.72%-11.02%1.330.89資料來源：Wind，對比中期與長期相對強度，中期相對強度更容易在單邊行情下出現隨漲隨跌的特征，如 2012、2014、2020 以及今年以來的時間區(qū)間，因而在單邊行情中需要對相對強度因子提高警惕。表 12：60 到 240 日相對強度因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額年化波動率超額 最大回撤信息比夏普比20121.80%6.72%2.42%-1.92%0.750.55201312.37%12.78%5.92%-3

37、.97%2.091.3120140.80%26.40%4.95%-6.50%0.161.5120157.68%51.20%4.42%-3.70%1.741.5520167.04%-14.50%2.03%-1.06%3.47-0.3220175.51%13.80%1.85%-1.02%2.971.7220182.50%-23.67%3.37%-4.14%0.74-1.0020193.81%47.98%3.03%-3.16%1.262.9520208.41%58.15%4.68%-5.02%1.792.80202113.11%6.29%6.07%-4.20%2.160.892022(1-6)-0.

38、60%-18.00%7.98%-7.52%-0.07-0.69全樣本時期5.89%13.80%4.39%-8.80%1.340.87資料來源：Wind，收益風險因子：夏普率因子（120 日夏普、240 日夏普、240 日滾動夏普）我們以 120 日和 240 日的交易日區(qū)間測算基金中長期的夏普率表現，進一步通過連續(xù) 4 個月的長期夏普均值除以標準差衡量夏普率滾動平滑后的效果。測算結果表明，隨著測算周期的延長因子最高最低組的收益差異進一步拉大，單調性提升較為明顯，說明持續(xù)穩(wěn)定的長期夏普率因子更加穩(wěn)健。圖 21：夏普率因子多頭超額收益圖 22：夏普率因子分組年化超額收益21.81.61.41.21

39、0.8120日夏普率240日夏普率長期滾動夏普率4%3%2%1%0%-1%-2%-3%-4%第一組第二組第三組第四組第五組120日夏普率240日夏普率長期滾動夏普率資料來源：Wind，資料來源：Wind，而長期夏普因子的風險主要出現在長期的單邊下行市場，如 2018 年往往難以取得顯著的超額收益。表 13：240 日滾動夏普率因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額年化波動率超額 最大回撤信息比夏普比20122.52%6.72%2.47%-3.19%1.020.55201310.77%12.78%6.03%-4.06%1.781.2220146.45%26

40、.40%4.27%-4.89%1.511.9720154.64%51.20%6.10%-6.63%0.761.54201611.20%-14.50%2.90%-0.82%3.85-0.2020176.45%13.80%2.32%-1.63%2.781.982018-0.46%-23.67%3.07%-3.63%-0.15-1.1420196.89%47.98%2.56%-1.36%2.693.1520209.72%58.15%4.46%-3.38%2.183.1620218.32%6.29%8.87%-7.22%0.940.702022(1-6)4.89%-18.00%6.21%-3.66%0

41、.79-0.58全樣本時期6.51%13.80%4.82%-7.22%1.350.95資料來源：Wind，收益風險因子：卡瑪比因子（120 日卡瑪、240 日卡瑪、240 日滾動卡瑪）我們以 120 日和 240 日的交易日區(qū)間測算基金中長期的卡瑪比表現，進一步通過連續(xù) 4 個月的長期卡瑪均值除以標準差衡量卡瑪比滾動平滑后的效果。測算結果表明，同樣作為風險調整收益測算指標，卡瑪比因子在特征方面與夏普率因子有很大的相似度，隨著測算周期的延長因子最高最低組的收益差異進一步拉大，單調性提升較為明顯，同樣是持續(xù)穩(wěn)定的長期卡瑪比因子更加穩(wěn)健。圖 23：卡瑪比因子多頭超額收益圖 24：卡瑪比因子分組年化超

42、額收益 21.81.61.41.210.84%3%2%1%0%-1%-2%-3%-4%第一組第二組第三組第四組第五組120日卡瑪比240日卡瑪比長期滾動卡瑪比120日卡瑪比240日卡瑪比長期滾動卡瑪比資料來源：Wind，資料來源：Wind，表 14：240 日滾動卡瑪比因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額年化波動率超額 最大回撤信息比夏普比20120.71%6.72%2.33%-3.30%0.300.44201310.89%12.78%5.89%-3.69%1.851.2320144.27%26.40%4.11%-5.16%1.041.8220156.

43、08%51.20%5.26%-5.44%1.151.58201611.03%-14.50%2.75%-0.75%4.01-0.2020176.53%13.80%2.37%-1.70%2.751.972018-0.37%-23.67%3.00%-4.02%-0.12-1.1320197.43%47.98%2.64%-1.27%2.823.1920209.02%58.15%4.11%-3.03%2.203.14202111.36%6.29%8.95%-7.33%1.270.852022(1-6)5.82%-18.00%6.21%-3.79%0.94-0.55全樣本時期6.58%13.80%4.67

44、%-7.33%1.410.95資料來源：Wind，收益風險因子：索提諾比率因子（120 日索提諾比率、240 日索提諾比率、240日滾動索提諾比率）我們以 120 日和 240 日的交易日區(qū)間測算基金中長期的索提諾比率表現，進一步通過連續(xù) 4 個月的長期索提諾比率均值除以標準差衡量索提諾比率滾動平滑后的效果。測算結果表明，三個風險調整收益測算指標，夏普率、卡瑪比與索提諾比率因子在單調性和多頭組收益特征都有很大的相似度，隨著測算周期的延長因子最高最低組的收益差異進一步拉大，單調性提升較為明顯。圖 25：索提諾比率因子多頭超額收益圖 26：索提諾比率因子分組年化超額收益21.81.61.41.21

45、0.8120日索提諾比率240日索提諾比率長期滾動索提諾比率4%3%2%1%0%-1%-2%-3%-4%第一組第二組第三組第四組第五組120日索提諾比率240日索提諾比率長期滾動索提諾比率資料來源：Wind，資料來源：Wind，各因子都隨著測算周期的延長因子最高最低組的收益差異進一步拉大，且持續(xù)穩(wěn)定的因子更加穩(wěn)健，因此我們認為驅動風險調整收益類因子的邏輯主要在于收益端的表現而非風控端。表 15：240 日滾動索提諾比率因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額年化波動率超額 最大回撤信息比夏普比20122.22%6.72%2.50%-3.30%0.890.5

46、3201311.10%12.78%6.17%-4.03%1.801.2320146.16%26.40%4.25%-4.95%1.451.9520154.82%51.20%5.80%-6.81%0.831.55201610.90%-14.50%2.85%-0.73%3.83-0.2120176.36%13.80%2.23%-1.58%2.851.962018-0.27%-23.67%3.06%-4.04%-0.09-1.1320196.81%47.98%2.56%-1.35%2.663.1420209.24%58.15%4.29%-3.31%2.153.1420219.25%6.29%8.70%

47、-7.02%1.060.742022(1-6)5.29%-18.00%6.18%-3.75%0.86-0.57全樣本時期6.53%13.80%4.75%-7.02%1.370.95資料來源：Wind，、 持倉能力刻畫因子持倉能力刻畫因子基于權益基金最近一期季報的重倉披露數據進行測算，尋求基金重倉抱團股的特征與重倉調整所反映出的信息。相較于其他大類因子，持倉能力刻畫因子整體的因子單調性偏弱，部分因子的多頭超額收益與特質收益率因子相當但弱于收益風險因子。我們認為持倉能力刻畫因子更多體現出基金經理在短期調倉中反映出的選股以及交易能力。在持倉能力刻畫因子中相對來說主動權益基金抱團股重倉因子的收益表現較

48、弱，不論是因子的單調性還是多頭組超額收益都無法體現出較好的選基效果。因子多頭組多頭組多頭組多頭組 多頭組超額 多頭組超額 多頭組超額多頭組Rank Rank年化收益 年化波動 最大回撤 夏普率年化收益年化波動率最大回測信息比率表 16：持倉能力刻畫因子回測統(tǒng)計持倉交易能力18.72%23.06%-46.10%0.814.33%4.80重倉換手率19.16%23.37%-47.80%0.82重倉數量抱團股16.78%22重倉市值抱資料來源：Wind，持倉能力刻畫因子：持倉交易能力因子持倉交易能力因子通過分析基金披露重倉股后，重倉股的收益排名與基金收益排名的差異來反映基金經理近期交易的收益貢獻能力

49、，具備更好交易能力的基金其收益與最近季度披露的重倉股票收益有較好的一致性且相對披露持倉的股票收益越高則反映出基金越好的交易能力。圖 27：持倉交易能力因子多頭超額收益圖 28：持倉交易因子分組年化超額收益1.71.61.51.41.31.21.110.90.82%1%1%0%-1%-1%-2%第一組第二組第三組第四組第五組持倉交易能力資料來源：Wind，資料來源：Wind，持倉交易能力因子具有一定選基分組效應，但各組的超額收益差異相較其他因子較小。圖 29：波動率純因子收益1.21.110.90.8資料來源：Wind，持倉交易能力在市場短期波動加大的行情區(qū)間中可能不易體現，在波動率純因子收益快

50、速下滑的區(qū)間，多頭組超額收益更高。表 17：持倉交易能力因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額年化波動率超額 最大回撤信息比夏普比2012-3.86%6.72%3.08%-4.26%-1.260.1620136.86%12.78%4.31%-2.60%1.591.032014-2.48%26.40%3.57%-4.98%-0.691.36201510.32%51.20%5.56%-3.93%1.861.6620165.90%-14.50%3.21%-2.16%1.84-0.3720175.52%13.80%3.41%-2.35%1.621.5520181

51、.09%-23.67%3.81%-4.13%0.29-1.1620192.29%47.98%2.50%-3.04%0.922.78202014.24%58.15%4.80%-4.00%2.973.2320218.57%6.29%8.84%-7.16%0.970.642022(1-6)-3.11%-18.00%7.32%-6.23%-0.43-0.92全樣本時期4.33%13.80%4.80%-7.16%0.900.81資料來源：Wind，持倉能力刻畫因子：重倉換手率因子重倉換手率因子刻畫基金重倉股季度調整情況，我們認為季度高換手的基金反映了基金經理對最新信息的反應調整能力，或者積極發(fā)掘新的投資

52、機會的操作。測算結果表明，重倉換手率因子的分組單調性較好，具有一定的選基能力。圖 30：重倉換手率因子多頭超額收益圖 31：重倉換手率因子分組年化超額收益 1.71.61.51.41.31.21.110.90.82.0%1.5%1.0%0.5%0.0%-0.5%-1.0%-1.5%-2.0%第一組第二組第三組第四組第五組重倉換手率資料來源：Wind，資料來源：Wind，而在市場行情波動較快的區(qū)間，重倉的換手更能反映出基金的調整能力，如 2015、 2020 以及 2021 年。圖 32：中證 800 指數收益率2.82.62.42.221.81.61.41.210.8資料來源：Wind，表 1

53、8：重倉換手率因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額年化波動率超額 最大回撤信息比夏普比2012-0.65%6.72%2.63%-2.47%-0.250.3620137.67%12.78%5.14%-3.39%1.491.0420141.83%26.40%3.95%-4.75%0.461.5920159.96%51.20%5.55%-3.30%1.791.6120162.60%-14.50%2.63%-2.79%0.99-0.4620173.15%13.80%2.14%-1.09%1.471.422018-0.77%-23.67%3.38%-2.69%-

54、0.23-1.1920196.22%47.98%3.71%-3.37%1.682.99202010.13%58.15%4.09%-3.99%2.473.00202111.83%6.29%7.38%-5.34%1.600.872022(1-6)-2.96%-18.00%3.97%-2.67%-0.75-0.88全樣本時期4.72%13.80%4.31%-5.34%1.090.82資料來源：Wind，持倉能力刻畫因子：重倉抱團股因子我們分別通過對主動權益基金重倉股被基金持股的基金數以及被持有市值占股票流通市值的比例作為抱團股的判斷指標。根據基金季度披露的重倉股權重，對抱團股計算基于數量與市值的重倉

55、股持倉指標。圖 33：重倉抱團股因子多頭超額收益圖 34：重倉抱團股因子分組年化超額收益1.41.31.21.110.90.81.5%1.0%0.5%0.0%-0.5%-1.0%-1.5%第一組第二組第三組第四組第五組重倉數量抱團股重倉市值抱團股重倉數量抱團股重倉市值抱團股資料來源：Wind，資料來源：Wind，從因子分組效果上來說，重倉抱團股因子在選基分組上的表現并不顯著，集中持有抱團股與較少參與抱團股的基金超額業(yè)績都不高。表 19：重倉數量抱團股因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額年化波動率超額 最大回撤信息比夏普比20122.44%6.72%2.

56、83%-2.36%0.860.5820133.65%12.78%3.18%-2.31%1.150.922014-7.38%26.40%3.02%-9.34%-2.451.0120156.11%51.20%3.51%-3.29%1.741.5220163.23%-14.50%2.26%-1.81%1.43-0.4620176.81%13.80%2.82%-1.93%2.421.762018-1.90%-23.67%2.59%-3.77%-0.74-1.1920195.35%47.98%2.32%-1.34%2.303.04202010.35%58.15%3.52%-1.68%2.943.3420

57、21-0.76%6.29%3.65%-4.71%-0.210.262022(1-6)1.60%-18.00%2.75%-2.89%0.58-0.73全樣本時期2.62%13.80%3.00%-10.34%0.870.75資料來源：Wind，但在少數抱團股行情較為顯著的區(qū)間，比如 2020 年，重倉抱團股因子的多頭組合會有較高的超額收益，體現出因子確實反映出抱團股特征。表 20：重倉市值抱團股因子多頭組各年收益風險統(tǒng)計多頭組超額年化收益率偏股基金指數年化收益率多頭組超額年化波動率超額 最大回撤信息比夏普比20121.55%6.72%3.19%-3.74%0.490.5120139.07%12.7

58、8%4.65%-3.33%1.951.212014-7.82%26.40%4.14%-10.78%-1.890.95201512.80%51.20%5.94%-2.67%2.151.7020161.08%-14.50%3.03%-3.65%0.36-0.492017-0.93%13.80%2.78%-3.10%-0.330.992018-1.90%-23.67%3.22%-5.08%-0.59-1.1520198.50%47.98%3.14%-2.29%2.713.17202010.94%58.15%2.93%-1.99%3.733.2620211.91%6.29%3.63%-3.77%0.5

59、30.382022(1-6)1.08%-18.00%2.75%-2.05%0.39-0.71全樣本時期3.21%13.80%3.75%-11.28%0.860.75資料來源：Wind，、 規(guī)模類因子規(guī)模類因子一定程度上代表了投資者對基金的認可程度，規(guī)模的快速增長反映了 市場資金對于基金的追逐。另一方面規(guī)模類因子也影響了基金整體策略上的實現，同類策略不同規(guī)模的基金組合，在策略的實現和調整差異較大。因子表現方面，僅有當前規(guī)模因子的因子單調性較為突出，RankICIR 值與勝率均是所有測試因子中最高的，而規(guī)模變化因子的單調性較差，因子選基能力相對較弱，也有可能截面規(guī)模相對水平的變化與基金業(yè)績本身的關

60、系更大有一定的關系。表 21：規(guī)模類因子回測統(tǒng)計資料來源：Wind，規(guī)模類因子：最新規(guī)模最新規(guī)模因子為基金最近披露的資產凈值的市場逆序排序，因而小基金的因子值更大。我們認為相對于規(guī)模較大的基金，小規(guī)?；鸬牟呗詫崿F與調整更加便利，交易的沖擊成本更低。圖 35：最新規(guī)模因子多頭超額收益圖 36：最新規(guī)模因子分組年化收益1.91.81.71.61.51.41.31.21.110.93%2%1%0%-1%-2%-3%-4%第一組第二組第三組第四組第五組最新規(guī)模資料來源：Wind，資料來源：Wind，最新規(guī)模因子單調性明顯，多頭組超額收益非常穩(wěn)健。規(guī)模因子的有效性容易受 到市場整體表現的影響，偏股基金