2022年基金行业之基金产品研究 权益基金产品分析框架、基金赛道、风格类型划分等专题分析

1、 权益基金产品分析框架

1.1、 分类体系的重要性性

随着近年来公募基金市场的高速发展，权益类基金产品的数量和规模持续攀 升，截至 2021 年底全市场主动权益类基金产品的数量已经接近 2500 支。要对 数量如此众多的基金产品进行对比与研究，首先需要构建一套有效的分类分析框 架。如果没有一个清晰的分类体系，直接将不同持仓特征和风格偏好的产品进行 比较，往往难以显现出产品本身的优劣特点。

目前主流方法对权益基金产品的分析主要是以基金半年报和年报披露的持 仓股票为基准进行归因分析，例如 Brinson 模型方法。此类方法的优势在于通过 全部持仓明细归纳得到基金的持仓特点与投资风格，分析方法比较明确，刻画更 加准确。但另一方面，受制于公募基金持仓披露周期的限制，该方法仅能在较低 的时间频度上对目标基金进行分析，两次分析间的时间跨度较大，同时还面临披 露时点的滞后性问题，无法对基金特征进行更加及时的跟踪。

我们通过行业赛道特征的刻画，将持仓股票向上归纳为赛道类型，同时借助 多因子模型的基础，基于更加及时的基金时序业绩，将投资风格方面的信息拆分 到各个风格因子的暴露上，从而通过两个维度的交叉构建出一个立体的分类分析 框架，为后续基金产品的对比研究、基金 FOF 组合的配置方法研究提供了框架 基础。

1.2、 主动权益基金规模

我们在开放式权益基金的基础上进一步筛选出主动权益基金，筛选条件为成 立至少 1 年的普通股票型、混合偏股型、平衡混合型和灵活配置型基金，且连续 四个季度披露的持股比例均不低于 60%。

全市场主动权益基金从 2015 年底的 500 多支、合计不到 1 万亿规模快速增 长到 2021 年底的约 2400 支，数量增长了近四倍。研究样本数量的增加为我们 跟踪观察基金产品的不同赛道类型提供了可能。

在中信一级行业的基础上，根据行业所在的产业板块，我们将不同行业划分 成周期、制造、消费、医疗、金融和科技 6 个产业赛道。

我们根据主动权益基金在最近三期的半年报、年报中披露的持仓股票赛道分 布特征将基金划分为 4 个大类赛道类型。

当基金连续 3 期报告披露的在某一特定赛道的持仓占比的平均值超过 50% 时，即为单赛道型基金。当基金连续 3 期报告披露的在某两个特定赛道的持仓占比的平均值分别大 于 25%且小于 50%时，即为双赛道型基金。 在非单赛道或双赛道型基金中，若其最近 2 期报告披露的赛道持仓调整比例 平均在 25%以上，即定义为赛道轮动型基金。 为以上三种分类无法覆盖的基金则划分为全市场型基金。

2、 基金赛道类型划分

2.1、 单赛道型基金 

单赛道型基金根据其具体所在赛道可以划分为 6 个子赛道类型，我们统计了 2015 年以来各个子赛道的基金数量。

虽然自 2015 年以来科技赛道型基金的数量占比逐步降低，从最高时的约 48% 下降至目前的约 27%，但科技赛道依旧是基金数量最多的赛道。与此同时，消 费赛道在近几年逐步扩张，数量占比由最低时的约 6%攀升至约 24%，位居第二。此外，金融赛道占比从 2016 年开始小幅上升，周期赛道占比在最近 2 年明显降 低。

根据每一期划分到各单赛道型的基金，我们构建了各单赛道型基金指数并模 拟历史业绩表现。从单个赛道基金整体的业绩表现上来看，2021 年随着白酒、 医药等行业的调整，相应赛道出现了明显的回撤。另一方面，同时期的金融、周 期赛道表现出较好的抗风险能力，2021 年以来的回撤控制良好。

通过各个赛道间的相关系数矩阵，可以直观地发现金融、医药赛道与其他赛 道间的业绩相关性较低，具备更高的组合配置价值。

单赛道型基金的配置集中度相对较高，优势主要体现在基金产品对所在赛道 中行业个股的优选，同时把握赛道本身的长期 beta 收益。当市场来到相应赛道 的发力期时，该赛道的基金产品往往能够有更加突出的业绩表现。

不同年份表现突出的赛道往往不同，并且优势赛道与劣势赛道 间的收益差别较大，大多数年份中最有利赛道与最不利赛道的业绩表现差异可达 30%以上，充分体现出赛道集中为单赛道型基金带来的盈利端优势。另一方面， 在波动率表现上，金融和周期赛道的年化波动率往往都是最低的，而制造赛道的 波动率往往较高，赛道特征差异较明显。

此外，我们也选取了各单赛道型中具有代表性的基金产品，可以看到在近两 年制造、周期赛道强势的背景下，相关赛道代表性基金的规模增幅也非常显著。

2.2、 双赛道型基金

很多基金经理在投资时往往倾向于在两个赛道的行业内进行配置，从而有效 降低组合风险，形成双赛道型策略，理论上双赛道型基金会有 15 种不同的子类 型。近两年来医药白酒主题和新能源主题的火热带动其所在赛道和上游产业链赛 道的双赛道型基金数量上升。截至 2021 年 6 月，制造+科技赛道基金数量最多， 有 165 支，而包括周期+制造赛道、消费+医药赛道在内的前三大双赛道型基金 数量占到全部双赛道型基金数的约 60%。

另一方面可以看到，金融赛道与其他赛道组成的双赛道型基金的数量较少。虽然在单赛道型基金中，周期赛道和金融赛道的基金数量基本相当，但由于金融 赛道与其他赛道的主题相关性较低，其构成双赛道型基金的数量明显低于周期赛 道。

通过对 2021 年单、双赛道型基金的收益风险特征进行对比，我们发现相对 于单赛道型基金，双赛道型基金利用其多赛道组合的优势获取了更高的收益“性 价比”。大部分单赛道型基金表现出高风险高收益的特点，而双赛道型基金通过 赛道组合获得更高风险调整收益。相对于单赛道型基金，由相应赛道构成的双赛 道型基金更多地出现在图 11 的左上侧。

特别地，对于金融、周期这些与其他赛道相关性较低的赛道而言，双赛道型 基金在配置了金融赛道后风险控制会有更好的表现。与金融单赛道基金相比，此 类双赛道型基金也会获取更高的收益。这反映出，相对于单赛道型基金，双赛道 型基金更加注重对风险的控制能力，通过组合不同的赛道，降低基金整体的收益 波动与回撤，从而适应不同的市场环境。

我们在考察部分双赛道型基金自 2016 年以来的业绩表现后发现，相对于单 赛道型基金，双赛道型基金在收益上的表现不如单赛道型基金突出，也侧面显现 出不同时期各赛道的优势差异。

在风险控制方面，即便是单赛道型中波动率持续较高的制造赛道型基金，在 加入金融赛道组成双赛道型后也实现了持续较低的波动率水平，表现出较好的风 险控制能力。 由于双赛道型基金子类较多，我们基于类型占比挑选部分双赛道型基金中的 代表产品作为参考。

2.3、 赛道轮动型基金

对比单赛道型和双赛道型基金，近几年来赛道轮动型基金的占比出现了一定 程度的下滑。除 2015 年因市场行情突变，基金大比例调仓导致截面上出现了较 多的赛道轮动型基金，从 2016 年开始，赛道轮动型基金的全市场占比从最初的 约 20%逐步下降到 11%，而单赛道型和双赛道型基金产品的占比，尤其是单赛 道型基金，逐步上升。

如果说单赛道型基金产品通过集中持仓更加注重收益端的表现，双赛道型基 金产品则通过赛道组合的方式平衡收益与风险，更加关注风险控制端。那么赛道 轮动型基金产品的优势在哪里呢？我们通过数据对比发现，赛道轮动型基金在配 置调整方面显现出更大的优势。

通过对比各期的风险收益指标，我们看到在市场波动较大的年度，如 2017和 2021 年，赛道轮动型往往会取得更高的风险调整收益。而在市场出现单边行 情的年度，如 2018 和 2019 年，集中度高的单赛道型基金更可能出现更好的收 益风险表现。

综上，在主动权益基金的赛道划分上，我们构建了单赛道型、双赛道型、赛 道轮动型和全市场型四个大类，覆盖科技、制造、消费、医药、周期和金融等 6 个子类单赛道以及组合而成的 15 个子类双赛道。通过对比分析，我们总结出各 赛道类型基金的主要特征：单赛道型基金表现出更高的行业集中度与更好的收益 表现；双赛道型基金通过赛道组合表现出更高的风险控制能力；赛道轮动型基金 表现出在震荡市场中的赛道配置能力，对变化剧烈的市场行情有更好的适应力。

3、 基金风格类型划分

不同于赛道划分上基于持仓的分析，我们在风格的评价上引入多因子模型对 基金业绩时序进行风格拆解，以实现从更高频率和更多元化的角度对基金类型进 行划分。

3.1、 多因子凸优化模型

在基金业绩分析中，业界常使用 Carhart 四因子分析模型进行研究。我们在 因子模型的分析框架上丰富了因子种类，从 4 个风格因子扩展到 15 个风格因子， 同时考虑行业和市场维度，合计 48 个因子，将基金业绩进行更加细致的拆解。

此外，我们在因子的使用上也与基础的四因子模型有很大不同。我们在模型 构建中使用单纯因子收益来替代原模型中股票多空组构建的因子收益率。市场因 子中我们涵盖了代表 A 股市场的中证全指指数，代表港股的恒生国企指数和恒 生科技指数，在行业上使用中信一级行业指数。风格因子上，我们参考了 MSCI 在 2018 年发布的 CNLT 体系 Barra 模型结构，并对部分因子进行重构，共设计 了 15 个大类风格因子。

在因子暴露的计算上，我们使用含有多项约束条件的凸优化模型进行计算。 在计算样本的处理上，我们使用基金复权单位净值的日频收益率，在每个季度末 尾向前追溯 120 个交易日为计算窗口。目标函数为最小化模型残差的指数加权 方差。

我们在每个季度对全市场所有主动权益基金进行风格暴露测算，并根据截面 的暴露相对排名界定基金在各类风格上的特征，截面排名在前后各 40%的基金 则认定为所在风格的正、负方向，其余则认定为所在风格中性水平。

结合单纯因子本身的收益波动以及基金选股投资时主要考量的风格特征，我 们主要关注包括市值因子、估值因子、动量因子和成长因子在内的 4 个大类风格 因子，其他因子则作为控制变量在模型中参与运算。从 2019 年开始，小市值因 子、高动量因子表现突出，低估值因子表现回落，成长因子波动较小。接下来我 们进一步分析各因子在基金分组上的效果。

3.2、 市值风格

我们统计了 2016 年以来全部样本市值风格的暴露情况，并根据每期全市场 基金市值风格暴露的正负偏离，分别构建等权基金组合，每季度进行一次再平衡， 比较大市值组和小市值组的业绩表现。同时我们将大市值组相对于小市值组的超 额收益同单纯因子收益的表现进行对比，验证因子模型收益拆解的有效性。

全市场主动权益基金的市值风格整体集中在中等偏大的市值区间，市值水平 的集中度较高。在市值分组基金业绩表现方面，大市值组合整体略好于小市值组合。大市值 组超额收益与市值单纯因子收益率的趋势相关性较为明显，尤其是 2021 年开始， 大市值风格因子的表现出现明显的向下反转。相应地，大市值基金组合的超额收 益也有明显的回落，这与单纯因子表现一致，同时分组基金超额收益的波动也更 加剧烈。

3.3、 估值风格

我们主要通过 PB 指标反映市场对股票的估值情况，全样本下主动权益基金 在估值风格上主要偏向中高估值。在估值风格基金分组收益表现上，低估值组基金在 2016-2019 年明显跑赢 高估值组基金，而 2020 年高估值消费股行情带动高估值股收益的反弹。2021 年开始，低估值风格的基金收益再次上涨，与估值单纯因子的收益相契合。与市 值因子相比，估值单纯因子与低估值组超额收益的相关性更低，2021 年之后相 关性有所提升。

3.4、 动量风格

主动权益基金在动量风格上的暴露集中度更高，基金风格整体偏向高动量。高低动量因子基金组合的收益率差异不大，但高动量因子超额收益与动量因 子的单纯因子收益相关性较高，基金组合在动量风格上的反映与风格因子较为一 致。

3.5、 成长风格

主动权益基金在成长风格因子上的暴露基本对称，没有较为明显的成长风格 偏离，同时由于成长因子自身在近几年的收益波动较小，高低成长组的基金收益 表现差异相对其他风格因子也更小。 通过构建不同的成长风格基金组合可以发现，2020 年起高成长暴露的基金 组合获得了更高的超额收益，超额收益表现较成长风格的单纯因子收益更为突出， 这同时也反映出成长风格因子在刻画基金收益上的相关度相对弱于其他风格因 子。

通过分析主动权益基金在各大类风格因子上的特征，并根据风格偏离构建基 金风格组合、测算组合超额收益与对应风格的单纯因子收益，我们基本可以判断 权益基金在不同风格上的暴露能够在一定程度上解释基金收益的来源。但由于我 们在构建各风格的高低基金组合时，并没有控制其他风格的敞口，这也会对最终 组合超额收益的表现与单纯风险因子收益的相关性产生一定影响。此外，我们也 尝试控制其他因子在高低组合中相对中性的暴露，从而构建出中性化后的高低风 格组合。经过测算，中性化后的风格组合超额收益与风格单纯因子收益相关性有 明显的提高，这进一步论证了我们风格分析方法的可行性。

3.6、 历史风格表现轮动

通过前述的各类风格分析，我们发现在不同时期各种风格表现差异较为明显。反映在基金组合上，各年收益最高的组合的超额收益往往来自不同的风格。因此 对于权益基金产品来说，能否较好地把握风格暴露，获取对应风格带来的 beta 收益或者控制不同风格上的风险影响也具有一定的挑战性。

4、 主动权益基金赛道与风格的立体化标签体系

通过第 2 节与第 3 节对主动权益基金的赛道特征与风格特征的详细刻画， 我们构建起一套立体化的网格标签体系。

在交叉对比中，我们也会发现不同的赛道类型本身在风格上也有着各自的倾 向，因此了解各赛道类型的风格特点也有利于我们更好地认识所在赛道的基金产 品。

在赛道大类方面，根据 2021 年 12 月的截面数据，单赛道型基金整体偏向 低估值风格而赛道轮动型主要偏向高动量风格，双赛道型基金各项风格偏离均较 低，而全市场型基金有相对高成长低动量的风格特征。

在单赛道型基金中，各个赛道的风格差异更加明显：医药赛道各项风格偏正 向，有高动量、高成长以及低估值的特点；科技赛道相对市值较低而估值较高； 周期赛道和金融赛道的风格特征较为相似，具有低成长、低动量的特点。

 各赛道风格特征与代表产品

同样根据 2021 年 12 月的数据，我们详细展示赛道基金在 4 个大类风格上 的分布，并选取部分规模较大的代表产品，在代表产品的选择上我们尽可能覆盖 了不同的风格组合。

医药与制造赛道在风格上的差异较大，医药赛道 70%以上的基金具有高成 长或者高动量风格，而制造赛道则表现出高动量与低成长的特点。

周期与金融赛道在风格上较为相似，均表现出低动量和低估值的特征，其中 金融行业有更高的市值特征。

最后我们分析赛道轮动型和全市场型的风格特征后发现，全市场型基金的风 格特征非常均衡，没有较为明显的风格偏离，而赛道轮动型相对全市场型有更高 的动量风格暴露，其他风格也较为均衡。

5、 总结

在本篇报告中，我们将基金行业持仓向上归纳出赛道模块，并挖掘出各类赛 道自身的特征。单赛道型基金更加注重收益端的表现，双赛道型基金通过赛道组 合进一步把握组合的风险控制能力，而赛道轮动型在市场波动较大的行情中往往 具备更强的组合配置能力。

在风格特征上，我们基于多因子模型的框架，借助含约束的凸优化模型构建 出一套风格暴露测算方法，在此基础上更加及时、高频地跟踪基金的风格暴露特 征。最后我们将风格与赛道相互交叉，形成立体化网格式的权益基金标签体系。

本篇作为基金产品研究系列的第一篇，主要目标在于为主动权益基金搭建一 套立体的分类标签体系，从而将基金产品在各个维度上的信息进行归纳，并具象 化出赛道、风格等不同维度的特征。完备的标签化体系为我们后续进一步探究基 金产品的收益特点，研究 FOF 组合的构建方法提供了坚实的基础。

编辑：999感冒灵