2022年FOF研究专题报告 市场概况与策略分类重构

1. 市场概况

1.1. 财富市场概况

据中国国家统计局数据，中国国内生产总值（GDP）从 2011 年 48.8 万亿人民币到2020 年突破 100 万亿人民币，年复合增长率（CAGR）为 8.49%，呈现持续增长趋势。自2019 年年底新冠疫情爆发，全球经济贸易遭受前所未有的挑战，中国成为 2020 年主要经济体中唯一实现增长的国家，GDP 同比增长 2.3%，占据全世界 GDP 的 17.4%。2021 年经济数据显示，全年国内生产总值 114.4 万亿元，比上年增长 8.1%，两年平均增长5.1%。从总量上来看，财富市场潜力巨大。2022 与 2023 年的中国居民年储蓄金额预计将分别高达 1.14 万亿与 1.23 万亿人民币，为个人财富管理的市场带来旺盛的理财需求。居民理财需求的增长将会给中国财富管理行业带来巨大的增长潜力，中国居民目前金融资产比重还有较大的提升空间，多元化资产配置拥有很大潜力。

从结构上来看，在中国居民的财富配置中风险资产的配置不足。中国人民银行调查统计司城镇居民家庭资产负债调查课题组于 2019 年 10 月在全国 30 个省（自治区、直辖市）对 3 万余户城镇居民家庭开展了资产负债情况调查。结果显示，城镇居民家庭户均总资产 317.9 万元，资产分布分化明显；城镇居民家庭金融资产占总资产的比重仅为20.4%，比美国低 22.1 的百分点，居民家庭更偏好无风险金融资产。

根据招商银行、贝恩公司联合发布的《2021 中国私人财富报告》，2020 年中国可投资资产在 1,000 万人民币以上的高净值人群数量达 262 万人，年复合增长率 21%，2021 年达296 万高净值人群。2020 年，中国高净值人群人均持有可投资资产约 3,209 万人民币，共持有可投资资产 84 万亿人民币，年复合增长率 23%，2021 年达 96 万亿人民币。在新经济、新行业快速发展的推动下，年轻群体的创富速率加快，40 岁以下高净值人群中新经济董监高、新经济创富一代成为高净值群体的中坚力量。

1.2. 私募市场概况

中国私募基金行业在中国经济环境总体平稳、资本市场稳健成长的背景下快速发展，私募基金向特定投资者以非公开方式募集资金，以资产组合方式的方式进行利益共享、风险共担的投资。截至 2022 年 7 月末，存续私募基金管理人 24,304 家，较上月减少26 家，环比下降 0.11%；管理基金数量 2135,836 只，较上月增加 2,039 只，环比增长 1.52%；管理基金规模 320.39 万亿元，较上月增加 4,200.30 亿元，环比增长 2.10%。其中，私募证券投资基金管理人 9,106 家，较上月增加 10 家，环比增长 0.11%；存续私募证券投资基金数量 85,344 只，存续规模 5.98 万亿元，环比增长 3.37%。

1.3. 策略分类对比

私募证券投资基金策略中的八大分类被广为接受，但不同的数据供应商对各策略的具体分类不尽相同。其中，朝阳永续存在三级以上分类，是多层级立体化分类方式；私募排排网以大类资产为分类原则；Datayes 以策略特征为分类原则。此外，不同的数据供应商也会根据不同的投资理念、决策手段、复合方式，从主观、量化、多空、套利、对冲等不同维度进行进一步分类，各分类方式出现明显的交叉。 根据不同数据供应商筛选出的产品，在对产品数据进行进阶评价和横向对比的过程中，由于分类不同可能导致筛选无效或者匹配错位等问题，进而导致产品配置效果不及预期。本报告将采用 Dateyes 的分类方式，在实际基金池构建过程中，各投资人可根据实际需求选择适合的分类方式。

1.4. 结论

中国财富市场进入高速发展阶段，其中私募市场成长空间广阔。但是，私募证券投资基金市场存在产品数量多，管理人数量多，策略分类标准不统一，产品信息披露不充分，市场信息不对称严重，外资管理人尽调难，黑马管理人缺乏了解渠道，白马管理人额度紧张，尽调成本高等问题。因此，优质管理人和产品的筛选挑战也与日俱增。本报告将通过策略分类重构、筛选指标确认、基金池构建三个主要部分展开，通过“分类-指标-建池”三个环节，对全市场各策略进行分策略研究、分析、标签、筛选，通过定量和定性的研究方式，完成分策略基础池构建。 在研究过程中，会形成不同类型的策略标签，这些标签会自动进入标签库。此外，还会根据这些标签对上行行情、下行行情下不同策略高低配置及配置位置情况作出判断，服务于进一步研究工作。

2. 策略分类重构

2.1. 策略指数分析

对各策略指数情况分析一般采用以下数据区间：报告期在第三季度和第四季度的将采用年初至今时间区间的年化收益、年化风险、夏普比例、最大回撤和赫斯特指数进行分析。报告期在第一季度和第二季度的将采用近一年时间区间的年化收益、年化风险、夏普比例、最大回撤和赫斯特指数进行分析，兼顾数据源的稳定性和及时行。 策略略指数编制规则：1）产品必须为在中国证券投资基金业协会登记备案的中国境内私募证券基金；2）仅考虑自主发行、信托、券商资管和期货资管类产品，公募专户等具有明显定制成分的基金除外；3）产品为非分级基金（或非结构化基金）；4）产品净值需为日频/周频公布 5）产品成立满 1 年；6）产品近 3 个月净值发布密度需大于80%；7）产品近 4 周内净值需有变动。

今年以来，地缘政治、能源危机、新冠疫情等灰天鹅事件频发，二级市场回撤较大。从主要策略指数数据来看（标红数据为该项指标排名前三的策略，其中粗体数据为最优策略），表现较好的策略为管理期货策略、相对价值策略和债券策略。 在收益风险表现上，管理期货策略是今年的明星策略，在市场波动较大，收益普遍下行的市场行情中，通过在高波动中寻找机会，获取危机收益。相对价值策略表现较为稳健，其中套利策略表现优异，绝大部分时间为正向收益，保持了低风险-中收益的特征。股票策略一直是产品数量占比最高的策略，今年整体表现为高回撤＋高波动。 业绩连续性：在趋势延续性上，事件驱动、相对价值、复合策略较为突出，考虑到年初至今的收益风险表现，相对价值策略预计会延续较好的业绩表现。

成立至今：一级策略整体收益表现为：管理期货策略>股票多头策略>宏观策略>相对价值策略>债券策略>复合策略>事件驱动策略>组合基金策略；二级策略整体表现为：管理期货套利策略>管理期货趋势策略>管理期货复合策略策略>相对价值套利策略>相对价值复合策略>相对价值择时对冲策略>相对价值市场中性策略。成立至今的年化收益波动较小，只有股票多头策略和管理期货策略较为明显的高于其他策略。 年初至今：二级市场在高波动下表现差异更为明显，表现较好的为管理期货趋势策略及套利策略、相对价值市场中性策略及套利策略，表现较差的为股票多头策略、事件驱动策略、相对价值对冲策略、宏观策略，各策略表现两级分化较为明显。

夏普比率：管理期货策略及其二级策略、相对价值套利策略、债券策略取得了显著的正向夏普比率，相对价值策略仅市场中性策略取得微正表现，其他策略均未取得较好表现。收益波动：下行行情下，通过套利、对冲等方式较好的控制风险敞口的策略均取得较为不错的表现。年初至今夏普比率在相对价值择时对冲策略、相对价值复合策略、宏观策略、复合策略、基金组合策略下跌幅度相比其他策略超过年初至今年化收益，表明其收益波动率相对其他策略较高。

成立至今：一级策略整体风险表现为：股票多头策略>事件驱动策略>宏观策略>复合策略>组合基金策略>管理期货策略>相对价值策略>债券策略；二级策略表现为：相对价值择时对冲策略>管理期货趋势策略>管理期货复合策略>相对价值复合策略>市场中性策略>管理期货套利策略>相对价值套利策略。 年初至今：二级市场在高波动下表现差异更为明显，风险控制较好的策略为相对价值市场中性策略、套利类策略，包括管理期货套利策略和相对价值套利策略，风险控制较差的策略为股票多头策略、事件驱动策略、相对价值择时对冲策略。 最大回撤：基本与风险表现一致，其中股票多头策略和事件驱动策略额最大回撤超过30%，套利类策略回撤最小，管理期货套利最大回撤为 0.51%，相对价值套利最大回撤为 0.35%，策略间两极分化较为明显。

回撤峰度：风险表现和最大回撤趋势相关性较强，但在管理期货趋势策略、管理期货套利策略中，最大回撤偏离程度低于年化风险偏离程度，整体回撤较小，不易出现极端值，风险表现属于低峰现象；股票多头策略、事件驱动策略、相对价值择时对冲策略、宏观策略、复合策略、组合基金策略中，最大回撤偏离度高于年化风险偏离程度，整体回撤较大，容易出现极端值，属于尖峰现象。

2.2. 标签口径分析

策略指数可以通过走势变化较好的反映出该项策略的整体特征，通过对策略指数分析，对各策略的风险和收益表现情况有初步判断。 临界值选取遵循以下原则：1）临界值应将各策略划分为数量相近的三档；2）结合市场判断，两个临界点应该分别是投资人期待的投资结果和最低的投资要求。

2.3. 标签结果确认

通过收益与风险分析，获得 4 个收益标签、4 个风险标签和 1 个其他标签。将年初至今年化收益、年初至今夏普比率、成立以来年化收益、收益波动、年初至今年化风险、成立以来年化风险、年初至今最大回撤、回撤峰度、业绩连续性 9 个指标入库，其中收益波动、回撤峰度属于二级标签。

2.4. 策略类型划分

通过上述标签可以看出，在 Dateyes 的八大策略分类中，风险和收益对比有明显的差异。其中，最大回撤指标属于风险指标中的极端值，不能代表指标的一般情况，不适合作为分类标准。年初至今的风险与收益指标展示了今年以来的各策略走势，反映了各策略在下行行情的风险收益情况，但没有包含各策略上行行情的风险收益情况，不能反映各策略在完整周期的真实表现，因此，成立至今的年化收益和成立至今的年化风险较年初至今的年化收益和年初至今的年化风险更为准确。

根据策略标签的收益与风险结果，明确各策略在收益及风险上的大类区间表现及策略间的差异壁垒，确定相似的策略表现，结合实际配置需要，将各策略划分为四个类型，分别为进攻型、机会型、谨慎型和稳健型，并对四个类型分别建池。根据其风险和收益特征，匹配不同类型的投资人需求。

3. 筛选指标确认

3.1 收益指标分析

根据三年历史数据表现情况，将 2020 年收益表现定义为上行行情的标准年，将2022 年至今为止的收益表现定义作为下行行情标准年，将10%分位产品定义为头部产品，将75%分位产品定义为尾部产品。以上行行情、下行行情、头部产品、尾部产品的各分位平均值、年度平均值、负向收益首次出现的分位、收益整体表现作为疲弱和突出的判断节点。

3.1.1. 进攻型策略

股票多头策略是以投资股票类资产为主要收益来源，其投资标的为沪深上市公司股票，通过股票的买卖操作股票多头策略是布局股票市场且无对冲或空头头寸的基金产品。基金经理基于对某些股票看好从而在低价买进股票，待股票上涨至某一价位时卖出以获取差额收益。该策略的投资盈利主要通过持有股票来实现，所持有股票组合的涨跌幅决定了基金的业绩。与公募基金中的股票型基金不同的是，股票多头基金可以布局于股票市场，也可以在市场行情不好的情况下选择空仓操作或者购买货币型基金和债券来进行择时。

从产品数量维度来看，股票多头策略是所有策略中产品数量最多的策略，约 3 万只左右。其中股票主观策略超过 2 万只，是二级策略中产品数量最多的策略。股票量化策略和指数增强策略产品数量均在 2000 只左右，指数增强策略也较多采用量化方式进行，因此，布局股票量化策略的私募基金管理人一般也布局指数增强策略相关产品。 从收益表现维度来看，2020 年度至 2022 年度股票多头策略收益率呈逐年下降趋势，在收益下降过程中，不同策略出现负向收益的分位存在差异，平均表现也不尽相同。上行行情，股票主观策略、指数增强策略较为突出。各策略收益率保持较高水准，股票主观策略在 10%分位收益率高达 63.63%，各分位平均收益为 31.21%。其余策略各分位平均值均在 23%左右。指数增强策略为 2020 年度 10%分位最低，收益率仍有 41.75%。但指数增强策略在 2020 年 75%分位收益率为 2.75%，保持最高正向收益率，而股票复合策略在 10%分位的收益率为-9.06%，为最低收益率。

下行行情，股票量化策略较为突出。各策略出现负收益的时间存在差异，其中，指数增强策略和股票复合策略在 25%分位出现负向收益，股票主观策略在 30%分位出现负向收益，股票量化策略在 50%分位出现负向收益。此外，股票量化策略各分位平均值-0.46%，其余策略均低于-4%。 头部产品，股票主观策略较为突出。股票主观策略在 10%分位平均值为 32.29%，高于其他策略头部产品平均值。股票复合策略在股票多头一级策略中没有表现出多策略的收益优势，下行行情中即使是头部产品，表现也差于其他二级策略。股票量化策略相对于股票主观策略，整体收益趋势一致，但波动较小。

尾部产品，指数增强策略较为突出。指数增强策略在 75%分位平均值为-1.84%，高于其他策略尾部产品平均值。指数增强策略在股票多头一级策略中，呈现收益波动较小的特征，即使是尾部产品，依然可以凭借指数涨幅取得正向收益。 从分位点代表性维度来看，10%分位作为筛选标准，入围的产品数量过少，容易错漏特色产品；75%分位作为筛选标准，入围产品过多，无法起到有效的筛选作用，均不适合作为基础池的筛选标准。25%分位点、30%分位点之间的收益率差额较小，没有出现明显降幅，50%分位点基本处于收益率大幅下降的转折点，降幅平均超过 100%，入围产品数量适中。因此，将 50%分位作为基础池筛选标准较为合适。

3.1.2. 机会型策略

管理期货策略称为商品交易顾问策略（Commodity Trading Advisors 简称 CTA），该策略主要投资：商品期货、金融期货、期权与衍生产品、外汇与货币。管理期货策略区别于其他策略的关键在于期货是杠杆交易，投资者可以成倍的放大收益（或亏损），并且卖空像做多一样稀松平常（每一份期货合约的背后都有一个多头和空头），投资者可以同时从上涨和下跌中获利。该策略也可分为趋势策略、期货套利策略、复合期货策略三种子策略。 从产品数量维度来看，管理期货策略产品较少，约 4000 只左右。其中期货量化策略近1500 只，管理期货复合策略近 1500 只，期货套利策略近 700 只。2022 年度管理期货策略的产品数量出现不同程度下滑，尤其是期货主观策略，只有 39 只产品存续。从收益表现维度来看，2020 年度至 2022 年度各策略收益率呈逐年下降趋势，在收益下降过程中，不同策略出现负向收益的分位存在差异，平均表现也不尽相同。

上行行情，期货套利策略、期货量化策略较为突出。各策略收益率保持较高水准，其中期货套利策略在 10%分位收益率高达 70.94%，是私募基金市场中全策略范围内收益率最高的策略，超过同期同分位的股票量化和指数增强策略收益率，在管理期货策略中具有显著的收益优势，尾部产品也保持了非负收益率。期货量化策略的在 10%分位的收益率为 64.10%，仅次于期货套利策略和宏观策略；各分位平均值为 27.62%，略高于其他策略分位平均值。期货主观策略在 75%分位出现负向收益，其他各策略均为正向收益。下行行情，期货量化策略较为突出。各策略收益率均出现平稳下跌，出现负收益的时间存在差异，除期货主观策略在 50%分位开始出现负向收益率，其余管理期货策略均75%分位开始出现负向收益率。期货量化策略在各分位平均值为 6.99%，略高于其他策略各分位平均值。尾部产品收益率表现上，整体优于股票多头策略和相对价值策略。

头部产品，期货套利策略较为突出。期货套利策略在 10%分位平均为 43.25%，显著高于其他策略头部产品平均值。管理期货策略出现了较为明显的马太效应，期货套利策略最为显著，收益率下跌幅度自 10%分位后即出现断层，管理期货策略在 10%分位的收益率表现与股票多头策略同分位的收益率表现接近，但 25%分位以后出现明显收益率差异，管理期货策略收益率下降比股票多头策略收益率降幅较大。管理期货策略作为机会型产品，需要多维度甄别，头部产品在配置中会显著提高组合收益。 尾部产品，期货量化策略、期货套利策略、期货复合策略较为突出。除期货主观策略在75%分位平均值为-6.82%外，其余策略尾部产品平均值均在-2%左右，略高于指数增强策略，属于尾部表现较好的策略。 从分位点代表性维度来看，10%分位作为筛选标准，入围的产品数量过少，容易错漏特色产品；75%分位作为筛选标准，入围产品过多，无法起到有效的筛选作用，均不适合作为基础池的筛选标准。25%分位点、30%分位点之间的收益率差额较小，没有出现明显降幅，50%分位点基本处于收益率大幅下降的转折点，平均降幅超过 300%，入围产品数量适中。因此，将 50%分位作为基础池筛选标准较为合适。

3.1.3. 谨慎型策略

组合策略指将投资理财上的“资产配置”概念，应用于单一基金上，由基金经理人针对全球经济和金融情势的变化，决定在不同市场、不同投资工具的资产配置比重。组合策略通常通过投资在于多种不同类型的专业基金如股票基金，债券基金、货币基金、甚至绝对回报基金作为资产配置的工具。投资“组合基金”能充分发挥多元化效益，将投资风险分散，而拥有一个完善的组合基金，所需的资本却远比自行建立投资组合为低。事件驱动型投资策略，就是通过分析重大事件发生前后对投资标的影响不同而进行的套利。基金经理一般需要估算事件发生的概率及其对标的资产价格的影响，并提前介入等待事件的发生，然后择机退出。该策略主要包含定向增发和并购重组等策略。

相对价值策略多使用量化作为其投资理念，多空作为其决策手段，来获取价值低估资产上涨的回报和价值高估资产下跌的负向收益，对冲手段有股指期货，融券，场外/场内衍生品等，为基金经理提供了更大的灵活性。 从产品数量维度来看，相对价值择时对冲策略约 800 只。组合基金策略是近几年大力发展的策略，产品数量逐年上升，2022 年度至今，产品数量已经突破 3000 只。事件驱动策略产品数量约 230 只，近三年产品数量波动较小，是非常典型的机会型策略。从收益表现维度来看，2020 年度至 2022 年度各策略收益率呈逐年下降趋势，在收益下降过程中，不同策略出现负向收益的分位存在差异，平均表现也不尽相同。

上行行情，相对价值择时对冲策略较为突出。相对价值择时对冲策略各点位平均值为26.97%。高于其他策略各点位平均值。相对价值择时对冲策略在 10%分位收益率为51.02%，超过同期同分位的股票量化和指数增强策略收益率，在相对价值策略中具有显著的收益优势。相对价值择时对冲策略在 50%分位的收益率为 15.82%，仍高于市场中性和套利策略 30%分位的收益率。事件驱动策略在上行行情下，头部产品有机会取得较高收益率，在 75%分位出现负向收益，尾部表现差于组合基金策略与相对价值择时对冲策略。从 25%分位开始，组合基金策略的收益率出现了较为缓慢的边际收益率下跌，尾部产品收益率超过 2%，仅低于指数增强策略和相对价值择时对冲策略。 下行行情，组合基金策略较为突出。组合基金策略在 50%分位出现负向收益，为-1.82%，高于事件驱动策略的负向收益，且出现负向收益的节点迟于相对价值择时对冲策略的30%分位。组合基金策略各点位平均值为-1.10%，高于其他策略各点位平均值。

头部产品，事件驱动策略较为突出。事件驱动策略头部产品平均值为 41.70%，仅次于期货套利策略，显著高于其他策略。相对价值择时对冲策略在相对价值策略中属于收益波动较大的策略，收益表现和收益波动更接近股票多头策略和相对价值策略中间区域，可以被定义为“相对价值+”或“股票多头-”。 尾部产品，组合基金策略较为突出。基金组合策略在 75%分位平均值为-2.31%，高于其他策略。相对价值择时对冲策略在 30%分位上出现负向收益，尾部表现差于组合基金策略和事件驱动策略。事件驱动策略在下行行情下，收益率表现不佳，尤其是尾部产品，出现较大幅度的负向收益。 从分位点代表性维度来看，10%分位作为筛选标准，入围的产品数量过少，容易错漏特色产品；75%分位作为筛选标准，入围产品过多，无法起到有效的筛选作用，均不适合作为基础池的筛选标准。25%分位点、30%分位点之间的收益率差额较小，没有出现明显降幅，50%分位点基本处于收益率大幅下降的转折点，降幅超过 200%，入围产品数量适中。因此，将 50%分位作为基础池筛选标准较为合适。

3.1.4. 稳健型策略

相对价值策略强调从资产价格的相对高低中获利，既同时涉及两个具有高度相关性的资产或者不同市场中的同一资产，当这两个资产（市场）之间的价格差变得充分大时，买入价格低的资产，卖出价格高的资产，获取两者之间的价格差。 债券策略是指专门投资于债券的策略，对债券进行组合投资，寻求较为稳定的收益。在国内，债券策略的投资对象主要是国债、金融债和企业债。通常，债券为投资人提供固定的回报和到期还本，此外债券策略也可以有一小部分资金投资于股票市场（可转债、打新股）以增强收益。 宏观策略对冲基金是指充分利用宏观经济的基本原理来识别金融资产价格的失衡错配现象，在世界范围内，投资外汇、股票、债券、国债期货、商品期货、利率衍生品及期权等标的，操作上为多空仓结合，并在确定的时机使用一定的杠杆增强收益。宏观策略的主要优势是与股市、债市关联度低，同时投资灵活，在股票市场低迷时也能创造收益。

复合策策略通过将对冲基金的多种策略组合起来来运作对冲基金。每一种对冲基金的策略都有其优势和劣势的一面。通过对多种策略的组合，往往可以平滑单一策略的风险，使得业绩表现趋向于稳定。 从产品数量维度来看，宏观策略产品数量约 1000 只，产品数量稳定。相对价值策略产品较少，约 4000 只左右。其中市场中性产品数量近 2000 只，套利策略近 1000 只，相对价值复合策略约 55 只。债券策略产品数量约 8000 只，仅次于股票多头策略产品数量，复合策略产品较多，约 5000 只左右，2022 年度，产品数量均存在明显下降。 从收益表现维度来看，2020 年度至 2022 年度各策略收益率呈逐年下降趋势，在收益下降过程中，不同策略出现负向收益的分位存在差异，平均表现也不尽相同。

上行行情，宏观策略较为突出。宏观策略的各分位平均值为 26.94%，显著高于其他策略各分位平均值，与相对价值择时对冲策略持平。此外，宏观策略在 10%分位收益率达到65.07%，显著高于其他稳健型策略，达到了进攻型策略的在 10%分位的收入水平，尾部产品也取得了超过 1%的收益率。债券策略在上行行情中，没有表现收益优势，但随着分位增加，收益边际递减缓慢，最能体现稳健型策略的特征。相对价值策略在上行行情的收益表现不算突出。 下行行情，相对价值市场中性策略、相对价值套利策略、债券策略较为突出。其中，相对价值市场中性策略各分位平均值为 3.66%，相对价值套利策略各分位平均值为3.98%，债券策略各分位平均值为 2.88%，均实现了正向均值，整体表现仅次于管理期货策略。宏观策略在 30%分位出现负向收益，与股票多头策略的负向收益率出现时点保持一致。相对价值复合策略、复合策略在 50%分位开始出现负向收益率，其余各策略均在75%分位点出现负向收益率。宏观策略的尾部产品相对其他策略，收益率较低。

头部产品，宏观策略较为突出。宏观策略在 10%分位平均值为 33.69%，显著高于其他策略。宏观策略在 10%分位为 65.07%，是其他策略的 2 倍以上，有非常显著的头部优势。与进攻型表现优异的股票主观策略、机会型表现优异的期货量化策略在 10%分位持平。市场中性策略在 10%分位是相对价值策略中最低收益率。 尾部产品，相对价值套利策略、债券策略较为突出。相对价值套利策略在 75%分位平均值为 0.01%，债券策略在 75%分位平均值为 0.21%，是唯二取得正向收益的策略。债券策略在整体行情波动较大的情况下，取得了最小的年度间收益波动，是一种有效的稳健型策略。市场中性策略在尾部产品中也没有表现出较高的正向收益，但在下行行情下，收益跌幅小于相对价值的其他策略。宏观策略收益率表现形态与相对价值择时对冲策略十分相似，两种策略虽然标的不同，但本质上是一种风险对冲。复合策略在下行行情中，头部产品表现更为优异，同时对尾部产品的收益率表现也有一定提振。 从分位点代表性维度来看，10%分位作为筛选标准，入围的产品数量过少，容易错漏特色产品；75%分位作为筛选标准，入围产品过多，无法起到有效的筛选作用，均不适合作为基础池的筛选标准。25%分位点、30%分位点之间的收益率差额较小，没有出现明显降幅，50%分位点基本处于收益率大幅下降的转折点，平均降幅超过 150%，入围产品数量适中。因此，将 50%分位作为基础池筛选标准较为合适。

3.1.5. 年度平均收益表现

根据近十年私募市场表现情况，2020 年至今基本上已经跨越了周期波动，将 2020 年度至 2022 年度数据根据分位数值进行算术平均，可以得到在上行行情和下行行情表现充分表达后的平均收益率表现，及不同分位的走势曲线可以传达出不同位置的产品走势。

从上述收益走势曲线来看，与前述主要策略指数的基本判断一致，对前述策略标签分析进行验证与细节补充。 头部产品收益峰值出现在股票主观策略、期货量化策略、期货套利策略、事件驱动策略、宏观策略。谷值出现在股票复合策略、管理期货复合策略、相对价值市场中性策略、相对价值套利策略、债券策略、组合基金策略。 收敛状态，其中股票量化策略、指数增强策略、期货量化策略、管理期货复合策略、相对价值市场中性策略、债券策略、复合策略、组合基金的收益呈同步收敛状态；其中股票主观策略、事件驱动策略、相对价值择时对冲策略、相对价值复合策略、宏观策略呈收益双向扩张状态；期货套利策略、相对价值套利策略、呈向上扩张状态；股票复合策略、期货主观策略呈向下扩张状态。 根据收益收敛状态，可在不同行情下选择适合的策略获取更高收益。当下下行行情，可以在双向扩张的策略中精选头部产品，进行配置，或者在向上扩张策略中精选头中部产品进行配置。

3.2. 收益指标确认

根据各类型策略的数据分析，确定各策略的代表分位均为 50%，根据 50%分位对应的平均收益数值，进行产品筛选。此外，将收益上行行情、收益下行行情、收益头部产品、收益尾部产品。

其中，期货量化、期货套利实现了四个标签中三个具备突出表现，在上行行情中，建议可以多配期货套利策略，即使尾部产品也可以取得不错收益；股票复合策略、期货主观策略、相对价值复合策略复合策略在上行行情、下行行情、头部产品、尾部产品四个标签的全部疲弱表现，建议可以低配。当下下行行情，可以配置下行突出的股票量化策略、期货量化策略、组合基金策略、相对价值市场中性策略、相对价值套利策略、债券策略。根据收益风险特征，选择适合的产品。其中，期货量化策略、基金组合策略、相对价值套利策略、债券策略的尾部产品表现突出，可以甄选产品酌情配置，配置空间较大。

3.3. 风险指标分析

根据三年历史数据表现情况，将 2020 年风险表现定义为上行行情的标准年，将2022 年至今为止的风险表现定义作为下行行情标准年，将10%分位产品定义为头部产品，将75%分位产品定义为尾部产品。以上行行情、下行行情、头部产品、尾部产品的各分位平均值、年度平均值、大幅波动、风险整体表现作为疲弱和突出的判断节点。

3.3.1. 进攻型策略

从风险表现维度来看，2020 年度至 2022 年度各策略风险表现在年度和分位维度上存在差异，不同策略在最大回撤与波动率表现情况也存在差异。 上行行情，股票量化策略较为突出。股票量化策略各分位平均最大回撤为 5.96%，各分位平均波动率为 1.65%，均低于其他策略。 下行行情，股票量化策略较为突出。股票量化策略各分位平均最大回撤为 10.62%，各分位平均波动率为 1.33%，均低于其他策略。 头部产品，股票主观策略较为突出。最大回撤方面，股票主观策略在 2022 年度下行行情中，最大回撤仅为 0.97%，是股票多头策略中最大回撤表现最好的策略，头部产品平均最大回撤仅为 0.49%，其次为股票量化策略，指数增强策略和股票复合策略回撤较大。

2021 年度最大回撤是三年中较低，与收益率从 2020 年至 2022 年逐年下跌的趋势不完全一致。波动率方面，仅有指数增强策略的波动率在 2022 年度突破 1%，波动率最低的策略是股票主观策略。 尾部产品，指数增强策略较为突出。指数增强策略在 75%分位平均最大回撤为14.42%，低于其他策略。最大回撤方面，除股票复合策略外，其余策略 2020 年度的最大回撤显著小于 2021 年度和 2022 年度，2021 年度和 2022 年度最大回撤的差异较小。股票复合策略在整体上行行情的 2020 年，最大回撤为股票多头策略最高值，超过 30%。股票复合策略在 2020 年波动率突破 4%，为股票多头策略波动率最高值。

从策略表现特点维度来看，股票主观策略虽然在下行行情中收益率出现较大幅度下降，但头部产品的最大回撤低于 1%，马太效应明显，股票主观策略的头部产品在下行行情下依旧存在较大的配置价值。股票复合策略中部产品的最大回撤表现相似，说明最大回撤在中部集中度较高，分布曲线峰度较低，股票复合策略分布呈现出低峰肥尾形态。股票复合策略在上升行情未取得较低的最大回撤，反而在尾部暴露较高的最大回撤；在下行行情中，最大回撤与其他策略基本一致，不建议在上升行情中配置股票复合策略。从分位点代表性维度来看，10%分位作为筛选标准，入围的产品数量过少，容易错漏特色产品；75%分位作为筛选标准，入围产品过多，无法起到有效的筛选作用，均不适合作为基础池的筛选标准。25%分位点、30%分位点之间的最大回撤差额较小，没有出现明显降幅，50%分位点基本处于最大回撤和波动率大幅上升的转折点，平均升幅超过50%，入围产品数量适中。因此，将 50%分位作为基础池筛选标准较为合适。

3.3.2. 机会型策略

从风险表现维度来看，2020 年度至 2022 年度各策略风险表现在年度和分位维度上存在差异，不同策略在最大回撤与波动率表现情况也存在差异。 上行行情，管理期货复合策略较为突出。与股票复合策略不同，管理期货复合策略发挥出了复合策略的优势，各分位平均最大回撤仅为 3.70%，各分位平均波动率仅为1.18%，低于其他策略。 下行行情，管理期货套利策略较为突出。与相对价值套利策略相似，管理期货套利策略发挥出了套利策略的优势，各分位平均最大回撤仅为 6.12%，各分位平均波动率仅为1.05%，低于其他策略。其中波动率低于上行行情各策略表现情况，也低于下行行情其他策略。 头部产品，管理期货套利策略较为突出。最大回撤方面，期货主观策略在 2021 年度的最大回撤低于 0.01%，与收益率从 2020 年至 2022 年逐年下跌的趋势不完全一致。期货套利策略在三年中的最大回撤均不超过 0.5%，保持低位稳健状态。期货主观策略在2022 年最大回撤达到 2.19%，远超过上年最大回撤，成为机会型策略最大回撤最高的策略。波动率方面，与最大回撤相似，期货套利策略在三年中的波动率均不超过 0.25%，保持低位稳健状态。

尾部产品，管理期货复合策略较为突出。最大回撤方面，依旧延续了中部产品的最大回撤趋势，期货主观策略在 75%分位最大回撤超过 20%，管理期货复合策略在 2020 年度75%分位的最大回撤仅为 9.4%，对尾部产品来说，回撤控制能力表现突出。波动率方面，期货主观策略在 75%分位波动率在 4%左右，高于其他策略，与最大回撤保持同频。从策略表现特点维度来看，与股票主观策略相似，期货主观策略马太效应明显，中部以后回撤控制能力明显减弱，如果在头部精选优质产品，在下行行情下依旧存在较大的配置价值。期货套利的头部产品可以将回撤控制在极低的位置，在上行行情和下行行情不影响其整体表现结果，适合风险容忍度较低的投资人做底仓配置，但中部产品最大回撤涨幅较快，与头部产品有明显差异，配置时需仔细甄别产品分位。 从分位点代表性维度来看，10%分位作为筛选标准，入围的产品数量过少，容易错漏特色产品；75%分位作为筛选标准，入围产品过多，无法起到有效的筛选作用，均不适合作为基础池的筛选标准。25%分位点、30%分位点之间的最大回撤差额较小，没有出现明显降幅，50%分位点基本处于最大回撤和波动率大幅上升的转折点，平均升幅超过50%，入围产品数量适中。因此，将 50%分位作为基础池筛选标准较为合适。

3.3.3. 谨慎型策略

从风险表现维度来看，2020 年度至 2022 年度分散型策略风险表现与收益表现在年度和分位维度上存在差异，不同策略在最大回撤与波动率表现情况也存在差异。 上行行情，组合基金策略较为突出。组合基金策略各分位平均最大回撤仅为 3.28%，低于其他策略，也低于机会型策略表现突出的期货复合策略；组合基金策略各分位平均波动率仅为 0.91%，低于其他策略，也低于机会型策略表现突出的期货复合策略。下行行情，组合基金策略较为突出。组合基金策略各分位平均最大回撤仅为 5.81%，低于其他策略，也低于机会型策略表现突出的期货套利策略；组合基金策略各分位平均波动率仅为 0.66%，低于其他策略，低于上行行情的各分位平均波动率，也低于机会型策略表现突出的期货套利策略。

头部产品，事件驱动策略较为突出。事件驱动策略 10%分位平均最大回撤仅为0.15%，各策略平均波动率仅为 0.09%，波动率显著低于其他策略。 尾部产品，组合基金策略较为突出。组合基金策略 10%分位平均最大回撤仅为11.48%，各策略平均波动率仅为 1.78%，波动率显著低于其他策略。 从分位点代表性维度来看，10%分位作为筛选标准，入围的产品数量过少，容易错漏特色产品；75%分位作为筛选标准，入围产品过多，无法起到有效的筛选作用，均不适合作为基础池的筛选标准。25%分位点、30%分位点之间的最大回撤差额较小，没有出现明显降幅，50%分位点基本处于最大回撤和波动率大幅上升的转折点，平均升幅超过100%，入围产品数量适中。因此，将 50%分位作为基础池筛选标准较为合适。

3.3.4. 稳健型策略

从风险表现维度来看，2020 年度至 2022 年度稳健型策略风险表现与收益表现在年度和分位维度上存在差异，不同策略在最大回撤与波动率表现情况也存在差异。 上行行情，相对价值市场中性策略、债券策略较为突出。市场中性策略、相对价值套利策略、债券策略在 10%分位的最大回撤在 0.3%内。债券策略各分位平均最大回撤仅为0.51%，是最大回撤最低的策略；债券策略各分位平均波动率仅为 0.15%，是波动率最低的策略。相对价值市场中性策略各分位平均最大回撤为 2.09%，低于其他策略；相对价值市场中性策略各分位平均波动率仅为 0.59%，仅次于债券策略。

下行行情，相对价值套利策略、债券策略较为突出。债券策略各分位平均最大回撤仅为0.83%，是最大回撤最低的策略；债券策略各分位平均波动率仅为 0.18%，是波动率最低的策略。相对价值套利策略各分位平均最大回撤仅为 2.73%，低于其他策略；债券策略各分位平均波动率仅为 0.46%，仅次于债券策略。 头部产品，债券策略、复合策略较为突出。债券策略 10%分位平均最大回撤仅为0.00%，各策略平均波动率仅为 0.02%，显著低于其他策略。复合策略 10%分位平均最大回撤仅为 0.16%，各策略平均波动率仅为 0.07%，低于其他策略。 尾部产品，债券策略较为突出。债券策略 10%分位平均最大回撤仅为 2.44%，各策略平均波动率仅为 0.46%，显著低于其他策略。

从策略表现特点维度来看，相对价值择时对冲策略、相对价值复合策略、宏观策略从2020 年度至 2022 年度。相对于其他类型的策略，稳健型策略在三个年度之间的差异相对较小，受行情上行或下行影响较弱，尤其是市场中性策略、相对价值套利策略、相对价值复合策略、债券策略。期货套利策略在回撤控制方面与相对价值套利策略一样，有优秀表现，套利类策略在控制回撤方面存在优势。稳健型策略中市场中性策略、相对价值套利策略、债券策略都较好的完成了控制回撤的策略特征，在配置过程中个，如果希望博取更高的收益，让渡部分回撤，相对价值择时对冲策略和宏观策略是较好的选择。从分位点代表性维度来看，10%分位作为筛选标准，入围的产品数量过少，容易错漏特色产品；75%分位作为筛选标准，入围产品过多，无法起到有效的筛选作用，均不适合作为基础池的筛选标准。25%分位点、30%分位点之间的最大回撤差额较小，没有出现明显降幅，50%分位点基本处于最大回撤、波动率大幅上升的转折点，平均升幅超过100%，入围产品数量适中。因此，将 50%分位作为基础池筛选标准较为合适。

3.3.5. 年度平均最大回撤表现

从上述最大回撤走势曲线来看，与前述主要策略指数的基本判断一致，对前述策略标签分析进行验证与细节补充。 头部产品回撤峰值出现在指数增强策略、股票复合策略、期货量化策略、管理期货复合策略、相对价值择时对冲策略、相对价值复合策略、宏观策略、组合基金策略。谷值出现在股票主观策略、期货套利策略、事件驱动策略、市场中性策略、相对价值套利策略、债券策略、复合策略。 不同策略的回撤收敛情况不同，其中股票量化策略、指数增强策略、期货量化策略、管理期货复合策略、组合基金的收益呈同步收敛状态；其中股票主观策略、期货主观策略、期货套利策略、事件驱动策略呈收益双向扩张状态；股票复合策略、相对价值择时对冲策略、相对价值复合策略、宏观策略呈向上扩张状态；相对价值市场中性策略、相对价值套利策略、债券策略、复合策略呈向下扩张状态。 可在不同行情下选择适合的策略控制更低回撤。当下行情，可以在回撤收敛策略中精选头部产品进行配置，或者在向下扩张策略中精选头中部产品进行配置。

3.3.6. 年度平均波动率表现

从上述波动率走势曲线来看，与前述主要策略指数的基本判断一致，对前述策略标签分析进行验证与细节补充。 头部产品回撤峰值出现在指数增强策略、股票复合策略、期货量化策略、管理期货复合策略、相对价值择时对冲策略、相对价值复合策略、宏观策略、组合基金策略。谷值出现在股票主观策略、期货套利策略、事件驱动策略、市场中性策略、相对价值套利策略、债券策略、复合策略。 不同策略的回撤收敛情况不同，其中股票量化策略、指数增强策略、期货量化策略、管理期货复合策略、组合基金的收益呈同步收敛状态；其中股票主观策略、期货主观策略、期货套利策略、事件驱动策略呈收益双向扩张状态；股票复合策略、相对价值择时对冲策略、相对价值复合策略、宏观策略呈向上扩张状态；相对价值市场中性策略、相对价值套利策略、债券策略、复合策略呈向下扩张状态。 波动率的整体表现形态与最大回撤非常相似，但细节没有最大回撤丰富，且数据主要集中在 0.00%-4%区间内，阈值范围较窄，不利于后续分析研究。因此，后续以最大回撤最作为风险代表指标进行分析。

3.4. 风险指标确认

根据上述数据分析，确定各策略的代表分位均为 50%，根据 50%分位对应的具体收益数值，进行产品筛选。此外，将风险上行行情、风险下行行情、风险头部产品、风险尾部产品、风险收敛状态 5 个标签汇总如下：

其中，债券策略实现了在上行行情、下行行情、头部产品、尾部产品四个标签的全部突出表现，组合基金在上行行情、下行行情、头部尾部产品三个标签的表现突出，建议可以多配。当下下行行情，可以配置下行突出的股票量化策略、期货套利策略、组合基金策略、相对价值套利策略、债券策略，根据收益风险特征，选择适合的产品。其中，指数增强策略、期货复合策略、组合基金策略、债券策略期的尾部产品表现突出，可以甄选产品酌情配置，配置空间较大。

3.5. 其他标签

各策略根据风险控制、能力归因、仓位容量、影响因素 4 个维度，模型风险、敞口控制、杠杆比例、择时能力、选品能力、调仓频率、持仓数量、策略容量、情绪影响、关键人影响、灰天鹅影响等 11 个指标。将各策略的特征分三档进行分析，其中“高”表示该项指标表达较强，“中”表示该项指标表达适中，“低”表示该项指标表达较弱。

3.5.1 标签口径分析

本部分指标主要依据经验判断并进行汇总。档位选取遵循以下原则：1）档位应将各策略划分为数量相近的三档；2）结合市场判断，档位划分应能服务于后续产品配置工作。

3.5.2 标签结果确认

根据上述维度和指标，对各项策略特征进行分析如下：

风险偏好：股票主观>股票量化>指数增强>择时对冲>管理期货>市场中性>套利

模型风险、调仓频率、持仓数量：量化>主观

策略容量、关键人影响：主观>量化，股票多头>相对价值>管理期货

灰天鹅事件影响：主观>量化，债券策略>事件驱动>宏观策略>股票多头

杠杆比例：管理期货>其他策略>股票多头

敞口控制：套利策略<择时对冲<宏观策略<债券策略<股票多头

4. 基金池构建

4.1. 基础筛选

针对进攻型、机会型、稳健型和谨慎型产品分别建池，形成进攻池、机会池、稳健池和谨慎池。 基础筛选标准如下： 1）运行状态良好，处于正常、开放运行、封闭运行状态； 2）产品合规性完备，已经完成协会备案； 3）机构有一定存续期，管理人成立时间超过一年； 4）产品有历史业绩展示，产品发行时间超过一年； 5）信息披露良好，近 60 日内有净值披露。

4.2. 质量控制

一是对空值、净值 2 月内未更新、极端值等数据质量问题进行排查、判断、剔除。二是对不符合策略特征的异常指标值对应的产品进行逐一判断、剔除。 三是对录入错误、分类错误等数据问题进行逐一判断、更正。

4.3. 进阶筛选

经过批量筛选后，根据策略分析结果，根据以下条件进行进阶筛选： 1）根据不同策略差异确定具体收益标准； 2）根据不同策略差异确定具体最大回撤标准； 3）根据策略容量差异确定不同管理人自主发行具体规模。

5. 基础池概况

池内产品共计 364 只，其中进攻型策略池有 119 只产品，机会型策略池有 76 只产品，稳健型策略池有 137 只产品，谨慎型策略池有 32 只产品。 池内共有管理人 133 家，其中进攻型策略池有 61 家，机会型策略池有 39 家，稳健型策略池有 77 家，谨慎型策略池有 19 家。管理人中，恒基浦业资产有 9 只产品入池，是入池产品最多的管理人。各管理人入池产品数量基本在 1 至 2 只，主要由各管理人最具代表性的产品构成，筛选结果有效。

6. 基础池的应用场景

一是指数编制。根据基础池内的产品净值编制私募产品指数。该指数可以作为产品评价的指标之一，也可以作为各策略研究的标的和基准。 二是核心池搭建。将基础池内的产品进行进一步评价，根据不同策略额设计不同的评价体系，采用定性与定量相结合的方式，选择近 20 个在收益、风险、经验、精力、综合能力等方面具有代表性的指标，对不同指标结果进行赋值，形成对单只产品的综合推荐评分。进入核心产品池的产品应符合以下要求：1）综合推荐评分 60 分以上。2）进行过管理人尽调。 三是完善策略标签。通过对主要策略指数研究，策略特征分析，不断完善标签库，通过标签库可以支持后续配置工作。 基础池内各策略池每月进行池内产品更新，每周进行池内净值更新，并形成相关评价指标。后续会推进私募 FOF 投研系列报告第二篇：产品评价与核心池构建。

编辑：JACK