2024年基金配置策略报告：金融工程深度逆水行舟，基金投资的反传统之旅

1 该怎么选一个基金？

1.1 应用：基金研究方法论的分歧

基金研究可分为定量和定性基金评价两种，定量基金评价的本质是对过往信息二次加 工提纯的过程。国内基金评价的标准化信息来源包括基金每日净值、一年四次的季度报、 一年两次的中报和年报、定期更新的基金合同等，非标数据则以基金经理调研和访谈问答 为主。定量基金评价的本质是尝试对上述信息进行加工和分析，构建指标、标签、能力 圈、画像等维度以描述基金属性。 但我们实际面临的问题在于，基于历史的归纳总结和线性外推的评价结果缺乏说服 力。事实上，基金在某阶段优异的表现、在赛道较高的胜率、在个股的超额收益、在异质 策略的长期深耕等均不构成未来基金收益的充要条件，于是进而采用评价指标线性外推的 推荐方式同样难以构成强有力的买入理由。为什么部分投资者认为基金评价不够实用？原 因在于基金评价指标多为风格因子而非 alpha 因子，换言之基金在历史上呈现的大多数优 秀特质并不代表其能在未来稳定贡献正收益。

定性研究从出发点上似乎能够克服定量上的不足，从归纳走向演绎，但实际落地中评 价的标准难以稳定和客观。定性研究的重点放在基金经理的观点和反馈上，通过观点交流 尝试理解其投资思维和行为模式，判断其在不同环境中的应对能力和演绎。但是基于主观 研究方式天然导致评价标准难以稳定和客观，并且由于不同策略和赛道内投资逻辑的专业 性较强且知识迭代速度快，实际中通过这种方式能有效覆盖的标的范围也有限。 在投资之外，两者也逐渐演化出了不同的商业模式，定量评价由于高度标准化和产品 化的特点，方便批量复制，在基金营销、系统平台等业务领域应用广泛，定性评价同样在 基金营销领域应用较多，基于观点和逻辑的投资故事可能更具吸引力和说服力。

这种方法论上的对立，实质上是对能够决定基金未来收益的定价因素存在分歧。那学 术界如何理解基金投资中的 alpha 和 beta？

1.2 学术：淡化 alpha、回归 beta

“基金能否创造 alpha 收益”是基金研究学术界争议和讨论的核心话题。我们在 2024 年 1 月 27 日发布的金融工程深度报告《学界纵横系列之四：主动基金究竟能否创造 alpha 收益？》中详细介绍了学术界对于美国主动基金 alpha 收益能力的讨论： 1）Kosowski 等人(2006) 和 Fama &French(2010)（以下分别简称为 KTWW(2006)和 FF(2010)）的研究成果具备代表性。但是两者通过相同统计方法(bootstrap)，却得到了截然 相反的结论。KTWW(2006)认为有超过 10%的美国主动基金是存在显著 alpha，而 FF(2010) 则认为该比例不超过 1%。 2）Harvey and Liu (2022)在 Journal of Finance 的观点认为美国主动基金不具备显著 alpha 收益，改进后的实证结果表明有显著 alpha 的基金比例应介于 FF(2010)的 1%和 KTWW(2006)的 10%之间。 当统计学表明美国基金不具备显著 alpha 收益，实际能做到持续而稳定 alpha 则是难 上加难。基金研究应秉持从数据和实证出发、科学验证的态度，将精力放在剔离 alpha 后 的收益来源拆解及其可持续性的预测上。

1.3 实证：评价指标的典型思维误区

基金研究中，评价指标应回归业绩归因的本源属性，基金画像中隐含的未来信息事实 上不可线性演绎，决定评价指标对未来收益预测效果的往往是市场本身，但从主观逻辑选 择和优化评价指标有助于改善其预测和泛化效果。 这里我们以经典的基金规模指标为例进行说明， 1）首先，站在定量评价的复盘视角，我们看到基金年度末的规模和业绩在不少年份为 正相关（中枢为 0.05），而从预测和投资实战的角度分析，年初规模和当年业绩的则呈现负 相关（中枢为-0.1），这种差异来源于评价指标隐含的未来信息事实上不可线性演绎。 2）进一步的，我们似乎可以将基金规模作为负向指标加入选基策略，逻辑也较为清 晰：规模提升后更容易受到策略容量和交易灵活度的限制。但该指标也并非长期有效，在 资管新规作用下机构主导的 2019 和 2020 年市场中大规模基金的业绩也并不逊色，决定评 价指标对未来收益预测效果的往往是市场本身。 3）最后，基金规模分组收益亦非严格单调，从逻辑上我们知道因规模太小而拟清盘基 金的业绩较差，反之较大的规模也会影响基金投资的灵活度，实践中剔除小规模基金后将 基金规模作为负向因子的预测效果明显更优，换言之，从主观逻辑选择和优化评价指标有 助于改善其预测和泛化效果。

综上，实战中如何上述解决问题，怎么去选择一个基金？ 1）定量评价的问题在于执着于历史结果的归纳，定性评价虽重视个体的思维逻辑理 解的推演，但评价的标准难以稳定和客观。当我们将两者相结合，把定量研究的视角从复 盘切换到预测，往往发现决定评价指标对基金未来收益预测效果是市场本身。 2）公募作为普惠性的金融品种，投资管理和信息披露制度更加健全和完善，但对投 资者是重要相对优势，因此更应充分利用运作产生的各类数据，而不是主观臆断投资机 会，但也不能过分迷信某些历史结果。 3）从主观逻辑选择和优化评价评价指标有助于改善其预测和泛化效果，本篇报告尝 试从主动可验证的角度构建选基因子和定价因素体系，实证表明这或许是一种行之有效的 解法。

2 传统基金评价指标有效性检验

2.1 框架：基金定量评价体系 2.0

浙商金工主动基金定量评价框架 2.0 目前包括基本信息、业绩表现、个股选择、行业 配置、交易习惯、组合管理、渠道结构、实时跟踪在内的 8 大维度，通过每个主动基金在 28 个子维度的变化刻画产品属性，包含 300 多个底层数据指标，同时评价体系也在不断扩 充。具体包括： 1、基本信息：成立日期、业绩比较基准等，体现基金特征和运作方式。 2、业绩表现：历史业绩情况、情景区间表现、风险控制能力、持有基金体验。 3、个股选择：重仓股收益测算、选股收益贡献、选股标准和偏好、选股策略独立性。 4、行业配置：行业赛道定位、行业能力圈和投资效率、行业配置和轮动收益。 5、交易习惯：择时胜率拆解、投资稳定性、隐形交易能力和交易行为特征。 6、组合管理：资产配置、仓位偏好、投资集中度、投资覆盖度。 7、渠道结构：基金规模和份额变化、持有人结构情况。 8、实时跟踪：基金在行业和风格上的暴露，以及剥离后的 alpha 收益等。

2.2 测算：评价指标的有效性检验

经过数据检验，长期具备辨识度和预测能力的基金评价指标较为稀缺。在 2016 年至 2023 年的区间内 85.2%的评价指标对未来的收益没有明显的预测作用（对应指标和未来一 年基金收益的相关系数在-5%至 5%之间且年度波动小于 20%）。部分评价指标虽然整体来 看具备收益预测能力，但是年度间的波动明显，长期依赖个别观念去选择基金往往效果不 佳。正如前文所说，基金评价指标多为风格因子而非 alpha 因子，换言之基金在历史上呈 现的大多数优秀特质并不代表其能在未来稳定贡献正收益。

2.3 切换：从评价指标到选基逻辑

一个统计上显著、解释能力好的资产定价模型，是因为逻辑合理还是数据巧合？很多 时候在研究中我们以为找到了能够带来超额的因子逻辑，事后来看更多是挖掘到了某个短 期异象故事，期待该逻辑的继续演绎，但实际上影响底层标的收益的元素众多，单一因子 的刻画并不能完全捕捉收益和风险。 值得关注的是，基金定价的对象是信托契约而非权益资产，规模等因子可提供更清晰 有效的选基逻辑。驱动传统资产定价理论的基础是股票，也就是上市公司的股权资产，比 如 Fama 三因子将权益资产的回报解释为市场风险因子、小市值因子和账面市值比因子的 加权贡献。与之相对应的，围绕基金做定价和收益预测的基础是并不仅是组合持有的资 产，而是公募管理的账户属性和产品合同的刚性约束。

3 基金投资中“正确的事”及其量化表达

构建长期胜率高、解释力强、低相关性的多维选基逻辑，而不是从持仓或净值中逆推 单一异象信号。研究中我们以为找到了能够带来超额的投资逻辑，事后来看更多是挖掘到 了某个短期异象故事、买入并期待外部环境持续不变，但实际中影响底层标的收益的元素 众多，单一因子的刻画并不能完全捕捉收益和风险。 我们尝试从主动可验证的角度构建六种解释力强、相关性低、长期胜率高的选基逻 辑：Beta、资金、博弈、行为、态度、Alpha。

3.1 风格：契合长期趋势

Barra-CNE6 是针对 A 股的成熟风险因子体系，我们进而利用基金的全部持仓数据刻 画其风格属性。实际中我们刻画包括流动性、杠杆、盈利、盈利波动、盈利质量、投资质 量、价值、盈余、长期反转、成长、动量、市值、非线性市值、波动、beta、红利在内的 16 个基金风格因子。

3.2 资金：负债端约束少

前文 1.3 中我们讨论了基金规模可作为负向指标加入选基策略，逻辑也较为清晰。但 基金规模因子分组收益亦非严格单调，主要原因在于低于 5000 万的产品容易出现清盘风 险，同时规模低于 1 亿元或者 2 亿元的产品或难以进入机构投资池，因此我们对规模低于 2 亿元的因子截尾处理，将其作为负向因子体现可控的产品规模带来的投资灵活度上的优 势，同时我们也对基金公司总规模作同样处理。另外内部持有比例反映熟悉管理人的投资 者对于产品的信心，其内核在于内部资金支持的力度较大。 资金方面，注重负债端约束少，管理规模处于舒适区、管理人内部支持度高的基金。

3.3 博弈：业绩来源隐藏

博弈方面，重视由于持仓公开频率较低导致业绩来源隐藏的基金，以及收益难用传统 归因模型解释、净值领先持仓的基金。

1）隐形交易收益测算：由于基金持仓的披露频率较低，无法直接获得基金经理在季度 内的交易操作信息，我们首先假设基金在季报后的持仓结构未做调整，构建跟踪全部持有 股票的基金“模拟组合”，然后通过基金和模拟组合的两者的净值判断管理人在季度内的调 仓换股的行为特征和绩效结果。案例中基金通过季度内的调仓和波段获取“隐形”的超额 收益。

2）Brinson 归因模型：经典的 Brinson 归因是一种投资绩效分析方法，用于确定投资 组合的绩效相对于基准的来源和贡献，可以采用 Brinson 模型将基金的超额收益分解为行 业配置贡献、个股选择贡献和择时能力贡献。个股选择贡献衡量投资组合中股票选择决策 对业绩的影响，行业选择贡献衡量投资组合在不同行业的选择决策对业绩的影响，择时收 益贡献是模型未能解释的收益，例如未公开披露的调仓换股等操作产生的收益。

3.4 行为：策略积极独立

行为方面，我们重视策略积极独立，敢于拓展重仓但是胜率思维优先于赔率思维、同 时保持换手强度的基金。

1）选股策略独立性：我们根据基金经理不同的选股方法，将其持仓划分为市场抱团、 行业龙头、赛道龙头、内部推荐、券商推荐、冷门股票、专属股票共七种类型。基金经理 在市场抱团和行业龙头、内部推荐股票上过高的集中度会导致策略趋同和拥挤，而过度集 中于冷门股票的基金往往以量化选股策略为主，因此我们将基金持有的市场抱团、行业龙 头、内部推荐股票的比例之和定义为选股独立性指标。

2）长期重仓胜率：利用季频重仓股的信息统计区间内基金长期连续持有股票的情况， 并中性假设基金在季度内的股价中位进行加减仓，合理测算各只股票的持有收益率和收益 贡献度，体现不同重仓股在长期对组合的实际业绩贡献程度。案例中基金的连续重仓股在 区间内的表现明显跑赢同期申万行业，长期而言选股胜率较为稳定。

3）长期重仓范围：基于上述测算，我们同样可知基金在区间内重仓覆盖的个股数量， 极端情况下若基金重仓不发生变化，则覆盖个股数量长期为 0。

4）保持一定换手强度：选择长期持有或者频繁交易均和基金未来业绩没有明显关系， 换手率则呈现弱有效，我们在因子处理上进一步剔除换手过高的基金(一年 10 倍以上)，剔 除后基金换手率因子效果改善。

3.5 风偏：谨慎乐观定位

风偏方面，我们重视谨慎乐观定位，严控回撤幅度、逆向左侧交易、估值低容忍度的 基金。 1）严控最大回撤：低回撤基金与其说能够有效控制组合的波动，更加倾向于在产品定 位上保持谨慎乐观，并在在过往震荡市场中获得业绩相对优势。 2）估值低容忍度：上文中我们采用基金的全部持仓数据刻画 Barra 风格属性。盈余也 就是 EP 比反映产品在估值上的暴露程度，长期保持组合低估值水平的基金能够在牺牲弹 性的条件下提升绝对收益胜率。 3）逆向左侧交易：基金在交易操作中具备不同的策略和行为习惯，比如在某个股票的 历史投资行为中偏向左侧交易或者右侧交易，又比如整体偏好趋势交易或者逆向交易。我 们通过复盘基金经理历史上平均持仓比例较多、累计贡献较大重仓股的买入卖出决策，判 断和刻画其交易行为偏好，如案例中基金在兴业银行的交易操作中呈现左侧逆向思维。

3.6 Alpha：超额纯粹高效

虽然前文强调历史业绩不代表未来，但基金动量类因子的收益预测能力却往往并不 弱。实战中我们观察到由于短期和市场风格契合等原因，基金的 alpha 收益或在一定区间 内持续，因此虽然不能完全依赖动量的演绎，但仍有必要构建选基因子捕捉短期 alpha 动 量作为子策略之一。 从动量类指标的测试结果来看，传统风险收益指标如夏普比率具备较好选基效果，同 时利用剥离风格收益后 alpha 的选基效果表明五因子更优，我们选择 Fama 五因子近 120 日剥离风格收益、近 1 年夏普比率等权构建超额纯 粹高效基金组合，年化超额收益为 8.3%。

4 不同侧重点的基金投资组合业绩

基金个体无法长期兼具六种强势特质。生命周期假设下一种可能的情况推演：优质基 金进入成熟期后，资金端约束大幅提升、Alpha 收益开始被定义为风格趋势、出色博弈能 力逐渐转化为过往行为绩效，最终风偏的降低是一种合理决策。

通过季度频率测算和调仓最终得到三类基金组合策略： 1）进取策略：资金约束少叠加风格契合，年化超额 12.5%，年度胜率 100%，季度胜 率 84%。 2）稳健策略：融合六大选基逻辑，年化超额 10.8%，年度胜率 100%，季度胜率 82%。 3）均衡策略：保持积极风偏、淡化行为绩效，年化超额 12.0%，年度胜率 100%，季 度胜率 89%。

编辑：火腿肠