在上一篇报告《主动股基赚的是什么钱？》中，我们研究了普通股票型基金相对于其基准的超额收益在历史上的表现，并从因子模型的视角分析普通股票型基金的配置风格问题。研究结果发现，普通股票型基金组合在2009-2024 年的时间区间里能获取显著的超越基准的收益，其中全部基金加权组合超越其基准的年化收益为 3.77%，这一收益在经过经三因子模型风险调整后更是高达6.20%。这里我们将进一步讨论主动型股票基金能否跑赢股票市场的问题，与上一篇报告研究的区别在于，在上一篇报告中，每一只基金的比较基准各不相同，比如一些规模较大的普通股票型基金或偏股混合型基金的比较基准为特定行业或行业主题指数；而在本篇报告中，我们将每一只基金的比较基准都统一为Liu 等（2019）的中国三因子模型 1的市场因子，其在数值上等同于中证全指2，可以看成是A股绝大部分股票的自由流通市值加权的股票组合。
除基金比较基准存在差别外，本篇报告相对于上一篇报告还有如下几点扩展与创新：一是将偏股混合型基金纳入主动型股票基金进行研究，实际上自2015年以来，偏股混合型基金是一类更为重要的主动型股票基金，其资产净值在2009-2014年虽然只有普通股票型基金资产净值的 40-50%，但 2015 年至今，其资产净值是普通股票型基金的 3-4 倍，投资股票的规模已远超普通股票型基金。二是研究不同规模大小的基金组合的绩效表现。在上一篇报告中，我们仅研究规模最大的 100 只基金和全部基金构造的基金组合，以反映普通股票型基金的整体绩效。本报告将进一步地根据基金规模大小构建多个基金组合以反映不同类型基金组合的绩效表现。为此，我们同一基金全称下的所有份额类别基金进行合并，以准确反映每只基金的规模大小。 三是论证了企业盈利短期增长与股票未来收益率存在着明显的正相关关系，并构建成长因子来一步解释主动型股票基金的业绩表现。我们采用TTM 扣非净利润的环比增长指标来反映企业盈利的短期增长，发现 A 股市场上当期盈利增长越高的股票的未来收益率越高，反之亦然。这一现象在考虑了企业规模、价值和情绪因素后仍然明显。 四是进一步考虑了对因子模型的稳健性检验。本报告用于解释主动型股票基金绩效的因子模型源于 Liu 等（2019）的中国三因子模型，该模型与Fama-French三因子模型 3的一个重要区别在于，构建因子时剔除了总市值最小的30%的股票，以避免股票壳价值干扰。与 Liu 等（2019）研究的 2000-2016 年的时间区间不同，本报告研究的是 2009-2024 年的最新样本，考虑到股票壳价值的影响正在逐步弱化，我们在不剔除 30%股票样本的情况下重新构建因子收益率进行稳健性检验。
2.1 基金样本的选择
本报告研究的主动型股票基金为普通股票型基金和偏股混合型基金。根据万得基金分类规则，普通股票型基金的股票等权益类资产（不包括权益类基金）占基金资产比例下限>=80%，偏股混合型基金的权益类资产投资上限>=75%或下限>=50%，且不属于灵活配置型（权益类资产的投资范围上下限之差>=50%，且上限>50%、下限<50%）。这两类基金都是以股票为主要投资标的，主动管理为主，而非被动跟踪指数。两者的主要区别在于股票投资的比例，普通股票型基金要求更高的股票持仓，而偏股混合型基金由于股票投资比例的下限更低，灵活性相对较高。我们采用万得普通股票型基金指数和万得偏股混合型基金指数每月末的成份记录来筛选主动型基金。上述万得基金指数的样本选择除了要求基金属于指数对应的板块外，还要求新基金在3 个月后才能加入样本。主动型股票基金的数量呈持续上涨态势。从上述 2 个基金指数成份股数量来看，主动型股票基金数量从 2008 年末的 207 只上涨至 2024 年末的5508 只，年化复合增长率为 22.8%，单月最高增速超过 6%。
普通股票型和偏股混合型基金数量在 2015 年发生了结构性变化。普通股票型基金数量在 2015 年 7 月和 8 月这 2 个月分别减少了88 只和249 只，而偏股混合型基金数量则分别增加了 104 只和 263 只。这主要是因为证监会调整了普通股票型基金的仓位下限规定，要求其股票持仓比例不得低于80%。这一政策迫使许多原本仓位灵活的普通股票型基金转型为混合型基金，以规避严格的仓位限制，从而获得更大的投资灵活性。 普通股票型基金绝大部分都是转型为偏股混合型基金。2015 年6 月，普通股票型基金指数有 442 只成份股，其中有 100 只基金在 2015 年7 月纳入偏股混合型基金指数，341 只基金留在普通股票型基金指数中，只有1 只基金转为其他类型。到2015 年 8 月，又有 200 只（累计 359 只）纳入偏股混合型基金指数，仅剩82只留在普通股票型基金指数中。 混合型基金可以同时投资于股票、债券、货币等各类资产之中且没有强制的分配限制，具有更高的资金配置灵活性。在市场暴跌的时刻，股票型基金由于持仓比例限制，常常无法规避系统性风险。因此在后期，即使基金是以股票为主要投资标的，也在建立时申请为混合型基金 1。这一点可以从偏股混合型基金指数成份数量在 2015 年 7 月之前和 2015 年 8 月之后的增速可以看出。在2015 年7月前，偏股混合型基金指数成份股数量增长非常少，仅从2008 年末的77 只增长至2015年 6 月的 95 只，年化增速仅为 3.28%；而同期普通股票型基金指数成份股数量的年化增速为 20.7%。2015 年 8 月之后，偏股混合型基金指数成份股数量的年化增速为 27.7%，则与普通股票型基金指数 27.1%的年化增速相近。上述变化对主动型股票基金的整体数量没有影响，主要是影响偏股混合型基金数量占全部主动型股票基金的比例，该占比从 2015 年6 月末的17.7%大幅提升至2015 年 8 月的 81.5%，提升高达 63.8 个百分点。
2.2 时间区间的选择
本报告的数据样本周期为 2009 年至 2024 年。之所以选择2009 年开始的数据是因为，主动型股票基金主要是在 2007 年及其之前经历了一波快速增长。在截至2024年的 20 年时间区间里，主动型股票基金的资产净值主要是在2 个区间里出现大幅增长，其中第一个大幅增长区间就是 2005 年至 2007 年，2007 年主动型股票基金的资产净值较 3 年前的 2004 年提升了 13.5 倍，年化复合增长率高达144%，普通股票型和偏股混合型基金的年化增速分别为 170%和113%；而第2 个大幅增长区间则是 2019 年至 2021 年，主动型股票基金的资产净值在2021 年的资产净值较3年前的 2018 年提升了 4.41 倍，年化增速为 75.6%，普通股票型和偏股混合型基金的年化增速分别为 63.7%和 79.0%，均远低于前一个大幅增长区间的提升。2008年至 2018 年和 2022 年至 2024 年则是主动型股票基金资产净值缩水的2个区间，年化增速分别为和-9.39%和-16.6%。主动型基金的份额也是类似的规律（见附录）。中国 A 股市场经历了 2006 年至 2008 年的暴涨暴跌，在其过程中吸引了大量资金进入到股票市场。主动型基金的资产净值在 2007 年达到的局部高点，直至2020年才被突破。其中普通股票型基金的资产净值在 2007 年达到历史高点，偏股混合型基金在 2007 年的资产净值也达到局部高点，到 2015 年被突破。在 2015 年之前，普通股票型基金的资产净值长期高于偏股混合型基金。由于证监会调整了普通股票型基金的仓位下限规定，2015 年普通股票型基金的资产净值迅速被偏股混合型基金超越。2015 年末，普通股票型基金的资产净值较2014年大幅下降 66.5%，而偏股混合型基金的资产净值则较2014 年末大幅增加206%，这也是为什么偏股混合型基金的资产净值在 2015 年就能超过2007 年所创造的局部高点的主要原因。 考虑到 2007 年之前主动型股票基金的总体规模较小，2006 年至2008 年A股市场经历暴涨暴跌，因此本报告选择 2009 年及其之后的时间区间作为研究样本。
2.3 数据来源及处理
本报告所使用数据均来源于万得，频率为月。 首先是基金的月收益率数据，基金的当月收益率为当月的复权净值除以上月的复权净值。我们先收集曾纳入万得普通股票型或偏股混合型基金指数的所有基金代码，剔除基金全称含“分级”的基金 1，然后读取这些基金在2008 年12 月至2024年 12 月的月复权净值；最后剔除复权净值缺失的记录，并剔除那些复权净值长期不变的记录 2。 基金规模数据采用基金单位净值乘以基金份额来计算，我们获取上述基金的每季度末的基金份额数据，并剔除上季度末基金份额缺失或者为0 的基金。考虑到不同的基金代码可能对应的是同一只基金（比如同一只基金有多个份额类别，从而分配多个基金代码），这里根据基金全称对同一基金的不同份额类别基金进行合并。具体而言，在每个季度末，将基金全称相同的不同份额类别的基金构建一个加权组合，并持有一个季度。那么合并后基金的规模为合并前的不同份额类别基金的规模加总，收益率为这一组合按照规模加权的收益率。主动型基金出现一只基金有多个份额类别是在 2014 年。截至2014 年2 季度末，一只基金只有一个份额类别，在此之后开始出现有2 个不同份额类别的基金，只有 1 个份额类别的基金数量占比逐渐下降，截至 2024 年3 季度末，这一占比降至23.6%，而同期有 2 个不同份额类别的基金数量占比提升至74.2%。有3 个不同份额类别的基金从 2017 年 1 季度末开始出现，截至 2024 年3 季度末，它的占比为2.19%。2021 年 3 季度末还出现有 4 个不同份额类别的基金，不过这种基金的数量只有 1 只 3。
在合并的主动型基金中，份额类别最大的基金规模占合并后基金总规模的比例都非常大。前期需要合并的基金的数量较少，截至 2015 年3 季度末，需要合并的基金只有 4 只。不考虑前期样本，2015 年末，合并基金中份额类别最大的基金的平均规模占比高达 99%，其中 75%的基金的这一占比超过90%。随着时间的推移，这一占比有所下降，2020 年后，这一占比的分布维持在一个较为稳定的水平，份额类别最大的基金的平均规模占比在 84%-86%之间，有25%的基金的这一占比超过94%，75%的基金的这一占比至少超过 69%。
在合并的主动型基金中，不同份额类别基金的收益率之间差异都非常小。不考虑合并基金较少的前期样本，2016 年以来，同一基金的不同份额类别的月收益率的平均差异只有 0.01%-0.06%，75%（90%）的基金的不同份额类别的月收益率的差异不超过 0.11%（0.17%）。 经过上述合并后，样本区间后期的截面样本数量出现大幅下降。2022 年末开始，截面个体数量减少超过 40%。以最后 1 个季度为例，5376 个基金代码的相关数据合并成 3009 个基金的相关数据，基金全称数量为基金代码数量的56%。全部时间样本下共涉及 5815 个基金代码，基金全称数量为 3303 个，是基金代码数量的57%。
3.1 基金组合的构建
根据基金规模的大小构建多个组合，规模越小的基金组合的整体规模通常要小很多，但我们要求其基金数量更多，同时整体规模占全部基金规模的比例不能太低，这样才能保证基金组合的平均规模的差距有一定差距。而通常采用数量平均分组的方法，会导致规模较小的多个基金组合的平均规模差距较小，同时规模最小的那个组合的总规模占比会非常低，不具有代表性。根据上述原则，这里构建 4 个基金组合，分别为大型、中大型、中小型和小型基金组合，每个基金组合的规模占比分别为 40%、30%、20%、10%。按照大型基金组合到小型基金组合的顺序，各基金组合的总规模是由大到小的，组合的基金数量是由少到多的。各基金组合的基金数量的平均占比分别为9.43%、15.9%、22.8%、51.8%，小型基金组合的这一占比超过总基金数量的一半。从时序变化来看，随着整个主动型股票基金数量的增加，大型和中大型基金组合的基金数量占比是下降趋势，分别从 2008 年末的 15.6%、21.5%下降至2024年3季度末的 5.35%、12.7%。中小型基金组合的数量占比大致稳定，在20.2%-25.9%的范围内波动。只有小型基金组合的基金数量是上升的，从2008 年末的38.0%上升至 59.3%。
从基金规模的大小来看，大型与中大型基金、中大型与中小型基金、中小型与小型基金的分界线平均分别为 55.8 亿、24.9 亿和 10.2 亿。前期由于基金数量较少，各分界线的数值更高，比如 2009 年 2 季度末，125 亿以上的为大型基金，中大型与中小型基金的分界线为 70.8 亿，35.9 亿以下为小型基金。同时各分界线也与市场走势密切相关，比如 2018 年末，各分界线的数值分别只有26.9 亿、12.3亿和 4.97 亿，处于历史最低位，而到了 2021 年 2 季度末，各分界线的数值分别提升到 81.8 亿、32.7 亿和 11.5 亿，处于 2011 年 3 季度末以来的最高水平。
3.2 基金组合的绩效表现
整体走势与绩效表现
各基金组合的整体走势是非常相近的。从各基金组合对数净值走势来看，自2009年大幅上涨以来，各组合均是在 2019 年 7 月、12 月和2010 年11 月这3个时点创出位置相差不大的局部高点。随后的局部低点和高点依次为2012 年11月（低点）、2015 年 5 月（高点）、2016 年 2 月（低点）、2018 年1 月（高点）、2018年 12 月（低点）、2012 年 6 月和 12 月（高点）、2024 年1 月和8 月（低点）。
全部基金、大型、中大型、中小型、小型 4 个基金组合的年化收益分别为9.41%、7.65%、9.75%、11.0%、12.2%，t 统计量分别为 1.70、1.37、1.77、1.99、2.20。波动率上，各基金组合月收益率的年化标准差为 22.0%-22.4%，差别不大。从统计显著性 1来看，多数基金组合的收益率都达到了至少10%的显著性水平，其中中小型和小型基金组合的收益率甚至达到了 5%的显著性水平。
单因子模型分析
单因子模型下，多数基金组合都有正的超额收益，但都不显著。全部基金组合的年化超额收益为 0.216%，其中大型、中大型、中小型、小型基金组合的年化超额收益分别为-1.66%、0.646%、1.87%、3.05%。上述结论意味着，多数基金组合随能跑赢市场，但没有明显跑赢。 各基金组合的市场因子暴露的β值为 0.84-0.87，均显著小于1，检验其等于1的t 统计量的值在-4.24 至-3.73 之间，达到 1%的显著性水平。市场因子暴露可以理解为平均仓位，各基金组合的平均仓位在 84%-87%之间。单因子模型对基金组合绩效的解释能力非常高。从模型的拟合优度来看，单因子模型达到 0.87-0.89，已处于非常高的水平。
三因子模型分析
三因子模型下，各基金组合都具有正的超额收益，而且大都显著。全部基金组合的年化超额收益为 3.57%，其中大型、中大型、中小型、小型基金组合的年化超额收益分别为 1.54%、4.07%、5.46%、6.37%，较单因子模型都有明显提升。各基金组合的统计显著性亦是如此，多数基金组合的超额收益达到了至少10%的显著性水平，其中小型基金组合的超额收益甚至达到了1%的显著性水平。上述结论意味着，在考虑股票规模效应和价值效应下，多数主动型股票基金能显著跑赢市场。结合单因子模型的结论来看，这表明各基金组合在股票规模因子和价值因子的暴露给组合绩效带来了明显的负向影响。具体而言，各基金组合在规模和价值因子存在负向暴露，而规模和价值因子的收益率为正。以全部基金组合为例，在单因子模型中，全部基金组合的市场因子暴露的β值为 0.855，市场因子的年化月均收益率分别为 10.27%，无风险收益为 2.82%，因此全部基金组合的年化超额收益为(9.41%-2.82%)-0.855*(10.27%-2.82%)=6.59%-6.37%=-0.22%。而在三因子模型中，全部基金组合的市场、规模和价值因子暴露分别为0.841、-0.145 和-0.298，规模和价值因子收益率分别为 5.83%和7.41%。超额收益则为(9.41%-2.82%)-0.814*(10.27%-2.82%)-(-0.145)*5.83%-(-0.298*7.41%)≈6.59%-6.064%+0.845%+2.21%≈3.57%。即基金组合因偏好大盘股和高估值股票，在规模和价值因子上分别获取了负收益，剔除这部分负收益后，超额收益明显提升。在三因子模型中，各基金组合的市场因子暴露的β值为0.79-0.84，略低于单因子模型的 0.84-0.87。规模因子暴露为-0.2 至-0.08，暴露值的绝对大小随基金规模递增，仅大型基金组合有显著的负向暴露，这表明各基金组合都一定程度地偏好大盘股，其中大型基金偏好大盘股的程度较为明显。价值因子暴露为-0.350至-0.245，均显著为负，表明各基金组合都非常明显的偏好高估值股票。各基金组合三因子模型的拟合优度为 0.897-0.912，相较于单因子模型的0.870-0.892的拟合优度有所提升。
四因子模型分析
四因子模型的分析结果与三因子模型一致。一是各基金组合的年化超额收益在不同模型下的大小相近，统计显著性程度相同。各基金组合的年化超额收益范围为1.00%-6.37%，与三因子模型的 1.54%-6.37%的分布范围相近，中小型、小型基金组合的年化超额收益的差距甚至都不超过 0.1%。统计显著性方面，也是多数基金组合的超额收益显著，且显著性水平与三因子模型完全相同。二是各基金组合的因子暴露在不同模型下的大小相近，统计显著性程度相同。各基金组合的市场因子暴露的β值在 0.792-0.853，与三因子模型的β值0.791-0.842的分布范围相近；规模因子暴露的范围为-0.188 至-0.0765，与三因子模型的-0.200至-0.0764 的分布范围相近；价值因子暴露的范围为-0.362 至-0.328，与三因子模型的-0.350 至-0.245 的分布范围差距不大。统计显著性方面亦是如此，全部基金和大型基金组合在规模因子的负向暴露显著，各基金组合在价值因子上的负向暴露非常显著，且显著性水平均在 1%以下。 三是各基金组合在不同因子模型下的拟合优度非常相近。四因子模型下，各基金组合的拟合优度在 0.897-0.912，与三因子模型拟合优度的分布范围几乎相同。由此可见，四因子模型对各基金组合收益的解释能力较三因子模型几乎没有多少提升。除各基金组合的四因子模型的拟合优度较三因子模型没有变化外，各基金组合在情绪因子上的暴露的绝对值太小，而且统计显著性不足。特别是对于中小型和小型基金来说，他们在情绪因子上的暴露的接近于0，因此相较于其他基金组合来说，中小型和小型基金组合在不同模型下的年化超额收益和因子暴露更为相近。虽然其他基金组合在情绪因子上有一定暴露，但远远低于在市场因子等其他因子上的暴露程度。可见，情绪因子的纳入没有提高因子模型对各基金组合收益的解释能力，从而导致各基金组合的四因子模型结果与三因子模型相同。
3.3 普通股票型基金组合的绩效表现
上一篇报告《主动股基赚的是什么钱？》的研究结果显示，普通股票型基金组合在 2009-2024 年的时间区间里能获取显著的超越其基准的收益，其中普通股票型基金的加权组合超越其基准的年化收益为 3.77%，这一收益在经过经三因子模型风险调整后更是高达 6.20%。而本报告的结论明显不同，一是单因子模型下，主动股票型基金加权组合超越市场因子的年化收益仅为0.216%，远低于上述3.77%的超越基准的年化收益。二是三因子模型下，主动股票型基金加权组合年化超额收益为 3.27%，但不显著，远低于上述非常显著的6.20%的年化超额收益。那么上述结论的差异是不是因为样本中新增了偏股混合型基金所致。为了探索这一问题，这里将探讨普通股票型基金是否能跑赢市场。与全样本的结论基本一致，普通股票型基金组合的绩效表现也表现出相同的规律。多数基金组合都达到了至少 10%的显著性水平。全部基金、大型、中大型、中小型、小型 4 个基金组合的年化收益分别为 10.0%、7.69%、10.2%、11.8%、12.9%，t 统计量分别为 1.76、1.34、1.79、2.11、2.29。各基金组合年化标准差的范围为 22.4%-23.0%，也是相差不大。与全样本的结果相比，普通股票型基金组合的上述数值大都更高，但差别非常小。
二是单因子模型下，多数基金组合的超额收益为正，但大都不显著；同时单因子模型对普通股票型基金组合绩效的解释能力非常高。各普通股票型基金组合在单因子模型下的年化超额收益为-1.86%至 3.59%，而全部主动型基金组合的年化超额收益为-1.66%至 3.05%，两者相差不大，多数普通股票型基金组合的超额收益更高。唯一的区别就在于普通股票型小型基金组合也能达到10%的显著性水平。另外，各普通股票型基金组合单因子模型的拟合优度为0.857-0.893，与全部主动型基金 0.870-0.892 的拟合优度相差不大。
三是三因子模型下，各基金组合都具有正的超额收益，而且大都显著；各基金组合在规模因子和价值因子都是负向暴露，其中价值因子上的负向暴露都是非常显著的；同时各基金组合三因子模型的拟合优度相较单因子模型有明显提升。各基金组合在三因子模型下的超额收益为 1.39%-6.81%，与全样本下1.54%-6.37%相差不大。超额收益的显著性方面，多数基金组合都至少达到了10%的显著性水平。各基金组合的市场因子暴露的β值为 0.80-0.87，与全样本下0.79-0.84的β值相近；规模因子暴露为-0.19 至-0.07，与全样本下-0.2 至-0.08 的数值相近，同时也呈现出暴露程度随基金规模递增地特征。价值因子暴露为-0.382 至-0.259，与全样本下-0.350 至-0.245 的数值也相近。另外，拟合优度为0.892-0.910，与全样本下 0.897-0.912 的拟合优度相近的，相较于单因子模型也是有所提升。
四是四因子模型的分析结果与三因子模型一致，对各基金组合收益的解释能力几乎没有提升。主要表现为：各基金组合在四因子模型下的超额收益及其统计显著性与三因子模型相似，市场、规模和价值因子暴露程度及其统计显著性与三因子模型相似，拟合优度与三因子模型非常相近，在情绪因子上的暴露程度非常低。综上所述，主动股票型基金并不能显著跑赢市场，这主要是因为主动股票型基金在规模因子和价值因子的负向暴露给绩效带来明显负面影响所致。在考虑了股票市场的规模效应和价值效应，主动型股票基金才能显著跑赢市场。这一结论与普通股票型基金显著跑赢其基准并不矛盾，因为普通股票型基金也同样不能显著跑赢市场，也只有在考虑股票市场的规模效应和价值效应后，其超额收益才显著。
在上一篇报告《主动股基赚的是什么钱？》中，我们发现基于TTM 扣非净利润的环比指标构建的成长因子能够较好地解释普通股票型基金组合在2019 年1月至2021 年 11 月和 2021 年 12 月至 2024 年 12 月这 2 个子区间的超越基准收益。因此这里我们也利用这一因子来解释主动型股票基金的绩效表现，并对这一因子的市场表现进行全面分析。
4.1 成长因子的构建与检验
这里在 Liu 等（2019）的中国股票市场三因子模型的基础上构建成长因子。在每个月底，我们先剔除上市不足 12 个月的股票；然后剔除最近12 个月交易天数不足 120 天或者最近 20 个交易日交易天数不足 15 天的股票，这样可以避免因长期停牌导致的股票异常收益率；最后剔除截至月底总市值最小的30%的股票。经过上述筛除后，我们根据 TTM 扣非净利润的环比指标的大小将余下样本分成3组，其中指标最低组和最高组的股票数量各占 30%，指标居中的组合占40%的股票数量，并计算这 3 个组合自由流通市值加权的下一个月的收益率。那么，成长因子收益率为做多成长指标值最高组、做空成长指标值最低组的对冲组合的收益率。各分组的收益率随成长指标递增。成长指标最低组、中间组和最高组的年化收益分别为 4.55%、10.7%、14.5%，t 统计量分别为 0.665、1.85、2.23，均随成长指标递增。波动率方面，成长指标最低组最高，其次是成长指标最高组。成长因子具有较高的年化收益，且非常显著。成长因子的年化收益高达9.91%，t统计量高达 3.54；而同期市场、规模、价值、情绪因子的年化收益分别为10.3%、5.83%、7.41%、10.1%，t 统计量分别为 1.67、1.78、2.18、2.47。成长因子的收益率略低于市场因子和情绪因子，但 t 统计量明显更高。
单因子模型下，各分组的超额收益也呈现出随成长指标递增的特征。成长指标最低组、最高组和对冲组合的年化超额收益分别为-6.54%、3.96%和10.5%，都非常显著。成长指标最低组显著跑输市场，而成长指标最高组显著跑赢市场。对冲组合的超额收益更多地自于做空成长指标最低组。
三因子模型下，各分组超额收益与成长指标正相关的现象依然存在，同时各分组在规模和/或价值因子上存在显著的暴露。成长指标最低组、最高组和对冲组合的年化超额收益分别为-6.05%、5.08%和 11.1%，都非常显著。对冲组合的超额收益中来自做多成长指标最高组的比例明显提升。成长指标最低组有显著的正向规模因子暴露和负向价值因子暴露，即该分组配置有更多小盘股和高估值股票；而成长指标中间组在规模和价值因子的暴露情况正好与最低组相反；成长指标最高组只在价值因子上有显著的负向暴露；对冲组合则只在规模因子上存在显著的负向暴露，源自于做空成长指标最低组。
四因子模型下，三因子模型中大部分结论不变，同时大部分组合在情绪因子上也存在显著的暴露。对冲组合的超额收益提升至年化12.5%，做多和做空的贡献各占一半。成长指标中间组在情绪因子上有显著的正向暴露，即配置了更多低换手率的股票。成长指标最高组在价值因子上的负向暴露不在显著，而转为在情绪因子上有显著的负向暴露，即配置了更多高换手率的股票。对冲组合在规模、价值和情绪因子上都存在显著的暴露，其中在规模因子上的负向暴露和价值因子上的正向暴露来源自于做空成长指标最低组，而在情绪因子上的负向暴露来源于做多成长指标最高组。
综上所述，成长因子具有明显的溢价现象，这一溢价现象无法用中国三因子或四因子模型来解释，是除市场、规模、价值、情绪以外的又一重要因子。从相关系数来看，成长因子与市场因子、规模因子负相关，与价值因子、情绪因子正相关。这表明，市场表现好或者小盘股跑赢大盘股时，高成长股更有可能跑输低成长股；而当低估值股跑赢高估值股或者低换手率股跑赢高换手率股时，高成长股则更有可能跑赢低成长股。由于这里的成长因子是反映近期已实现的短期盈利成长，因此高成长股更多表现出一些大盘股与价值股的特征，这与成长因子对冲组合具有显著的负向规模因子暴露和正向价值因子暴露一致。
4.2 基金组合绩效的进一步解释
考虑到四因子模型对各基金组合收益的解释能力相较于三因子模型没有提升，这里先在中国三因子模型基础上纳入成长因子，来解释各基金组合收益。成长因子能解释较大一部分各基金组合在三因子模型下的超额收益。在三因子模型下，大型、中大型、中小型、小型、全部基金组合的超额收益分别为1.00%、3.79%、5.42%、6.37%、3.27%，而纳入成长因子后，超额收益分别降至-0.251%、1.73%、3.29%、3.75%、1.45%；同时超额收益的统计显著性大幅下降，中大型、中小型基金组合不再具有显著的超额收益，仅小型基金组合的超额收益达到10%的显著性水平。 各基金组合在市场、规模、价值因子暴露上变化不大。各基金组合的市场因子β值在 0.802-0.852，与三因子模型下β值 0.791-0.842 的分布范围相近；规模因子暴露的范围为-0.165 至-0.0254，与三因子模型的-0.200 至-0.0764 的分布范围相近；价值因子暴露的范围为-0.362 至-0.256，与三因子模型的-0.350 至-0.245的分布范围差距相近。统计显著性方面亦是如此，大型基金组合在规模因子的负向暴露显著，各基金组合在价值因子上的负向暴露非常显著。
大部分基金组合在成长因子上的正向暴露显著。各基金组合在成长因子上的暴露为 0.161-0.235，暴露值的绝对大小要高于在规模因子上的暴露。统计显著性方面，除大型基金组合外，其他基金都有显著或非常显著的成长因子暴露。
进一步纳入情绪因子能提高因子模型对基金组合收益的解释。与四因子模型分析的结果相比，各基金组合在情绪因子上的暴露值有明显提升，从之前的0-0.988提升至目前的 0.062-0.149，暴露程度也超过在规模因子暴露值的绝对大小，而且大型基金组合的正向情绪因子暴露还达到了 5%的显著性水平。另外，各基金组合在价值因子、成长因子的暴露程度及其显著性也有所提升。五因子模型能进一步解释各基金组合的超额收益。超额收益由之前-0.251%至3.75%进一步下降至-1.50%至 3.23%，统计显著性也进一步下降，各基金组合的超额收益都达不到 10%的显著性水平。
本报告的各因子的构建方法基于 Liu 等（2019）的因子模型，为了避免股票壳价值干扰，Liu 等（2019）剔除了总市值最小的 30%的股票。不过Liu 等（2019）研究的时间区间是 2000-2016 年，而本报告研究的时间区间是2009-2024 年，考虑到在本报告的时间样本中股票壳价值的影响或许有限，这里不再剔除总市值最小的 30%的股票来构造因子收益率，并检验其对主动型股票基金组合的解释能力。不剔除总市值最小的 30%的股票，各因子中规模因子收益率变化最大。规模因子年化收益率提升了 6.3 个百分点至至 12.1%；市场因子收益率也提升了0.86个百分点至 11.1%，情绪、成长和价值因子的收益率则均出现下降，分别下降1.84、1.20 和 1.13 个百分点至 8.29%、8.71%、6.28%。虽然各年化收益有明显变化，但新因子收益率与原因子收益率仍高度相关，相关系数均在0.96 以上。
不剔除股票样本的单因子模型的主要结论与原单因子模型一致，各基金组合的超额收益随组合基金规模递增，但都不显著。各基金组合的年化超额收益率为-2.35%至 2.35%，较原单因子模型均下降了 0.7 个百分点，这主要是市场因子收益率提升了 0.86 百分点，由于各基金组合的市场因子暴露变化不大，β值为0.84-0.87，因此超额收益要下降 0.7 个百分点左右。拟合优度也与原单因子模型相近，处于0.87-0.89 的较高水平。
在不剔除股票样本的三因子模型下，各基金组合都具有正的超额收益，这与原三因子模型的结果相同。不过这些超额收益的大小有所下降，下降了0.13-0.49个百分点，基金规模越小的组合下降越多。同时各基金组合超额收益的显著性也有所下降，仅中小型和小型基金组合的超额收益显著，而原三因子模型下中大型基金组合也有显著的超额收益。 在不剔除股票样本的三因子模型下，各基金组合在规模、价值因子上暴露为负，且大部分显著，这与原三因子模型的结果类似。相较于原三因子模型中，这里各基金组合的规模因子暴露有所提升，显著性增强；而价值因子的暴露有所下降，显著性降低。各基金组合的拟合优度为 0.886-0.903，明显低于原三因子模型下的 0.897-0.912，平均下降了 0.01。
不剔除股票样本的五因子模型能进一步解释各基金组合在三因子模型下的超额收益。在三因子模型下，大型、中大型、中小型、小型、全部基金组合的超额收益分别为 1.41%、3.69%、5.06%、5.88%、3.27%，而五因子模型下，超额收益分别降至-0.556%、1.54%、3.54%、3.85%、1.34%。与原五因子模型相比，这些超额收益率分别提升了 0.62-0.94 个百分点。 在不剔除股票样本的五因子模型下，各基金组合在规模、价值、情绪因子的暴露为负，在成长因子上的暴露为正。与三因子模型相比，各基金组合在规模和价值因子上的暴露方向相同，但暴露程度有所变化，其中各基金组合在规模因子上的暴露程度均有所提升，而在价值因子上的暴露程度则大都出现下降。与原五因子模型相比，各基金组合在成长因子上的暴露方向相同，但在情绪因子上的暴露方向相反。另外，拟合优度也比原五因子模型平均下降0.01。
不同因子收益率下，基金组合收益率拆分的结果整体一致。一是市场因子贡献是最大的正向贡献部分，大部分基金组合的收益都能超过市场因子贡献。二是规模、价值因子是负向贡献；在剔除样本的五因子模型中，价值因子对各基金组合的负向贡献程度要明显大于规模因子；而在不剔除样本的模型中，规模因子对大型基金和全部基金组合的负向贡献程度要明显大于价值因子。三是成长因子是正向贡献。在剔除样本的模型中，成长因子的正向贡献程度要低于价值因子的负向贡献程度，但高于规模、情绪因子；而在不剔除样本的模型中，成长因子的贡献程度则要高于价值因子。
基金组合收益在不同因子收益率下进行拆分的主要区别在于情绪因子的贡献方向不同。另外，在不剔除样本的因子收益率中，规模因子收益率大幅提升，市场因子收益率略有提升，其他因子收益率是略有下降，因此比较两模型中各因子的贡献程度，在不剔除样本的模型中，规模和市场因子对各基金组合收益的贡献程度要更高，而其他因子的贡献程度则要相对更低。
本报告研究了包含普通股票型基金和偏股混合型基金在内的主动型股票基金的绩效表现。与研究基金跑赢其基准不同，本报告研究的是基金能否跑赢市场，即A股大部分股票自由流通市值加权的股票组合。根据基金规模的大小构建了多个基金组合，并采用因子模型分析主动型股票基金的绩效表现，研究结果发现：
1、多数主动型基金组合都能跑赢市场，但他们的超额收益并不显著。单因子模型下，全部基金组合、大型、中大型、中小型、小型基金组合的年化超额收益分别为 0.216%、-1.66%、0.646%、1.87%、3.05%，即使是年化超额收益超过3%的小型基金组合，其超额收益也没有达到 10%的显著性水平。上述结论似乎与普通股票型基金能获取显著的超越其基准的收益矛盾，在上一篇报告《主动股基赚的是什么钱？》中，我们发现全部普通股票型基金组合超越其基准的年化收益高达 3.77%。这一看似矛盾的现象，主要是由于比较基准不同所致，比如一些规模较大的普通股票型基金或偏股混合型基金的比较基准为特定行业或行业主题指数，而这些基准指数长期来看表现要弱于市场整体。具体来看，单因子模型下，全部普通股票型基金组合的年化超额收益仅为0.628%，远低于其超越基准的 3.77%的年化收益。其各个规模分组的年化超额收益分别为-1.86%、0.958%、2.63%、3.59%，也是多数基金组合能跑赢市场，小型普通股票型基金组合的超额收益达到了 10%的显著性水平，与主动型基金组合的结论一致。
2、主动型基金偏好大盘股和高估值股票，其中多数基金组合对大盘股的偏好并不明显，但对高估值股票的偏好则均非常显著。主动型基金在规模因子和价值因子的负向暴露对其绩效表现产生明显负面影响。若考虑股票规模效应和价值效应，多数主动型股票基金组合能显著跑赢市场。具体而言，在考虑了规模和价值的三因子模型下，各基金组合都具有正的超额收益，而且大都显著。全部基金组合、大型、中大型、中小型、小型基金组合的年化超额收益分别为3.57%、1.54%、4.07%、5.46%、6.37%，其中中大型、中小型、小型基金组合的超额收益分别达到了 10%、5%和 1%的显著性水平。各基金组合在规模因子的暴露为-0.145、-0.200、-0.123、-0.104、-0.0764，负向暴露对年化超额收益的影响为-0.85%、-1.17%、-0.72%、-0.61%、-0.45%；各基金组合在价值因子的暴露为-0.298、-0.245、-0.319、-0.350、-0.336，负向暴露对年化超额收益的影响为-2.21%、-1.82%、-2.36%、-2.59%、-2.49%。
3、成长因子的年化收益较高，且在考虑企业规模、价值和情绪因素后仍然非常显著。本报告采用 TTM 扣非净利润的环比增长指标来反映企业盈利的短期增长，该成长因子的年化收益为 9.91%，其单因子、三因子、四因子模型下的超额收益更是高达 10.5%、11.1%、12.5%，均非常显著。
4、主动型基金偏好高成长股，且多数基金组合的成长股偏好较为显著。主动型基金在成长因子的正向暴露对其业绩产生正面影响。若进一步考虑股票的成长因素，多数基金组合虽然能能跑赢市场，但超额收益不再显著。具体而言，在五因子模型中，全部基金组合、大型、中大型、中小型、小型基金组合在成长因子的暴露分别为 0.220、0.200、0.239、0.211、0.252，且都显著；正向暴露对年化超额收益的影响分别为 2.18%、1.98%、2.37%、2.09%、2.49%。在四因子模型中，各基金组合的年化超额收益为 3.27%、1.00%、3.79%、5.42%、6.37%，多数基金组合的超额收益显著，而加入成长因子后，年化超额收益降至0.527%、-1.50%、0.807%、2.79%、3.23%，均不再显著。
5、从因子贡献的绝对大小来看，除市场因子外，价值因子有较大的负面贡献，成长因子有较大的正面贡献，而情绪因子和市场因子的贡献程度较小。具体来看，在五因子模型中，市场因子贡献为 6.03%至 6.48%，价值因子贡献为-3.16%至-2.83%，成长因子贡献为 1.98%至 2.49%，情绪因子贡献为0.604%至1.51%，规模因子贡献为-0.811%至-0.0855%。另外，中小型和小型基金的超额收益也有较高的正面贡献。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
