【兴业金工于明明徐寅团队】基金研究系列之一：主动偏股型基金评价体系

导读

基金分类是评价的基础。股票型基金中的普通股票型及混合型基金中的偏股混合型、平衡混合型、灵活配置型都以主动管理为主、且有相对较高的股票仓位，本篇报告以上述几类基金作为对象进行分析。
主动偏股型基金的评价体系分为定量与定性两部分，其中定量指标体系分为评分类指标与标签类指标，以评分类指标进行基金优选，以标签类指标对优选的基金经理进行标签化。而定性分析可以提升对基金经理评估的准确性，也是检验基金经理是否言行一致的重要手段。
配置偏好与行为特征是对基金实际披露数据的整理，以对基金经理的大类配置、市值配置、行业配置偏好给出准确详实的刻画。此外我们评估了基金的投资交易行为，主要用换手率、持股与行业集中度等指标衡量。
基于净值的绩效归因主要分为择时选股能力归因和基金风格归因。

选股择时能力分析通过将基金收益率与市场基准相比较，将其归因于择时和选股两部分，我们主要对T-M模型和H-M模型进行了实现。
基金风格归因通过设立一系列的风格基准指数，利用多元线性回归方法、以最小化残差平方和为目标，得到基金在各资产风格上的近似比例。此外，我们还对基金的风格稳定性进行了判断，并对基金的选股能力与风格配置能力进行了分解。

基于持仓的绩效归因主要分为Barra风格归因模型及Brinson模型。

我们参考Barra CNE5模型的10个风格因子，根据基金披露的全部持仓，进行Barra风格因子的归因。
Brinson认为基准和组合在每支资产上的回报率不同代表了组合在其上的选股能力，而基准和组合在所有资产上的权重不同代表了组合对基准的配置择时。我们对基金进行了单期Brinson归因的实现。

一、主动偏股型基金界定
基金分类是基金评价的基础，只有将具有相同风险收益特征的基金进行比较，才能保证评价的有效性。
自2014年8月8日起施行的《公开募集证券投资基金运作管理办法》对基金分类有明确的规定：（一）百分之八十以上的基金资产投资于股票的，为股票基金；（二）百分之八十以上的基金资产投资于债券的，为债券基金；（三）仅投资于货币市场工具的，为货币市场基金；（四）百分之八十以上的基金资产投资于其他基金份额的，为基金中基金；（五）投资于股票、债券、货币市场工具或其他基金份额，并且股票投资、债券投资、基金投资的比例不符合第（一）项、第（二）项、第（四）项规定的，为混合基金；（六）中国证监会规定的其他基金类别。在此一级分类基础上，我们参考Wind的二级分类标准，并基于基金的投资目标、投资范围、实际操作等，对Wind的部分分类进行修正。

本篇报告我们主要注重偏向主动权益投资的基金研究。在当前的基金分类体系下，股票型基金中的普通股票型以及混合型基金中的偏股混合型基金都以主动管理为主，且均保证了较高的股票仓位；平衡混合型基金和灵活配置型基金虽然无明确的股票投资比例要求，但从历史经验而言，多数时期股票资产仍占主要仓位，因此我们将这四类界定为“主动偏股型”基金，后文均以该类别基金作为对象进行分析。
我们整理了上述四类基金的历史仓位情况，发现普通股票型、偏股混合型、平衡混合型的历史股票仓位中位数基本均保持在60%以上，灵活配置型基金在股灾期间仓位降低明显，之后又呈提升趋势，目前股票仓位超过70%。

二、主动偏股型基金评价体系介绍
我们对主动偏股型基金的评价体系分为定性评价与定量评价两部分，具体如下图所示：
2.1 定量评价体系

定量分析是基于基金的历史数据进行的量化分析，一方面可以快速定位海量数据中的价值点，给信息降维；另一方面也可以对基金的行为特征、风格偏好、投资能力等进行深度刻画，是定性分析的基础。
我们将定量评价指标体系分为评分类指标与标签类指标，以评分类指标进行基金优选，以标签类指标对优选的基金经理进行标签化，以便于后续的定性调研与持续观察。评分类指标：基金的过往表现一定程度上可以预测未来业绩。其中，过往表现的衡量主要由四大类指标构成：业绩类指标、风险类指标、风险调整收益类指标以及业绩稳定性指标。此外，我们认为风险偏好是决定基金未来一定时期内表现的重要因素。风险偏好过高的基金经理，可能会在一定时间内取得优异的业绩，但长期来看风险较大，业绩难以持续。因此，我们针对风险类指标设置一定的准入门槛。从指标体系筛选机建立流程而言，我们首先根据不同的过往区间长度构造单一评价指标；对各指标进行单指标测试，找到对于预测未来业绩有效的指标。基于单指标的测试结果以及筛选逻辑，我们构建综合评分指标。
标签类指标：标签类指标是对基金的过往表现的标签化，评估基金经理的配置偏好、行为特征、主要超额收益来源等，主要包括配置行为特征及绩效分析。与评分指标不同，对标签类指标不进行量化打分、甚至部分标签并无优劣之分，但是可以详尽刻画基金经理的投资理念、投资策略、操作思路等，便于进行基金经理的深度了解。整体定量评价体系框架如表2所示：

2.2 定性评价体系
定性分析可以提升对基金经理评估的准确性：定量分析能够帮助快速进行批量数据的客观分析，但是受制于可得数据有限、模型拟合准确性问题，以及历史业绩与未来业绩之间的非确定性关系，需要通过对投资经理的调研和定性分析进一步确认数据分析结果，使评估更加全面准确。
定性分析是检验基金经理是否言行一致的重要手段：通过前述定量分析与定性调研，可以对投资经理进行言行一致性的考察，判断投资经理的投资理念、投资策略、投资能力、风格偏好、风险控制等与定量分析结果是否一致。对于存在较明显言行不一致情况的投资经理，后续将慎重评估及推荐。兴业证券公募基金定性评价体系主要包括对基金管理人、基金经理及基金产品的定性评估，主要考察维度主要包括以下方面：
三、配置行为特征
配置偏好与行为特征是根据基金定期报告实际披露数据的整理，是对客观数据的研究分析，可最为准确的体现基金经理的操作思路。
3.1 配置偏好
基金经理由于成长经历、投资理念等不同，在基金配置上会有不同的偏好，比如部分基金经理由宏观研究成长而来，可能在大类配置上较为主动或擅长；部分基金经理由行业研究员成长而来，则可能对某些行业具有长期持续的偏好；某些基金经理坚守价值投资、偏好核心资产，则可能对于重仓股票的市值有一定的要求。
我们根据基金实际披露的数据，分析基金的配置情况，以对基金经理在大类配置、市值配置、行业配置等方面的偏好给出准确详实的数据刻画。3.1.1 大类配置
首先，大类资产配置体现了基金对大类择时的主动程度，可分为持续较低仓位、持续较高仓位、根据市场情况择时等几类。
以我们于2018年下半年调研过的某基金经理所管理的基金A为案例进行分析。基金A为偏股混合型基金，合同约定的股票资产配置比例为60-95%，但基金经理任职以来，基本均保持了80%以上的仓位，尤其是2018年以来各季度的仓位水平均在90%以上，体现了基金经理持续高仓位运作、不择时的特点。
3.1.2 市值配置
其次，不同基金经理对股票市值有不同的偏好。部分基金经理喜欢大市值蓝筹股，部分喜欢小市值高弹性股票，部分基金经理根据市场风格进行切换。
以基金A为例，其持股市值根据市场情况有所切换。2016年中之前，以小市值股票为主，2016年之后，逐渐增加了大市值股票的比例，截止到2019年6月最新报告期，重仓股中90%为大市值股票。
3.1.3 行业配置
最后，基金经理对行业有不同的偏好，可以通过基金年报/半年报披露的全部持股整理而来。一方面，我们关注基金经理的绝对行业配置比例，绝对配置比例关系到基金实际收益的来源；另一方面，我们关注基金经理相对业绩基准的行业超额配置比例，相对超配比例更能体现基金经理对行业的偏好程度。
以基金A为例，近3年来在食品饮料、农林牧渔、家电、轻工制造和医药行业的配比均较多，2018年底的持仓中仅配置了这5大行业，说明基金经理积极看好大消费板块。

3.2 行为特征
3.2.1 换手率
我们将基金换手率定义为基金区间买入卖出股票的平均金额与区间股票投资市值平均值的比值。

其中，Buy volume为基金披露的报告期买入股票总成本，Sell volume为报告期卖出股票总收入，Average stock value为报告期平均股票投资市值。我们对每期计算出的换手率进行年化后，得到基金各报告期的年化换手率。
由于投资理念和交易模式的不同，不同基金经理管理的产品往往会表现出不同的换手率，换手率的高低反映了基金在报告期内买卖股票操作的频繁程度：换手率低，说明基金的投资风格相对稳健，偏好通过买入持有的策略实现收益；换手率高，则说明基金的投资风格更加主动，积极进行股票的研究选择，也可能通过波段操作来增加基金的收益。当然，基金换手率除了基金经理本身风格影响之外，还受基金规模、大比例分红、市场环境改变、主题热点轮动等等原因。比如对于规模较大的基金，基金经理客观上难以频繁调整组合，而更倾向于稳定持有，因此换手率水平较低。而小规模的基金更便于基金经理调仓换股，因此换手率水平一般都比较高。因此，换手率应结合上述变量共同分析。以基金A为例，自基金经理任职以来，换手率水平持续大幅低于行业平均值，2018年全年行业主动偏股型基换手率中位数3.51，而基金A的2018年全年换手率仅0.43，说明基金经理以长期持有为主，较少换仓，基本不进行波段交易。此外，基金规模近年来基本保持20亿以上，较低的换手率可能与基金规模较大有关。
3.2.2 持股只数与集中度
基金的持股集中度是指基金前十大重仓股市值占其股票投资市值的比例。一般而言，持股集中度较高的基金投资范围较为集中，如果基金经理选股决策正确，则基金容易获取较高的收益，但如果基金经理选股决策失误，过于集中的持仓将导致基金下跌幅度更大，承担更大的风险；而持股集中度较低的基金持股较分散，避免过度暴露于单一风险，但需要覆盖的标的更多、同时基金的进攻性可能相对偏弱。基金的持股只数是指各报告期基金披露的全部持股只数。与持股集中度的分析类似，全部持股只数多，基金风险相对分散，但基金经理需要研究覆盖的股票只数较多；持股只数少，基金经理可更加集中精力进行覆盖，但一旦选择错误则基金风险也更集中。持股集中度与持股只数的选择并无优劣之分，但不同基金经理对持股只数和重仓股集中度的选择一定程度上体现了基金经理的投资理念差异。以基金A为例，基金经理持股非常集中，2017年以来前10大重仓股占股票市值的比重在75%以上；持股只数少，2018年年底全部持股只数仅18只、剔除新股后的全部持股只数仅15只。可见，基金经理采取个股优选的策略，集中精力覆盖精选标的。
3.2.3 行业集中度
基金的行业集中度是指基金前N大持仓行业市值占其股票投资市值的比例。该指标的重要性在于，有的基金经理可能持股相对分散，但多只重仓股属于同一行业，同样会产生较高的行业暴露以基金A为例，与持股集中度类似，基金的行业集中度也极高，而且行业集中度自2016年以来呈不断提升态势，2018年末其前3大行业占比已达到81%、前4大行业占比达到92%。较高的行业集中度可以最大程度的分享优势行业带来的超额收益，但同时也有较高的单个行业风险暴露，主要取决于基金经理的行业选择能力。

四、绩效归因体系
目前，绩效归因分析主要是两大类方法，比较常用的基于收益率的时间序列回归法（Returns-based approach，以下简称RBA）。RBA主要是考察投资组合的收益率序列相对于一系列风格指数收益率序列的表现，本质上是时间序列的多元线性回归。RBA存在一个隐含假设，即投资组合相对一系列风格指数的暴露程度（回归系数），在一段时间内是保持不变的。只有在这个假设的前提下，我们才可以用时间序列进行回归。还有一类方法是基于持仓数据的绩效归因（Holdings-based approach，以下简称HBA）。HBA关注的是投资组合在不同时点上的实际持仓情况，根据具体的持仓信息对基金的收益进行归因与分解。
4.1 基于净值的绩效归因
基于净值的绩效归因主要分为择时选股能力归因和基金风格归因。4.1.1 择时选股能力归因
选股与择时能力分析通常用来分析基金投资能力，通过将基金收益率与市场基准相比较，可以将基金的收益归因于择时和选股两部分。较为传统的两种归因模型为T-M模型和H-M模型。以基金A为例进行分析，自基金经理任职至今，整体具有显著的选股能力，其中2017年、2019年选股表现突出。但由于基金经理不做择时，因此整体没有择时能力。
4.1.2 基金风格归因
RBA 早期以Sharpe模型为代表。Sharpe于1992年结合资产因子模型（Asset class factor model），提出收益率分析法，其主要思路是设立一系列的风格基准指数，利用多元线性回归方法、以最小化残差平方和为目标，通过样本基金对风格指数的回归，得到基金在各资产风格上的近似比例。
其中，为基金 t期的收益率， X,为第 i个风格基准指数 t期的收益率为第 i个风格基准指数的回归系数。随后，Fama-French三因素模型、Carhart四因素模型出现，用于对成长、价值属性和大盘、小盘属性的基金投资风格进行识别。我们主要从配置风格进行基金投资风格的评估，并判断其风格的稳定性。（1）风格归因我们选择巨潮风格指数，包括小盘价值、小盘成长、中盘价值、中盘成长、大盘价值和大盘成长等六个类别，及中证全债指数作为基准，进行基金的风格分析，分析时间频率为季度。
根据多因子风格归因的计算结果，推测其持仓股票的风格，从而对产品每期的配置风格进行划分。若公募基金偏向价值风格，可视为持仓倾向于低估值品种，如蓝筹风格股票；成长风格，可视为持仓倾向于高成长的品种。通过对比当前及未来预期的市场风格与公募基金的风格偏好，可以判断该产品是否能在未来获得风格上操作的优势。例如，若某公募基金展现的风格稳定为小盘成长风格，而如果预期市场未来的风格也倾向于该风格，则可重点关注该产品的未来一段时间的表现。以基金A为例，可发现基金经理近1年来较为偏好大盘成长风格。
（2）风格稳定性对存续满3年的公募基金，每季度进行一次风格归因，统计最近N期风格的计算结果，便可评估基金风格是否频繁切换。以基金A为例，其最近12期的风格归因结果中，7期显示其偏好大盘成长风格，配置比率为58%；过去12期的大盘成长风格平均配置比例为47%，基金经理的风格偏好相对较为稳定。
（3）风格配置与风格内选股能力进一步，我们将基金相对业绩基准的超额收益分解为风格配置带来的超额收益与风格内选股带来的超额收益：
其中，Rt为t期基金的收益率，Benchmarkt为t期基准的收益率，FStyleReturnt 为t期回归拟合的风格因子收益。因此，等式左边为t期基金超越业绩基准的收益率，等式右边分为两部分，第一部分为t期基金超越其所选风格的收益率，可以用来指代基金在风格内的选股能力；第二部分为其所选风格超越业绩基准的收益率，可以用来指代基金进行风格配置的能力。以基金A为案例进行分析，其风格配置能力较为一般，超额收益主要是由风格内选股带来的。
4.2 基于持仓的绩效归因
基于持仓的绩效归因主要分为Barra风格归因模型及Brinson模型。
4.2.1 Barra风格归因
1、基于持仓数据的风格归因模型介绍Grinold（2006）提出了基于持仓数据的横截面回归模型，根据投资组合在不同时点上的实际持仓头寸，回归得到在特定风格因子上的暴露程度（回归系数）。首先，我们需要构造风格因子组合，此处采用纯因子组合作为风格因子。风格因子组合，又称为因子模拟组合（Factor Mimicking Portfolio，简称FMP），是通过求解最优化问题构造出来的特定组合。FMP的特征是，只在某个特定因子上有一个单位的暴露，在其他因子上暴露为0。它是理论上构造出来的表征某类风格的最优组合，在实际中往往并不存在。风格因子组合（FMP）是通过求解有约束条件下的最优化问题得到的，求解公式可以直接写成：
具体推导过程可参见我们的多因子手册。其次，我们根据风格因子组合的持仓以及投资组合的实际持仓，求解投资组合相对于风格因子组合的暴露水平。
其中：h指代投资组合在某个时点的实际持仓数据（相对基准的持仓头寸），为N*1的向量；S指代K个风格因子组合在某个时点的实际持仓数据，为N*K的矩阵，其中每一列分别代表了某个特定因子组合的持仓头寸。β为投资组合相对于因子组合的暴露水平，为K*1的向量；残差项表示无法被风格因子解释的部分，即基金经理主动投资管理能力。通过横截面回归，我们可以得到投资组合在风格因子上的暴露水平，即：
投资组合的实际持仓数据是可以直接获得的；上式中的V代表的是资产收益率的协方差矩阵（asset-by-asset matrix）。2、因子定义及因子表现首先，我们需要对投资风格有一个比较明确的定义。根据Fama-French三因子模型，股票组合的投资风格可以划分为大盘、小盘、成长、价值等类型。这种分类虽然有效，却过于简单。在本文中，我们参考Barra CNE5模型定义的10个风格因子，具体定义如下表所示。
我们根据每个因子的历史表现对因子方向进行大致判断，比如Size因子是升序，意味着长期来看，小市值股票是跑赢大市值的股票的；而成长因子是降序的，这里意味着高成长股票长期来看是能跑赢成长性较差的股票。从分位数组合测试结果来看，ResidualVolatility、Liquidity、BookToPrice持续性较好，在短中长期有效性一直较强；而今年以来，除了上面三个因子之外，Leverage、Growth因子有效性也比较强。
3、基金Barra因子风格暴露分析我们采用Barra风格因子，根据基金中报和年报披露的全部持仓，对比同期全市场主动股票型基金的行业配置，进行基金的Barra风格归因。首先，我们将全部普通股票型基金与偏股混合型基金所持有的全部股票按持有市值进行汇总，构建出一个虚拟的股票组合。这个虚拟股票组合汇总了所有主动偏股型基金的持仓信息，我们通过这个组合来观察基金经理们对投资风格的整体性偏好是否明显且持续存在。全市场主动偏股型基金在动量、波动性、流动性、市场收益等因子上有长期持续的暴露，这表明普遍偏好配置具有动量效应、高波动、高换手以及高贝塔的股票；在市值、价值、杠杆、盈利等因子上持续有负暴露，表明普遍偏好配置高估值、低盈利、小市值、低杠杆的股票。
其次，我们选取基金A，研究观察基金经理对投资风格的偏好。基金A在动量因子上有长期持续的暴露，这表明普遍偏好配置具有动量效应的股票；在价值、杠杆、盈利等因子上持续有负向暴露，这表明普遍偏好配置高估值及低杠杆的股票。在市值因子上有风格的切换，2017年之前较为偏好小市值股票、2017年之后切换为大市值风格。这与前期根据净值序列进行的风格归因分析结论一致。
最后，通过将目标基金与全市场基金进行比对，可以得到目标基金相对市场的而言的风格偏离。相对于市场，基金A近两年偏好低杠杆、有动量效应、大市值、低换手的股票，对低估值价值股没有偏好，而根据我们的因子测试结果，低杠杆、动量、低换手今年以来表现较好，是基金A部分超额收益的来源。基金A的因子暴露并不能完全解释其收益来源。一方面，Barra风格因子对风格的定义可能与基金经理对风格的定义有偏差，比如Growth因子考虑了分析师一致预期数据，可能与基金经理认知不同，未体现出明显的正暴露；另一方面，除了风格因子之外，还有残差以及Alpha，部分体现了基金经理的选股能力。
4.2.2 Brinson业绩归因
Brinson认为基准和组合在每支资产上的回报率不同，恰好代表了组合在其上的选股能力，而基准和组合在所有资产上的权重不同，代表了组合对基准的配置择时，而由此带来的收益则代表了组合的配置能力。Brinson将回报按照选股和配置这两个维度划分为四个象限。象限(1)表示基准收益（Benchmark Return）。象限(2)表示基准和配置的收益（Benchmark and Timing Return）。象限(3)表示基准和选股的收益（Benchmark and Security Selection Return）。象限(4)表示该期间基金总额的实际收益(Actual Portfolio Return)。这是主动进行择时和选股的实际结果。因此，我们可以将基金的超额收益进行分解：配置回报：(2)-(4)；选股回报：(3)-(4)；交互回报：(1)-(3)-(2)+(4)；总附加回报：(1)-(4)。总附加回报=配置回报+选股回报+交互回报。
我们采用单期Brinson业绩归因，根据基金中报和年报披露的全部持仓的行业配置比例，对比同期基准指数的行业配置，分析基金持股的行业配置及行业选股能力。以基金A为例分析，最近6期中有4期取得了超越基准的收益，这4期超额收益中行业配置带来的收益均为正，说明基金经理具有较强的行业配置能力。
进一步，我们取基金经理2018年12月31日的持仓进行分析验证。2018年报中，剔除新股后基金经理共持有15只股票，其中食品饮料6只、家电与农林牧渔各3只、轻工制造2只、医药1只。假设基金经理在2019年上半年保持2018年年报披露的持仓，则15只股票中有9只取得了相对行业的超额收益，而重仓的食品饮料、家电与农林牧渔均取得了大幅超越市场指数的表现，体现了基金经理优异的行业配置能力。

风险提示：报告模型及结果通过历史数据统计、建模和测算完成，在市场波动不确定性下可能存在失效风险；历史数据不代表未来业绩。注：文中报告节选自兴业证券经济与金融研究院已公开发布研究报告，具体报告内容及相关风险提示等详见完整版报告。
证券研究报告：《基金研究系列之一：主动偏股型基金评价体系》。

对外发布时间：2019年8月13日
报告发布机构：兴业证券股份有限公司（已获中国证监会许可的证券投资咨询业务资格）
--------------------------------------
本报告分析师：
钟晓天
zhongxiaotian@xyzq.com.cn
S0190518060003
于明明
yumingming@xyzq.com.cn
S0190514100003
徐寅
xuyinsh@xyzq.com.cn
S0190514070004

自媒体信息披露与重要声明