博鱼体育,博鱼体育官方网站,博鱼体育APP下载在《选基因子探索及 FOF 组合构建》（魏建榕、傅开波，2022年）、《选基因子体系迭代与 FOF 组合应用》（魏建榕、张翔、何申昊，2024年）等报告中，我们讨论了多种权益基金的选基因子的构建方法与应用效果，包括基于基金收益、持仓数据以及其他维度的因子。本文我们从宏观、中观、微观三个全新角度构建选基因子，以期在传统因子之外挖掘更多增量信息。

　　从数据来源角度，传统的选基因子主要可以分为三类，即收益角度、持仓角度和其他角度。

　　收益角度因子包括基金收益类指标（如夏普比率、Calmar比率等）等。对于收益类指标，基金层面行业市值中性化后的因子效果较好。其背后原因是，中性化可以剔除行业市值因素，保留纯粹的选股能力。

　　持仓角度因子是根据持仓计算基金在不同股票因子上的暴露；也有部分结合持仓和收益类的因子，如基金隐形交易因子和基金尾部因子等。部分资金流因子在基金上效果较好，如大单资金因子，基金本身属于大单类资金，这个因子可以考察基金与聪明资金的共鸣程度。

　　其他角度因子包括基金规模因子、持有者结构类因子等。持有者结构类因子中管理者持有比例因子效果较好。

　　我们列举了部分有效因子的历史表现，基金夏普比率（月频）Rank IC均值为7.7%，多空年化收益率4.9%，表现较为稳健。管理层持仓因子（季频）Rank IC均值为5.2%，Rank ICIR为1.55，年化超额收益2.6%，效果同样突出。主动大单因子（季频）Rank IC均值6.8%，Rank ICIR为0.79，多空年化收益率6.4%。

　　整体而言，传统因子表现相对优异，但有效因子数量仍然有限。本文探索从全新的宏观、中观、微观角度构造主动权益基金选基因子，丰富选基因子库。

　　目前主动权益基金选基因子较为单一，且有效选基因子较少，基于此，我们探索从全新的角度构造选基因子。

　　我们首先考察主动权益基金经理的研究重心。从2025年基金四季报的基金经理投资策略和未来展望的分析上来看，宏观研判占据核心；其次是中观行业和风格配置，如周期、消费、地产等；其次是个股基本面、情绪面与资金面。

　　既然基金经理的关注角度从宏观、中观、微观展开，那么选基因子也应该围绕宏观、中观、微观展开，2.2节到2.4节我们分别从这三个角度构造选基因子。

　　基金经理通过对经济增长、通货膨胀、货币政策等因素出发，判断未来增长的行业和个股。能否准确捕捉宏观数据冲击下的市场反应，影响基金的超额收益表现。

　　宏观数据披露具有固定时点特征，我们采用事件研究法进行分析。由于披露时间窗口股票涨跌受宏观数据影响大，基金在主要宏观数据披露后的收益说明了基金经理对于宏观的把握程度，收益较高说明基金经理持仓与宏观环境不冲突。

　　具体实现上，对于每只基金，我们在每次宏观事件披露日及披露后3个交易日的窗口期内，计算该基金超额收益，滚动一年求和，得到该基金对该宏观事件的敏感度因子。该因子数值越高表明基金在该类宏观事件窗口期获取超额收益的能力越强，可以识别出具备宏观择时能力的基金。

　　宏观事件数据包含CPI/PPI、PMI、工业增加值/固定资产投资/社零、GDP、M2/社融、LPR、外汇储备等7类事件。各事件的说明、日期分布及频率如表2所示。实际回测结果发现仅有CPI/PPI、PMI、GDP、M2/CREDIT构建的因子有一定效果，因此后续的分析围绕这几个事件展开。

　　CPI/PPI因子反映通胀预期把握度，对不同类型基金具有较好选基效果，多头相对基准超额收益表现突出。CPI/PPI因子在全样本中Rank IC均值为6.0%，多头相对基准超额收益5.5%。CPI/PPI反映通胀预期，如果通胀预期升温，会导致利率存在上行压力，货币政策收紧预期提升，成长股估值压缩，反之亦然。如果基金经理持仓在CPI/PPI数据披露窗口收益较高，说明其对于通胀的预期较为领先。

　　PMI因子反映制造业景气度把握度，在各个样本池选基效果不明显，但是通过筛选月份，PMI因子效果有所较强。通过回测，我们发现筛选2、4、8、9、11月PMI作为样本，能提升因子效果。PMI因子（月份筛选）在全样本中Rank IC均值为5.1%，多头相对基准超额收益6.3%。PMI衡量了经济的扩张或收缩状态，如果基金经理对于整体经济状况预测较为准确，则能在披露窗口获得较高收益。

　　GDP因子反映宏观经济整体运行状况把握度，对不同类型基金具有较好选基效果，多头相对基准有一定超额收益。GDP因子在全样本中Rank IC均值为3.7%，多头相对基准超额收益2.9%，在价值基金中空头区分度更高。GDP同样衡量国家经济状况，如果基金经理对于整体经济状况预测较为准确，则能在披露窗口获得较高收益。

　　M2/社融因子反映流动性宽松程度，对科技型基金具有显著选基效果。其逻辑在于M2/社融反映流动性宽松程度，科技板块对流动性敏感度高。从回测结果来看，M2/社融因子在科技基金池中效果较好，Rank IC均值6.4%，多头相对基准超额收益4.5%，显著优于全样本及其他风格基金池，表明该因子对科技型基金的筛选具有较强针对性。

　　事件研究的基金因子涉及的收益天数较少，与基金收益因子有一定区别。月频披露的因子每月覆盖的交易日天数为4日，占全月交易日数量20%，季频涉及交易日数量则更少。

　　关于中观行业角度，我们希望寻找在行业上具有选股能力的基金。传统选基模型使用持仓数据进行计算，如Brinson模型，不同于传统选基因子，我们使用收益数据进行计算。

　　通过对基金超额收益的观察，我们发现基金超额收益主要集中在行业高收益日，特别是成长型行业。以某医药生物基金在2018年到2021年11月的业绩为例，基金相对行业指数超额收益主要分布在行业日收益较高的位置。选取2018年到2021年11月的原因是这段时间基金的超额收益稳定上升。

　　基于此，我们将基金日收益按行业自身行情状态拆分，识别基金经理在行业上行期的弹性标的选取与alpha挖掘能力，构建各行业的上涨共振因子。

　　具体的，因子计算步骤分为两步。第一步，条件筛选基金收益。行业alpha为正的交易日保留基金收益，其余日记零，形成上行收益序列； 第二步，滚动累加。序列在过去120个交易日内求和，月末采样输出，形成上行共振因子。

　　基于行业间的相关性结构，我们根据因子相关性将31个一级行业聚类为五大板块，以降低因子维度。各类别包含的行业如表8所示。

　　上行共振因子效果较好，特别是在电子、医药和汽车等高波动、高成长行业。原因在于这些行业行情启动时，内部个股分化剧烈，能持续在上行期创造超额的基金，往往产业链认知较深，能发现并配置高beta标的。

　　上涨共振因子反映了基金净值增长在行业的弹性，高弹性可能来源于行业集中持仓，也可能是优选高弹性个股，为此我们进行基金行业中性化。结果发现，医药、食品饮料、电子等行业效果变得更稳定，但是损失一部分收益，国防军工、环保等行业失效。这说明超额收益的来源并仅仅是超配行业，也是优选高beta个股的能力，后续我们使用行业标准化的因子进行计算。

　　接下来，我们将同板块的行业因子等权加总，合成板块因子，并测试各板块上行共振因子效果。TMT因子效果较好，在全样本中Rank IC均值4.2%，多头相对基准超额收益3.3%。稳定与泛消费因子有一定效果，在全样本中Rank IC均值3.8%，多头相对基准超额收益2.0%。大消费因子有一定效果，在全样本中Rank IC均值4.7%，多头相对基准超额收益1.8%。大金融与强周期因子基本无效，在全样本中Rank IC均值2.5%，多头相对基准超额收益-0.3%。中游制造因子效果较好，在全样本中Rank IC均值3.4%，多头相对基准超额收益2.3%。

　　将TMT、大消费、中游制造板块弹性因子等权合成上行共振综合因子，综合因子效果较好。在全样本中Rank IC均值4.9%，Rank ICIR为1.34，多头相对基准超额收益2.8%。进一步将上行共振综合因子用基金收益因子收益进行行业中性化回归后仍然有效，说明各板块因子提供独立信息。

　　从实际交易出发，我们将因子进行降频，降为季频和半年频。降频后因子效果依然较好，超额收益与月频调仓差距较小。说明该因子信息含量较为持久，调仓频率不需要过高。

　　从微观角度，我们着眼于基金经理基本面挖掘等能力。直接计算基金持仓在基本面因子上的暴露，构造的因子效果一般，且波动较大。我们认为原因是基金经理基本面策略较为多元，不会在某个单一基本面因子上进行过度集中。例如，虽然超预期策略在个股选择上非常有效，但对于基金而言，其影响力会相对分散。考虑到基本面深度研究是主动权益基金经理的优势，本节我们通过创新的方式来估计基金经理的基本面挖掘能力。

　　首先，我们提出一种全新的因子构建范式，衡量基金在不同市场环境下的历史收益表现，构造基金基本面因子。

　　对于市场环境的界定，我们观察对应类别的股票因子是否有效。如果对应类别的股票因子在某个月份的IC高于历史均值，说明该月市场由该维度主导定价。在该环境下收益高的基金更有可能运用该类策略并从中获益。

　　在同种市场环境下的多策略可能均有效。例如，我们使用一致预期因子和ROE增长因子来对应业绩增长型策略。一致预期因子偏向于盈利未来增长，ROE增长因子偏向于已实现盈利能力增长。我们发现两者有效月份重合度较高，说明两类因子捕捉的市场环境存在较大重叠，即基本面成长驱动的市场环境往往同时利好业绩预期提升和财报盈利能力改善的股票。

　　具体的因子计算流程分为三步：第一步是股票因子月度IC计算，即上月末股票因子与本月股票收益的相关系数；第二步是环境标记，判断标准为IC大于阈值，则说明该时段股票因子生效；第三步是基金收益提取与聚合，筛选过去12个月内所有因子生效月份收益等权平均，得到该基金在该环境下的收益。

　　对于价值回归类市场环境，我们选取盈利收益率（Earnings Yield）和股息率因子有效性作为市场环境特征的衡量。两者均捕捉市场对基本面价值的短期偏离，但是也有一定区别，股息率涉及到分红角度，而盈利收益率未涉及分红。

　　该类因子有一定选基效果，但是回归收益后效果一般。该因子在成长基金池中有效，可识别GARP型经理；在价值池中有效，可区分有效价值与价值陷阱。从回测结果来看，盈利收益率因子在全样本中Rank IC均值2.8%，多头相对基准超额收益1.1%。股息率因子在全样本中Rank IC均值4.1%，多头相对基准超额收益2.9%，表现优于盈利收益率因子。我们认为，回归收益后效果一般的原因是市场不会集中抬高低估股票估值。

　　对于成长兑现类市场环境，我们选取ROE增长和一致预期增长有效性作为市场环境特征的衡量。ROE增长反映盈利能力改善，一致预期增长反映超预期修复，两者均捕捉市场对上市公司基本面成长的兑现。

　　从回测结果来看，两个因子选基效果均较好，回归收益后仍有一定超额收益。一致预期调整因子全样本中Rank IC均值6.9%，多头相对基准超额收益5.4%。ROE增长因子在全样本中Rank IC均值5.5%，多头相对基准超额收益4.2%。因子在成长池中和价值池中均有效，原因是业绩变化是股价变化的重要因素，无论是偏成长的股票池，如科技类和制造类股票，还是偏价值的股票池，如消费类股票。

　　换而言之，当市场由基本面成长主导定价，说明业绩兑现成为核心，这个阶段的基金经理的高收益更具有延续性。

　　此外，考虑到个股业绩增长兑现并不一定集中在一个时段，也可能分散在不同时点，如个股报告发布的时点。基于此，我们构造了基于基金持仓的业绩兑现因子。核心逻辑是通过捕捉基金持仓股票在财报披露后的超额收益，来衡量基金经理对基本面信息的预判与兑现能力。因子值较高，说明基金经理预判到了业绩超预期，或持仓本身具有较强的基本面兑现能力。

　　细节方面，采用年报/半年报持仓作为基金持仓基准，在三个关键节点计算因子：4月末使用上一年12月31日年报持仓，回看5个月，覆盖年报披露高峰期；8月末使用当年6月30日半年报持仓，回看3个月，覆盖半年报披露期。成长型基金持仓更注重报告期的业绩兑现。

　　从回测结果来看，持仓业绩兑现因子在成长型基金中更为有效。在全样本中Rank IC均值3.0%，Rank ICIR为0.63，多头相对基准超额收益2.2%，超额收益夏普率0.44。成长基金池中Rank IC均值3.8%，多头相对基准超额收益3.6%，超额收益夏普率0.68，效果显著优于全样本。价值基金池中Rank IC均值2.4%，多头相对基准超额收益1.1%，效果相对较弱。

　　本文从宏观、中观、微观三个全新角度构建选基因子，从不同维度刻画基金经理能力边界，即宏观识别择时能力，中观识别行业适应能力，微观识别选股能力。

　　宏观角度采用事件研究法，捕捉基金在宏观数据披露窗口期的超额收益，识别具备宏观择时能力的基金经理。CPI/PPI因子和PMI因子效果较好，尤其是2021年后。GDP因子和M2/社融因子有一定选基效果，M2/社融因子对科技型基金筛选能力较好。

　　中观角度衡量基金经理在行业上涨时的收益，即上行共振。该因子基于收益数据合成，并进行行业中性化，主要衡量基金经理选取上涨高beta的股票能力。降频后效果依然稳健，季频和半年频调仓均能保持稳定超额。

　　微观角度选基因子主要分为两类。第一类通过识别股票因子生效的市场环境，衡量基金在该环境下的历史收益表现。价值回归因子和成长兑现因子分别从安全边际和业绩兑现两个维度刻画基金经理的微观选股能力，其中一致预期调整因子和ROE增长因子表现尤为突出。第二类持仓业绩兑现因子则进一步从持仓角度验证了基金经理对基本面信息的预判能力。

　　开源证券金融工程团队 魏建榕 傅开波 高鹏 胡亮勇 王志豪 盛少成 蒋韬 常津铭返回搜狐，查看更多