基金研究

Transcription

1 定量研究 专题报告 证券研究报告 分析师 : 任瞳 rentong@xyzq.com.cn S assauthor 研究助理 : 苏竞为 sujingwei@xyzq.com.cn 报告关键点 relatedreport 相关报告 新三板迈进指数时代, 成长生力军 新三板专题研究系列之一 国泰国证有色金属指数分级基金投资价值分析 嘉实元和直投封闭混合型发起式基金投资价值分析 #title# 基于持仓数据的基金风格归因与分析 #createtime1# 投资要点 summary 业绩归因是分析投资组合的收益来源和风险来源, 其基本原则是 评价技 巧, 而非运气 近年来的研究表明, 投资组合的业绩来源里包含了一个 非常重要的因素, 就是 风格 因此, 我们要对投资组合进行风格归因 首先, 只有在剔除了风格的因素后, 我们才能看到真正由基金经理个人能 力所带来的超额收益 其次, 风格归因可以帮助基金经理监控风险头寸和 改进投资流程 再者, 利用风格分析, 我们可以识别基金经理的投资风格 风格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, 还有一类方法是基于持仓数据的横截面回归法 两种方法各有利弊, 前者业内都比较熟悉, 本文重点介绍的是后者 基于持仓数据, 我们可以对投资组合的风格同时进行横截面和时间序列的 分析 首先, 我们将全部股票型基金 ( 不包括指数基金 ) 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存在且持续存在 通过对全体股票基金的风格分析, 我们发现 :( 1) 基金经理普遍偏好配置 具有动量效应 高波动率 高贝塔 高估值以及小市值的股票 ;(2) 从近 期来看, 基金经理对中盘股和高换手率的风格偏好有明显上升 ;(3) 相对 来说, 基金经理更偏好高估值的成长股, 而非拥有较高确定性的成长股 ; (4) 从行业配置来看, 全体股票基金在银行 石油石化和非银行金融等 行业上的配比长期低于全市场配置, 而在医药 食品饮料和房地产等行业 上的配比长期高于全市场配置 ;(5) 长期看来, 风格因子对股票基金整体 组合的风险贡献为 44.63%, 行业因子的风险贡献为 13.77%, 而残差项 ( 也 就是主动管理 ) 的风险贡献为 41.61% 其次, 利用基金持仓数据, 我们还可以判断基金的投资策略是否有效 我 们选取了两只成立时间相近 规模相近但业绩呈现天壤之别的基金, 通过 风格分析, 我们发现 :(1) 落后基金在风格配置上存在比较严重的风险与 收益不匹配的问题 ;(2) 落后基金在行业配置上选择了 性价比 较低的 行业 ;(3) 绩优基金展现了基金经理较强的主动管理能力 ( 即选股能力 ); (4) 两只基金的基金经理都没有展现出风格择时能力 2015 年 04 月 02 日 请阅读最后一页信息披露和重要声明

2 目 录 1 基金风格归因与分析方法 为何需要风格归因? 如何进行风格分析? 基于持仓数据的风格归因模型 风险贡献与收益分解 风格分析 : 整体股票型基金的投资风格 风格因子定义 不考虑行业时的风格分析 考虑行业时的风格分析 小结 基金鉴别 : 基金投资策略的有效性 举例 : 绩优基金与亏损基金的对比 小结 图 1 调整后长期暴露为正的风格因子 图 2 调整后长期暴露为负的风格因子 图 3 长期来看, 风格因子暴露变化 图 4 长期风险贡献度 (%) 图 5 调整后长期暴露为正的风格因子 (Top 10) 图 6 调整后长期暴露为负的风格因子 (Top 10) 图 7 长期来看, 风格因子暴露变化 图 8 长期来看, 行业因子暴露变化 图 9 投资组合的风险分解 图 10 各风格因子的风险贡献度 图 11 基金 A: 平均风格偏好 图 12 基金 A: 平均行业偏好 图 11 基金 B: 平均风格偏好 图 12 基金 B: 平均行业偏好 图 13 基金 A: 风格因子的风险贡献与收益分析 图 14 基金 A: 行业因子的风险贡献与收益分析 图 15 基金 A: 风险贡献分解 图 16 基金 A: 收益贡献分解 图 17 基金 B: 风格因子的风险贡献与收益分析 图 18 基金 B: 行业因子的风险贡献与收益分析 图 19 基金 B: 风险贡献分解 图 20 基金 B: 收益贡献分解 图 21 基金 A: 主动管理能力 ( 信息比率 ) 图 22 基金 B: 主动管理能力 ( 信息比率 ) 图 23 基金 A: 规模因子择时 图 24 基金 A: 成长因子择时 图 25 基金 A:Beta 因子择时 图 26 基金 A: 轻工行业因子择时 图 27 基金 A: 波动率因子择时 图 28 基金 A: 盈利性因子 (EP) 择时 图 29 基金 B: 规模因子择时 请阅读最后一页信息披露和重要声明 - 2 -

3 图 30 基金 B: 成长因子择时 图 31 基金 B:Beta 因子择时 图 32 基金 B: 动量因子择时 图 33 基金 B: 波动率因子择时 图 34 基金 B: 盈利性因子 (EP) 择时 表 1 基于收益率的时间序列回归法 VS 基于持仓数据的横截面回归法 表 2 Barra 风格因子定义 表 3 基金 A 和基金 B 的信息比率 表 4 风格择时的胜率 请阅读最后一页信息披露和重要声明 - 3 -

4 报告正文 1 基金风格归因与分析方法 1.1 为何需要风格归因? 无论是持有单一投资组合的基金经理, 还是旗下拥有诸多投资组合的基金公司, 对投资业绩都是存在诉求的 那么他们就会关心以下的这些问题 : 投资组合的业绩到底如何? 为什么会产生这样的业绩? 这个业绩到底是来自于运气还是来自于投资技巧? 目前看来, 我们已经拥有比较全面的基金指标与相对完善的基金评价体系, 因此我们能够准确地评判投资组合的业绩 那么, 投资组合的业绩到底来源自哪 里, 就成为下一个需要回答的问题 一直以来, 对基金业绩归因的基本原则是 评价技巧, 而非运气 (Evaluate skill, not luck) 这句话的意思是, 除去运气的成分, 有多少的基金业绩可以归因为基金经理的投资技巧 一开始, 这个 运气成分 说不清, 我们将投资组合超额收益都视作是基金经理的个人能力 然而近年来的研究表明, 原来所谓的 个人能力 里面还包含了一个非常重要的因素, 就是 风格 当考虑风格的时候, 我们就会发现, 一些表现优秀的基金实际上与某类风格 的表现暗合 只有在剔除了风格的因素后, 我们才能看到真正由基金经理个人能 力所带来的超额收益 风格归因还可以帮助基金经理监控风险头寸和改进投资流程 我们认为, 收益与风险是一枚硬币的两个面 当投资组合的收益主要源自某一类风格的收益时, 实际上它在这类风格上暴露的风险也是相对较高的 从事前来看, 基金经理可以主动选择在哪些风格上增加暴露 ( 即风格择时 ), 使得组合能够获得更高的收益 ; 而从事后来看, 基金经理则可以评判投资组合在特定风格上的风险暴露程度是否与收益相匹配, 以及组合中是否暴露了不必要的风险等, 从而检验投资策略的有效性 例如, 某些基金经理喜欢成长型股票, 可能没有意识到成长型股票往往聚集在某些特定行业中, 并且集中在高波动性的股票中 在这种情况下, 行业聚集特征和高波动性可能是基金经理事先并不想主动暴露的风险, 但在实际投资过程中却意外出现, 通过风格分析能够发现这些意外风险 利用风格分析, 我们还可以识别基金经理的投资风格类型 通常基金经理会 公开表明自己的投资风格, 我们可以验证他们是否名副其实 请阅读最后一页信息披露和重要声明 - 4 -

5 1.2 如何进行风格分析? 目前, 风格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横截面回归法 (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, 相对于特定风格因子组合的暴露程度 ( 回归系数 ) 与 RBA 不同的是,HBA 并不要求投资组合相对于风格资产的暴露程度是保持不变的, 它可能随着时间变化而变化 一旦我们选取的时间点达到一定数量后, 我们可以通过计算这些点上的平均特征来表征投资组合的风格属性, 也可以观察投资组合在不同时间点的风格偏好变化 RBA 最大的优点是收益率序列的数据容易获取, 但缺点在于需要考虑多重共 线性等算法优化问题 ; 相比之下,HBA 是基于持仓数据的横截面回归, 持仓数据 的获取难度相对较高且频率较低 但 HBA 的优点在于透明度高, 易于理解 表 1 基于收益率的时间序列回归法 VS 基于持仓数据的横截面回归法 基于收益率的时间序列回归法 (Returns-based approach) 基于持仓数据的横截面回归法 (Holdings-based approach) 基本原理 关注的是投资组合在不同时点上的实考察投资组合的收益率序列相对于一际持仓情况, 相对于特定风格因子组合系列风格指数收益率序列的表现, 本的暴露程度 ( 回归系数 ), 本质上是横质上是时间序列的多元线性回归 截面回归 隐含假设 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 优点 数据易于获取 透明度高, 易于理解 缺点 算法需要优化 ( 多重共线性等 ) 数据获取难度大, 频率低 适用范围 内外部投资者均可使用 供基金内部使用为主, 外部使用可能频率较低 1.3 基于持仓数据的风格归因模型 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 ) h S u ---(1) 请阅读最后一页信息披露和重要声明 - 5 -

6 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 ); S 指代 K 个风格因子组合在某个时点的实际持仓数据 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 残差项表示无法被风格解释的部分, 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 : ( S V S ) 1 S V h 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), 我们可以采用两种方法来计算 : (1) 直接通过 N 个资产收益率的时间序列, 求出协方差矩阵 (V); (2) 由风险因子协方差矩阵 (Σ) 与特异风险矩阵 (S), 以及资产的风险 因子暴露矩阵 (B), 得到协方差矩阵 (V), 即 : V B B S 我们倾向于采用第二种方法 因为当资产 ( 股票 ) 数量较多时, 采用第一种 方法的运算量较大, 估计得到的协方差矩阵的准确度较低 不过第二种方法需要 借助 MSCI Barra 开发的风险因子协方差矩阵 (Σ), 然后估计出资产的协方差矩阵 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 : S F M P ( B V B ) B V fp, fp,, fp k fp, fp,, fp k F M P fp, fp,, fp n 1 n 2 n k 1.4 风险贡献与收益分解 风格归因模型源自多因子模型, 其最常见的表达式如下 : N r i X f ---(2) i, k k i k 1 由 (2) 式, 我们可以写出投资组合与风格因子组合在时间序列上的表达式 : R F p 请阅读最后一页信息披露和重要声明 - 6 -

7 由于 R p A h, F A S (A 代表的是 N 个资产收益率时间序列的矩阵, 即 1 2 A [,,, ] ), 所以 n ( F F ) F R ( S A A S ) S A A h ( S V S ) S V h p 因此, 假设投资组合在风格因子上的暴露水平在一定时间内是不变的, 我们可以证明 (1) 式中的 β 和 (2) 式中的 β 两者是相等的 由 (2) 式, 我们还可以得到投资组合的方差分解公式 转化为标准差形式后, 投资组合的风险可以被分解成各个风格因子的风险贡献和残差项 其中 : p p, k k k, p, p k 是风格因子的暴露水平 ; p, k k 是风格因子的标准差, p, k k 是经标准差 调整后的风格因子暴露水平 ; k, 献度就表示为 R is k C o n t k p, k k k, p p 是风格因子与投资组合的相关系数, 而风险贡 收益分解是将投资组合的收益分解成各个风格因子的收益和主动管理收益 ( 残差项 ), 即 R T C o n t f k p, k k 2 风格分析 : 整体股票型基金的投资风格 基于持仓数据的风格分析, 既能看到特定时点下投资组合的风格偏好, 又能 看到随着时间变化时投资组合的风格演变, 这是该方法的一大优势 首先, 我们将全部股票型基金 ( 不包括指数基金 ) 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存在且持续存在 2.1 风格因子定义首先, 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 定义的 10 个风格因子, 具体定义如下表所示 请阅读最后一页信息披露和重要声明 - 7 -

8 表 2 Barra 风格因子定义 风格因子 定义 代表含义 Beta 超额收益与市场收益的回归系数市场收益 BP Book-to-Price, 市净率的倒数价值 Earnings Yield Earnings-to-Price, 市盈率的倒数盈利性 Growth 盈利增长率 销售收入增长率成长 Leverage 财务杠杆率财务杠杆 Liquidity 换手率流动性 Momentum Relative Strength, 超额收益动量 Non-linear Size 股票市值的立方中盘 Size 股票市值的对数大盘 Residual Volatility 日收益标准差 历史标准差波动性 资料来源 :MSCI, 兴业证券研究所 2.2 不考虑行业时的风格分析当不考虑行业因子时, 我们重点关注 Barra 定义的 10 个风格因子, 即 Beta BP Earnings Yield(E/P) Growth Leverage Liquidity Momentum Non-linear Size Size 和 Residual Volatility 我们观察的区间从 2007 年 12 月到 2014 年 6 月 由于公募基金只在年报和半 年报中公布全部持仓数据, 因此我们只在持仓数据公布的时点上测算全体股票型 基金在各类风格因子上的偏好 下图统计了虚拟股票组合在各类风格因子上的平均偏好程度 当因子暴露为 正时, 我们认为股票型基金普遍偏好该类风格 ; 当因子暴露为负时, 我们认为股 票型基金普遍会规避这类风格 我们发现, 虚拟股票组合的持仓相对于全体 A 股, 在动量 波动率和市场收益等风格上有较高的暴露水平, 这表明全体股票型基金普遍偏好配置具有动量效应 波动率较高, 以及高贝塔的股票 同时, 虚拟股票组合在 BP EP 市值和杠杆率等风格上为负暴露, 这表明全体股票型基金普遍偏好配置高估值 小市值, 以及低杠杆的股票 请阅读最后一页信息披露和重要声明 - 8 -

9 图 1 调整后长期暴露为正的风格因子 图 2 调整后长期暴露为负的风格因子 在我们选取的这段时间里,A 股既经历过蓝筹股的大牛市, 也经历过成长股 的疯狂上涨 平均值也许不能反映股市不同时期下基金经理们的投资风格偏好变 化, 因此我们统计了虚拟股票组合在各个时期的投资风格变化 请阅读最后一页信息披露和重要声明 - 9 -

10 图 3 长期来看, 风格因子暴露变化 我们发现, 股票型基金偏好小盘股的风格是持续存在的, 即便是在 年 这样由蓝筹股驱动的大牛市行情中 此外, 高贝塔 高估值 高成长性和低杠杆 率的投资偏好也是持续存在的 同时我们也观察到, 股票型基金在中盘股和流动性的风格上变化较为明显 在 2009 年以前, 中盘股并不是股票型基金偏好的投资风格, 但在此之后却成为仅次于动量 高波动性和高贝塔的一大风格 高换手率的股票也是类似 在 2010 年之前, 股票型基金并不会在高换手率的股票上过多暴露, 但在 2010 年之后在这个因子上的暴露水平却显著上升了 风格与风险是息息相关的 多因子理论模型认为, 股票组合收益主要来自于风格因子收益和特定收益, 后者被认为是组合收益剔除了各类风格收益之后的 Alpha 收益 如果从风险的角度, 我们认为股票组合的风险主要由系统性风险和非系统性风险构成 系统性风险既包括市场风险, 也包括风格因子和行业因子带来的风险, 我们可以对系统性风险的来源进行分析 因此我们对虚拟投资组合的风险进行分解, 计算各个风格因子的风险贡献 风险贡献反映的是每个风格对组合波动的贡献程度, 如果一个风格对组合波动的 贡献度为负, 我们可以理解为在组合中增加这个风格可以分散化组合的整体风险 由下图可以看到, 虚拟投资组合的风险主要来自于中盘 动量 盈利性和流动性等风格, 而杠杆率风格的风险贡献为负 所有风格加总起来的风险贡献度仅为 2.86%, 可以认为这个投资组合绝大多数的风险来源还未被分解 由于这里我们并没有考虑行业因子, 因此在未被解释的风险来源里面可能绝大多数是行业 请阅读最后一页信息披露和重要声明

11 图 4 长期风险贡献度 (%) 2.3 考虑行业时的风格分析由于风格因子对组合风险的贡献度仅为 2.86%, 远不能解释组合风险的来源, 因此我们需要将行业因子加入到分析框架中来 我们选取的行业因子是 29 个中信一级行业 同样地, 我们也观察虚拟股票组合在各类风格因子和行业因子上的相对偏好 可以看到, 相对于全体 A 股, 虚拟股票组合对动量因子的暴露程度仍然是最高的 股市中可能存在动量效应, 指的是股票的收益率有延续原来运动方向的趋势, 即前期收益率较高的股票在未来获得的收益率可能仍然高于过去收益率较低的股票 我们认为, 动量效应的形成可能是源于投资者追涨杀跌的投资心理, 以全体股票基金管理的巨额资金量来看, 对动量风格的偏好有可能会成为组合风险的一个重要来源 虚拟股票组合对波动率因子的暴露也相对较高, 这反映了全体股票基金对高 波动性股票的投资偏好 高波动性的股票有一种 彩票 效应, 即投资者乐观地 期待这类股票在未来会有更好的收益率 我们还发现一个有趣的现象, 很多股票基金经理自称是坚持成长股投资理念, 然而虚拟股票组合对成长性因子的暴露水平仅为 0.05, 对价值因子和盈利性因子 (BP 和 EP) 的暴露显著为负 ( 分别是 和 -0.31) 对此我们推断, 相对来说股票基金经理更偏好高估值的成长股, 而非拥有较高确定性的成长股 在前 10 个暴露为正的因子中, 还包括高贝塔和高换手率等风格, 以及医药 食品饮料 房地产 商贸零售和传媒等行业 请阅读最后一页信息披露和重要声明

12 图 5 调整后长期暴露为正的风格因子 (Top 10) 在暴露水平为负的因子中, 名列榜首的是银行业, 其次是石油石化 因为在全体 A 股中, 银行业和石油石化的市值占比较高, 所以相对来说, 全体股票基金整体上是低配了这两个行业的 此外如非银金融 煤炭 有色金属和电力及公用事业等行业, 也都在低配的名单中 风格 从风格因子来看, 我们也观察到虚拟股票组合偏好小市值和低杠杆率的投资 图 6 调整后长期暴露为负的风格因子 (Top 10) 从长期来看, 在加入行业因子之后, 全体股票基金对风格因子的偏好并没有发生显著的变化 总的来说, 全体股票基金偏好小盘股 高贝塔 高估值 高成长性和低杠杆率的现象一直是存在的 ; 在中盘股和换手率这两个风格上, 则经历了从负暴露到正暴露的过程 请阅读最后一页信息披露和重要声明

13 图 7 长期来看, 风格因子暴露变化 从行业配置来看, 全体股票基金在银行 石油石化和非银行金融等行业上的 配比长期低于全市场配置, 而在医药 食品饮料和房地产等行业上的配比长期高 于全市场配置 图 8 长期来看, 行业因子暴露变化 在加入行业因子之后, 我们发现长期平均下来, 风格因子对投资组合的风险贡献为 44.63%, 行业因子对投资组合的风险贡献为 13.77%, 而残差项 ( 也就是主动管理 ) 对投资组合的风险贡献为 41.61% 在某些时点, 行业因子对投资组合有分散风险的作用, 而主动管理几乎都增加了投资组合的风险 请阅读最后一页信息披露和重要声明

14 图 9 投资组合的风险分解 在绝大多数情况下, 风格因子对投资组合的风险贡献度最高 其中 : 波动率因子 市场收益因子 (Beta) 和价值因子 (BP) 的风险贡献度最高, 平均风险贡献度为 38% 17% 和 11%; 动量因子和流动性因子的风险贡献度最低, 平均风险贡献度为 -28% 和 -12%, 表明这两个因子的加入对投资组合有分散风险的作用 图 10 各风格因子的风险贡献度 2.4 小结 通过对全体股票基金的风格分析, 我们发现基金经理普遍偏好配置具有动量 请阅读最后一页信息披露和重要声明

15 效应 高波动率 高贝塔 高估值以及小市值的股票 ; 并且从近期来看, 基金经 理对中盘股和高换手率的风格偏好有明显上升 另外有一个有趣的现象, 我们发 现相对来说基金经理更偏好高估值的成长股, 而非拥有较高确定性的成长股 从行业配置来看, 全体股票基金在银行 石油石化和非银行金融等行业上的 配比长期低于全市场配置, 而在医药 食品饮料和房地产等行业上的配比长期高 于全市场配置 长期看来, 风格因子对股票基金整体组合的风险贡献为 44.63%, 行业因子的风险贡献为 13.77%, 而残差项 ( 也就是主动管理 ) 的风险贡献为 41.61% 在某些时点, 行业因子对投资组合有分散风险的作用, 而主动管理几乎都增加了投资组合的风险 在风格因子中, 波动率因子 市场收益因子 (Beta) 和价值因子 (BP) 的风险贡献度最高 ; 动量因子和流动性因子的风险贡献度最低, 对投资组合有分散风险的作用 3 基金鉴别 : 基金投资策略的有效性 借助基于持仓数据的风格归因, 我们不仅能看到投资组合的风格偏好, 还能够帮助基金经理监控风险头寸和改进投资流程, 提高投资策略的有效性 从事前来说, 风格归因能监控投资经理在不同风格上的风险暴露情况 ; 从事后来看, 则可以检验投资经理在风格上获得的收益是否与风险相匹配 3.1 举例: 绩优基金与亏损基金的对比我们选择了两只在 2008 年上半年成立的股票基金, 都以沪深 300 指数为业绩比较基准 其中 : 基金 A 在过去三年里实现了 160% 左右的总回报, 业绩排名靠前, 自成立以来的年化收益为 15%; 而基金 B 在过去三年里实现了 -8% 的总回报, 业绩排名靠后, 自成立以来的年化收益为 -3% 左右 为什么这两只基金的业绩表现出如此大的差距? 首先, 我们看一下这两只基金在历史上的风格偏好和行业配置偏好 请阅读最后一页信息披露和重要声明

16 图 11 基金 A: 平均风格偏好 图 12 基金 A: 平均行业偏好 从风格上看, 相对沪深 300 指数, 基金 A 偏好中小盘 高估值 高波动率和 高换手率的股票 ; 从行业配置上看, 基金 A 相对超配了基础化工 医药 通信和 机械等行业, 相对低配了银行和房地产等行业 请阅读最后一页信息披露和重要声明

17 图 11 基金 B: 平均风格偏好 图 12 基金 B: 平均行业偏好 从风格上看, 相对沪深 300 指数, 基金 B 在各类风格上的暴露相对均衡, 稍 微偏好高贝塔 中小盘 高动量和高估值的股票 ; 从行业配置上看, 基金 B 相对 超配了煤炭和有色金属等行业, 相对低配了银行和交通运输等行业 请阅读最后一页信息披露和重要声明

18 如何检验基金的投资策略是否有效? 我们认为, 可以通过分解各类风格因子和行业因子对投资组合的风险贡献与 收益贡献, 从风险与收益是否匹配的角度分析基金投资策略的有效性 具体来说, 如果风险贡献较低而收益贡献相对较高, 则认为配置该风格或该 行业具有较高的 性价比 ; 如果风险贡献较高而收益贡献较低, 则认为该配置的 性价比 较低 ; 如果风险贡献为负, 则说明该配置具有分散化风险的作用 由下图可以看到, 自成立以来, 小盘股对基金 A 的平均风险贡献度最高, 达 到 14%, 与此同时, 我们也看到基金 A 的平均收益主要来源于小盘股收益 值得留意的是, 中盘股对基金 A 的平均风险贡献度较高, 仅次于小盘股, 然 而中盘股的平均收益贡献却为负 表明从长期来看, 基金 A 在中盘股上的风险暴 露可能得不偿失 图 13 基金 A: 风格因子的风险贡献与收益分析 从行业来看, 医药 基础化工 通信和计算机等行业对基金 A 的平均风险贡献度较高 (5% 以上 ), 而基金 A 的收益也主要来自于这些行业的收益 ; 值得关注的是, 机械行业对基金 A 的平均风险贡献度仅为 3%, 但对基金 A 的收益贡献却相对较高, 表明从历史经验来看, 配置机械行业可能有较高的 性价比 请阅读最后一页信息披露和重要声明

19 图 14 基金 A: 行业因子的风险贡献与收益分析 从整体上看, 基金 A 的风险来源分别是风格因子贡献了 29%, 行业因子贡献了 50%, 主动管理贡献了 21%; 而基金 A 的收益来源则是风格收益为 -0.05%, 行业收益为 -0.05%, 主动管理收益为 0.20% 因此, 基金 A 的主动管理尽管为组合增加了一定程度的风险, 但贡献了很大程度的收益 图 15 基金 A: 风险贡献分解 请阅读最后一页信息披露和重要声明

20 图 16 基金 A: 收益贡献分解 风格收益贡献 :-0.05% 行业收益贡献 :-0.05% 同样我们也对基金 B 进行分析 从长期来看, 我们认为基金 B 在风格配置上存在风险与收益不匹配的问题 自成立以来, 市场收益 (Beta) 对基金 B 的平均风险贡献度最高, 但对基金 B 的收益贡献却不高 ; 小盘股对基金 B 的平均风险贡献度略低, 但事后看来提供的平均收益贡献是最高的 图 17 基金 B: 风格因子的风险贡献与收益分析 从行业来看, 煤炭行业对基金 B 的平均风险贡献度非常高 ( 约 24%), 而事后来看过去几年里煤炭行业的平均收益贡献显著为负, 表明从长期来看, 配置煤炭行业可能是性价比较低的选择 ; 有色金属和医药等行业对基金 B 的平均风险贡献度约 5% 左右, 但对基金 B 的收益贡献相对较高, 表明从历史经验来看, 配置这些行业可能有较高的 性价比 请阅读最后一页信息披露和重要声明

21 图 18 基金 B: 行业因子的风险贡献与收益分析 从整体上看, 基金 B 的风险来源分别是风格因子贡献了 21%, 行业因子贡献了 62%, 主动管理贡献了 18%; 而基金 B 的收益来源则是风格收益为 -0.24%, 行业收益为 0.20%, 主动管理收益为 -0.23% 因此, 基金 B 的主动管理仅为组合增加了风险而没有贡献正的收益 图 19 基金 B: 风险贡献分解 请阅读最后一页信息披露和重要声明

22 图 20 基金 B: 收益贡献分解 风格收益贡献 :-0.24% 行业收益贡献 :0.20% 基金经理的主动管理能力是否稳定? 在剔除风格和行业的因素之后, 我们把基金获得的超额业绩归因于基金经理的主动管理能力 ( 选股能力 ), 我们用信息比率 ( 即单位风险下的超额收益 ) 来表征 通过时间序列分析, 我们可以观察到基金经理的主动管理能力是否稳健 经过统计, 基金 A 的信息比率均值为 0.87, 标准差为 6.35; 基金 B 的信息比 率均值为 -0.32, 标准差为 3.06 这说明基金经理 A 的选股能力较强, 但波动较 大, 基金经理 B 的选股能力较弱 表 3 基金 A 和基金 B 的信息比率 基金 A 基金 B 信息比率 ( 均值 ) 信息比率 ( 标准差 ) 请阅读最后一页信息披露和重要声明

23 图 21 基金 A: 主动管理能力 ( 信息比率 ) 图 22 基金 B: 主动管理能力 ( 信息比率 ) 基金经理是否具备风格择时的能力? 当市场风格出现切换时, 基金经理是否都能及时把握时机 转变风格? 我们认为, 可以通过比较基金在风格因子上的暴露程度与收益贡献的关系, 分析基金经理是否具备风格择时的能力 具体来说, 如果在过去某一时点, 基金在某类风格上的暴露为正, 而该风格的因子收益在接下来的一段时期内恰好也为正, 或者基金在某类风格上暴露为负, 而风格因子收益恰好也为负, 则我们认为基金经理在这一次的投资决策上具备风格择时的能力 ; 反之, 则不具备风格择时的能力 我们观察了 507 个样本点 ( 总共是 13 个时间点, 有 39 个风格和行业因子 ), 发现基金 A 的投资经理判断准确的次数为 245 次, 胜率为 48%; 而基金 B 的投资 经理判断准确的次数为 246 次, 胜率为 49% 从结果上来看, 我们认为基金 A 和 请阅读最后一页信息披露和重要声明

24 基金 B 的投资经理可能都不具备风格择时的能力 表 4 风格择时的胜率 基金 A 基金 B 判断准确的次数 观测点数 胜率 48% 49% 从单个风格来看, 我们发现基金 A 的投资经理在规模因子和成长因子上择时的准确度相对较高 但这是因为在绝大多数情况下, 基金经理在规模因子上暴露始终为负, 即偏好小盘股, 而规模因子收益也基本为负, 即小盘股表现优于大盘股 但在某些时点上出现规模因子收益为正时, 基金经理就出现了判断失误 在成长因子上, 基金 A 的暴露有正有负, 成长因子的收益波动也较明显, 我 们认为基金经理对成长因子可能拥有较强的择时能力 图 23 基金 A: 规模因子择时 图 24 基金 A: 成长因子择时 同时, 基金经理 A 在轻工行业因子和市场收益因子上择时的准确度略超平均水平 基金 A 在轻工行业上的暴露变化幅度较大, 从结果上来看存在一定的择时效果 从历史上来看,Beta 因子的收益波动也较为剧烈, 在这种情况下基金经理 A 对市场收益因子择时的能力相对突出 请阅读最后一页信息披露和重要声明

25 图 25 基金 A:Beta 因子择时 图 26 基金 A: 轻工行业因子择时 在波动率因子上, 基金 A 择时的准确度接近平均水平 ; 在盈利性因子上, 择时的准确度相对较差 在绝大多数情况下, 基金 A 在盈利性因子上是负暴露, 即偏好高估值的股票, 而高估值股票历史上的收益却波动剧烈, 因此基金经理 A 在该因子的择时基本上是失败的 图 27 基金 A: 波动率因子择时 图 28 基金 A: 盈利性因子 (EP) 择时 我们观察到基金 B 的情况也是类似, 即投资经理也是在规模因子和成长因子上择时的准确度相对较高, 在市场收益因子和动量因子上择时的准确度略超平均水平, 在波动率因子和盈利性因子上择时的准确度相对较差 在此, 我们就不再进行一一赘述 请阅读最后一页信息披露和重要声明

26 图 29 基金 B: 规模因子择时 图 30 基金 B: 成长因子择时 图 31 基金 B:Beta 因子择时 图 32 基金 B: 动量因子择时 图 33 基金 B: 波动率因子择时 图 34 基金 B: 盈利性因子 (EP) 择时 3.2 小结 在本文的最后部分, 我们试图在基金风格归因的理论框架下, 从一个另类视 角对两只成立时间相近 规模相近但业绩呈现天壤之别的基金进行分析 首先, 我们认为通过分解各类风格因子和行业因子对投资组合的风险贡献与 请阅读最后一页信息披露和重要声明

27 收益贡献, 从风险与收益是否匹配的角度可以分析基金投资策略的有效性 具体来说, 如果风险贡献较低而收益贡献相对较高, 我们认为该风格或该行业的配置具有较高的 性价比 我们发现从长期来看, 绩优基金 A 的风险和收益均来自于小盘股, 然而该基金可能无意中过多地暴露了中盘股的风险, 该配置显得有些得不偿失 而落后基金 B 在风格配置上存在比较严重的风险与收益不匹配的问题 例如基金 B 在市场收益 (Beta) 上过度暴露风险, 而该配置带来的收益却不高 ; 以及基金 B 超配了煤炭行业, 而从事后来看, 煤炭行业在过去几年里的平均收益显著为负, 可见该配置的性价比较低 其次, 我们观察绩优基金和落后基金的基金经理是否具备较强的主动管理能力, 以及该能力是否稳健 从平均水平来看, 绩优基金 A 的风险来源中主动管理贡献了 21%, 收益来源中主动管理贡献了 0.20%; 而落后基金 B 的风险来源中主动管理贡献了 18%, 收益来源中主动管理贡献了 -0.23% 可见, 基金经理 A 的主动管理能力远胜于基金经理 B 不过从时间序列来看, 基金经理 A 的主动管理波动较大, 并不具备较好的稳健性 再者, 我们观察在市场风格出现切换时, 基金经理是否能够及时把握时机 切换风格 通过基金在风格因子上的暴露与因子收益的关系, 我们分析基金经理是否具备风格择时能力 具体来说, 如果在某一时点下, 基金在某类风格上的暴露为正, 而该风格的因子收益在接下来的一段时期内恰好也为正, 或基金在某类风格上的暴露为负, 而该风格的因子收益在接下来的一段时期内恰好也为负, 我们则认为基金经理具备风格择时能力 从统计结果上来看, 我们认为绩优基金 A 和落后基金 B 的投资经理可能都不具备风格择时的能力 但具体到某些因子上, 如成长性因子, 基金经理可能会展示出一定的择时能力 我们认为, 基金风格归因既可以用于基金内部使用, 也可以供基金外部投资者使用 对基金管理人来说, 事前可用来监控风险暴露, 事后可检验投资效率 ; 对基金投资者来说, 可基于数据分析的结果来判断基金投资风格偏好 基金经理的选股能力和择时能力等, 给投资者筛选基金提供了一个定量化的研究工具 请阅读最后一页信息披露和重要声明

28 投资评级说明 行业评级 报告发布日后的 12 个月内行业股票指数的涨跌幅度相对同期上证综指 / 深圳成指的涨跌幅为基准, 投资建议的评级标 准为 : 推荐 : 相对表现优于市场 ; 中 回 性 : 相对表现与市场持平 避 : 相对表现弱于市场 公司评级报告发布日后的 12 个月内公司的涨跌幅度相对同期上证综指 / 深圳成指的涨跌幅为基准, 投资建议的评级标准为 : 买入 : 相对大盘涨幅大于 15% ; 增 中 持 : 相对大盘涨幅在 5%~15% 之间 性 : 相对大盘涨幅在 -5%~5%; 减持 : 相对大盘涨幅小于 -5% 机构销售经理联系方式 机构销售负责人邓亚萍 dengyp@xyzq.com.cn 上海地区销售经理 姓名办公电话邮箱姓名办公电话邮箱 罗龙飞 luolf@xyzq.com.cn 盛英君 shengyj@xyzq.com.cn 杨忱 yangchen@xyzq.com.cn 王政 wangz@xyzq.com.cn 冯诚 fengcheng@xyzq.com.cn 王溪 wangxi@xyzq.com.cn 顾超 guchao@xyzq.com.cn 李远帆 liyuanfan@xyzq.com.cn 地址 : 上海市浦东新区民生路 1199 弄证大五道口广场 1 号楼 20 层 (200135) 传真 : 北京地区销售经理 姓名办公电话邮箱姓名办公电话邮箱 朱圣诞 zhusd@xyzq.com.cn 李丹 lidan@xyzq.com.cn 肖霞 xiaoxia@xyzq.com.cn 郑小平 zhengxiaoping@xyzq.com.cn 刘晓浏 liuxiaoliu@xyzq.com.cn 吴磊 wulei@xyzq.com.cn 何嘉 hejia@xyzq.com.cn 地址 : 北京市西城区武定侯街 2 号泰康国际大厦 6 层 609(100033) 传真 : 深圳地区销售经理 姓名办公电话邮箱姓名办公电话邮箱 朱元彧 zhuyy@xyzq.com.cn 李昇 lisheng@xyzq.com.cn 杨剑 yangjian@xyzq.com.cn 邵景丽 shaojingli@xyzq.com.cn 王维宇 wangweiyu@xyzq.com.cn 地址 : 福田区中心四路一号嘉里建设广场第一座 701(518035) 传真 : 海外销售经理 姓名办公电话邮箱姓名办公电话邮箱 刘易容 liuyirong@xyzq.com.cn 徐皓 xuhao@xyzq.com.cn 张珍岚 zhangzhenlan@xyzq.com.cn 陈志云 chanchiwan@xyzq.com.cn 曾雅琪 zengyaqi@xyzq.com.cn 地址 : 上海市浦东新区民生路 1199 弄证大五道口广场 1 号楼 20 层 (200135) 传真 : 私募及企业客户负责人刘俊文 liujw@xyzq.com.cn 私募销售经理 姓名办公电话邮箱姓名办公电话邮箱 徐瑞 xur@xyzq.com.cn 杨雪婷 yangxueting@xyzq.com.cn 地址 : 上海市浦东新区民生路 1199 弄证大五道口广场 1 号楼 20 层 (200135) 传真 : 请阅读最后一页信息披露和重要声明

29 信息披露 本公司在知晓的范围内履行信息披露义务 客户可登录 内幕交易防控栏内查询静默期 安排和关联公司持股情况 分析师声明 本人具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师, 以勤勉的职业态度, 独立 客观地出具本报告 本报告清晰准确地反映了本人的研究观点 本人不曾因, 不因, 也将不会因本报告中的 具体推荐意见或观点而直接或间接收到任何形式的补偿 法律声明 兴业证券股份有限公司经中国证券监督管理委员会批准, 已具备证券投资咨询业务资格 本报告仅供兴业证券股份有限公司 ( 以下简称 本公司 ) 的客户使用 本公司不会因接收人收到本报告 而视其为客户 客户应当认识到有关本报告的短信提示 电话推荐等只是研究观点的简要沟通, 需以本公司 网站刊载的完整报告为准, 本公司接受客户的后续问询 本公司的销售人员 交易人员以及其他专业人士可能会依据不同假设和标准 采用不同的分析方法而口 头或书面发表与本报告意见及建议不一致的市场评论和 / 或交易观点 本公司没有将此意见及建议向报告所有 接收者进行更新的义务 本公司的资产管理部门 自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致 的投资决策 本公司系列报告的信息均来源于公开资料, 我们对这些信息的准确性和完整性不作任何保证, 也不保证 所包含的信息和建议不会发生任何变更 我们已力求报告内容的客观 公正, 但文中的观点 结论和建议仅 供参考, 报告中的信息或意见并不构成所述证券的买卖出价或征价, 投资者据此做出的任何投资决策与本公 司和作者无关 在法律许可的情况下, 兴业证券股份有限公司可能会持有本报告中提及公司所发行的证券头寸并进行交 易, 也可能为这些公司提供或争取提供投资银行业务服务 因此, 投资者应当考虑到兴业证券股份有限公司 及 / 或其相关人员可能存在影响本报告观点客观性的潜在利益冲突 投资者请勿将本报告视为投资或其他决定 的唯一信赖依据 若本报告的接收人非本公司的客户, 应在基于本报告作出任何投资决定或就本报告要求任何解释前咨询 独立投资顾问 本报告的版权归本公司所有 本公司对本报告保留一切权利 除非另有书面显示, 否则本报告中的所有 材料的版权均属本公司 未经本公司事先书面授权, 本报告的任何部分均不得以任何方式制作任何形式的拷 贝 复印件或复制品, 或再次分发给任何其他人, 或以任何侵犯本公司版权的其他方式使用 未经授权的转 载, 本公司不承担任何转载责任 请阅读最后一页信息披露和重要声明