六维主动股基因子精选与组合构建.docxVIP

1、 研究样本和研究方法 、 基金样本池 研究样本：全体主动股票型基金主动股基基金池定义： Wind 分类中 29 个二级类别分类下普通股票型、灵活配置型和偏股混合型基金 剔除股票仓位不及 60?的基金。 剔除港股持股比例大于 50?的基金。 剔除非初始份额基金。 其中具体如下所示：(1) 普通股票型基金：80?以上的基金资产投资于股票，剔除被动指数型基金或指数增强型基金；(2) 灵活配置型基金：权益类资产的投资范围上限大于 50?、下限小于 50?，且上下限之差≥50；或基金全称中包含“灵活配置”的混合型基金； (3) 偏股混合型基金：不属于灵活配置型，权益类资产投资比例上限大于 75?且下限大于 50?的混合型基金 满足上上条件且且每个时点成立时间超过 1 年的基金的历史数量变化如下图。 图表 1：基金数量 wind，华鑫证券研究 从 2012 年到 2017 年基金数量增加到 1000 个，2022 年突破 2000 只水平。 、 因子测试方法 我们用五分组方法来判断基金因子有效性，即把全样本的基金分为 5 个持有一样数量的基金组合，因子排序从最高到最低，其中各组的基金权重为等权。通过观察分组收益单调性，RankIC/ICIR，多头/等权收益率，多空组合收益率等综合判断因子有效性。 每个测试中第一组表达理论上要表现最佳的组合（例如动量最高的基金或者 Amihud R^2 最低的组合），第五组是理论上表现最差的组合。为了保证数据稳定性，因子必要有最近 12 个月的历史净值记录才入选。 在所有的单因子测试中，研究的时期为 2012/01/01-2022/05/27。调仓频率为月度调仓。 最后构建组合时第一组（前 n 基金）组合指的是在第一组进一步筛选 n 个排序最高的基金。我们增加本组合主要的原因在于 2020 年以来第一组持有的基金数量大约在 400-450个基金。这种组合虽然是有很明显的研究价值，但实际交易中这样的组合比较难维持，另外交易过程也比较难：各个月平均的基金数量变动在 120（平均而言需要买入和卖出 60 个基金）。因此我们主要是提高组合的使用价值。 2、 单因子测试 、 收益类因子 、动量 动量定义为基金的收益率最近 n 期的积累值。常用的 n 参数为 6/12/18/24（即 n 个月动量），我们这里显示回测最优的结果参数 n=6 以及回测图（结果如图 2 和表 1）。同时我们对 n 进行敏感性测试后并未很高，结果如下表。 图表 2：6 个月动量因子回测结果表 分组 年化收益率 年化波动 最大回撤 收益风险比 换手率 组1 15.3% 21.01% 48.4% 0.73 3.363 组2 11.9% 20.67% 46.8% 0.58 6.454 组3 10.7% 20.34% 46.0% 0.52 7.122 组4 9.6% 20.05% 45.8% 0.48 6.648 组5 6.0% 19.19% 47.3% 0.31 3.588 多空 8.8% 9.82% 25.3% 0.89 N aN wind，华鑫证券研究 图表 3：6 个月动量因子回测结果图 wind，华鑫证券研究 图表 4：动量因子敏感性测试 n 参数，年化收益率 n= 6 12 18 24 第一组 14.42% 12.50% 12.37% 12.21% 第二组 11.24% 11.12% 10.71% 10.70% 第三组 9.54% 9.60% 9.49% 9.39% 第四组 7.48% 7.80% 8.70% 8.15% 第五组 5.36% 7.09% 6.88% 7.75% 基准 9.77% 9.77% 9.77% 9.77% 多空组合 9.06% 5.41% 5.49% 4.46% wind，华鑫证券研究 、逆境收益率因子 逆境收益率因子是被 Sun, Wang, Zheng (2018) 研究的因子。主要的思路在于逆境下基金收益率表现是比顺境收益率更有代表性和预测能力，即市场在熊市状态的时候相对盈利比较高的基金未来收益率很有可能会高于其他基金。 本模型主要有三个技术方面的问题: 为了判断熊牛市需要设定市场基准。本研究中基准一律定义为股票型和偏股型等权组合。主要的原因是在于基金研究中需要找出合适基金熊牛市判断的基准。 逆境和顺境判断的均值窗口。常用的方法是用过去 k 个时期的基准表现来判断目前的走势。本研究中我们按照基准最近 12 个月收益率积累值来判断顺境和逆境：若基准最近 12 个月收益率为负，目前的情景定为逆境，不然是为顺境。 用多少逆境收益率数据点来做基金排序。本报告我们按照离 t 时刻最近的 6 个逆境收益率数据点来做基金排序：这六个月收益率最高的基金排序是最高的，反之亦然。 6 1 + ????,????????