量化模型与构建方式 1. 模型名称：风格轮动型基金优选组合 模型构建思路：基于成长价值与大小盘两个维度，根据基金在两个报告期的股票持仓，构建基金绝对主动轮动指标，识别风格轮动型基金或风格稳定型基金，并通过主动轮动收益因子刻画基金风格轮动的效果，进行基金优选[22] 模型具体构建过程： - 首先，根据基金在两个报告期的股票持仓，计算基金在成长价值与大小盘两个维度上的风格暴露变化 - 构建绝对主动轮动指标，剔除被动风格变化部分，保留基金经理主动调整的部分 - 通过主动轮动收益因子，计算基金风格轮动的效果，筛选出风格轮动型基金 - 策略采用半年频调仓，每年3月末/8月末进行调仓，选基范围为偏股混合型基金及普通股票型基金，并扣除交易成本[22] 模型评价：该模型能够有效识别风格轮动型基金，并通过风格轮动收益因子优选基金，但近期表现未能跑赢基准指数[22] 2. 模型名称：基于基金特征和基金能力的综合选基策略 模型构建思路：从基金规模、持有人结构、基金业绩动量、选股能力、隐形交易能力、含金量等多个维度构建选基因子，并进行等权重合成，优选普通股票型基金及偏股混合型基金[31] 模型具体构建过程： - 基金规模因子：使用基金规模、份额（合并口径）数据 - 持有人结构因子：使用员工持有份额占比数据 - 基金业绩动量因子：由4因子模型alpha、夏普比率、区间胜率、HM模型中的择时能力系数等权重合成，使用过去1年的基金净值数据计算 - 选股能力因子：根据多期Brinson模型，使用基金季频重仓股数据计算，由选股胜率、选股超额收益率等权重合成 - 隐形交易能力因子：由隐形收益能力因子、风险转移能力因子等权重合成 - 含金量因子：考察基金重仓股中包含的券商金股情况 - 策略采用季频调仓，每年1、4、7、10四个月末进行调仓，并扣除交易成本[31] 模型评价：该模型通过多维度因子优选基金，长期表现优于基准指数，但近期表现未能跑赢基准指数[31] 3. 模型名称：基于交易动机因子及股票价差收益因子的选基策略 模型构建思路：将基金的交易动机进行划分并构造基金交易动机因子，再结合基金利润表中的股票价差收益因子，构造二者相结合的选基策略，筛选出股票价差收益较高、拥有主动交易动机且业绩粉饰可能性较低的基金[37] 模型具体构建过程： - 交易动机因子：由估值/流动性动机因子、业绩粉饰动机因子等权合成，其中估值/流动性动机因子根据基金报告期间资金流与股票买卖金额、累计买入/卖出股票金额2%以上或前20股票成交额占比数据计算得出 - 股票价差收益因子：由基金利润表中股票价差收入（股票投资收益科目）计算而来 - 策略采用半年频调仓，每年3月末/8月末进行调仓，从主动权益型基金中筛选，并扣除交易成本[37] 模型评价：该模型能够有效筛选出具有主动交易动机且股票价差收益较高的基金，长期表现优于基准指数，但近期表现未能跑赢基准指数[37] 4. 模型名称：基金经理持股网络中交易独特性选基策略 模型构建思路：根据基金经理持股、交易的明细构建网络，并由此构建客户基金经理交易独特性的指标，筛选出交易独特性较高的基金[42] 模型具体构建过程： - 首先，根据基金经理持股、交易数据构建基金经理网络 - 基于该网络，计算每个基金经理与其相关联基金经理在交易方面的差异，构建交易独特性因子 - 策略采用半年频调仓，每年4月初/8月初进行调仓，选基范围为偏股混合型基金、普通股票型基金、灵活配置型基金，并扣除交易成本[42] 模型评价：该模型能够有效识别交易独特性较高的基金，长期表现优于基准指数，但近期表现未能跑赢基准指数[42] 模型的回测效果 1. 风格轮动型基金优选组合 - 2月份收益率：3.61% - 年化收益率：9.37% - 年化波动率：19.05% - Sharpe比率：0.49 - 最大回撤率：37.30% - 年化超额收益率：3.95% - 超额最大回撤率：9.49% - 信息比率（IR）：0.74 - 2月份超额收益率：-0.69%[27] 2. 基于基金特征和基金能力的综合选基策略 - 2月份收益率：3.21% - 年化收益率：13.49% - 年化波动率：21.74% - Sharpe比率：0.62 - 最大回撤率：44.27% - 年化超额收益率：5.36% - 超额最大回撤率：7.96% - 信息比率（IR）：1.07 - 2月份超额收益率：-1.08%[35] 3. 基于交易动机因子及股票价差收益因子的选基策略 - 2月份收益率：0.35% - 年化收益率：8.86% - 年化波动率：21.65% - Sharpe比率：0.41 - 最大回撤率：48.39% - 年化超额收益率：3.00% - 超额最大回撤率：19.35% - 信息比率（IR）：0.52 - 2月份超额收益率：-5.10%[41] 4. 基金经理持股网络中交易独特性选基策略 - 2月份收益率：2.03% - 年化收益率：10.16% - 年化波动率：19.49% - Sharpe比率：0.52 - 最大回撤率：37.26% - 年化超额收益率：4.83% - 超额最大回撤率：8.23% - 信息比率（IR）：1.00 - 2月份超额收益率：-2.79%[49] 量化因子与构建方式 1. 因子名称：交易动机因子 因子构建思路：将基金的交易动机划分为估值/流动性动机和业绩粉饰动机，构建交易动机因子[54] 因子具体构建过程： - 估值/流动性动机因子：根据基金报告期间资金流与股票买卖金额、累计买入/卖出股票金额2%以上或前20股票成交额占比数据计算得出 - 业绩粉饰动机因子：根据基金报告期间资金流与股票买卖金额、累计买入/卖出股票金额2%以上或前20股票成交额占比数据计算得出 - 交易动机因子：由估值/流动性动机因子、业绩粉饰动机因子等权合成[54] 2. 因子名称：股票价差收益因子 因子构建思路：根据基金利润表中股票价差收入（股票投资收益科目）计算而来[54] 因子具体构建过程： - 从基金利润表中提取股票投资收益科目数据 - 计算股票价差收益因子[54] 3. 因子名称：基金规模因子 因子构建思路：使用基金规模、份额（合并口径）数据[54] 因子具体构建过程： - 从基金报告中提取基金规模、份额数据 - 计算基金规模因子[54] 4. 因子名称：持有人结构因子 因子构建思路：使用员工持有份额占比数据[54] 因子具体构建过程： - 从基金报告中提取员工持有份额占比数据 - 计算持有人结构因子[54] 5. 因子名称：基金业绩动量因子 因子构建思路：由4因子模型alpha、夏普比率、区间胜率、HM模型中的择时能力系数等权重合成，使用过去1年的基金净值数据计算[54] 因子具体构建过程： - 计算4因子模型alpha - 计算夏普比率 - 计算区间胜率 - 计算HM模型中的择时能力系数 - 基金业绩动量因子：由上述四个因子等权重合成[54] 6. 因子名称：选股能力因子 因子构建思路：根据多期Brinson模型，使用基金季频重仓股数据计算，由选股胜率、选股超额收益率等权重合成[54] 因子具体构建过程： - 计算选股胜率 - 计算选股超额收益率 - 选股能力因子：由上述两个因子等权重合成[54] 7. 因子名称：隐形交易能力因子 因子构建思路：由隐形收益能力因子、风险转移能力因子等权重合成，从收益和风险两个层面度量基金交易带来的贡献[54] 因子具体构建过程： - 计算隐形收益能力因子 - 计算风险转移能力因子 - 隐形交易能力因子：由上述两个因子等权重合成[54] 8. 因子名称：含金量因子 因子构建思路：考察基金重仓股中包含的券商金股情况[54] 因子具体构建过程： - 从基金重仓股数据中提取券商金股情况 - 计算含金量因子[54] 9. 因子名称：主动轮动收益因子 因子构建思路：根据区间风格主动变化及区间风格因子收益计算，体现基金风格轮动的结果[54] 因子具体构建过程： - 计算区间风格主动变化 - 计算区间风格因子收益 - 主动轮动收益因子：由上述两个部分计算得出[54] 10. 因子名称：绝对主动轮动指标 因子构建思路：将基金报告期之间的风格变化，剔除了被动变化的部分，保留基金经理主动调整的部分[54] 因子具体构建过程： - 计算基金报告期之间的风格变化 - 剔除被动风格变化部分 - 绝对主动轮动指标：保留基金经理主动调整的部分[54] 11. 因子名称：交易独特性因子 因子构建思路：根据基金经理持股、交易数据构建基金经理网络，然后基于该网络计算出每个基金经理与其相关联基金经理在交易方面的差异[54] 因子具体构建过程： - 构建基金经理网络 - 计算每个基金经理与其相关联基金经理在交易方面的差异 - 交易独特性因子：由上述差异计算得出[54]