量化模型与构建方式 1. 模型名称：情绪Beta模型 模型构建思路：通过扩展CAPM模型，引入换手率变化因子来衡量资产价格对投资者情绪变化的敏感程度，从而刻画基金经理的逆向投资能力[3][4] 模型具体构建过程： - 扩展CAPM模型公式： $R\ =\ \alpha+\beta_{MRT}\times MKT+\beta_{TO}\times\Delta T0+\varepsilon$ 其中，$R$为资产日度收益，$MKT$为中证全指日度收益，$\Delta TO$为换手率变化因子，计算公式为： $\Delta T O\,=\,\frac{T u r n o v e r_{t}}{\sum_{i=1}^{N}T u r n o v e r_{t-i}/N}-1$[35] - 情绪Beta（$\beta_{TO}$）反映资产收益对投资者观点分歧度变化的敏感度，低情绪Beta表明基金经理在投资者观点趋于一致时更易获取超额收益[36][38] 2. 模型名称：多因子扩展模型（基于持仓） 模型构建思路：在Fama-French五因子模型基础上加入换手率变化因子，计算股票情绪Beta并映射到基金维度[58] 模型具体构建过程： - 回归模型： $R_{i}=\alpha_{i}+\beta_{i,MT}\times MRT+\beta_{i,SHB}\times SMB+\beta_{i,HML}\times HML+\beta_{i,HMT}\times RMW$ $+\beta_{i,CHA}\times CMA+\beta_{i,TQ}\times MT0+\varepsilon$[58] - 对股票情绪Beta进行行业和市值中性化处理： $\beta_{i,T0}\;=\;\alpha+\gamma_{M}l n(m k t c a p)+\sum_{j=1}^{n}\gamma_{j}\times l n d_{j,i}+\varepsilon_{i}$[60] - 基金持仓逆向投资能力因子（FHB）计算公式： $FHB\ =\ \sum_{i=1}^{n}w_{i}\times\widehat{\beta}_{i,T0}$[63] 3. 模型名称：多因子扩展模型（基于收益） 模型构建思路：在Carhart四因子模型中加入换手率变化因子，直接通过基金日度收益回归得到情绪Beta[69] 模型具体构建过程： - 回归模型： $F_{i}=\alpha_{i}+\beta_{i,MRT}\times MKT+\beta_{i,SMB}\times SMB+\beta_{i,HML}\times HML$ $+\beta_{(UMD)}\times UMD+\beta_{(TO)}\times\Delta T0+\varepsilon$[69] - 换手率变化因子计算同模型1[70] 量化因子与构建方式 1. 因子名称：基于基金持仓的逆向投资能力因子（FHB） 因子构建思路：通过基金持仓股票的情绪Beta加权合成，反映基金经理选股的逆向能力[58][63] 因子具体构建过程： - 计算股票情绪Beta并中性化[58][60] - 按持仓权重加权：$FHB = \sum w_i \times \widehat{\beta}_{i,TO}$[63] 2. 因子名称：基于基金收益的逆向投资能力因子（FSB） 因子构建思路：通过基金日度收益对换手率变化的敏感度直接衡量逆向能力[69] 因子具体构建过程： - 扩展Carhart四因子模型回归得到$\beta_{TO}$[69] 3. 因子名称：逆向投资能力因子（FSB综合） 因子构建思路：将FHB与FSB等权合成，综合持仓与收益维度的信息[75] 因子具体构建过程： - 合成公式：$FSB_{\text{综合}} = 0.5 \times FHB + 0.5 \times FSB$[75] 模型的回测效果 1. 情绪Beta模型： - 股票层面RankIC均值-2.75%，年化RankICIR -0.49[43] - 行业层面RankIC均值-4.44%，年化RankICIR -0.29[47] - 基金层面RankIC均值-5.78%，年化RankICIR -0.48[51] 2. FHB因子： - RankIC均值-7.30%，年化RankICIR -0.92，胜率67.21%[64] - 多头组季均超额收益0.95%，空头组-0.78%[64] 3. FSB因子： - RankIC均值-8.92%，年化RankICIR -1.04，胜率75.41%[71] - 多头组季均超额收益0.83%，空头组-0.65%[71] 4. FSB综合因子： - RankIC均值-10.85%，年化RankICIR -1.39，胜率78.69%[75] - 多头组季均超额收益1.23%，空头组-1.07%[76] 因子评价 1. 增量信息：逆向投资能力因子与9大类选基因子相关性绝对值均低于0.1，剥离常见因子后仍保持显著预测效果（G1组季均超额收益0.82%）[82][89] 2. 适应性：2023年后RankIC均值-11.20%，年化RankICIR -1.41，优于收益类因子（RankIC降至-1.40%）等传统因子[99] 3. 风格暴露：低情绪Beta基金持仓偏向低Beta、高市值、低杠杆股票，但与主动权益基金整体风格偏离较小[112][114]