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,通过基金在两个报告期的股票持仓构建绝对主动轮动指标,识别风格轮动型基金,并利用主动轮动收益因子优选基金[3] 模型具体构建过程: - 计算基金持仓的风格暴露变化,剔除被动调整部分,保留主动调整部分 - 构建绝对主动轮动指标: 其中为第只股票在期的权重 - 根据主动轮动收益因子(风格轮动带来的超额收益)筛选基金[3] 模型评价:能够有效捕捉基金经理主动调整风格的能力 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、业绩动量、选股能力等维度构建选基因子,等权重合成[4] 模型具体构建过程: - 基金规模类因子:合并口径的基金规模、份额 - 持有人结构类因子:员工持有份额占比 - 业绩动量类因子:由4因子模型alpha、夏普比率、区间胜率、HM择时能力系数等权合成 - 选股能力因子:基于Brinson模型计算选股胜率和超额收益 - 隐形交易能力因子:结合收益和风险贡献 - 含金量因子:考察重仓股中券商金股占比[4] 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:结合交易动机(估值/流动性动机、业绩粉饰动机)与股票价差收益筛选基金[5] 模型具体构建过程: - 交易动机因子: - 估值/流动性动机:根据资金流与股票买卖金额、大额成交占比计算 - 业绩粉饰动机:通过特定交易行为识别 - 股票价差收益因子:从基金利润表股票投资收益科目提取[5] 4. 模型名称:基金经理持股网络交易独特性选基策略 模型构建思路:基于基金经理持股交易数据构建网络,计算交易独特性指标[6] 模型具体构建过程: - 构建基金经理关联网络 - 计算每位基金经理与关联基金经理的交易差异度 - 生成交易独特性因子[6] 模型的回测效果 1. 风格轮动型基金优选组合 - 6月收益率:4.45% - 年化收益率:9.05% - 年化波动率:19.67% - Sharpe比率:0.46 - 最大回撤:37.30% - 年化超额收益:3.43% - IR:0.46[3] 2. 基于基金特征和基金能力的综合选基策略 - 6月收益率:4.26% - 年化收益率:13.09% - 年化波动率:22.51% - Sharpe比率:0.58 - 最大回撤:44.27% - 年化超额收益:4.92% - IR:0.61[4] 3. 基于交易动机因子及股票价差收益因子的选基策略 - 6月收益率:6.47% - 年化收益率:9.03% - 年化波动率:21.66% - Sharpe比率:0.42 - 最大回撤:48.39% - 年化超额收益:3.09% - IR:0.53[5] 4. 基金经理持股网络交易独特性选基策略 - 6月收益率:5.38% - 年化收益率:9.86% - 年化波动率:19.51% - Sharpe比率:0.51 - 最大回撤:37.26% - 年化超额收益:4.30% - IR:0.85[6] 量化因子与构建方式 1. 因子名称:绝对主动轮动指标 因子构建思路:衡量基金风格主动调整程度[3] 因子具体构建过程: 其中为股票在期持仓权重[3] 2. 因子名称:主动轮动收益因子 因子构建思路:量化风格轮动带来的超额收益[3] 因子具体构建过程: - 计算基金风格暴露变化 - 结合同期风格因子收益计算贡献[3] 3. 因子名称:交易独特性因子 因子构建思路:衡量基金经理交易行为差异化程度[6] 因子具体构建过程: - 构建基金经理交易相似度矩阵 - 计算个体与网络平均交易的偏离度[6] 因子的回测效果 (注:报告中未单独披露因子IC、IR等具体数值)
量化选基月报:6月份交易类选基策略业绩改善-20250706
国金证券·2025-07-06 16:50