量化模型与构建方式 1. 模型名称：固收+基金风险暴露模型 * 模型构建思路： 通过多元线性回归，将固收+基金的净值收益率分解为对各类资产风格纯因子收益的暴露，以刻画其风险特征[3]。 * 模型具体构建过程： 将固收+基金的净值收益率作为因变量，对债券、股票、可转债等资产的风格纯因子收益率进行回归分析。回归模型估计出的系数即为该基金在各类因子上的风险暴露值。具体涉及的因子包括： * 债券风险因子： 利率水平、违约暴露等[3]。 * 股票风险因子： 低估值、成长、市值等风格因子[3]。 * 转债风险因子： 余额、仓位等[3]。 * 模型评价： 该模型能够系统性地分析固收+基金在不同资产类别和风格上的风险敞口，有助于理解其收益来源和风险结构[3]。 2. 模型名称：纯债基金风险暴露模型 * 模型构建思路： 通过多元线性回归，将纯债基金的净值收益率分解为对关键利率和信用风险因子的暴露[5]。 * 模型具体构建过程： 将纯债基金的净值收益率作为因变量，对五个债券市场风险因子的收益率进行回归分析。回归模型估计出的系数即为该基金在各因子上的风险暴露值。具体因子包括： * 利率风险因子： 利率水平（Level）、斜率（Slope）、凸度（Curvature）[5]。 * 信用风险因子： 信用（Credit）、违约（Default）[5]。 * 模型评价： 该模型能够精细刻画纯债基金的久期（利率）风险和信用风险敞口，是分析纯债基金风险特征和业绩归因的核心工具[5]。 3. 模型名称：固收+基金优选模型 * 模型构建思路： 基于“胜率”和“赔率”等多个维度，每季度从固收+基金池中筛选出10只基金构建等权优选组合[4][25]。 * 模型具体构建过程： 1. 定义固收+基金池：过去四个季度平均权益仓位（股票仓位+转债仓位的50%）在40%以下的一级债基、二级债基、偏债混合型和灵活配置型基金[2][12]。 2. 从该基金池中，每季度使用“胜率”、“赔率”等多个筛选维度，优选10只基金[4][25]。 3. 将选出的10只基金进行等权配置，构建固收+基金优选组合[4][25]。 4. 模型名称：纯债基金优选模型 * 模型构建思路： 在控制风格暴露偏离度的前提下，选择特质收益（Alpha）较高的基金构建等权优选组合[6][46]。 * 模型具体构建过程： 1. 对纯债基金池，使用纯债基金风险暴露模型计算每只基金在利率水平、斜率、凸度、信用和违约五个因子上的暴露值[46]。 2. 筛选出各项风格暴露均在市场平均水平上下一倍标准差范围内的基金，构成初选池[6][46]。 3. 在该初选池中，季频选择特质收益（Alpha）较高的十只基金[6][46]。 4. 将选出的10只基金进行等权配置，构建纯债基金优选组合[6][46]。 模型的回测效果 1. 固收+基金优选模型 * 2026年3月区间收益：跑输二级债基指数0.12%[26]。 * 2026年以来区间收益：跑赢二级债基指数0.44%[26]。 2. 纯债基金优选模型 * 2026年3月区间收益：0.28%[49]。 * 2026年3月超额收益：跑输中长期纯债基金指数0.01%[49]。 量化因子与构建方式 1. 因子名称：固收+基金分类因子（股票型/转债型/混合型） * 因子构建思路： 根据固收+基金权益资产的投资类型进行分类[2]。 * 因子具体构建过程： 1. 计算基金的权益仓位 = 股票仓位 + 转债仓位 × 50%[2][12]。 2. 根据权益资产的具体构成进行分类： * 股票型： 权益资产全部投资于股票[2][12]。 * 转债型： 权益资产全部投资于可转债[2][12]。 * 混合型： 权益资产同时投资于股票和可转债[2][12]。 2. 因子名称：债券风险因子（用于固收+基金） * 因子构建思路： 用于解释债券资产价格变动的系统性风险来源[3]。 * 因子具体构建过程： 报告中提及了以下因子，但未给出具体计算公式： * 利率水平因子： 反映整体利率水平变化的风险[3]。 * 违约因子： 反映债券违约风险变化的风险[3]。 3. 因子名称：股票风险因子 * 因子构建思路： 用于解释股票资产价格变动的常见风格风险来源[3]。 * 因子具体构建过程： 报告中提及了以下风格因子，但未给出具体计算公式： * 低估值因子： 反映估值水平高低风格的风险[3]。 * 成长因子： 反映成长性风格的风险[3]。 * 市值因子： 反映公司市值大小风格的风险[3]。 4. 因子名称：转债风险因子 * 因子构建思路： 用于解释可转债资产价格变动的特定风险来源[3]。 * 因子具体构建过程： 报告中提及了以下因子，但未给出具体计算公式： * 余额因子： 可能反映转债存量规模或供需关系对价格的影响[3]。 * 仓位因子： 可能反映机构持仓变化对转债市场的影响[3]。 5. 因子名称：纯债基金风险因子（利率水平、斜率、凸度、信用、违约） * 因子构建思路： 采用经典的利率期限结构模型和信用利差模型，构建解释纯债价格变动的五个核心风险因子[5]。 * 因子具体构建过程： 报告指出使用这五个因子进行回归，但未给出每个因子的具体计算公式。通常这些因子构建如下： * 利率水平（Level）： 反映收益率曲线平行移动的风险，通常用长期利率代表。 * 斜率（Slope）： 反映收益率曲线陡峭化或平坦化的风险，通常用长短期利差（如10年期-2年期国债收益率）代表。 * 凸度（Curvature）： 反映收益率曲线曲度变化的风险，通常通过组合短、中、长期利率构建。 * 信用（Credit）： 反映信用利差整体变化的风险，通常用投资级信用债指数与国债指数的利差代表。 * 违约（Default）： 反映违约风险溢价变化的风险，通常用高收益债与投资级债的利差代表。 6. 因子名称：纯债基金特质收益（Alpha） * 因子构建思路： 衡量纯债基金在剥离掉上述五个系统性风险因子影响后，所获得的超额收益[6][46]。 * 因子具体构建过程： 在纯债基金风险暴露模型中，基金净值收益率与五个因子收益率进行回归后，回归方程的残差项即为该基金的特质收益（Alpha）[46]。模型形式可表示为： $R_{i,t} = Alpha_i + \beta_{i,Level} * F_{Level,t} + \beta_{i,Slope} * F_{Slope,t} + \beta_{i,Curvature} * F_{Curvature,t} + \beta_{i,Credit} * F_{Credit,t} + \beta_{i,Default} * F_{Default,t} + \epsilon_{i,t}$ 其中，$R_{i,t}$ 是基金i在t期的收益率，$Alpha_i$ 是基金i的特质收益，$\beta_{i, * }$ 是基金i对各因子的暴露，$F_{*, t}$ 是各因子在t期的收益率，$\epsilon_{i,t}$ 为残差。 因子的回测效果 （报告中未提供单个因子的独立测试结果，如IC、IR等，仅提供了基于因子构建的模型组合表现，详见“模型的回测效果”部分。）