量化模型与构建方式 1. 模型名称：Brinson归因模型[60][70] * 模型构建思路： 用于将投资组合的超额收益分解为资产配置（择时）贡献和证券选择（择券）贡献，以评估管理人在不同维度的主动管理能力[60][71]。 * 模型具体构建过程： 1. 定义权益仓位为“股票仓位 + 1/2 转债仓位”[70]。 2. 选取静态的股债组合作为基准，例如“28组合”（20%权益+80%债券）和“19组合”（10%权益+90%债券）[70]。 3. 将“固收+”基金的实际收益与基准组合收益进行比较，计算超额收益[70]。 4. 将超额收益分解为两部分：配置收益（择时）和择券及其他收益（Alpha）[70][71]。 5. 配置收益衡量因权益仓位偏离基准配置比例带来的贡献，择券及其他收益衡量在给定仓位下，通过个股、债券选择等带来的贡献[71]。 * 模型评价： 该模型有效揭示了“固收+”基金超额收益的主要来源是择券能力而非资产择时，且择时贡献为负，反映出“右侧跟随”策略在拐点处的滞后性[71][79]。 2. 模型名称：财务报表归因模型[60][77] * 模型构建思路： 从基金财务报表（利润表）中直接拆解不同资产类别的收益贡献，用于分析股票和债券资产各自对组合损益的贡献[60][77]。 * 模型具体构建过程： 1. 从基金的利润数据中，分离出股票投资收益和债券投资收益[77]。 2. 分别计算股票端和债券端在不同时期的收益贡献[77]。 3. 通过时序分析，观察股债资产在不同市场环境（如权益下行期）下对组合净值波动的对冲与增强作用[77]。 * 模型评价： 直观地展示了“固收+”策略“收益弹性来自权益资产、回撤控制依赖债券资产”的典型特征，债券资产的稳定正收益构成了组合的防御底色[77]。 3. 模型名称：债券收益分解模型[104][107] * 模型构建思路： 对债券端的投资收益进行进一步拆解，区分票息收入、交易价差和公允价值变动等不同来源，以分析债券端的收益增强模式[104][107]。 * 模型具体构建过程： 1. 将债券投资收益分解为利息收入、逆回购收入、债券投资损益（买卖价差）和公允价值变动损益等科目[107]。 2. 分别计算“固收+”基金和纯固收基金在各科目上的单位资产收益贡献[104]。 3. 通过对比分析，识别“固收+”基金在债券端获取超额收益的具体方式（如票息增强、波段交易等）[104][115]。 * 模型评价： 揭示了“固收+”基金债券端收益并非单纯依赖票息，而是形成了“票息打底、交易增强”的结构化收益模式，通过资本利得增厚收益[104][115]。 4. 模型/因子名称：权益风格因子暴露模型[132] * 构建思路： 通过构建一系列风格因子，对“固收+”基金权益持仓的风格特征进行定量刻画，并与主动股基进行对比，以明确其风格偏好[132]。 * 具体构建过程： 1. 基于基金半年报持仓数据，为个股构建风格因子体系，包括市值（Cap）、估值（PB）、成长（SUE）、盈利（ROE）、换手率（Turn）、特质波动率（Resvol）等因子[132]。 2. 在基金内部，将个股的因子值按其持仓市值进行加权，得到基金层面的风格暴露值[132]。 3. 在“固收+”基金池内，取所有基金风格暴露的横截面中位数，以表征其典型风格特征[132]。 4. 以同样的方法计算主动股基的典型风格特征，并进行对比分析[132]。 * 模型/因子评价： 该模型清晰地揭示了“固收+”基金权益端呈现“大市值、低估值、低波动”的偏大盘价值风格，且在盈利质量上仍有要求，并非完全防御[132][138]。 模型的回测效果 （注：报告主要展示了基于上述模型对“固收+”基金整体进行的归因分析结果，而非单一量化策略的回测。以下为归因分析的关键结果汇总。） 1. Brinson归因模型（全区间，基准：19组合）[75] * 超额收益：0.60% * 配置收益（择时）：-0.03% * 择券及其他收益（Alpha）：0.62% 2. Brinson归因模型（全区间，基准：28组合）[75] * 超额收益：0.53% * 配置收益（择时）：-0.09% * 择券及其他收益（Alpha）：0.62% 3. 权益风格因子暴露模型（全区间风格暴露中位数对比）[135] * 市值因子： “固收+”暴露为0.50，主动股基暴露为0.00 * 估值PB因子： “固收+”暴露为0.00，主动股基暴露为0.20 * 成长SUE因子： “固收+”暴露为0.00，主动股基暴露为0.10 * 盈利ROE因子： “固收+”暴露为0.30，主动股基暴露为0.20 * 换手率因子： “固收+”暴露为-0.30，主动股基暴露为0.00 * 特质波动率因子： “固收+”暴露为-0.40，主动股基暴露为0.00 量化因子与构建方式 1. 因子名称：市值因子（Cap）[132] * 构建思路： 衡量股票市值规模的大小，用于区分大盘股与小盘股风格[132]。 * 具体构建过程： 使用个股的总市值或流通市值作为因子值。在基金层面，按持仓市值加权得到基金的整体市值暴露[132]。 2. 因子名称：估值因子（PB）[132] * 构建思路： 使用市净率（Price-to-Book Ratio）衡量股票的估值水平，用于区分价值股与成长股风格[132]。 * 具体构建过程： 计算个股的市净率（股价/每股净资产）作为因子值。在基金层面，按持仓市值加权得到基金的整体估值暴露[132]。 3. 因子名称：成长因子（SUE）[132] * 构建思路： 使用标准化意外盈余（Standardized Unexpected Earnings）衡量公司的盈利增长超预期程度，用于捕捉成长风格[132]。 * 具体构建过程： 计算公司当期实际盈利与市场预期盈利的差，再除以盈利预测的标准差进行标准化，得到SUE因子值。在基金层面按持仓市值加权[134]。 4. 因子名称：盈利因子（ROE）[132] * 构建思路： 使用净资产收益率（Return on Equity）衡量公司的盈利能力和质量[132]。 * 具体构建过程： 计算个股的净资产收益率（净利润/净资产）作为因子值。在基金层面，按持仓市值加权得到基金的整体盈利质量暴露[132]。 5. 因子名称：换手率因子（Turn）[132] * 构建思路： 衡量股票的交易活跃度或流动性[132]。 * 具体构建过程： 使用个股在一定时期内的换手率作为因子值。在基金层面，按持仓市值加权得到基金对高换手率股票的偏好程度[132]。 6. 因子名称：特质波动率因子（Resvol）[132] * 构建思路： 衡量股票价格中不能被市场共同因素解释的 idiosyncratic 波动部分，用于区分低波动与高波动风格[132]。 * 具体构建过程： 通过回归模型（如市场模型）剥离个股收益中的系统性风险（Beta）后，残差序列的标准差即为特质波动率。在基金层面按持仓市值加权[132]。 因子的回测效果 （注：报告未提供上述单一因子在选股上的独立回测表现（如IC、IR等），而是展示了“固收+”基金整体在这些因子上的暴露情况，作为其风格特征的描述。因此，本部分无具体因子测试结果取值。）