好的，作为一名熟练的金融工程分析师，我将对您提供的研报内容进行总结。 量化因子与构建方式 **1. 因子名称：跟踪误差** * **因子构建思路**：以万得偏股混合型基金指数（885001.WI）作为基准，计算基金过去一年日度超额收益的波动率，用以刻画基金的主动管理程度和收益分化潜力[24]。 * **因子具体构建过程**： 1. 计算基金每日相对于基准指数的超额收益。 2. 计算过去一年（约250个交易日）内，这些日度超额收益的标准差。 3. 该标准差即为基金的跟踪误差[24]。 * **因子评价**：跟踪误差能够较好地刻画基金同期的收益分化程度，跟踪误差越高，基金之间的收益分化通常越大[33]。历史跟踪误差具有持续性，高跟踪误差基金未来收益分化程度更高，且未来收益表现整体更优[36][39][43]。 **2. 因子名称：截面赔率组合收益** * **因子构建思路**：基于时序上涨跌不对称的“串联陷阱”，在截面上通过等权配置上涨资产与下跌资产，利用“加法效应”将时序上的亏损转化为正收益[6][10]。 * **因子具体构建过程**： 1. 定义时序归零配对组（a, b），其中a为上涨幅度，b为下跌幅度，满足时序收益归零条件：$$(1+a)*(1-b)=1$$[7][11] 2. 推导出上涨幅度a与下跌幅度b的关系：$$a = \frac{b}{1-b}$$[8] 3. 将这一配对关系映射到截面，对满足上述关系的两个资产进行等权配置，构成截面赔率组合，其组合收益R为：$$R=\frac{a-b}{2}=\frac{\frac{b}{1-b}-b}{2}=\frac{b^{2}}{2(1-b)}>0$$[9] * **因子评价**：截面资产收益分化越大，组合收益越高，该因子揭示了截面赔率效应的存在[13]。 **3. 因子名称：综合选基因子** * **因子构建思路**：在高跟踪误差基金池中，选取多个有效的选基因子进行等权合成，构建一个综合性的选基因子，以提高识别未来优势基金的能力[81]。 * **因子具体构建过程**： 1. 根据因子在高跟踪误差域中的有效性检验结果，选取了隐性风险Alpha、隐形交易能力、员工信心、持仓收益、逆向投资能力等因子[81]。 2. 将这些选定的因子进行等权合成，得到综合选基因子[81]。 * **因子评价**：综合选基因子在高跟踪误差基金池中具有较好的收益预测作用，RankIC均值为15.73%，RankICIR为1.43[81]。 **4. 因子名称：PB-ROE暴露** * **因子构建思路**：通过计算基金持仓股票在PB（市净率）和ROE（净资产收益率）上的综合暴露，识别出兼具合理估值与稳定盈利的GARP（Growth at a Reasonable Price）风格基金[127]。 * **因子具体构建过程**： 1. 个股PB-ROE因子构建：计算个股的BP排名（市净率倒数排名）与ROE排名的差值[127]。 2. 行业、市值中性化：对上述因子进行行业和市值中性化处理，以剔除行业与市值的影响[127]。 3. 测算基金PB-ROE暴露：按基金持仓权重加权，计算基金整体的PB-ROE暴露[127]。 4. 平滑基金风格暴露：取近4个报告期的暴露均值，以平滑基金的风格暴露[127]。 5. 构建GARP风格基金池：选取PB-ROE暴露最高的前20%基金，作为GARP风格基金池[127]。 * **因子评价**：该因子用于识别具有特定投资风格的基金池，为风格分域下的组合构建提供基础[121]。 量化模型与构建方式 **1. 模型名称：高赔率FOF组合** * **模型构建思路**：在高跟踪误差基金池中，通过综合选基因子进行域内优选，直接选取得分最高的20只基金构建组合，以捕捉高分化基金池中的截面收益空间[76][82]。 * **模型具体构建过程**： 1. **基金池筛选**：每月末，根据基金过去一年相对偏股混合型基金指数的跟踪误差，由低到高划分为5组，选取最高跟踪误差组G5作为高跟踪误差基金池[76]。 2. **域内优选**：在高跟踪误差基金池内，使用综合选基因子对基金进行打分[76]。 3. **组合构建**：直接选取综合选基因子得分最高的20只基金，等权构建高赔率FOF组合[82]。 4. **调仓规则**：在1、4、7、10月末之后的第一个交易日进行调仓[82]。 5. **样本空间**：成立超过15个月的普通股票型、偏股混合型及灵活配置型基金，且过去四个报告期股票仓位均大于70%；只保留A类基金；基金合计规模在2亿到50亿之间；剔除暂停申购或大额申购、定期开放、持有期基金[82]。 6. **交易费率**：申购费率为5%%，赎回费率为0.1%[82]。 7. **业绩基准**：偏股混合型基金指数[82]。 * **模型评价**：该模型能有效捕捉高跟踪误差基金池的收益弹性，但稳定性欠缺，主要原因是组合在部分行业板块上存在较为集中的风险暴露[87][88]。 **2. 模型名称：高赔率FOF精选组合** * **模型构建思路**：在高赔率FOF组合的基础上，引入风险控制模型，通过约束组合的行业和港股配置偏离度，以降低板块集中暴露带来的风险，提升组合稳定性[103][104]。 * **模型具体构建过程**： 1. **基金池筛选**：与高赔率FOF组合的基金池筛选规则一致[104]。 2. **组合优化**：在满足约束条件的前提下，最大化FOF组合的综合选基因子加权得分[103][104]。优化模型如下： * 目标函数：最大化组合的综合选基因子得分 $S^T w$，其中 $w$ 为基金权重向量，$S$ 为每只基金的综合选基因子得分[103]。 * 行业约束：$l_s \leq X_s w - b_s \leq h_s$，其中 $X_s$ 为基金在Wind一级行业分类上的暴露矩阵，$b_s$ 为主动股基平均行业配置权重，$l_s$ 和 $h_s$ 为偏离下限和上限[103]。 * 港股约束：$l_h \leq X_h w - b_h \leq h_h$，其中 $X_h$ 为基金在港股上的暴露矩阵，$b_h$ 为主动股基平均港股配置权重，$l_h$ 和 $h_h$ 为偏离下限和上限[103]。 * 个基权重约束：$l_w \leq w_i \leq h_w$，其中 $l_w$ 和 $h_w$ 为个基权重的下限和上限[103]。 * 仓位约束：$\sum w_i = 1$[103]。 3. **板块配置约束**：以主动股基的平均行业配置权重为中枢，板块配置权重最大偏离幅度为10%，港股最大偏离幅度不超过5%[104]。 4. **个基权重约束**：5%-15%[104]。 5. **调仓规则、样本空间、交易费率、业绩基准**：与高赔率FOF组合一致[104]。 * **模型评价**：该模型在保留多因子选基收益能力的同时，通过风险约束有效降低了组合的板块集中暴露风险，提升了超额收益的稳定性和组合的年度胜率[88][107]。 **3. 模型名称：稳健增强FOF组合** * **模型构建思路**：在低跟踪误差基金池中，叠加综合选基因子进行增强，并在严格控制行业和港股偏离度的条件下构建组合，旨在紧密跟踪偏股混合型基金指数的基础上获取稳定超额收益[112][113]。 * **模型具体构建过程**： 1. **基金池筛选**：每月末，根据基金过去一年相对偏股混合型基金指数的跟踪误差，由低到高划分为5组，选取最低跟踪误差组G1作为低跟踪误差基金池[112]。 2. **组合优化**：与高赔率FOF精选组合的优化框架一致，但约束条件更严格[113]。 3. **板块配置约束**：以主动股基的平均行业配置权重为中枢，板块配置权重最大偏离幅度为3%，港股最大偏离幅度不超过3%[113]。 4. **个基权重约束**：0%-4%[113]。 5. **调仓规则、样本空间、交易费率、业绩基准**：与高赔率FOF组合一致[113]。 * **模型评价**：该模型能够较好地紧跟偏股混合型基金指数走势，全区间跟踪误差仅2.53%，并在每年均取得正超额收益，体现出较好的稳健增强效果[118]。 模型与因子的回测效果 **1. 截面赔率效应检验** * K(1,20)组合（收益最高组与最低组等权组合）月均超额收益：0.62%[17] **2. 综合选基因子（高跟踪误差域）** * RankIC均值：15.73%[81] * RankICIR：1.43[81] * RankIC胜率：76.92%[81] * G10组（因子打分最高组）季均超额收益：2.27%[81] * 季度多空收益：4.26%[81] **3. 高赔率FOF组合（全区间：2017-2026.06）** * 年化收益率：26.32%[85] * 年化超额收益（相对偏股混合型基金指数）：16.46%[87] * 超额信息比（IR）：1.45[87] * 相对最大回撤：14.18%[85] * 跟踪误差：10.65%[85] * 收益回撤比：1.16[85] * 月胜率：67.54%[85] **4. 高赔率FOF精选组合（全区间：2017-2026.06）** * 年化收益率：28.95%[106] * 年化超额收益（相对偏股混合型基金指数）：19.09%[107] * 超额信息比（IR）：2.01[107] * 相对最大回撤：9.45%[107] * 跟踪误差：8.86%[106] * 收益回撤比：2.02[107] * 月胜率：67.54%[106] **5. 稳健增强FOF组合（全区间：2017-2026.06）** * 年化收益率：14.86%[115] * 年化超额收益（相对偏股混合型基金指数）：5.00%[118] * 超额信息比（IR）：1.80[115] * 相对最大回撤：2.31%[115] * 跟踪误差：2.53%[118] * 收益回撤比：2.16[115] * 月胜率：69.30%[115]