因子选基第一步:三大维度判断选基因子有效领域——基金投资策略研究系列报告之三

（以下内容从申万宏源《因子选基第一步:三大维度判断选基因子有效领域——基金投资策略研究系列报告之三》研报附件原文摘录）
　　在整个基金投资大框架之中，我们先前的研究已经涵盖了其中对组合构建和困境处理的解决方案，而在基金筛选这个话题上，先前的基金标签研究也已经涵盖了一部分筛选和分类的内容，在过往的基金研究中，我们构建了大量的主动权益基金指标，从净值指标到持仓指标再到通过客观数据构建的能力指标等等，使我们能够对基金产品在各个方面的表现和特点进行全面刻画。 本次报告我们则将关注基金筛选中最核心的话题，即我们如何通过这些指标对基金产品进行定量的筛选？哪些指标在筛选过程中能够提供稳定且有效的选基效应？这些选基指标在哪些角度能够给选基提供帮助？ 1. 因子选基大观念：避免路径依赖，追求简单、客观、可解释性强的因子 1.1 寻找适应基金投资特点的因子构建逻辑 因资产本身差异，基金因子与股票因子在构建逻辑上差异非常大：对于股票而言，大部分因子均围绕股票背后的公司而构建，其核心逻辑在于通过定量指标——无论是价量，还是基本面、一致预期等——对公司进行全面评估，再通过量化的方法对其中能产生超额收益的因子进行提取，从而完成因子投资的逻辑构建。 而对于基金产品而言，股票因子的构建逻辑其实并不适用，有以下三个主要原因： 1）基金产品不是“一家公司”，可构建的因子不同：基金并不像股票一样可以进行运营质量和预期的衡量和评估，故类似于基本面、一致预期等指标对基金而言并不存在。同理，除少部分LOF以外，基金产品也不具有成交额等价量指标。故基金因子构建的角度应该与股票因子构建的角度有较大程度的不同，应更多从基金产品具有的数据中寻找能够用于后续业绩预测的专用基金因子； 2）基金产品是一个动态的组合：虽然我们也可以根据基金的持仓去进行穿透底层的基本面、一致预期等股票因子的构建，但由于基金产品的组合是动态变化的，加之基金持仓公布的滞后性，穿透至底层的股票因子并不能很好地为基金后续的实际运作提供参考，只能成为一个较为滞后的截面数据的静态分析指标，具有较大的片面性，扰动非常大，故我们不建议进行此类指标的计算。我们更倾向于从一些静态数据中取去总结基金经理的投资能力，或是与净值指标进行联动分析，而非单纯对一个静态的数据进行穿透底层的股票因子构建； 3）基金投资对策略换手率的限制更严格，更注重长期效应：与股票投资不同，基金由于其申赎需要的时间更长，同时产品申赎带来的交易损耗更加明显，绝大部分情况下不可能采取较高换手率的策略。故对于因子选基而言，我们将避免采用一些中高频的因子，转而构建一些低频的因子，同时在后续的策略构建上避免过高的换手率。（高频因子更多将作为基金组合战术调整策略的参考，本报告将暂时不进行涉及） 1.2 对不同赛道的基金分类讨论 正如同股票通常会进行分行业讨论，因子选基同样需要进行分类讨论：不同类型的基金产品，分析的侧重点也会不同，故传导到因子选基的逻辑上而言，同一个因子在不同类型基金上的有效性肯定也不同。 在本篇报告的主要内容中，我们将主要对全行业选股基金进行因子有效性测试。主要原因有三： 1）全行业选股基金在样本中的数量最多：占比大约达到了75%~80%，是最主要的产品类型，也是投资者最为关注的权益基金产品类型；（资料来源：Wind） 2）行业板块基金更多偏向于工具性配置：此外，不同行业板块可能有不同的有效因子，需要进行更细致的分类讨论，本报告暂时不进行涉及； 3）将样本限制在全行业选股基金中，可以避免部分赛道型或主题型基金对样本的扰动：A股市场的结构性行情尤为显著。很多长期布局于某一赛道的基金产品容易在特定的市场环境下具有显著较好的业绩表现，但此类业绩并非完全来自于可以稳定提供长期业绩表现的投资能力，而更多是来自于产品布局的赛道，受个别行情影响是较为显著的。 随着市场环境的改变，这类先前业绩出色的赛道型基金的指标意义较小，对后续选基的参考价值也会随之显著减弱。故为了避免这类赛道型或主题型产品对样本的扰动，我们在进行测试时将长期布局于某一赛道的基金产品进行了剔除，以减小对选基有效性测试结果的干扰。 我们采用的行业主题赛道基金的识别方法如下表所示： 1.3 对不同赛道的基金分类讨论 选基因子的构建，我们主要遵从三个原则： 1）坚持使用可量化的客观数据进行构建：我们避免使用类似第三方基金评级、获奖情况等非完全客观数据作为因子等，也避免使用类似基金经理履历、背景等不可量化数据作为因子样本中的信息来源，以此避免一些不必要的不确定性； 2）“分类指标”我们将不作为选基因子：如持仓的PE、市值风格，基金的行业主题倾向等倾向于用于分类的基金指标，我们将不会将其作为选基因子进行分析。一方面此类指标会对市场环境较为敏感，容易在选基过程中带来干扰，另一方面这些因子也通常不用做基金评价，对业绩的预测效应有限，故我们不将其纳入在样本之中； 3）选基因子的构建方式应该足够简单明了：在过往的研究过程中，我们在研究同时也有一些附带的基金指标的产出，如《基金相似度研究：如何找到与绩优基金风格策略相似的产品》中我们构建过“基金不可替代性”指标。但此类指标虽然也可能有一定的预测性，但其本身是一个复杂的研究内容下的一个衍生产物，不仅构建这些指标比较复杂繁琐，同时这些因子的可解释性也相对较弱，故我们不会将这些指标纳入我们的因子样本库，只会将一些构建方式简单，可解释性强的指标作为选基因子。 我们根据以上这些原则，将过去研究过程中构建的基金指标进行统筹和分类，最终大致将这些指标划分成七类，共同构建成我们目前的选基因子样本库。其中，通过净值指标构建的因子分别从近半年、近一年、近两年进行构建和测试，而需要借助年报、半年报数据进行构建的因子则会分别从近一期、近两期、近四期的维度进行构建，取时间维度内各期的均值作为最终的因子值。 2. 选基因子有效性测试：稳定性、头部优势与尾部剔除效应 我们为了方便横向比较，将所有因子的测试窗口进行了统一：由于部分因子的频率为每半年一次（即需要用到基金年报、半年报数据的因子），我们统一将测试时间窗口定为【从本次年报/半年报公布开始，到下一次年报/半年报公布为止】，即3月底至8月底和8月底至次年3月底。（注：最新一期的窗口截至2023年7月底） 有效性测试使用的基金样本为2017年以来各期成立满两年的全市场选股的主动权益基金。我们对因子是否有效的判定会从三个角度进行： 1）因子的稳定性：即各期因子对基金业绩的预测效应是否可持续。其中，因子的整体预测效应我们采用因子与下一期基金表现的Rank_IC指标进行计算，并最终用ICIR指标表征因子的稳定性； 2）因子的头部优势效应：除了因子的整体有效性之外，我们也对因子能否选出业绩出色的头部基金有兴趣，即因子值最靠前（或最靠后）的基金是否在下一期能够有领先于同类产品的业绩表现。我们通过提取因子值前50（或后50）的基金产品，并计算其下一期平均业绩与同类产品平均业绩的差值，来表征该因子该期的头部优势。同样我们使用各期头部优势的IR值来表征因子的头部优势效应； 3）因子的尾部剔除效应：此外，也有部分指标可能被应用于较大范围上剔除一部分业绩不好的基金产品，我们对这样的尾部剔除效应也进行了测试。我们提取因子值排名后1/3（或前1/3）的基金产品，并计算其下一期平均业绩与同类产品平均业绩的差值，来表征该因子该期的尾部剔除效果。同样我们使用各期尾部剔除效果的IR值来表征因子的尾部剔除效应。 2.1 维度1：业绩因子 业绩因子主要可分为三大类：收益率因子、回撤控制因子、收益风险比因子。各因子均通过基金净值表现进行计算，在测试因子时我们分别对过去半年、一年、两年作为时间窗口分别构建了因子。 收益率因子：从测试结果来看，近一年的年化收益率是相对而言选基效应较强的因子，具有较高的因子稳定性，同时也有一定的头部优势效应和尾部剔除效应。而权益上涨和下跌累计收益预测效应则相对较差，ICIR明显较低，同时也不具有比较明显的头部优势和尾部剔除效应。 风险控制因子：年化波动率和下行波动率均不具有较好的选基效应。而最大回撤则具有一定的选基效应，但头部优势效应较弱，尾部剔除效应也并不明显。故如果作为单因子进行使用的情况下，风险控制因子大多不具有较强的选基价值。 收益风险比因子：这些指标大多具有相对较强的选基效应，尤其是偏长期的收益风险比指标。近两年的calmar比率、信息比率和夏普比率均具有良好的选基效应稳定性，ICIR均在0.69以上。但在头部优势效应和尾部剔除效应上，一些偏短期的指标则具有相对较好的效果，如近6月的信息比率具有良好的头部优势效应，而近一年的信息比率则具有较好的尾部剔除效应。（资料来源：Wind） 但从各期的因子IC表现来看，近一年年化收益率指标有效性在部分报告期出现了明显的回撤：在2020下半年至2021年，该因子出现了比较明显的因子有效性下滑，甚至反向的现象出现，同时头部优势效应和尾部剔除效应也出现了反转。而该时间段是市场经历明显风格切换的时间段，这也说明该指标在市场风格相对稳定的环境下有一定的动量效应，但如果市场风格发生切换，则不应继续使用该指标选基。 三个长期收益风险比因子同样在2021年遭遇了明显有效性回撤。这也说明收益风险比因子同样无法有效应对市场风格显著切换的环境。故此类指标与年化收益率指标类似，仅在市场风格没有出现显著切换的环境下具有选基效应，在市场风格剧变的环境下应谨慎使用。 2.2 维度2：交易因子 换手率：通过年报/半年报公布的基金股票买入成本、股票卖出金额、托管费率、托管费等数据进行计算，换手率 = min(买入成本，卖出金额) / (托管费/托管费率)。 交易能力：通过基金报告期公布的持仓，全持仓向前后各推两个月、重仓股向前后各推一个月，计算该持仓的模拟收益率，并根据该时间段内的【基金真实收益率序列】与【模拟组合收益率序列】的信息比率来评估该基金产品在当期的交易能力。 已实现收益占比：计算该期利润表中的基金的投资收益（即已实现收益）与基金当期规模的比例，来评估该基金产品在当期通过股票交易锁定收益的投资效果。 从结果来看，换手率、交易能力均不具有明显的选基效应，而已实现收益占比则展现出较强的选基效果。尤其是最新一期的已实现收益占比，在选基稳定性、头部优势和尾部剔除效应上均有较好的选基效果。 已实现收益占比是较为少见的各个时间段均有较为稳定表现的选基因子：各期因子表现来看，虽然在部分报告期（如20H2）有选基效应的回撤，但回撤幅度不大，没有产生较为明显的反向效应，而在先前收益风险比因子表现不好的两期（21H1-21H2），近一期已实现收益占比依然保持了相对较好的选基效果。 使用最近一期已实现收益占比因子，我们在过去几期中能够筛选出一批业绩非常出色的明星基金产品：提取各期该因子靠前的10只产品，并将其下一期的业绩表现与万得偏股混合型基金指数（下简称885001）进行对比来看，各期基本都能找到一些显著超越885001的基金产品，尤其在2022年以来，该指标两次将下一期有显著超额收益的汇丰晋信新动力和金元顺安元启选出。（资料来源：Wind） 此外，我们也发现该指标的头部和尾部延续性较强：我们对各基金的各期已实现收益占比进行了对比，统计了当期处于前1/4或后1/4的产品在下一期依然处于该区域的产品占比。除18H2与21H2外，各期的头部和尾部延续性均相对较强，留存概率均显著超过25%的基准值。尤其是头部的延续性，在19年至21年的牛市环境下始终具有较好的延续效应，在2022年内也有较好的延续效应。（资料来源：Wind） 我们使用近一期已实现收益占比构建了简单的等权组合：由于该因子既具有稳定的选基效应，又具有良好的头部优势效应，我们即提取各期该因子最高的50只基金产品构建等权组合，并观察该组合的表现较885001的相对表现。该组合自2017年下半年起表现始终领先885001，并且在2021年以来较885001相对收益一路上行，截至2023/7/31该组合较885001的相对收益达23%。（资料来源：Wind） 2.3 维度3：行业因子 行业轮动幅度：计算基金当期全持仓的申万一级行业分布较上期行业分布的离差平方和，得到该基金当期的行业轮动幅度指标。 行业轮动能力：计算基金【当期较上期行业增减持情况】与【各行业较中证800指数在报告期后2月的超额收益】之积，得到该基金的行业轮动能力，即若该基金在本期增持某行业，而该行业在接下来的时间表现较好，我们认为该基金具备一定的行业轮动能力。 行业配置能力：计算基金【当期较中证800的行业超低配情况】与【各行业较中证800指数在报告期后2月的超额收益】之积，得到该基金的行业配置能力，即若该基金在本期超配某行业，而该行业在接下来的时间表现较好，我们认为该基金在这一期具备一定的行业配置能力。 从测试结果来看，虽然行业轮动能力因子有一定的选基效应，但显著性较先前测试过的收益风险比因子和已实现收益占比因子有比较大的差距。头部优势和尾部剔除效应上，行业轮动能力则有一定的显著性，但同样相对先前的几个有效性较强的因子而言，头部优势效应和尾部剔除效应较为有限。 2.4 维度4：选股因子 个股选择能力：属于静态选股能力的评估方式，根据年报/半年报持有的全持仓股票，计算各股票在后2个月较所在申万一级行业的超额收益，并加权求和，得到该基金的个股选择能力。 三因子模型Alpha：属于动态选股能力的评估方式，采用Fama-French三因子模型的框架，对基金的净值表现进行回归，得到该基金在时间区间内的Alpha暴露情况，即排除风格和市值暴露后基金产品的超额收益情况。 虽然以上两个因子都是选股能力因子，但两者并非具有显著相关性：从各期相似时间维度上的因子Rank_IC来看，两者虽然有一定正向关联度，但并不具有显著较强的正相关性。这也说明动态选股能力和静态选股能力从不同的角度出发，对基金产品选股效果的衡量结果会有不同的结论，我们也将分别使用两种选股因子进行选基有效性的测试。 从结果来看，动态选股能力因子的表现相对较好：近6月的三因子模型Alpha具有显著较强的选基稳定性，同时也具有较好的头部优势和尾部剔除效应。相比而言，个股选择能力作为选基因子则效果相对较差，同样在头部优势效应和尾部剔除效应上的表现也相对更弱。 我们认为静态选股能力的计算依赖基金持股截面数据，而截面数据并不一定能完全反映基金经理的选股策略，最终导致该因子效果不佳。而动态选股能力则使用了基金的净值数据作为出发点，能够较好地代表基金产品在整个时间段上体现出的选股能力，最终使该因子具有较好的选基预测效应。 使用近6月三因子Alpha构建了简单的等权组合：同样提取各期该因子最高的50只基金产品构建等权组合。从组合表现来看，该组合自2020年起表现开始显著领先885001，期间仅出现过几次小的波动，且均得到了快速修复。截至2023/7/31该组合较885001的相对收益达43%，具有显著较好的选基效果。（资料来源：Wind） 2.5 维度5：独特性因子 个人特质股占比：即基金年报/半年报中的个人特质股占全部股票投资市值的比例。其中个人特质股定义参考报告《特质选股能力：哪些基金经理能选出自己独特的股票》，简单来说即非市场抱团股，也非基金公司抱团股的股票。 Alpha独特性/Beta主流性：根据基金产品的净值表现进行聚类算法，将基金产品划分为多个不同的子类。其中，Alpha独特性通过产品划分的母节点数量确定，母节点数量越少，说明该产品与其他子类中产品的距离更远，独特性更强，而Beta主流性则通过产品所在的策略子类中产品的数量决定，子类中的产品数量越多，产品的Beta主流性越强。 独特性因子普遍没有展现出显著的选基效应：独特性因子中，各项因子的ICIR表现均不理想，没有稳定的选基效应。而在尾部剔除效应上，近两年的收益独特性具有小幅度优势，即收益独特性较差的产品在倾向于有较差表现——这一现象在21H1尤其明显。 而同时，我们也观察到近一年策略主流性也具有较好的尾部剔除效应，同时头部优势效应反转，这也说明策略主流性较弱的产品表现相对较差，但同时策略太主流的产品也不容易做出超额收益。 2.6 维度6：稳定性因子 仓位偏离度：即基金产品过去几期内仓位的方差。方差越大则偏离度越大，仓位越不稳定。 市值、PE风格偏离度：提取基金各期全持仓中【大、中、小市值股票的占比】或【高、中、低PE股票的占比】，并计算各期之间三类股票占比的方差，方差越大即该风格上的偏离度越大。 PE偏离度具有一定的尾部剔除效应：在稳定性因子中，仅PE偏离度因子具有相对比较显著的选基效应。而同时，我们观察到近一年的PE偏离度具有比较强的尾部剔除效应。这也说明在过去两期出现了明显PE风格切换的产品，可能会在未来一期业绩表现上不及同类产品平均水平。而这一预测效应也仅在21H2出现过反向，其余各期均相对比较稳定。 2.7 维度7：其他因子 报告期数据因子：机构投资者占比、规模等均可直接从基金定期报告中获取。 行业偏离度：即基金产品的申万一级行业分布较中证800指数的行业分布的离差平方和，衡量基金产品的行业分布是否均衡。 个股权重偏离度：即基金产品个股的权重的标准差。在计算该指标时剔除了尾部极小部分市值股票对整体样本的影响。 规模因子具有良好的尾部剔除效应：从测试结果来看，各因子均没有较好的选基效应，ICIR表现均较为一般。而在规模因子上，我们发现了较强的尾部剔除效应，即近两年平均规模较大的基金产品倾向于后续表现较差。但该项指标的头部优势效应也有反转，即规模极小的部分基金产品也普遍具有较差的选基效果。这一结果与我们过往的认知较为吻合，即规模过大的产品受限于策略容量等原因，后续的表现可能相对较弱，同时规模极小的产品业绩也会受到固定支出等因素的拖累。 此外，行业偏离度也具有小幅度的头部优势效应，说明具有较高行业偏离度的产品中的确容易包含一些当期表现出色的产品，但这项指标的选基稳定性整体较弱。 3. 因子有效性与相关性总结 对于以上我们进行测试的因子，我们对这些因子的选基有效性进行了如下总结： 1）收益因子、收益风险比因子在风格稳定的环境下具有一定的选基效应，但面对市场风格切换的环境具有明显的选基效应反转，需要在风格剧变的环境下谨慎使用。风险控制因子暂未体现出明显的选基效应； 2）交易因子中，已实现收益占比具有较好的选基效应，且各期均为出现明显的选基效应反转，是较为稳定的选基因子。此外，该因子在头部优势效应上非常显著； 3）行业因子没有体现出显著的选基效应； 4）选股因子中，三因子模型Alpha具有稳定较强的选基效应，基于该因子构建的单因子选基组合能够产生明显的超额收益。相比之下基于静态数据的个股选择能力因子则选基效应较弱； 5）独特性因子没有体现出显著的选基效应； 6）近一年PE稳定性具有较好的尾部剔除效应，即近两期PE风格出现明显切换的产品在下一期的表现倾向于是较差的。该尾部剔除效应在大部分报告期均较为显著； 7）基金规模也具有较好的尾部剔除效应，即规模较大的产品后续表现倾向于较差。但是，规模因子不具有选基效应，头部效应也显著反向，这说明规模过小的一批基金后续表现也相对较弱。 我们对具有较为显著选基效应的收益因子（近一年年化收益率）、收益风险比因子（近两年calmar比率）、交易因子（最新一期已实现收益占比）和动态选股因子（近6月三因子模型Alpha）进行了相关性测试，结果如所示： 1）三因子Alpha与已实现收益占比各期的Rank_IC较低，各期平均仅20%，具有相对较低的相关性；（资料来源：Wind） 2）在业绩因子整体失效的2020H2~2021H2区间内，三因子Alpha、已实现收益占比与收益因子和收益风险比因子的相关性有明显下降，其余时间内则适度较高；这一结果与前文中观察到的结果基本一致——即使市场风格出现切换，业绩因子失效，三因子Alpha和已实现收益占比也没有出现明显的反向效应； 3）收益因子和收益风险比因子之间各期均具有较高的相关性； 同样我们对具有较强尾部剔除效应的PE风格偏离度与规模进行了相关性测试。我们发现两者之间不存在明显的正向相关性，反而在部分报告期中具有一定的反向相关性。而同时两者均具有一定的尾部剔除效应，故在后续的因子应用中，我们将同时使用这两类因子进行尾部剔除。 4. 因子选基组合构建：利用各因子选基优势领域构建基金组合策略 前文中我们对因子在选基稳定性、头部优势效应和尾部剔除效应上的表现进行了汇总，而本章节我们将根据以上的结论，通过简单的组合策略构建基金组合，观察我们得到的选基因子有效性结论是否能够帮助我们寻找表现较好的基金产品。 我们采用“雷点回避”→“样本精选”→“头部提取”的步骤，使用各领域具有优势的选基因子，进行基金筛选： 首先使用尾部剔除效应较好的几个因子，对基金样本中可能带来不佳收益表现的产品进行剔除，先对基金池进行初筛，压缩样本中基金的数量，相当于对基金样本中的产品进行“雷点回避”，将其中踩雷的基金产品进行剔除。 随后再使用ICIR表现最好，即选基效应最强且稳定性较好的指标进行次筛，并且筛选幅度会设定得较大，最大程度上运用好该因子的选基效应，进行“样本精选”。 最后再使用头部优势效应最强的因子，即最容易选出少部分表现出色产品的因子，从次筛基金池中选取潜在表现最佳的少部分基金产品构成最终的基金样本，完成“头部提取”。 基于以上步骤，我们构建的选基策略如下： 1）雷点回避：选取尾部剔除效应较好的几个因子，并计算基金池中各基金的因子值。剔除这些因子值处于尾部1/3的基金产品；（选取因子：近四期规模、近一年PE偏离度） 我们将对雷点回避后的剩余基金样本构建了等权基金组合，最终该组合在2017年9月以来累计获得70.83%的回报，较885001的相对收益达13.89%，且相对收益曲线没有出现明显波动。这也说明尾部剔除效应相对较好的指标能够稳定剔除相对表现较差的一部分基金产品，为组合带来超额收益。此外我剔除效应明显在2020年下半年后更强，带来的超额收益更明显，我们认为这与该时间段后市场抱团效应瓦解，进入轮动行情，致使之前业绩出色的部分大规模基金产品普遍出现回撤有关。（资料来源：Wind） 2）样本精选：选取选基稳定性最好的因子，在剩余产品中，计算基金产品的该因子值，选取其中靠前1/4的产品；（选取因子：近6月Alpha） 在完成样本精选步骤后，组合较885001的相对收益表现明显提升，2017年9月以来累计回报达104.71%，较885001的相对收益达36.48%，与仅完成雷点回避的基金组合相比，该组合明显具有更强更持续的弹性。尤其在17年至20年的环境中，样本精选后的组合的收益表现领先于885001的表现，而先前仅完成雷点回避的组合则在该时间段没有产生明显的超额收益。（资料来源：Wind） 而在弹性提升的同时，我们也关注到该组合的相对收益曲线的波动也更加明显，在2021年初的市场抱团股瓦解之前相对收益有明显的回撤，2022年初也有相似的回撤出现。但在这些回撤出现后不久，相对收益表现快速进行了修复。 3）头部提取：选取头部优势效应最好的因子，在剩余产品中，计算基金产品的该因子值，选取其中最靠前的50只产品，构成最终样本。（选取因子：最新一期已实现收益占比） 根据以上选基策略构建的最终基金等权组合表现如下图所示：从2017年9月起，该基金组合的表现始终领先于885001，且从2020年起领先幅度开始提升，而后相对收益曲线一路走高，鲜有出现明显的回撤，尤其在2021年及以后几乎没有出现较为明显的相对收益波动，基金组合表现稳定战胜885001指数。（资料来源：Wind） 截至2023/7/31，该组合累计获取收益123.70%，较885001的相对收益达49.13%。滚动收益上来看，基金组合滚动1年的绝对收益胜率接近70%，而较885001的平均超额收益达7.83%，胜率达98.75%。（资料来源：Wind） 5. 风险揭示与声明 本报告数据均来自公开信息，不涉及对未来走势的预测，相关模型构建与测算均基于申万宏源研究客观研究，可能存在模型失效等风险。本报告不涉及基金评价业务，不涉及对基金公司、基金经理、基金产品的推荐。阅读本报告时，投资者需结合自身风险偏好及风险承受能力，充分理解基金产品波动、基金经理个人长期投资风格、历史业绩、选股能力、风险偏好等因素，对基金业绩可能造成的影响。报告内容仅供参考，投资者需特别关注官方基金披露信息。

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）