你的基金在赚什么钱 | 主动权益类基金业绩归因的本土化实践

（以下内容从招商证券《你的基金在赚什么钱 | 主动权益类基金业绩归因的本土化实践》研报附件原文摘录）
　　对象 主动权益类基金业绩归因的本土化实践 你的基金在赚什么钱 关键内容 >> 内容摘要 本文以国内主动权益类基金的业绩归因分析作为研究对象，从三个部分依次探讨基金业绩归因的本土化实践：首先，对现有的基金业绩归因思路进行探讨，分析潜在不足，提出构建本土化基金归因工具的目标和实践路径；第二，提出基金业绩的两阶段归因方法，第一阶段从净值维度将基金业绩拆分为打新、交易和股票组合收益，第二阶段将组合收益拆分为盈利、估值、股息及现金等四大方向，并给出历史上绩优基金业绩分解的案例；最后，给出了业绩归因工具的两个应用方向，一方面对全市场主动权益基金的收益来源进行拆分，为资产配置提供合理的收益风险参数，另一方面基于投资目标设计相应基金组合构建方案。 >> 基金业绩的两阶段分解 第一阶段，我们基于基金新股获配、季度重仓/全部持仓及复权净值数据对基金的打新、交易和持股组合收益进行拆分；第二阶段，从个股长期业绩的分解出发，详细探讨了红利及再投资对长期收益的影响、以及考虑股权稀释后个股真实EPS增速对收益的贡献，基于对个股收益细致分解结合基金持仓数据逐期分解基金组合收益。 >> 主动权益基金跟踪观察 从一年期维度来看，2012-2019区间主动权益基金每年的盈利增速中位数均值为15%，显著战胜同期中证800指数（6%），年度来看主动基金盈利增速稳定战胜市场指数；从三年期维度来看，盈利增长对基金业绩具有决定性解释能力，估值变动对业绩的年化影响在±5%以内，但可以观察到伴随基金数量增加基金持股组合的盈利差异在增大。 >> 基金组合构建案例 基于不同的投资思路，我们设计了确定性成长基金组合和能力均衡型基金组合，在回测区间（2013.4-2020.12）基金组合实现年化20%的收益，无论从收益还是风险调整后收益视角都优于偏股混合型基金指数和中证800全收益指数。 风险提示：本报告提供主动权益类基金业绩归因的分析工具，分析结果依赖于已披露信息的完整性，并存在一定的模型设计风险，仅作为专业机构投资者的定量分析参考。 随着传统固定收益产品预期收益率的趋势性下行，叠加银行理财的净值化转型，当前资产管理行业正处于持续供给侧改革的历史进程中，而随着资产管理行业的发展深化，基金组合投资在未来会逐步扮演更重要的角色，通过合理的资产配置和基金产品筛选以实现财富管理目标、并承接更大量的资金管理规模。 在此过程中，对基金产品合理的业绩归因分析将显得尤为重要，一方面可以自下而上为资产配置提供核心收益风险参数，提高决策胜率；另一方面辅助提高基金组合的风险管理能力、为科学筛选基金产品提供准确有效的定量信息。 伴随资产定价理论和实践的发展，基金业绩归因工具丰富度明显提升，但在投资实践中仍存在一定不足，尤其应用于A股投资实践中，缺少对国内基金业绩实际影响要素的全面梳理而导致实用性有所下降。本文以国内主动权益类基金的业绩归因分析作为出发点，从三个部分依次探讨基金业绩归因的本土化实践：首先，对现有的基金业绩归因思路进行探讨，分析其潜在不足，提出构建本土化基金归因工具的目标和实践路径；第二，提出基金业绩的两阶段归因方法，第一阶段从净值维度将基金业绩拆分为打新、交易和股票组合收益，第二阶段将组合收益拆分为盈利、估值、股息及现金等四大方向，并给出历史上绩优基金业绩分解的案例；最后，给出了业绩归因工具的两个应用方向，一方面对全市场主动权益基金的收益来源进行拆分，为资产配置提供合理的收益风险参数，另一方面基于投资目标设计相应基金组合方案。 I 传统基金业绩归因的典型思路与潜在不足 回顾过去半个多世纪，基金业绩归因工具的发展是伴随着资产定价理论的不断创新而逐步丰富的，简单来说我们可以将基金的业绩归因分析逐步划分为三类思路： 第一类工具基于基金净值视角，以CAPM理论为基础发展而来。最典型为基金alpha水平的测算，通过将基金净值与基金业绩比较基准的回归，测算基金的alpha水平，并以此为基础衍生出H-M，T-M等模型来进一步分解alpha来源（选股vs择时）； 第二类工具基于基金持仓视角，以Brinson分解模型为出发点，应用于分析组合中资产配置或行业配置的贡献，业务实践中往往将分解模型细化至资产配置效应、行业/风格配置效应、个股选择效应等，同时将分析维度从单期拓展至多期； 第三类工具基于风险因子视角，以Fama-French因子模型和Barra结构化风险模型作为出发点，将股票组合的收益风险从传统的个股维度降维至风险因子视角，因子模型有效提高了数量化模型对市场的解释能力，因此可以将基金组合的收益风险从风险因子角度进行观察。 但针对A股基金产品的业绩分解中，上述三个方案都存在一些不足之处：第一，净值分析当中忽视了打新等不连续收益冲击对净值归因结果的扰动；第二，持仓分析中业绩归因至行业、个股层面，让使用者难以深入了解组合背后的收益风险来源；第三，结构化风险模型的直接应用是组合协方差矩阵的估计以及波动率的预测，对于因子模型研究中更关注其数据解释能力但对其经济含义的解释不足，并且因子刻画的风险视角及选股逻辑往往与常规自下而上的选股逻辑关联度不高。 因此，我们认为本土化的基金业绩归因工具应该尝试解决以下三个问题：第一，如何有机的结合净值与持仓分析的结果？第二，如何对持仓收益进行更简洁清晰的分析？第三，该工具是否有助于提升对当前主动权益基金行为的理解？基于以上问题导向，我们希望设计一种直观简洁且切合国内市场实际的权益基金业绩归因工具。 II 业绩归因本土化方案设计：基金业绩的两阶段分解 本节中我们尝试给出针对国内主动权益基金的业绩归因本土化方案设计，具体来说为基金业绩的两阶段分解：第一阶段，我们尝试把基金净值拆分为打新、交易和股票组合收益；第二阶段，针对股票组合我们进一步将组合收益拆分为盈利、估值、红利及再投资和现金收益。本节中，我们将详细讲解各阶段基金业绩的拆分方法，尤其针对第二阶段我们将先对个股长期业绩分解进行展开讨论，进而再讨论股票组合业绩的分解。 2.1.第一阶段业绩分解 第一阶段中我们将聚焦基金净值进行分解，考虑到国内新股上市收益稳定性高，尤其近两年新股收入涨幅限制的解除，基金产品打新收益明显提升，因此我们需要首先对基金收益中的打新收益作拆解测算。 具体打新收益的拆分思路如下：首先，我们逐一梳理基金新股获配的数量金额历史数据；其次，基于基金季报测算指定时间区间内的加权资金规模；最后，基于新股发行价和上市首日收盘价测算新股收益率，并结合获配数量、加权资金规模数据测算当日打新收益率贡献。 在测算过程中，有两点值得说明：一方面，新股收益率按首日收盘价与发行价的变动率来进行测算；另一方面，对于锁定期6个月的新股同样先计算首日收益贡献，后续带锁定期的新股收益贡献可在持仓测算中另行计算。 下图中展示了两个不同规模权益基金的打新收益拆分：以基金A为例当前规模大于100亿元，从成立以来打新累计收益为1.26%，打新收益对基金累计收益的贡献不足1%；以基金B为例当前规模小于5亿元，从成立以来打新累计收益为22.62%，打新累计贡献为19.16%。可以看到，基金规模、新股发行数量规模、权益市场环境等因素对基金打新收益都产生明显影响。 进一步，我们将全市场权益基金在过去数年的打新收益进行跟踪测算，计算2012-2020年间每年权益基金打新收益贡献的分布情况 。可以看到权益基金打新收益逐年分布并不均匀，但明显可以观察到近两年（2019-2020）打新收益重要性明显显现。 在完成打新收益贡献的拆分后，我们获得调整后的基金累计净值收益，进而结合基金披露的每期持仓数据，我们对基金交易与组合收益进行拆分：首先，基于基金披露的全部持股和重仓股信息构建模拟组合，回溯组合收益，确定历史上每段区间内基金对应的持股组合；其次，将基金组合收益与调整后基金收益进行比较，将差异部分解读为交易收益，实际包括短期交易收益和因信息披露不完全导致的误差项。 下图中展示了两只基金在历史上交易和组合收益的分解结果：以基金A为例，历史上整体仓位稳定交易收益贡献并不显著，甚至长期来看基金组合的收益要高于最终基金调整后的净值收益，具体来看交易累计收益-27%，组合累计收益752%；以基金C为例，基金中采用自上而下资产配置的仓位管理方案，在牛熊转换的时点交易收益明显，具体来看交易累计收益80.78%，组合累计收益901.05%。 进一步，我们对全市场权益基金的交易收益进行跟踪，结合下表可以总结以下规律：第一，整体来看主动权益基金的交易收益中位数为负，即表明整体来看坚守基金持仓/重仓股要优于短期交易模式；第二，平均来看只有不足25%的基金在交易层面收益贡献为正；第三，在权益市场波动率较高的年份，基金交易收益的分布差异越大，交易策略收益一定程度上与波动率正相关。 综合来看，我们对权益基金2017-2019年的基金业绩进行分析，区间内整体收益率的中位数为28.21%，均值29.68%。从业绩贡献分布来看，基金打新贡献（百分比）中位数为12%，交易贡献中位数-51%，三年维度来看不足15%基金交易收益业绩贡献为正，基金持股组合贡献中位数超过100%。 2.2.个股长期业绩分解 综合上文的分析，可以看到基金持股组合对基金最终收益产生决定性影响，而对股票组合的业绩归因应先考虑个股的业绩归因分解，最终自下而上汇总给出组合收益来源的结论。本节中，我们对个股收益影响三要素盈利、估值和股息的讨论出发，探讨如何合理对个股的长期历史业绩进行分解归因。 第一步，我们观察红利及再投资对个股收益的影响：以持有交通银行为例，下图展示了该股票每年分红情况，是否选择红利再投资对长期收益产生重大影响。归结原因，分红再投资相当于选择增加了原有股票的持股比例，属于增持行为。除此之外，送股/送转股、股权分置改革等因素也会影响累计持股的具体数量。以下图展示的案例，2007年底持有10000份交通银行，若选择现金分红模式，截止到2019年年底持有的股份数为11000份（仅2011年送股增加1000股持股）；若选择分红并再投资模式，截止到2019年年底持有的股份数累计达到接近18000股，增长接近80%。 第二步，我们尝试测算个股盈利增速（基本面价值变化）对业绩的影响，在进行长期业绩测算中股本的变动对盈利增速的估计产生重要影响。下图中以平安银行为例，长期来看，总的股本历史变动幅度巨大。实际当中，不同类型的股本变动会稀释、不影响、增加原有持股股东的权益，因而导致股票EPS增速与净利润增速存在明显差异。我们会考虑各类对股权造成稀释的影响要素（包括但不限于定增、转股、期权行权等），综合测算调整后的真实EPS增速，下图中仍以平安银行为例展示了其EPS增速与简单净利润增速之间的差异，长期来看累计差异达到4倍之巨。除此之外，考虑到部分公司在部分年份存在净利润为负的情形，导致增长类指标难以测算，因此我们会考虑使用所有者权益或营业收入数据作为替代方案作为企业基本面价值的测算指标。 基于上述分析工具，我们可以尝试对个股在历史上的长期收益进行分解，对比不同类型个股的长期收益，下图中展示了不同的长期收益模式：案例I股票其长期收益来源于盈利增长，但估值变动对收益产生了显著负向拖累，且红利及再投资长期来看最终贡献了显著收益；案例II股票其长期收益基本可以由其利润增长所解释，估值和股息贡献整体较小，长期来看盈利的增长支撑了股价的提升；案例III股票长期收益由估值所主导，盈利水平对业绩的贡献为负。 2.3.基金业绩分解案例 在完成个股业绩分解后，基于基金披露的股票持仓情况，我们自下而上逐期分解基金每个季度的收益。以兴全趋势为例，在第一阶段我们将基金收益拆分为打新、交易和组合收益，其中组合收益贡献接近80%，接下来我们进行第二阶段的收益拆分，最终区间内组合中盈利增长:估值变动:股息贡献:现金收益四大项的收益率贡献占比分别为97%:-9%:8%:7%（剩余部分为误差项 ），可以观察到案例中基金组合的长期业绩主要由盈利增长所解释。 比较历史上绩优基金的长期收益行为，可以看到盈利增长的贡献占据支配性地位，但估值变动和交易收益对基金长期业绩也会产生显著影响，且不同类型基金在交易和估值层面获得的收益存在一定的差异，下表中我们比较了不同基金长期收益的分解结果。 表格中业绩的统计区间为基金成立日至2019.12.31，各基金长期收益中盈利增速的贡献占比均最大但幅度存在承压，分红及现金收益占比同样较为稳定在8%-10%区间，且基金由于整体规模较大因此打新贡献均有限，但不同基金在交易和估值层面的收益存在显著差异。 III 业绩归因工具的应用 3.1.主动权益基金市场观察 基于上文中的基金业绩分解工具，我们尝试从不同测算周期的维度来观察市场上主动基金整体的业绩贡献结构。 从一年期的维度（2012-2019区间）：盈利层面，可以看到主动权益基金的盈利增速中位数达到15%，与市场指数相比显著战胜中证800指数6%的盈利增速，且从逐年来看每年主动基金盈利增速稳定战胜指数基准；估值层面，主动权益基金整体上在长期难以在估值层面获得持续正收益，主动权益基金的估值变动与指数估值变动方向往往相同，但是由于行业分布持股结构等因素的影响，导致每年变动幅度存在显著差异。 进一步，从三年维度进行观察，本文中测算了两个三年区间：第一段为2013-2015区间，可以看到主动基金盈利年化增速中位数为15%，估值变动对业绩有年化4%的正向贡献，且少数基金的估值收益水平较高达到年化18%，表明牛市环境下部分基金收益显著受益于估值的扩张；第二段为2017-2019区间，可以看到主动基金盈利年化增速中位数为16%，相比第一段主动基金配置股票的盈利能力有所提升，但区间内估值变动对业绩有-5%的负向贡献，相对来看基金产品盈利贡献差异在扩大，估值贡献差异在缩小。 综合来看，三年维度上基金收益基本取决于持股公司的盈利增速，估值贡献显著缩小，而从两阶段的比较来看，随着基金数量的增加，不同基金间选股能力/选股质量的差异实际有所扩大。 3.2.基金组合构建案例 基金业绩归因工具不仅可以用于帮助跟踪观察全市场权益基金的收益动态，也可以汇总相关归因指标辅助筛选基金构建组合，本文将从两个不同角度设计基金组合案例。 首先，我们聚焦基金的选股能力，关注底层股票的成长性以及成长的确定性，尝试构建确定性成长基金组合，具体筛选思路如下： 初始基金池：基金观察期内属于普通股票型基金、指数增强型基金、偏股混合型基金或灵活配置型基金，距离调仓日上市满3.25年，且基于季报测算的平均权益仓位应不低于75%； 筛选要求：1. 过去三年基金组合归因盈利符合增速处于可比基金的前50%分位数（成长性要求）；2. 过去三年基金组合盈利季度胜率高于指定阈值（成长稳定性要求）；3. 基金规模在2-20亿元区间（或剔除规模前10%基金）；4. 在满足上述要求的基金中，基于基金调整后收益（即剔除打新收益）后，收益回撤比排名前十基金； 调仓规则：每年4月30日股票发布年报后进行调仓，且要求调仓日基金处于可申购状态。 从回测结果来看，组合年化收益接近20%，最大回撤45%，同区间内中证800指数和偏股混合型基金指数的年化收益分别为11%和15%，无论是收益还是收益回撤比视角基金组合表现优于基准。 其次，我们考虑基金选股和交易能力的均衡，构建能力均衡型基金组合，具体筛选思路如下： 初始基金池：基金观察期内属于普通股票型基金、指数增强型基金、偏股混合型基金或灵活配置型基金，距离调仓日上市满3.25年，且基于季报测算的平均权益仓位应不低于75%； 筛选要求：1. 过去三年基金组合归因盈利符合增速处于可比基金的前50%分位数（成长性要求）；2. 综合测算基金的估值和交易收益，要求综合收益处于前50%分位数（交易性要求）；3. 在满足上述要求的基金中，基于基金调整后收益（即剔除打新收益）后，收益回撤比排名前十基金； 调仓规则：每年4月30日股票发布年报后进行调仓，且要求调仓日基金处于可申购状态。 从回测结果来看，组合年化收益超过20%，最大回撤47%，无论是收益还是收益回撤比视角基金组合同样表现优于基准 。 可以看到，由于本文中选择构建的基金组合案例强调个股的成长性，因此整体基金的波动性相对基准略高，投资者可以基于自身对预期收益的要求、以及行业配置需求实现进一步的定制组合设计。 IV 研究总结 至此，我们全面讨论了基金业绩归因工具设计以及实际应用案例，在工具使用层面我们认为存在三种应用方向：第一，外部或内部主动权益基金产品的业绩归因分解；第二，基金筛选组合构建过程中的定量辅助工具；第三，为资产配置模型提供合理的资产预期收益风险参数。 但在模型设计环节我们认为在未来还有进一步细化及讨论的空间，具体来说核心的讨论仍然是聚焦在个股业绩的分解上： 从盈利增速的估计角度：不同的盈利增速测算频率，对最终个股业绩的分解存在显著影响。一方面，若以更高的频率跟踪盈利增速的变化，则有利于提升绩效归因工具的及时性，并且能够更精细化的测算不同区间盈利变动对股价的影响；另一方面，若以更低的频率测算盈利增速的变动，则有利于熨平数据的过度波动。之所以存在最优频率的选择，其核心矛盾在于股票价格反映未来的盈利预期，因此在时间层面与基本面数据存在一定的不一致性。下图中展示了不同频率下，股票长期业绩拆分的结果，可以看到提升观察频率后，业绩增速与股价表现的不一致性提升。 从估值波动的角度：我们希望对个股历史上估值的波动进一步进行分解，例如按估值修复（估值中枢以下的部分）vs估值提升（估值中枢以上的部分）进行拆分，但实践中即使事后观察也难以给出相对准确的估值中枢位置。 我们认为，解决上述问题需要引入更为多元化的个股业绩分解框架，针对不同行业板块不同类型个股的价值评估指标多元化，更好的完善个股业绩分解，进而提高基金业绩分解的准确性，在后续的研究当中我们将逐步细化。 重要申明 分析师承诺 本研究报告的每一位证券分析师，在此申明，本报告清晰、准确地反映了分析师本人的研究观点。本人薪酬的任何部分过去不曾与、现在不与，未来也将不会与本报告中的具体推荐或观点直接或间接相关。 本报告分析师 任瞳 SAC职业证书编号：S1090519080004 王武蕾 SAC职业证书编号：S1090519080001 免责申明 本微信号推送内容仅供招商证券股份有限公司（下称“招商证券”）客户参考，其他的任何读者在订阅本微信号前，请自行评估接收相关推送内容的适当性，招商证券不会因订阅本微信号的行为或者收到、阅读本微信号推送内容而视相关人员为客户。 完整的投资观点应以招商证券研究所发布的完整报告为准。完整报告所载资料的来源及观点的出处皆被招商证券认为可靠，但招商证券不对其准确性或完整性做出任何保证，报告内容亦仅供参考。 在任何情况下，本微信号所推送信息或所表述的意见并不构成对任何人的投资建议。除非法律法规有明确规定，在任何情况下招商证券不对因使用本微信号的内容而引致的任何损失承担任何责任。读者不应以本微信号推送内容取代其独立判断或仅根据本微信号推送内容做出决策。 本微信号推送内容仅反映招商证券研究人员于发出完整报告当日的判断，可随时更改且不予通告。 本微信号及其推送内容的版权归招商证券所有，招商证券对本微信号及其推送内容保留一切法律权利。未经招商证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用，否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。

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）