【国君金工】环境-性格双核基金评价框架
（以下内容从国泰君安《【国君金工】环境-性格双核基金评价框架》研报附件原文摘录）
点击上方“辰奥临君” ，关注我们 陈奥林 从业证书编号 S0880516100001 吕 琪 从业证书编号 S0880120080008 摘要 核心逻辑：市场环境持续时，alpha持续性强，基金“强者恒强”；市场环境切换时，alpha持续性差，基金排名发生变动。我们认为这是由于市场环境持续时，基金的高alpha来源于某些适合当下行情的稳定特征。行情切换时，市场“需要”的基金特征发生了变化，因此前期表现优异的基金排名出现变动。 基金经理性格的量化刻画：基金经理的性格是无法直接观察到的内在属性，但性格的外在显化，即持仓特征可通过数据直接观测到，因此我们通过持仓特征反推基金经理性格。考虑到性格具有稳定性，且性格和特征具有“一对多”的关系，我们通过聚类稳定持仓特征反推基金经理性格。 市场环境的量化刻画：考虑到A股市场结构性行情特征明显，我们对于不同行业的市场环境进行了单独刻画，我们以流通市值加权编制了消费、医药、科技、周期、金融股票指数作为对应行业型基金的业绩基准，以沪深300作为行业轮动型基金的业绩基准。定义2014至今收益前30%的季度为牛市，后30%的为熊市，其余为震荡市。 各类市场环境下最“顺应市势”的基金经理性格探究：我们发现牛市应选择激进派，熊市选择保守派，震荡市坚守龙头兼具防御。也即牛市中偏好权益资产、趋势投资、高风险偏好的激进派基金经理由于攻击性强，适合牛市环境而表现较优；熊市恰相反，偏好低仓位、逆向投资、低风险偏好的保守派基金经理由于高防守性而回撤较低，收益较高；震荡市中持有优质龙头（高抱团个股），同时风险偏好较低，具有一定防守能力的基金经理表现相对突出。 基于基金经理性格的量化择基方法构建：根据基金最近4个季度的补全行业持仓，将基金划分为消费型、医药型等6种行业基金。对于每个行业分类内的基金，将其持仓因子合成为牛市/熊市/震荡市性格得分，结合对于未来该行业股价走势（市场环境）的预判进行择基。回测结果显示，基金经理的牛市性格得分在牛市中的IC高达0.24，熊市性格得分在熊市中的IC达0.22，震荡市性格得分在震荡市中的IC达0.18。 01 概述 本篇报告旨在通过探究基金经理性格的量化刻画方法，以及不同市场环境下最“顺应市势”的投资性格，帮助投资者实现科学择基。 基金经理的性格（投资偏好）决定持仓特征，不同持仓特征在牛/熊/震荡市中的“适用性”不同，这使得行情持续时，部分基金经理由于性格适合该市场环境，因此持续表现优异，而当市场环境切换时，基金排名出现变动。 基金经理的性格（投资偏好）决定其持仓特征。如偏好趋势投资的基金经理所投资的股票往往是前期涨幅较大的“热门股”； 基金高alpha的本质是：基金经理内在性格外化出的持仓特征“适合”当下市场环境，使该基金收益表现突出。如牛市时，偏好趋势投资，投资于前期涨幅较大的股票的基金经理收益占优，而偏好逆向投资，搏反转的基金经理排名靠后； 基金alpha具有持续性的本质是：市场环境具有一定持续性，行情持续时，基金经理“强者恒强”，牛熊切换时排名变动较大。行情持续时，部分基金经理由于持仓特征稳定且适合该市场环境，因此表现优异，且“强者恒强”，业绩持续突出。而当市场环境切换时（如：牛熊切换），基金排名变动较大，新一批“明星基金经理”出现； 通过探究具有哪种性格的基金经理会在特定市场环境中获得高alpha，可以帮助投资者实现科学择基。传统择基思路往往立足过去“向后看”——依靠基金历史业绩对基金进行筛选，但投资本质需求是“向前看”——筛选出未来表现优异的基金。考虑到过去表现优异的基金未来不一定“恒强”，且“向后看”的投资逻辑模糊，因此传统择基思路存在缺陷。通过探究具有哪种性格的基金经理会在特定市场环境中获得高alpha，我们不仅可以在择基中“向前看”，同时也能为投资者更为清晰地展现自己在为基金的什么特征买单，投资逻辑更为清晰。 本篇报告接下来将探讨以下几个问题：①我们为什么认为基金alpha由基金经理性格和市场环境共同决定；②如何量化刻画基金经理性格及市场环境；③具有哪种性格的基金经理会在特定市场环境中获得高alpha；④如何通过基金经理性格实现量化择基。 本篇报告的研究结论符合直觉——“牛市选择激进派，熊市选择保守派，震荡市坚守龙头兼具防御”。基于基金经理性格的量化择基方法对基金收益的预测能力较强——基金经理的牛市性格得分在牛市中的IC高达0.24，熊市性格得分在熊市中的IC达0.22，震荡市性格得分在震荡市中的IC达0.18，均远高于同期alpha的IC。 02 “市”势造英雄：基金alpha从哪来，何时“去” 公募基金的alpha被普遍认为具有持续性，alpha也因此成为择基的重要指标。但如果我们回顾“明星基金经理”榜单变动史，我们会发现即使剔除行业因素，这一榜单也并非一成不变，基金经理并非“强者恒强”，也即基金alpha并非始终持续，而是会在某个特殊时点消失。 考虑到经验角度，市场环境（牛/熊/震荡市）切换时，基金排名变动较大，我们认为基金alpha的连续性可能受到市场环境影响。为了从数据角度证明这一猜想，探究alpha“湮灭”的时点，我们通过数据探究了不同市场环境持续/切换时，基金alpha的持续性。具体到实证方法层面，考虑到基金收益受行业beta影响较大，我们通过有约束回归获得了剔除行业beta后的基金月度alpha，具体回归方法见附录。同时，我们定义沪深300指数2014年至今的月度收益序列中，排名前30%的为牛市，后30%的为熊市，其余为震荡市。 我们计算了市场环境持续期间、市场环境切换期间两种时间区间内， alpha上月和下月的平均秩相关系数，结论为市场环境持续时，alpha平均秩相关系数高达0.0919，切换时，该值仅为0.0401，不足市场持续时的一半。这说明市场环境持续时，alpha持续性强，基金“强者恒强”；市场环境切换时，alpha持续性差，基金排名出现变动。 基于上述实证结果，我们进一步对于alpha持续性，或者说alpha的部分来源提出猜想，我们认为市场环境持续时，alpha也持续是因为这些基金具有某种适合当下行情的稳定特征，因此“强者恒强”。行情切换时，市场“需要”的基金特征发生了变化，因此前期表现优异的基金不再符合“市场需求”，排名变动较大，新一批“明星基金经理”出现。我们将在后文中进一步证明这一猜想。 03 性格定成败：牛市中，哪种性格的基金经理将异军突起 我们将在本节首先讨论基金经理性格的量化刻画方法，然后探究不同市场环境下表现最突出的基金经理性格。我们在后文所讨论的基金池包括普通股票型基金、偏股混合型基金、灵活配置型基金中，上个季度权益持仓比例不低于60%（偏股混合型股票下限）的基金。考虑到我们后文中为剔除行业因素会对基金进行行业分类，为保证每个行业下的基金不会过少并影响统计结果，我们并未通过基金规模对于基金进行进一步筛选。 3.1.基金经理性格量化刻画 基金是人投资的结果，因此其持仓特征本质是基金经理内在性格的外化，也即基金经理的性格才是其alpha根源。但基金经理的性格属于其内在属性，我们无法直接观察到，但性格的外在显化，也即持仓特征是我们可以通过数据统计直接观测到的，因此我们在本节主要通过持仓特征反推基金经理性格。 3.1.1.持仓特征筛选 我们认为“性格”应该具有稳定性、持续性，这是因为：第一，逻辑角度，虽然基金经理的投资习惯将时间拉长至数年来看可能会有变动，但短期（如当季和下季之间）不应有较大差异；第二，数据角度，若性格的持续性弱于alpha持续性，那就失去基于性格择基的必要了（因为从结果角度看可能不如直接通过alpha择基）。 考虑到某些持仓特征和基金经理的行业偏好相关性较强，如金融股的估值天然低于科技股，我们在对基金经理的性格，或者说持仓特征进行研究之前，首先对于基金基于补全持仓进行了行业分类，具体分类方法见附录。后续我们对于基金持仓特征的比较都是在同行业的基金内部进行，以剔除基金经理行业偏好对于持仓特征的影响。 综上，我们选择了最新权益仓位等潜在指标，探究了其当季度和下季之间的平均秩相关系数。由于我们所探究的指标较多，此处仅展示持续性强，也即总体当季度和下季之间的平均秩相关系数在0.5以上或接近0.5的指标，指标的计算方法见附录： 3.1.2.持仓特征到性格的反映射 在筛选出稳定的持仓特征后，我们要从持仓特征反推基金经理性格。逻辑角度，基金经理性格和持仓特征并非一一对应关系，一种性格可能对应多个持仓特征——如高风险偏好的基金经理所持有个股不但具有持股高波动，还具有高估值的特征等。 对于“同出一源”持仓特征，由于出自同一种性格，因此往往相关性较高。基于此我们统计了以上各持仓特征间的相关系数矩阵，并筛选出相关系数大于0.4，且具有相关逻辑的持仓特征聚类组合为基金经理性格，我们总结出如下性格-持仓特征对应关系表： 3.2.市场环境量化刻画 我们在上文已提到，为了增强基金间持仓特征的可比性，我们对于基金持仓特征的比较是在具有同种行业偏好的基金内部进行。而在刻画市场环境时，考虑到A股市场经常出现结构性行情，我们同样对于不同行业的市场环境进行了单独刻画。 在上文划分基金行业偏好时，我们将基金划分为有特定行业偏好的基金（如：消费型基金、医药型基金等），以及行业轮动型基金。对于有特定行业偏好的基金，也即消费、医药、科技、周期、金融型基金，我们根据附录中的行业分类方法，将对应行业的个股以流通市值加权编制了消费、医药、科技、周期、金融股票指数作为对应行业基金的业绩基准，以刻画该行业基金所对应的行情走势。对于行业轮动型基金，我们将沪深300指数作为其业绩基准。 关于各行业市场牛熊环境的定义方法，对于以上每个指数（也即每个“市场”），我们定义2014年至今收益排在前30%的季度为牛市，后30%的季度为熊市，其余为震荡市。 3.3.各类性格在不同市场环境中的适用性 每个季度的季末，我们基于基金最新可得持仓信息，也即上个季报/半年报/年报信息计算基金持仓特征因子值，并计算出各行业型基金在未来一季度市场环境下，持仓特征因子对于未来一季度收益的预测能力，最后计算各市场环境下IC的均值，具体如下表所示，其中预测能力较强的持仓特征已标出，可以看出，除持仓稳定性、持仓集中度对于基金收益预测能力较弱外，其余如大类资产偏好等性格均在不同环境中对于基金未来收益有较强预测能力： 由上表可以看出，各类市场环境下最“顺应市势”的基金经理性格较符合直觉——“牛市选择激进派，熊市选择保守派，震荡市坚守龙头兼具防御”，也即牛市中偏好权益资产、趋势投资、高风险偏好的激进派基金经理由于攻击性强，适合牛市环境而表现较优；熊市恰和牛市相反，偏好低仓位、逆向投资、低风险偏好的保守派基金经理由于高防守性而回撤较低，收益较高；震荡市中持有优质龙头（高抱团个股），同时风险偏好较低，具有一定防守能力的基金经理表现相对突出。 最后，本节的研究结论还可以在一定程度上证明第二章我们所提出的alpha来源的猜想——在不同市场环境中，“顺应市势”的稳定性格确实能在未来获得较高收益，这在一定程度上说明了基金经理性格确实在一定程度上造就alpha。 04 基于基金经理性格的量化择基方法 我们在上文中已经总结出基金经理性格的量化方法，以及各市场环境下的优势性格，本章将会将这些研究结论进一步汇总成基于基金经理性格的量化择基方法，并探究其择基效果。 4.1.策略设计 【STEP 1：基础数据准备】 每个季度的季末（或其他调仓频率，可根据产品灵活选择），我们通过基金最新可得持仓信息，也即最近一个季度的季报/年报/半年报计算基金最新权益仓位等特征，同时通过全信息持仓补全法获得基金最近4个季度的行业持仓比例（补全方法见数量化专题《马赛克原理：基金持仓全景透视》）； 【STEP 2：基金行业分类】 根据基金最近4个季度的补全行业持仓，将基金划分为消费等6种行业基金，具体划分方法见报告附录； 【STEP 3：基金经理性格得分计算】 对于每个行业分类内的基金，将这些特征因子进行基金行业内部的MAD去极值、z-score标准化后，进一步进行合成，以计算基金以下四种性格得分： 大类资产偏好= 最新权益仓位 + 近2年最低权益仓位 趋势/逆向投资 = 近12个月涨幅 + 近6个月涨幅 风险偏好 = 近12个月波动率 + PE历史分位点 + PE行业分位点 持仓特异性 = 整体抱团度 + 行业内抱团度 我们将以上性格得分再次在基金行业内部进行去极值、标准化后，根据以下方法计算基金在各市场环境下的适宜性格得分： 牛市性格得分 = 大类资产偏好 + 趋势/逆向投资 + 风险偏好 熊市性格得分 = (大类资产偏好 + 趋势/逆向投资 + 风险偏好) * -1 震荡市性格得分 = 持仓特异性 – 风险偏好 【STEP 4：根据基金经理性格得分在各类行业基金内进行优选】 在通过量化或主动方法对未来一个季度各行业/沪深300的行情（牛市/熊市/震荡市）做出判断后，通过对应市场的性格得分在每种行业类型（消费、医药等）的基金内筛选出部分得分较高，也即基金经理性格符合未来行情特征的基金，量化筛选后可结合调研等再对量化优选出的基金进行进一步筛选。最后结合行业轮动策略对这些基金进行组合。 4.2.策略表现 我们计算了2014Q1-2020Q4期间，以上性格得分在各市场环境下对于未来收益的预测能力，具体IC如下所示，可以看出，总体而言，牛市/熊市/震荡市性格得分在其对应市场环境中对于收益的预测能力均十分突出，其中牛市性格得分在牛市中的IC高达0.24，预测能力最强，熊市得分次之，IC为0.22，震荡市预测能力相对最弱，但IC依然高达0.18。分行业来看，基金经理性格得分在几乎所有行业中的IC都在0.15以上，仅性格得分仅在震荡市的科技行业中失效。这一结果说明如果我们能对未来市场环境有相对准确的判断，那么通过量化性格择基方法可以准确优选出未来收益较高的基金。 我们还将基金经理性格得分对于收益的预测能力和alpha进行了对比，由下表可以看出，alpha虽然确实具有一定收益预测能力，但其在各市场环境下的表现都要弱于基金经理性格。我们认为这可能是由于alpha计算方法本身带来的问题导致——无论回归方式如何改进，alpha都无法避免时间窗口带来的滞后性，以及回归不稳定性所带来的误差。此外，考虑到alpha择基从逻辑角度弱于基金经理性格择基，我们认为基金经理性格择基无论是从逻辑还是择基效果而言都优于传统alpha因子。 05 总结与展望 本报告旨在通过探究基金经理性格的量化刻画方法，以及不同市场环境下最“顺应市势”的投资性格，帮助投资者实现科学择基。具体而言，本报告通过聚类后的稳定持仓特征反推基金经理性格，并基于“牛市选择激进派，熊市选择保守派，震荡市坚守龙头兼具防御”的环境-性格对应关系，在预判未来市场环境的基础上实现对各行业基金的优选。 基于基金经理性格的量化择基方法对基金收益的预测能力较强——基金经理的牛市性格得分在牛市中的IC高达0.24，熊市性格得分在熊市中的IC达0.22，震荡市性格得分在震荡市中的IC达0.18，均远高于同期传统择基因子alpha的IC。 如果我们回顾本篇报告，会发现本篇报告涉及策略的核心输出为：结合对于市场环境的预判，在各行业类型的基金中优选出的基金，因此若需构建最终基金组合还需要两个输入——对于未来市场环境的判断（以实现行业基金优选），以及行业配置比例（以实现行业基金间的配权），而对于这两个输入观点，我们均有对应的择时系列报告以及行业基本面量化系列报告，具体如下图所示，以上系列报告构成了我们国君金工量化择基框架的基础。 目前我们对于基金的配置还限于主动股基层面，在未来的研究中，我们将结合宏观量化预测Nowcasting系列报告、基于宏观因子的资产配置方法系列报告等进一步完善资产配置框架，以此将债券型基金等进一步纳入我们的量化择基框架体系。 06 附录 6.1.基金alpha计算方法 每个月月末，对每只基金使用其最近20日日度收益数据进行如下有约束回归： 其中，fund ret为该基金日度收益率，w为该基金当日对于行业i的持仓比例，stock ret为当日以流通市值加权的股票组合日度收益率，i = 消费、医药、科技、周期、金融，行业分类方法见下表，alpha为回归残差。 6.2.基金行业分类方法 我们首先通过全信息持仓补全法获得基金四个季度的行业补全持仓比例——基金的全部持仓仅在半年报、年报中披露，一年仅披露两次，披露频率低，难以刻画基金持仓的行业特征，为解决这一问题，我们在数量化专题报告《马赛克原理：基金持仓全景透视》中提出了一种综合行情信息、季报信息的持仓补全法：全信息持仓补全法，具体方法见报告。在通过全信息持仓补全法获得基金四个季度的行业持仓比例后，我们进一步根据基金的补全历史行业持仓比例对基金的大类、细分行业偏好属性进行划分。 我们首先将中信一级行业归为消费、医药、科技、金融、周期5个大行业板块，具体分类标准见下，之后根据补全持仓，统计基金每个季度各个大类行业板块的持仓比例。对于单只基金而言，若该基金在过去2年（即8个季报期内），某行业持仓比例排在所有基金前30%的概率大于80%，且最近一个季报的该行业持仓排在所有基金前30%，则该基金在本期会被定义为偏好该行业的基金。 对于行业持仓比例阈值的选择，我们选择30%是因为这一参数可在满足基金收益和行业指数收益相关性较强的基础上，还使得各行业的基金都相对较多，使得行业基金既具有行业代表性，又为择基提供了足够大的基金池供后续筛选： 6.3.持仓特征计算方法 详细报告请查看20210623发布的国泰君安金融工程专题报告《环境-性格双核基金评价框架》 特别声明： 本订阅号发布内容仅代表作者个人看法，并不代表作者所属机构观点。涉及证券投资相关内容应以所属机构正规发布的研究报告内容为准。 市场有风险，投资需谨慎。在任何情况下，本订阅号中的信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。 本订阅号内容均为原创，未经书面授权，任何媒体、机构和个人不得以任何形式转载、发表或引用。
点击上方“辰奥临君” ，关注我们 陈奥林 从业证书编号 S0880516100001 吕 琪 从业证书编号 S0880120080008 摘要 核心逻辑：市场环境持续时，alpha持续性强，基金“强者恒强”；市场环境切换时，alpha持续性差，基金排名发生变动。我们认为这是由于市场环境持续时，基金的高alpha来源于某些适合当下行情的稳定特征。行情切换时，市场“需要”的基金特征发生了变化，因此前期表现优异的基金排名出现变动。 基金经理性格的量化刻画：基金经理的性格是无法直接观察到的内在属性，但性格的外在显化，即持仓特征可通过数据直接观测到，因此我们通过持仓特征反推基金经理性格。考虑到性格具有稳定性，且性格和特征具有“一对多”的关系，我们通过聚类稳定持仓特征反推基金经理性格。 市场环境的量化刻画：考虑到A股市场结构性行情特征明显，我们对于不同行业的市场环境进行了单独刻画，我们以流通市值加权编制了消费、医药、科技、周期、金融股票指数作为对应行业型基金的业绩基准，以沪深300作为行业轮动型基金的业绩基准。定义2014至今收益前30%的季度为牛市，后30%的为熊市，其余为震荡市。 各类市场环境下最“顺应市势”的基金经理性格探究：我们发现牛市应选择激进派，熊市选择保守派，震荡市坚守龙头兼具防御。也即牛市中偏好权益资产、趋势投资、高风险偏好的激进派基金经理由于攻击性强，适合牛市环境而表现较优；熊市恰相反，偏好低仓位、逆向投资、低风险偏好的保守派基金经理由于高防守性而回撤较低，收益较高；震荡市中持有优质龙头（高抱团个股），同时风险偏好较低，具有一定防守能力的基金经理表现相对突出。 基于基金经理性格的量化择基方法构建：根据基金最近4个季度的补全行业持仓，将基金划分为消费型、医药型等6种行业基金。对于每个行业分类内的基金，将其持仓因子合成为牛市/熊市/震荡市性格得分，结合对于未来该行业股价走势（市场环境）的预判进行择基。回测结果显示，基金经理的牛市性格得分在牛市中的IC高达0.24，熊市性格得分在熊市中的IC达0.22，震荡市性格得分在震荡市中的IC达0.18。 01 概述 本篇报告旨在通过探究基金经理性格的量化刻画方法，以及不同市场环境下最“顺应市势”的投资性格，帮助投资者实现科学择基。 基金经理的性格（投资偏好）决定持仓特征，不同持仓特征在牛/熊/震荡市中的“适用性”不同，这使得行情持续时，部分基金经理由于性格适合该市场环境，因此持续表现优异，而当市场环境切换时，基金排名出现变动。 基金经理的性格（投资偏好）决定其持仓特征。如偏好趋势投资的基金经理所投资的股票往往是前期涨幅较大的“热门股”； 基金高alpha的本质是：基金经理内在性格外化出的持仓特征“适合”当下市场环境，使该基金收益表现突出。如牛市时，偏好趋势投资，投资于前期涨幅较大的股票的基金经理收益占优，而偏好逆向投资，搏反转的基金经理排名靠后； 基金alpha具有持续性的本质是：市场环境具有一定持续性，行情持续时，基金经理“强者恒强”，牛熊切换时排名变动较大。行情持续时，部分基金经理由于持仓特征稳定且适合该市场环境，因此表现优异，且“强者恒强”，业绩持续突出。而当市场环境切换时（如：牛熊切换），基金排名变动较大，新一批“明星基金经理”出现； 通过探究具有哪种性格的基金经理会在特定市场环境中获得高alpha，可以帮助投资者实现科学择基。传统择基思路往往立足过去“向后看”——依靠基金历史业绩对基金进行筛选，但投资本质需求是“向前看”——筛选出未来表现优异的基金。考虑到过去表现优异的基金未来不一定“恒强”，且“向后看”的投资逻辑模糊，因此传统择基思路存在缺陷。通过探究具有哪种性格的基金经理会在特定市场环境中获得高alpha，我们不仅可以在择基中“向前看”，同时也能为投资者更为清晰地展现自己在为基金的什么特征买单，投资逻辑更为清晰。 本篇报告接下来将探讨以下几个问题：①我们为什么认为基金alpha由基金经理性格和市场环境共同决定；②如何量化刻画基金经理性格及市场环境；③具有哪种性格的基金经理会在特定市场环境中获得高alpha；④如何通过基金经理性格实现量化择基。 本篇报告的研究结论符合直觉——“牛市选择激进派，熊市选择保守派，震荡市坚守龙头兼具防御”。基于基金经理性格的量化择基方法对基金收益的预测能力较强——基金经理的牛市性格得分在牛市中的IC高达0.24，熊市性格得分在熊市中的IC达0.22，震荡市性格得分在震荡市中的IC达0.18，均远高于同期alpha的IC。 02 “市”势造英雄：基金alpha从哪来，何时“去” 公募基金的alpha被普遍认为具有持续性，alpha也因此成为择基的重要指标。但如果我们回顾“明星基金经理”榜单变动史，我们会发现即使剔除行业因素，这一榜单也并非一成不变，基金经理并非“强者恒强”，也即基金alpha并非始终持续，而是会在某个特殊时点消失。 考虑到经验角度，市场环境（牛/熊/震荡市）切换时，基金排名变动较大，我们认为基金alpha的连续性可能受到市场环境影响。为了从数据角度证明这一猜想，探究alpha“湮灭”的时点，我们通过数据探究了不同市场环境持续/切换时，基金alpha的持续性。具体到实证方法层面，考虑到基金收益受行业beta影响较大，我们通过有约束回归获得了剔除行业beta后的基金月度alpha，具体回归方法见附录。同时，我们定义沪深300指数2014年至今的月度收益序列中，排名前30%的为牛市，后30%的为熊市，其余为震荡市。 我们计算了市场环境持续期间、市场环境切换期间两种时间区间内， alpha上月和下月的平均秩相关系数，结论为市场环境持续时，alpha平均秩相关系数高达0.0919，切换时，该值仅为0.0401，不足市场持续时的一半。这说明市场环境持续时，alpha持续性强，基金“强者恒强”；市场环境切换时，alpha持续性差，基金排名出现变动。 基于上述实证结果，我们进一步对于alpha持续性，或者说alpha的部分来源提出猜想，我们认为市场环境持续时，alpha也持续是因为这些基金具有某种适合当下行情的稳定特征，因此“强者恒强”。行情切换时，市场“需要”的基金特征发生了变化，因此前期表现优异的基金不再符合“市场需求”，排名变动较大，新一批“明星基金经理”出现。我们将在后文中进一步证明这一猜想。 03 性格定成败：牛市中，哪种性格的基金经理将异军突起 我们将在本节首先讨论基金经理性格的量化刻画方法，然后探究不同市场环境下表现最突出的基金经理性格。我们在后文所讨论的基金池包括普通股票型基金、偏股混合型基金、灵活配置型基金中，上个季度权益持仓比例不低于60%（偏股混合型股票下限）的基金。考虑到我们后文中为剔除行业因素会对基金进行行业分类，为保证每个行业下的基金不会过少并影响统计结果，我们并未通过基金规模对于基金进行进一步筛选。 3.1.基金经理性格量化刻画 基金是人投资的结果，因此其持仓特征本质是基金经理内在性格的外化，也即基金经理的性格才是其alpha根源。但基金经理的性格属于其内在属性，我们无法直接观察到，但性格的外在显化，也即持仓特征是我们可以通过数据统计直接观测到的，因此我们在本节主要通过持仓特征反推基金经理性格。 3.1.1.持仓特征筛选 我们认为“性格”应该具有稳定性、持续性，这是因为：第一，逻辑角度，虽然基金经理的投资习惯将时间拉长至数年来看可能会有变动，但短期（如当季和下季之间）不应有较大差异；第二，数据角度，若性格的持续性弱于alpha持续性，那就失去基于性格择基的必要了（因为从结果角度看可能不如直接通过alpha择基）。 考虑到某些持仓特征和基金经理的行业偏好相关性较强，如金融股的估值天然低于科技股，我们在对基金经理的性格，或者说持仓特征进行研究之前，首先对于基金基于补全持仓进行了行业分类，具体分类方法见附录。后续我们对于基金持仓特征的比较都是在同行业的基金内部进行，以剔除基金经理行业偏好对于持仓特征的影响。 综上，我们选择了最新权益仓位等潜在指标，探究了其当季度和下季之间的平均秩相关系数。由于我们所探究的指标较多，此处仅展示持续性强，也即总体当季度和下季之间的平均秩相关系数在0.5以上或接近0.5的指标，指标的计算方法见附录： 3.1.2.持仓特征到性格的反映射 在筛选出稳定的持仓特征后，我们要从持仓特征反推基金经理性格。逻辑角度，基金经理性格和持仓特征并非一一对应关系，一种性格可能对应多个持仓特征——如高风险偏好的基金经理所持有个股不但具有持股高波动，还具有高估值的特征等。 对于“同出一源”持仓特征，由于出自同一种性格，因此往往相关性较高。基于此我们统计了以上各持仓特征间的相关系数矩阵，并筛选出相关系数大于0.4，且具有相关逻辑的持仓特征聚类组合为基金经理性格，我们总结出如下性格-持仓特征对应关系表： 3.2.市场环境量化刻画 我们在上文已提到，为了增强基金间持仓特征的可比性，我们对于基金持仓特征的比较是在具有同种行业偏好的基金内部进行。而在刻画市场环境时，考虑到A股市场经常出现结构性行情，我们同样对于不同行业的市场环境进行了单独刻画。 在上文划分基金行业偏好时，我们将基金划分为有特定行业偏好的基金（如：消费型基金、医药型基金等），以及行业轮动型基金。对于有特定行业偏好的基金，也即消费、医药、科技、周期、金融型基金，我们根据附录中的行业分类方法，将对应行业的个股以流通市值加权编制了消费、医药、科技、周期、金融股票指数作为对应行业基金的业绩基准，以刻画该行业基金所对应的行情走势。对于行业轮动型基金，我们将沪深300指数作为其业绩基准。 关于各行业市场牛熊环境的定义方法，对于以上每个指数（也即每个“市场”），我们定义2014年至今收益排在前30%的季度为牛市，后30%的季度为熊市，其余为震荡市。 3.3.各类性格在不同市场环境中的适用性 每个季度的季末，我们基于基金最新可得持仓信息，也即上个季报/半年报/年报信息计算基金持仓特征因子值，并计算出各行业型基金在未来一季度市场环境下，持仓特征因子对于未来一季度收益的预测能力，最后计算各市场环境下IC的均值，具体如下表所示，其中预测能力较强的持仓特征已标出，可以看出，除持仓稳定性、持仓集中度对于基金收益预测能力较弱外，其余如大类资产偏好等性格均在不同环境中对于基金未来收益有较强预测能力： 由上表可以看出，各类市场环境下最“顺应市势”的基金经理性格较符合直觉——“牛市选择激进派，熊市选择保守派，震荡市坚守龙头兼具防御”，也即牛市中偏好权益资产、趋势投资、高风险偏好的激进派基金经理由于攻击性强，适合牛市环境而表现较优；熊市恰和牛市相反，偏好低仓位、逆向投资、低风险偏好的保守派基金经理由于高防守性而回撤较低，收益较高；震荡市中持有优质龙头（高抱团个股），同时风险偏好较低，具有一定防守能力的基金经理表现相对突出。 最后，本节的研究结论还可以在一定程度上证明第二章我们所提出的alpha来源的猜想——在不同市场环境中，“顺应市势”的稳定性格确实能在未来获得较高收益，这在一定程度上说明了基金经理性格确实在一定程度上造就alpha。 04 基于基金经理性格的量化择基方法 我们在上文中已经总结出基金经理性格的量化方法，以及各市场环境下的优势性格，本章将会将这些研究结论进一步汇总成基于基金经理性格的量化择基方法，并探究其择基效果。 4.1.策略设计 【STEP 1：基础数据准备】 每个季度的季末（或其他调仓频率，可根据产品灵活选择），我们通过基金最新可得持仓信息，也即最近一个季度的季报/年报/半年报计算基金最新权益仓位等特征，同时通过全信息持仓补全法获得基金最近4个季度的行业持仓比例（补全方法见数量化专题《马赛克原理：基金持仓全景透视》）； 【STEP 2：基金行业分类】 根据基金最近4个季度的补全行业持仓，将基金划分为消费等6种行业基金，具体划分方法见报告附录； 【STEP 3：基金经理性格得分计算】 对于每个行业分类内的基金，将这些特征因子进行基金行业内部的MAD去极值、z-score标准化后，进一步进行合成，以计算基金以下四种性格得分： 大类资产偏好= 最新权益仓位 + 近2年最低权益仓位 趋势/逆向投资 = 近12个月涨幅 + 近6个月涨幅 风险偏好 = 近12个月波动率 + PE历史分位点 + PE行业分位点 持仓特异性 = 整体抱团度 + 行业内抱团度 我们将以上性格得分再次在基金行业内部进行去极值、标准化后，根据以下方法计算基金在各市场环境下的适宜性格得分： 牛市性格得分 = 大类资产偏好 + 趋势/逆向投资 + 风险偏好 熊市性格得分 = (大类资产偏好 + 趋势/逆向投资 + 风险偏好) * -1 震荡市性格得分 = 持仓特异性 – 风险偏好 【STEP 4：根据基金经理性格得分在各类行业基金内进行优选】 在通过量化或主动方法对未来一个季度各行业/沪深300的行情（牛市/熊市/震荡市）做出判断后，通过对应市场的性格得分在每种行业类型（消费、医药等）的基金内筛选出部分得分较高，也即基金经理性格符合未来行情特征的基金，量化筛选后可结合调研等再对量化优选出的基金进行进一步筛选。最后结合行业轮动策略对这些基金进行组合。 4.2.策略表现 我们计算了2014Q1-2020Q4期间，以上性格得分在各市场环境下对于未来收益的预测能力，具体IC如下所示，可以看出，总体而言，牛市/熊市/震荡市性格得分在其对应市场环境中对于收益的预测能力均十分突出，其中牛市性格得分在牛市中的IC高达0.24，预测能力最强，熊市得分次之，IC为0.22，震荡市预测能力相对最弱，但IC依然高达0.18。分行业来看，基金经理性格得分在几乎所有行业中的IC都在0.15以上，仅性格得分仅在震荡市的科技行业中失效。这一结果说明如果我们能对未来市场环境有相对准确的判断，那么通过量化性格择基方法可以准确优选出未来收益较高的基金。 我们还将基金经理性格得分对于收益的预测能力和alpha进行了对比，由下表可以看出，alpha虽然确实具有一定收益预测能力，但其在各市场环境下的表现都要弱于基金经理性格。我们认为这可能是由于alpha计算方法本身带来的问题导致——无论回归方式如何改进，alpha都无法避免时间窗口带来的滞后性，以及回归不稳定性所带来的误差。此外，考虑到alpha择基从逻辑角度弱于基金经理性格择基，我们认为基金经理性格择基无论是从逻辑还是择基效果而言都优于传统alpha因子。 05 总结与展望 本报告旨在通过探究基金经理性格的量化刻画方法，以及不同市场环境下最“顺应市势”的投资性格，帮助投资者实现科学择基。具体而言，本报告通过聚类后的稳定持仓特征反推基金经理性格，并基于“牛市选择激进派，熊市选择保守派，震荡市坚守龙头兼具防御”的环境-性格对应关系，在预判未来市场环境的基础上实现对各行业基金的优选。 基于基金经理性格的量化择基方法对基金收益的预测能力较强——基金经理的牛市性格得分在牛市中的IC高达0.24，熊市性格得分在熊市中的IC达0.22，震荡市性格得分在震荡市中的IC达0.18，均远高于同期传统择基因子alpha的IC。 如果我们回顾本篇报告，会发现本篇报告涉及策略的核心输出为：结合对于市场环境的预判，在各行业类型的基金中优选出的基金，因此若需构建最终基金组合还需要两个输入——对于未来市场环境的判断（以实现行业基金优选），以及行业配置比例（以实现行业基金间的配权），而对于这两个输入观点，我们均有对应的择时系列报告以及行业基本面量化系列报告，具体如下图所示，以上系列报告构成了我们国君金工量化择基框架的基础。 目前我们对于基金的配置还限于主动股基层面，在未来的研究中，我们将结合宏观量化预测Nowcasting系列报告、基于宏观因子的资产配置方法系列报告等进一步完善资产配置框架，以此将债券型基金等进一步纳入我们的量化择基框架体系。 06 附录 6.1.基金alpha计算方法 每个月月末，对每只基金使用其最近20日日度收益数据进行如下有约束回归： 其中，fund ret为该基金日度收益率，w为该基金当日对于行业i的持仓比例，stock ret为当日以流通市值加权的股票组合日度收益率，i = 消费、医药、科技、周期、金融，行业分类方法见下表，alpha为回归残差。 6.2.基金行业分类方法 我们首先通过全信息持仓补全法获得基金四个季度的行业补全持仓比例——基金的全部持仓仅在半年报、年报中披露，一年仅披露两次，披露频率低，难以刻画基金持仓的行业特征，为解决这一问题，我们在数量化专题报告《马赛克原理：基金持仓全景透视》中提出了一种综合行情信息、季报信息的持仓补全法：全信息持仓补全法，具体方法见报告。在通过全信息持仓补全法获得基金四个季度的行业持仓比例后，我们进一步根据基金的补全历史行业持仓比例对基金的大类、细分行业偏好属性进行划分。 我们首先将中信一级行业归为消费、医药、科技、金融、周期5个大行业板块，具体分类标准见下，之后根据补全持仓，统计基金每个季度各个大类行业板块的持仓比例。对于单只基金而言，若该基金在过去2年（即8个季报期内），某行业持仓比例排在所有基金前30%的概率大于80%，且最近一个季报的该行业持仓排在所有基金前30%，则该基金在本期会被定义为偏好该行业的基金。 对于行业持仓比例阈值的选择，我们选择30%是因为这一参数可在满足基金收益和行业指数收益相关性较强的基础上，还使得各行业的基金都相对较多，使得行业基金既具有行业代表性，又为择基提供了足够大的基金池供后续筛选： 6.3.持仓特征计算方法 详细报告请查看20210623发布的国泰君安金融工程专题报告《环境-性格双核基金评价框架》 特别声明： 本订阅号发布内容仅代表作者个人看法，并不代表作者所属机构观点。涉及证券投资相关内容应以所属机构正规发布的研究报告内容为准。 市场有风险，投资需谨慎。在任何情况下，本订阅号中的信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。 本订阅号内容均为原创，未经书面授权，任何媒体、机构和个人不得以任何形式转载、发表或引用。
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）
郑重声明：悟空智库网发布此信息的目的在于传播更多信息，与本站立场无关，不构成任何投资建议。
