分类
以优选公募基金持仓为选股池,采用动态RankICIR加权的多因子模型进行增强,构建超越股基中位数的业绩增强组合。
关键结论
公募基金业绩增强组合2010年以来年化收益25.89%,相较股基中位数年化超额17.74%,历年排名基本处于股基前20%。
核心要点
- 量化基金绝对收益弱主要因宽基基准弱,而非Alpha获取能力下降
- 全市场股基持仓组合长期显著战胜沪深300和中证500
- 多维度筛选优秀基金,以其持仓为选股空间构建多因子增强模型
- 采用动态计算因子RankICIR的方法适应持仓变化较快的特点
核心内容
报告提出从对标宽基指数转向对标优秀主动股基的量化增强新思路。首先通过多维度选基因子(前瞻能力、隐形交易能力、TM-FF、夏普率、机构关注度等)筛选出TOP30%优选基金和TOP30基准基金;随后将优选基金持仓汇总构建动态选股池;在选股池内,采用将当前持仓向前滚动复制12期的方法动态计算因子RankICIR并进行加权,构建收益预测模型;最后通过精选Top20等权或组合优化控制行业风格偏离,构建最终增强组合。
经济逻辑
公募基金整体具备显著的选股Alpha,其持仓组合长期跑赢宽基指数。但简单抄作业存在持仓滞后和集中度问题。通过多维度定量优选未来表现更好的优秀基金,可以获取更高含金量的持仓信息;在此基础上叠加多因子量化增强,既能获取优秀基金选股的Beta,又能通过量化模型获取持仓内的个股Alpha,从而实现相对主动股基中位数的稳定超额收益。
超额收益逻辑
超额收益来源于两部分:一是优秀基金本身的选股能力带来的Beta收益,通过复制其重仓股获得;二是多因子模型在优选基金池内部进行个股筛选带来的Alpha收益。通过动态RankICIR加权,有效解决了优选基金持仓变化快导致传统因子回看失效的问题,使得因子权重与当前股票池特征更匹配。
构造细节 [strategy]
多因子动态加权:使用动态计算的因子RankICIR作为权重对各因子加权合成综合得分;组合优化:以TOP30优选基金持仓为基准,控制行业与风格偏离构建优化组合。
绩效
以TOP30%优选基金的持仓为选股空间,结合动态加权搭建收益预测模型,并采用组合优化控制行业与风格偏离。在考虑仓位及交易费用后,组合年化收益25.89%,每年业绩排名基本排在股基前20%。
收益归因
文中通过组合优化控制了组合相对基准的行业与风格偏离,但未对超额收益进行具体的量化归因分析。
稳健性
策略在时间序列上表现稳健,且通过组合优化约束有效控制了相对基准的风格漂移,整体鲁棒性较高。
数据依赖
所需数据均为常规金融数据,但基金经理前瞻能力因子和隐形交易能力的计算较为复杂,且需要拼接处理定期报告持仓的动态变化,复现需一定工作量。
相关研究
新颖性评估 [新组合]
创新点在于将FOF基金优选与多因子指数增强相结合,提出对标‘优秀主动股基’而非‘宽基指数’的新思路,并针对性设计了动态因子加权算法。
不足与缺陷
- 依赖基金定期报告披露的持仓数据,存在显著的滞后性(季报滞后15-20个工作日,报告滞后更长),实盘中直接复制可能面临持仓已变动的风险
- 基金隐形交易能力和前瞻能力因子的计算复杂度较高,且基于公开数据可能存在数据挖掘过拟合风险
- 组合换手率可能较高,虽考虑了交易费用,但实盘冲击成本可能被低估
可复用元素
- 动态RankICIR加权方法:将当前股票池前推滚动计算因子有效性,很好地适应了动态变化的选股域,可泛化至其他动态股票池策略
- 多维度基金评价体系:隐形交易能力与TM-FF模型截距项的构造具有参考价值
- 以优秀基金持仓构建增强基准的思路,为量化产品破局提供了新方向
启发
- 对于高频变动的基准或股票池,传统的全市场回看ICIR不再适用,动态局部的ICIR加权能更好刻画当下因子有效性
- 将主动管理的Beta与量化的Alpha结合,可以设计出更符合投资者绝对收益诉求的产品
改进方向
基于基金重仓股的网络拓扑结构选股增强
复现计划
1. 获取2010年至今的股基净值及定期报告持仓数据;2. 实现并计算选基因子(TM-FF、隐形交易能力等),筛选TOP30%与TOP30基金;3. 汇总持仓构建动态选股池;4. 实现动态RankICIR加权多因子模型;5. 分别构建Top20等权组合和组合优化控制偏离增强组合;6. 回测对比股基中位数,验证年化25.89%及前20%排名的业绩表现。
实体
LOCAL SIMILARITY
相似报告
共同实体:组合优化 · 因子:质量 · 方法:统计线性、组合优化 · 研究类型:基本面、资产配置·风格轮动
对比详情