分类
基于Wind偏股混合型基金指数,通过优选基金穿透至重仓股构建基准,结合多因子选股及组合优化构建增强策略,实现年化19.07%收益和11.67%超额收益。
关键结论
增强组合自2010年底至2022年9月30日累计上涨677.08%,年化收益19.07%,相对基准年化超额11.67%。
核心要点
- Wind偏股混合型基金指数由于等权且包含大量小规模基金,业绩优异,直接战胜难度大。
- 因无成分股明细,采用优选基金(5大选基因子)穿透至前十大重仓股构建基准组合。
- 在基准组合基础上,使用9大类选股因子,通过最大化复合Rank IC_IR合成,并进行组合优化(市值中性、行业中性、权重偏离1.5%)构建增强组合。
核心内容
报告提出了一种针对不可直接投资的基金指数(885001.WI)的增强方法。通过因子选基模型优选基金,穿透其重仓股构建基准股票组合;再利用多因子选股模型对该基准组合进行增强优化。同时测试了调仓频率、行业暴露和基金数量等参数对收益的影响。
经济逻辑
基金规模与业绩存在负相关,Wind偏股基金指数等权放大了小规模基金的影响,导致其业绩偏高。通过优选基金(因子选基)剔除落后基金,可以获取超额收益的股票基础池。进一步通过多因子选股模型在股票层面进行二次增强,叠加组合优化控制风险,实现稳定战胜该基金指数的目标。
超额收益逻辑
超额收益来源于两部分:一是优选基金带来的Alpha(通过选基因子筛选出优秀基金,其重仓股优于全市场基金重仓股平均);二是多因子选股带来的Alpha(在优选重仓股范围内,利用9大类有效因子进一步筛选最优股票)。组合优化控制了风格和行业偏离,使得超额收益更稳健。
构造细节 [strategy]
选基因子等权合成;选股因子通过最大化复合Rank IC_IR合成;组合构建采用二次规划/优化器进行约束求解。
绩效
增强组合自2010年底至2022年9月30日累计上涨677.08%,年化收益19.07%,相对于Wind偏股混合型基金指数年化超额11.67%。分年度来看,仅在2021年小幅跑输基准0.70%,其余年份均战胜指数。2022年前三季度相对基准超额10.14%。
收益归因
报告未进行正式的因子归因分析。对部分构建参数进行了敏感性测试,包括月度vs季度调仓(年化超额11.67% vs 10.78%)、行业中性vs叠加行业轮动(年化超额11.67%提升至12.13%)、优选基金数量50只vs30只等对比,但未对各因子贡献进行拆解归因。
稳健性
策略在样本外大部分年份表现稳健,但参数敏感性测试表明月度调仓优于季度调仓,且近两年部分选基因子波动加大甚至失效,说明存在一定的环境依赖性。
数据依赖
数据需求标准(均为常用基金及股票数据),但“基金重仓股穿透”及“最大化复合Rank IC_IR”合成方法的具体代码及细节未完全披露,且需结合自行构建的行业轮动模型才能完全复现叠加行业轮动的结果,故复现难度中等偏上。
相关研究
新颖性评估 [新组合]
并非提出单一全新因子,而是将“基金优选”与“股票多因子增强”结合,针对Wind偏股基金指数这一特殊基准设计了一套完整的间接增强策略框架。创新点在于基准组合的构造方式。
不足与缺陷
- 未考虑实盘交易成本:优选基金组合作为中间状态未考虑申购赎回费,但穿透至重仓股构建股票组合时,月度调仓的换手率较高(约54.83%),若考虑股票交易成本(印花税、佣金、滑点),实际超额收益将打折扣。
- 基金重仓股滞后性:季报披露有滞后期(15个交易日),使用滞后的重仓股作为选股基准和样本池,可能面临持仓已经变化的失真风险。
- 因子细节缺失:报告中提及的9大类选股因子和5个选基因子未列出具体公式和计算细节,无法直接复现因子本身。
- 行业轮动模型黑盒:叠加行业轮动模型部分未详述其宏观货币信用周期及微观因子的具体构建方法,难以复现12.13%的超额。
可复用元素
- 基金重仓股穿透方法:为无成分股的基金指数提供了一种可行的基准构建方案。
- 参数敏感性测试结论:月度调仓优于季度调仓;30只基金比50只基金收益略高但波动加大;适度放开行业暴露能提升收益。
- 间接增强框架:“选基 -> 穿透重仓股构建基准 -> 多因子选股增强”的流程设计。
启发
- 对于主动权益基金指数的增强,可以绕开成分股穿透,直接利用选基因子优选基金构建等权FOF组合,再叠加指数增强工具。
- 基金规模因子作为负向因子在基金指数表现中起到放大作用,说明等权方式对中小盘基金有天然偏好。
改进方向
使用基金净值回归估算实时持仓,替代滞后的季报重仓股
复现计划
1. 获取Wind偏股混合型基金指数成分基金列表及基础数据;2. 计算5个选基因子(需查阅团队前期报告获取公式),筛选前50只构建优选基金池;3. 提取优选基金最新季报前十大重仓股,按市值加权构建基准股票池;4. 复现9大类选股因子(需查阅主流因子库或前期报告),进行标准多因子预处理;5. 使用最大化复合Rank IC_IR方法合成综合打分因子;6. 使用凸优化求解器(如cvxpy),输入综合打分因子,约束市值中性、行业中性、个股偏离1.5%,求解最优权重;7. 月度调仓回测,对比基准收益。
实体
LOCAL SIMILARITY
相似报告
因子:价值、质量、分析师 · 方法:统计线性、组合优化 · 研究类型:基本面、技术面(量价)、资产配置·风格轮动 · 频率:财务(低频)、日频
对比详情