基金配置研究系列之十九：“固收加”基金优选思路初探

本文探讨了“固收+”基金的优选问题，给了初步的思路并进行相关尝试。 业绩优选视角：“固收+”基金本质上属于追求绝对收益的基金。追求绝对收益的基金，应该适当关注产品净值曲线本身。因此，从收益及风险角度出发，我们选取年化收益率、卡玛比率（年化收益率/最大回撤）、夏普比率三个指标进行基金优选测试，并复合为业绩指标因子。 业绩指标因子优选基金构造的组合，总体上来说并不能完全战胜“固收+”整体等权组合。 持仓视角：净值法Campisi模型构造久期配置、期限结构、信用利差等因子，实现对国债效应、利差效应的映射。同时针对“固收+”基金常持有可转债、股票的情况，加入可转债因子、权益因子，以拆解出这部分资产带来的收益。经过实证测试，净值法Campisi模型对“固收+”基金具有较好的归因与解释作用。 经过因子有效性测试与相关性检测，我们发现Campisi归因模型中的alpha因子对基金未来3个月的收益有相对显著的预测作用。因此，我们选取alpha与业绩指标复合，构造新的因子，筛选基金构建组合。组合整体表现有所提升，业绩方面战胜等权组合，同时在回撤与波动控制方面也表现得较好。 风险提示：本报告结论完全基于公开的历史数据进行计算，对基金产品和基金管理人的研究分析结论并不预示其未来表现，也不能保证未来的可持续性，亦不构成投资收益的保证或投资建议。本报告不涉及证券投资基金评价业务，不涉及对基金产品的推荐，亦不涉及对任何指数样本股的推荐。 1.“固收+”基金业绩归因 1.1.常见的基金业绩归因方法 基金业绩归因方法，按照使用的数据，大致可分为持仓法、财报法、净值法三种。 1）持仓法，使用基金实际的持仓数据，从截面角度对基金业绩进行拆解。 股票型基金，一般使用Brinson归因模型（由初始的BHB模型到改进为BF模型，消除难以理解的交互收益项），债券型基金则使用传统的Campisi模型进行业绩归因。对于公募基金来说，持仓由季报或半年报披露，公开透明，但频率较低，数据不够完整（季报只披露前十大股票持仓、前五大债券持仓），因此存在着归因误差与滞后。 2）财报法，使用基金半年报披露的财务报表数据，从截面角度统计基金各类资产收益贡献，透明度高，适用于股票型及债券型基金，但同样存在着因数据频率过低而导致的归因误差与时滞。 3）净值法，使用基金日度净值数据计算出的收益率序列，与市场风格、行业等因子进行多元线性回归，计算各因子对基金业绩的贡献程度。该方法数据可得性较好，数据频率高，股票型及债券型基金通用，但因子间易存在共线性问题，影响归因的准确性。常见的净值法归因方法有Fama-French三因子、Carhart四因子等。 表1：常见的基金业绩归因方法 图1：基金业绩归因方法梳理 1.2.“固收+”基金的业绩归因方法 “固收+”基金，兼具股票与债券持仓，且以债券资产为主。股票因价格涨跌收益呈线性变化。与股票不同，债券收益来源于票息收入、买卖价差等，债券到期收益率与价格呈非线性关系。因此，将基金收益拆分资产配置、个股选择，适用于股票型基金业绩归因的Brinson模型，并不能很好的解释债券基金的收益来源。 另一方面，公募基金定期报告只披露前五大债券持仓，数据完整度较低的情况下，使用持仓法可能带来较大的误差。而财报法数据频率较低，归因结果存在一定的时滞性。因此本文从持仓视角出发，使用基于净值数据的Campisi模型，拆解“固收+”基金业绩。 1.2.1.债券基金业绩归因的理论发展 固定收益类投资组合的表现主要是由利率曲线的形状决定。Wager和Tito （1997）参照Fama-French框架提出一种债券收益率的分解方法，用久期来衡量系统性风险。之后Van Breukelen（2000）在此基础上结合Brinson模型，提出加权久期模型，进一步将收益拆分为久期配置、市场配置、证券选择三部分。Campisi（2000）融合上述两种方法的思想，从最基础的债券定价公式出发进行推导，自上而下将固收组合的收益分解为票息收益和价格收益。价格收益主要由利率变化引起，又可进一步分解为国债效应和利差效应。 图2：传统Campisi模型归因分解框架 1.2.2.基于净值的Campisi归因模型 参考传统的Campisi归因模型：债券收益=票息收益+国债效应（久期配置+期限结构配置）+利差效应，净值法Campisi模型基于净值构造久期配置、期限结构、信用利差等因子，实现对国债效应、利差效应的映射。同时针对“固收+”基金常持有可转债、股票的情况，加入可转债因子、权益因子，以拆解出这部分资产带来的收益。 图3：基于净值的Campisi归因模型框架 表2：基于净值的Campisi模型因子构造 使用上述构造的因子与基金收益率进行多元线性回归： yX 其中y为“固收+”基金收益率序列； X是构造的因子收益率序列； α为超额收益部分； β为各因子的暴露，可以理解为各因子对基金收益率的影响程度； ε为回归残差。 2.Campisi模型实证分析 我们使用上述模型，回归窗口期为1年，日度滚动，分别对纯债型基金AB、“固收+”基金C进行测试。 表3：常见的基金业绩归因方法 2.1.短期纯债型基金 可以发现纯债型基金久期因子（Level）贡献绝大部分收益，均具有较好的久期管理能力。不持有可转债的短期纯债型基金A，在信用利差因子（Credit）上的暴露是收益的另一大来源，具体表现为大量持有信用债。 图4：短期期纯债型基金A因子收益 图5：短期期纯债型基金A券种配置 2.2.中长期纯债型基金 对于可持有可转债的中长期纯债型基金B来说，可转债因子（Convertible）贡献不俗收益。不难看出，基于净值的Campisi模型同样适用于纯债型基金。 图6：中长期纯债型基金B因子收益 图7：中长期纯债型基金B券种配置 2.3.“固收+”基金 “固收+”基金C（灵活配置型基金），股票仓位常年保持在20%左右。 从回归结果看，基金能持续获得正向的alpha，权益因子（Equity）是其最主要的收益来源。久期因子（Level）、可转债因子（Convertible）等次之。基金C回归的拟合系数𝑹绝大部分位于0.4-0.8之间，可以认为净值法Campisi模型对“固收+”基金具有较好的归因与解释作用。 𝟐 图8：“固收+”基金C因子收益（持有股票及可转债） 𝟐 图9：“固收+”基金C股票仓位 图10：“固收+”基金C回归𝑹与alpha 3.“固收+”基金优选 本节我们进行“固收+”基金的优选，我们将成立时间超过3年，当期规模大于2亿的基金纳入备选基金池。 3.1.因子角度的基金优选 “固收+”基金通过适当投资于权益资产（股票、可转债）增强业绩，但本质上还是属于追求绝对收益的基金。追求绝对收益的基金，应该适当关注产品净值曲线本身。因此，从收益及风险角度出发，我们首先选取年化收益率、卡玛比率（年化收益率/最大回撤）、夏普比率三个指标因子进行基金优选测试。 3.1.1.基金筛选因子：年化收益率 我们在季度末选取过去1年、2年、3年年化收益率排名前5的基金进行持有，季度调仓，观察回测结果。不难发现，年化收益率因子部分有效，年化TOP5持有总体上业绩均能超过等权配置，但组合业绩不稳定。 业绩区间选择越短，业绩越不稳定。综合收益与风险，年化收益率指标区间选择3年更优。 图11：区间年化收益TOP5：业绩表现回测 表4：区间年化收益TOP5：业绩表现回测 3.1.2.基金筛选因子：卡玛比率 我们在季度末选取过去1年、2年、3年卡玛比率排名前5的基金进行持有，季度调仓，观察回测结果。卡玛比率因子部分有效，总体上业绩均未能超过等权配置，但组合业绩明显稳定。单独使用卡玛比率挑选基金，有损长期整体业绩水平，但短期风控能力更好。综合收益与风险，卡玛比率指标区间选择3年更优。 图12：区间卡玛比率TOP5：业绩表现回测 表5：区间卡玛比率TOP5：业绩表现回测 3.1.3.基金筛选因子：夏普比率 我们在季度末选取过去1年、2年、3年夏普比率排名前5的基金进行持有，季度调仓，观察回测结果。同样，夏普比率因子部分有效，单独使用夏普比率挑选基金，组合长期业绩受损，但净值曲线更加“平滑”。 综合收益与风险，夏普比率指标区间选择1年更优。 图13：区间夏普比率TOP5：业绩表现回测 表6：区间夏普比率TOP5：业绩表现回测 3.1.4.基金筛选因子：业绩指标复合 我们将上述业绩指标因子进行复合： 1）根据净值数据，计算基金近三年的年化收益率、卡玛比率、近一年的夏普比率。 2）每个季度对各指标分别由小到大进行横截面排序，计算单个基金单个指标在组内的排名百分位数，以此作为该基金在该项指标上的得分。 3）综合考虑三项指标，按照4：3：3的权重计算总得分。即综合得分=区间年化收益率得分×40% +区间卡玛比率得分×30% +区间夏普比率得分×30%。 4）持有综合得分排名前5的基金，等权配置并季度换仓。通过业绩指标复合因子筛选出的基金组合，波动与回撤控制方面较为优秀，但收益率未能跑赢等权组合，总体上来说并不能完全战胜等权组合。 图14：业绩指标优选组合：表现回测 3.1.5.基金筛选因子：基于Campisi模型业绩归因后的Alpha 净值法Campisi模型对“固收+”基金的收益具有较好的归因与解释作用。 因此，本节我们尝试测试归因模型中的部分参数对基金未来3个月的收益是否具有预测作用，并进行因子相关性检验。Campisi模型回归窗口期为1年，日度滚动。因子测试时间为2017.01.01-2021.12.31。 因子有效性测试结果表明，Campisi模型中的alpha（近1年）、残差项（近1年），业绩指标年化收益率（近3年）、年化收益率（近1年）对基金未来3个月收益有相对显著的预测作用。相关性测试结果表明，alpha、残差项、年化收益率（近1年）三者之间相关性较高，我们选取alpha作为新的因子，加入基金筛选的复合因子中。 表7：因子有效性检测表 3.2.“固收+”基金优选方案设计 我们将alpha因子与上述业绩指标因子复合： 1）计算窗口期为1年，日度滚动Campisi模型回归后的alpha，基金近三年的年化收益率、卡玛比率、近一年的夏普比率。 2）每个季度对各指标分别由小到大进行横截面排序，计算单个基金单个指标在组内的排名百分位数，以此作为该基金在该项指标上的得分。 3）综合考虑四项指标，按照4：3：2：1的权重计算总得分。即综合得分= alpha得分×40% +区间年化收益率得分×30% +区间卡玛比率得分×20% +区间夏普比率得分×10%。 4）持有综合得分排名前5的基金，等权配置并季度换仓。根据新的因子筛选出的基金组合，整体表现有所提升，业绩方面战胜等权组合，同时在回撤与波动控制方面也表现得较好。 图15：alpha因子+业绩复合因子优选组合：表现回测 表8：alpha因子+业绩复合因子优选组合：表现回测 4.风险提示 本报告结论完全基于公开的历史数据进行计算，对基金产品和基金管理人的研究分析结论并不预示其未来表现，也不能保证未来的可持续性，亦不构成投资收益的保证或投资建议。本报告不涉及证券投资基金评价业务，不涉及对基金产品的推荐，亦不涉及对任何指数样本股的推荐。