量化专题报告：基金经理层面的数据库制作与应用

一、构建基金经理层面数据库的必要性 以往基金分析多基于产品维度，忽略基金经理变更等关键信息，导致评价稳定性差、无法评价新基金经理、忽视基金经理代表性等问题。构建基金经理层面数据库可解决这些缺陷，提升研究有效性。

二、基金经理层面数据库的搭建方法

1. 判定基金经理代表作：遵循单独管理、管理时长≥1年、产品规模大的原则选取。
2. 评价空窗期业绩：空窗期不纳入考核区间，按实际管理日期计算业绩。
3. 制定业绩比较基准指数：基于样本内基金经理日度收益率中位数构建，不同类型基金经理池构建相应指数。

三、基金经理数据库的投资应用

1. 优选经理：基金经理维度数据可增强传统选基因子效果，提升FOF策略绩效。例如，“近3年收益率因子”在经理维度下表现更优，改进量化多因子FOF组合绩效。
2. 提示风险：制作风险提示清单，剔除未来业绩风险较大的基金经理。经检验有效的负面事件包括：
   • 基金经理更换公司（超额下降概率59.26%，幅度17.53%）
   • 在管规模过大（超额下降概率79.23%，幅度25.27%）
   • 管理精力分散（超额下降概率56.48%，幅度15.77%）
   • 份额快速减少（超额下降概率56.79%，幅度15.16%）
   • 份额快速扩张（超额下降概率61.61%，幅度20.80%）
   • 过于追逐热点（超额下降概率67.38%，幅度19.17%）
   • 重仓股踩雷（超额下降概率55.94%，幅度16.50%）
   • 回撤幅度过大（超额下降概率66.39%，幅度25.32%） 风险清单基金经理组合表现：年化收益-1.63%，相对基准反向超额年化收益率9.41%。

四、总结 本文从产品维度转向基金经理维度进行研究，构建了数据库并解决关键问题。研究结论表明，经理维度数据可增强选基效果，风险提示清单可有效规避投资风险，为FOF投资提供支持。