FOF研究系列：捕捉趋势的力量：基金动量刻画新范式

捕捉趋势的力量：基金动量刻画新范式 ——FOF研究系列 研究结论 基金的历史业绩是筛选基金过程中的核心考量因素之一。但近年来买入历史业绩表现较好的基金并不能有效提升基金组合未来收益。究其原因，我们发现传统动量因子容易受到Beta风险的干扰，当Beta风险剧烈波动时，基金历史业绩对未来收益的预测能力减弱。本文我们尝试从收益率时序中，寻找对未来收益预测能力强、受Beta风险干扰小的低分化日期，计算基金在低分化日期对应的收益指标，作为基金的动量因子。 金融工程|专题报告 报告发布日期2025年06月12日 杨怡玲yangyiling@orientsec.com.cn 执业证书编号：S0860523040002 杨丽华yanglihua@orientsec.com.cn 执业证书编号：S0860525040002 主动股基呈现长期动量效应 由于A股市场个人投资者交易占比较大，追涨杀跌等非理性交易行为较为普遍，导致个股过度偏离基本面，因而国内A股市场短期呈现出非常强的反转效应而长期动量效应并不显著；主动股基呈现长期动量效应，但从时序表现来看，2015年以及2021年至今，传统动量因子表现较差，选基效果不佳。 传统动量因子的缺陷 主动股基以股票作为主要配置对象，实际包含了非常多的Beta风险。当我们使用过去一段时间的业绩指标作为动量因子时，实际包含了很多beta收益，导致动量因子稳定性较差，对未来收益的预测能力减弱。 以行业Beta作为举例，我们发现：1）行业轮动月的基金动量表现更弱，非行业轮动月的基金动量表现更强；2）均衡型基金因受行业Beta的影响更小，动量效应更强；板块型基金受行业Beta影响更大，动量因子稳健性更差。 使用行业剥离后的Alpha收益作为基金的动量因子，虽然因子表现相对于传统动量有所提升，但2019年以来该因子的正向选基效果偏弱。 基金动量刻画新范式 到目前为止，我们对基金动量因子的刻画都是基于基金过去一段时间的业绩表现进行计算的。基金动量因子是由每日收益拼接而成，当我们筛选基金时，是否存在一些日期，其当日收益对未来基金收益的预测能力更强？ 我们按主动权益基金分化度从低到高对过去一段时间内的收益序列进行分组，并检验不同分组的收益因子有效性，发现基金在低分化组的收益对未来收益的预测能力更强。基于基金在过去三个月低分化度日期的收益构建收益因子、排序动量和夏普比因子，并将三个因子等权合成为低分化动量因子。2015年至今，低分化动量因子的RankIC为10.10%，RankICIR为1.09，季度多空胜率71%，最高组季均超额收益为1.25% 2015年至今，低分化动量因子与传统动量因子的相关性较低，秩相关系数均在26%以下；在均衡型和板块型基金池中均有较好的选基效果，说明低分化动量因子受Beta风险的干扰更小。 风险提示 1.量化模型失效风险。 2.极端市场环境可能对模型效果造成剧烈冲击，导致收益亏损。 ESG基金规模突破8200亿，首只浮动费率基金结募 多只信用债ETF纳入回购质押库申请获批，多只北交所主题基金限购 卡塔尔投资局受让华夏基金10%股份，首批新模式浮动管理费基金获批 2025-06-08 2025-06-02 2025-05-26 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 目录 一、主动股基呈现长期动量效应5 1.1A股反转效应更强5 1.2主动股基呈现长期动量效应6 二、传统动量因子的缺陷8 2.1行业轮动月的基金动量效应更弱10 2.2均衡型基金的动量效应更强10 2.3行业剥离后的Alpha动量11 三、基金动量刻画新范式13 3.1低分化收益因子14 3.2低分化排序动量17 3.3低分化夏普比18 3.4低分化动量20 3.5低分化动量特质21 3.6低分化动量在板块型基金中仍然有效22 四、总结23 风险提示25 图表目录 图1：不同国家或地区动量因子的多空净值曲线（1991-2024）5 图2：A股动量和反转因子十组分档月度超额(2011-2025.05)6 图3：A股动量和反转因子的多空相对强弱(2011-2025.05)6 图4：历史收益因子有效性（2015-2025.05）6 图5：过去1年历史收益因子十组分档季度超额7 图6：过去1年历史收益因子的时序和累计RankIC7 图7：夏普比因子有效性（2015-2025.05）7 图8：过去1年夏普比因子十组分档季度超额7 图9：过去1年夏普比因子的时序和累计RankIC7 图10：Alpha动量因子有效性（2015-2025.05）8 图11：过去半年Alpha动量因子十组分档季度超额8 图12：过去半年Alpha动量因子的时序和累计RankIC8 图13：主动股基持仓举例9 图14：中证800行业多空组合相对强弱线10 图15：剔除行业轮动月前后的动量因子表现（2015-2025.05）10 图16：板块映射规则11 图17：均衡型和板块型基金中动量因子有效性（2017-2025.05）11 图18：主动股基行业配置（2024Q4）12 图19：行业剥离Alpha动量因子有效性（2015-2025.05）12 图20：行业剥离Alpha动量的时序和累计RankIC13 图21：主动权益基金业绩分化度VS行业分化度（按行业分化度从高到低排序）13 图22：分化度与动量因子构建举例15 图23：按分化度分组的收益因子有效性（2015-2025.05）15 图24：低分化收益因子十组分档季度超额15 图25：低分化收益因子的时序和累计RankIC15 图26：低分化收益因子有效性（2015-2025.05）16 图27：不同样本期内按分化度分组的收益因子RankICIR16 图28：不同N取值对低分化收益因子的影响17 图29：低分化排序动量因子有效性（2015-2025.05）17 图30：过去3个月低分化排序动量因子十组分档季度超额18 图31：过去3个月低分化排序动量因子的时序和累计RankIC18 图32：不同N取值对低分化排序动量的影响18 图33：低分化夏普比因子有效性（2015-2025.05）19 图34：过去3个月低分化夏普比因子十组分档季度超额19 图35：过去3个月低分化夏普比因子的时序和累计RankIC19 图36：不同N取值对低分化夏普比因子的影响20 图37：低分化动量因子十组分档季度超额（2015-2025.05）20 图38：低分化动量因子的时序和累计RankIC（2015-2025.05）20 图39：残差因子十组分档季度超额22 图40：残差因子的时序和累计RankIC22 图41：动量因子相关性（2015-2025.05）22 图42：不同样本池中低分化动量的因子表现（2017-2025.05）22 图43：不同样本池中低分化动量的累计RankIC（2017-2025.05）23 表1：2020年7月末过去一年历史收益因子排序前209 表2：2021年8月3日收益最高的20只基金14 表3：2023年9月21日收益最高的20只基金14 表4：2021年8月31日动量因子打分对比21 表5：多空组合分年度表现21 基金的历史业绩是筛选基金过程中的核心考量因素之一。但近年来买入历史业绩表现较好的基金并不能有效提升基金组合未来收益。究其原因，我们发现传统动量因子容易受到Beta风险的干扰，当Beta风险剧烈波动时，基金历史业绩对未来收益的预测能力减弱。 本文我们尝试从收益率时序中，寻找对未来收益预测能力强、受Beta风险干扰小的低分化日期，计算基金在低分化日期对应的收益指标，作为基金的动量因子。2015年以来低分化动量因子RankIC均值为10.10%，年化RankICIR为1.09，季度多空胜率为71%，时序表现较为稳健。 一、主动股基呈现长期动量效应 1.1A股反转效应更强 1993年，Jegadeesh和Titman提出美股市场中长期存在“强者恒强”现象，即“过去表现好的股票在未来一段时间内的表现仍会相对更好，过去表现差的股票在未来一段时间内的表现仍会相对更差”；Carhart（1997）构建了Momentum动量因子，并将其加入FamaandFrench(1993)三因子模型中，构建了Carhart四因子模型；Asness（2013）研究发现动量效应不仅广泛地存在于股票市场，在商品CTA、债券和外汇等市场上同样广泛存在。 依据KennethR.French官网中提供的不同组别的历史收益，可以计算不同地区股票的动量因子多空净值。图1展示了1991年以来不同国家或地区股票动量因子的多空净值曲线，可以看到在全球市场上动量效应几乎无处不在，长期来看前期表现较好的股票确实能够战胜前期表现较差的股票。 图1：不同国家或地区动量因子的多空净值曲线（1991-2024） 2008年 全球金融危机 35 30 25 20 15 10 5 19910102 19910917 19920602 19930216 19931029 19940718 19950331 19951214 19960829 19970515 19980130 19981015 19990702 20000317 20001130 20010817 20020510 20030127 20031010 20040629 20050315 20051128 20060815 20070503 20080117 20081002 20090619 20100308 20101118 20110805 20120423 20130109 20130925 20140612 20150227 20151111 20160729 20170417 20171229 20180917 20190605 20200220 20201103 20210722 20220406 20221221 20230911 20240528 0 美国亚太-除日本发达市场-除美国欧洲 数据来源：KennethR.French官网，东方证券研究所 但由于A股市场个人投资者交易占比较大，追涨杀跌等非理性交易行为较为普遍，导致个股过度偏离基本面，因而国内A股市场短期呈现出非常强的反转效应而长期动量效应并不显著。我们在实践中经常使用过去一个月收益作为反转因子，使用剔除近一个月的过去一年收益作为动量因子，A股市场反转因子和动量因子的历史表现如下图所示。尽管反转因子也曾在2019年-2021年经历了阶段性失效，但长期来看，反转因子在A股的表现依然远超动量因子。 图2：A股动量和反转因子十组分档月度超额(2011-2025.05)图3：A股动量和反转因子的多空相对强弱(2011-2025.05) 1.0% 23 0.5%18 0.0%13 -0.5%8 -1.0% 3 -1.5% -2.0% 第1组第2组第3组第4组第5组第6组第7组第8组第9组第10组 动量因子反转因子 数据来源：Wind，东方证券研究所 -2 2010-12-31 2011-06-30 2011-12-31 2012-06-30 2012-12-31 2013-06-30 2013-12-31 2014-06-30 2014-12-31 2015-06-30 2015-12-31 2016-06-30 2016-12-31 2017-06-30 2017-12-31 2018-06-30 2018-12-31 2019-06-30 2019-12-31 2020-06-30 2020-12-31 2021-06-30 2021-12-31 2022-06-30 2022-12-31 2023-06-30 2023-12-31 2024-06-30 2024-12-31 动量因子反转因子 数据来源：Wind，东方证券研究所