“学海拾珠”系列之二百七十：解码共同基金业绩：基于深度学习的动态收益模式

主要观点： 执业证书号：S0010520070001邮箱：yanjw@hazq.com 分析师：钱静闲执业证书号：S0010522090002邮箱：qianjx@hazq.com ⚫研究方法 1、TFT模型框架：文献采用序列到序列的深度学习模型，联合预测未来12个月的基金Alpha序列。模型包含变量选择模块、LSTM编码器-解码器、自注意力机制和分位数损失函数，能够同时处理动态、静态和确定性三类输入变量。 2、数据与验证：样本涵盖1990–2019年美国主动股票基金（3717只基金，50万+基金-月度观测）。采用滚动窗口10折交叉验证（训练窗口20年，前移12个月），每折内按基金ID80%:20%划分训练/验证集，确保无信息泄露。 ⚫文献主要结论 1、TFT预测能力显著优于传统模型：基于TFT预测构建的十分位多空组合，年化Carhart四因子Alpha差异达2.8%，且该业绩差异度持续长达四年。 1.《股价路径凸性与未来收益预测——“学海拾珠”系列之二百六十九》 2.《主动基金买入股票的超额收益时序曲线——“学海拾珠”系列之二百六十八》 2、历史Alpha是最重要的预测变量：基金自身的回报历史占模型决策权重的28.8%，其次是市场回报、期限利差、违约利差、通胀等宏观变量。历史Alpha的重要性呈现季节性，与公司盈利周期高度吻合。 3.《多因子视角下的波动率管理组合——“学海拾珠”系列之二百六十七》 3、危机时期获得更高注意力权重：衰退期的平均注意力权重比非危机期高出约46%，表明极端市场条件更能揭示基金经理的真实能力和策略。 4.《基金持股的偏态特征——“学海拾珠”系列之二百六十六》 5.《基于预测合成的贝叶斯投资组合优化——“学海拾珠”系列之二百六十五》 4、条件技能度量具有长期持续性：基于变量重要性定义的“高信息性时期”内计算的条件Alpha，能够预测未来12–48个月的业绩，且在控制历史Alpha后仍然显著。 6.《不确定性感知因子选择驱动的高维CAE资产定价框架——“学海拾珠”系列之二百六十四》 5、技能是状态依赖的：传统线性模型难以检测到无条件持续性，是因为技能只在特定信号重新具有信息性时才显现。 ⚫风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 正文目录 1引言..........................................................................................................................................................................................42数据、变量构建与样本概述................................................................................................................................................52.1数据来源..................................................................................................................................................................................52.2变量构建..................................................................................................................................................................................62.2.1基金业绩与特征........................................................................................................................................................62.2.2宏观经济与市场变量...............................................................................................................................................63方法论......................................................................................................................................................................................73.1预测共同基金业绩.................................................................................................................................................................73.2时间融合变换器模型.............................................................................................................................................................73.3模型评估..................................................................................................................................................................................83.4可解释的变量重要性与注意力............................................................................................................................................94使用机器学习模型预测共同基金业绩...............................................................................................................................94.1机器学习框架.........................................................................................................................................................................94.2数据划分、调优与敏感性分析..........................................................................................................................................104.3业绩比较................................................................................................................................................................................114.4诊断性投资组合证据：业绩离散度..................................................................................................................................125模型解释................................................................................................................................................................................135.1变量重要性分析...................................................................................................................................................................135.2历史阿尔法重要性的季节模式..........................................................................................................................................145.3不同市场下的注意力分析..................................................................................................................................................156基于模型的条件业绩持续性..............................................................................................................................................166.1基于变量重要性的条件阿尔法..........................................................................................................................................166.2条件业绩持续性的实证证据..............................................................................................................................................166.3长期的条件业绩持续性.............................................................................................................................