国泰海通2026全行业培训 基金评价与研究

00:00:12 嗯，那我们时间到了，我们就直接开始吧。呃，我是研究所基金研究的倪云婷，今天很高兴为大家介绍一下我们关于基金研究的一个框架。 00:00:21那首先呢，我们把基金分成分成了几大类。 00:00:26 第一部分呢，我们是介绍主动权益基金，第二块呢，是主动固收，第三块呢，是指数，基本上呢，它覆盖了目前市场上的一些主流的品种， 00:00:34 那么从主动权益的一个分析框架来看的话呢，这是一个我们完整的一个定量加定性的一个框架。 00:00:41 那可以看到呢，首先我们会基于绩效归因啊来进行一下这个拆解，随后呢，这个绩效归因这个大家可能在市场上通行的很多模型里面都可以看到，类似于像呃一些三方的系统啊，或者一些标准的系统，大家可能都会做bring和barra归因。那是不是我们拿到这样一个绩效归因的模型之后， 00:01:01 拆解下来超额收益高的或者说是选股收益高的这些产品，它就是我们觉得基金经理选股能力好的呢？其实答案是呃否定的。啊，不是说他这个拆解下来超额收益高或者说选股收益高，它就一定是能力强啊，当然也不是说它拆解下来收益高他就能力差，那么这个呢是存疑的啊，为什么他会说是存疑的一个情况？ 00:01:24 就大家如果从不同的阶段去拆解，你会发觉不管是brinson还是barra的模型，你拆解任意阶段选股收益最高的永远是这一阶段市场热点踏队的，也就是贝塔踏队的这些选手。 00:01:38 比如说大家如果归因最今年的这个产品进行归因的话，你就会发觉说一定是科技型的基金，它今年的超额收益选股收益是最高的。那历史上呢，可能在消费强的时候呢，大家拆解出来就是说，大消费的基金，如果我们仅仅是采信这样一个超额收益高选股超额收益高，我们就觉得他是选股能力强的基金经理。那么大概率呢，大家就会在20年的下半年配大量的消费基金，在今年呢就会去配大量的科技基金。 00:02:05 为什么会有这样的一个情况，是因为所有的归因拆解在这个过程当中，你都是没有办法把贝塔完全。 00:02:12 全拆清楚的。啊，可能我们看起来第一层拆了资产配置仓位，第二层拆了行业，但是即使你今天拆行业，是相对所谓的申万一级或者是沪深300的行业去进行拆分，仍然是没有办法拆解清楚。 00:02:27 以一个很简单的例子来说，今年大家可能都看到对吧，大家就是要么站在光里，要么就光着站在那里。那如果我今年我是配置了呃相对于算力这样的一些标的，我在行业拆分的时候，其实我会是在通信里边很多的标的，然后他会去拆分。但是通信行业它本身除了包含我们所谓的这个算力这些标的以外，它也包含了像中国电信、中国移动这样的一个标的， 00:02:52 所以呢，你在进行行业拆解的时候，看起来你好像把行业被它拆掉，但事实上并没有拆干净。那么剩余的这部分呢，它就会出现在超额收益个股的选择里边啊，所以看起来就收益很高。那后面的这些呢，其实我们都是为了验证绩效归因这里边看起来高或者低的那些部分。 00:03:14 有哪些是资金经理的能力圈自带的？有哪些是我们觉得偶然出现的这样的一些情况？ 00:03:20 呃，这里面我们比较关注的一个是风格，一个是行业配置，一个是选股，这是主动权益基金经理比较核心的几个点。啊，那首先呃绩效归因肯定是绕不开的啊哈，这个常规化的大 家用的比较多的模型，除了我们说的brinson和bara以外呢，还有一个叫多音子回归多因子回归，它是相比brinson和barra以外可以高频去进行回归的一个模型。那Brinson和barra的一个模型呢，它需要有半年报或者年报，或者是我们的基金公司内部有一个日估值表的一个持仓才能用作归因，所以它对于我们大部分外部的投资者来说，其实我们真的能用来归因的这个数据点是相对比较少的。 00:04:02 那么多音子回归呢，它是用的一个静止回归，呃，所以它相对来说会比较高频地去进行回归，那这个呢，就是很标准的一个多因子回归的一个结果的一个展示。但是如果从这样的一个结果上展示，大家可能会觉得很抽象，它看起来好像剩余了很多阿尔法，这个暴露起来在盈利上看起来也还蛮多的啊，然后可能在石化上，在农林牧渔上都还OK。 00:04:27 那它说明了什么呢？啊，它说明了历史上我的收益可能来自于这些。但是我对它。具象吗？其实没有那么具象。所以呢， 00:04:34 我们团队在真实使用当中，我们的多因子回归去放弃了一些东西，也就是我把所谓的这个市场啊，市值啊估值啊这些看起来很抽象这个过程放弃了我只进行行业回归。我们大家真实在配置产品的时候，其实行业是对我们日常投资决策很重要的一点啊。这个就是我们真实当中会去做的一个归因的一个模型，大家会发觉说我呈现出的色块是很大的，因为我只进行了行业的回归，而且这个行业可能和大家平时看到的所谓申万一级，二级行业区别都很大啊。 00:05:09 在上面一行的话，呃，大家可以看到我们其实回归的是海外算力、国产算力、AI应用、消费电子。那么可能在周期里面呢，我们没有去回归类似于像这个黄金，像石油石化像稀土，那么剩下的所有的没有贝塔型的行情，它会被捏起来，也就是其他TMT其他周期啊进行这样的一个处。 00:05:31 处理，那这样的处理之后呢，它可以保证首先我的因子数量不会很多，还是在三十几个，其次呢，它回归出来的东西其实是有市场结构化行情的一些呃行业。那么并且呢，我也可 以比较清楚地知道说基金经理当下他配置在什么里边，是不是和我的想法一致，比如说我现在想配一个海外算力啊，那是不是在这个产品上，它现在是总配的海外算力？ 00:05:57 那同时呢，这里面还有回归的一个因素，除了刚刚说的这些行业以外，还有一个因素，它就是我们的这个呃仓位现金仓位，所以可以去判断基金经理他的现金仓位现在是否高啊。那这个呢，呃一一个模型呢，我们现在也在我们基金研究系统上有上，大家可以直接就看，所以它会和常规化的大家看到的一个规因模型区别度比较比较大，但是呢它就是可以比较好的呃让我们投资所用。 00:06:25 然后呢，这个回归呢，它其实是做到日平的，也就是今天如果是6月24号的话，我们的回归数据是可以回归到6月23号，最新的一个它的一个持仓切片大概是在什么样的一个情况。那么这是我们的多音子模型在实际应用当中的会去进行修正的地方啊。那布nson和barra其实这两个模型是比较经典的模型，就是他偷需要用到基金的一个日平的一个持仓，那目前公募基金半年报和年报呢，是会披露全部的持仓的，所以。 00:06:57 大家常规化的用法，就是会用半年报和年报的全部持仓来拟合它的一个平时的一个走势。 00:07:03 那么这里边呢有两种拟合方法，第一种拟合方法也就是我看到630的持仓之后，我默认从630~1231的持仓到1230的持仓，都是根据630的持仓来的啊。那么当中呢，只会根据他的呃个股的涨跌进行权重的变化。 00:07:21 那么第二种方法呢，是我630看到他持仓之后，我往前往后推，也就是我会认为他从4呃。4月30号开始就是他的这个呃630的持仓啊，从4月1号不好意思，从4月1号开始就是630的持仓，然后一直持有到8月31号。那么从9月1号开始呢，是1231的持仓，就是前后我们都进行两个月的这样的一个呃推迟啊，往前就是认为两个月，然后一直持有到往后的那两个月啊，认为它不是在630那天变得持仓， 00:07:55 会去尽可能地贴基金经理当中的一个真实的持仓。但不管怎么样，因为你的全部的持仓数 据只有两个点，所以呢，他对于换手率很高的基金经理，目前你用brinson和barra做出来的一个归因模型，在外部的偏差都是比较大的。但是对于换手比较中低频的基金经理其实是比较可信的。 00:08:17 那么这两个模型呢，它其实是一个比较标准的模型啊，barra和brinson的一个区别就在于拆解的过程当中，brinson只拆了资产配置、行业配置和个股贡献，barra在这个基础上多拆了一层风格因子，也就是他会去把市值把市场贡献这种拆掉，其他都是完全一样的。好，那刚刚就是我们说的这个绩效归因的一个模型，但是绩效归因模型呃做完了之后，其实我们前面也说，就是我拆解完了之后，我是不是就可以默认说呃超额收益高的这些产品，它就是选股能力好的。 00:08:51 那我们上来就回答了这个问题，我们觉得是不可以的，那所以呢，我要去找寻那些看起来数值好，并且是基金经理自带的能力圈的这些呃技能啊，我给基金经理去贴上标签。那么这当中呢，我们第一个要贴的就是风格标签，我们这里展示的是一个二维风格标签。二维风格标签的一个做法，它是先把市场去进行切片，也就是我用因子的方法啊。 00:09:21 大概一个例子就是比较容易理解的是，如果我认为上证50它是一个价值指数，中创500它是一个成长指数，那么我把上证50相比中创500去算日平的一个超额收益的变化。如果今天上证50相比中创500的超额收益在一个点，那我就认为今天是价值风格。如果呢在负一个点，我就认为它是一个成长风格。那么介于这当中呢，我就认为它是一个均衡的风格。所以你可以把市场上的每一天都切成价值成长和均衡风格。 00:09:59 然后我在任意一个阶段，比如说过去一年或者这个基金经理从业以来，我把他所有价值风格的天数全部抓出来。然后算这个基金经理他在价值风格的天数下他的收益率的累计情况，并且把全市场其他所有的基金经理都和他一样的这个标签去算，他们在价值风格下的累计收益率。把我要分析的这个基金经理的收益率，透到全市场去做分位点的一个对比， 00:10:32 这个时候我就可以得到一个分。比如说我在价值风格下，我的累积收益率比所有人都高的 情况下啊，我就是100分，也就是意味着我在这个价值风格下，我可以收益战胜100%的选手啊。然后成长风格下啊，那也也会对应的有一个得分， 00:10:48 那么这样的一个二维风格标签呢，它可以让我们进行快速的基金经理的筛选，因为到今天为止，全市场的基金经理的数量其实已经非常多啊。即使我们作为基金研究而言，我也没有办法把全市场的几千个基金经理都调研一遍。 00:11:05 所以我会用这个风格标签过滤两类选手。第一类就叫风格型选手，也就是他在价值均衡或者成长的单风格下得分比较高，比如说超过90分的选手。那么它呈现出来的就一定是这个风格选项啊里面它的这个。暴露度是比较多的，并且是稳定性是比较高的啊这类选手。所以比如说像今年天然大家就会知道说，有一些历史上呃比较知名的基金经理哦，我们今天一直开玩笑说一些老司机在翻车，其实就是因为他们的选股的方法论是比较偏价值的。那么天然我们就知道说在今年这样一个比较偏成长的一个环境当中，他们的表现不会很好。 00:11:50 那如果我在今年的年初的时候，我去筛的时候，当时我们就认为说是科技占优。那么这个时候呢，我要去筛的其实就是成长风格型的选手占有的选手，这是第一类叫风格型选手。那么第二类选手我们也会去筛选，他呈现的其实是在任何一个风格标签下得分都不高，但是他在各个风格标签下得分都在50分附近的选手。那么这个就意味着这个选手他其实市场风格不管怎么变化，他差不多都可以战胜一半的选手，所以他是一个综合型的选手，我们可以用来构。 00:12:27 构建综合性的底仓。啊，那基本上就是这两类，我们会通过二维风格过滤，那这样一个过滤之后呢，可能你就可以去迅速从全市场4000个基金经理过滤到，我只需要去调研1000个基金经理，那么这个呢，对于我们来说，它就是一个可覆盖的工作量。啊，那同样呢，我们的风格标签也在我们的基金研究系统上去展示出来了，这个其实就是一个得分。 00:12:52 我们举了一个例子，呃，那像这个基金经理，我们会很直观地看到，他就是在大盘价值和 中盘价值的时候得分特别高，是超过80分的，所以是个很典型的价值风格的选手。但是大家可以留意他那个小盘成长、中盘成长和大盘成长那个柱子非常短啊，差不多都没有到20分，也就意味着他在成长风格强的时候，它相比全市场的其他基金