基金评价与研究国泰海通2025研究框架培训洞察价值，共创未来

我们时间到了，我们就直接开始。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。首先我们把基金分成了几大类。第一部分我们是介绍主动权益基金，第二块是主动固收，第三块是指数。基本上它覆盖了目前市场上的一些主流的品种。那么从主动权益的一个分析框架来看的话，这是一个我们完整的一个定量加定性的一个框架。可以看到，首先我们会基于绩效归因来进行一下拆解。随后这个绩效归因大家可能在市场上通行的很多模型里面都可以看到，类似于像一些三方的系统，或者一些标准的系统，大家可能都会做br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，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？其实答案是否定的。不是说他这个拆解下来超额收益高，或者说选股收益高，他就一定是能力强，当然也不是说他拆解下来收益高他就能力差，那么这个是存疑的，为什么他会说是存疑的一个情况，大家如果从不同的阶段去拆解，你会发觉不管是brson还是bara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，也就是北塔踏队的这些选手。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可能在消费强的时候，大家拆解出来就是大消费的资金。如果我们仅仅是彩信这样一个超额收益高，选股超额收益高，我们就觉得还是选股能力强的基金经理。那么大概率大家就会在20年的下半年配大量的消费基金，在今年就会去配大量的科技基金。 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拆清楚的。好，可能我们看起来第一层猜了资产配置仓位，第二层猜了行业。但是即使你今天拆行业是相对所谓的深万一级或者是沪深300的行业去进行拆分，仍然是没有办法拆解清楚。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。如果我今年我是配置了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。所以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。那么剩余的这部部分，它就会出现在超额收益个股的选择里边，所以看起来就收益很高。后面的这些，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，有哪些是基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。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。首先绩效归因肯定是绕不开的，这个常规化的大家用的比较多的模型，除了我们说的br色和bar以外，还有一个叫多因子回归。多因子回归它是相比brson和bara以外，可以高频去进行回归的一个模型。Brson和bara的一个模型，它需要有半年报或者年报，或者是我们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。那么多因子回归，它是用的一个静值回归，所以它相对来说会比较高频的去进行回归。这个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。他看起来好像剩余的很多阿尔法暴露起来在盈利上看起来也还蛮多的，然后可能在石化上，在农林牧浴上都还ok那它说明了什么呢？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，其实没有那么具象。所以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、市值、估值这些看起来很抽象，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，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深万一级、二级行业区别都很大。在上面一行的话，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。可能在周期里面，我们有去回归类似于像黄金、像石油石化、像稀土。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其他周期进行这样的一个处理。这样的处理之后，它可以保证，首先我的因子数量不会很多，还是在三十几个。其次它回归出来的东西其实是有市场结构化行情的一些行业。并且我也可以比较清楚的知道说，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，那是不是在这个产品上它现在是纵配的海外算力。同时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。这个一个模型，我们现在也在我们基金研究系统上有上，大家可以直接就看的。所以他会和常规化的大家看到的一个归因模型区别度比较大。但是它就是可以比较好的让我们投资所用。这个回归它其实是做到日评的。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。这是我们的多因子模型在实际应用当中的会去进行修正的地方。Win和bara其实这两个模型是比较经典的模型，就是它通需要用到基金的一个日评的一 个持仓。那目前公募基金半年报和年报是会披露全部的持仓的。所以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。这里边有两种拟合方法，第一种拟合方法也就是我看到630的持仓之后，我默认从630到1231的持仓到1230的持仓都是根据630的持仓来的。当中只会根据它的个股的涨跌进行权重的变化。第二种方法是我630看到他持仓之后，我往前往后推。也就是我会认为他从4 4月30号开始，就是他的这个630的持仓。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，是1231的持仓，就是前后我们都进行两个月的这样的一个推迟。往前就是认为两个月，然后一直持有到往后的这两个月，认为它不是在630那天变得持仓，会去尽可能的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，所以他对于换手率很高的基金经理，目前你用son和bara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行的。那么这两个模型，它其实是一个比较标准的模型。Bara和brson的一个区别就在于拆解的过程当中，brson只猜了资产配置、行业配置和个股贡献。Bara在这个基础上多猜了一层风格因子，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。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超额收益高的这些产品，它就是选股能力。好的，那我们上来就回答了这个问题，我们觉得是不可以的所以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技能，我给基金经理去贴上标签。这当中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，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，中创五百它是一个成长指数。 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。如果在负一个点，我就认为它是一个成长风格。那么介于这当中，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。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。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，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，然后成长风格下也会对应的有一个得分。那么这样的一个二维风格标签，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，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。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了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，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比较知名的基金经理。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。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。那么这个时候我要去筛的其实就是成长风格型的选手，占优的选手，这是第一类叫风格型选手。 第二类选手我们也会去筛选，它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。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。所以他是一个综合性的选手，我们可以用来构建综合性的底仓。好，基本上就是这两类，我们会通过二维风格过滤。这样一个过滤之后，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。那么这个对于我们来说，它就是一个可覆盖的工作量。同样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。我们举了一个例子，像这个基金经理我们会很直观的看到，他就是在大盘价值和中盘价值的时候得分特别高，市场超过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、中盘成长或大盘成长那个柱子非常短，差不多都没有到20分。也就意味着他在成长风格强的时候，他相比全市场的其他基金经理的胜率连20%都不到。就他的收益是处于最尾部的一个位置。大家如果今天回头去看这个产品的话，这个是我们比较早的做的一个案例。但如你即使今天回头去看这个产品的话，你也发觉说他今年的业绩可能就是在尾部的20%的这样的一个状态。因为天然历史上的风格延续就是这样的方法论。同样我们也对板块去进行了这样的一个刻画得分，告诉你他在什么样的板块里面能力全是比较强的。板块和我们刚刚说的风格刻画方法是一样的，唯一的区别就在于我们刚刚用因子刻画。如果今天是成长式，他就不可能是价值，是它是一个互斥的。但是在板块的时候，我可以同一天同时打上消费强、科技强这样的标签。也就是我会用这个板块去减掉一个全市场的一个基准的因子。只要这个板块相比这个基准的因子超额收益达到比如说一个点以上，我们就会打上这一天。还是比如说科技强消费强等等。所以像这个从板块来看，我们也可以很直观的看到这个基金经理的能力圈，它是呈现在金融地产消费上游周期，那科技的那个板就特别的短，所以这也解释了为什么今年的业绩没 有那么出彩。刚刚是个二维风格标签。二维风格标签我们说我们的目的是为了快速把四千多个基金经理过渡到只有1000个，所以它是第一步筛选。那么这个三维风格标签其实是一个第二步筛选三维风格标签是一个所谓的QGV的标签。其实所有的全市场的主动选股的基金经理，他的方法论都可以归到QGV的框架下。Q就是所谓的quality，也就是大家经常会去选财务指标的时候看的ROE现金流，它都是属于质量因子。如果一个基金经理他只看上市公司的ROE是否高，现金流是否好，他并