专题：新浪财经2020金麒麟最佳基金经理评选

　　炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

来源：量化先行者

摘    要

研究背景

根据基金业协会的调查问卷可知，部分投资者愿意承担一定的高风险，目的是为了追求更高的收益，例如平均年化收益率在10%以上。而统计发现，长期坚持投资主动偏股型基金能够实现投资者的预期收益目标。基金的投资收益与基金经理的个人因素存在密切的关系，尤其是主动管理的基金。因此，本报告试图基于基金经理视角构建因子评价体系，旨在筛选未来能够带来超额收益的基金经理。

基金经理指数的构建

基金经理指数是开展基金经理研究的基础。本报告基于基金经理管理产品的净值数据与规模数据拼接确定基金经理指数，并将其作为基金经理综合业绩表现的度量指标。同时，利用中证偏股基金指数补充基金经理空窗期的业绩，使得基金经理指数更加贴合实际。

基金经理因子评价体系研究

本报告从简历信息、从业信息、业绩表现等维度构建了基金经理因子库，包含分类因子与数值因子，并在月频上对因子做有效性检验筛选有效因子。最终从基本信息、盈利能力、盈利稳定、风险控制、盈利质量、选股能力、管理规模、机构偏好等8个维度构建基金经理因子评价体系。其中，基金经理的学历背景、任职年限等因子仅能微弱区分预测未来业绩，只可作为辅助性指标。

基金经理组合构建的实证研究

兼顾因子的有效性和因子间的相关性，本报告筛选了选股AlphaIR、机构投资者占比、最大回撤率、波动率和管理份额5个基金经理因子加权构建复合因子。

利用基金经理过去一年期数据构建的复合因子的RankIC均值为0.233，标准差仅为0.113，胜率为100%；利用基金经理过去三年期数据构建的复合因子的RankIC均值为0.239，标准差仅为0.136，胜率为98.33%。同时，基于复合因子构建的基金经理组合业绩表现优异，相对市场平均业绩年化超额稳定在6%以上，年度业绩排名基本位于同类基金的前30%-40%分位点内。可见，本报告构建的基金经理因子评价体系能很好地预测基金经理未来一年业绩排名。

此外，受限于当前基金经理任职年限整体偏短，利用基金经理过去一年数据构建的因子评价体系会更加稳健，这也验证了前篇报告我们从基金视角构建的选基因子体系的有效性。

1. 研究背景

　　根据中国基金业协会发布的《基金个人投资者投资情况调查问卷（2017年度）》可知，有44%比例的投资者预期年收益率在5-10%，有超过45%比例的投资者预期年收益率在10%以上。此外调查还发现，部分投资者愿意承担一定的高风险，目的是为了追求更高的收益，例如平均年化收益率在10%以上。

我们对货币市场型、短期纯债型、中长期纯债型、混合债券型二级、混合型和股票型等不同类型基金指数长期的年化收益率与波动率进行了统计。可以发现，仅有权益类基金能够实现10%以上的平均年化收益。同时长期来看，主动偏股型基金（普通股票型基金，偏股混合型基金）也是可以跑赢市场宽基指数的。由此可见，长期坚持投资主动偏股型基金能够实现投资者的预期收益目标。

事实上，基金的投资效益与基金经理的个人因素存在密切的关系，尤其是主动管理的基金。作为基金产品的管理者和投资决策的制定者，基金经理直接影响着基金的投资风格和业绩，基金投资的成败很大程度上取决于基金经理的能力，正如大家常说的“买基金就是买基金经理”。然而，大部分研究者会从基金产品视角开展基金研究，但常会遇到基金成立时间短、基金经理变更等问题，使得基金研究存在诸多局限性，例如我们此前多篇基金研究系列报告。因此，本报告试图基于基金经理视角构建因子评价体系，旨在筛选未来能够带来超额收益的基金经理。

本报告将基于基金产品构建修正基金经理指数，然后在基金经理因子库中筛选有效的因子构建基金经理因子评价体系，并以主动偏股型基金的基金经理进行相关实证研究构建基金经理组合。基金经理视角因子评价体系构建与应用的研究，对探索基金经理行为提供了新思路，对深入开展基金评价和业绩持续性的研究提供了依据，对FOF组合构建具有一定的参考意义。

2. 基金经理指数的构建

基金经理指数是开展基金经理研究的基础。本节将基于基金经理管理产品的净值数据与规模数据拼接确定基金经理指数，主要研究的是管理过主动偏股型基金（普通股票型基金+偏股混合型基金）的基金经理。具体的，我们以上期季报的规模数据为权重，对当期基金经理正在管理基金产品的复权单位净值进行加权复合，便可得到基金经理指数。同时，需要对基金经理新发产品、接管产品、转型产品的数据实时调整到基金经理指数中。此外，基金经理指数的构建中还会考虑新成立基金的建仓期（默认6个月）、接管基金的调仓期（默认3个月）、转型基金的调整期（默认3个月）。本报告将把基金经理指数作为基金经理综合业绩表现的度量指标，并开展相关基金经理评价和组合构建的研究。

特别的，由于跳槽等原因会使得基金经理存在空窗期，在此期间没有正在管理的产品，使得基金经理指数是不连续的。此时有两种处理方法：一种是认为基金经理业绩是不变的，即用零值去补充基金经理指数；另一种是认为基金经理业绩是市场平均业绩，即可用主动权益类基金指数（例如：中证偏股型基金指数，930950.CSI）去补充基金经理指数。本报告主要采用的是第二种方法，原因是主动偏股型基金的仓位都较高，基金业绩与市场涨跌相关性较高，用市场平均业绩补充可以有效平滑指数曲线，使得基金经理指数能更加真实反应基金经理管理能力。

以基金经理A为例，其在2006年至2015年上半年在基金公司A管理产品，并在15年牛市高点离职；熊市的暴跌阶段处于空窗期，直至15年末才在基金公司B重新管理产品。从基金经理A指数上来看，如果不对空窗期修正，会认为基金经理完美躲避了15年股灾，基金经理指数表现非常优异；而事实上主动偏股型基金由于存在最低仓位限制（不低于60%），如果基金经理此时仍然管理产品的话净值大概率会随着市场同步下跌。因此，我们可以使用中证偏股型基金指数（930950.CSI）来补充基金经理空窗期的业绩，进而使得基金经理指数更贴合实际。

此外，在下文的研究中我们还会涉及到基金经理在季报、半年报或年报的数据，例如持股仓位、持股集中度、换手率、机构投资者占比等，我们同样会采用基金产品规模数据加权复合。此处不再赘述。

我们对2005年以来每月管理主动偏股型基金的基金经理人数进行了统计。可以看到，基金经理人数整体上是逐渐增加的，截至到2019年11月底，仍有近700名基金经理。同时，我们能够看到在2007年、2015年等节点年轻基金经理增长明显，之后又快速回落；基金经理任职年限在三年以下的居多，任职年限在三年以上的仅占了很小比例。主要原因是，牛市中基金公司产品发行会加速，存在基金经理缺口；经过前期牛市市场大涨，熊市和震荡市中部分基金经理会选择跳槽或离开公募行业，研究员晋升基金经理也有所减少。

根据《基金个人投资者投资情况调查问卷（2017年度）》统计的个人投资者持有单只基金的平均时间信息可知，有33%比例的投资者持有单只基金平均时间在半年到1年，不到一半的投资者能坚持持有单只基金在1年以上。因此，结合投资者的交易习惯和基金交易费率，我们将以一年为单位考察基金经理的未来业绩表现。

3. 基金经理因子库

考虑到基金经理的可用信息和投资行为，我们将从简历信息、从业信息、业绩表现、风险控制等10个维度构造了基金经理因子库，共包含36个具体因子，相关因子的构建方式如下表所示。其中，基金经理性别、学历、年龄(分档)、任职年限(分档)等会对因子进行分类研究的是分类变量因子，而年龄、任职年限、任职年化回报、选股Alpha等为数值变量因子。由于分类因子与数值因子存在差异，在因子处理、检验和应用上分别进行操作。

为了便于后期因子的合成，我们需要对数值因子值进行规范化处理，主要包括去极值、标准化等过程。

根据因子库中的计算公式可知，数值因子主要基于基金经理指数、季报、半年报（或年报）信息构建。其中，由于基金经理指数数据可以实时获取，相关因子可以在每月末利用最新数据计算，例如业绩表现、风险控制、选股能力等类因子；而季报数据会在季度结束之日起15个工作日内披露，相关因子需要在季度结束的下个月末才能用最新报告数据计算，例如管理规模、持股仓位和持股集中度等因子；半年报（或年报）数据会在季度结束之日起60个工作日（或90个工作日）内披露，相关因子需要在季度结束的2个月（或3个月）末才能用最新报告数据计算，例如换手率、机构投资者占比等因子。因此，针对涉及到季报、半年报（或年报）的因子，我们会在每月末利用能拿到的最新数据进行构建。

4. 基金经理因子评分体系研究

4.1、因子有效性检验框架

分类因子和数值因子需要设计不同的检验框架。具体的：

针对分类因子，包括按类期望收益均值检验和按类分组有效性检验。其中，按类预期收益均值检验是按照基金经理t期因子值分类，研究t+1期不同类收益率均值的差异性；按类分组有效性检验是在调仓节点按照当期因子分类分组，每组内等权重构建组合持有到下一期，滚动计算，统计每组相对市场平均业绩的年化超额收益。特别的，分类因子应该尽可能使得各类内样本数量的均衡性，否则得到的结论可能存在偏差。

针对数值因子，包括RankIC检验和分组有效性检验。其中，RankIC检验是研究基金经理t期因子值与t+1期收益率之间的秩相关系数稳定性，主要通过统计RankIC均值、RankIC标准差、RankIC胜率、RankIC_IR等指标；分组有效性检验是在调仓节点按照当期因子值降序排序等分成若干组（如10组等），并等权重构建组合持有到下一期，滚动计算，统计每组相对市场平均业绩的年化超额收益。

同时，为了提升因子检验结果的可靠性，我们将在月频节点上对因子的有效性进行检验。如果某个基金经理因子在月频上检验是有效的，则其有效性是更稳健的。例如，年度调仓策略的因子月频检验示意图如下所示。因此，我们将把因子拓展到月频上对基金经理因子进行有效性检验。

4.2、因子有效性检验分析

4.2.1、分类因子

针对管理过主动偏股型基金（普通股票型基金+偏股混合型基金）的基金经理，我们将在2009-2019年11月间测算所有基金经理分类因子的有效性，即研究不同类期望收益的差异性。

各因子的表现如上表所示，可以看到：

（1）在基金经理性别因子中，将基金经理分为男性和女性两组。在人数方面，男性基金经理数量明显高于女性基金经理，超过八成的基金经理为男性。在业绩表现方面，男性基金经理的业绩略优于女性基金经理，平均年收益率高了0.56%。

（2）在基金经理学历因子中，将基金经理分为博士、硕士、本科及以下三组。在人数方面，基金经理主要以硕士学历为主，博士、本科及以下学历的基金经理人数较少。在业绩表现方面，整体上基金经理学历越高业绩越好，学历为硕士和博士的基金经理业绩较为接近，比本科及以下学历的基金经理平均年收益率高了1.4%以上。

（3）在曾任卖方分析师因子中，依据基金经理简历中的信息人工识别，将基金经理分为曾任卖方分析师和从未任卖方分析师两组。在人数方面，约有三分之一的基金经理曾任卖方分析师。在业绩表现方面，曾任卖方分析师的基金经理业绩略优，平均年收益率高0.43%，且差额较为稳定。

（4）在CPA因子中，依据基金经理简历中的信息机器识别，将包含“CPA”等关键词的基金经理识别出来，将基金经理分为是CPA和不是CPA两组。在人数方面，绝大多数基金经理不是CPA；在业绩表现方面，是CPA的基金经理业绩略优，平均年收益率高0.56%。

（5）在CFA因子中，依据基金经理简历中的信息机器识别，将包含“CFA”、“特许金融分析师”等关键词的基金经理识别出来，将基金经理分为是CFA和不是CFA两组。在人数方面，绝大多数基金经理不是CFA；在业绩表现方面，是CFA的基金经理业绩略优，平均年收益率高0.75%。

（6）在MBA因子中，依据基金经理简历中的信息机器识别，将包含“MBA”、“工商管理硕士”等关键词的基金经理识别出来，将基金经理分为曾就读MBA和未曾就读MBA两组。在人数方面，绝大多数基金经理未曾就读MBA；在业绩表现方面，未曾就读MBA的基金经理业绩略优，平均年收益率高0.50%。

（7）在年龄(分档)因子中，依据基金经理简历中的出生日期计算年龄，考虑到样本均衡性，我们以40岁为分界将基金经理分为40岁以上和40岁以下两组。由于近年来基金经理很少披露出生日期，可分析的样本较少。在有限样本范围内发现，40岁以上的基金经理业绩略优于40岁以下的，平均年收益率高0.27%。

（8）在任职年限(分档)中，我们以首次当基金经理为起点，计算各基金经理的任职年限，并将基金经理分为任职年限2年以下、2到3年、3到4年、4到6年、6年以上五组。在人数方面，各组人数整体较为均衡。在业绩表现方面，任职年限在2到3年、6年以上的基金经理业绩表现更优，其中任职年限2到3年的基金经理平均年收益率高约0.5%，而任职年限在6年以上的基金经理平均年收益率高2%以上。

（9）在当前公司任职年限(分档)中，我们以在当前基金公司任职基金经理为起点，计算各基金经理的在当前公司任职年限，并将基金经理分为任职年限2年以下、2到3年、3到4年、4年以上四组。在人数方面，各组人数整体较为均衡。在业绩表现方面，在当前公司任职年限在2年以下的基金经理业绩表现偏弱，比2年以上的基金经理平均年收益率低约0.5%。

（10）在跳槽频率(分档)因子中，我们计算基金经理在每家基金公司任职基金经理年限除以任职家数得到跳槽频率（年/家），并将基金经理分为2年以下、2到3年、3到5年、5年以上四组。在人数方面，除最后一组外其他各组人数较为均衡。在业绩表现方面，平均每家任职2年以内的基金经理业绩表现偏弱，比平均每家任职2年以上的基金经理平均年收益率低约0.5%。平均每家任职5年以上的基金经理业绩表现更优。

通过对上述不同类期望收益的差异性分析可以发现，基金经理性别、学历、曾任卖方分析师、CFA、MBA、任职年限等因子均对基金未来收益有一定区分度。

进一步的，我们将在月频上对因子进行按类分组有效性检验，即在某月节点按照当期因子分类分组，每组内等权重构建组合持有一年，滚动计算，统计每组相对基金经理平均业绩的年化超额收益。最终得到12个不同月份调仓的超额收益统计结果，下表中列出了几个较为显著的因子表现，如曾任卖方分析师、CFA、MBA和任职年限等因子。

可以看到，曾任卖方分析师的基金经理相对基金经理平均业绩有0.30%的年化超额收益，是CFA的基金经理相对市场平均业绩有0.59%的年化超额收益，未曾就读MBA的基金经理相对市场平均业绩有0.08%的年化超额收益，任职年限在2到3年、或6年以上的基金经理相对市场平均业绩分别有0.45%、1.72%的年化超额收益。

综上，基金经理学历、证书、工作经历和任职年限等因子对未来业绩均存在一定区分度。同时，我们发现任职年限2到3年的基金经理也会有较好的超额收益，主要原因可能是年轻的基金经理具有更强的业绩诉求，希望有更好的业绩；而年长的基金经理已经被市场认可了投资能力，更加追求稳定的业绩。事实上，虽然高学历、拥有证书、曾任卖方分析师、任职年限长等因子对基金经理未来业绩有一定区分度，但超额收益并不高，单纯依靠这些因子筛选基金经理并不能够获得较高的收益表现，更多的可以作为辅助性指标。

4.2.2、数值因子

针对管理过主动偏股型基金（普通股票型基金+偏股混合型基金）的基金经理，我们将在2009-2019年11月间测算所有基金经理数值因子的有效性，即在每月末计算基金经理当期因子值与未来一年业绩的RankIC值，并统计RankIC均值、RankIC标准差、RankIC_IR值、RankIC胜率等。

特别的，在此前报告《20190611天风证券-基金研究：规模因子在FOF组合构建中的应用》中我们发现，剔除合计规模在3亿元以下的基金能显著提升基金规模和基金份额因子的有效性，所以我们在对管理规模和管理份额因子检验时剔除管理规模在3亿元以下的基金经理。

各因子的表现如上表所示，可以看到：

（1）在从业信息类因子中，年龄、任职年限等因子均表现较差，RankIC均值低于0.05，且胜率也仅有60%左右。

（2）在业绩表现类因子中，任职年化回报、绝对收益与超额收益因子表现适中，RankIC均值在0.08左右，波动偏大，且胜率在70%附近；而业绩稳定性因子表现较好，RankIC均值达到了0.12，且胜率为85%。而超额收益稳定性因子表现适中，主要原因是不同的基金经理存在不同风格，其比较基准也可能不尽相同。

（3）在风险控制类因子中，最大回撤率和波动率因子表现较好，RankIC均值为负，达到了-0.1以上，胜率在70%左右，但是波动较大。主要原因是在市场反弹时风险控制类因子容易出现反转，此前跌的很多基金反而会涨的很多。

（4）在业绩质量类因子中，夏普比率、詹森系数等因子均表现优异，RankIC均值在0.1以上，波动率在0.15以内，胜率在80%；而信息比率因子的表现相对偏弱，主要原因是信息比率的计算同样涉及到基准指数。

（5）在选股能力类因子中，选股Alpha、选股AlphaIR等因子表现优异，RankIC均值在0.13以上，波动率在0.1附近，RanckIC_IR达到了1以上，胜率在85%以上。其中，选股AlphaIR比选股Alpha因子更加稳定。

（6）在择时能力类因子中，TM择时能力因子表现较差，RankIC均值基本为0，胜率在50%附近，主要原因是主动权益类基金经理很少做择时。

（7）在管理规模类因子中，管理规模和管理份额因子表现优异，RankIC均值在-0.12以上，波动率在0.12附近，胜率在90%附近。其中，管理份额因子比管理规模因子更有效，这与基金产品视角因子检验结果一致，感兴趣可见报告《20190611天风证券-基金研究：规模因子在FOF组合构建中的应用》。

（8）在投资风格类因子中，持股仓位、持股集中度等因子均表现较弱，RankIC均值在0.04以下，胜率在60%附近；换手率因子的RankIC均值达到了0.05以上，胜率在60%以上，对未来业绩具有一定区分度。

（9）在机构偏好类因子中，机构投资者占比因子表现优异，RankIC均值在0.1以上，波动率在0.1左右，胜率在80%以上。

通过对上述数值因子的RankIC检验分析可以发现，基金经理的业绩稳定性、风险控制、业绩质量、选股能力、管理规模、机构偏好等类因子表现优异，能很好地区分基金业绩；基金经理的绝对收益、超额收益、换手率等因子表现适中，对未来业绩有一定区分度；而从业信息、择时能力和投资风格等类因子对基金未来业绩区分度较低。

进一步的，我们将在月频上对因子做分组有效性检验，即在某月节点按照因子值降序排序将基金经理等分成10组并等权重构建组合持有一年，滚动计算，统计每组相对基金经理平均业绩的年化超额收益。最终得到12个月调仓的超额收益均值统计结果，下表中列出了一些较为有效的因子表现，如业绩表现、风险控制、业绩质量、选股能力、管理规模、机构偏好等类因子。

可以看到，业绩表现、业绩质量、选股能力、机构投资者占比等类因子分组的多空年化收益差明显，多头年化超额收益平均值整体上在2%以上；任职年化回报、超额收益稳定性等因子分组的多空收益也存在一定差异性，多头年化超额收益平均值整体上在1%以上；最大回撤率和波动率等因子分组的多空年化收益差明显，但是空头年化超额收益较弱，主要原因是RankIC序列是不稳定的，当市场反弹时过去跌得多的基金未来反而业绩更好，出现与其他阶段不一样的表现；管理规模和管理份额等因子分组的多空年化收益差明显，空头年化超额收益平均值整体上在2%以上，同时管理份额比管理规模的单调性更好；换手率因子分组的多空年化收益差偏弱，主要原因是换手率最高的一组并没有超额收益。

同时，我们对这些因子的相关性进行了分析。下图中展示了因子在2009年-2019年8月之间月度相关系数的均值，其中正数表示正相关，负数表示负相关。可以看到，同大类内的因子间相关性较高，如业绩表现、业绩质量、选股能力、管理规模等；部分不同大类内的因子值相关性也较高，如由基金经理指数衍生出的业绩表现、业绩质量、选股能力等；部分不同大类因子间的相关性较低，如风险控制、管理规模、机构偏好与选股能力等因子间。

综上，基金经理的业绩质量、选股能力、管理规模等类因子对未来业绩具有良好的区分度，业绩表现、风险控制、投资者偏好等类因子对未来业绩也存在一定的区分度。但是由基金经理指数衍生出的因子间相关性较高，但与风险控制、管理规模、机构认可等因子相关性较低。

4.3、基金经理因子评价体系

上节中，我们分别对分类因子和数值因子进行了有效性检验，发现诸多与基金经理未来业绩存在相关性的因子。因此，我们从基本信息、盈利能力、盈利稳定、风险控制、盈利质量、选股能力、管理规模、机构偏好等8个维度构建基金经理因子评价体系。如下图所示。

可以看到：

在基本信息维度，我们选择了基金经理的学历背景、任职年限、工作经历、操作风格等因子，认为具有学历越高（硕士、博士）、拥有一些证书（CPA、CFA等）、任职年限越长（2年以上）、曾任卖方分析师、换手率适中等特性的基金经理未来业绩相对较好。特别的，这些因子对业绩的区分度并不特别高，单纯依靠这些因子筛选基金经理并不能够获得较高的收益表现，更多的可以作为辅助性指标；

在盈利能力维度，我们选择了绝对收益、超额收益等因子，认为过去绝对收益和超额收益越高（前30%分位点内）的基金经理未来业绩相对较好；

在盈利稳定维度，我们选择了业绩稳定性、超额收益稳定性等因子，认为绝对收益和超额收益越稳定（前30%分位点内）的基金经理未来业绩相对较好；

在风险控制维度，我们选择了最大回撤率和波动率等因子，认为过去风险控制越好（后30%分位点内）的基金经理未来业绩相对较好，同时注意风险控制因子仅限在震荡市和牛市中，在连续下跌后反弹行情中不适用；

在盈利质量维度，我们选择了夏普比率、信息比率、詹森系数等因子，认为过去盈利质量越好（前40%分位点内）的基金经理未来业绩相对较好；

在选股能力维度，我们选择了选股Alpha和选股AlphaIR等因子，认为过去选股能力越高越稳定（前50%分位点内）的基金经理未来业绩相对较好；

在管理规模维度，我们选择了管理规模和管理份额等因子，认为过去规模和份额越小（后40%分位点内）的基金经理未来业绩相对较好，同时注意基金经理管理规模应该在3亿元以上；

在机构偏好维度，我们选择了机构投资者占比等因子，认为过去管理基金的机构投资者占比越高（前40%分位点内）的基金经理未来业绩相对较好。

因此，我们可以从这些维度对基金经理进行全方位因子评价，评价高的基金经理未来会有相对较好的业绩表现。

5. 基金经理组合构建的实证研究

基于上述的基金经理因子评价体系，我们可以构建复合因子筛选基金经理构建组合。实证研究发现，任意组合的复合因子筛选的基金经理组合相对市场基准年化超额收益基本都在4%以上，展现出良好的业绩预测能力。但是，不同因子组合在超额收益稳定性上存在差异。接下来，我们提出了一组相对稳健的复合因子体系。

5.1、基金经理复合因子的构建

在上节中我们从八个维度构建了基金经理因子评价体系，但是一些维度因子间的相关性较高，尤其是由基金经理指数衍生出的盈利能力、盈利稳定、盈利质量和选股能力等类因子。如何利用相关性较高的因子进行加权复合，不仅无法提升复合因子的有效性，反而会带来冗余信息的叠加。因此，参考此前我们基金视角因子体系报告《20190912天风证券-基金研究：FOF组合的收益模型：长周期因子的构建与应用》，我们在此处同样选择5个有效且低相关性的基金经理因子，分别为选股AlphaIR、机构投资者占比、最大回撤率、波动率和管理份额。

此外，我们在上文的分析中发现，最大回撤率和波动率因子在局部反向比较明显，例如在2008年末、2009年初、2018年末等阶段。主要原因在于短期市场暴跌基金反应不足，业绩优异的基金也可能出现较大的回撤和波动。我们利用20日移动平均线（MA20）与120日移动平均线（MA120）间的距离判断市场趋势，当均线距离超过3%时，认为市场处于向上趋势；当均线距离低于-3%时，认为市场处于向下趋势；否则，认为市场处于震荡市。当市场连续5个月均为下跌趋势时，则认为当前市场处于暴跌阶段。所以，当处于暴跌阶段末期，我们不建议配置最大回撤率和波动率因子，即对该因子权重置零。

考虑到基金经理任职年限也会影响到基金经理未来业绩，兼顾基金经理数量，我们选择利用过去一年期和三年期的数据构建复合因子，并开展相应的基金经理组合研究。

5.2、基于一年期因子的基金经理组合分析

5.2.1、复合因子有效性分析

利用基金经理过去一年的数据，我们可以构建一年期复合因子体系。首先，我们对一年期复合因子进行RankIC统计。在每个月末计算复合因子值与基金经理未来一年业绩的RankIC值。可以发现，复合因子的RankIC长期为正，均值为0.233，标准差仅为0.113，年化RankIC_IR值达到了7，胜率为100%。

同时，与5个基金经理单因子相比，复合因子的在RankIC均值、标准差和胜率上均有显著提升，对基金经理业绩展现出非常好的预测能力。

同时，我们对不同月份调仓策略的各组年化超额收益计算平均值。可以看到，第一组的平均年化超额收益为4.36%，明显高于其他分组，第十组的平均年化超额收益为-3.68%。复合因子得分高的基金经理具有显著的超额收益。

5.2.2、复合因子选基金经理分析

假设基金经理指数可直接交易。基金经理指数的构建中考虑新成立基金的建仓期（默认6个月）、接管基金的调仓期（默认3个月）、转型基金的调整期（默认3个月）。

上表中对不同月份调仓策略的分年度超额收益进行了统计。可以发现，不同月份调仓的基金经理组合整体来看每年都能较好的跑赢市场基准，年度超额收益稳定。2009年以来，主动偏股型基金的平均年化收益为7.48%，基金经理组合的年化超额收益在6%到9%之间，年化收益为14%到16%之间。与《20190912天风证券-基金研究：FOF组合的收益模型：长周期因子的构建与应用》报告中基金组合收益表现相比发现，基金经理视角的组合收益表现比基金视角的更加稳健。

以每年12月底调仓策略为例，基金经理组合能够长期稳定跑赢市场基准，相对强弱曲线平稳增长，展现出良好的业绩增强效果。截至2019年11月底，市场基准累计收益率为119.77%，基金经理组合累计收益率为431.35%，累计超额收益率为311.57%。

下表中对12月底调仓策略的分年度超额收益进行了统计。可以看到，基金经理组合每年都能跑赢市场基准，年度超额收益稳定。除2014年外，每年业绩排名均能位于同类基金的前30%-40%分位点内。截至2019年11月底，基金经理组合年化超额收益率为9.05%。

下表中列出了12月底调仓策略最近2年持仓基金经理及配置权重信息，其中基金经理代表性基金选取的是基金经理当期管理规模最大的基金。

5.3、基于三年期因子的基金经理组合分析

5.3.1、复合因子有效性分析

利用基金经理过去三年的数据，我们可以构建三年期复合因子体系。首先，我们对三年期复合因子进行RankIC统计。在每个月末计算复合因子值与未来一年业绩的RankIC值。可以发现，复合因子的RankIC长期为正，均值为0.239，标准差为0.136，年化RankIC_IR值达到了6，胜率为98.33%。

同时，与5个基金经理单因子相比，复合因子的在RankIC均值、标准差和胜率上均有显著提升，展现出非常好的对基金经理业绩预测能力。

同时，我们对不同月份调仓策略的各组年化超额收益计算平均值。可以看到，第一组的平均年化超额收益达到了5.75%，明显高于其他分组。复合因子具有良好的业绩预测性。同时，与一年期复合因子的分组检验结果相比，三年期复合因子第一组的年化超额收益更高。可见，针对任职年限长的基金经理，优秀基金经理的优势更加显著。

5.3.2、复合因子选基金经理分析

假设基金经理指数可直接交易。基金经理指数的构建中考虑新成立基金的建仓期（默认6个月）、接管基金的调仓期（默认3个月）、转型基金的调整期（默认3个月）。

上表中对不同月份调仓策略的分年度超额收益进行了统计。考虑到任职年限在4年以上的基金经理数量偏少，此处我们仅选择了不超过5位得分最高的基金经理构建了组合，其中前两年基金经理人数不足5位。可以发现，不同月份调仓的基金经理组合绝大多数年份都可以跑赢市场基准，年度超额收益较为稳定。2009年以来，主动偏股型基金的平均年化收益为7.48%，基金经理组合的年化超额收益在6%到11%之间，年化收益为14%到18%之间。同时，与一年期复合因子的基金经理组合结果相比，三年期复合因子的基金经理组合长期年化超额收益更高，但稳定性有所降低。主要原因可能是年长的基金经理更加追求长期业绩，较少关注短期收益。

以每年12月底调仓策略为例，复合因子组合能够长期稳定跑赢市场基准，相对强弱曲线平稳增长，展现出良好的业绩增强效果。截至2019年11月底，市场基准累计收益率为119.77%，基金经理组合累计收益率为543.59%，累计超额收益率为423.82%。

下表中对12月底调仓策略的分年度超额收益进行了统计。可以看到，基金经理组合每年都能跑赢市场基准，年度超额收益稳定。除2012年和2014年外，每年业绩排名均能位于同类基金的前40%分位点内，个别年份在前20%分位点以内。截至2019年11月底，基金经理组合的年化超额收益率为11.12%。

下表中列出了12月底调仓策略最近2年持仓基金经理及配置权重信息，其中基金经理代表性基金选取的是基金经理当期管理规模最大的基金。

6. 总结与展望

根据基金业协会的调查问卷可知，部分投资者愿意承担一定的高风险，目的是为了追求更高的收益，例如平均年化收益率在10%以上。而统计发现，长期坚持投资主动偏股型基金能够实现投资者的预期收益目标。基金的投资收益与基金经理的个人因素存在密切的关系，尤其是主动管理的基金。

本报告从简历信息、从业信息、业绩表现等10个维度构建了基金经理因子库，包含分类因子与数值因子，并在月频上对因子做有效性检验。最终从基本信息、盈利能力、盈利稳定、风险控制、盈利质量、选股能力、管理规模、机构偏好等8个维度构建基金经理因子评价体系。

兼顾因子的有效性和因子间的相关性，本报告筛选了选股AlphaIR、机构投资者占比、最大回撤率、波动率和管理份额5个基金经理因子加权构建复合因子，并开展相应的基金经理组合构建研究。实证研究发现，得分高的基金经理组合能稳定跑赢市场基准，年化超额收益在6%以上。可见，本报告构建的基金经理因子评价体系能很好地预测基金经理未来一年业绩。

此外，受限于当前基金经理任职年限整体偏短，利用基金经理过去一年数据构建的因子评价体系会更加稳健，这也验证了前篇报告我们从基金视角构建的选基因子体系的有效性。

当然，本报告旨在构建能预测基金经理未来业绩的因子评价体系，在研究中依然存在诸多问题。例如，在基金经理指数构建中用统一的基金指数进行补充空窗期，没有考虑个体间的差异性；基金经理挂名问题，也会影响到基金经理指数有效性；在因子挖掘中可能存在遗漏；无法预估基金经理未来是否会离任；等等。因此，在接下来的研究中，我们将逐步优化。

相关系列研究报告

1《天风证券-基金研究：FOF组合的收益模型：长周期因子的构建与应用》 2019-09-12

2《天风证券-基金研究：规模因子在FOF组合构建中的应用》 2019-06-11

3《天风证券-基金研究：基金市场存在日历效应吗？》 2019-03-12

4《天风证券-基金研究：基金的风格划分及增强FOF组合构建研究》2018-12-13

5《天风证券-基金研究：基金资产配置的板块选择能力评价体系》 2018-08-09

6《天风证券-基金研究：基金资产配置的行业选择能力评价体系》 2018-05-08

7《天风证券-基金研究：基于风格加权的基金选股能力评价体系》 2018-02-08

免责声明：自媒体综合提供的内容均源自自媒体，版权归原作者所有，转载请联系原作者并获许可。文章观点仅代表作者本人，不代表新浪立场。若内容涉及投资建议，仅供参考勿作为投资依据。投资有风险，入市需谨慎。