2021基金嘉年华6月19日（周六）在深圳举行，黄燕铭、洪灏、刘彦春、王庆、侯昊等重磅嘉宾齐聚一堂！→【名额有限，报名入口】

　　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！

原标题：【国盛量化】基金ALPHA进化史：公募基金究竟赚的是什么钱？ ｜ 量化专题报告 来源：留富兵法

摘要

基金研究不应只问“买了什么？”，更应问“为什么买？”。公募基金的研究分为“表象”的研究和“本质”的研究，其中“本质”研究解决基金经理附加值问题。基金经理的附加值决定了基金不存在净值意义上的“估值”，因而中长期动量对于其有明确意义。调研或者归因两种方式都是通过逆向工程研究基金动量背后的“本质”特征，两者都存在一定的缺陷，需要互相补充。本报告首先从市场异象研究的角度，更为深入的剖析基金选股的逻辑本质和能力边界而非不稳定的行业风格特征。

通过风格、行业、Alpha归因发现，公募基金主要赚“慢逻辑”的钱。通过对公募主动偏股基金整体的归因，我们发现公募基金是这样一类资产：

1、公募基金最重要属性为“公”，即“公开”、“公共”。“公”的属性以及较大的体量要求其投资的标的必须具有足够的流动性，因而其选股域基本在高流动性、高波动性的股票当中。

2、高流动性和高波动性代表高市场关注度，这样的股票更容易被快速充分定价。因而其中“快逻辑”的钱在不能高频交易的情况下很难赚取，公募在这些股票上只能赚“慢逻辑”的钱。

3、“慢逻辑”的钱更多的表现为“动量风格”和“成长风格”。因为只有持续缓慢验证的逻辑才能促使股票持续上涨进而表现为动量特征。而持续缓慢验证的逻辑主要就是股票的成长逻辑，它需要时间来验证。

4、因而“成长性”是公募基金永恒的投资逻辑。相比“价值”、“市值”等逻辑，“成长”具有强可验证性。在“成长”投资的基础上公募基金注重估值与成长的匹配思路。

5、公募基金靠“慢逻辑”赚钱的特点给“模仿投资”模式提供了空间。

本报告构建了公募基金收益的完全分解，基于此可进行全面的画像以及“个性”FOF组合构建。我们构建了公募基金收益的完全分解：动态、市场、风格、行业、已知策略、未知策略。基于此得到了基金1000+特征，可通过这些特征进行基金的全面画像和风险控制下“个性”FOF组合的构建与研究。

1. 基金研究本质问题探讨

1.1.基金研究的表象和与本质

基金从“表象”上来看是：股票的动态组合。其决定因素包括：

Beta、Alpha、择时、其他

基金从“本质”上来看是：基金经理与团队的管理成果。其决定因素包括：

性格、投资体系、信息源、能力圈、其他

从基金研究和FOF管理的角度出发，对于基金投资组合具体成分的过分关注往往意味着基金投资者在判断市场。基金投资者通过对市场未来牛熊、风格、行业、个股的判断，选取相应牛熊、风格、行业、个股暴露高且历史业绩好的“标签化”基金构建FOF组合。这样的方式第一排除了灵活配置的基金（放弃了其能力可能带来的收益），第二如果判断准确可以直接做相应选股和择时，没必要叠加一层基金管理人的不确定性，并支付一笔管理费用。因而基金研究不应只问：买了什么？，而更多的应问：为什么买？基金经理在具体证券基础上到底创造了什么价值？

从收益风险特征来说，基金与股票的区别主要在于：定价、风险、估值三个方面。定价方面，股票由众人预期博弈定价，而基金由基金经理一人管理定价；风险方面，单个股票具有较高的特质风险，而单个基金作为股票的分散组合已经将特质风险分散，持有更分散的基金不一定意味着风险更分散；估值方面，股票存在估值驱动价格均值回复，而基金不存在净值意义上的估值，净值不会因为过高而有杀估值风险，也不会因为过低而有估值修复效应。因而中长期动量对于基金有明确意义，只有具有一定能力优势的基金经理才能持续在市场中获得超额收益，持续的超额收益也反证了这种能力优势的存在，这种能力不随净值高低或者时间变化而快速波动或衰竭，不过纯粹的净值动量里包含了基金经理能把握的（能力）和不能把握的（运气）收益，需要进一步拆解剥离。

1.2.基于逆向工程的基金研究

诺贝尔经济学奖得主Robert Shiller近年提出了一种“叙事经济学”（Narrative Econimics）。其认为人脑总会被各种“叙事”影响决策，包括消费和投资，不论这些“叙事”是否是事实。“叙事”会赋予各种决策高度的价值和必要。包括美国历史上历次大萧条、比特币等等经济现象背后都有“叙事”如流行病般传播带来的影响。从这个角度来说，股票涨本质也是由于越来越多的人被某种“叙事/逻辑”所说服从而买入。因此基金经理必须具备如下两项能力才能够保证买对股票：

1、发现未被充分传播的叙事/逻辑：

  a)信息优势

    b)深度优势

    c)角度优势

2、确保叙事/逻辑未来短期能够说服大多数人：

    a)信息、分析、预测正确（被动说服）

    b)不论对错，具有传播价值和传播力（主动说服）

从基金研究的角度来说，大致有两种途径可以得知基金经理是否具有以上的能力，一是调研，但调研存在一定问题：基金经理的表达未必详尽；基金经理自身理解的超额收益来源未必为实际来源，这些问题都部分能用第二种方法解决。即归因，归因本质上是从已知的投资风格/模式当中去进行匹配，缺点在于未知的风格/模式就无法分析，且“窗口修饰”和“静态持仓假设”会破坏归因的可靠性。因而需要将两个模糊方法有机结合才能更为精确的对基金经理进行画像。而本篇报告将首先从量化归因的角度对基金经理进行基础的画像。

目前学术界有越来越多的研究正在基于市场异象对基金进行逆向工程研究。市场异象来源于有效市场假说。在强有效市场中，不论是公开的还是非公开的信息都被充分定价，任何投资者都不能在其中获得超越市场的收益，而不同强度的有效市场的本质区别在于投资者可以在什么类型的信息中获利。Fama和French在1993年总结了前人的研究成果，在CAPM的基础上提出了三因子模型，解释了市场中除了系统风险以外的风险因素（市场异象），由此开启了量化资产定价实证研究热潮。

但从当前市场来看用传统的“大小盘”、“价值成长”、“行业主题”异象去划分基金经理已经较难有稳定性，我们在报告《基金ALPHA进化史：深入ALPHA的创造和湮灭》中对此进行过实证。历史各个情景Alpha最为显著的基金经理到了同一情景再次发生后获取Alpha的能力都显著下降。这是由于看似相同的市场风格背后本质的驱动因素或许都不相同（例如同样是TMT行业2013-2015的逻辑与2015后的逻辑是截然不同的）。

Hou，Xue，Zhang在2017年检验了447个公开发表过研究的市场异象，包括动量、价值成长、投资、盈利、无形资产、交易摩擦等等，并且发现每当某个市场异象被公开研究，市场有效性就会逐步的消灭这个市场异象，因而基于市场异象的基金逆向工程研究也必须不断的挖掘新的投资逻辑所代表的市场异象，才能跟上基金经理的步伐。

本报告将通过多因子归因的方式分析我国公募偏股基金历史上究竟在什么样的信息/市场异象上获取超额收益。国盛金工多因子系统目前在不断更新迭代，对近年A股市场当中较为常见的投资逻辑进行了量化刻画，可用于基金经理选股逻辑的分析。

2. 公募基金究竟赚的是什么钱？

从市场异象的角度出发，我们将公募主动偏股型基金作为一个整体进行了归因分析。在假设公募基金季度持仓不变，季报持仓即全部持仓下，我们计算了公募基金历史上在各类风格因子、各类Alpha因子以及无法解释的因子上所获得的收益。

2.1. 风格收益视角

风格收益主要指公募基金在Barra CNE5模型的十个风格因子上所获得的收益。包括：市值、非线性市值、Beta、动量、波动率、流动性、价值、盈利、成长、杠杆率。

1、从市值因子角度来看，公募基金在2010-2014年间市值风格不明显，2014年起总体转向小市值，2017年开始逐步切回大市值。在市值因子上的收益主要集中在2015-2016年（小市值）以及2020年末至2021年初（大市值）。

2、从非线性市值因子角度来看，公募基金在2010-2017年正暴露较高，之后基本在零轴上下，此因子暴露越高代表市值越接近中盘即中证500水平，可见2014-2017年公募基金既持有了小市值又持有了中市值，在小市值上赚了15.28%，在中市值上亏了11.13%，不过总体仍赚钱。

3、从Beta因子角度来看，公募基金长期Beta暴露为正，仅2015年上半年具有明显负暴露。长期来看公募基金在Beta上的正暴露为其带来了持续的正向收益。

4、从动量因子角度来看，公募基金长期动量暴露为正。其也给公募基金长期带来稳定超额收益。在所有风格因子里，动量因子长期为公募基金贡献了最多的超额收益。

5、从波动率因子角度，公募基金长期波动率暴露为正，即便波动率因子的正暴露长期使得公募基金亏钱。

6、从流动性因子角度来看，与波动率因子一样，公募基金长期的正暴露使得其在这个方面持续亏钱。

7、从价值因子角度来看，公募基金长期价值暴露为负，也就是说公募基金偏好高PB的股票，或者说直到公募基金公布持仓时，总体来看估值较高。高PB在2019年以前长期亏钱，但在2019年之后出现了“价值陷阱”现象，高PB股票反倒有正的超额收益。

8、从盈利因子角度来看，与价值因子类似，公募基金长期盈利暴露为负，即偏好高PE股票，但高PE因子近年表现不如高PB。

9、从成长因子角度来看，公募基金长期在成长上正暴露，且此正暴露贡献了长期稳定的超额收益。成长因子是公募基金除了动量因子以外，长期超额收益贡献最多的因子。

10、从杠杆率因子角度来看，公募基金长期为负暴露，也即杠杆率较低的股票，但此因子收益并不稳定。

总体来说，公募基金在风格收益上有如下偏好：

a)偏好高Beta、高动量、高成长，长期正超额收益来源；

b)偏好高波动、高流动性，即便长期超额收益为负；

c)偏好高PB、高PE，以前一直亏钱，但近年高PB赚钱；

d)总体来说对“市值”、“价值”收益把握不稳定。

2.2. 行业收益视角

行业收益主要指公募基金在中信分类各行业上所获得的收益。由于行业因子为哑变量，因而公募基金行业暴露即为持有权重并且均为正，只是暴露程度随着时间会有变化。

从相对市场暴露来看，公募基金除2015年以外在医药、家电、食品饮料等长期正收益的行业上长期高度超配，特别是医药行业；在以前正收益行业上有过阶段性超配，但超额收益减弱后就较少配置，有过几次尝试加仓但都未能长期保持；在当前正收益行业上除电力设备以外（2021Q1已减仓），超配绝对值都处于较低状态，公募基金在这些行业上普遍具有“加仓失败”的教训；在长期负收益行业上，公募基金基本处于低配。

因此总结来说，公募基金在行业配置上受“惯性思维”影响较大。长期赚钱的行业不论短期波动坚持超配，长期亏钱的行业坚持低配，过去赚钱的行业经常尝试加仓，过去坚持超配吃过亏的行业即便现阶段赚钱也不敢过早超配（当然其行为也有基本面解释）。

2.3. 已知策略收益视角

已知策略收益主要指公募基金在非风格的已知Alpha因子上的收益。本报告实行计算的已知策略共有包括：质量、情绪、价值、行为、动量、成长、杠杆、盈利等类别的Alpha因子，所有计算Alpha因子均对市值、行业中性。

1、从公募基金长期获得正收益的策略来看，主要包含：机构重仓、PEG、分析师热度、EPS、业绩增长、业绩惊喜等。

2、从公募基金长期获得负收益的策略来看，主要包含：高换手率、高波动率等。

3、从公募基金以前正收益当前失效的策略来看，主要包含：成交冷门股、静态分析师预期等。

4、从公募基金以前无效当前正收益的策略来看，主要包含：低估值、PB-ROE、业绩惊喜等。

从已知策略收益角度来看，公募基金有以下几类特点：

a)公募基金整体调仓较慢，相邻两季度的持仓类似，且持仓公布后仍有超额；

b)分析师推荐为其主要信息来源之一；

c)主要赚业绩增长和业绩惊喜的钱；

d)长期按照PEG的思路选股获得超额收益，2016年后逐步扩大使用PB-ROE思路；

e)虽然总体偏好估值较高的股票，但是市值行业中性后仍偏好低估值，即相对低估值；

f)与风格收益特征一致的是偏好高流动性导致在短期交易热度的因子上长期亏钱；

g)2016年以前偏好买冷门股赚钱，2016后思路变化。

2.4. 未知策略收益视角

未知策略收益主要指公募基金在未被已知的风格收益、行业收益、Alpha因子收益所解释的超额收益部分。其来自归因系统未捕捉到的市场信息、财报信息、非公开信息。通过首先求得组合、市场、风格、行业、已知策略的收益我们将反推出未知策略的收益，并实现对组合收益的完全分解。

从公募基金总体来看，其在2019年之前基本获得的仅是一个市场的收益，2019年之后有明显的超额收益。其在行业上具有稳定持续的超额收益；在风格上2019年以前基本为负（流动性、波动性损失），2019年以后有正的收益（高估值正收益增大，高流动性负收益减小）；在残差上2013年中至2017年底为负收益，其余阶段基本为正收益。

从残差收益拆分来看，公募基金在已知策略上长期收益向上，在未知策略上2016年以前长期为负，2016年以后基本长期为0。因而公募基金持仓的收益在2016年以后基本可以被已知策略（Alpha）所解释。我们猜测2016年以前产生负收益的未知策略大体为交易方面的因素。

2.5. 非静态持仓收益视角

从公募基金定期报告中获取的持仓信息仅代表公募基金在报告期截面上的持仓情况，而实际公募基金在季度间隔中间的许多操作是持仓信息不能反映的，我们将基金实际收益与静态持仓收益的差称为“非静态持仓收益”或“动态收益”。

非静态持仓收益可能来自于公募基金在季度间的操作，也可能来自于非100%满仓带来的收益，也可能来自于基金费用。从公募基金总体来看，非静态持仓收益长期为负，幅度为年化-1.72%。考虑到公募基金的各项费用（管理费（平均1.30%）、托管费（0.22%）、销售服务费（0.13%）等，合计约1.65%），非静态持仓收益贡献基本不显著。也就是说公募总体收益基本可以由季度持仓反映，季度间的操作贡献的超额收益不明显。当然从个基角度来说可能是显著的，预示着基金经理进行了“窗口修饰”或者具有短期操作能力，这方面我们暂且按下不表。

2.6. “模仿投资”收益视角

2001年MIT发表了研究“模仿者（Copycat）”基金的相关论文，他们发现市场当中存在一类基金，他们会在表现优秀的基金公布持仓后立马买入相应股票，省去了自己去研究这些股票的开销。

论文同时还指出从费后收益来看，“模仿者”基金的收益与“被模仿者”的收益并没有显著差异，“模仿者”基金的收益有时甚至高于“被模仿者”，可见“模仿”策略对于公募基金而言是一种有效的策略，市场并非完全有效。

我们同样设计了一个“模仿者”指标用来监测中国公募基金市场的模仿者：

“模仿者”指标的含义是找寻单只基金（i基金）新买入股票组合与其他公募基金（j基金）上期公布的重仓股重叠度的最高值，其对应的基金我们认为是i基金最有可能模仿的对象。“模仿者”指标将保持在[0,1]的取值区间，越靠近1其为“模仿者”的概率越高。

从我国公募基金来看，“模仿者”基金在2016年以前较少，2016年开始逐步增加，并且以2019年Q2和2020年Q4为最。在Copycat Indicator大于0.6的定义下，近年市场当中“模仿者”基金的比例普遍在10%-30%之间。

那么“模仿者”是否能获得超额收益呢？在中国市场“模仿者”的费后收益总体略少于“被模仿者”的费后收益，但差异并不持续显著，结论与美国市场类似。“被模仿者”总体后续表现略好于偏股基金整体。“模仿者”相对偏股基金整体，长期没有超额收益，获得的是一个中位数的收益。

由此看来，过去的市场中“模仿”并不是一个坏主意，至少能够使得基金保持在总体中位数附近。公募基金的“慢逻辑”特征给了“模仿者”生存空间。但随着“模仿者”数量的增多，“模仿”策略的未来表现值得怀疑，而“被模仿”或为一个有效选基维度。

2.7. 公募基金究竟是一种什么样的资产？

(一)公募基金作为一种投资者的最重要属性为“公”，即“公开”、“公共”。“公”的属性（每日的申购赎回需要频繁快速复制组合）和较大的体量要求其投资的标的必须具有足够的流动性，因而其选股域基本在高流动性、高波动性的股票当中。

(二)众所周知，高流动性和高波动性代表高市场关注度，这样的股票更容易被快速充分定价。因而其中“快逻辑”的钱在不能高频交易的情况下很难赚取，公募在这些股票上只能赚“慢逻辑”的钱。

(三)“慢逻辑”的钱更多的表现为“动量风格”和“成长风格”。因为只有持续缓慢验证的逻辑才能促使股票持续上涨进而表现为动量特征。而持续缓慢验证的逻辑主要就是股票的成长逻辑，它需要时间来验证。

(四)因而“成长性”是公募基金永恒的投资逻辑。相比“价值”、“市值”等逻辑，“成长”具有强可验证性。举例来看，对某个公司的未来成长性预测（如5年复合增长率20%）一定能在期限结束（5年过后）时得到验证（复合增长率具体是多少），所有的可能性将在期限结束时坍缩为一个确定性的结果，而市场也会朝着这个结果收敛（提前或瞬时）。而“价值”、“市值”等逻辑为弱可验证，没有一种确定性的力量去纠正。举例来看，只有当股票上市都具备一定期限，都在一定时间需要清算退市时，而不是永续时，“价值”才是强可验证的。因而赚取“成长”的钱要比赚取“价值”、“市值”的钱时间上来的更确定。

(五)在“成长”投资的基础上公募基金注重估值与成长的匹配。虽然公募基金在总体上偏好高估值的股票，这只是因为他们必须在高关注度的股票域里投资，而高关注度又质地优良的公司容易被高估，但是公募基金在市值行业中性化后仍偏好低估值也就是相对低估值，公募基金也较为偏好采用PEG和PB-ROE的框架来为公司的成长性定价。

公募基金这种赚“慢逻辑”钱的特征衍生了另一些特征：1）季度间操作并不贡献显著收益，披露的持仓基本可以解释大部分收益；2）“慢逻辑”导致直接采取“模仿投资”仍然可以获得公募基金平均水平的收益；3）公募基金总体投资“惯性思维”较大，不会轻易切换风格行业特征。

3. 基于收益完全分解的基金画像

通过第二节我们构建了基金收益的完全分解：

在此分解下对任意基金我们都可以得到基于收益类型/能力的基金画像。从平均值、显著性统计的角度我们可以得到近1000多个基金特征以助于分析，从而可找到例如某一类风格收益最强最显著的基金并对其进行标签化的画像。在此基础上可将各类所需能力趋于极致的基金进行组合，同时控制无关与无法把握的能力，最终得到想要收益特征的“个性”基金组合。

从总体收益角度来看，公募基金当中近年具有显著行业配置收益的基金数量较多，具有显著策略收益、动态收益的基金数量较少。从风格收益角度来看，公募基金当中近年能够在市值、流动性、盈利、杠杆率上获得显著收益的几乎没有，而在动量、Beta、价值上获得显著收益的最多。

从行业收益角度来看，公募基金当中近年仅6个行业具有具备单行业显著配置收益的基金经理，其可能来源于基金经理对行业的择时能力，也可能来源于行业本身持续的超额收益以及基金经理对其长期的信心。从已知策略收益的角度来说，可以看到诸如分析师预测、业绩惊喜等策略具有相当数量的使用者，远高于单一行业，因而以策略而不是行业进行基金经理标签化或为更合理的画像方式，其易变性也较低。

3.1. 基于收益完全分解的基金画像实例

某基金2019年至2021年3月收益率189%，远超市场基准。本节将以其为例进行基于收益完全分解的基金画像举例。

3.1.1.画像：完全分解

从基金收益的完全分解，可以看到：

基金收益主要由动态收益贡献（2020年以来），静态持仓基本与市场表现类似；

基金行业收益为正，未知策略收益为负，两者基本抵消；

基金2020年3月开始行业配置收益显著，其在2020年1月有基金经理变更。

故而可给予2020年1月以来的基金经理标签化特征：行业配置能力、动态收益能力。

3.1.2.画像：风格收益

从基金的风格收益，可以看到：

基金主要风格收益来自动量（2020年以来）、价值（2019年以来）；

基金2020年更换基金经理以来风格变化明显，切往：中小市值、高动量、高波动、高流动性、高估值、高成长；

基金2020年以来风格稳定性高。

故而可给予2020年1月以来的基金经理标签化特征：中小市值、热门板块投资、历史风格稳定。

3.1.3.画像：贡献最大最小行业

从基金的行业收益，可以看到：

基金行业集中度高，历史上医药、食品饮料、机械、基础化工单一行业仓位较高；

基金2020年后主要在国防军工有明显配置负收益；

基金2020年二季度有明显的消费切周期操作，对疫情后经济复苏的布局相对较早。

故而可给予2020年1月以来的基金经理标签化特征：行业集中。

3.1.4.画像：贡献最大最小策略

从基金的策略收益，可以看到：

基金高度跟随分析师预测信息，但2020年9月前顺分析师预测边际方向，9月后逆分析师预测边际方向；

基金偏好长期成交量低，短期交易热度高的股票；

故而可给予2020年1月以来的基金经理标签化特征：左侧/信息变化敏感。

综合上述画像结果，我们可以看到该基金经理在2020.01-2021.03管理某基金期间表现出较强的动态投资能力、行业配置能力和中小市值投资风格。其能够快速处理市场信息，在左侧右侧临界点果决并且集中的调整仓位，进行有效的中观行业配置和个股动态操作，投资较为热门但市值偏中小的板块，避开拥挤的大市值板块。

3.2. 基于收益调配的“个性”基金组合构建实例

基金收益的完全分解意味着基金收益的完全解释。理论上基金经理的操作特征尽会反映在：动态、市场、风格、行业、已知策略、未知策略这六种收益上，而不会有其他的收益风险来源。

因而通过调配FOF在六类收益上的组合，即可获得想要特征的个性化FOF。本节将以上节所分析的基金经理的“个性”为目标（即显著的动态收益能力），寻找类似的基金经理，并在风险控制下进行目标基金组合构建：

根据“个性”基金组合的目标，我们可按照以下流程构建相应基金组合，考虑到持仓数据的可得性，组合每年仅在1月、4月、7月、10月调仓：

从“个性”组合历史表现来看2011年4月至2021年3月组合共获得269.0%（年化14.1%），远高于万得全A指数的88.0%（年化6.6%），特别是2019年以来年化收益达到61.0%，相对收益的回撤也非常小。

从“个性”组合归因结果来看，个性组合在行业配置和动态投资上具有长期正向超额收益，其中行业配置收益最为稳定。个性组合在风格和残差收益上基本为负收益，特别是2014-2015年期间，因而从总体超额收益来看，基金2019年以前不明显，2019年后风格和残差负收益减少后，超额收益得到了体现。可见行业收益和动态收益是基金经理可线性外推的能力之一。

3.3. 研究展望

在本篇报告当中，我们对偏股主动型基金的收益进行了“完全分解”，将基金收益拆分成：动态、市场、风格、行业、已知策略、未知策略。其中风格、行业、已知策略还能够进一步拆分成具体类型收益，以此实现了偏股主动型基金特征的全面构建与提取，可获得1000+基金特征。并且此“完全分解”体系具有灵活的可扩展性，随着我们对股票投资策略，投资思想的进一步认知，通过量化构造新的策略因子，可进一步对基金特征进行解析。

在此系统基础上，可进行风险控制下的“个性”FOF组合构建。通过收益画像可归纳出不同的基金“个性”，从本节的统计中我们实际可以看到，单个风格、行业收益显著的基金很少，且多来源于收益类型本身的持续性，而已知策略收益显著的基金较多，更精准的刻画了基金经理是如何选股票的。在获得基金的“个性”后，我们便可以选择这些“个性”偏于极致的基金，同时在整体上控制不想暴露的特征，从而获得想要的收益特征，用于基金特征的研究与验证。

通过基金“完全分解”系统，可更进一步对基金经理外在特征的变化进行深层次解读。例如基金经理从业年限、基金经理学历、基金经理从业背景、基金经理管理规模、基金经理调研频率、基金公司总体特征等，探寻表象背后的本质原因。

相关报告：

基金ALPHA进化史：深入ALPHA的创造与湮灭 | 量化专题报告

风险提示：基金收益分解和特征归纳基于历史数据，不保证未来的延续性。本报告的“完全分解”系统并不唯一，可能存在其他分解维度。

24小时滚动播报最新的财经资讯和视频，更多粉丝福利扫描二维码关注（sinafinance）