选股择时能力模型演进概述 [page::4][page::5][page::6][page::7][page::8]

• 传统CAPM模型只衡量系统性风险β，不含择时能力；Jensen模型引入α衡量选股能力。

- T-M模型将β设为关于市场收益的二次函数，度量择时能力，特征线为二次曲线。

• H-M及C-L模型利用β分段，反映牛熊市不同贝塔值，判断择时能力正负。

- 四模型比较清晰展现基金择时与选股能力的形态及判别标准。

不同市场环境下基金选股择时能力实证分析 [page::9][page::10][page::11][page::12][page::13]

• 牛市（2014.3-2015.5）：多数基金择时能力较强，小盘行情中选股能力更为突出，灵活配置型基金选股择时能力均优于其他类型。

• 熊市（2015.6-2016.2及2018年）：择时能力明显下降，选股能力存在但不显著，多数基金难以及时调整仓位。

- 震荡上涨市（2016.3-2018.1及2019-2020.4）：震荡上涨期择时能力表现分化，灵活配置型基金选股能力较强；2019-2020年选股能力显著，择时能力弱。

• 全区间（2014-2020）：整体基金选股能力较强，择时能力整体较弱，灵活配置型基金择时能力相对较好。

Bootstrap方法区分基金超额收益的实力与运气 [page::15][page::16]

• 利用Bootstrap有放回抽样技术，构造伪残差序列生成伪收益，检验基金超额收益中运气成分比例。

- 模拟示例说明：同α值基金，运气成分较大基金伪α分布宽广，运气成分小的基金伪α分布集中。

主动股票型基金超额收益实力主导结论与样本数据描述 [page::17][page::18][page::19]

• 以Fama French五因子模型为主，350只主动股票型基金2010-2020年数据。

- 样本基金特征显示中位收益率4.5%，夏普比0.14，β均值0.93，收益率分布偏态较大。

• 四因子及五因子模型均显示基金存在显著正向超额收益α，且Bootstrap检验显示超额收益不能完全归因于运气。

基金样本分组检验：高alpha、小规模、短存续期、成长风格基金选股实力更强 [page::19][page::20][page::21][page::22]

• 按alpha分组：高alpha组的基金实力贡献占比更大，低alpha组部分基金选股能力为负。

• 按发行规模分组：小规模基金显著具备更强选股能力。

• 按存续期分组：存续期较短的基金表现出更强的选股能力，存续期长基金表现趋同。

• 按投资风格分组：成长型基金选股能力明显优于平衡型，增值型与成长型相当。

单只基金Bootstrap检验：约60%基金凭实力实现正向选股能力 [page::22]

| 检验区间 | 右侧拒绝域（正向选股能力） | 左侧拒绝域（负向选股能力） | 接受域（靠运气） |
|------------|-----------------------------|-----------------------------|-------------------|
| 数量百分比 | 60%-66% | 26%-33% | 5%-9% |

• 业绩最优的前10%基金履历多稳定，实力超越运气明显，投资者可重点关注。

- 运气不能单独解释持仓多数公募基金的超额收益，证实选股能力的稳定性。

部分重点基金名单揭示

• 列举多只实力主导选股能力突出基金，投资风格多以成长、增值为主，发行规模适中偏小，存续期2年以上，有效体现出选股能力核心特征。

- 投资者可结合报告基金列表作为基金筛选参考[page::14][page::23]

金工研究报告《基金选股择时能力的定量分析法》（2020年7月29日）深度解析

---

一、元数据与报告概览

• 报告标题: 基金选股择时能力的定量分析法——我国公募基金大多具有较强选股能力

- 作者: 林晓明、黄晓彬、刘依苇

• 机构: 华泰证券股份有限公司研究所

- 发布日期: 2020年7月29日

• 研究主题: 针对中国公募基金，采用先进的量化模型，实证分析基金的选股能力与择时能力，并进一步区分基金超额收益中来自“实力”与“运气”的部分，提供全面的基金经理能力评价。

- 核心结论:
- 大多数国内主动股票型公募基金具备正向选股能力，灵活配置型基金择时能力较优。
- 基金的超额收益主要来源于基金经理的实力，而非运气。
- 选股能力较强的基金、规模较小的基金、存续期较短的基金以及成长风格基金表现更佳。
- 报告采用多模型验证，并用Bootstrap方法剖析超额收益的来源，具有较强实证检测和理论深度。[page::0,4,15,17]

---

二、逐章节深度解读

2.1 基金选股择时能力评价模型的发展与原理

• 报告回顾并梳理了基金选股与择时能力评价模型的发展，从最基础的CAPM模型出发，陈述了其局限，随后引入Jensen Alpha模型，说明其能够衡量选股而非择时能力的不足。

- 换言之，Jensen单因素模型假设基金在市场系统性风险β不随时间变化，无法反映基金经理根据市场走势调整风险暴露的择时行为。

• 针对这一缺陷，报告详细介绍了三种改进模型：T-M模型（β随市场收益率连续变化，形成二次特征线）、H-M模型和C-L模型（假设β为二元变量，分市场上涨和下跌进行变化，形成折线特征线），使得择时能力可以被定量度量。

- 重心放在特征线的逻辑解释和数学表达，结合图表直观展示各模型特征线形态，清晰、系统地描绘各模型的适用性和优势。

• T-M模型的择时能力由二次项系数β2>0判定，H-M和C-L则基于上涨与下跌市场β的差异判定择时，细致区分了择时能力的方向和显著性。[page::4-8]

2.2 实证设计与基金样本概况

• 选取了2014年3月至2020年4月间，螺旋时间、股票型、偏股混合型、平衡混合型及灵活配置型等共约超过3000只活跃开放式基金作为样本。

- 将研究期划分为五个不同市场环境区间（牛市、熊市、震荡上涨市等），并设定各区间内无风险利率。

• 基准市场组合设定两种方案：

- 第一，采用市场宽基指数（沪深300、中证500及中债新综合指数的权重组合）构建代表性市场组合。
- 第二，采用基金自有业绩基准，精准匹配基金实际投资偏好。

• 对两套基准组合分别用T-M、H-M、C-L三模型检测四类基金的选股与择时能力，体现了研究的全面和方法论的务实。[page::9]

---

三、核心实证结果解析

3.1 不同市场状态下基金的选股与择时能力

• 牛市（2014.03-2015.05）：

- 基于宽基指数，灵活配置型基金选股能力表现最好（正向选股能力占比60%）。
- 择时能力普遍较好，多数基金能顺势加仓，择时能力正的基金约占70%以上，显著为正的有三分之一左右。
- 基于自有业绩基准时，选股能力明显提升，说明业绩基准更好反映基金实际选股优势。[page::10]

• 熊市（2015.06-2016.02及2018年熊市）：

- 择时能力普遍减弱甚至失效，基金经理未能有效下调仓位。灵活配置型基金亦未表现出明显择时能力。
- 选股能力虽多数基金为正，但统计上显著比例少，基金倾向于买入防御型蓝筹减缓亏损，整体选股效应有限。
- 2018年熊市类似，选股及择时效应均弱。[page::11]

• 震荡上涨市（2016.03-2018.01）：

- 多数基金择时能力增强，尤其是基准指数构建下。灵活配置型基金选股能力较强，但择时能力较弱。
- 解释在于市场分化明显，高权重“漂亮50”表现优异，灵活配置型基金灵活参与打新等创新策略提升收益。[page::12]

• 近期震荡上涨市（2019.01-2020.04）：

- 各基金类型中，选股能力显著提升，大部分基金选股能力正向显著比例超过40%，整体选股表现突出。
- 投资者择时能力弱，择时负向基金占据多数，反映市场波动复杂性对择时判断的挑战较大。[page::12-13]

• 全区间结果总结：

- 四类基金整体选股能力明显，择时能力除灵活配置型外普遍较弱。
- 灵活配置型基金因无风格仓位限制、投资工具灵活等优势体现出较好择时能力。[page::13]

---

3.2 选股择时能力筛选优秀基金

• 挑选出在五个区间内选股择时能力均为正的基金及选股能力显著为正的基金，为投资者提供参考名单，涉及市场中多只著名基金，如安信价值精选、诺安稳健回报等。[page::14]

---

3.3 超额收益的来源：实力 VS 运气

• 报告强调超额收益的构成中实力与运气需区分，运气不可持续，实力决定长期表现。

- 通过Bootstrap非参数抽样方法，重新构造伪收益，形成伪Alpha分布，与原始α对比，确定α是否由实力驱动。

• 模拟示例对比，运气成分大的基金α不稳定，实质择股实力不强；运气成分小基金α较为稳定，实质能力强。[page::15-16]
• 采用Fama-French五因子模型，对350只主动股票型基金，日度数据，2010年至2020年进行了系统回归分析：

- 样本基金规模从0.05亿元到接近200亿元不等，覆盖时间从2.2年到18.6年。
- 超额收益α中位数约为2.2%，整体上65%以上的基金α为正，说明基金经理整体存在价值创造能力。
- 模型拟合优度较高（多达85%基金拟合度超过0.8），五因子模型优于其他模型，残差项非正态，说明存在非随机因素。
- 横截面基金α和t(α)分布显示基金存在实际选股能力，无法被纯运气解释。[page::17-19]

• 基金分组实证：

- 按α分组，α越大，实力成分占比明显上升；负α组中部分基金仍表现出选股能力。
- 小规模基金选股能力优于大规模基金，因大基金调仓耗时、成本高。
- 存续期短的基金选股实力较好，长存续期基金存在业绩收敛现象。
- 成长型基金选股能力最强，平衡型最弱，增值型次于成长型。
- 单只基金检验后，约60%的基金凭实力获得正向选股能力，仅7%超额收益归因于运气。[page::19-22]

• 另一细节，Alpha排行前10%的基金普遍存续期超过2年，实力成分远大于运气，表明长期优异管理并非巧合，且提供了具体名单。[page::23]

---

四、图表深度解读

1. 图表1-8（模型特征线示意）

直观刻画Jensen模型及拓展模型（T-M、H-M、C-L）特征线的几何形态与贝塔动态变化规律，清晰揭示了择时能力的逻辑判定标准。[page::4-8]

1. 图表9（各区间无风险利率）

列出各时间段一年期存款利率，通过合理估计无风险收益的细节，保障模型基准参数准确。[page::9]

1. 图表10（实证框架流程图）

描述多模型、多基金类型、多区间、多基准的全覆盖设计，突出实证分析的科学严密。[page::10]

1. 图表11-22（T-M模型各市场区间选股择时能力检验表）

详细列示不同市场环境下四类基金选股择时能力的百分比分布，直观反映不同基金类型市场环境对其能力影响的差异，数据丰富且具说服力。[page::10-13]

1. 图表25-28（模拟基金收益与Bootstrap曲线）

通过模拟数据形象说明Bootstrap方法原理及实力与运气的判定，贴切易懂。[page::15-16]

1. 图表29-31（收益分解模型及基金样本描述）

系统展示了涉及的因子模型和样本基本属性，为后续实证提供理论与数据基础。[page::17-18]

1. 图表32-36（回归结果与alpha、t(alpha)分布）

展现四个模型下基金alpha的分布及拟合度，一致说明基金存在显著正向实力驱动的超额收益。[page::18-19]

1. 图表37-44（各分组Bootstrap检验CDF）

多角度细分（按alpha、规模、存续期、风格）展示原始alpha与Bootstrap alpha累计分布差异，验证不同组别基金选股实力差异。[page::20-22]

1. 图表45-46（基金单只实力分类及排名前列具实力基金）

归纳出整体基于实力的正选股基金比例，及精选出长期表现优异基金名单，提供投资者实际参考。[page::22-23]

1. 图表47-58（附录模型分段回归与CDF对比）

补充细化H-M与C-L模型测试结果及全样本基于多模型alpha分布对比，增强报告的完备性与可验证性。[page::24-25]

---

五、估值部分

本报告不涉及对特定股票或行业的直接估值分析，主要侧重于基金经理能力的定量评价、模型构建与实证测试。

---

六、风险因素评估

• 模型局限风险: 报告指出模型对基金业绩拆解可能不够充分，结果存在不确定性，提醒投资者谨慎使用。

- 历史与未来表现风险: 历史选股择时能力不代表未来持续，市场环境及基金运作变化均可影响表现。

• 统计显著性风险: 部分基金能力指标不显著，可能因样本量、市场波动等影响。

- 运气成分: 虽实力占主导，但运气非完全剔除，投资需关注不确定性。

• 报告未详细提供缓释策略，提醒投资者注意定量模型的适用边界。[page::0,23]

---

七、批判性视角与细微差别

• 报告基于成熟模型和严谨实证框架，强调数据多样性与多维度分析，整体客观可信。

- 潜在偏见：
- 基准选择存在主观性，模型对基金业绩基准的不同选择导致选股能力判断差异，尽管报告进行了双重基准测试，但结果存在一定解释弹性。
- 模型假设基金β为定值，虽然注重对α的分析，但β假定可能简化复杂市场风险暴露。
- 报告总体聚焦于统计显著基金，存在忽略小概率及低能基金表现的可能性。
- Bootstrap方法虽创新，但对序列自相关与市场结构变化可能考虑不足。

• 报告内部逻辑自洽，但投资者需结合基金实际操作与市场环境理解，不能单纯依赖历史定量指标做投资决策。

---

八、结论性综合

本报告系统应用CAPM、Jensen、T-M、H-M和C-L模型及扩展的多因子模型（包括Fama-French五因子模型），基于超过3000只国内公募基金长达六年的数据样本，大规模、多维度地测算基金选股和择时能力，主要揭示：

• 国内公募基金，特别是主动股票型基金，普遍具备正向选股能力。

- 择时能力相对较弱，但灵活配置型基金因灵活调整仓位等优点展现出较强择时能力。

• 基金超额收益核心来源是基金经理的选股实力，而非偶然运气，Bootstrap检验确认此结论稳健。

- 实力显著的基金多为规模适中、存续期较短、成长或增值风格基金。

• 多模型、多市场区间、多基准的实证策略保障了结果的广泛适用性和科学性。

报告全面展示了基金投资者如何用现代金融的定量工具，区分并衡量基金经理的管理水平，为公募基金评价体系提供科学基础。

---

报告图表示例：

• Jensen-alpha 模型特征线：

• T-M 模型正向择时能力特征线：

• Bootstrap方法示意：

• Fama-French五因子模型基金alpha累积分布：

通过全面定量模型应用和严密实证验证，本报告提供了公募基金选股择时能力及超额收益来源的深入洞见，体现出国内基金经理整体扎实的能力水平和投资市场的潜力，对投资者和监管机构均具重要参考价值。[page::4,6,10,15,18,20]

---

备注

本解析严格依据报告内容进行，所有结论和数据均标明来源页码，确保信息可追溯、准确。

报告