逆向投资与情绪Beta量化刻画 [page::0][page::6]

• 逆向投资定义为与大多数投资者观点相反的操作，核心在于逆情绪或逆共识。

- 采用换手率变动衡量投资者情绪，通过扩展CAPM模型引入情绪Beta，反映资产对投资者情绪变化的敏感度。

• 情绪Beta负值表明基金在投资者观点趋于一致时能产生超额收益，即具备逆向投资能力。

- 基金经理逆向投资能力因子基于情绪Beta构建，有清晰的定量表达，适用于基金管理层面。

逆向投资能力因子多维度有效性检验 [page::7][page::11][page::13]

• 股票层面：情绪Beta因子RankIC均值为-2.75%，低情绪Beta股票未来超额收益更高。

- 行业层面：情绪Beta因子RankIC均值为-4.44%，低情绪Beta行业未来表现更优。

• 基金层面：基金情绪Beta与未来三个月收益负相关，RankIC均值为-5.78%，预测能力显著。

- 基金持仓维度构造因子FHB，RankIC均值为-7.30%，胜率67.21%；基金收益维度构造因子FRB，RankIC均值为-8.92%，胜率75.41%。

• 两个因子合成逆向投资能力因子FSB，RankIC均值为-10.85%，胜率78.69%，表现优于单一因子。

逆向投资能力因子的增量价值及多因子组合提升效果 [page::13][page::14][page::15][page::16]

• 逆向投资能力因子与9类常见基金选基因子相关性极低（绝对值均小于0.1）。

- 剥离其他选基因子后，逆向投资能力因子仍表现出显著单调的多空收益。

• 将逆向投资能力因子纳入综合因子，整体RankIC均值由11.51%提升至13.57%，RankICIR由1.81提升至2.03。

- 新综合因子组合表现出较高的多空分化收益，提升了组合选基预测效果。

市场环境适应性与风格暴露分析 [page::16][page::17][page::19][page::20]

• 逆向投资能力因子在2023年后表现稳健，RankIC均值提升至-11.20%，显著优于其他因子面临的波动和回撤。

- 多空净值表现稳定提升，逆向投资能力在大多数市场周期中均有效。

• 风格暴露显示取值低的基金经理更偏好低Beta、高市值、低杠杆和低换手率股票，但整体风格分布均衡，没有极端风格偏好。

- 逆向投资能力强的基金经理持仓风格与主动权益基金整体相近，风格多样性良好。

逆向投资能力因子实际投资效果 [page::17]

• 多头10%组合2015-2025年累计年化收益率12.65%，超空头组合9.24个百分点。

- 近几年逆向投资能力因子多空收益差异更为显著。

逆向投资能力的理念与实践案例回顾 [page::1][page::2]

• 经典逆向投资大师如巴菲特、邓普顿、波顿和德雷曼的成功案例启发，传统逆向投资侧重特定情境，难以量化。

- 本文通过量化情绪Beta实现逆向投资能力的规 则化、可复制和可量化定义，完善理论与实践的连接。

【国信金工】基金经理逆向投资能力与投资业绩 — 深度分析报告

---

一、元数据与概览

• 报告标题：《基金经理逆向投资能力与投资业绩》

- 作者：张欣慰、陈梦琪

• 发布机构：国信证券经济研究所，量化藏经阁

- 发布日期：2025年6月5日

• 研究主题：基金经理的逆向投资能力，及其对未来基金投资业绩的预测作用，涵盖基金经理行为量化刻画与逆向投资因子构建。

- 核心论点：逆向投资能力即基金经理在投资者观点趋于一致（投资者情绪低分歧）时能够获得超额收益的能力。通过构建基金经理逆向投资能力因子（FSB）并实证验证，发现该因子具备显著的预测能力、低相关性及强增量性。基金经理的逆向投资能力强时，基金的未来业绩表现显著优异。

• 关键词：逆向投资、情绪Beta、换手率、资产收益、基金经理能力、量化因子、选基策略。

---

二、逐节深度解读

2.1 报告摘要与引言

• 报告指出，逆向投资不仅仅是简单的“低买高卖”，其背后深藏着与主流投资者不同观点的策略，其本质为逆行市场共识（逆情绪、逆共识）。

- 多位历史著名逆向投资大师（如巴菲特、邓普顿等）经验表明逆向投资能获得超额收益，但由于依赖个人经验，难以系统量化。

• 本文创新点是引入情绪Beta这一量化指标，用以度量基金经理逆向投资能力，发现该因子在多资产类别中（股票、行业、基金）均具备预测未来收益的稳定效果。

- 文章体现了量化研究的思路和尝试，即将行为金融学中的逆向投资理念转化为可测量的量化因子。[page::0],[page::1]

2.2 逆向投资的传统案例回顾及量化视角

• 重点回顾了四位逆向投资大师的典型案例：

- 巴菲特：在美国运通股价下跌时，基于基本面分析逆向买入，获得显著收益。
- 邓普顿：大萧条时期低价买入股票，数年后大幅升值。
- 安东尼·波顿：逆向看好长期被市场忽视的Gallagher烟草公司。
- 德雷曼：基于情绪过度反应理论进行逆向投资，获得持续牛市成果。

• 传统逆向投资强调特定情境与个体经验，缺乏可复制和系统量化的表达。

- 作者通过引入“逆情绪”或“逆共识”的概念，提出量化框架以构建标准化、规则化和可复制的逆向投资因子，突破传统案例的局限。[page::1],[page::2]

2.3 逆向投资能力的国内外学术研究综述

• 介绍了基金经理逆向投资能力相关的实证研究：

- Hao Jiang和Michela Verardo（2018）发现模仿机构交易的基金与逆向基金在未来表现上有显著差异。
- Lee和Ma（2023）构建基金逆向买入（CB）和卖出（CS）指数，发现逆向买入与业绩正相关。
- Sun Zheng等（2018）指出基金经理在逆境（市场下跌）阶段的收益具有更强的预测能力。
- 国内学者徐龙炳和顾力绘（2019）也确认逆境表现优异的基金经理未来业绩更好。

• 作者采用中国市场数据，从逆境（市场收益低于中位数）和顺境两个维度拆解基金表现，验证逆境收益率因子对未来收益的更强预测性，并指出逆境趋势因子近年来表现不佳，需寻找新的有效因子。[page::3],[page::4]

2.4 投资者观点分歧度与换手率的关联

• 报告区分“逆境”与“逆向”：逆境强调市场环境不佳，逆向强调与大众观点方向相反。

- 换手率被选为投资者观点分歧度的量化代理。
- 观点分歧加大时，换手率提升。
- 观点趋于一致时，换手率下降，逆向投资者往往经得住市场共识强化，从而具备超额收益能力。

• 换手率计算采用中证全指成分股成交金额与流通市值比，是反映全市场投资者情绪和观点分歧的代表性指标。[page::5]

2.5 逆向投资能力量化表达与情绪Beta模型

• 根据Glushkov（2006），引入情绪Beta，定义为资产收益对投资者情绪（由换手率变化表示）敏感程度的回归系数，作为逆向投资能力的量化指标。

- 扩展CAPM模型引入换手率变化因子，将基金、股票、行业收益分别对市场收益率和换手率变化进行回归，计算情绪Beta系数。

• 情绪Beta<0表示基金收益在投资者观点趋于一致时提升，即逆向投资能力强。

- 基金A实例图示说明其情绪Beta=-0.76，表明该基金具有显著逆向投资能力。[page::6]

2.6 情绪Beta与资产收益的跨层面实证结果

• 股票层面：

- 计算每只股票情绪Beta，按组别排名分组，观察未来1个月超额收益。
- 结果显示低情绪Beta组（G1）未来收益显著高于高情绪Beta组（G10），RankIC均值约-2.75%，表现稳健。

• 行业层面：

- 类似地计算行业情绪Beta，发现低情绪Beta行业未来收益更佳，RankIC均值约-4.44%。

• 基金层面：

- 基金情绪Beta亦负相关未来3个月收益，RankIC均值约-5.78%。
- 低情绪Beta基金在未来多数时间优于高情绪Beta基金。

• 说明情绪Beta具有广泛的预测能力，能选出优秀股票、行业和逆向能力强的基金经理。[page::7],[page::8]

2.7 逆向投资能力因子的构建方法

• 基于持仓的逆向投资能力因子FHB：

- 利用Fama-French五因子模型扩展版（附加换手率变化因子）计算股票情绪Beta，并做行业与市值中性化处理。
- 通过基金半年报/年报个股持仓权重加权计算基金情绪Beta。
- FHB因子RankIC均值约-7.3%，胜率67.2%，分组收益单调明显。

• 基于基金收益的逆向投资能力因子FRB：

- 采用Carhart四因子模型（市场、规模、账面市值比、动量）加换手率变化因子回归基金日度收益，获取基金情绪Beta。
- FRB因子RankIC均值约-8.92%，胜率75.4%，分组超额收益优异。

• 合成基金经理逆向投资能力因子FSB：

- 将FHB和FRB两个子因子等权合成，作为综合逆向投资能力因子。
- FSB因子表现更优，RankIC均值-10.85%，胜率78.69%，体现更强预测能力。[page::9至13]

2.8 逆向投资能力因子的特质与增量分析

• 与国信金工团队以往构建的9大类选基因子相关性极低（绝对相关性均<0.1），说明该因子提供了不同且新增的信息。

- 将逆向投资能力因子剥离上述9大类选基因子后，残差因子依旧展现出显著预测能力。

• 将逆向投资能力因子纳入综合选基因子池，能显著提升综合因子的RankIC均值（由11.51%提升至13.57%），增强多空策略收益及选基效果。

- 逆向投资能力因子的稳定性尤为突出。2023年以来，许多经典因子（收益类、隐形交易能力因子等）表现波动明显，甚至失效，唯有逆向投资能力因子仍保持甚至提升了预测效果，拥有强大的跨周期适应性。[page::13至17]

2.9 逆向投资能力因子的风格暴露分析

• 逆向投资能力因子分组中，基金持仓在Barra风格因子（市值、动量、价值、杠杆等）上较为均衡，无行业化风格偏向。

- 逆向投资能力强（因子值低）组基金持仓股票表现为：
- 低Beta（市场风险敏感度）
- 大市值
- 低杠杆风险敏感
- 低换手率（股市流动性特征）

• 与主动权益基金整体平均风格相当，说明逆向投资能力因子不会系统偏向某一极端风格，具有广泛适用性。

- 该因子筛选的基金经理并非局限于某种“风格”，反映出其“能力”维度的均衡性和多样性。[page::19]

---

三、图表深度解读

图1（逆向投资代表人物）

• 描述四大逆向投资大师（巴菲特、邓普顿、波顿、德雷曼）代表性观点，体现逆向投资的经验基础。

- 强调传统逆向投资依赖个股调研、宏观判断，不易量化。

图2（传统逆向投资与本文逆向投资对比）

• 直观展示传统逆向侧重特定事件与情境，本文则追求量化、规则、可复制的因子体系。

图3（基金总收益拆解示意图）

• 展示将总收益拆分为顺境收益率与逆境收益率，彰显逆境收益在识别真实投资能力上的优势。

图4（逆境营、顺境、总收益因子的多空净值走势）

• 红线（逆境收益率）显著优于蓝线（总收益率）和灰线（顺境收益率），支持逆境能力信息的更强预测力。

图5（投资者观点分歧度与换手率关系）

• 揭示换手率变化作为投资者观点分歧度的量化代理，是构建情绪Beta的基础。

图6、7（基金A日度收益与市场涨跌/换手率变化）

• 突出情绪Beta的负值特征，体现基金经理在投资者共识强时逆向操作能力。

图8、9（股票层面情绪Beta分组表现）

• 低情绪Beta股票表现优异，净值持续领先高情绪Beta股票。

图10、11（行业层面情绪Beta分组表现）

• 低情绪Beta行业未来超额收益更高，净值走势更强。

图12、13（基金层面情绪Beta分组表现）

• 情绪Beta最低组基金的未来表现最优，验证因子对基金经理能力的反映。

图14（基于基金持仓的逆向投资能力因子FHB计算步骤）

• 从因子准备到股票情绪Beta计算，继而通过持仓权重映射至基金层面，完整呈现计算流程。

图15、16（FHB因子RankIC序列及其分组超额收益）

• 显示FHB因子目标收益预测效果显著，分组业绩差异显著。

图17、18（FRB因子RankIC序列及分组超额收益）

• 基于基金收益的逆向能力因子拥有更优表现，胜率和预测稳定性更高。

图19（逆向投资能力因子合成）

• 直观展示FHB和FRB等权合成FSB的过程。

图20、21（FSB因子RankIC序列及分组超额收益）

• 复合因子FSB表现优于单独子因子，强化了逆向能力的整体预测力。

图22（逆向投资能力因子与其它9大类选基因子相关性矩阵）

• 相关系数均低于0.1，因子视为独立的增量信息源。

图23（逆向投资能力因子与原始综合选基因子相关性时间序列）

• 长期相关性稳定负相关，支持二者在选基信息上的互补。

图24（剥离常见选基因子后逆向投资能力因子的分组超额收益）

• 剥离影响后逆向能力因子依然展现正预测，确认因子有效信息独立性。

图25（新综合选基与原始组合多空净值对比）

• 新综合选基因子明显优于原始基因子，图线拉开差距表明逆向能力因子带来实质增益。

图26、27（分组超额收益与累计RankIC对比）

• 多头和空头组合表现均优于原始组合，累计RankIC呈持续领先态势。

表1（逆向能力因子与其他因子分时表现）

• 逆向能力因子指数无论2023年前后依然保持较高表现，且在市场有效性提升的背景下更显优势。

图28、29（逆向能力因子与主流其他因子的多空净值走势比较）

• 近年逆向能力因子持续攀升超越其他因子，体现因子“抗周期”和稳定获利能力。

表2（逆向能力因子多头/空头组合业绩）

• 超过10年长期验证后，多头组合相对于空头组合年化收益领先近9.24%，表现稳定高效。

图30-32（逆向能力因子风格暴露分析）

• 各组基金在市值、Beta、杠杆等风格因子上的暴露相对均衡，逆向能力因子不偏风格特质。

---

四、估值分析

本报告核心在于量化投资策略设计与基金经理投资能力筛选，未涉及上市公司的估值分析或传统估值模型（DCF、PE等）构建，因此无估值章节内容。

---

五、风险因素评估

• 市场环境风险：宏观经济、政策调整、市场整体波动可能影响因子表现和基金收益。

- 因子失效风险：随着市场参与者对已知因子的应用，因子有效性可能逐步减弱（报告亦指出部分经典因子近期表现回落）。

• 数据与模型局限：换手率作为投资者情绪代理有局限，且因子构建依赖于公开披露数据，可能存在数据滞后与不完整。

- 模型假设风险：CAPM扩展及多因子模型假设市场均衡及因子独立性，实际情况可能带来误判。

• 报告基于历史回测与统计关联，不构成具体投资建议。[page::21]

---

六、批判性视角与细微差别

• 报告系统性较强，兼顾理论与实证，结合经典投资理念与现代量化方法，体现思路创新。

- 报告强调情绪Beta与逆向能力的关系，但换手率作为唯一情绪指标存在简化，可能无法涵盖投资者情绪全部维度。

• 模型选取与因子加权较为经验，等权合成可能未充分考虑各模型残差异质。

- 逆向能力因子虽低相关但与部分基金特征因子存在微弱关联（例如与基金经理观点独立性小负相关），未来可深化因子交互影响研究。

• 风格暴露分析显示逆向能力因子不偏特定风格，但更细粒度的行业与风格动态影响值得后续跟踪探讨。

- 报告基于沪深市场，跨市场与跨资产类别普适性尚需进一步验证。

---

七、结论性综合

该报告围绕“基金经理的逆向投资能力”构建起一套系统量化框架，核心贡献为：

1. 引入情绪Beta概念，将投资者观点分歧度的量化指标（换手率变化）引入资产收益模型，拓展经典CAPM模型至情绪视角。

2. 在多个资产层面（股票、行业、基金）均发现情绪Beta与未来收益负相关的稳健关系，验证逆向投资能力的普适性。

1. 构建基于基金持仓（FHB）与基于基金收益（FRB）的逆向投资能力因子，并组合成基金经理整体逆向投资能力因子（FSB）。

4. 逆向投资能力因子在2015年以来表现出色，具备较高的预测能力（RankIC均值约-10.85%, 年化RankICIR-1.39），且呈现强适应性，尤其在2023年后市场环境变化剧烈时依然优异，优于多数经典选基因子。

1. 逆向投资能力因子与其他常见选基因子低相关且含增量信息，加入综合选基因子体系提升整体选基水平，显示良好增益。

6. 从风格暴露视角看，逆向能力强的基金经理持仓Beta低、市值大、杠杆敏感低且换手率低，未表现出单一风格偏好，表明其投资理念及操作具有一定均衡性与多样性。

1. 报告通过大量图表系统验证了情绪Beta及逆向投资能力因子的有效性与稳健性，如分组收益曲线、净值走势、RankIC指标时间序列，以及风格暴露分析均形成呼应，逻辑严谨且数据充分。

总的来说，本报告通过严谨的量化模型和广泛的实证分析，为传统难以量化的逆向投资能力提供了一个科学可复制的衡量标准，为基金经理能力的甄别与基金投资组合的构建提供重要工具，极大丰富了主动管理基金的研究范式，具备较高的学术价值和实际应用潜力。

---

全文引用均基于报告页码，使用格式为[page::x]，以便溯源及复查。

报告