• 基金经理调研行为与持仓关系 [page::1]

- 约24.68%的基金经理调研样本在基金持仓中，持仓中约1.02%的股票为过去半年调研过的样本。
- 调研数据更新及时，比定期披露的基金持仓信息具有时效优势，能提供额外投资行为信息。

• 调研事件数量、机构类型及调研方式统计 [page::2]

- 调研事件数量自2017年后有所下降但2020年回升，调研股票数量创新高。
- 证券公司、基金公司和投资公司为主要调研机构，占比超过68%。
- 特定对象调研占据调研事件71.19%，为定向调研主流形式。

• 基金公司调研行为特征及基金经理参与度提升 [page::3][page::4]

- 基金公司调研活跃时点多在季报发布后的3、5、8、11月份。
- 基金经理亲自参与调研的比例自2014年以来显著上升，2020年达到37%。
- 基金公司调研样本股票未来一季度平均超额收益2.62%，高于券商调研2.06%。

• 基金经理调研数量因子构建与表现 [page::5][page::6][page::7]

- 基金经理调研数量因子定义为基金经理过去三年调研次数均值，缺失时取同公司均值。
- 数量因子对未来3个月基金收益有稳定正向预测，RankIC均值3.42%，年化ICIR为1.06。
- 因子分组测试显示最高组季度超额收益率0.33%，最低组为-0.22%。

• 基金经理调研质量因子构建方法与中性化处理 [page::7][page::8]

- 以基金经理过去3年调研股票对应调研日后20交易日夏普率减去调研日前20日夏普率为因子值，体现调研精准度。
- 进行行业和市值中性化及MAD去极值，确保因子跨期可比性和稳健性。
- 组合基金经理调研股票的中性化得分计算质量因子。

• 调研质量因子初步表现及覆盖度问题 [page::8][page::9]

- 调研质量因子对股票和偏股混合基金未来3个月收益有稳健正向预测，RankIC均值5.34%，年化ICIR为1.65。
- 分组测试头部效应明显，最高组季度超额0.43%，最低组为-0.19%。
- 因子覆盖度不足，平均仅45.76%，2016年末达峰52.58%，2020年最低38.16%。

• 基金经理调研质量因子结构改进 [page::9][page::10]

- 赋予基金经理亲自调研1权重，同公司其他基金经理调研0.8权重，同公司研究员调研0.4，协同券商分析师调研0.2。
- 改进后质量因子稳定性提升，RankIC均值4.30%，年化ICIR达2.02，分组多空年化超额2.62%。
- 最高组超额季度收益0.44%，最低组-0.22%。

• 改进后质量因子组合回测 [page::11]

- 每季度选取质量因子TOP50基金等权构建组合，年化收益率20%，超越股票及偏股基金中位数15.36%。
- 多空年化超额收益率均超过2%，预测区间对3至6个月较为显著。

• 因子覆盖率及相关性检验 [page::12][page::13][page::14]

- 改进后的基金经理调研因子覆盖率提升至91.23%，解决覆盖度不足问题。
- 与其他常见选基因子（规模、业绩前瞻、隐形交易、机构关注度等）相关性极低，显示因子提供显著增量信息。
- Fama-Macbeth回归检验结果显示在剔除控制变量后基金经理调研因子系数显著，T值达5.02。

• 综合选基因子构建与FOF精选组合 [page::15][page::16][page::17][page::18]

- 综合选基因子由七个大类因子等权合成，含基金经理调研因子，RankIC均值15.72%，年化ICIR达2.72，胜率90.24%。
- 十档分组测试多空组合季度超额收益3.34%，多头1.57%，空头-1.78%。
- FOF精选组合2010年起构建，20只基金等权持仓，年化费后收益15.59%，超基准7%，年化换手率1.73。

• FOF组合参数敏感性及年度表现 [page::17]

- 随持仓基金数量减少，超额收益率增加；不同季度调仓路径表现稳定。
- 每年均稳健跑赢股票及偏股基金中位数，基金排名处于行业较前水平。

• 总结 [page::18]

- 基金经理调研行为反映投资重点，调研能力预测基金业绩，调研次数和质量因子均有效。
- 结合基金经理调研以及基金系内调研信息构建的质量因子覆盖度高且表现稳健。
- 基金经理调研因子提供差异化增量信息，与传统选基因子低相关，帮助提升基金选基效果。
- 综合因子构建的FOF精选组合实现长期稳定超额收益，具备实际应用价值。

元数据与概览

• 报告标题：《【国信金工】如何刻画基金经理的调研能力》

- 作者：张欣慰、刘凯

• 发布机构：国信证券经济研究所

- 发布日期：2021年4月22日

• 研究主题：基金经理调研行为对基金未来投资业绩的预测能力及其量化因子构建，基金经理调研质量与数量因子的开发与验证，以及基于调研因子的FOF精选组合设计。

- 核心论点：基金经理参与上市公司调研能够反映其投资能力。通过构建“基金经理调研数量因子”和“基金经理调研质量因子”，可以有效预测基金未来业绩；将调研因子与其他基金选基因子结合构建综合选基因子，能够显著提升基金选基效果，并带来稳定的超额收益。

• 评级与目标价：本报告主要为量化研究与能力刻画，无明确评级与目标价。报告最终以构建的调研因子进行组合模拟测试为主要结论。

---

报告逐节深度解读

一、从基金经理调研谈起

报告开篇强调上市公司调研是基金经理投资过程中的重要组成部分，基金经理的有限精力导致其调研公司反映其潜在投资关注点。调研过的股票未来一个季度往往获得显著超额收益，且约1/4的调研股票进入基金经理持仓。这强调了调研行为数据作为基金经理能力信号的价值，并为后续因子构建和投资预测奠定基础。[page::0]

二、基金经理调研与持仓关系

基于基金半年报和年报持仓数据，分析了基金经理调研样本与持仓的占比关系（图1）。结果显示：

• 基金经理调研样本中约24.68%是在持仓中权重较大的股票（权重大于1%）；

- 持仓股票中约1.02%是基金经理过去半年内调研过的样本。

这一结果表明调研和持仓之间存在较强联系，调研行为可视为投资决策的前兆。由于调研数据更新更及时，相较季报等公开报表具有信息优势。[page::1]

三、投资者关系活动及调研数据来源

报告详细解释了投资者关系活动的法规要求及信息披露的时效性，说明调研事件数据主要来源于Wind数据库，其真实、及时且合规。调研数据起始于2011年，从2012年开始统计以保证数据的完整性和准确性。[page::1,2]

四、调研事件数量与类型分析

股票调研事件及股票数量呈现2017年后调研数量下降但调研股票数量趋于集中，2020年有所回升（图2）。主要调研机构为证券公司（24.45%）、基金公司（21.87%）、投资公司（21.85%），三者合计占比达68.16%（图3）。调研类型以“特定对象调研”为主，占比71.19%（图4），表明定向调研依然是主流方式。[page::2]

五、基金公司调研行为特征

• 基金公司调研人数在每年3、5、8、11月较多，符合财报公布后的调研旺季（图5）。

- 基金经理亲自参与调研的比例自2014年起逐年增长，到2020年达到37%（图6），显示基金经理对调研重视度提升。[page::3,4]

六、调研事件效应与机构类别对比

通过构造不同机构调研股票池，计算相对中证全指超额收益（图7），基金公司调研后股票未来一个季度获得最高季均超额收益2.62%，券商调研为2.06%。不同机构调研事件均带来显著超额回报，凸显调研行为的投资价值。[page::4,5]

---

基金经理调研因子构建与表现分析

1. 基金经理调研数量因子

• 构造逻辑：基金经理过去三年参与调研次数越多，掌握的基本面信息越多。

- 因子打分规则：分别对基金经理调研数量打分，基金经理缺失时用同一基金公司其他经理调研平均值替代；多经理基金取均值（图8）。

• 因子表现：

- RankIC均值3.42%，标准差6.42%，年化ICIR为1.06，胜率69.62%（图9）。
- 分组测试显示调研数量最多组季均超额收益率为0.33%，最少组为-0.22%，呈明显正向线性关系（图10）。
- 预测期敏感性低，3至7个月均表现良好（表1）[page::6,7]

2. 基金经理调研质量因子

• 构造方法：

- 采用过去3年调研事件，过滤调研次数少于3次的经理。
- 计算调研前后20交易日夏普率差作为股票打分因子，随后对市值和行业进行截面中性化处理，应用MAD去极值和Z-score标准化（图11、12）。
- 经理层面取调研股票得分加权平均映射至基金，多个经理均值计算。

• 因子表现：

- RankIC均值5.34%，标准差6.47%，年化ICIR 1.65，胜率82.28%（图12）。
- 分组测试头部效应明显，最高组季均超额收益0.43%，最低组-0.19%（图13）。

• 覆盖度不足：仅约45.76%覆盖度，且随时间波动（图14）。

- 改进措施：
- 引入同一基金公司其他基金经理调研（权重0.8）、公司研究员调研（权重0.4）、服务过相同调研活动的券商分析师调研（权重0.2）补充信息（图15）。

• 改进后表现：

- RankIC均值4.3%，标准差4.24%，年化ICIR 2.02，胜率82.28%（图16）。
- 分组多空年化超额收益2.62%，最高组季均超额0.44%，最低组-0.22%（图17）。
- top50基金组合年化收益20%， vs 股票及偏股基金中位数15.36%，年化超额4.64%（图18）。
- 预测周期稳定在3至6个月区间，ICIR均大于2（表2）[page::7-11]

---

基金经理调研因子特质与多因子验证

• 覆盖度提升：

- 由45.76%提升至91.23%（图19），因子适用范围大幅扩大。

• 与常见选基因子的相关性：

- 因子表现和因子值均与其他选基因子秩相关性极低，接近0，显示提供独立信息（表4，表5）。

• Fama-Macbeth回归检验：

- 控制包括收益因子、基金规模、机构关注度、隐形交易能力、前瞻能力及员工信心等因子，调研因子系数显著，T值5.02，表明其独立的业绩预测能力（表6）。

• 综合选基因子构建：

- 结合收益类因子、基金规模、机构关注度、隐形交易能力、前瞻能力、员工信心与调研因子等七类因子，等权综合（图21）。
- 综合因子平均RankIC为15.72%，年化ICIR 2.72，胜率90.24%。
- 十分组测试显示极好单调性，多头组合季均超额1.57%，空头组合-1.78%，多空组合3.34%（图22）[page::12-15]

---

FOF精选组合策略与表现

• 组合构建规则：资金分三份，每季度调仓一次，从满足规模限定的基金中选得分最高的20只，等权买入。排除暂停交易基金。申购费万一，赎回费千五（图23）。

- 业绩表现：
- 2010年以来，FOF精选组合连年超越股票及偏股型基金中位数，排名平均分位点32.96%。
- 费后年化收益15.59%，基准8.6%，年化超额收益7%。
- 年化换手率1.73次（表7）。

• 敏感性分析：

- 持有基金数量减少时超额收益提升。
- 不同调仓路径下组合收益稳定，显示策略稳健（表8）。

---

风险因素

• 市场环境变化带来的风险。

- 因子可能失效风险。

• 报告未详细展开缓解措施，但强调了因子稳定性和多层次验证。[page::18]

---

批判性视角与细微差别

• 调研数据虽具备信息优势，但依赖披露的投资者关系活动，或存在样本选择偏差。

- 调研质量因子靠夏普率变化刻画股票表现，财务数据波动及市场波动可能影响因子稳定。

• 研究较为依赖历史数据与统计关系，未来市场结构变化可能影响因子效用。

- 因子覆盖度虽然改进，但仍需关注未覆盖基金经理行为对选基效果的影响。

• 报告着重呈现正相关性及组合收益，未提及调研行为负面案例或周期性表现波动，客观性需投资者留意。

---

图表深度解读

• 图1：基金经理调研样本与基金持仓占比。蓝柱说明调研股票中有约25%进入基金持仓的较大权重位置，橙线显示持仓股票中有约1%被基金经理最近调研。体现调研行为与持仓强关联，支持调研信号有实质投资价值。[page::1]
• 图2：年度调研事件数量（柱状，左轴）与调研股票数量（折线，右轴）。2017后调研事件数量回落，股票数量集中，2020年双双回升，反映机构调研行为调整与市场参与热度变化。[page::2]
• 图3、4：调研机构类型和调研形式占比饼图。证券公司、基金公司、投资公司合计达68%，主要调研力量。特定对象调研占比71%，反映信息传递的定向性与法规合规要求。[page::2]
• 图5：基金公司调研人数月度分布，3、5、8、11月调研人数最多，吻合财报后信息空窗期基金经理主动调研的高峰时段，体现调研节奏的季节性规律。[page::3]
• 图6：历年基金经理亲自调研占比逐年上升，表明基金经理对调研重视度提升，亲自调研行为增加，提升了调研因子的代表性和有效性。[page::4]
• 图7：不同机构调研股票池超额收益变化，基金公司调研组织能力最强，未来一季度超额收益最高，支持调研数据作为判断市场投资机会的重要信号。[page::5]
• 图8：调研数量因子构造示意，表明因子通过统计过去3年调研事件数量赋分，结合多基金经理时均值处理，体现科学合理的计算逻辑。[page::6]
• 图9、10：调研数量因子RankIC表现及分组超额收益。图9显示因子预测绩效逐年改善，图10五档测试显示线性递增趋势，印证调研频率与基金收益正相关。[page::6]
• 表1：调研数量因子对预测周期（3-7月）敏感性低，因子稳定性好。[page::7]
• 图11：调研质量因子构造示意，利用调研前后夏普率差衡量股票表现，体现调研的有效性及基金经理选股能力，方法创新且具备合理逻辑。[page::7]
• 图12、13：调研质量因子RankIC和分组测试。RankIC稳定性更强，分组头部效应明显，表现优于数量因子，显示质量维度更能反映投资能力。[page::8]
• 图14：调研质量因子覆盖率波动但整体较低问题突出。[page::9]
• 图15：结构改进示意图，通过对基金经理、同公司其他经理、研究员和分析师调研事件赋予权重增强覆盖，逻辑清晰增强了因子完备性。[page::10]
• 图16、17：改进后质量因子表现更稳定，RankICIR提升至2.02，头部效应保持明显，年化多空超额收益较高，显示因子有效优化。[page::10]
• 图18：改进后质量因子的top50组合长期超额收益表现优秀，组合年化20%显著强于基准，验证因子在实盘中的应用效果。[page::11]
• 图19：基金经理调研因子覆盖率明显提升至90%以上，因子普适性和应用潜力大幅提升。[page::12]
• 图20：选基因子多空年化收益对比，调研因子独立贡献明确，报告指明相关系数普遍低，指出调研因子与其他因子互补性强。[page::13]
• 表4、5、6：相关系数和Fama-Macbeth回归显示调研因子独立且显著，对未来基金表现有增量解释力。[page::14-15]
• 图21、22：综合选基因子RankIC连续稳定正相关，组间收益单调递增，体现综合因子的有力选基效果。[page::15]
• 图23：FOF精选组合累计超额收益稳健增长，远超基准，展示综合选基子及构建策略的实战成功。[page::16]
• 表7、8：分年度收益详细和敏感性分析，显示策略稳健且对持基数及调仓路径容错能力强。[page::17]

---

估值分析

报告无传统估值模块，重点为绩效预测信号构建和因子验证，侧重于绩效相关性和组合表现的展示，属于量化研究范畴。

---

风险因素评估

• 市场环境变动风险：调研因子及组合的表现依赖宏观及市场情绪，环境变化可能导致因子失效或组合表现波动。

- 因子失效风险：如市场行为变化、监管政策变化可能影响调研行为信息的代表性和有效性。

• 报告未提供具体缓解策略及风险概率评估，但凭借因子稳定性检验及多因子融合，已尽量减小单因子突发风险。[page::18]

---

审慎视角

• 报告依赖Wind调研数据，数据覆盖本身存在限制，尤其调研事件的质和量依赖于上市公司披露及数据更新完整性。

- 夏普率差作为质量因子计算指标简单直观，但未深入剖析其他可能影响的财务与市场变量，存在一定粗糙性。

• 报告对因子市场因子等风控因子未着重讨论，可能留存部分系统性风险未被披露和控制。

- 尽管组合表现优异，但组合构建样本排除多样化类别仅限A类基金，实际应用时需留意样本代表性。

• 因子间相关性低和统计意义强，显示研究严谨；但模型对经济情境敏感性未来需要继续跟踪。

---

结论性综合

本报告从基金经理参与上市公司调研行为入手，深度描绘了其调研行为与投资业绩之间的关系。通过数量和质量两个维度构建了基金经理调研因子：

• 调研数量因子反映基金经理调研活动的积极性与信息获取能力，表现稳定，呈现持续显著的对未来基金业绩正向预测能力（RankIC 3.42%，IR 1.06）。

- 调研质量因子创新使用调研前后夏普率差对基金经理选股判断能力进行量化，经过结构优化纳入同公司调研行为与分析师协作内容后，覆盖率提升至91.23%，表现进一步增强（RankIC 4.3%，IR 2.02），且分组多空组合年化超额收益达2.62%。

• 在多因子比较与回归中，调研因子均显示独立、显著的预测价值，证明其作为优秀基金选基补充因子的有效性。

- 基于调研因子与其他选基因子的组合综合构建，形成具有稳定高预测性的综合选基因子（RankIC 15.72%，IR 2.72），从十档分组测试和FOF精选组合表现验证其强大选基能力。

• 以综合选基因子构建的FOF精选组合自2010年以来表现稳定，年化收益15.59%明显超过基准15.36%，并保持较低换手率和较优分位点排名，展示了因子及组合策略的实际应用潜力和市场价值。

总体来看，报告系统性、层层递进地揭示了基金经理调研行为如何转化为投资优势，构建并优化了切实可行且具备显著预测力的调研因子，进而提升了基金选基体系的整体效果。研究为基金研究员及量化投资者提供了新的思路和工具，有助于发现和培养优秀基金，提升投资决策的科学性和超额利润空间。[page::全报告]

---

关键图表展示

• 图1基金经理调研样本与持仓关系示意

- 图7不同机构调研事件效应

• 图9调研数量因子RankIC表现

- 图12调研质量因子RankIC表现

• 图15调研质量因子结构改进示意

- 图18改进后质量因子top50组合表现

• 图19基金经理调研因子覆盖度

- 图21综合选基因子RankIC序列

• 图23FOF精选组合历史表现

---

综上，报告不仅系统论证了基金经理调研行为的投资指示价值，还创新性地将其转化为量化选基因子，辅以全面的统计及实证分析，结合实战FOF组合测试验证了选基策略的有效性和稳定性，为基金管理与投资研究提供了重要理论与工具支持。[page::0-18]

报告