我国公募基金市场快速扩容，基金结构及规模持续增长 [page::2][page::3]

• 截至2022年末，公募基金总规模达26.82万亿元，基金数量超1万只，且基金以混合型和权益型为主。FOF规模和数量快速增长，反映投资选择日趋丰富。

主动权益基金的定义及数量结构：权益持仓高且灵活性大 [page::3][page::4]

• 主动权益基金定义为连续四期权益持仓≥60%、非量化产品。样本中787支基金显示数量和发行结构灵活，偏股混合型和灵活配置基金数量占比较大。

主动权益基金业绩分化显著，简单策略难以前瞻性选基 [page::4][page::5]

• 前10%与后10%基金收益差异均值超50个百分点，基金收益、波动幅度大。不同类型基金收益分布显示中小盘基金极差更大，波动更剧烈。

细致的四维度三级指标标签体系构建及指标说明 [page::6][page::7]

• 体系覆盖业绩（收益、风险、风险调整后收益、持续性）、持仓（行业、风格、换手率、重仓特征）、基金经理（择时、行业配置、选股能力）、可投资性（规模、申赎、机构认可度）指标，支撑全面评价。

量化指标深度解读：业绩、持仓风格、经理能力等具体测算方法 [page::7-14]

• 利用年化收益、波动率、最大回撤计算风险调节收益（夏普、卡玛比率）。

- Hurst指数量化业绩持续性，786只基金中，714只显示显著正向持续性。

• 持股风格基于Fama三因子模型回归SMB、HML，结合风格集中度及漂移度衡量。

- 基金经理择时能力用C-L模型估计，选股能力结合模型Alpha与动态行业配置指标AA。

• 可投资性涵盖基金规模、申赎活跃度及机构持有比例。

因子相关性与重要性分析：风格与经理能力对业绩解释力显著 [page::17-19]

• SMB与Hurst负相关显著，小盘基金更易出现业绩反转且风格漂移较大。

- 价值成长因子（HML）负相关波动和回撤，成长股波动较大。

• 综合选股能力AA + alpha指标与择时指标β2-β1对基金收益有统计显著贡献。

合成因子及聚类分析揭示基金类型差异 [page::21-23]

• 通过Gram-Schmidt正交化方法合成投资集中程度、持仓波动性、投资机会挖掘水平、跟随投资倾向、市场评价及流动性6大合成因子。

- 聚类分析将基金分为三大簇，区分业绩持续性与卡玛比率表现，且风格由价值型向成长型梯度区分。

三位基金经理个案分析展示标签体系的识别能力 [page::24-26]

• A经理操作风格分散，持仓均衡，重仓股拒绝抱团，高度分散行业与股票。

- B经理偏成长股，投资风格激进，持仓高轮动且集中，拥有高收益与高波动特征。

• C经理偏医药等主题，持股风格集中且拥挤，少量重仓，平稳权益仓位，择时能力相对较弱。

绩优基金标签特征总结，持股风格漂移度为绩优基金关键标签 [page::27-28]

• 23支绩优基金经理同时具有高持股风格漂移度标签，是最核心的绩优基金特征。

- 行业轮动频繁、高行业集中度及择时能力也与绩优基金存在显著重合度。

主动权益基金标签体系构建与分析——全面深度解析报告

---

1. 元数据与概览

报告标题：《主动权益基金标签体系构建与分析》
作者：林晓明、张泽、刘依苇
发布机构：华泰证券股份有限公司研究所
发布地区：中国内地
发布日期：2023年1月18日
主题：构建并应用主动权益基金的标签体系，对基金行业、基金经理及基金产品进行细致评价与筛选，提升基金筛选与研究的科学性和系统性。

报告核心论点：
报告围绕主动权益基金日益增长的规模与复杂性，提出建立一个基于“基金业绩、持仓特征、基金经理能力、基金可投资性”四大维度的三级指标标签体系。通过标签体系，能够多角度、系统性刻画基金特质，识别不同基金经理的风格和能力差异，提高对绩优基金的筛选效率和精准度。同时，基于大量统计分析和机器学习模型，验证了关键指标对基金业绩的解释力及持续性影响，并通过多因子合成和聚类分析厘清基金类别与标签特征之间的联系。报告无具体产品推荐，仅为研究分析。

---

2. 逐节深度解读

2.1 引言及背景（第0-3页）

• 基金市场快速扩容带来研究需求增大。截至2022年底，公募基金数量达10492只，基金总规模26.82万亿元，FOF规模从2017年130亿元跃升至2089亿元，结构丰富（图表1-4）[page::0,page::2,page::3]。

- 主动权益基金为重要且复杂品类。权益基金中主动权益基金表现分化大，投资风格、策略多样，简单选基难以得到良好结果，需构建系统化研究与筛选框架[page::0,page::3]。

• 基金分类体系明确。普通股票型、偏股混合型和灵活配置型基金中权益持仓超过60%，且不含“量化”者被定义为主动权益型基金，数量约3014支（2022年），其中灵活配置型基金占比提升（图表5-6）[page::3,page::4]。

2.2 主动权益基金业绩现状（第4-5页）

• 业绩分化显著。按基金经理在岗时间及持仓比例筛选1157支主动权益基金，年度前10%与后10%基金收益差达53个百分点，显示业绩极端分化，且简单动量或反转策略难以实现择优[page::4]。

- 收益分布差异。灵活配置型基金收益极差最大（可达70-80%），中小盘基金极差也较大且最大收益点高于大盘基金；收益率中位数三类基金相近（图表8-9）[page::5]。

• 打造多维指标体系迫在眉睫。

2.3 四维度、三级指标体系构建（第5-7页）

• 四大维度与三级指标结构明确。

- 基金业绩：收益（绝对、相对）、风险（波动率、最大回撤）、风险调整收益（夏普比率、卡玛比率）、业绩持续性（Hurst指数）
- 持仓分析：行业（集中度、是否主题股）、风格（大小盘SMB、价值成长HML）、重仓股（抱团度、拥挤度）、换手率（资产、个股）
- 基金经理能力：择时能力（C-L模型β2-β1）、行业配置（FDBR、RDBR）、选股能力（AA指标+α值），详细计算方法附[page::5,page::6,page::7,page::8,page::9,page::10,page::11,page::12,page::13,page::14]。
- 可投资性：基金规模、申赎状态（开放度、实时申赎）、机构认可度（机构持有比例、自购比例）[page::14]。

• 业绩指标特别介绍Hurst指数，反映基金业绩的长记忆性及持续性，通过时间序列分析方法计算并分层[page::8]。

2.4 持仓与经理能力详细指标（第9-14页）

• 持仓中，基金是否行业主题判断标准为连续三期某行业占比超50%，行业集中度、轮动性反映持仓分散度和动态调整程度，基金多样，绝大多数不为行业主题基金，集中度多低于0.24（图表15-16）[page::9]。

- 风格划分采用Fama三因子模型中的SMB和HML系数回归计算，解释基金偏好小盘/大盘、价值/成长风格（图表17）；持股风格集中度为SMB与HML平方和开根，风格漂移检查基金持股风格波动（SDS指标）[page::10]。

• 换手率分为资产换手率（大类资产调整幅度）和个股换手率（个股交易活跃度），显示不同基金经理交易风格（图表18）[page::11]。

- 重仓股抱团度与拥挤度描述基金重仓的热门程度，相关性不高，显示大多数基金仍保持主动个股精选[page::11]。

• 基金经理能力通过经典H-M模型及其变体C-L模型量化择时和选股能力：择时能力对应β2-β1，选股能力主要看α值及动态行业配置AA指标，加权形成综合择股因子（图表20）[page::11,page::12]。

- 行业配置能力通过FDBR、RDBR度量，揭示基金经理是否通过加仓减仓捕捉行业轮动以及采取左侧（领先）还是右侧（追涨）策略[page::12,page::13]。

• 选股能力深入刻画包括静态选股（SAS）和动态行业内选股（DAR）指标，再加上α值，形成综合选股指标AA[page::13,page::14]。

2.5 数据样本与指标统计（第15-16页）

• 样本为普通股票型、偏股混合型及灵活配置型基金中787支数据完整，基金经理任职稳定，股票仓位高达60%以上基金。

- 28个三级指标统计分析显示，收益最高42%，但75%基金超额收益不超过20%，基金风格以大盘和成长为主，持仓和拥挤度分布显示流动性和投资特色多样（图表21-22）[page::15,page::16]。

2.6 因子间相关性分析（第17-19页）

• 多指标相关性较弱，持仓风格因子与经理能力因子间的关系较密切：

- SMB（小盘因子）与Hurst呈负相关（-0.5），即小盘基金业绩持续性较差；与择时能力的正相关性表明小盘基金更擅长择时。
- HML（成长-价值）与波动率及回撤呈高度负相关（约-0.6），成长股基金波动大，价值基金分散度高，行业轮动能力低。
- 行业集中度、风格集中度与波动率及最大回撤均高度正相关（0.6-0.7），集中投资伴随更高风险[page::17,page::23]。

• 基金经理能力因子中选股因子AA+α与择时因子β2-β1表现互补，反映二者往往难以兼得[page::18,page::19]。

- 可投资性指标中基金规模、机构持股、自购比例均对业绩有明显影响[page::19]。

2.7 因子与业绩表现关系（第19-22页）

• 以相对收益、夏普比率、卡玛比率、Hurst指数四个指标划分绩优基金（前20%），用随机森林分析因子解释力[page::17,page::18,page::24]。

- 持仓分析因子中，SMB、HML和行业集中度最为重要，尤其对收益和风险调整指标影响显著；投资集中度、风格漂移度、个股换手率对业绩持续性影响大（图表25）[page::18,page::24]。

• 基金经理能力因子中，综合选股指标AA+alpha排名最重要，择时能力次之，行业轮动收益能力（FDBR）与左右侧能力也显著（图表26）[page::19]。

- 可投资性因子中，基金净资产、机构比例、自购比例影响最大，体现规模与认可度的重要作用（图表27）[page::19]。

2.8 绩优基金因子分布特征（第19-20页）

• 绩优基金更倾向于小盘、成长风格偏好（SMB、HML）[page::19,page::20]。

- 夏普比率较高基金的行业配置较分散，持股更均衡，风格漂移和行业轮动较低，表现出相对稳定的配置策略[page::20]。

• 选股能力高的基金择时反应较中庸，择股选择更为精准（图表32）[page::21]。

2.9 因子聚类与合成（第21-23页）

• 部分指标共线强，报告通过Gram-Schmidt标准正交化，将指标聚合成6个合成因子（不合并SMB、HML），包括：

- 投资集中度（行业集中度+风格集中度）
- 持仓波动性（行业轮动性、风格漂移度、资产及个股换手率）
- 投资机会挖掘水平（AA+alpha、择时β2-β1、FDBR、RDBR）
- 跟随投资倾向（重仓抱团度、拥挤度）
- 市场评价属性（基金规模、净资产、机构持股、自购比例）
- 流动性（申赎、历史开放时间）

• 基于基金业绩指标分类将14组基金聚合成3大簇，业绩持续性高组更多集中在大盘价值类，波动较低且持仓稳定；另两簇分别代表绩效中高水平基金，引导基金类型细分（图表33-37）[page::21,page::22,page::23]。

2.10 基金经理标签应用示例（第24-26页）

• 挑选三位风格迥异基金经理，结合标签体系进行特征量化细致分析：

- 基金经理A：宏观策略型，行业持仓分散，单行业占比低，持股集中度低，风格漂移较高，拒绝抱团，行业轮动性较低，收益风险表现中等（图表39-41）[page::24,page::25]。
- 基金经理B：出身TMT，激进高轮动，高收益高波动，高行业集中度，成长风格偏好，持仓风格漂移度大，选股风格不集中，表现波动大（图表42-43）[page::25,page::26]。
- 基金经理C：主题投资（医药）、高权益配置，淡化择时，强调自下而上精选与重仓，持仓拥挤度较高，抱团程度高，持股风格集中明显（图表44-45）[page::26]。

2.11 绩优基金标签特征展示（第27-28页）

• 绩优基金与部分标签高度重合，表现出偏好持股风格漂移度高、行业轮动频繁、行业配置集中、择时及择股能力分布不均的多样性，表明绩优基金多样，标签提供细致区分（图表46）[page::27,page::28]。

---

3. 图表与数据解读

以下为报告核心图表解读范例，详见对应章节。

• 图表1-4：公募基金整体数量及规模快速上涨，资产总量与产品数稳定增长，为标签体系建设提供庞大样本基础。[page::2,page::3]

- 图表7：权益基金分位收益率差异悬殊，前后10%年均收益差超过50个百分点，凸显筛选绩优基金重要性。[page::4]

• 图表8-9：2022年主动权益基金收益箱线图和提琴图展现不同基金类型、规模收益率分布差异，附带中小盘基金更高的极值收益。[page::5]

- 图表10-11：标签体系结构图和指标详细说明，构建体系清晰展现每级指标形成逻辑。[page::5,page::6]

• 图表15-16：行业集中度与行业轮动性的分布数据，反映大部分基金持仓相对分散，但仍有部分高度集中的主题基金。 [page::9]

- 图表17：四只混合型基金投资风格SMB、HML统计案例，清晰体现风格偏好差异。[page::10]

• 图表20：选股和择时能力分组平均收益柱状图，验证正向能力基金收益更优，体现因子有效性。[page::12]

- 图表23：因子相关性热力图，揭示因子间复杂关系，显示持仓风格和基金经理能力因子关系密切。[page::17]

• 图表25-27：持仓、基金经理和可投资性指标相对四大业绩指标的重要性排名柱状图，多维度量化每类因子的解释力。[page::18,page::19]

- 图表28-31：各风格因子按不同业绩表现子样本的分布箱型图与提琴图，验证绩优基金风格、持仓及变动特征[page::19,page::20]。

• 图表33-37 ：合成指标体系的聚类分类示意及合成指标不同类别分布，呈现业绩表现差异及潜在类型划分。[page::22,page::23]

- 图表39-45：三位基金经理及其管理产品在标签体系下的具体指标解读和画像，体现标签的精准区分和费控制力。 [page::24,page::25,page::26]

---

4. 估值分析

该报告不涉及对基金或标的公司直接估值分析，而是构建基金投资表现及经理能力的定量标签体系，有效辅助基金研究与筛选，不包含市盈率（PE）、DCF等传统估值模型内容。

---

5. 风险因素评估

报告风险提示中明确指出：

• 模型指标均基于历史数据及规律总结，历史表现不代表未来，历史规律可能失效；

- 市场出现超预期波动可能导致拥挤交易风险放大；

• 报告不构成具体产品建议，客户需谨慎应用；

- 数据及模型假设不适用于所有极端环境，存在预测偏差及误差风险。[page::0,page::27]

---

6. 审慎视角与细微差别

• 模型依赖历史数据及固定指标体系，可能忽略非量化因素、宏观变化或新兴投资策略的影响，限制了适应性与灵活性。

- 基金经理择时与择股能力指标呈现一定矛盾，反映组合管理中对能力平衡的现实挑战，提示投资决策应兼顾多维考量。

• 合成因子和聚类分析虽简化结构，但正交化过程可能减弱因子经济含义直观性，实际操作需结合具体业务场景。

- 行业轮动性在不同基金管理者之间作用差异明显，周期分布影响较大，短期数据可能覆盖不足，解释力或有限。

• 绩优基金标签呈现多样性，未能得出单一决定性因子，显示型号具有一定的局限性和基金选取的复杂性。

- 基金经理个案分析虽然深入但样本有限，难以推广至所有样本。

---

7. 结论性综合

报告系统构建了从多维度、多层级细化基金和基金经理特征的标签体系，涵盖基金业绩、持仓特征、经理能力及其可投资性，并通过丰富的统计、机器学习以及因子合成聚类分析方法进行严谨验证和应用。核心结论包括：

• 基金业绩的大小盘风格因子（SMB）和价值成长因子（HML）是最关键的差异化指标，显著影响绝对收益、风险调整收益及业绩持续性，表现出强烈影响基金整体表现的核心因子属性。

- 基金持仓的行业集中度与持股风格集中度与基金风险高度正相关，行业轮动性、持股风格漂移度及个股换手率等持仓波动指标显著关联业绩持续性，持仓的稳定性是绩优且持续基金的重要特征。

• 基金经理的综合选股指标（AA+α）及择时指标（β2-β1）对基金业绩均具显著影响，且两者存在某种权衡关系。更强的选股能力与更中庸的择时能力组合表现较优。

- 基金的市场认可度（基金规模、机构持股、自购比例）对业绩的重要性不容忽视。规模适中且机构认可的基金表现优异，体现流动性和资产配置能力的结合。

• 标签体系能够有效识别不同投资风格及基金经理操作特征，通过分类与聚类辅助辨别绩优基金类别，为投资者和研究者提供有力工具。不同基金经理如A、B、C的标签画像切实反映其管理策略及风格差异。

- 绩优基金标签特征呈多样化，且持股风格漂移度和行业轮动性为与绩优基金重合度较高的标签，显示基金管理策略的多样性与复杂性。

图表和数据充分填补了主动权益基金评价的维度细节，表明有效的标签体系构建是支持基金筛选和资产配置的重要基础。该体系能够帮助投资者及FOF、MOM产品经理提升主动权益基金投资分析的科学性与精准性。

---

总体评价

本报告立足中国公募基金市场实际和行业发展趋势，以严谨科学的指标体系构建、多方法验证及实际基金经理案例分析，全面细致地提供了主动权益基金标签体系构建的深度研究，兼具理论价值与实践指导意义。尽管存在一定的模型局限和数据不足风险，其提供的分析框架和洞察为基金行业研究和投资决策提供了有力工具，值得关注和进一步创新发展。

---

重要溯源标注示例

• 主动权益基金规模及结构 [page::0,page::2,page::3]

- 业绩分化与难以简单选基 [page::4,page::5]

• 标签体系构建逻辑与指标介绍 [page::5,page::6,page::7,page::8,page::9,page::10,page::11,page::12,page::13,page::14]

- 绩优基金样本及各因子分布统计 [page::15,page::16,page::17]

• 因子相关性及对业绩解释力排序 [page::17,page::18,page::19,page::20,page::21,page::22,page::23,page::24,page::25]

- 不同经理标签应用案例 [page::24,page::25,page::26,page::27,page::28]

---

如需具体图表再行提取，请提示。

报告