研究背景与目标 [page::2]

• 单纯基于历史收益率的组合分析存在较大弊端。

- 需要结合持仓信息，深化对基金组合收益及风险的理解。

股票组合分析方法 [page::2][page::3]

• 基于持仓，运用多因子模型将个股收益拆分为共有收益和特质收益。

- 组合收益拆分进一步计算风格因子的暴露值、贡献及组合风险贡献。

• 基于净值，通过时间序列回归市值、贝塔、动量、波动率等10因子，获得组合风格暴露，分析结果更具时效性但准确度略低。

- 基金A与B收益差异主要由风格收益和行业贡献的不同驱动。

债券组合分析方法 [page::4][page::5][page::6]

• 基于持仓，使用Campisi模型拆分债券区间收益为息票效应、国库券效应、利差效应和选择效应。

- 以国债收益期限结构数据计算国债收益变动，辅以券种信用利差变动测算。

• 表1示例展示10只债券对应收益拆分结果，息票效应和国债收益构成主要贡献。

- 基于净值，利用时间序列回归拆分为alpha、level、slope、convex、credit、default、convert和currency等因子收益。

组合分析工具功能与界面 [page::6][page::7][page::8][page::9][page::10][page::11]

• 支持在线和本地数据获取，涵盖股票和债券持仓及净值数据。

- 实现多因子风格收益提取，组合收益拆分及风险归因，支持数据导出功能。

• 界面友好，操作简便，包含因子收益提取模块。

- 支持不同数据输入格式，保证工具的灵活性和适用性。

因子收益提取与应用 [page::11]

• 可提取CNE5、CNE6及多种风格因子收益，时间跨度自2006年至今。

- 因子收益为组合分析提供基础支持，助力定量风险及风格跟踪。

结论与使用建议 [page::12]

• 历史收益率分析不足以全面理解组合表现，结合持仓及净值数据分析更能体现组合本质。

- 本报告介绍的多因子拆分模型和Campisi模型为组合风险及收益拆解提供专业方法论支持。

• 配套组合分析工具可有效提升数据处理效率，适合FOF组合和基金经理使用，助力投资决策。

证券研究报告深入分析报告

一、元数据与报告概览

• 报告标题："FOF 研究系列：组合分析模型及工具介绍"

- 作者和机构：
- 证券分析师：肖承志（执业证书编号：S0550518090001）
- 研究助理：徐忠亚（执业证书编号：S0550118080015021）
- 发布机构：东北证券股份有限公司
- 报告日期：2018年10月13日

• 研究主题：

- 本报告聚焦于FOF基金的核心研究内容，即股票和债券组合的分析模型的详细阐述；
- 并介绍基于这些模型开发的组合分析工具，帮助投资者或研究人员快速分析组合表现。

• 报告核心观点：

- 传统基于历史收益的组合表现分析存在显著局限，应结合具体的组合持仓信息进行更细致的收益和风险归因分析。
- 股票组合采用多因子模型，通过持仓和净值两种角度剖析风格贡献和风险贡献。
- 债券组合基于Campisi模型以及时间序列回归，进行息票、利差等收益拆分。
- 为便捷使用，引入集合这两类分析方法的综合性组合分析工具，实现多种数据来源的快速接入和分析。

• 评级和目标价：

- 本报告为方法模型及工具介绍报告，不涉及个券或基金的评级和目标价。

整体来看，作者力图通过详实的数学模型和工具应用，提供对FOF组合内在风险及收益结构更深层的理解框架，强调基于持仓的因素分析优于以往单纯基于净值的历史收益分析。[page::0,2]

---

二、逐节深度解读

1. 研究出发点

• 关键论点：

- 简单靠基金历史收益率的分析极不充分，案例中两只基金A与B，在2017年上半年表现趋同，之后走势分化，单看收益难以解释。
- 基金A表现更稳健，且波动率更低，因此需要结合基金持仓及组合具体构成深入研究。

• 推理与假设：

- 历史收益无法解释收益分解，需分解成细化风格、行业、选股收益。
- 以此为基础展开后续组合分析模型介绍。

• 图表解读：

- 图1展示2016-2017年基金A和基金B的净值增长走势，A基金收益和波动率均优于B基金，凸显了基于收益的不足。[page::2]

2. 股票组合分析

2.1 基于持仓分析

• 论点：

- 运用多因子模型将单只股票收益拆解为风格因子收益与特质收益。
- 利用组合权重加权，拆解组合收益为风格贡献与特质贡献。
- 风险同样可拆解，定义边际风险贡献(MCR)和风险贡献(RC)。

• 模型及术语解析：

- 多因子模型公式：
- $rn = \sum{k=1}^K fk X{kn} + un$，其中$fk$因子收益，$X{kn}$因子暴露，$un$为特质收益。
- 组合收益$Rp$利用权重$w$线性组合，表达为风格收益贡献加特质收益贡献。
- 组合风险$\sigmap$拆分为因子风险和特质风险两部分。
- 边际风险贡献(MCR)和风险贡献(RC)用于衡量单因子对整体风险的边际贡献，公式较为复杂但实际用于风险归因。

• 关键数据与实证：

- 以基金A和B为例进行收益拆分，图2显示两基金在不同时点风格收益和选股收益的贡献差异：
- 基金A行业收益和风格收益贡献整体较小且稳定，选股收益为主要收益来源，尤其2016年中报和2017年报期间。
- 基金B行业和风格收益波动大且有时出现负贡献，选股收益相对较弱，收益较不稳定，表现较差。

• 意义：

- 通过多因子收益拆分，可以透彻了解基金收益背后的驱动因子，帮助投资者准确评估资产配置及选股能力。[page::3]

2.2 基于净值分析

• 方法：

- 运用时间序列回归，将组合净值收益率对10个风格因子（如市值、贝塔、动量等）进行回归，得到风格暴露值。

• 优缺点：

- 优点：基于净值的分析具备更强的时效性。
- 缺点：净值回归准确度低于持仓分析，因为缺少具体持仓结构。

• 实际应用：

- 建议与持仓分析配合使用，辅助追踪组合风格的动态变化。[page::3,4]

3. 债券组合分析

3.1 基于持仓分析（Campisi模型）

• 核心模型介绍：

- 利用债券价格对利率变化的泰勒展开，对债券区间收益进行拆分：
- 收益由息票效应、国债利率变动导致的价格收益（国库券效应）、信用利差变动导致的价格收益（利差效应）和选择效应构成。

• 具体计算：

- 利用久期和修正久期量化价格对利率变动的敏感度。
- 式中$\Delta y^t$用国债利率期限结构数据确定，图3展示2018年10月和11月的国债收益率曲线。
- 计算示例：3年期债券的国债收益率变动为-0.2786%。

• 应用示例：

- 表1展示2018年8月14日至11月16日期间10只债券收益拆分：
- 国债（18国开04）主要收益来源是息票效应(1.059%)和国库券效应(0.570%)，利差和选择效应较小。
- 公司债、金融债、地方政府债等债券利差效应和选择效应表现不一，体现了不同债券信用风险和市场选择差异。

• 意义：

- 该拆分利于投资者理解债券组合收益来源，辅助信用风险管理和收益结构优化。[page::4,5]

3.2 基于净值分析

• 方法：

- 类似股票，债券收益拆分为7个因子：alpha（超额收益）、level（利率水平收益）、slope（收益率曲线斜率）、convex（收益曲线凸性）、credit（信用利差收益）、default（违约风险收益）、convert（可转债收益）、currency（货币收益）。

• 操作：

- 对债券组合净值收益率序列进行时间序列回归，得到各因子暴露度和解释度。

• 意图：

- 便于动态监测债券组合风险敞口及收益来源，及时调整策略。[page::6]

4. 组合分析工具介绍

4.1 工具界面及功能

• 界面说明：

- 图4展示工具主界面截图，支持选择股票或债券组合，数据类型（持仓或净值），数据来源（本地或在线）。
- 可选风格因子收益包括CNE5、CNE6因子以及流动性、质量、价值、成长等十余个指标。

• 核心功能：

1. 股票组合分析：
- 持仓基础：基于Barra模型，提供行业、风格暴露及收益拆分和风险归因；
- 净值基础：净值回归获得风格暴露和解释度。
2. 债券组合分析：
- 持仓基础：Campisi模型拆分收益；
- 净值基础：时间序列回归提供因子暴露。
3. 区间因子收益数据提取：支持CNE5和CNE6因子2006年以来数据提取。

• 界面交互：

- 用户可在线或本地加载数据，选择因子，设定时间区间，点击开始分析，得到分析结果并导出为Excel。

• 图表支持：

- 报告第6页至第12页通过图5至图14配图详细演示如何操作各功能模块，包括数据格式示例和成功提示信息。

• 工具设计理念：

- 旨在将复杂数学模型封装为用户友好的工具，显著提升分析效率，配合大数据和历史因子收益，支撑量化研究和投资决策。[page::6,7,8,9,10,11]

---

三、图表深度解读

图1（第2页）：基金A与基金B净值走势

• 数据展示2016年至2017年两基金的净值增长。

- 初期走势高度相关，基金B略优；后期分化，基金A持续上涨波动率低，基金B表现滞后且波动较大。

• 证明单纯收益指标难以解释底层原因，强调组合持仓分析需求。

图2（第3页）：基金收益拆分对比

• 采用模型将基金收益拆分为基金总收益、风格收益、行业收益和选股收益四部分。

- 基金A中长期风格和行业贡献小或负，选股带来收益核心贡献；

• 基金B行业收益高但不稳定，风格收益波动明显，2017年上半年风格为负拖累收益。

- 解释了为何基金A表现较稳，基金B易受风格与行业波动影响。

图3（第5页）：国债收益率期限结构

• 显示2018年10月9日和11月27日中国不同期限国债收益率系统性变化曲线。

- 说明利率变动的期限结构，用于Campisi模型中债券久期调整和利率变动拆分。

• 体现利率不同期限风险对债券组合收益的影响机制。

表1（第5页）：Campisi模型债券收益拆分示例

• 列出10只债券在63个交易日内的区间收益及其息票效应、国库券效应、利差效应和选择效应拆分。

- 见证部分债券利差和选择效应影响较大，适合进一步分析信用风险和选择管理能力。

• 为债券组合收益归因提供准确量化基础。

图4-14（第6-12页）组合分析工具多界面截图及数据格式说明

• 展示各类组合数据导入、分析、导出界面。

- 配套示例Excel格式，帮助用户规范数据准备。

• 多维度因子选择器，方便灵活调整分析因子。

- 重要提示分析运行流程及“成功”提示，辅助用户操作。

• 支持在线数据抓取和本地数据载入，兼顾实时性与灵活性。

- 为后续投资决策提供多样数据支持和应用基础。

---

四、估值分析

• 本报告聚焦组合资产分析与工具介绍，无具体个股或基金估值讨论。

- 未包含DCF、P/E倍数等估值方法。

• 所有财务数据均为组合层面表现归因和风险分解。

---

五、风险因素评估

• 报告未专门展开风险因素章节，但隐含风险点包括：

- 基于历史净值的模型时效性差，可能导致组合实际风险难以准确识别。
- 持仓数据质量及时效影响分析准确度，尤其在线获取与离线数据切换时。
- 多因子模型假设因子线性独立且市场条件稳定，现实中因子间关联与市场剧变会影响结果。
- Campisi模型的拆分基于久期假设和国债曲线预测，违约风险和选择效应仍有不确定性。

• 工具层面风险：

- 数据导入格式要求严格，格式错误可能导致分析失败。
- 用户操作复杂性需有一定金融专业知识门槛。

• 报告未给出具体风险缓释措施，但提倡基于持仓的多因子综合分析方式从根本上优化风险解析。

---

六、批判性视角与细节

• 报告优势：

- 综合介绍并结合实际工具，理论与应用紧密结合，实用性强。
- 细致拆解组合收益和风险贡献，有助于提升FOF组合管理效果。

• 潜在不足或限制：

- 组合分析多依赖于历史数据和模型假设，前瞻性有限。
- 净值回归方法准确度相对较低，实际应用中仅作为辅助存在。
- 疫情、宏观大规模波动时期，模型有效性和数据时效性可能受限。
- 工具部分依赖操作系统和数据接口稳定，文中未涉及异常处理和容错机制。

• 细节留意：

- 指标和因子解释需要用户有较好的金融工程基础。
- 报告中部分内容排版不完全整齐（如开头的摘要表及文字混杂），但核心内容表达清晰。
- 工具界面截图显示的因子选择多样，实际如何合理选用因子未作详细指导。

---

七、结论性综合

本报告以FOF研究中股票债券组合的深度分析为核心，系统介绍了基于持仓和基于净值两种视角的组合分析方法：

• 股票组合分析：

- 多因子模型将组合收益和风险分别拆解为风格因子贡献和特质部分，使收益归因和风险归因更加精细化。
- 持仓分析准确且具解释力，净值回归提供辅助时效追踪手段。
- 基金A和基金B实例揭示了收益来源的差异，对投资策略调整有重要指导意义。

• 债券组合分析：

- Campisi模型通过期望收益、息票、国债利率变动和信用利差变动的拆分，精准量化债券组合的多维表现。
- 净值分析配合七个债券特有因子，提供组合风格快照。
- 期限结构的分析有助于理解利率风险暴露及信用状况。

• 组合分析工具：

- 把复杂的组合分析模型封装成操作友好的分析软件，支持多种数据来源与因子选择。
- 提供一体化解决方案，实现持仓导入、净值数据处理、因子收益提取和报告输出，一站式支持组合分析工作流程。
- 界面直观，支持线上线下灵活切换，兼顾日常组合管理和定期审计需求。

• 报告价值总结：

- 立足于细致和专业的组合风险收益解析，有助于FOF基金管理者科学评估基金经理投资表现、优化资产配置和风险控制。
- 结合实例和工具演示，有实际操作指引意义，便于快速应用和推广。

• 图示补充说明：

- 图1和图2清晰可视化历史收益与分解数据，强调持仓分解在解释收益差异上的优势。
- 图3和表1对债券收益拆分提供数据支撑，突出Campisi模型对债券风险管理的价值。
- 工具界面截图（图4-14）展现了操作流程与数据要求，反映本分析模型的实操层面完整实现。

综合来看，报告严谨阐述了FOF组合分析的理论模型与实践工具，为量化投资和组合管理提供了坚实的技术支持。其清晰的数学模型和丰富的图表，使读者能够深入理解组合多维度表现，推动FOF研究和风险管理方法的进步。[page::0-13]

---

参考文献与附录

• 本报告引用东北证券及Wind数据为主。

- 报告附带分析师资质和免责声明，确保研究合规性与合法性。

• 联系方式及服务信息详见报告最后数页。

---

报告视角提示

本分析仅参照报告文本与其内部逻辑进行，不涉及任何额外市场判断或投资建议。读者使用本报告时应结合自身情形谨慎决策。

---

（全文完）

报告