研究背景与方法概述 [page::0][page::2][page::3]

• 对国内股票型基金从价值/成长、大小盘及周期、消费、成长、金融、稳定等行业板块两个视角进行风格划分。

- 采用Fama-French三因子模型和Sharpe模型回归基金净值，测算基金风格暴露。

• 构造SDS指标定量衡量基金风格的稳定性，风格稳定基金表现出较强的风格一致性。

基金风格划分与SDS指标构建 [page::4][page::5][page::6][page::7][page::8]

• Fama-French模型反映基金在市值、小盘价值/成长因子上的敏感度，示例基金风格各异。

- Sharpe模型通过指数收益回归计算风格暴露，灵活度高，回归解释度R²均较高。

• SDS指标基于风格回归系数的方差，值越小代表风格越稳定。

行业板块视角风格划分及稳定基金池筛选 [page::11][page::12][page::13][page::14]

• 采用中信一级行业聚类划分五大板块：周期、消费、金融、成长、稳定。

- 基于基金年报/半年报持仓数据，选取重仓且持续不变的板块，构建板块风格稳定基金池。

• 各板块风格稳定基金呈现对应行业一致特征，消费板块基金数量较多。

绩优基金筛选及业绩对比方法 [page::16][page::17][page::18][page::19]

• 业绩排序既采用绝对收益排序，也采用相对收益排序，均发现绩优基金多为消费、成长板块。

- 在各风格稳定基金池内，依据绝对收益排序选出同风格的绩优基金。

• 绩优基金名单覆盖不同规模价值及行业板块，呈现分散结构。

绩优基金配置策略及回测结果 [page::20][page::21][page::22][page::23][page::24]

• 对大盘价值、大盘成长、小盘价值、小盘成长及周期、金融、成长、消费四类风格稳定绩优基金等权配置回测。

- 策略整体表现优于各自基准风格指数及大盘指数，累计超额收益显著。

• 构建并验证基于经济周期和流动性周期的板块轮动策略，基金配置轮动策略相较万得全A指数获得良好超额收益。

风险提示 [page::0][page::25]

• 历史规律可能失效，统计模型存在解释力限制。

- 本报告不构成对基金或证券品种的直接推荐意见。

金工研究《风格稳定的绩优股票基金筛选策略》深度分析报告

---

1. 元数据与概览

报告标题： 风格稳定的绩优股票基金筛选策略——基于风格稳定性与业绩持续性的相关关系规律
发布机构： 华泰证券研究所（金工研究团队）
发布日期： 2020年10月21日
主要作者： 林晓明、黄晓彬、张泽
研究主题： 针对中国市场股票型基金，基于净值与持仓数据进行风格划分、风格稳定度测算和绩优基金筛选，构建风格稳定且业绩持续优良的基金池，并设计相应投资组合策略。
核心论点及结论：

• 基金风格可通过价值/成长与规模视角与行业板块视角两种主要方式划分。

- 基于定量模型（Fama-French及Sharpe模型）计算基金风格的稳定性指标(SDS)，筛选出风格稳定基金池。

• 在风格稳定的基金池中，根据基金历年净值表现，优选出业绩持续领先的绩优基金。

- 对绩优基金等权配置并滚动回测，在风格指数及大盘指数基准上实现超额收益。

• 基于宏观经济周期和流动性周期构建的板块轮动策略表现优异，优于万得全A指数。

- 报告强调历史规律可能失效，所提任何基金不构成具体投资建议。[page::0, page::2, page::20, page::24, page::25]

---

2. 逐节深度解读

2.1 研究导读与风格划分逻辑

报告首先分析两类基金经理选股策略及对应的基金风格划分：

• 一类经理跨行业切换，承担行业配置与选股双重职责；

- 另一类经理专注行业，体现选股技能。

基金风格的划分角度：

• 行业板块视角（周期、消费、金融、成长、稳定）通过基金持仓数据确定；

- 价值成长与规模视角（大盘价值、 大盘成长、小盘价值、小盘成长），以净值数据回归计算风格暴露。

构建模型的思路是从两视角分别筛选风格稳定基金（利用SDS指标衡量风格稳定性），在此基础上进一步优选业绩领先的基金。该方法确保所选基金收益来源清晰且业绩优异，代表该风格投资领域的标杆。[page::2, page::3]

---

2.2 基于净值数据测算价值/成长及规模风格稳定性

两种常用模型介绍：

• Fama-French三因子模型：用市场因子(MKT)、市值因子(SMB)、账面市值比因子(HML)解释基金超额回报。

- Sharpe模型：将基金收益分解到多个风格因子中，系数代表基金对各风格的暴露敏感度，灵活性更强。

报告分别用3只典型基金进行回归分析，验证并展示两模型的风格判定，一致性较高，且回归R²普遍超过0.8，证明模型解释力较强。通过时间滚动窗口回归方法捕捉风格变化趋势，并结合系数方差构造SDS指标，定量衡量风格稳定性。SDS值越低，风格漂移越小，风格越稳定，便于长期风格定位。基于临界值筛选风格稳定基金池，分别涵盖四类价值/规模风格。[page::4, page::5, page::6, page::7]

---

2.3 基于行业板块持仓划分板块风格稳定基金池

采用聚类分析将中信一级、二级行业合并划分为五大板块：周期、消费、金融、成长、稳定。具体定义详见图表17。
通过基金半年报和年报持仓数据，统计历年基金对应板块持仓比例。若基金在全部时间点均重仓同一板块且占比超过30%，则认定其板块风格稳定。

筛选结果显示：

• 周期板块基金主要集中于资源能源、军工、机械等行业；

- 消费类基金数量最多，覆盖医药、汽车、食品等细分行业；

• 金融类基金主要在银行、证券、保险等领域；

- 成长类基金多聚焦TMT。

• 稳定类无符合条件基金。

进而筛选同时满足价值/成长大小盘风格稳定的板块基金，得到24只基金，且分布呈现板块特色。消费板块多为大盘成长，金融偏大盘价值，成长为小盘成长，周期则均有少量分布。[page::11, page::12, page::13, page::14, page::15]

---

2.4 绩优基金的筛选与业绩表现分析

业绩排序主要基于基金的复权单位净值收益，两种排序方式：

• 绝对收益排序：半年为单位，统计基金在同类基金中收益排名，筛选多数时间段排名前1/3基金。

- 相对收益排序：基金收益减去基准指数收益，筛选超额收益领先基金。

结果显示，绝对与相对收益排序均发现绩优基金多集中于消费及成长板块。原因在于这些板块表现整体领先大盘，导致业绩排序结果对板块轮动表现不稳定。
为避免该现象，报告建议在同一风格基金池内排序，进一步筛选出风格稳定且业绩领先的基金，即风格均稳绩优基金。各风格选出前五基金组成绩优基金池。

基金名单示例见图表31、32，覆盖价值/成长大小盘及板块四类风格，基金经理和成立时间等信息均详列。[page::16, page::17, page::18, page::19]

---

2.5 绩优基金配置策略回测及风格指数对比

采用过去数据构建绩优基金池，采用等权配置策略并滚动调整（每半年调仓），样本包含股票型及偏股混合类基金，股票配置比例≥80%视为股票基金。

重点结果：

• 四类价值/规模风格的绩优基金策略净值均优于对应基准风格指数，超额收益显著，小盘类基金超额更明显（图表33-40）。

- 板块风格绩优基金配置策略同样展现超额收益，周期、金融、成长、消费等板块均表现突出（图表41-48）。

策略配置考虑持仓数据披露时滞，调仓时间设置为每年3月1日和9月1日，确保信息完备。[page::20, page::21, page::22, page::23]

---

2.6 基于经济与流动性周期的板块轮动策略构建与回测

报告依据宏观周期理论，将经济周期（反映实体景气）和流动性周期（资金宽裕度）合成，对A股不同时期划分经济流动性四大阶段，匹配对应强势板块（周期、消费、金融、成长），构建资产投资时钟和区间板块配置方案（图表49-52）。

基于此，采用轮动配置相应板块所选绩优基金的策略，历史回测显示其净值表现优于万得全A指数，累计超额收益稳健（图表53-54）。说明投资者可借助本报告方法，实现风格及板块风格轮动，进一步增厚组合收益。

周期性与流动性结合视角为轮动策略提供良好宏观基础，有助于捕捉阶段性投资机会。[page::23, page::24]

---

2.7 风险提示

• 模型基于历史规律和统计工具，可能存在历史规律失效的风险。

- 极端情形下模型解释力或受限。

• 涉及基金并不构成具体买卖推荐。

- 风险因素未详细提供缓释策略，投资应结合自身风险承受能力。 [page::0, page::25]

---

3. 图表深度解读

图表1-3：风格划分与研究框架

• 图表1与图表2形象展示两大风格划分法，行业版块划分为周期、消费、金融、成长、稳定五大类，价值成长规模划分为大盘价值、大盘成长、小盘价值、小盘成长四类。

- 图表3总结报告研究思路：双轨风格划分→测量风格稳定性（SDS指标）→筛选风格稳定基金池→基于业绩优选绩优基金→超额收益测算→构建板块轮动基金组合。说明了方法的系统性和层层筛选的科学性。[page::2, page::3]

图表6-9：三只基金Fama-French和Sharpe模型回归结果

• 图表6（Fama-French）和图表9（Sharpe模型）均展示景顺长城量化精选、鹏华环保产业和安信价值精选三只基金风格定位，均指示基金在规模和价值成长特征上的不同偏好。

- 例如景顺基金小盘价值倾向明显，鹏华环保偏小盘成长，安信价值偏大盘成长。

• 图表7和10揭示回归R²均较高，表明模型对基金净值收益变动解释力强，适合风格稳定性测算。

- 三只基金回归系数时序图（图表13-15）对比了不同基金暴露波动差异，具体反映了SDS高低对风格稳定性的定量支持。[page::5, page::6, page::7, page::8, page::9]

图表12-15：SDS指标与时序暴露对比

• 图12显示三只基金的SDS值，数值最低的景顺长城量化精选风格最稳定，鹏华环保与安信价值则SDS较高，反映其风格漂移较大。

- 图13-15展示不同风格暴露的时间波动，进一步辅助直观理解SDS指标的实际体现和稳定性差异。整体说明报告SDS测算有理有据。[page::8, page::9]

图表16-22：风格稳定基金池及行业板块持仓比例

• 图16全面列出风格稳定性更高的105只基金及对应SDS值，涵盖四类价值/规模风格。

- 图19-22详细展示周期、消费、金融、成长四类行业板块基金的重仓持股比例变化，说明基金确实长期聚焦各板块，验证持仓法定义的风格稳定性。

• 这些数据为基金归属行业提供了强有力的实证支持，并为后续绩优基金筛选奠定基础。[page::10, page::12, page::13, page::14]

图表24-28：业绩排序方法与结果比较

• 图24、27分别展示绝对收益和相对收益的业绩排序流程。

- 图25表明2010-2020间消费板块涨幅远超其他板块，导致绝对收益排序的绩优基金多集中于消费，形成板块集中风险。

• 图28对比显示两种排序方法挑出的绩优基金重仓行业板块比例相差不大，均未有效缓解这一问题。

- 因此报告建议结合风格稳定性分层排序，提升一是净值表现，二是风格均衡。[page::16, page::17]

图表31-32：风格稳定且业绩排名前五基金名单

• 明确列出不同价值成长及大小盘风格、以及不同行业板块50只绩优基金，含基金代码、经理姓名、成立时间，方便投资者筛选和参考。

- 该列表是组合构建和回测的基础资源，体现了报告的实用价值和操作性。[page::19]

图表33-40：等权绩优基金组合与基准风格指数对比

• 详细展示四类价值成长及大小盘风格基金策略净值表现，均显示不同程度超额收益，特别是小盘基金表现突出。

- 累计超额收益图显示风格稳定绩优基金的超额收益具有持续性，适合作为长期配置对象。

• 与基准指数的净值对比直观验证筛选策略的投资价值。[page::20, page::21]

图表41-48：板块风格绩优基金等权策略表现

• 尤其要注意周期类（图表41-42）、金融类（图表43-44）、成长类（图表45-46）、消费类（图表47-48）基金组合均表现良好，超越对应板块指数。

- 这些结果验证了本文“基于风格稳定与业绩优选”的基金池筛选思路，不仅适用于价值成长规模风格，也适用行业板块视角。[page::22, page::23]

图表49-54：宏观周期与轮动策略效果

• 图49-50分别展示经济和流动性周期合成曲线，体现宏观阶段性特征。

- 图51投资时钟理论对各经济和流动性不同状态对应板块提供配置建议。

• 图52历史周期阶段划分及对应推荐配置板块。

- 图53-54基金轮动策略回测净值及累计超额收益显著优于万得全A，充分说明策略可行性和投资实用性。[page::23, page::24]

---

4. 估值分析

本报告主要聚焦基金风格的测算与筛选策略构建，未涉及具体公司或资产的估值模型分析，因此无详细估值内容。[page::全篇]

---

5. 风险因素评估

• 依赖历史统计规律，模型参数和规律可能随市场环境变迁而失效，导致策略有效性减弱。

- 极端市场环境下回归模型及指数基准的解释能力有限，存在策略失准风险。

• 报告中基金筛选结果不构成具体买卖建议，投资者需根据自身风险偏好使用。

- 报告未涵盖基金经理变动、市场流动性、操作风险等其他实务风险因素。

• 风险提示部分相对简短，未详细讨论缓释策略，投资者应该结合多维度风险管理。 [page::0, page::25]

---

6. 批判性视角与细微差别

• 模型假设局限性：依赖Fama-French及Sharpe模型刻画风格，假设风格稳定性可用系数波动表示，忽略了基金策略可能突然调整或经理更替对稳定性的影响。

- 持仓数据滞后风险：行业板块划分主要基于半年报持仓，基金披露存在时滞，可能不完全反映实时投资风格。

• 业绩排序偏差：绝对收益和相对收益排序均出现绩优基金集中于消费板块现象，提示业绩排序单独使用存在行业偏差。

- 风险提示浅显：报告中风险提示极简，对可能的市场风险和模型风险探讨不足。

• 丰富度与实用性：纵观报告，方法系统、数据详实，适合基金经理及FOF等机构构建风格稳定基金池，然而对中长期风格变化驱动力未深入，且缺乏多样风险事件分析。

- 数据时间跨度限制：以2010-2020年基金数据为基础，有一定历史局限性，2020年疫情等特殊事件后的风格及业绩稳定性未知。

• 业绩预测依赖历史：业绩表现基于历史穿越，未来市场结构性变化可能导致策略表现差异。

- 报告未对比并测试其它风格测算方法与筛选指标，或者纳入机器学习等技术，存在方法相对传统的限制。总体保持实证严谨，观点较为中性。[page::全篇]

---

7. 结论性综合

该报告综合应用了Fama-French三因子模型和Sharpe多因子回归模型，结合SDS指标，创新性地衡量基金风格稳定性，并结合基金持仓数据实现行业板块视角的风格划分。通过对市值规模、价值成长等维度及行业维度的系统筛选，设计出风格稳定基金池。

基于基金净值的半年频收益排序，在同风格池内选取业绩持续领先的绩优基金，使基金组合的投资方向更为明晰与理性。基金池的滚动回测释放了稳定的超额收益，特别是在小盘价值及成长风格中表现更优。

行业板块视角同样实现了类似风格稳定与绩优基金的筛选，四大板块基金组合相较板块指数均有良好超额表现。

依托经济周期和流动性周期合成的资产投资时钟，报告设计了动态板块轮动策略，配置风格稳定绩优基金组合，有效跑赢万得全A指数。此方法为FOF及机构投资者提供了可操作性强的风格选择与配置方案。

图表方面，报告数据详实完整：

• 风格划分（图1-3）细分基金市场方向；

- 模型回归系数（图6-10）验证风格判定准确；

• SDS指标（图12-15）直观反映基金风格稳定性；

- 基金清单（图16,31,32等）提供筛选基础；

• 策略净值及超额收益（图33-54）揭示策略成效。

研究思路清晰、方法扎实，提供一套基于数据驱动的行业与风格双维度基金筛选框架，并通过历史数据验证了策略有效性。本文对投资者理解基金风格稳定性与业绩关联具有较强参考价值。

然而投资人应重视模型依赖历史的局限，注意市场环境变化及基金持仓更新时滞对策略的影响，并结合其他风险管理措施以降低潜在风险。

综上，报告提出的“风格稳定且绩优基金筛选策略”兼顾了实践可行性和理论严谨性，对机构投资者的基金筛选和组合构建具有重要借鉴意义。[page::0–page::24]

---

免责声明部分详见报告原文，强调报告观点仅供参考不构成投资建议，投资风险自担。[page::26–page::28]

---

请告知是否需要针对具体章节或表格进行更深入的专项解读。

报告