基金行业板块与风格划分方法 [page::4][page::5][page::6][page::7]

• 基于基金持仓明细进行六大行业板块（科技、消费、医药、金融、周期、高端制造）划分。

- 非行业主题基金采用晨星风格箱法划分成长、价值、均衡三大风格偏好。

• 持仓数据融合A股和港股市场，保证行业分类全面准确。

基金评价因子构建与分类汇总 [page::9][page::31][page::32][page::33]

| 类别 | 因子名称 | 介绍 | 方向 | 频率 | 窗口 |
|------------|------------------|-------------------------------|------|-----|------|
| 收益获取能力 | 年化收益率 | 基金回看期内年化收益率 | 正向 | 月频 | 1-4季 |
| 风险控制能力 | 下行风险 | 仅考虑收益为负部分的波动率 | 负向 | 月频 | 1-4季 |
| 择时能力 | H-M模型择时 | 市场牛熊时期风险管理及超额收益分辨能力 | 正向 | 月频 | 1-4季 |
| 投资者结构 | 基金份额 | 基金总份额 | 负向 | 季频 | 最新 |
| 风险控制能力 | 最大回撤 | 最大亏损幅度 | 负向 | 月频 | 1-4季 |

• 因子覆盖收益、风险、选股、择时、基金结构等多维度，月频、季频、半年频因子并存。

- 逆境收益率、隐形交易能力等因子加入以增强风格适应性。

时间窗口与调仓路径对因子表现影响分析 [page::12][page::13][page::14]

• 12个月窗口期下选基因子表现最佳，收益稳定且换手率适中。

- 基金调仓路径中1-4-7-10月效果最优，因该季度为公募基金季报披露期，信息增量大。

• 时间敏感性指标显示季报基因子及某些风险调整指标对调仓路径较敏感。

核心基金评价因子筛选与综合打分方法 [page::19][page::20]

• 选基因子普适性考察中，逆境战胜市场胜率、基金份额、逆境收益率表现最稳定。

- 采用加权因子有效性(70%)、板块敏感性(15%)、时间敏感性(15%)构建综合评分。

• 综合评分前五因子分别为年化收益率、逆境战胜市场胜率、H-M模型择时、基金份额、下行风险。

复合选基因子构建及回测效果 [page::21][page::22]

• 基于最大化ICIR方法合成复合因子，权重动态调整，控制单因子权重区间。

- 复合因子在各行业板块均表现稳定IC水平，高于单一因子或等权复合。

• 回测显示复合因子实现分层显著，年化收益涨幅明显，且最大回撤得到控制。

基金评分体系与实证应用 [page::25][page::26]

• 通过五维度核心因子构成综合基金评分，分板块内排序打分(0-100)体现基金竞争力差异。

- 评分体系支持FOF层次化配置，结合行业轮动进行基金选择与组合优化。

• 实际采用示例中，基金之间得分差异显著，体现策略具有区分不同基金能力。

风险提示与声明 [page::0][page::27][page::34][page::35]

• 历史数据分析不保证未来表现，研究仅基于公开信息，不构成具体投资建议。

- 投资者应客观科学对待基金评价结果，自主决策承担投资风险。

• 华泰证券因利益披露完整，报告内容仅供参考使用。

板块风格划分下的基金评价框架——华泰研究报告详尽分析

---

一、元数据与概览

• 报告标题：《板块风格划分下的基金评价框架》

- 发布机构：华泰证券股份有限公司（华泰研究）

• 发布时间：2022年6月10日

- 研究对象：中国内地主动偏股型基金，涵盖不同板块与风格基金池

• 报告主题：基于行业板块和投资风格的基金筛选方法构建，通过多因子选基体系以实现不同板块和风格基金池普适性的基金评价，进而为FOF组合构建提供支撑。

核心论点：
文章重点在于构建一个在行业板块和风格划分基础上具有通用性的基金评价体系，通过对基金持仓数据（含A股和港股AH持仓）、晨星风格箱方法进行划分，并结合包含31个评价因子的多维度筛选，最后以复合因子策略有效识别绩优基金。该体系兼顾回测有效性、时间敏感性和板块适应性，旨在实现跨板块风格的稳健基金筛选能力，降低因风格和行业轮动变化导致的FOF组合表现波动风险。[page::0,3]

---

二、逐节深度解读

1. 板块与风格划分基础与意义（章节导读）

• 关键内容：

- 需先对主动偏股型基金基于AH持仓明细拆解和晨星风格箱法划分为六大行业板块（消费、医药、科技、高端制造、周期、金融）和三大风格（成长、价值、均衡）。
- 这样做旨在精准剖析基金的核心能力圈和风格偏好，提升选基的层次化和归因清晰度，有效避免市场风格切换对全市场筛选绩优基金的干扰。
- 结合分板块筛选可对FOF组合风格分布精准控制，使策略在行业轮动下表现更稳健。

• 支撑理由：

- 盖因基金经理各自擅长行业风格且基金收益具持续性，从而板块风格划分+细致选因子更能挖掘真实优质基金。[page::3]

2. 基金池筛选及行业板块划分方法

• 关键内容：

- 选取公开发售的主动偏股型基金（普通股票型、偏股混合型、灵活配置型），仅考虑A类份额统计。
- 以基金半年报、年报持仓为基础，通过连续3期持股比例（基金整体持股>60%、单一行业板块平均持仓>45%，且最低均在35%以上）筛选行业主题基金。
- 将A股与港股行业权重合并计算，行业划分以中信一级行业（A股）和恒生一级行业（港股）为准，并结合主观经验确立六大板块定义（具体见图表4）。

• 指标及逻辑：

- 通过持仓集中度指标，确定基金对特定板块的明确偏好，以减少估值偏离带来的噪音。
- 对行业划分的灵活调整提供基础，可随市场热点变迁做动态演进。[page::5]

3. 基于晨星风格箱进行基金风格划分

• 关键内容：

- 对非行业主题基金，采用晨星风格箱划分，重点从成长与价值属性测算基金风格（剔除大盘/小盘市值划分影响，因大多数基金为大盘风格）。
- 风格测算基于单只股票的估值指标（PE/PB/PS/PCF）和成长指标（净利润、营收增长），分别在A股及港股独立计算后加权合并基金风格得分。
- 具体流程划分包括股票流通市值排序、股票规模按累计市值分段（大盘占比70%、中盘20%、小盘10%），成长价值得分通过归一排序确定（见图表6、7）。

• 计算模型：

- 通过二维坐标(x代表价值-成长得分，y代表规模得分)定位股票的风格属性，用基金持股权重加权确定基金整体风格归属。[page::6,7]

4. 基金数量及最新数据统计

• 关键数据：

- 截至2021年3月底，共纳入主动偏股型基金2460只。
- 其中科技、消费、医药为主流行业方向，高端制造板块基金快速增长，周期及金融板块相对较少。
- 风格分布以成长和均衡为主，价值型基金占比较少（图表8、9详细统计）[page::8]

5. 基金评价因子库构建

• 因子体系：共31个选基因子，涵盖多维度：收益获取、风险控制、牛熊市表现、选股能力、择时能力、投资者结构和交易能力等（详见图表10）。

- 数据频度：
- 月频因子大多基于基金净值，如年化收益率、波动率等；
- 季频因子聚焦季度报告数据，包含管理规模、基金alpha等；
- 半年频因子基于半年及年报，涉及持有人结构、管理人员持股等。

• 优点：全覆盖基金业绩及成分信息，提升评价体系的全面性和预测力。[page::9]

6. 选基因子评价维度

• 评价框架：

- 窗口期判断：观察不同时间窗口（3、6、9、12个月）对因子表现的影响；
- 时间敏感性：检验调仓时间路径（1/4/7/10、2/5/8/11、3/6/9/12月）对因子有效性的影响；
- 因子有效性：通过RankIC、ICIR反映因子对收益解释能力；
- 板块敏感性：研究因子在不同板块适用性，筛选普适性强的因子。

• 策略：多维度控制提高因子稳定性及应用普适性。

图表11有效体现框架结构。[page::10]

7. 回测及调仓细节

• 回测起点2016年12月末，止于2022年5月末。

- 基金池通过规模（>1亿）、成立时间（>1年）、基金经理任职时间（>1年）进一步筛选。

• 调仓周期灵活设置为季度等（1/4/7/10月为主）；申赎费用（复合因子测试时计入0.25%双边手续费）；暂停申购赎回状态基金考量。

- 回测共计考虑三种调仓时间路径、四个窗口期、九个板块风格组合，共108组测试结果。

图表12清晰展现回测框架设计。[page::11]

---

三、图表深度解读与数据趋势分析

1. 窗口期对因子表现影响（图表13、14）

• 各选基因子在3、6、9、12个月窗口期下RankIC均保持在4%-6%区间，年化收益率维持在14%-15%；

- 12个月窗口期表现略优，说明较长观察期有助于捕捉基金绩效的持续性，且有利于降低换手率和过度调仓风险。[page::12]

2. 调仓时间路径影响分析（图表15、16）

• 1/4/7/10月调仓路径在大多数板块（消费、医药、价值等）表现最优，平均RankIC领先其他路径;

- 原因可能包括季报披露时间集中于季度末信息量增加，基金持仓变化较大，造就调仓信号明显；

• 图表17-19分别展示季频、半年频与月频因子回测表现，月频因子时间路径影响最明显，而季半年频因子影响较少；

- 设计了“时间敏感性指标”量化不同因子对调仓路径的敏感度。
- 基于季报数据和回归模型因子如基金规模增长率、H-M、T-M择时等敏感度较高，波动型因子如下行风险表现更稳健。[page::13,14]

3. 因子有效性分析（图表21）

• 主要因子平均年化超额收益超过2%，夏普比率、索提诺比率、基金份额、年化收益率、单因子alpha表现最优，平均RankIC达8%~10%以上;

- 涉及基金收益质量和规模的指标普遍对筛选绩优基金非常有效，逆境战胜市场胜率、逆境收益率的突出表现显示熊市筛选能力重要；

• 分板块表现有差异，选股alpha在金融、价值、科技板块表现优，H-M择时因子在消费、价值、均衡板块更佳（见图22、23）;

- 周期板块因股beta属性强，选基因子有效性整体偏低。[page::15,16]

4. 板块敏感性分析（图表26、27）

• 从因子在不同板块RankIC标准差看，逆境战胜市场胜率、隐形交易能力、管理人员工持有占比板块敏感度最低，具有较好普适性;

- beta、Hurst指数、单因子模型alpha等因子板块敏感性较高，说明不能跨板块通用；

• 因子有效性和板块敏感性无强相关性，二者均需综合权衡。[page::18]

5. 综合评分（图表28）

• 综合因子有效性（占比70%）、板块敏感性（15%）及时间敏感性（15%）计算综合得分；

- 逆境战胜市场胜率、基金份额、逆境收益率名列前三；

• 夏普比率、索提诺比率虽有效，但时间敏感性高，综合排名略低；

- 板块敏感性高的单因子alpha、卡玛比率排名靠后。

• 综合评分数据为复合因子筛选提供专业依据。[page::19]

6. 因子相关性划分及最终因子筛选（图表29）

• 综合评分高因子分为五类：

1. 基金收益类（年化收益率、夏普、索提诺、单因子alpha、卡玛比率）；
2. 逆境收益类（逆境战胜市场胜率、逆境收益率）；
3. 择时能力（H-M模型择时）；
4. 基金规模类（基金份额、基金规模）；
5. 风险控制（下行风险）。

• 选取上述五类中的代表因子：年化收益率、逆境战胜市场胜率、H-M模型择时、基金份额和下行风险，组成最终复合因子体系。[page::20]

7. 复合因子构建对比（图表30、31）

• 采用等权合成和最大化ICIR两种复合方法，后者具体以最大化复合因子IC/波动率比（ICIR）为目标，权重限制10%-30%，以6个月窗口估计协方差，输入基于排名归一化的单因子信号；

- 最大化ICIR样本矩阵方法综合表现优于压缩矩阵估计和等权；

• 平均RankIC提升至15.1%，板块敏感性最低，表现稳定且抗波动。[page::21]

8. 复合因子分板块分层效果（图表32-43）

• 复合因子在所有板块均展示良好分层能力，表现最佳的版块是科技、周期、高端制造、成长、均衡等；

- 分层一、二表现优于基准，第三层表现弱于基准，有明显区分能力；

• 图表34-43展示了分层基金净值增长趋势，验证了因子组合的有效性与稳定性。[page::22-24]

9. 基金评分体系及最新排序（图表44-45）

• 五维评分体系基于五个因子在板块内排名转化为0~100分数，基金能力多维量化对比；

- 最新一期各板块基金排名及分因子得分公开（图表45），支持投资者和FOF管理人优选绩优基金；

• 支持层次化和风格均衡的基金组合构建。[page::25,26]

---

四、估值分析

本报告未涉及传统意义上的企业估值模型，如DCF、PE等公司个股估值方法。其投资决策侧重于基金投资组合的构建及绩效筛选，因此估值分析体现在因子背后的风险收益特性评估及复合因子权重优化环节，主要通过最大化ICIR实现稳健组合目标。

---

五、风险因素评估

• 历史回测限制：报告强调历史数据不预示未来表现，历史规律可能失效，投资者需警惕系统风险和市场异常波动影响回测有效性；

- 调仓时间路径敏感性：部分因子回测结果对调仓时间路径较敏感，实际操作中调仓频率和时间难以严格统一，可能影响实际策略表现；

• 行业轮动及风格转换风险：若未准确捕捉市场风格变化，FOF组合可能出现风格偏离，影响收益稳定性；

- 宏观及政策环境变化：行业板块划分存在主观性，政策导向变化可能导致板块特性转变，影响筛选效果。

• 报告中未明确给出具体的风险缓解策略，但通过多因子复合和板块分层等设计，隐含减少单因子失效风险的控制措施。[page::0,27]

---

六、批判性视角与细微差别

• 本文整体逻辑严谨，数据分析全面，但以下方面值得关注：

- 板块划分存在一定主观性，如高端制造板块定义较宽泛，可能混淆部分基金实际持仓风格；
- 调仓时间选择优先采用季报披露时间节点（1/4/7/10），但实际操作中可能更为复杂，调仓路径敏感性高的因子或有实用风险；
- 复合因子虽综合考虑多维特性，但权重区间限制可能限制灵活调整，应关注未来市场风格和环境变化对权重调整的需求；
- 小盘基金被剔除大小盘分类，可能忽略部分小盘高成长基金的评价空间。

• 报告强调历史数据风险和模型假设局限性，是合理的谨慎态度，提醒避免盲目依赖历史表现。[page::0,6,12,27]

---

七、结论性综合

华泰研究通过详尽的基金行业板块和风格两层划分，结合31个多维度基金评价因子，系统分析因子在不同时间窗口、调仓路径和板块间的表现，识别出逆境战胜市场胜率、基金份额、逆境收益率、年化收益率、H-M模型择时、下行风险等核心因子。利用最大化ICIR方法合成因子权重，构建了一个具备跨板块风格普适性、能有效分层筛选基金的复合因子体系。

复合因子在科技、消费、周期等多板块分层回测表现优异，显示出该评分框架可为FOF组合管理提供层次化、风格均衡且稳定的基金筛选支持。整体来看，报告充分证明了基于板块风格划分下的多因子基金评价方法的有效性和稳健性，尤其强调基金收益稳定性和逆境表现能力的关键作用。

此外，报告通过大量图表（如图13-16、21、26、28、29、30、32-43等）展示了因子有效性、时间与板块敏感性及基金分层回测绩效，强化了实证研究的支撑力，并通过最新一期基金评分列表直观体现评分框架的实际应用价值。

投资者应注意历史表现非未来保证，调仓路径敏感等因素带来的实施风险，并结合自身需求审慎使用该体系。

---

主要图表示例

• 图表1：研究流程框架，展示了板块划分、因子库构建、因子评价方法的整体路径

• 图表4：行业板块具体划分方式，列出了对应A股与港股的行业归类，指导主题基金筛选

• 图表13、14：窗口期设定对因子RankIC及年化收益影响趋势，显示较小影响及12个月窗口优势

• 图表15、16：不同调仓时间路径下各板块因子平均RankIC表现，明确1/4/7/10月路径优势

• 图表21：选基因子核心收益及风险指标回测结果排行，支持核心因子的筛选

- 图表26、27：因子板块敏感性测试及与有效性关系分布图，指导因子普适性选择

• 图表28：综合评分前十因子明细，突显逆境战胜市场胜率和基金份额因子优势

- 图表29：高评分因子相关矩阵，指导最终因子代表筛选

• 图表30、31：复合因子构建方法及动态权重时间序列

• 图表32-43：复合因子各板块分层回测绩效，显示因子有效性和均衡分层能力

- 图表44：五维基金评分示例，直观反映不同基金在核心能力上的差异

• 图表45：最新一期各板块前五名基金评分，帮助投资者直接应用。

---

结语

本报告深入解析了基于“板块风格划分”的基金评价体系，利用多维度量化因子及科学回测框架，创新性地构建了适用于不同板块风格基金池的普适性基金筛选模型，并以复合因子方法实现筛选能力最大化。研究结论与详细图式数据为投资者和FOF管理者提供了有力的工具支持，有利于提升基金组合的绩效稳定性并有效管理风格偏离风险。

---

[page::0,1,3-31]

报告