经验水平对基金经理投资行为的影响分析 [page::1]

• 学术文献显示，经验丰富的基金经理在过度自信和损失厌恶表现存在分歧，但其经验水平确实影响投资行为和业绩。

- 经验丰富基金经理面对亏损时更少及时改变投资决策，反应较慢 [page::1]

基金经理面临重仓亏损时的行为特征及市场表现 [page::3][page::4]

• 公募主动权益型基金重仓股下一季度相较行业指数负收益概率较高，平均超额收益-2%，胜率41.75%。

- 亏损幅度较小时基金经理倾向持股待涨，亏损较大时倾向减持，且减持后是否再次重仓体现损失厌恶及经验利用。

• 亏损后继续重仓且最终扭亏为盈的概率显著，表明过度自信对公募基金经理负面影响较低。

“失误修正”因子构建与有效性分析 [page::4][page::5]

• 因子刻画基金经理在重仓股负反馈后，是否能在同一行业选股获得更高alpha。

- 使用重仓股票池相关特质收益IR统计，指数衰减权重衡量过去12个月经验修正表现。

• 分组回测显示因子单调性明显优于未筛选的全部重仓股特质收益IR，体现经验学习带来的选股超额 [page::5]

“迭代效率”因子构建与表现分析 [page::5][page::6]

• 通过基金超额收益残差的稳定性提升趋势，测量基金策略从经验中学习迭代的效率。

- 因子有效性有限，因部分超额收益提升源于运气；但结合“失误修正”因子双排序筛选表现优良基金。

• 双排序结果显示，能够主动修正且策略迭代效率高的组合表现更佳。

基金经验迭代组合策略构建与业绩表现 [page::6][page::7]

• 筛选条件：失误修正和迭代效率双因子前20%基金，且基金规模大于1亿元，单一板块重仓低于50%。

- 组合年化收益16.25%，年化超额收益11.46%，夏普0.86，年度胜率高，整体跑赢偏股基金指数。

• 换手率较低，平均持仓期135天，超额收益主要来源于选股能力，行业配置均衡。

| 年份 | 经验选代组合top20 | 偏股基金指数 | 超额收益(%)top20 | 超额收益(%)top10 |
|--------|------------------|---------------|-------------------|-------------------|
| 2016 | 0.69% | -7.42% | 8.11% | 8.11% |
| 2017 | 24.47% | 14.12% | 10.34% | 10.56% |
| 2018 | -20.53% | -23.58% | 3.05% | 3.06% |
| 2019 | 64.93% | 45.02% | 19.92% | 21.64% |
| 2020 | 75.92% | 55.91% | 20.01% | 20.57% |
| 2021 | 21.20% | 7.68% | 13.52% | 14.19% |
| 2022 | 1.25% | -21.03% | 22.28% | 22.96% |
| 2023 | -2.66% | -13.52% | 10.86% | 14.03% |
| 2024 | 8.65% | 3.45% | 5.20% | 11.04% |
| 2025以来 | 23.28% | 18.74% | 4.53% | 7.69% |

• 组合超额收益主要源自主动选股能力，行业配置较为均衡，风格及动态调整相对中性。

深度解析报告：《基金经理进化迭代能力刻画与选基》——民生金工叶尔乐团队，2025年8月21日发布

---

1. 元数据与概览

• 报告标题：基金经理进化迭代能力刻画与选基

- 作者与机构：叶尔乐，尔乐量化，民生证券民生金工团队

• 发布时间：2025年8月21日

- 研究主题：以行为金融学视角研究基金经理的投资经验与行为特征，进而构造量化因子“失误修正”与“迭代效率”，结合双因子排序构建基金经验迭代组合，实现对主动权益基金的有效选基

• 核心论点：

- 经验对基金经理投资决策产生明显影响，负面心理如“过度自信”“损失厌恶”对基金表现在国内公募体现较弱
- 重仓亏损后基金经理的不同应对行为映射其选股能力与经验积累
- 构建“失误修正”因子刻画基金经理从负反馈中学习和提升选股能力
- 构建“迭代效率”因子衡量基金经理从经验中提升的效率
- 双因子构建经验迭代组合策略，组合长期稳定超额跑赢基准，超额收益主要来源于选股能力

---

2. 逐节深度解读

2.1 报告摘要与引言

报告开篇指出，学术研究已证实基金经理经验水平显著影响其投资决策的特性，尽管对经验与行为金融学现象如过度自信与损失厌恶的关系尚存分歧，但经验导致的投资行为映射会在一定程度上作用于基金表现。因此本报告以行为金融学为视角，探索基金经理在面临重仓亏损时的行为模式，结合基金实际绩效数据，探索如何通过量化因子甄别具备积极学习迭代能力的基金经理和基金组合。

该部分还简要揭示国内公募基金经理整体负面心理影响较小，且基金经理面临亏损后的持股/减持决策概率较均衡，[page::0]。

2.2 投资经验影响分析（章节1.1）

报告引用两篇国外学术文献：

• Menkhoff等（2021）《European Economic Review》：缺乏经验的基金经理更倾向承担高风险，伴随较高回报，过度自信和羊群效应随经验增加而减弱，说明经验会调节投资风格和风险态度

- Gaba等（2021）《Organization Science》：经验丰富的基金经理在面对负绩效时调整决策的频率较低，反映过度自信可能导致迟缓反应，进而影响未来表现

图1和图2直观展示了不同经验层级的基金经理在过度自信、羊群效应等行为上的暴露差异，以及面对亏损时经验越丰富，管理者越倾向保持当前持仓，换手率下降，这种迟缓实际对基金未来表现或有负面作用。

总结上，学术界虽分歧，但一致认为经验根植的行为差异对基金业绩有实质影响[page::1]。

2.3 行为金融学视角下基金经理负面反馈应对（章节1.2）

报告聚焦两大心理偏差：

• 损失厌恶：亏损带来的负面情绪明显高于同等盈利带来的正面情绪，基金经理可能因痛苦记忆回避对亏损个股的再投资，即使基本面改善也不增仓。

- 过度自信：基金经理坚信自己选股判断，倾向于持有亏损个股并有时追加投资，拖延承认错误决定。

图3清晰描述基金经理在面对持仓亏损时的几种可能行为路径，如继续持有导致亏损扩大或转亏为盈，或立即减持后是否再次重仓，反映“经验失效”或“实现学习”两大结果。

从行为金融学角度，负面心理波动会带来基金业绩风险，但国内公募基金经理的负面心理程度较轻，负反馈后应对概率相对均衡，为后续设计甄别“良性迭代学习”的因子奠定基础[page::2]。

2.4 国内公募主动权益基金重仓股负反馈行为分析（章节2.1）

• 基金重仓股下一季度相对于其所属申万二级行业的超额收益分布显示整体平均超额收益约为-2%，胜率仅 41.75%，赔率为1.02，说明重仓股存在一定跑输行业的风险，且亏损幅度值得关注（图4）。

- 亏损概率稳定在30%-50%左右，强势行业中亏损跑输幅度更大（图5）。

• 基金经理在设计时面对亏损股票时，会根据亏损幅度调整持仓行为——亏损幅度低时更倾向持股待涨，对亏损幅度较大的个股倾向减持（图6）。

- 进一步分析显示，亏损后继续重仓的概率约40%-50%，重复亏损的重仓股多为行业龙头白马股（图7和8），复购带来的效果复杂，有可能是“损失厌恶”或基本面恶化，也有可能是学习与收益。

• 图9用词云形式展现重复亏损个股，典型如立讯精密、五粮液等行业龙头。

整体而言，国内公募基金经理负面心理影响较轻，亏损后继续持股有一定概率转亏为盈，说明过度自信对其负面影响较小（图10）[page::3][page::4]。

2.5 “失误修正”因子的构建与实证（章节2.2）

因子设计逻辑：

• 以基金经理历史负反馈（重仓股当季绝对和相对收益均为负）为标识，统计其下一期未继续重仓的股票池及相同行业的重仓股表现。

- 用过去12个月的指数加权特质收益IR（alpha稳定性指标）衡量基金是否通过负反馈学习在相同行业获得更高选股超额回报（公式详见报告）

• 因子有效样本限定为主动权益类，且股票仓位、重仓集中度、行业分散度达到一定阈值，排除定开和持有期产品。

实证结果：

• 因子分组单调性好，“失误修正”因子高组获得显著超额收益。

- 与未筛选负反馈行业重仓股特质收益IR指标相比，“失误修正”因子表现更优，说明其有效捕捉了“经验学习”效应（图11-13）[page::4][page::5]。

2.6 “迭代效率”因子的构造及验证（章节2.3）

考虑经验提升的效率异质性：

• 使用基金超额收益（日度回归FF三因子残差）计算月度超额收益的均值/标准差得出超额收益稳定性IR；

- 用近12个月超额收益IR对时间线回归，回归系数即为“迭代效率”因子，反映超额收益稳定性的提升趋势；

• 该因子从结果端观察策略迭代效率，采用业绩数据克服持仓难以反映策略效果的难题。

实证发现：

• 因子多空分组表现明显，中端单调性相对较弱；

- 一部分基金业绩提升或许依赖运气，另一部分为真实学习迭代。

最终，报告建议将“迭代效率”因子作为对“失误修正”因子的辅助筛选，通过双排序甄别真正具备学习迭代能力的基金经理（图14-17）[page::5][page::6]。

2.7 基金经验迭代组合策略构建（章节3）

基于双因子“失误修正”与“迭代效率”双排序结果：

• 选出规模大于1亿元、单一板块重仓暴露低于50%的基金；

- 优先选择“失误修正”因子值最高的前10和20只基金构建组合。

组合表现：

• 年化收益16.25%，超偏股基金指数年化超额11.46%，年化波动率18.8%，夏普比率0.86；

- 组合胜率高且换手率较低，平均持仓天数135天，持仓较为稳健（图18-19，表格详见图20）；

• 超额收益主要来自选股能力，行业配置贡献次之，风格因子贡献有限（图21-22）；

- 组合行业分布均衡，无明显行业偏好，近年弱增持TMT及消费，整体行业配置较为稳定（图23）[page::6][page::7]。

2.8 结论与提醒（章节4、5）

报告总结：

• 基金经理投资经验映射出不同的投资行为模式，负面情绪的影响在国内公募基金中较弱；

- 构建“失误修正”和“迭代效率”因子成功辨识能从负反馈中实现选股能力持续提升的基金；

• 经验迭代组合策略表现稳健超额，具备实际可操作性。

风险提示：

1）历史业绩不代表未来表现，报告不构成投资建议，投资需谨慎；
2）量化模型基于历史数据，若市场环境等发生变化，规律可能失效。

---

3. 图表深度解读

• 图1-2：显示不同经验基金经理的过度自信、羊群效应和面对亏损的换手率差异，支持了经验对行为金融现象影响的双面论——新手更激进，老手更保守但可能反应迟缓。

- 图3：详述亏损持仓的基金经理行为路径选择，明确划分持有与减持两大方向，并细化其心理动因，为设计因子提供理论基础。

• 图4-5：公募基金重仓股下一季度超额收益分布与跑输概率走势，量化了亏损风险和概率，突出亏损在不同市场环境中的差异，强化基金经理负反馈频繁出现的现实。

- 图6-7：亏损幅度与是否继续重仓的关系，反映基金经理对亏损的持股态度与行为，验证“处置效应”及部分基金经理的经验迭代现象。

• 图8-9：重仓亏损后再次亏损的时间间隔及亏损个股词云，定量揭示基金经理对亏损个股的重复操作及集中于行业龙头，反映行业轮动和“重仓龙头亏损”难题。

- 图10：负收益时不同决策概率统计，均衡分布显示国内基金经理情绪相对稳定，过度自信负面效应有限，支撑后续因子构建依据。

• 图11-13：“失误修正”因子设计示意及分组回测，突出因子单调性及优于传统特质收益IR的表现，体现因子对经验学习的有效捕捉。

- 图14-17：“迭代效率”因子定义、均值和分组表现，呈现因子波动及中端不稳，双因子排序图体现两因子综合筛选基金的显著超额收益，验证方法的可行性和科学性。

• 图18-19、表1：展示经验迭代组合构建流程及策略历史净值走势，显著跑赢基准偏股基金指数，显示策略稳定性和优势。

- 图20-23：年度收益贡献拆解表明选股为核心驱动，组合风格和行业配置较均衡且稳定，无过度集中风险，符合基金组合稳健原则。

---

4. 估值分析

报告并未涉及传统金融估值模型（如DCF、市盈率等），更侧重量化因子构建及业绩回测分析。估值方法的“估价”在选基中隐含为超额收益的稳定性与增长能力，反映在对基金业绩的超额收益指标及其稳定性回归结果中。

---

5. 风险因素评估

• 基金过往业绩不代表未来收益，投资有风险

- 量化规律基于历史研究，可能因市场变化失效（例如市场结构变化、政策调整）

• 经验因子存在样本依赖性，非绝对代表未来基金经理能力

- 行业配置平衡要求可能排除行业高度集中且表现优异基金

• 组合换手率虽低，但仍存在市场流动性风险

- 模型难以剥离运气成分，迭代效率因子有效性有限

报告明确提醒投资者理性决策，避免单纯依赖因子信号。

---

6. 批判性视角与细微差别

• 报告全面且逻辑严密，行为金融学理论与实证紧密结合，但部分观点或因数据样本限制偏向中国公募市场特征，外部市场适用性待商榷；

- “迭代效率”因子中提升趋势回归的稳定性和广泛适用性存在一定争议，且运气与能力的区分难以严格把控；

• “失误修正”因子主要基于行业同质重仓股的选股表现，可能忽略了跨行业或者新兴行业基金经理的学习及表现；

- 报告结论高度依赖于重仓股数据，且排除定开和持有期产品，可能对部分异质性基金经理的行为和表现未能充分覆盖；

• 双因子排序方法有效性虽被验证，但中端单调性弱暗示存在优化空间或其他影响因素未被考虑；

- 报告未详细披露因子分组的具体区间选择标准和参数敏感性，读者实施时需检验参数稳健性。

---

7. 结论性综合

整体来看，叶尔乐民生金工团队的报告以行为金融学为框架，结合国内公募基金大样本数据，创新性地构建了“失误修正”和“迭代效率”两大量化因子，用于刻画基金经理从负反馈经验中提升选股能力的现象。两因子的合理结合与双重排序方法，成功筛选出一批能够持续优化投资决策，体现经验积累和学习迭代的优质基金经理。

基于此，团队进一步构建了基金经验迭代组合策略，经验证该组合长期表现优异、超额收益稳定，年化收益16.25%，显著跑赢偏股基金指数，且主要收益来源于选股能力，行业配置均衡且换手率适中，风险控制良好。

报告中的详实数据图表为结论提供坚实支持：

• 多幅图表定量反映了基金经理经验与行为金融特征的关联；

- 亏损后持股行为的统计揭示了基金经理负面反馈应对的多样性；

• 经验迭代因子的历史分组表现显示了超额收益的持续性；

- 双因子排序组合策略的净值及年度表现强有力验证其有效性。

报告最终认定，基金经理的经验不仅体现在其投资风格和风险偏好上，更关键是其能否吸取负反馈经验，加速学习迭代，从而提升选股和超额收益能力，这一点可通过量化指标有效捕捉，并构建稳健的精选基金组合。

---

参考溯源

报告全文引用页码：

• 投资经验影响行为金融特征与基金业绩影响（[page::1]）

- 行为金融学视角基金负面反馈应对（[page::2]）

• 公募重仓股负反馈及基金经理应对统计（[page::3][page::4]）

- “失误修正”因子构建与实证（[page::4][page::5]）

• “迭代效率”因子及双因子排序（[page::5][page::6]）

- 经验迭代组合构建及表现分析（[page::6][page::7]）

• 总结、风险提示及团队介绍（[page::8][page::9][page::10]）

---

总结

本报告为基金经理选基过程提供了全新视角和实操工具——通过量化刻画基金经理从负反馈中学习和策略迭代的能力，实现了更精准的优质基金筛选。该研究成果结合了行为金融理论、机器学习因子构建与实证检验，体现了量化与行为金融结合的深度创新。

报告用大量数据和图表佐证论点，逻辑严密，洞察深刻，值得专业投资机构及研究者参考和应用，但依旧需要关注量化策略的未来适用性与风险管理。

该量化专题在实际基金筛选与投资实践中具有较高的参考和应用价值。

报告