`

主动量化型基金研究:筛选方法、业绩特征及产品优选

创建于 更新于

摘要

本报告系统梳理主动量化型基金的筛选方法,分析其业绩特征、适应市场环境及投资策略,发现风格、板块及龙头股配置差异是收益差异主要来源,主动量化基金在特定市场环境表现优异。基于风格、板块剥离超额收益稳定性的筛选指标构建基金组合,历史回测显示该组合显著跑赢整体主动量化基金及主动型权益基金,超额收益主要来源于风格和板块的剥离表现 [page::0][page::8][page::11][page::22][page::25]。

速读内容


主动量化型基金的筛选方法及规模 [page::6][page::7]


  • 从基金全称含“量化”、招募说明书量化策略描述、基金持仓分布三方面筛选,178只基金符合标准,总规模约609亿元。

- 自2016年以来,规模基本维持在500-700亿元区间。
  • 此类基金兼具基本面与量化投资特点,策略介于指数增强与主动投资之间。


主动量化基金与主动型权益基金的业绩及配置特征差异 [page::8][page::10][page::11]


| 年份 | 主动量化型基金 | 主动型权益基金 |
|--------|----------------|----------------|
| 2016 | -1.93% | -13.92% |
| 2017 | 5.84% | 16.11% |
| 2018 | -24.96% | -23.68% |
| 2019 | 37.36% | 48.08% |
| 2020 | 44.33% | 61.95% |
| 2021 | 12.19% | 12.78% |
| 2022 | -17.91% | -20.49% |
| 2023Q1 | 5.54% | 3.07% |
  • 主动量化基金在小盘价值风格及上游周期、中游制造板块配置较高,TMT及消费配置较低,持仓更均衡,龙头股配置显著低于主动型权益基金。

- 风格、板块配置差异导致主动量化基金相对于主动权益基金近年累计超额收益约-10%,龙头股配置差异影响更甚(约-30%)。


选股能力及超额收益的延续性分析 [page::11][page::12]



  • 剥离风格和板块后,主动量化基金与主动权益基金累计超额收益水平接近。

- 主动量化基金的选股能力具有更显著的季度延续性(风格剥离超额收益相关系数22.59%,板块剥离20.33%),优于主动权益基金。

主动量化基金适合的市场环境:行业轮动快且行业分化小的时期表现优异 [page::13][page::14][page::15]



  • 行业轮动指标低(行业轮动速度快)和行业分化程度低时,主动量化基金胜率及收益高于主动型权益基金。

- 这类环境下主动量化基金风格、板块剥离后累计超额收益持续优于主动权益基金。

主动量化基金投资策略分类与表现 [page::16][page::17][page::19][page::20]


| 策略类型 | 数量(只) | 规模(亿元) |
|----------------|----------|------------|
| 包含技术因子 | 132 | 481.04 |
| 不包含技术因子 | 37 | 102.41 |
| 包含事件驱动 | 56 | 193.09 |
| 不包含事件驱动 | 113 | 390.36 |
| 包含机器学习 | 11 | 44.85 |
| 不包含机器学习 | 158 | 538.60 |
  • 多数主动量化基金策略包含技术因子,事件驱动及机器学习策略较少。

- 不同策略基金的业绩差异较小,包含技术因子基金换手率普遍较高。
  • 回测显示不同策略风格具有相似表现,策略本身非业绩主要驱动因素。



主动量化基金的产品优选及组合构建 [page::21][page::22][page::23]


  • 构建风格及板块剥离超额收益的稳定性指标(信息比),历史超额收益稳定性与未来业绩正相关(相关系数约40%-47%)。

- 基于板块剥离超额收益稳定性筛选前10%基金构建组合。
  • 回测区间(2016-2023Q1)组合累计收益率192.15%,大幅跑赢主动量化基金整体85.41%。

- 考虑大额申购限制后组合收益仍保持显著超额。

| 年份 | 主动量化型基金组合 | 主动量化型基金整体 | 相对收益 |
|--------|--------------------|--------------------|----------|
| 2017 | 10.36% | 3.61% | 6.75% |
| 2018 | -20.15% | -25.53% | 5.38% |
| 2019 | 41.92% | 38.10% | 3.82% |
| 2020 | 48.83% | 43.59% | 5.24% |
| 2021 | 12.78% | 11.24% | 1.54% |
| 2022 | -6.38% | -20.26% | 13.89% |
| 2023Q1 | 11.08% | 5.37% | 5.72% |

组合超额收益归因 [page::24][page::25]



  • 相对于主动权益基金,组合的风格与板块配置差异带来正向超额收益,龙头股配置差异贡献为负。

- 主动量化基金的风格、板块剥离超额收益明显优于主动权益基金,是组合超额收益的主要来源。


深度阅读

主动量化型基金研究报告详尽解读



---

一、元数据与报告概览



报告标题:主动量化型基金研究:筛选方法、业绩特征及产品优选
发布机构:广发证券发展研究中心
发布日期:报告中未具体标明日期,相关研究时间段涵盖2015年至2023年一季度
研究领域:主动量化型基金,涵盖基金筛选、业绩分析、策略分类及产品优化
专题系列:基金产品专题研究系列之四十九
报告作者:多名分析师联合撰写,包括李豪、罗军国、张超等[page::0,28]

核心论点概述
本报告围绕“主动量化型基金”这一细分品类展开,旨在通过多维度特征筛选主动量化基金样本,深入分析其业绩特征、收益来源及投资策略,最终提出基于业绩稳定性指标的产品优选方案。
  • 主动量化策略结合基本面与量化投资特点,通过对基本面数据和量价技术指标的量化挖掘作为决策依据。

- 主动量化型基金在风格、板块、龙头股配置上的差异导致其与传统主动型权益基金的表现分化,剥离风格、板块因素后,其超额收益与主动权益基金较为接近,但延续性更佳。
  • 不同策略(量化因子、事件驱动、机器学习)的业绩表现差异不大。

- 通过构建风格、板块剥离超额收益稳定性指标,筛选出的基金组合能显著超越同类基金及主动权益基金表现。

核心假设风险包括历史数据局限、模型识别能力有限及不构成具体投资建议等[page::0].

---

二、逐章深度解读



2.1 主动量化策略及基金筛选方法



主动量化策略定义
  • 结合基本面投资与量化投资优点,基本面强调公司特有因素(管理、商业计划等),量化投资基于Alpha因子筛选标的,注重分散投资分散风险。

- 主动量化策略介于主动基本面与量化指数增强之间,追求预计超额回报与管理风险的平衡(图1-3)。

基金筛选方法
  • 多维度特征筛选,包含基金全称(是否含“量化”字样)、招募说明书中是否明确量化投资策略、基金持仓的分散和平衡度等。

- 结果为截至2022Q4筛选出178只主动量化型基金,约609亿元规模,数量和规模自2016年以来稳步增长(表1,图4-5)。

逻辑清晰,筛选标准既考虑基金公开信息,也结合实际持仓特征,确保代表性与实操相关性[page::4-7].

2.2 业绩特征分析



2.2.1 配置差异及收益分化来源

  • 通过基金净值与不同资产风格、板块和龙头股配置的月度回归,测算两类基金配置差异。

- 主动量化型基金较主动权益基金更偏好小盘价值,板块更均衡,少配置TMT和消费,上游周期及中游制造配置较高。尤其龙头股配置明显小于主动权益基金(图7-12)。
  • 结合不同因子未来收益,配置差异带来的累计超额收益统计表明,龙头股配置偏差对主动量化基金负面影响最大(接近-30%),风格和板块影响较小(约-10%)(图13)。


此部分解释了导致两类基金业绩差异的具体持仓结构根源,定量了每个维度的贡献权重,体现出基金风格的显著分化是收益差异核心[page::8-10].

2.2.2 风格、板块剥离超额收益的延续性

  • 在剥离风格和板块影响后,主动量化型基金与传统主动基金超额收益趋近,且主动量化基金的超额收益延续性更强(正相关系数较大)(图14-17,表3)。

- 选股能力的均衡性与稳定性对基金长期表现意义重大,是主动量化基金优势所在。

此项关键,在于剔除配置偏差后,更客观体现主动管理的“选股能力”及其可持续性[page::11-12].

2.2.3 适应的市场环境(行业轮动速度与行业分化程度)

  • 通过行业轮动速度指标和行业分化程度指标,定量划分市场环境。

- 主动量化型基金在行业轮动快、行业分化小的市场环境中表现优于主动权益基金,月均收益率和胜率明显更高(图18-25)。
  • 反映出主动量化基金更适合动态和均衡的市场,充分利用行业轮动与风格平衡优势。


该分析强调市场环境对策略表现影响,提出量化基金优势市场条件,为产品配置及策略评价提供启示[page::12-15].

2.3 投资策略分类及表现分析



策略分类
  • 量化因子选择:基础因子(财报、估值等)与技术因子(量价、衍生数据)

- 另类策略:事件驱动(公司经营、股权变动等)与机器学习(AI、深度学习算法等)(图26)

策略分布及规模:多基金采用技术因子,少数运用事件驱动、机器学习(表4)[page::16-17].

策略对应业绩表现
  • 技术因子包容与否的基金表现差异小,且包含技术因子的基金换手率普遍更高(图27-28,表5)。

- 事件驱动和机器学习策略基金数量较少,表现波动大但总体无显著超越(图29-30,表6-7)。

投资策略的异质性与实际业绩相关性分析,体现主动量化基金多元策略共存但业绩差距不大,强调以整体风格和持仓为核心决策[page::17-20].

2.4 产品优选与组合构建



超额收益稳定性指标
  • 建立风格、板块剥离后的超额收益信息比指标(均值/标准差),衡量超额收益的稳定性。

- 统计显示该指标与未来超额收益及基金业绩显著正相关,信息比较高,IC值显著,胜率达79%(图31,表8)。
  • 表明稳定的选股能力是选基金、组合构建的重要依据[page::21].


组合构建
  • 以超额收益稳定性指标排名筛选表现前10%的主动量化型基金等权构建组合,回测区间为2016至2023年。

- 组合累计收益192.15%,显著跑赢主动量化整体(85.41%)(图32,表9)。
  • 考虑基金限申购情况的调整后,累计收益165.04%,依然大幅领先整体水平(图33,表10)。

- 组合净值走势稳定且持续超越基准,展现强筛选效能与实际可操盘意义[page::22-23].

超额收益来源归因
  • 主动量化基金组合相对于主动权益基金,风格、板块配置对超额收益的贡献有限,龙头股配置偏差仍较大且负面影响显著(约-35%)(图35-36)。

- 剥离风格、板块影响后,组合的超额收益明显优于整体主动量化基金与传统主动基金,表明剥离超额收益是组合的主要收益来源(图37-38)。

结合整体逻辑,表现稳定且风格均衡的主动量化基金组合具备持续超额能力,核心优势在于精选风格及板块剥离后的选股能力[page::23-25].

2.5 风险提示


  • 所有数据均为历史数据,风险包括模型适应性不及实际、数据局限和假设前提不稳等不确定因素。

- 本报告结果不构成任何投资建议,投资需谨慎,自负风险。

提醒投资者审慎理财,防范依赖模型盲目投资的潜在风险[page::26].

---

三、图表深度解读(精选亮点)



筛选流程图(图4,图6,图7-13)


  • 图4清晰呈现了主动量化基金筛选的多维度标准,结构严谨。

- 图7-10对比两类基金在风格与行业板块上的差异;例如,主动量化型基金“小盘价值”配置明显更高,且行业配置更均衡,避开高估值的TMT与消费板块。
  • 图11-13显示主动量化基金分别在龙头股配置显著低于普通权益基金,导致业绩差异的主要因素即龙头股配置比例,表现为约30%的累计收益负差。


超额收益与延续性分析(图14-17)

  • 图14-15展示两类基金剔除风格板块影响后,累计超额收益差距缩小,选股能力接近。

- 图16-17表明主动量化基金超额收益的延续性指标较高,推测基金管理的稳定性优于传统主动基金。

市场环境适应分析(图18-25)

  • 行业轮动速度与行业分化指标用于划分市场状态,展示主动量化基金在快速行业轮动与低行业分化期表现优异。

- 图19和23示范了在特定市场条件下主动量化基金的月均收益领先,具有较强战胜传统基金的潜力。

投资策略表现(图27-30)

  • 不同策略基金表现相近,包含技术因子或另类策略基金数量较少,业绩波动大。

- 技术因子基金换手率更高,体现因子灵敏度和频繁调仓的特点。

产品筛选及组合表现(图31-38)

  • 图31-32说明业绩稳定性指标对未来超额收益具有效性,是构建优选组合的重要工具。

- 图32和33显示超额收益稳定型组合连续跑赢大盘和主动量化整体。
  • 图35-38的超额收益归因进一步印证,组合超额收益主要来自于风格和板块剥离后的选股能力。


---

四、估值分析



报告主体无典型估值模型的应用,而是基于业绩稳定性指标和组合表现构建产品优选策略,故无DCF、P/E等具体估值方法描述。

---

五、风险因素评估


  • 模型局限:历史数据和回归模型难以完全预测未来市场环境及基金表现。

- 数据滞后:持仓和净值数据存在时间滞后,可能影响配置及收益分析的即时性。
  • 策略演变:量化策略和基金管理团队的转变可能导致模型认定的“稳定性”失效。

- 产品限制:基金规模、申购限制可能影响组合实际构建效果。
  • 投资者风险警示明确,无具体缓解方案,强调自我风险识别和决策独立性。


---

六、批判性视角与细微差别


  • 报告对主动量化基金策略多元但业绩差异不大的结论较为坚定,未深度探讨技术因子和机器学习策略未来潜力,可能低估其创新价值。

- 龙头股低配置显著拖累主动量化基金表现,长期存在该结构是否合理未充分讨论。
  • 风格和板块剥离方法基于净值回归,受限指标选择和回归模型限制,存在估计误差和解释力偏差。

- 投资策略分类依赖招募说明书表述,可能未充分捕捉基金真实的操作行为和潜在异质性。
  • 回测期间市场环境特殊,部分结果可能难以推广到未来极端市场。

- 报告自我声明明显表明其模型和结论为辅助参考,提醒读者慎用。

---

七、结论性综合



本报告系统分析了主动量化型基金的筛选标准、业绩特征、策略分类与产品优选机制,结合丰富的历史数据及严密的量化分析方法,得出如下关键见解:
  • 主动量化基金融合了基本面深度研究和量化因子分析的投资优势,其基金筛选围绕基金名称、招募说明书的量化表述和持仓分散度等多维度特征,构建科学的样本库。

- 在风格、板块和龙头股配置上,主动量化基金与传统主动型权益基金存在明显差异,龙头股配置偏低成为收益差异的主要负面因素。
  • 风格与板块剥离后的超额收益展现良好延续性,主动量化基金选股能力较为稳定,胜率高于主动权益基金,特别在行业轮动快、分化低的市场环境中表现优异。

- 量化因子(含技术因子)和另类策略(事件驱动、机器学习)在基金业绩影响上差异不显著,规模较大的技术因子基金换手率较高,体现动态调整能力。
  • 基于剥离超额收益稳定性指标筛选的优质基金组合回测表现优异,累计收益率大幅超越主动量化整体及传统主动权益基金,且核心超额收益主要来自风格、板块剥离后的选股能力,而非配置差异。

- 风险提示中强调模型隐含局限性及历史数据的局限,且报告并非投资建议。

图表解析方面,报告通过多幅图像明确展示基金配置结构差异、收益构成及延续性、市况对策略适配性、策略细分业绩表现与组合优选效果,为读者提供直观且详实的数据支撑。组合优选表现(图32-33)和超额收益归因(图35-38)尤其突出,凸显研究方法的实操价值和策略筛选依据的有效性。

综上,报告立场明确倾向认可主动量化基金作为主动投资的重要一支力量,强调其通过科学筛选与风格剥离收益稳定性指标驱动组合构建,帮助提升超额收益质量与持续性。该研究为基金选择、产品设计和风险控制提供了有益的量化思路和实践框架,具有较高的政策和市场应用价值,但投资人仍需关注模型局限和市场结构变化带来的不确定风险。

---

参考图表(部分)


  • 筛选方法流程和业绩特征概览图 :图6

- 主动量化基金与主动权益基金风格配置差异 :图7-8, 图8
  • 龙头股配置差异及其负面影响 :图11, 图13收益差异归因

- 超额收益稳定性指标相关性 :图31
  • 主动量化基金优选组合业绩 :图32

- 组合超额收益归因 :图36, 图38

---

(全文引用标识示例:[page::x, y])

结束语



本报告集合详实数据与严谨方法,完整呈现主动量化型基金的投资逻辑、业绩驱动因素及优选方案,具备对基金研究者、投资管理者及机构投资者的参考价值。其在动态市场环境下对基金表现的深入剖析,强调了量化策略与基本面研究的融合优势及长期可持续性,值得市场参与者关注和借鉴。[page::0-25]

---

如需进一步探讨报告具体章节内容或数据解读,欢迎继续沟通。

报告