基金市场规模和FOF基金快速发展 [page::2]

• 截至2020年7月31日中国基金数量6822只，总规模17.37万亿元。

- 2017年FOF基金获批后快速成长，2020年规模达605.09亿元。

基金类别及风格划分及评价方法 [page::3][page::5][page::6][page::7]

• 基金类别一级分类以证监会颁布标准为准，股票型基金、债券型基金、混合型基金等。

- 股票基金风格划分基于晨星风格箱，结合规模（大中小盘）和价值-成长特性得分，具体计算公式详述。

• 基于持仓数据和净值数据分别可实施不同的风格分析方法；夏普风格分析法基于收益率回归确定基金风格暴露。

- 引入SDS指标评估基金风格稳定性，较高SDS值说明基金风格漂移可能性大。

• 对债券基金，风格划分主要依据久期配置和信用配置，通过持仓久期和评级加权计算风格指标。

主要基金历史业绩评价指标与持续性方法 [page::14][page::15][page::17]

• 业绩指标包含收益率（算术、几何平均）、波动率、最大回撤等；风险调整指标有夏普比率、特雷纳指数、詹森α指数和信息比率。

- 进一步包括Calmar比率、晨星风险调整收益（MRAR）和M²测度。

• 业绩持续性利用横截面分析法、交叉积比率法和Hurst指数法定量判断基金业绩是否具有稳定延续性。

- Hurst指数特别用于判断收益时间序列的长记忆特性，指标区间暗示不同的持续性水平。

基金择时能力评价模型 [page::18][page::19]

• T-M模型：引入收益平方项判断择时能力，正系数表示择时成功。

- H-M模型：基于市场牛熊期回归，择时能力由牛市β的增加体现。

• C-L模型：区分多头和空头市场，择时能力由β差异反映。

基金绩效归因方法 [page::20][page::21][page::22][page::23]

• Brinson模型：基于持仓数据，将基金超额收益分解为类别配置收益和个券选择收益。

- 多期Brinson模型通过复利计算多期累计归因收益。

• Barra模型：基于持仓构建因子暴露矩阵，采用因子模型分解业绩。

- Fama三因子/五因子模型：基于基金净值多因子回归解释收益构成。

• DEA模型构建DEPI指标，通过优化投入产出权重评价基金相对有效性。

债券基金绩效归因理论及实务方法 [page::24][page::25][page::26]

• 主要方法有Wagner-Tito模型、加权久期分析和Campisi模型，后者详细分解收益为票息效应、国债利率变动效应和信用利差变动效应。

- 基于净值的多因子回归分析债券基金的利率、信用和可转债风险因子暴露，解释收益来源。

定量与定性综合评价体系 [page::27][page::28]

• 定性评价涵盖基金公司管理团队、公司治理、规模、投研及风控能力，基金经理个人素质、历史业绩、职业道德、投资风格、从业经验等。

- 设计科学的打分问卷，依据各评价对象的权重综合形成基金评分。

• 后续跟踪基金实际运行表现，验证评价体系的有效性，特别关注风格漂移和业绩波动。

投资可行性及风险提示 [page::19][page::29]

• 考虑基金交易渠道（一级市场、二级市场）、是否为内部FOF或外部FOF影响投资范围和费用。

- 警示历史数据可能失效，定量模型仅供参考，不构成具体产品投资建议。

金工研究报告详尽分析报告

---

1. 元数据与概览

• 报告标题：《基金评价及筛选全流程研究框架》

- 作者：林晓明、黄晓彬、张泽

• 发布机构：华泰证券股份有限公司研究所

- 发布日期：2020年8月21日

• 研究主题：基金市场发展环境下，基于定量与定性方法对股票型与债券型基金的评价及筛选全流程体系构建，涵盖基金类别判定、投资风格分析、业绩评价、绩效归因及综合评价等。

- 核心观点：在我国基金市场规模与数量高速增长背景下，FOF等基金类型快速发展，基金的准确分类和细致评价尤为重要。本文提出一套系统性研究框架，从基金的类别及风格划分入手，结合定量指标（历史业绩、持续性、择时选股能力）及定性评价，进而实现对优质基金的筛选和深入分析，以指导FOF管理及其它投资决策。

本报告意在为基金投资及FOF基金管理者提供全面、实用的基金评价体系，未针对单一基金给出具体投资建议或评级，报告明确风险提示，包括历史数据的局限性及模型在极端市场下的解释能力风险。[page::0,1]

---

2. 逐节深度解读

2.1 基金市场背景与评价需求

• 近十年来，我国基金数量与规模稳步上升。截至2020年7月31日，基金数量达到6822只，总规模达17.37万亿元人民币。其中，FOF基金2017年9月获批发行，规模从初期的130亿迅速增至2020年7月的605亿，彰显FOF发展速度与市场需求增长。

- FOF基金的二次风险分散作用，使其需要在众多基金中高效筛选优质产品，投资管理中基金的评价面临巨大压力，需要构建科学评价框架。

• 图表1清晰展示2010-2020年基金数量（右轴，红色柱状）与资产净值（左轴，蓝色折线）双重增长趋势，反映基金市场爆发式成长态势。图表2进一步细化FOF基金从2017年至2020年的数量与规模同步扩大趋势。

- 结论明确基金评价的专业化和系统化需求紧迫。[page::2]

2.2 基金类别与投资风格确定

• 基金类别以证监会一级分类为准，主要依据基金资产配置比例区分为股票型、债券型、货币市场基金、基金中基金和混合型基金等，其中股票基金和债券基金 满足80%以上资产相关划分标准。

- 二级分类则更多采用事前法和事后法结合，如晨星公司分类，既依据招募说明书（事前分类），也基于投资组合实际持仓（事后校准），目的是消除基金实际风格漂移带来的误差，反映真实风险收益特征。

• 核心理念为：基金分类与风格划分有助于在同类基金内进行有效比较，避免跨大类基金风险混淆，确保评价公允性。

- 基金风格定义引自 Christopherson（1995），即基于基金经理的风险收益偏好及投资目标表现，具体风格判定方法依分类基金类型具体设计，[page::3-4]

2.2.1 股票基金风格划分：晨星风格箱法

• 基于持仓数据，晨星风格箱根据股票规模（大盘、中盘、小盘）和价值-成长特征（二者构成矩阵形式）将基金划分九宫格。

- 规模得分（Y）基于基金所持股票总市值区间转换，为对数市值在一定门限（70%、90%累积市值对应）内的归一化数值。规模中小盘、大盘对应Y分值区间明确定义。

• 价值-成长得分（X）则计算成长得分减去价值得分的差值，成长因子涉及EPS增长、净资产增长、主营收入增长及经营现金流增长，价值因子考察预期收益/股价、市净率等财务指标，构成综合VCG得分。

- X值也依排名后分布阈值分为价值型、平衡型、成长型。

• 结合X与Y，图表5晨星风格箱形象展示基金风格定位，便于快速识别。

- 门限值每月更新，确保风格划分随市场行情动态调整。

• 该方法侧重内部持仓透明度良好的基金。[page::5-7]

2.2.2 股票基金风格的夏普风格分析及SDS指标衡量漂移

• 考虑外部投资者难以获得持仓信息，威廉·夏普提出风格分析以基金收益序列为输入，以多个风格指数作为因子，建最优化回归模型，得到基金风格暴露（beta系数），通过动态估计实现高频跟踪基金投资风格。

- 为监测基金风格漂移，定义风格漂移为实际投资风格与招募说明书宣称风格不符的现象，并分期判断，若某一期存在漂移即认定存在风格漂移。

• SDS指标基于各子区间暴露系数方差加总开根号，度量基金风格持久性的整体波动，SDS值越大表明风格稳定性越差，漂移风险越高。

- 该方法适合风格稳定及需动态监测的基金，帮助投资者风险预警及投资决策。[page::7-9]

2.2.3 债券基金风格划分

• 债基风格核心聚焦两大类风险偏好：久期配置和信用配置。

- 久期反映债券资金的利率敏感性，采用麦考利久期和修正久期衡量。久期指数越高，基金承担的利率风险越大。

• 信用风格基于债券主体及债项评级进行打分，依据人民银行评级规范，分等级获得信用分数，反映信用风险暴露。

- 两类风格既可基于半年度持仓的重仓债券久期、评级权重计算，也可以基于基金净值数据与债券指数的回归系数推估，既适用于数据充足也适用于信息有限的情况。

• 文中详细罗列国内的债券评级方法及评级机构名单及其对应付费模式，反映市场信用评级环境复杂多元，投资者需甄别风险来源。

- 同时提供以中债指数为基础的债券指数体系，作为净值匹配估值及风险计量的工具。权重回归方法使久期及信用风格定量化成为可能。[page::9-13]

---

2.3 基金历史业绩评价

• 本报告系统介绍了多维度业绩指标，以评定基金历史绩效，分为：

- 收益与风险指标：几何及算术平均收益、波动率、最大回撤。
- 几何收益率充分考虑复利效果，较算术平均更真实反映长期收益。
- 波动率作为基金风险的标准衡量指标，表现收益的波动性大小。
- 最大回撤体现基金净值最大亏损幅度，为风险管理和投资者心理承受度重要指标。
- 风险调整收益指标：
- 夏普比率（单位总风险收益率）、特雷纳指数（单位系统风险收益）和詹森α（超额收益）提供不同风险调整层次的业绩衡量。
- 信息比率进一步深化，考虑主动管理带来的超额收益相对其波动（跟踪误差）。
- 其他指标：
- Calmar比率以最大回撤调整收益，着眼于极端亏损风险。
- 晨星风险调整收益（MRAR）、$M^2$测度为进一步拓展经典指标，向市场组合比较调整绩效。

• 图表10详细说明$M^2$的效用，即校正风险后收益超越市场的大小。

- 业绩评价须结合风险及收益考量，兼顾绝对和相对表现。[page::14-17]

2.4 基金业绩持续性评价

• 绩效持续性评价是筛选优质基金的重要维度，体现基金历史表现能否延续。

- 方法包括：
- 横截面分析法：分两个时间段，观察前期超额收益与后期超额收益之间的相关性，系数显著正向则表明持续性。
- 交叉积比率法（CPR）：以赢家（超越同类中位数）和输家分组，计算相邻两期“赢家-赢家”和“输家-输家”频率比值，CPR>1表明持续性。
- Hurst指数：基于时间序列的长记忆性分析，无需分期、不受正态分布限制，$H>0.5$说明有持续性，越接近1越强，$H=0.5$随机，不具持续性。

• 三种方法互为补充，提升绩效持续性评价可靠度。[page::17-18]

2.5 基金选股与择时能力定量模型

• 选股与择时能力区分基金经理择券策略与市场时机判断能力，深层反映管理者主动管理价值。

- T-M模型通过詹森α模型引入市场收益的平方项检验择时能力，$\beta2>0$显示正择时能力。

• H-M模型引入牛市上涨期和熊市下降期分别估计β值，检验β上升期与下降期差异反映择时，$\beta2>0$为正择时。

- C-L模型进一步细分多头与空头市场，比较两种市场β差异，提高择时能力检验灵敏度，$\beta{2}-\beta{1}>0$意味着择时有效。

• 标准方法在研究基金经理主动调整风险敞口的能力，适用于市场状态明显多变的情境。[page::18-19]

2.6 投资可行性考虑

• 除定量评价外，基金的可投资性也是筛选中不可忽视因素。

- 交易渠道上，一级市场申购赎回易于操作，费率较高；而ETF、LOF、封闭式基金在二级市场交易，手续费较低。

• FOF基金分内部（只能投自家基金，品种受限但费率低、评估完善）和外部（可投资市场基金全范围，策略丰富但费率高且筛选更复杂）。

- 这些限制为投资体系构建和策略设计设定实际边界，[page::19]

---

2.7 绩效归因模型解析

2.7.1 股票基金业绩归因

• Brinson模型（单期、多期）利用持仓数据，将基金超额收益分解为：

- 类别资产配置贡献；
- 个股选择贡献；
- 交互作用贡献（类别配置与个股选择交叠影响）。

• 多期模型通过复合收益公式处理，考虑权重与收益变化，确保归因时间尺度一致。

- 实际应用中，交互作用部分常叠加到个股选择中，方便操作。

• Barra模型基于持仓，通过回归公共因子（宏观、市场基本面、统计因子）暴露，定量拆解每个因子对组合收益的贡献，辅助确定收益驱动力。

- Fama因子模型基于净值数据，结合市场、规模、价值、盈利、投资等五因子进行多因素回归，量化基金α及因子暴露，揭示主动管理贡献。

• DEA模型通过数据包络分析线性规划方法评价基金相对效率，计算在多投入指标（包括风险、费率、择时能力）条件下基金超额收益的最大化情况，输出基金的相对有效性及投入成本权重，适合横向评价多基金。[page::20-24]

2.7.2 债券基金业绩归因

• 传统持仓数据披露不足，偏重重仓券数据及净值数据分析。

- Wagner-Tito模型简明分离久期配置与个券选择能力，但忽视票息收益。

• 加权久期分析法综合考虑券种配置、久期配置和个债选择，采用修正久期与收益率变化估算资产收益。

- Campisi模型基于债券定价对票息、利率、信用利差分解开来，将债券总收益拆解为票息效应（收益保障）、国债利率变动效应（久期配置能力衡量）、信用利差变动效应（信用风险配置能力），同时引入时间剩余期效应，结构更完善。

• 基于净值的多因子模型提取利率风险、信用风险、可转债风险因子，解决共线性，利用回归分析量化风险因子暴露，直观拆解基金收益来源。[page::24-27]

---

2.8 定量与定性综合评价法

• 定量分析难以全面捕捉基金经理资质、公司文化等软性因素，定性评价结合重要。

- 基金定性维度包括：
- 基金公司：管理团队稳定性、治理水平、规模、投研实力及风险控制能力。
- 基金经理：资质、历史业绩、职业道德、投资风格及行业经验。

• 示例问卷设计中，针对上述细分要素分别设评分点（1-5分）并赋予权重，形成综合评分系统，权重设计体现业绩持续性等关键指标更重。

- 后续跟踪调研核实基金真实运作与申报风格、资产配置及业绩是否匹配，保证评价与实际投研结果一致性，提升筛选质量和投资决策匹配度。[page::27-29]

---

2.9 总结

• 全文构建了基于基金类别及风格的完整评价流程，从确认一级二级类别、股票基金与债券基金风格划分（规模-价值成长，久期-信用）入手。

- 结合持仓和净值数据提供了多种基金风格划分方法，支持内部和市场外部多场景应用。

• 业绩评价覆盖收益-风险指标、风险调整指标、持续性及择时能力评价模型，辅以投资可落实性评估。

- 绩效归因面向股票和债券基金，分别采用Brinson、Barra、Campisi及多因子模型，剖析基金优异表现原因。

• 定量指标与定性评价相结合，打造科学、有序、全面的基金筛选框架，适用FOF管理等多种应用场景。

- 报告中多处采用图表明确公式及模型计算步骤，数据与逻辑严谨，理论与市场实践紧密结合。

• 末尾风险提示明确历史数据和模型预测的局限，维护报告客观中立立场。[page::29]

---

3. 关键图表深度解析

图表1：基金市场概况（2010-2020年）

• 展示基金数量（只数，右轴红色柱）与资产规模（亿元，左轴蓝色线）双向增长趋势。

- 量化数据体现基金市场数量从2010年不到2万只快速增至17万只以上，规模从约1000亿元攀升至7万亿元。

• 可见我国基金市场快速成熟，规模效应明显，政策推动及市场需求催化基金行业快速发展。

- 该图直观佐证了开篇论述的市场背景设置评价需求基础。[page::2]

图表2：FOF基金规模发展（2017-2020年）

• 图清晰表现FOF基金自2017年首次获批发行起，数量和资产规模逐年高速增长，2020年数量达到120只，规模605亿元。

- 数量和资产规模双轨并进，表现基金产品创新与资金流入活跃化趋势。

• 对FOF管理者提出更高基金评价与筛选能力要求，强调建立研究框架紧迫性。[page::2]

图表5：晨星风格箱

• 九宫格图以纵轴表示规模（100-200-大盘），横轴标示价值成长（价值-平衡-成长），区分基金风格。

- 基金价值成长得分和规模得分确定基金处于哪格，从而快速判断其基本风格定位，地区分小盘成长、巨型价值等多种组合风险收益特征。

• 该图提供简洁工具帮助投资者及研究人员理解与识别基金投资风格。[page::7]

图表6：主流国内风格指数列表

• 列举中证、申万、深证、Wind等多家指数供应商的成长/价值、大盘/中盘/小盘风格指数。

- 每种指数覆盖细分市场，分层覆盖不同风险收益特征细分需求。

• 该表体现国内多供应商风格指数多样性，以及支持夏普风格分析模型构建、定量化基金风格研究的重要工具作用。[page::8]

图表7&8：债券信用评级及主流评级机构

• 表7梳理债券市场信用评级符号与对应打分映射，央行规范的评级体系对债券信用风险提供可靠等级判断。

- 表8罗列主要评级机构及资质许可及付费模式，反映评级市场竞争及信用评估的复杂结构。

• 评级体系成为基金信用风格评判内核，影响债基归因分析及风险计量。[page::10-12]

图表10：$M^2$测度示意图

• 坐标图展示$M^2$测度建构逻辑，通过风险调整（标准差高度调整组合组成）使风险水平可比，体现基金相对市场风险调整后收益改进。

- 该图清晰说明如何调整基金投资组合风险使与市场组合等风险，进而衡量超额收益，是风险调整业绩评价核心工具之一。[page::17]

图表11&12：Brinson模型（单期与多期）

• 展示四投资组合(Q1-Q4)组成及其计算逻辑，系统阐释类别资产配置、个股选择和交互收益的计算步骤。

- 多期模型扩展考虑分期收益及权重变化，公式显示累计收益复合结构。

• 图表结构清晰，体现Brinson模型在业绩归因中的实操价值。

- 是股票基金业绩归因的基石模型。[page::20-21]

图表13：Barra模型因子分类图

• 用层级结构图形式展示Barra模型中宏观、市值、统计因子的分类。

- 突出因子选择为拆解收益的基础，显示多层次考察因子来源，揭示收益因素多元性。

• 该图强化基金收益来源分析维度的全面性及科学性。[page::22]

图表14：加权久期分析法示意

• 表格具体展示资产权重与修正久期和收益率变化乘积计算组合收益拆解结构。

- 清晰定位类别配置、久期配置和个券选择的收益贡献。

• 该图为债券基金业绩归因提供经典、且操作性强的框架工具。

- 具有一定理论与实际适应局限但基础价值突出。[page::24-25]

图表15-17：基金定性评价与调研

• 图15条理明晰列示基金公司与基金经理定性评价维度与评价内容。

- 图16展现定性评价打分问卷设计，细分评价对象及权重比例，体现综合评估体系构建。

• 图17列示后期调研关注点，强调基金运行与战略一致性检验及持续跟踪的重要性，强化评价的动态调节能力。

- 这些图表说明定性评价的结构化与流程化，是定量分析有益补充。[page::27-29]

---

4. 估值分析

本报告未涉及具体基金或资产的估值测算，不包含目标价或买卖评级，估值部分聚焦于基金类别、风格分析和业绩评价的定量指标构建，不适用常规企业估值模型，如DCF或市盈率。

---

5. 风险因素评估

• 明确指出历史规律可能失效、模型基于统计工具的限制、极端市场事件下解释能力不足为潜在风险。

- 投资建议非推荐，模型与研究结论存在波动风险，需投资者自主判断。

• 风险提示显得中肯、严谨及覆盖面完整，符合研究报告合规要求。[page::0,29]

---

6. 批判性视角与细微差别

• 报告整体系统性强，逻辑严密，论证基于行业标准和丰富文献，实用性突出。

- 但部分方法依赖于较稳定的市场环境和丰富的数据支持，如持仓数据库的完整性、净值估算的准确性，以及信用评级的客观性，可能因市场波动、信息披露限制、评级异议影响结果准确度。

• 多数定量模型假设风险因素线性且稳定，现实中非常规突发事件与非线性影响可能降低模型预测与归因有效性。

- 定性评价部分虽提出框架，但具体评分标准主观性较高，易受评价者偏见影响，需结合多方调研与反馈动态修正。

• 风格漂移度量（SDS）虽能定量描述，但对漂移性质及危害进一步解释有限，可能需要融合质性分析。

- 评估风险时未明显提出缓解策略，强调投资者应了解风险但缺少示范性风险管理建议。

以上均为业内普遍挑战，不影响本报告整体贡献及适用价值。[page::0-29]

---

7. 结论性综合

本报告系统构筑了一套科学、严谨且详细的基金评价及筛选流程，满足当前我国基金市场快速扩张及FOF基金发展对专业化评价工具的迫切需求，具有较强理论指导与实务操作价值。

• 基金类别与风格划分：以证监会一级分类为基准，结合晨星等机构风格划分标准，区分股票基金、债券基金子风格，通过市值、成长/价值等多维尺度及久期、信用配置风格揭示基金不同风险特征。结合持仓和净值数据，提供投资者及监管者多层次风格判定工具，适应不同信息获取能力场景。
• 业绩及持续性评价：多种风险调整指标全面测算基金表现，涵盖收益总量、风险安全边际、以及管理超额收益能力。持续性分析强化对历史绩效后续可复制性的判断，提高筛选基金的稳定性和投资信心。择时能力模型捕捉基金经理主动调整市场时机的能力，进一步细化主动管理能力评价。
• 绩效归因：利用Brinson、Barra等经典模型基于持仓解构股票基金基金经理的资产配置决策及选股能力；Campisi模型及加权久期法完善债券基金收益分解，包含票息、利率风险、信用风险等多维分析。Fama五因子模型及DEA模型进一步提供基于净值的多因子归因和相对效率评价，支持横向比较和战略落地。
• 定性评价与综合评分：结合基金经理、基金公司文化、风险控制、费用结构等非量化因素，弥补纯量化分析不足，确保筛选结果更为全面和可持续。后续调研反馈机制保障评价有效且实时更新。
• 图表展示与公式推导：报告大量专业公式与清晰图表辅佐理论解释，具指导性、教育性及操作性，方便专业人士系统理解及采用。

总体，报告立足于完善基金评价工具体系，支持FOF基金投资组合优化以及公募基金风险控制，对投资研究人员、资产管理者具有高度参考价值，强化市场透明度与投资效率。其揭示的多维度评价机制，是我国基金市场向成熟国际市场迈进的重要基础。

---

报告核心立场：在基金多样化及市场日益复杂的背景下，只有通过分类明确、风格精准、全方位定量与定性结合的研究框架，才能有效识别优质基金，降低管理盲区，保障投资者利益。报告无具体基金买入评级，而作为行业规范和管理流程建立的基础研究成果。[page::0-29]

---

附录（关键图示样例）

• 基金市场概况

- FOF基金市场发展

• 晨星风格箱示意

- $M^2$测度示意

• Barra模型因子结构

---

（本分析以报告页码严格标注所有主要引用内容，以便后续文本溯源与二次开发。）

报告