双重调整方法概述与变量构成 [page::0][page::1][page::2]

• 提出一种双重调整法，结合因子模型beta调整和股票持有特征调整，提高基金表现评估的准确性。

- 基金表现首次通过Carhart四因子模型alpha测算，同时结合Daniel等人的CS基准调整后收益。

• 基金持有的股票特征包括市值、账面市值比和动量，从CRSP与COMPUSTAT数据库获取。

- 双重调整后的业绩定义为因子模型计算的alpha减去特征驱动的业绩部分。

双重调整对业绩排名和业绩成分的影响 [page::2][page::3]

• 统计显示，特征因素占基金四因子模型调整后异常收益约25%-33%，对排名影响显著，有超过25%的基金百分位排名变化超过10名次。

- 通过双重调整后，基金的业绩指标包含了截距和残差两部分，能更加准确反映基金管理者的选股能力。

业绩持续性分析：短期与长期持续性对比 [page::3][page::4][page::5]

• 短期持续性：双重调整业绩排序后的多空组合未来一个月收益差异在统计学上显著，表现较好的基金未来仍具备超额收益能力。

- 长期持续性：双重调整后的业绩指标预测基金未来一年的累计异常收益，表现优于传统四因子alpha和特征驱动业绩。

• 图5显示，不论采用回归法还是持仓法，双重调整alpha的累计收益领先于其他方法。

双重调整业绩对风险调整绩效指标的影响 [page::5]

• 双重调整选出的基金组合夏普比率和信息比率均高于传统测量方法，说明业绩更加稳定且风险调整后的表现更好。

结论与意义 [page::5][page::6]

• 传统因子模型或特征基准单独使用时未能充分解释基金业绩，负荷因子和持有特征共同解释基金收益的较大部分。

- 采用双重调整方法可更科学地评估基金经理能力，显著提升业绩的预测力和持续性。

• 该方法为未来的基金业绩评价及投资组合构建提供了新的理论基础和实用工具。

《双重调整的共同基金业绩评估》报告详尽分析

---

一、元数据与报告概览

• 报告标题： 双重调整的共同基金业绩评估

- 作者/发布机构： 吴先兴，天风证券股份有限公司

• 发布日期： 2020年10月28日

- 核心文献来源： Jeffrey A Busse, Lei Jiang, Yuehua Tang, 《Double-Adjusted Mutual Fund Performance》，发表于《The Review of Asset Pricing Studies》，2020年

• 研究主题： 共同基金业绩评估方法的改进，针对现有因子模型控制不足的缺陷，提出“双重调整”法在风险和股票特征两个维度上控制，重新定义基金业绩指标及业绩的持续性研究。

- 核心观点与推荐信息：
传统基金业绩评估大多采用因子模型（如Carhart四因子）控制风险，但基金收益仍与股票特征（如市值、账面市值比、动量）显著相关，导致业绩评估存在偏差。报告提出“双重调整”方法，即在业绩指标中同时控制因子贝塔和持有的股票特征，显著影响基金表现排名，有助于更准确地评价基金经理的实际能力和业绩可持续性。基于新方法的推断在结果和逻辑上与传统方法显著不同。[page::0,1,2]

---

二、逐节深度解读

1. 概况与问题提出

• 关键论点：

确定基金业绩的基准非常重要，但当前主流的因子模型（如Fama-French三因子、Carhart四因子）控制了部分风险因子后，仍未彻底解决基金收益与股票特征间的相关性偏差。例如控制了SMB因子后，股票收益依旧与市值相关，表明因子模型调整不充分。基金的因子负荷和其投资组合股票特征具有相关性，但程度中等，这意味着仅控制因子负荷不能完全捕捉风险，忽略股票特征会导致业绩评价失真。[page::0]

• 逻辑与假设：

因子模型未能全面捕捉影响股票收益的特征变量，导致基金业绩指标中混杂了特征驱动的收益部分，基金收益横截面差异部分由于特征暴露未被剥离，因而需要同时考虑因子负荷和股票特征。

2. 变量构成

• 基金特征变量：

基金的alpha基于过去24个月收益计算，采用Carhart四因子模型回归得出。公式为
\[
r{i,t} - r{f,t} = \alphai + \sum{k=1}^4 \beta{i,k} F{k,t} + \varepsilon{i,t}
\]
同时采用Daniel等人的CS基准进行调整，该基准根据规模（市值）、账面市值比、动量三个维度构建125个股票组合，对基金投资组合资产按权重进行超额收益计算，实现特征调整。[page::1]

• 投资组合持有特征：

使用CRSP和COMPUSTAT数据库获取每个基金持股的市值、账面市值比和动量等股票特征，为后续的双重调整提供基础数据。[page::1]

3. 双重调整的共同基金表现指标

3.1 标准测定与特征或因子负载关系

• 研究基金基于平均市值、市场份额、动量等持股特征，将基金分组比较其四因子alpha。通过对基金alpha进行横截面回归，确认alpha与持股特征明显相关，特别是在高特征/收益强相关的样本周期内，因子模型不足以消除特征的影响。
• 统计显示，因子负荷和持股特征对基金收益的横截面方差都贡献显著，且两者相关但不十分强烈，说明两者捕捉的是重叠但不相同的风险成分。[page::1,2]

3.2 双重调整指标定义

• 定义双重调整业绩指标：

\[
\alphai^ = \alphai - \sum{m=1}^M Z{i,m} cm
\]
即用基金持股特征对业绩的影响调整四因子alpha，得到双重调整alpha。

• 对特征驱动的业绩定义为：

\[
\alphai^{char} = \sum{m=1}^M Z{i,m} cm
\]

• 双重调整计算方法包括：

方法1： 以过去24个月数据通过四因子模型计算滚动alpha，然后进行横截面回归提取基金持股特征负载，双重调整后的业绩是回归截距加基金的残差。
方法2： 根据基金持股特征分组计算每组alpha的平均值，再减去整体均值，反映特征驱动的业绩。

• 此方法避免单一调整模型的盲点，给予基金业绩评定更全面的风险控制。[page::2]

3.3 双重调整影响效果

• 分析显示特征因素占基金四因子异常收益的比例约为25%-33%，即近四分之一至三分之一的alpha来自股票特征暴露。
• 基金采用双重调整方法后，基金业绩百分比排名大幅变化，25%的基金排名变化超过10个百分点，说明传统方法评级存在显著偏误。
• 公式定义用于测量特征驱动占比：

\[
fraci^{char} = \frac{|\alphai^{char}|}{|\alphai^| + |\alphai^{char}|}
\]

• 这强调了双重调整的重要性，解读中指出只有同时消除因子负荷和股票特征暴露，业绩评价才能更准确。[page::2]

---

三、图表深度解读

图1：基金持股特征与四因子alpha（page::1）

• 描述：图1展示基于基金持有市值、账面市值比、动量特征分位数，基金平均四因子alpha的表现及其与持股特征的横截面关系。
• 解读：

- 明显的趋势表明，基金alpha随持股特征的变化而变化，四因子模型无法完全消除特征暴露带来的收益差异。
- 通过横截面回归得出，基金alpha与滞后持股特征存在显著统计关系，说明传统因子模型偏离。

• 结论：该图直观支持报告重申因子模型对风险控制不充分的核心观点，推动提出双重调整的必要性。

图2：双重调整下的业绩影响（page::3）

• 描述：图2体现双重调整方法对基金四因子alpha排名的影响，展示调整前后业绩排名差异。
• 解读：

- 排名调整幅度大，表明很多基金传统方法评估过高或过低，并非真实水平。
- 反映风险因子和股票特征双重剥离后，基金实际技能得以更准确反映。

• 结论：双重调整显著改变基金绩效评价格局，反映其更精准和有效。

图3：短期持续性统计（page::3）

• 描述：图3展示依照双重调整后指标对基金分组后未来一个月的收益多空差异。
• 解读：

- 双重调整后的多空收益差统计上显著，表明过去表现好的基金在短期内持续优于表现差的基金。
- 支持双重调整指标更好地评估基金经理真实的投资技能。

• 结论：双重调整提升了基金短期业绩持续性的识别能力，证实其对实战投资价值。

图4：长期持续性统计（page::4）

• 描述：图4展示双重调整指标对基金未来一年的表现预测及多空收益差。
• 解读：

- 长期业绩持续性相比短期较弱，但双重调整方法的持续性明显好于传统指标。
- 双重调整使基金长期能力的识别更有力度。

• 结论：该图突显双重调整业绩指标在基金长期表现预测上的优势，增强绩效管理的稳健性。

图5：回归法和持仓法下四因子业绩差异（page::5）

• 描述：图5呈现采用回归法和投资组合持仓法计算四因子alpha，及其双重调整后指标的累计异常净收益差异。
• 解读：

- 双重调整alpha曲线稳步上升，明显优于特征驱动的业绩表现（显示亏损趋势）。
- 保持法和回归法结果一致，增强方法论的稳健性。
- 说明基金真正的超额收益来源主要来自双重调整后的指标。

• 结论：该图佐证了双重调整方法更有效剥离特征成分，更准确度量基金实际能力。

图6：夏普比率与信息比率（page::5）

• 描述：图6比较基于双重调整指标筛选基金组合的夏普比率和信息比率相较传统方法的表现。
• 解读：

- 双重调整指标筛选的基金拥有更高的夏普比率（风险调整收益）和信息比率（与基准的超额收益信息含量）。
- 表明双重调整法不仅提升了基金的业绩预测能力，还优化了风险调整后收益。

• 结论：图6体现了双重调整指标在提升基金组合投资效率和风险控制上的显著优势。

---

四、估值分析

本报告属于金融绩效分析范畴，不涉及企业价值评估及相应的资本市场估值模型，因此无此部分内容。

---

五、风险因素评估

• 报告未明确给出基金投资风险具体分析，以文献综述和方法论为主，聚焦于业绩评价的内在风险隐含于因子模型及持股特征模型的不足。
• 本报告的核心“风险”在于传统业绩评价方法的潜在失真风险，表现为基金业绩受股票特征驱动而非真实经理能力影响。
• 报告风险提示：内容基于文献研究，非投资建议，提醒投资者注意方法论适用性和模型局限。

---

六、审慎视角与细微差别

• 潜在分析偏弱点：

双重调整模型是否适用于所有市场和时间周期尚未充分讨论，模型的假设在极端市场环境下可能受限。
特征的选取和样本划分方法对结果敏感，未对其他可能影响基金收益的非量化因素如基金经理行为、市场情绪等进行考虑。

• 内部矛盾或需要注意：

报告承认因子负荷与持有特征的相关性中等而非高，意味着双重调整可能存在部分信息重叠，模型合并需避免多重共线性问题。报告中对此未有详细诊断。

• 数据及方法适用范围：

基于美国市场经典因子和高频数据，是否同样适用新兴市场基金管理绩效尚待验证。

---

七、结论性综合

本报告基于Jeffrey A Busse等人《Double-Adjusted Mutual Fund Performance》的研究文献，提出并验证了基金业绩评价中“双重调整”方法的理论和实证优势。核心包括：

• 传统因子模型对基金业绩的解释力有限，存在因子负荷调整难以剥离由股票特征带来的非风险调整收益残余。
• 基金股票持有特征（市值、账面市值比、动量）对基金收益有显著影响，且未被单一因子调整充分把控。
• 双重调整方法通过同时控制四因子模型的beta负荷与持股股票特征剔除非经理能力因素，更精准地分离基金经理的真实超额收益能力。
• 双重调整后的基金表现指标显著改变基金排名，约25%的基金排名差异超过10个百分点。
• 双重调整指标在短期和长期业绩持续性分析中表现出更强的预测能力，尤其短期多空收益差统计显著，说明其具备筛选真正优异基金的能力。
• 基于双重调整指标构建的基金组合展现更高的夏普比率和信息比率，说明风险调整后收益效率提升。
• 研究方法采用了回归法和持仓法两种技术路径，结果一致，彰显方法稳健性。

总之，报告系统而深入地展示了双重调整方法在基金业绩分析中的理论创新和实证优势，为基金业绩评估及投资决策提供了新的视角和方法论工具。其关键图表（图1至图6）全面支持核心结论，数据趋势和统计效应均指向双重调整的显著价值。[page::0-6]

---

参考文献及附录来源：

• Jeffrey A Busse, Lei Jiang, Yuehua Tang, Double-Adjusted Mutual Fund Performance, The Review of Asset Pricing Studies, 2020.

- 天风证券研究所相关报告节选及图表。

• 报告联系人及分析师信息参见文末。

---

（全文共计1200+汉字）

报告