量化基金市场调研分析报告.docx

资源描述

量化基金市场调研分析报告.docx

《量化基金市场调研分析报告.docx》由会员分享，可在线阅读，更多相关《量化基金市场调研分析报告.docx（35页珍藏版）》请在冰豆网上搜索。

量化基金市场调研分析报告.docx

量化基金市场调研分析报告

2017年量化基金市场调研分析报告

图表目录

表格目录

第一节量化基金何时好？

风格选股影响绩效

一、量化基金：

神秘面纱下的别样魅力

近几年量化基金业绩规模双丰收，发展势如破竹，屡屡受到市场聚焦。

而2017年以来，市场风格突变，量化基金业绩熄火，一度遭遇市场质疑。

那么，此前量化基金为何能够吸足大家眼球，之后量化基金是否就此走下神坛呢？

在寻找答案的过程中往往会遇到三个问题：

是什么？

为什么？

怎么做？

因此，在回答上述问题之前，我们首先要明白一个问题：

量化基金是什么？

有什么特征？

方正金工从量化的角度深入剖析量化基金，探寻量化基金的风格、选股等特征，解析此前量化基金业绩超群而今年以来业绩熄火的原因。

在了解量化基金的特征之后，方正金工从风格和选股两个角度归纳总结了可能影响量化基金业绩表现的五大原因：

风格收益、风格持续性、风格解释度、趋同度指标和市场波动率。

具体而言，量化基金超额收益的影响因素如下：

小市值股票表现越好，价值因子表现越好，成长因子表现越差，则量化基金超额收益倾向于更高；

风格持续性越强，量化基金超额收益倾向于越好；

风格解释度越高，量化基金超额收益倾向于越好；

趋同度指标下降，量化基金超额收益倾向于越好；

市场波动率下降，量化基金超额收益倾向于更好。

此外，方正金工从风格择时和新Alpha因子两个角度对量化基金的前景进行展望。

通过对量化基金的全面解读，揭开量化基金的神秘面纱，让基金管理人正视量化基金的别样魅力。

图表1：

量化基金何时好

资料来源：

北京欧立信咨询中心

二、量化基金的特征

方正金工通过分析基金公告的具体持仓，获得基金的持股风格，从而解析量化基金的特征。

分析方法如下：

首先，获取每只股票在每个风格因子上的风险暴露，然后以基金中每只股票的仓位为权重进行加权，得到基金在每个因子上的整体暴露。

基金在第푖个因子上的暴露如下:

其中，

为基金在第i个因子上的暴露，

为第k只股票在该基金中的仓位比重，

为第k只股票在第i个因子上的风格暴露程度。

回测期间（2013.12.31-2017.6.30）共有七个报告期基金会披露其详细持仓：

2013.12.31、2014.6.30、2014.12.31、2015.6.30、2015.12.31、2016.6.30、2016.12.31。

分析所使用的因子包含：

Beta、长期动量、短期动量、价值、盈利、成长、杠杆、波动、流动性、规模、非线性规模。

其中，非线性规模用来衡量股票是否为中市值个股，故也可以称为中市值因子。

1、量化基金指数的编制

为了更加全面地解析量化基金的特征，方正金工编制了量化基金指数和基准基金指数。

基准基金主要选择除量化基金以外的其他偏股型基金作为对比。

具体而言，选择Wind开放式基金分类中的普通股票型基金以及混合型基金作为基准基金池，选择Wind基金概念类中主动型量化基金以及基准基金池中全称包含“量化”两字的基金作为量化基金的基金池。

最终纳入基准基金指数和量化基金指数编制的基金还需满足以下筛选条件：

1）基金成立超过80个交易日。

2）上一报告期中，股票占基金净值60%及以上。

3）剔除两个基金池中所有被动指数型基金与增强指数型基金。

基准基金池中要剔除被选入量化基金池的基金。

从2013年12月31日到2017年6月30日，前后共有1128只基金被纳入基准基金指数编制，60只基金被纳入量化基金指数编制。

将基金复权单位净值根据基金规模加权即可得到基金指数，见图表2。

图表2：

量化基金指数与基准基金指数

资料来源：

Wind，北京欧立信咨询中心

2、量化基金的风格偏好

下图给出了量化基金每期的风格暴露，可以看出量化基金倾向于选择低负债、低流动性、低波动率的中市值与小市值个股。

图表3：

量化基金风格暴露

资料来源：

Wind，北京欧立信咨询中心

下图给出了作为对比基准的非量化主动基金每期的风格暴露，可以看出基准基金偏向于持有低杠杆、成长性好、波动较大、长期涨幅排名较高、技术形态良好的个股。

在市值方面，基准基金也倾向于选择中小市值股票，但其对小市值的偏好弱于量化基金。

图表4：

基准基金风格暴露

资料来源：

Wind，北京欧立信咨询中心

为了更加直观，我们将量化基金的风格与基准基金的风格相减，得到量化基金相对于基准基金的风格偏好，见图表5。

相对于基准基金，量化基金更倾向于选择涨幅相对较小，价值、盈利能力与杠杆水平相对较高，动量、成长、波动、流动性、市值相对较低的个股。

图表5：

量化基金相对于基准基金的风格暴露

资料来源：

Wind，北京欧立信咨询中心

量化基金对某种风格偏好是否有分歧呢？

我们用基金风格的标准差来衡量。

相对于基准基金，量化基金对规模因子的分歧度最大，即虽然量化基金整体偏向于配置小市值的股票，但不同量化基金对于市值的态度具有很大的差异。

而量化基金对于动量与波动的态度相对来说较为统一，即都倾向于选择低动量低波动的个股。

图表6：

量化基金风格偏好的分歧度

资料来源：

Wind，北京欧立信咨询中心

3、量化基金的收益归因

基金持仓一般不是固定的，距离报告期越久持仓变动可能越大，因此我们只对报告期后一个月的基金收益进行归因，并且假设报告期后一个月量化基金与基准基金的仓位保持不变。

根据风险模型的假设，基金收益可以分解为四个部分：

其中，

为市场收益，

为行业收益，

为风格收益，

为行业与风格均无法解释的部分，记为选股收益。

由于市场收益主要取决于股票仓位的多少，偏股型基金的市场收益差别较小，因此我们着重分析风格收益、行业收益和选股收益。

图表7给出了量化基金相对于基准基金的超额收益来源。

图表7：

量化基金超额收益来源

资料来源：

Wind，北京欧立信咨询中心

为了给出更直观的对比，我们进一步对上述超额收益做平均，得到图表8，可以看出量化基金相对于基准基金的优势在于风格，而在选股方面，量化基金却弱于基准基金。

图表8：

量化基金超额收益的平均值

资料来源：

Wind，北京欧立信咨询中心

同样，我们考察量化基金收益来源的分歧度，见图表9。

相对于基准基金，量化基金在风格收益、行业收益和选股收益上都表现出更高的趋同性，特别地，量化基金在选股收益上的一致性远远高于基准基金。

我们猜想可能是因为量化基金相对于基准基金持仓更加分散。

图表9：

量化基金收益来源的分歧度

资料来源：

Wind，北京欧立信咨询中心

下图给出了每个报告期量化基金和基准基金的平均持股个数，该图验证了我们的猜想：

量化基金持仓持股数量更多，从而持仓更加分散，从而个股特质风险更加分散，导致量化基金间选股收益分歧度更小。

图表10：

量化基金与基准基金平均持股个数

资料来源：

Wind，北京欧立信咨询中心

三、量化基金何时好

前文总结了量化基金主要的持仓特征，发现量化基金业绩的主要影响因素是风格与选股，因此我们从风格与选股两个角度出发，探寻影响量化基金业绩表现的具体因素。

风格层面主要考虑以下备选因子：

（1）归因模型中的11个风格因子收益；

（2）风格持续性；（3）风格因子解释度。

选股层面主要考虑两个指标：

（1）方正金工特色指标——趋同度；

（2）市场波动率指标。

1、衡量表现好坏的标准

首先，需要定义衡量量化基金表现好坏的标准。

我们以报告期后一个月为绩效回顾的时间窗口，以量化基金指数相对于基准基金指数的超额收益作为衡量量化基金表现好坏的标准。

记

为第푡期量化基金相对于基准基金的超额收益。

图表11：

量化基金的超额收益

资料来源：

Wind，北京欧立信咨询中心

2、风格因子收益

在观察风格因子是否影响量化基金超额收益之前，我们首先来看风格因子收益的相关性。

从表1可以看出，风格因子收益之间常常存在较强的相关性。

表格1：

风格因子收益的相关性

资料来源：

Wind，北京欧立信咨询中心

因此，有必要根据风格因子收益两两之间的相关性进行聚类，并最终从每一类中选出最具有代表性的因子进行分析。

图表12展示了聚类的结果。

图表12：

风格因子收益聚类分析

资料来源：

Wind，北京欧立信咨询中心

根据聚类结果将因子分为4大类，最终我们选择价值、流动性、规模、成长4个因子作为所有11个风格因子的代表。

可以发现，与量化基金表现相关度最高的是规模因子收益率，其幅度达到-47.9%，即小市值股票表现越好，量化基金相对于基准基金表现越好。

这与前文量化基金更偏向于小市值的结论一致。

第二，成长因子收益与量化基金超额收益的相关系数为-29.5%，而价值因子收益与量化基金超额收益的相关系数为39.0%，即相对于基准基金，量化基金更偏向于价值，偏弱于成长，因此当价值因子表现好的时候，量化基金相对于基准基金通常有超额收益，而当成长因子强势时，量化基金表现则相对弱势。

图表13：

价值表现（X轴）V.S.量化基金表现（Y轴）

资料来源：

Wind，北京欧立信咨询中心

图表14：

规模表现（X轴）V.S.量化基金表现（Y轴）

资料来源：

Wind，北京欧立信咨询中心

图表15：

成长表现（X轴）V.S.量化基金表现（Y轴）

资料来源：

Wind，北京欧立信咨询中心

图表16：

流动性表现（X轴）V.S.量化基金表现（Y轴）

资料来源：

Wind，北京欧立信咨询中心

3、风格持续性

由于风格因子贡献了量化基金大部分的超额收益，因此风格的持续性对量化基金的表现至关重要。

首先，需要构造一个用于衡量风格持续性的指标，对于过去收益排名较高的因子，如果当期收益排名也较高，则可认为当期风格延续度较高；若过去收益排名较高的因子，当期排名较低，则认为当期风格延续度较低。

在本文中，我们使用每个因子过去12个月的平均收益作为该因子的预期收益，并观察每个因子的平均收益在所有因子中的排名，将此排名与当期所有11个因子的收益排名取相关系数，得到风格持续性指标，记第푡期的风格持续性指标为

，其可以以使用如下公式表达

其中，

为因子i在第t-k期的实际收益，

为因子的期望收益。

风格持续性指标越高则表明风格的持续性越好，反之，表明风格的持续性越差。

最后，通过计算量化基金相对于基准基金的超额收益

与风格持续性指标

的相关系数得到风格持续性对于量化基金超额表现的影响。

若相关系数显著大于0，则说明在风格持续性较强的情形下量化基金表现更好，反之，若相关系数显著小于0，则说明在风格持续性较弱的情形下量化基金表现更好

下图给出了量化基金相对于基准基金的超额收益

与风格持续性指标

的散点图，两者之间的Spearman相关系数为20.7%，Pearson相关系数为26.2%，其在10%的显著水平下显著大于0。

也就是说，量化基金的超额表现在一定程度上可以被风格持续性所解释，即风格持续性越强，量化基金的超额表现越好。

图表17：

风格持续性指标（X轴）V.S.量化基金超额收益（Y轴）

资料来源：

Wind，北京欧立信咨询中心

4、风格因子解释度

此外，风格因子对股票收益的解释度也可能会影响量化基金的超额表现。

根据前文提到的风险模型，我们定义风格因子在全市场的解释度CR为：

通过计算CR与ER的相关系数，判断CR指标对量化基金超额表现的影响。

从下图中可以看出两者之间存在一定的正相关性，但两者的秩相关系数与Pearson相关系数分别只有7.34%与10.53%，即虽然具有一定的正相关性，但未达到较为显著的水平。

图表18：

风格因子解释度（X轴）V.S.量化基金超额收益（Y轴）

资料来源：

Wind，北京欧立信咨询中心

5、趋同度指标

市场的集中和分散程度也会影响量化基金的业绩，我们借助方正金工特色指标——趋同度来衡量各个股票走势的趋同程度。

图表19：

趋同度指标与Wind全A指数

资料来源：

Wind，北京欧立信咨询中心

本文主要探讨趋同度变动对量化基金超额表现的影响。

记第t月趋同度指标的对数变化率为

，

与퐸푅푡呈现出较为明显的负相关性，秩相关系数与Pearson相关系数分别为-26.7%与-21.7%。

我们似乎可以认定，趋同度变化与量化基金超额表现具有反向相关性。

但在接下来的研究中发现趋同度变化量与部分风格因子的收益高度相关，为了剔除这部分风格因子的影响，执行如下回归：

其中，

为第k个因子第t期的收益率，

为残差，也就是纯净的趋同度因子变化量。

计算提纯后的指标

与

的相关系数，发现相关性不再显著，秩相关系数与Pearson相关系数分别仅仅为-9.86%与-4.79%，即趋同度指标的下降通常伴随量化基金表现的提高，但所提供的增量解释程度有限。

图表20：

趋同度变动（X轴）V.S.量化基金表现（Y轴）

资料来源：

Wind，北京欧立信咨询中心

图表21：

纯趋同度变动（X轴）V.S.量化基金表现（Y轴）

资料来源：

Wind，北京欧立信咨询中心

6、市场波动率

衡量市场中股票走势的另外一个维度为市场的整体波动。

我们通过规模加权得到市场的整体波动率水平，记为RV。

图表22：

：

市场波动率与Wind全A指数

资料来源：

Wind，北京欧立信咨询中心

同样地，考虑市场波动率变动DRV对基金超额收益的影响。

在将风格因子的影响剔除前，两者的秩相关系数与Pearson相关系数分别达到了-34.8%与-31.5%，即市场波动变小时，量化基金的表现倾向于超越基准基金，而市场波动放大时，量化基金的表现倾向于弱于基准基金。

对DRV采取与提纯趋同度指标同样的处理方法，得到纯净的市场波动率变化指标PDRV。

在剔除风格因子影响后，PDRV与ER之间秩相关系数与Pearson相关系数仍然高达-27.8与-22.5%，即市场波动率的下降确实会伴随着量化基金的表现超越基准基金，而波动的上升则会使得量化基金跑输基准基金。

图表23：

波动率变动（X轴）V.S.量化基金表现（Y轴）

资料来源：

Wind，北京欧立信咨询中心

图表24：

纯波动率变动（X轴）V.S.量化基金表现（Y轴）

资料来源：

Wind，北京欧立信咨询中心

前文提到量化基金相对于基准基金的超额收益主要来源于风格收益，亏损主要来源于选股收益。

假设基金仓位保持一个月不变，可以根据仓位预估量化基金的超额收益，我们发现量化基金相对于基准基金的超额收益与提纯后的市场波动率变动有很强的负相关性，即市场波动率上升，会使得量化基金的选股收益更倾向于跑输基准基金的选股收益，从而导致量化基金更倾向于跑输基准基金。

这与我们的直觉“波动率越高，量化基金表现越好”相矛盾，其原因可能是其他主动型基金的选股能力强于量化基金，波动率上升，其他主动型基金的选股优势更明显，因此量化基金相对表现更差；而波动率下降，相对于基准基金，量化基金选股层面的亏损会相对较小，因此波动率下降，对量化基金更加有利。

图表25：

纯波动率变动（X轴）V.S.量化基金选股超额表现（Y轴）

资料来源：

Wind，北京欧立信咨询中心

四、量化基金今年为何熄火

2017年以来，市场风格突变，过去顺风顺水的小市值策略风光不再，大市值的蓝筹与白马一骑绝尘，而昔日的小市值成长明星则一蹶不振。

量化基金今年为何熄火？

方正金工对量化基金的表现做了归因分析。

沪深300、上证50属于大市值指数，而中证500与创业板是中小市值指数，我们主要分析了量化基金相对于沪深300与中证500指数，跑赢的收益来源与跑输的收益来源。

首先，分析量化基金最主要的超额收益来源：

风格收益。

2016年12月31日，量化基金相对于沪深300指数与中证500指数的因子暴露如图表27所示。

可以发现相对于沪深300指数，量化基金在规模因子上有极大的负向暴露，同时其市值水平略低于中证500指数。

图表26：

量化基金的因子暴露（2016.12.31）

资料来源：

Wind，北京欧立信咨询中心

如果量化基金保持当前风格至2017年6月30日，各个因子所贡献的超额收益如图表27所示，可以看出市值因子导致了量化基金跑输沪深300指数近12%！

第二名的非线性规模（中市值）因子也仅仅导致了量化基金跑输沪深300指数3.19%。

整体而言，量化基金在风格上跑输沪深300指数16.2%，跑赢中证500指数1.55%。

而从实际净值数据来看，2017年上半年量化基金跑输沪深300全收益指数15.2%，跑输中证500全收益指数1.68%，即风格收益几乎可以解释所有量化基金在2017年上半年跑输沪深300指数的原因，而众多风格中，规模因子又可以解释其中的绝大部分的亏损。

图表27：

量化基金预估的因子超额收益（2016.12.31-2017.6.30

资料来源：

Wind，北京欧立信咨询中心

总而言之，量化基金在2017年上半年表现欠佳的主要原因为A股大小盘风格突变，小市值风格不再像前几年一样贡献正向的alpha，反而贡献了巨量的负向风险。

图表28：

2013年以来规模因子的表现

资料来源：

Wind，北京欧立信咨询中心

五、量化基金前景展望

前文我们总结了量化基金表现的影响因素，发现2017年以来量化基金表现欠佳的原因为市场风格突变，原本能为量化基金贡献超额收益的小市值因子成为了其亏损的主要来源，那么量化基金是否就此走下神坛呢？

方正金工从风格和选股两个角度对量化基金的前景进行展望：

（1）风格择时；

（2）新Alpha因子。

1、风格择时

从国外经验来看，小市值、动量等因子都具有周期现象，市场的风格轮动会导致某些因子失效，因此风格择时十分关键。

简单来说，风格择时就是通过一系列指标，判断当前应当配置什么样风格的股票。

例如，目前是配置大市值股票还是小市值股票？

是配置价值型股票还是成长型股票？

针对这些问题，方正金工提出了风格择时策略框架。

下面我们通过案例进行分析，探讨波动率因子在不同市场涨跌状态下的表现差异。

首先，构造市场强弱指标。

通常，20日均线被认为是个股短期走强或走弱的分水岭，因此，我们以超过20日均价的股票数量占比作为市场强弱指标St。

图表29展示了2006年以来市场强弱指标的变动特征。

图表29：

2006年以来市场强弱指标的变动特征

资料来源：

Wind，北京欧立信咨询中心

接下来，讨论市场强弱对波动率因子收益的影响。

从市场强弱指标St与纯净的波动率因子下一期收益率的散点图可以看出，两者具有显著的负相关性，两者的秩相关系数高达-36.3%，Pearson相关系数高达-34.1%。

图表30：

市场强弱指标（X轴）V.S.波动率因子表现（Y轴）

资料来源：

Wind，北京欧立信咨询中心

因此，当市场处于上涨状态时，增加波动率因子负向暴露更有利，即配置低波动率股票更加有利；当市场处于下跌状态时，增加波动率因子正向暴露更有利，即配置高波动率股票更加有利

2、新Alpha因子

除了主动预测未来的风格倾向外，引入新的Alpha因子也可以为量化基金创造收益。

在剔除行业与风格因子的影响后，若一个因子仍然能够贡献稳定的超额收益，那么这类因子可以被称为Alpha因子。

方正金工在新Alpha因子方面成果颇丰，从高频数据的视角，先后开发出了聪明钱因子（参见2016.7.8《跟踪聪明钱：

从分钟行情数据到选股因子》）与APM因子（参见2016.10.15《凤鸣朝阳：

股价日内模式中蕴藏的选股因子》）。

下表给出了聪明钱因子、APM因子与其他11个因子的相关性。

正如表格所示，方正金工的两个特色因子与传统的风格因子相关性都很低。

表格2：

聪明钱因子、APM因子与其他11个因子的相关性

资料来源：

Wind，北京欧立信咨询中心

事实上，这两个因子在剔除风格与行业影响后，仍能贡献稳定的超额收益，图表31和图表32展示了这两个因子在剔除风格与行业影响后的多空对冲曲线。

图表31：

：

纯净的聪明钱因子的多空对冲曲线

资料来源：

Wind，北京欧立信咨询中心

图表32：

纯净的APM因子的多空对冲曲线

资料来源：

Wind，北京欧立信咨询中心

从样本外跟踪来看，剔除风格与行业影响后的纯净的聪明钱因子和纯净的APM因子仍然保持稳定的收益，其中APM因子表现尤为亮眼，在报告发表后，样本外多空对冲收益的信息比率依然高达3.65，显示出其拥有极强的创造稳定Alpha收益的能力。

以上两个方向也是我们今后在多因子选股上的研究重点，敬请期待方正金工后续研究成果。

第二节公募基金纵览

近年来，我国公募基金业蓬勃发展，基金种类日益丰富，产品数量和规模都呈现持续上升的势头。

公募基金数量由2013年的1193只，到目前已经突破4000只，总规模由2013年1月份2.8万亿元，到目前已经突破10万亿元。

根据基金业协会披露，截至2017年6月30日，国内公募基金数量共计4419只，基金净值共计10.07万亿元。

相比较于2017年5月31日，基金数量增加95只，基金净值增加4531亿元。

图表33：

公募基金数量和规模趋势

资料来源：

Wind，北京欧立信咨询中心

截至2017年6月30日，股票型基金、混合型基金、货币型基金、债券型基金和QDII型基金的基金规模分别为7287亿元、20053亿元、51057亿元、14210亿元和954亿元。

图表34：

最新不同类型基金规模占比

资料来源：

Wind，北京欧立信咨询中心

在2017-5-31—2017-6-30期间内，股票型基金、混合型基金、货币型基金、债券型基金和QDII型基金净值分别增长307.9亿元、增长1553.9亿元、增长2718.8亿元、下降86.7亿元、下降109.9亿元。

图表35：

公募基金规模变动

资料来源：

Wind，北京欧立信咨询中心

第三节私募基金纵览

近年来，我国私募基金业蓬勃发展，基金种类日益丰富，产品数量和规模都呈现持续上升的势头。

私募基金数量由2015年一月份的8846只，到目前已经突破50000只，备案登记的实缴规模由2015年1月份的2.11万亿元，到目前已经突破9万亿元。

私募基金按照投资类型可以分为：

私募证券投资基金、私募股权创业投资基金和其他投资基金。

根据基金业协会披露，截至2017年6月30日，国内私募基金数量共计56576只，基金实缴规模共计9.46万亿元。

相比较于2017年5月31日，私募基金数量增加2035只，基金实缴规模增加2364亿元。

图表36：

私募基金数量和规模趋势

资料来源：

基金业协会，北京欧立信咨询中心

截至2017年6月30日，私募证券投资基金、私募股权创业投资基金和其他投资基金的基金数量分别为28559只、23473只和4544只；私募证券投资基金、私募股权创业投资基金和其他投资基金的基金实缴规模分别为22758亿元、58310亿元和13485亿元。

图表37：