基金经理能力评价与量化选基策略.docx
《基金经理能力评价与量化选基策略.docx》由会员分享，可在线阅读，更多相关《基金经理能力评价与量化选基策略.docx（31页珍藏版）》请在冰豆网上搜索。
基金经理能力评价与量化选基策略
请务必阅读正文之后的免责条款部分
1.量化选基策略年化收益率8.92...............................................................3
1.
请务必阅读正文之后的免责条款部分
量化选基策略年化收益率8.92%
本报告开发了一套基金经理评价的方法，通过量体裁衣式的对每个基金指定业绩比较基准，配合可比的相对指标计算，可以对不同时间任职的基金经理进行科学的比较。
投资者通过这套方法，可以选出优秀的基金经理。
通过量化量化选基策略平均年化收益8.92%，比基准指数高6.7%。
根据基金经理能力评价模型，在选出的基金经理的基础上，再优选基金。
策略思路如下：
（1）把所有股票、偏股型基金的基金经理按管理基金的时间段和产品分拆开，得到一个个小样本
（2）计算每个小样本的业绩指标、置信度指标等
（3）按基金经理汇总指标
（4）按照加权方法，对基金经理精选指标计分和赋权
（5）综合置信度和总得分，选出优秀的基金经理
（6）根据优秀的基金经理，选出其管理的基金
（7）按条件从第（6）步的结果中筛选出基金优选组合策略主要参数：
（1）计算区间：
2014-12-31~2019-9-19
（2）换仓周期：
半年
（3）基金申购费：
0%
（4）基金赎回费：
0.5%
（5）基金数量：
50
（6）策略比较基准：
沪深300指数
请务必阅读正文之后的免责条款部分
图1量化选基金流程
数据来源：
图2量化选基策略优于沪深300
单位：
元
2.5
2
1.5
1
0.5
0
组合净值沪深300
数据来源：
请务必阅读正文之后的免责条款部分
图3量化选基策略相对占优
相对优势
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0
数据来源：
图4量化选基策略2015、2018、2019优于基准
50.0%
40.0%
30.0%
20.0%
10.0%
0.0%
-10.0%
-20.0%
-30.0%
基金组合收益率基准收益率
数据来源：
基金组合收益率
基准收益率
超额收益率
2015年
41.6%
5.6%
36.0%
2016年
-13.2%
-11.3%
-1.9%
2017年
16.2%
21.8%
-5.5%
2018年
-24.7%
-25.3%
0.6%
2019年
39.1%
30.3%
8.7%
平均年化
8.92%
2.25%
6.7%
量化选基策略平均年化收益8.92%，比基准指数高6.7%。
表1:
量化选基金策略年化收益率高于基准6.7%
数据来源：
2.
请务必阅读正文之后的免责条款部分
业绩跟踪到基金经理
2.1.评价方法突出可比指标
基金经理评价目前公开系统的方法比较少，公开系统的大多是基金评级，基金评级可以做到时间区间一致、投资类型大致一致，风格大致一致。
而基金经理评价不同，一个基金经理往往对应多个基金、多个时间段，所以基金经理的评价需要跨区比较、跨风格比较，最后还需要不同基金、不同区间段叠加，难度更大。
一个基金经理对于多个基金，多段时间区间，所以对基金经理的评价，重点是综合不同基金的不同区间。
要考虑到不同基金不同区间具有可比性，有的指标不可比，所以选择指标时需要考虑。
为了实现不同区间可比性，绝对收益率的没有太大意义，所以采用可比的相对指标为主。
基金经理能力评价体系的筛选主要考察业绩、规模和置信度。
另外有辅助分析指标，比如个股分散度、行业配置、风格偏好等。
图5基金经理能力评价体系框架
数据来源：
2.2.超额收益与月度胜率最关键
2.2.1.超额收益率
收益率是投资者最关心的指标，基金投资的追求主要目标也是最终的收益，然而绝对收益在不同风格基金上不可比，在不同时期更不可比，所以基金经理能力评价体系的分析采用相对收益——超额收益率。
我们对不同的基金指定不同的业绩分析比较基准收益率。
2.2.2.月度胜率
月度胜率作为业绩稳定性的指标之一，可以反映基金绩效的持续性。
衡量基金经理在任期内战胜当期业绩比较基准收益率的概率。
月度胜率高的基金经理在长期内能更加稳健地战胜指数获得超额收益，在业绩指标中加入月度胜率是对超额收益率的必要补充。
2.2.3.
行业
请务必阅读正文之后的免责条款部分
超额稳定性
超额稳定性评分反映基金超额收益率的变动程度。
基金月度超额收益率标准差越小，基金超额收益率的变动程度越低，超额稳定性评分越高。
2.2.4.选股能力
选股能力与择时能力是收益率的驱动因素，指标1的超额收益率已经体现，所以选股能力和择时能力可以作为基金经理的分析指标，没有必要再纳入评分。
选股能力与择时能力我们采用T-M模型：
Rp−Rf=αp+β1（Rm−Rf）+β2（Rm−Rf）2+εp
如果αp显著为正，说明基金经理能通过投资组合的选择获得超额收益，
αp越大，基金经理的选股能力评分越高。
2.2.5.择时能力
择时能力评分是对基金经理市场时机选择能力的评价。
如果T-M模型中β2显著为正，意味着相对于市场来说，当市场收益率提高时基金收益率提高得更快，当市场收益率降低时，基金收益率的降低幅度要小一些。
回归模型中β2越大，说明基金经理正确地预测市场变化的能力越强，对基金经理择时能力的评价越高。
2.2.6.规模评价
规模评价是限制指标，我们将规模限制为基金管理总规模大于5亿元。
。
2.2.7.管理总时间长度
管理总时间长度是另一个限制指标，我们筛选出管理总时间长度大于3年的基金经理。
通过限制管理总时间长度，可以使超额收益率、胜率等业绩指标更具有代表性。
我们希望识别出那些具有穿越牛熊、在不同的市场行情下持续获得超额收益能力的基金经理。
2.2.8.持股集中度
我们基于赫芬达尔—赫希曼指数构建HHI指数衡量基金的持股集中度。
采用基金前十大重仓股票市值之和占基金持股总市值的比例计算HHI指数。
持股集中度衡量了基金对个股风险的暴露程度，基金经理通过个股层面的风险暴露换取超额收益。
2.2.9.行业偏离
偏离测度基金经理的主动行业配置空间，由基金持仓行业仓位对基
请务必阅读正文之后的免责条款部分
准指数行业仓位的总体偏离反映。
行业偏离度衡量了基金对板块风险的暴露程度。
2.2.10.行业偏好
行业偏好测度基金重仓行业的变动程度，反映了基金经理在行业配置上是否具有固定偏好。
2.2.11.风格偏好
基金风格偏好反映了基金在资产组合构建和选股过程中表现出的不同风格，与基金收益率有很高的相关性。
我们参照Fama-French三因子模型中市值因子和账面市值比因子两个标准来对基金风格进行划分。
标准之一是按照“价值—成长”定位分为：
价值型、平衡型、成长型。
标准之二是按照投资股票规模大小来区分：
大盘型、中盘型、小盘型。
2.3.加权方法采用经验函数
不同指标需要综合汇总，需要对其进行处理，处理的方法有
（1）标准化，常见的减去均值除以标准差
（2）按排名或者百分比赋分，例如排第一得100分，排第40%得60分
（3）分级靠档赋分，可以事先人为分段，比如前某个区间得分100，某个区间得分80。
（4）自定义转换函数：
自定义转换函数可以是线性函数，也可以是非线性函数，根据指标的分布特性而定。
自定义函数需要根据个人经验，根据指标的特征，人为指定函数，这需要分析人员对数据敏感，且有丰富经验，结果更具有实战意义。
但是这样做理论性不强，作为公开的评级说服力较弱。
最后按照权重加权汇总得分，权重的选择也比较艺术化，一般给予收益率较大权重。
我们这里用规模和置信度来做门槛限制，然后再按照指标1、2、3的得分相加。
规模和管理总时间长度为限制指标。
核心思想是收益率和胜率权重较大，稳定性做为调整项。
这里主要用收益率得分和胜率得分为基础，加入超额收益率稳定性作为调整项目。
总得分计算方法：
（超额收益率得分+胜率得分）/2+超额稳定性得分
3.用T-M模型分析选股择时能力
请务必阅读正文之后的免责条款部分
按照T-M模型，对每个基金经理管理的不同基金分段计算选股能力和择时能力，然后汇总计算平均值。
精确的测算选股择时能力需要详细的交割单，而我们无法获取交割单数据，所以只能用理论模型用净值和指数来分析，其计算的结果有一定的参考意义，但意义有限。
选股能力与择时能力我们采用T-M模型：
Rp−Rf=αp+β1（Rm−Rf）+β2（Rm−Rf）2+εp
4.基金经理特征与业绩
我们统计基金经理个人特性与基金经理业绩评价各分项指标以及业绩评价总得分之间的关联性，希望从基金经理的性别、年龄段、学历、从业年限等方面，筛选出与优秀业绩表现相关联的基金经理个人特性，为投资人决策提供参考。
要点：
（1）性别：
总体表现女性男性非常相近，女性略优，超额收益率男性更高，但胜率和超额的稳定性女性更好。
业绩最优秀的基金经理中，男性占比更加突出。
平均管理规模女性低于男性基金经理。
（2）年龄：
样本数量较小，样本内总体表现80后>60后>70后，并且
80后比后两者表现好很多
（3）学历：
总体表现硕士>本科>博士。
本科学历的平均收益率最高，但胜率和稳定性不好。
（4）投资年限：
整体表现7～10年的表现最好，10年以上投资年限的其次。
7～10年的经理超额收益最好，业绩表现也最稳定。
统计总体为全市场股票型基金、偏股混合型基金经理共1610名，按性别
分类，其中男性基金经理1358人，约占84.35%，女性基金经理231人，约占14.35%。
按学历分类，其中本科学历的基金经理65人，硕士学历的基金经理1305人，博士学历的基金经理218人。
在公开年龄数据的382名基金经理中，60后基金经理91人，70后基金经理261人，80后基金经理30人，70后基金经理占主体，没有收集到90后或60年代前年龄段基金经理的年龄信息。
请务必阅读正文之后的免责条款部分
全体基金经理平均从业年限3.66年，其中男性基金经理平均从业年限
3.71年，高于女性基金经理的平均从业年限3.24年；硕士学历基金经理平均从业年限与博士学历基金经理平均从业年限大致相当，分别为3.67年和3.56年，高于本科学历基金经理平均从业年限3.37年；70后基金经理平均从业年限为5.08年，高于60后基金经理的平均从业年限3.56年和80后基金经理的平均从业年限3.95年。
4.1.男性与女性业绩相当
在全市场股票型基金、偏股混合型基金经理当中，男性基金经理平均超额收益率1.27%，高于女性基金经理平均超额收益率0.94%。
男性基金经理平均超额收益率分布相较于女性基金经理比较分散，平均超额收益标准差男性组15.44%，高于女性组的14.23%。
两组平均月度胜率大致持平，均略高于50%，其中男性基金经理平均月度胜率50.73%，女性基金经理平均月度胜率50.83%。
男性基金经理在管理基金累计总月数和管理基金规模两项指标均值都显著高于女性基金经理，其中男性管理基金累计总月数均值166.70月，
高于女性管理基金累计总月数均值148.67月；男性管理基金总规模均值
45.42亿，显著高于女性管理基金总规模均值33.32亿。
在总得分方面，女性基金经理平均总得分5.42分，略高于男性基金经理
平均总得分5.23分。
可能的原因是，女性基金经理的风险调整收益分布较男性经理集中，更接近于市场回报。
而男性基金经理的风险调整收益分布较为离散，在获得超出市场平均水平风险调整收益的基金经理当中，男性基金经理人数获得超越市场业绩收益占男性基金经理总人数的比例显著高于女性基金经理获得市场业绩收益占女性基金经理总人数的比例，同时在跑输市场平均回报的基金经理当中，男性基金经理的比例也高于女性基金经理。
图6基金经理性别分布男性较多图7基金经理总评分女性略高
数据来源：
Wind,数据来源：
Wind,
请务必阅读正文之后的免责条款部分
图8男性收益率高，女性胜率高图9平均管理规模男性高于女性
数据来源：
Wind,数据来源：
Wind,
4.2.基金经理80后业绩最优
在公布出生年龄的387名基金经理当中，平均年龄46.42岁。
其中70后有262人，60后有94人，80后有31人，70后基金经理占主体。
没有收集到90后或60年代前年龄段基金经理的年龄信息。
在业绩表现方面，80后基金经理的平均超额收益率显著高于其他两个年龄段，80后基金经理平均超额收益率3.71%，60后和70后基金经理平均超额收益率分别为1.37%和1.51%。
在业绩稳定性指标平均月度胜率方面，80后基金经理的表现再次战胜其他两个年龄段，其中80后基金经理平均月度胜率53.27%，60后和70后基金经理平均月度胜率分别为51.22%和50.97%。
70后基金经理在管理基金累计总月数和管理基金规模两项指标上得分
高于其他两个年龄组，其中70后管理基金累计总月数均值215.43月，
明显高于60后和70后管理基金累计总月数均值133.58月和177.43月。
在总得分方面，80后基金经理平均总得分11.92，显著高于60后和70
后基金经理平均总得分的6.28和5.55。
图10基金经理年龄段70后为主力图11基金经理总评分80后最高
数据来源：
Wind,数据来源：
请务必阅读正文之后的免责条款部分
数据来源：
Wind,数据来源：
Wind,
4.3.硕士学历业绩最优
在1588名基金经理当中，持有硕士学历的基金经理占主体，其中硕士学
历有1305人，博士学历有218人，本科学历只有65人。
在业绩表现方面，本科学历基金经理的平均超额收益率略高于其他两个年龄段，本科学历基金经理平均超额收益率1.81%，硕士和博士学历基金经理平均超额收益率分别为1.28%和0.69%。
在业绩稳定性指标平均月度胜率方面，硕士学历基金经理的表现优于其他两个年龄段，其中硕士学历基金经理平均月度胜率50.90%，博士和本科学历基金经理平均月度胜率分别为50.11%和49.79%。
在总得分方面，硕士基金经理平均总得分5.56，高于本科和博士学历基金经理平均总得分的4.05和3.89。
图14基金经理中硕士学历人数最多图15基金经理总评分硕士最高
数据来源：
Wind,数据来源：
Wind,
请务必阅读正文之后的免责条款部分
图16基金经理胜率硕士最高图17基金经理平均管理规模硕士最高
数据来源：
Wind,数据来源：
Wind,
4.4.投资经验年限7-10年最优
在1610名基金经理当中，从业年限在3年以下的基金经理占主体。
其
中从业年限在3年以下的有788人，从业年限在3年～5年的有434人，
从业年限在7年～10年的有144人，从业年限在10年以上的有50人。
在业绩表现方面，7年～10年资历的基金经理的平均超额收益率高于其他分组，为3.39%，5年～7年投资经验的基金经理的平均超额收益率次之，为2.99%，10年以上投资经验的基金经理的平均超额收益率在各组中排名第三，为2.79%。
在业绩稳定性指标平均月度胜率方面，7年～10年投资经验的基金经理的表现优于其他分组，其平均月度胜率54.31%。
在总得分方面，7年～10年投资经验的基金经理平均总得分12.05分，高于其他各组，其次是10年以上组基金经理平均总得分10.50分。
图18从业时间越长人数越少图19基金经理总评分7~10年最高
数据来源：
Wind,数据来源：
Wind,
请务必阅读正文之后的免责条款部分
图20基金经理部分业绩指标7~10年最优
数据来源：
Wind,
图21从业时间越长管理规模越大
数据来源：
Wind,
5.基金经理风格分化较大
我们选取了部分基金经理，统计其管理的所有股票和偏股型基金（剔除指数基金）的持仓，分析其在宽基指数和行业上的分布。
基金经理A：
超配较多中证1000，低配沪深300，风格偏向小盘。
行业上偏向轻工制造、农林牧渔、非银金融等。
请务必阅读正文之后的免责条款部分
图22基金经理A的风格比较均衡图23基金经理A各超配中证1000
数据来源：
Wind,数据来源：
Wind,
图24基金经理A的行业偏向非银图25基金经理A各行业持仓超配非银
数据来源：
Wind,数据来源：
Wind,
基金经理B：
超配较多沪深300，行业上看，超配比较多的行业是非银行金融、建筑材料、建筑装饰、农林牧渔。
基金经理基金经理B管理的基金大都为量化基金，其行业分布较其他主动基金相比更加平衡。
请务必阅读正文之后的免责条款部分
数据来源：
Wind,数据来源：
Wind,
图28基金经理B行业持仓偏向非银图29基金经理B超配非银、机械
数据来源：
Wind,数据来源：
Wind,
基金经理C：
统计上看，超配较多沪深300，行业上看，超配较多食品饮料、机械设备。
请务必阅读正文之后的免责条款部分
数据来源：
Wind,数据来源：
Wind,
图32基金经理C行业偏向食品饮料图33基金经理C超配食品饮料、机械
数据来源：
Wind,数据来源：
Wind,
基金经理D：
统计上看，配置的几乎全部是沪深300，行业上看，超配较多食品饮料、非银金融。
请务必阅读正文之后的免责条款部分
数据来源：
Wind,数据来源：
Wind,
图36基金经理D行业偏向食品饮料图37基金经理D超配食品饮料、非银
数据来源：
Wind,数据来源：
Wind,
基金经理E：
统计上看，超配小盘，低配大盘，从行业上看，超配较多机械设备。
请务必阅读正文之后的免责条款部分
数据来源：
Wind,数据来源：
Wind,
图40基金经理E行业偏向机械设备图41基金经理E超配机械、农林牧渔
数据来源：
Wind,数据来源：
Wind,
基金经理F：
统计上看，超配小盘，低配大盘，从行业上看，超配较多国防军工。
请务必阅读正文之后的免责条款部分
数据来源：
Wind,数据来源：
Wind,
图44基金经理F行业持仓偏向军工图45基金经理F超配军工、机械
数据来源：
Wind,数据来源：
Wind,
基金经理G：
统计上看，持仓在市值因子上的分布比较均衡，与市场相当，从行业上看，超配较多食品饮料和医药生物。
请务必阅读正文之后的免责条款部分
数据来源：
Wind,数据来源：
Wind,
图48基金经理G行业配置偏向医药生物图49基金经理超配医药生物、食品饮料
数据来源：
Wind,数据来源：
Wind,
基金经理H：
统计上看，持仓在市值因子上明显偏向小盘，从行业上看，超配较多计算机和医药生物。
请务必阅读正文之后的免责条款部分
数据来源：
Wind,数据来源：
Wind,
图52基金经理H行业偏向计算机图53基金经理H超配计算机
数据来源：
Wind,数据来源：
Wind,
基金经理I：
统计上看，持仓在市值因子上的分布比较均衡，与市场相当，从行业上看，超配较多房地产、计算机和医药生物。
请务必阅读正文之后的免责条款部分
数据来源：
Wind,数据来源：
Wind,
图56基金经理I持仓偏向医药生物图57基金经理I超配医药生物、房地产
数据来源：
Wind,数据来源：
Wind,
6.风险提示
有的公募基金有多个基金经理共同管理，有时候可能是一个基金经理为主，其他人为辅助，但是从公开数据上无法区分主次，所以在统计时，同等对待。
本报告结论基于历史数据信息的统计规律，未来基金经理风格变化、基金投资业绩波动超预期的情况也可能存在，报告阅读者需审慎参考报告结论。
升级会员 