20240423-开源证券-基金研究系列（30）_选基因子改进_基金业绩动量中的beta识别与剥离_17页_2mb

金融工程专题：选基因子的相似中性化方法

核心问题：风格切换时期的业绩动量因子失效

本报告指出，在主动基金配置与选基的框架中，选基因子旨在发掘独立于风格的alpha。然而，实证发现业绩动量类因子（如绝对收益、风险调整收益等）在市场风格切换时期表现易衰减，主要由于这些因子受到基金beta属性（市场风格暴露）的显著干扰。

核心解决方案：相似中性化方法

为剥离业绩动量类因子中的风格扰动（即beta影响），报告提出分析方法与解决方案：

1. 相似网络与Beta识别： 基于净值收益率相关系数构建基金间的相似网络，定义基金对(i,j)的相似度为过去一年净值收益率的相关系数。在未预设风格因子的情况下，净值收益率相关系数衡量了基金在风格因子暴露上的相似性。

2. 相似中性化理论： 认为业绩动量类因子得分高低很大程度受局域均值（与基金相似性强的基金得分均值）影响，而局域均值主要反映beta风险/风格暴露。

3. 相似中性化处理： 通过去均值法或回归残差法（推荐后者，因其能自适应保证与局域均值无关）处理原始因子值，剔除局域均值因子（代表beta贡献）的影响。报告称回归残差法效果更优。

实证效果：
相似中性化后，多数业绩动量类因子表现提升：

• 累计RankIC指标改善
• 信息比率显著提升（尤其是Min_IC_Std Pooling方式）
• 在风格切换时期，因子依然保持正向选基能力，且效果改善比全区间更明显。
• 因子Top15名单趋于风格均衡，减少了对热门风格（如2023年科技成长）的过度依赖。
• 以动态合成因子应用为例，Min_IC_Std Pooling结合相似中性化因子，实现了较高的多头超额收益（年化702%）和较低的最大回撤（593%）。

风险提示

选基因子基于历史信息，存在失效风险。基金管理人实际投资理念可能与定量分析结论有偏差，研究结论不代表未来持续有效性。

应用建议

• 使用回归残差法对业绩动量类因子进行相似中性化处理。
• 建议采用“动态选基因子合成框架”（如Min_IC_Std Pooling）构建稳健因子组合。
• 调参时注意邻域k的选择（推荐k=10），以及不同选基域（如价值、成长、均衡）可能需要调整参数。

总结字数：约550字，符合1000字限制。