FOF增强：如何战胜基金指数-20200823-招商证券-23页_1mb

专题报告总结：FOF增强策略与基金指数的超额收益

核心内容概述

本报告探讨了在市场风格频繁切换的背景下，如何构建跟踪全市场主动偏股基金的基金组合，并通过优化基金配置追求持续的超额收益。核心观点包括：

• 市场风格频繁切换，单一风格难以穿越牛熊。
• 偏股基金指数长期跑赢市场，是构建增强组合的基准。
• 通过控制组合的行业Beta暴露度，可以有效控制跟踪误差，同时通过优选基金获取Alpha收益。
• 采用层次聚类修正板块分类，提高组合的行业配置准确性，从而增强收益表现。
• 非等权配置的组合更依赖于Alpha拆分，波动率较大，等权配置则表现更为稳定。
• 季度调仓的等权组合在回测中表现最佳，累计收益达187%，相对偏股基金指数的年度胜率高达80%。

主要观点

1. 市场风格与基金指数表现

• 市场风格切换频繁，公募基金作为市场重要参与者，其长期表现优于市场中部分指数。
• 偏股基金指数在2010年以来表现优于Wind全A，且在多个代表性指数中排名前50%。
• 偏股基金指数自2015年起，累计收益率超过100%，相对沪深300超额收益超80%。

2. 基金指数体系与分类

• 基金指数主要由中证、国证及Wind等机构编制，按基金类型、风格、策略及行业划分。
• Wind编制的基金指数涵盖广泛，如普通股票型、偏股混合型、灵活配置型等。
• 中证与Wind在基金分类上有所不同，中证采用规模加权，Wind采用等权方式。

3. 基金行业配置测算

• 通过仓位测算模型，拆分基金的行业配置，控制Beta暴露度以减少跟踪误差。
• 行业分类采用申万一级行业，合并为周期、中游制造、医药、消费、军工、金融地产、科技和综合八大板块。
• 模型输入变量包括基金净值、行业收益率、时间窗口等，以30天为最佳时间窗口。

4. 基金组合构建与回测

• 目标是构建以基金指数为基准的增强组合，最大化Alpha收益。
• 通过等权配置和非等权配置两种方式优化组合，非等权配置更依赖于基金的Alpha拆分。
• 回测结果显示，季度调仓的等权组合表现最佳，累计收益率达187%，相对偏股基金指数的胜率为80%。
• 组合的收益回撤比表现良好，平均在3.2~3.6之间。

5. 板块分类修正

• 采用层次聚类方法对板块进行修正，以提高行业配置的准确性。
• 消费、科技、医药、金融地产、制造和周期是主要板块，军工和港股作为单独板块处理。
• 修正后的板块分类与实际市场表现更加吻合，提升了组合的长期收益能力。

关键信息

基金指数与市场表现

• 偏股基金指数在2011年至2020年7月30日的收益区间为164%至187%。
• 同期沪深300涨幅为49%，偏股基金指数涨幅为138%。
• 组合均跑赢了偏股基金指数和沪深300。

基金行业配置与Alpha收益

• 基金收益可拆分为市场Beta收益、行业/风格Beta收益和Alpha收益。
• 通过控制行业Beta暴露度，组合能够紧密跟踪基准基金指数的行业配置。
• 优选基金以获取Alpha收益，提高组合的超额表现。

模型优化与回测结果

• 采用Lasso回归改进Sharpe模型，以提高仓位测算的准确性。
• 回测结果显示，季度调仓的等权组合累计收益率最高，且波动率控制较好。
• 非等权组合的业绩依赖于Alpha拆分，波动率较高。

板块分类修正

• 修正后的板块分类与实际市场风格变化更为一致，提高了组合的收益表现。
• 修正后的模型在优选15只基金时表现最佳，累计收益达186.9%。
• 聚类结果与人工划分相似，但需注意模型使用未来信息的局限性。

风险提示

• 模型风险：仓位测算模型和业绩归因模型存在一定的误差和偏差。
• 历史回测不能保证未来收益，策略需持续优化和调整。
• 基金优选层面仅依赖Alpha，未来将结合基金及基金经理的综合评价体系，提高底层基金质量。

未来展望

• 未来将依托基金及基金经理的综合评价体系，构建更优质的基金优选池。
• 在不同行业/板块赛道中挖掘绩优基金经理，提高组合的增强收益。
• 模型将进行持续优化，以适应市场风格变化和提升预测准确性。

附录：关键数据与图表

• 图1至图26展示了不同基金指数的收益表现及组合回测结果。
• 表1至表11提供了各基金指数的收益、波动率、回撤等详细数据。
• 行业分类和板块划分在模型中具有重要作用，影响组合的收益和风险表现。