养老FOF&稳健目标FOF                               基金经理胡颖臻

FOF基金如何构建一个基金经理标签库

近年来主动权益基金的数量和规模迎来了快速增长。截至2022年6月30日主动权益基金的数量超过3300只，主动权益基金的规模为5.06万亿。公募基金行业的快速发展，主动权益基金的数量快速扩张，无疑给挑选优秀的权益基金带来较高的难度。

FOF基金作为基金中的基金，其投资研究的重中之中是大类资产配置和子基金的遴选和投资，其中纯债类子基金主要提供安全垫，含权类子基金主要提供组合的进攻性，两者合力最终决定组合收益。FOF基金的基金遴选主要是通过定性方法、定量方法，或者定性+定量的方法相结合，对基金经理进行分析和横向比较，打上复合标签，再结合对市场环境的大势和风格研判，选择合适的基金经理及其合适的产品进行投资和跟踪。由于不同的基金经理在风格偏好、投资方法、获取收益的渠道等多方面存在较大差异，对基金经理的刻画变得“千人千面”，所以FOF基金在遴选基金经理和打标签时，标签不仅需要丰富和复合，还需要随着市场的进化持续迭代。建立好标签后，对其横向比较或更需要侧重于该标签的数值（如有）在全市场基金经理中所处在的百分位水平，这样可以有效避免时间序列上系统性行情与市场结构变化带来的影响，也更符合FOF选基时优中选优的初衷。

本文主要是笔者针对主动权益基金（不含固收+基金）的遴选中，如何构建一个丰富、可迭代的基金经理标签库进行理论探讨，也希望为同事们在日常工作中涉及到相关基金运作管理、销售宣发时提供一个综合客观的视角。

基金经理标签库的全貌如下：

图1：基金经理遴选框架和标签库

一、基础档案

基金经理的学历、投资年限、跳槽次数、管理数目、管理规模、管理规模增速，产品持有人结构、公司自购信心、基金费率、基金公司投研能力等。

二、风格标签

对基金经理进行分类并建立风格类标签是整个基金筛选中最为关键的一环，笔者主要列举如下指标和方法：

1.权益仓位标签：权益仓位高低，权益仓位的波动率

2.行业标签：基金在行业的市值暴露（市值比例）和行业主动配置比例（基金相对于全体权益基金的行业配置偏离）

其中active_weight指基金相对于基准（全体权益基金）而言，是否维持了行业中性，该数值越高，代表基金的行业配置比例偏离基准越大。

3.板块标签：基金在板块上的市值比例（周期、制造、消费、科技、金融）

4.主题标签：基金在特色主题概念上的市值比例

5.风格标签：

风格包含绝对风格，相对风格和长期风格。风格识别方法可划分为基于收益的风格识别方法（RBSA，Return Based Style Analysis）和基于持仓的风格识别方法（PBSA，Portfolio Based Style Analysis）。PBSA主要刻画基金持仓穿透后的风格，由于持仓数据存在时间滞后性，同时基金在期间可能存在调仓行为， PBSA无法及时和准确的识别这些。RBSA可依据基金每日净值测算基金风格，虽然时效性很强，但该结果准确性不足，测算结果高度依赖于计算区间及模型参数，可作为基金日常风格跟踪的指标，应用于跟踪基金池调仓行为及异常交易行为。

RBSA的经典模型是Sharpe (1992) 提出的资产类别因子模型(Asset Class Factor Model)模型，其本质是根据投资组合收益与风格资产收益之间的相关性来计算基金风格暴露度：

PBSA中比较有代表性的有晨星投资风格箱方法和MSCI Barra风格因子模型。今年晨星推出了新的晨星投资风格箱（New Morningstar Style Box），它对基金的市值和投资风格分类，主要采用以下方法：

（1）按照股票的规模，采用累计总市值百分比,划分大盘股、中盘股和小盘股；

（2）在规模分类的基础上，用“10因子分析”来识别价值-成长风格，其中5个因子构成价值得分，5个因子构成成长得分。将每只个股成长得分减去价值得分，得到价值-混合-成长得分，以此界定股票风格；

（3）根据基金持仓个股的市值规模和价值-成长定位，界定基金风格。如图所示：

表1：10因子分析：价值-成长因子和权重

  资料来源：Morningstar

市场使用较多的MSCI Barra官方CNE5的因子模型，则可以根据每期基金持仓，从股票风格映射到具体基金风格:

其中，Barra风格因子（CNE5）定义如下：

表2：Barra风格因子定义

三、收益风险标签

传统的收益风险刻画包含绝对收益、相对收益、年化波动和风险调整后的收益。其中市场一般会给予风险调整后的指标较高的权重，如Jensen比率、Alpha、夏普比率、信息比率、卡玛比率、、特雷诺比率、索提诺比率等。指标考察区间，一般是三年、五年甚至十年。

四、持有体验标签

在基金投资中，往往出现“基金赚钱，用户不赚钱”的现象，根源主要是相当多用户会在市场和基金演绎到一定高位时进行投资。稳健型FOF基金出于提升持有人体验的角度，有些机构也会对子基金的持有人体验进行分析。比如基金周度/月度/季度胜率、基金周度/月度的超额胜率、持有期平均收益，年化创新高天数，回撤修复能力等。

五、投资行为标签

对基金经理的投资行为上的标签列举如下：

表3：投资行为类标签和计算方法

六、业绩归因标签

公募基金的主要投资收益，包括大类资产配置（择时）、行业配置和个股选择。2021年以来，市场研究机构也增加了对基金经理的交易能力的衡量。关于上述收益来源的学界和业界探讨都比较多，但限于篇幅原因，本文主要列举一些简单、方便实际操作的方法和指标。

1.行业风格配置能力和能力圈

衡量行业风格配置能力的方法较多，其中较为简单的方法是行业配置胜率。以所有权益类基金作为研究对象，计算其各期各行业的仓位占比变动，并将T期相对T-1期的行业仓位变动与T+1期的一级行业指数收益率相乘，得到各行业配置比例变动为基金带来的收益贡献，求和得到该基金T期的行业配置总收益率。对基金经理在管理期限的每个横截面都进行上述操作，并计算行业配置总收益为正的截面数量占比，即可得到行业配置胜率。

更为定性和直观的方法如下图，可以将T期的各行业仓位变动（蓝色柱状图）和T+1期的各行业收益率（红色折线）一同展示。可以发现T期（2020H2）基金经理对电新、有色、电子等T+1期（2021年H1）收益率较高的行业有较大幅度的加仓，而对家电、房地产、农林牧渔、通信、消费者服务等下跌的行业有较大幅度的减仓。可见该基金经理在2020年底通过对行业收益的正确预判，积极调整行业仓位，规避部分下跌行业的同时捕捉到了强势行业，通过行业配置获得了较高的收益。

图2：某基金的行业仓位变动和收益率

 数据来源：wind

更进一步，可对基金经理能力圈进行如下定义：若基金经理长期重仓于某个行业，且基金经理在行业内部能够稳定获得超额收益，则认为基金经理的能力圈覆盖了该行业。该指标可通过基金经理在重仓行业的选股超额和胜率来衡量。

2.择时能力、个股选择能力

一般可以基于T-M模型滚动计算基金一年的择时能力和选股能力。其含义是认为具备时机选择能力的基金经理应能预测市场走势，在多头时，通过提高投资组合的风险水平以获得较高的收益，在空头时降低投资组合的风险。从而CAPM特征线不再是固定斜率的直线，而是一条斜率会随市场状况变动的曲线。

3.交易能力：

下面给出一个粗略估算基金经理配置和交易能力的方法。下图红色曲线是基金经理的真实净值曲线，橙色的曲线是假设基金经理若维持2020Q2的全部持仓不变至2020Q4，则应该得到的净值曲线（模拟净值1），灰色的曲线是假设基金经理在2020Q2持仓披露后的第一时间更换为2020Q4的全部持仓，且维持持仓半年，则应该得到净值曲线（模拟净值2）。模拟净值1表示的收益是基金经理2020Q2的配置收益（配置能力），真实收益与配置收益的差我们称之为交易收益（交易能力）。而真实收益与模拟净值2的收益之差称之为持仓粉饰（Window Dressing），即存在部分基金经理在定期披露持仓之前，进行窗口粉饰行为，以较高价格买入盈利股票并卖出亏损股票来调整投资组合，造成披露的持仓都是高盈利股票的假象。

图3：配置能力和交易能力的粗略估算

资料来源：wind

如果为多资产多策略的基金，则还需要涉及到各子资产或策略的业绩归因。

总结来看，本文主要介绍了FOF基金在基金遴选中，可以通过定量分析基金经理的基础档案、风格标签、收益风险标签、持有体验标签、投资行为标签、业绩归因标签等，对海量基金经理的投资框架、偏好和能力圈等进行绝对风格的刻画，再通过标签数值的横向比较综合得出基金经理在全市场中相对风格的定量定性结论。最终为FOF基金实际管理中提供源源不断和特征各异的优质资产。