当前位置:首页 >  股票 >  以及本文研究的主动量化基金,主动量化基金

以及本文研究的主动量化基金,主动量化基金

发布时间:2020-05-23 14:48编辑:小狐阅读: 429次 手机阅读

导读

1、主动量化基金,与指数增强基金相比,没有较为严格的跟踪误差约束;与量化对冲基金相比,主动量化基金通常是 多头策略而非多空策略。因此主动量化基金是一类限制较为宽松的公募基金量化产品,它更能发挥量化投资的特质。

2、主动量化基金经历了2015、2016年的高光表现后,在2017年的市值因子反向、2018年的市场大幅下行中陷入了相对排名的低谷,但“疾风知劲草”经历了市场的起起伏伏、部分alpha因子的式微后,一批优秀的量化人在新的环境下仍然创造了优异的业绩与排名, 一批优质的量化产品在2019年、2020年陆续涌现了出来。

3、主动量化基金有一定的共性,如 仓位较高、换手率高、持仓分散、与其他权益基金相关性不高;同时通过对不同基金的个性化分析,我们也能看出不同主动量化基金在交易行为、持仓偏好、收益等方面具有各自较为鲜明的特征。

4、量化投资具有相对较稳定的超额收益,并因为在方上的差异,与其他主动权益产品往往具有较低的相关性。近年来,一批具有可观稳定超额收益的主动量化基金陆续涌现,主动量化基金将迎来较大的发展空间。

风险提示:本报告模型及结论全部基于对历史数据的分析,当市场环境变化时,存在模型失效风险。

1、主动量化基金简介

主动量化基金,通常是指不进行空头对冲且没有明确跟踪误差要求的主动的量化基金产品。我们可以将所有主动的量化基金产品分为3类,分别是指数增强基金、量化对冲基金、以及本文研究的主动量化基金。主动量化基金,与指数增强基金相比,没有较为严格的跟踪误差约束;与量化对冲基金相比,主动量化基金通常是多头策略而非多空策略。由于指数增强基金有跟踪误差约束,而量化对冲基金也一般要对冲掉市场beta风险来获取alpha收益,因此主动量化是一类限制较为宽松的公募量化基金产品,不同的产品风格、属性可能相差很大,这里我们仅以最为常用的多因子框架为例,说明一类主动量化基金组合的构建流程。

使用多因子框架进行组合构建通常分为两个部分:

第一,收益预测部分。这部分使用到的因子通常称为alpha因子,是指其对于未来股票收益具有显著且稳定预测能力的因子(如果能够对收益能力显著但不稳定的因子如17年后的市值因子进行择时使用,那么该因子也可以作为alpha因子,这部分属于因子择时的范畴)单个alpha因子了全市场股票一个维度的“评分”组合者通常会根据不同alpha因子的收益预测能力,对多个alpha因子进行加权,得到一个最终的合成“评分”以此为基础进行组合构建。

第二,风险控制部分。这部分使用到的因子通常称为风险因子,或者称为风格因子,这类因子的特征是能够对于未来股票的风险有显著且稳定的预测能力。仅仅有了有效的收益预测往往不够,组合者通常还有持仓最大权重、换手率、波动率、相对基准的跟踪误差、最大回撤等诸多限制条件,这就要求在构建最终组合时,要对组合进行风险控制。最简单直观的风险控制手段是行业中性和市值中性,因为行业、市值本质上就是风格因子,股票的收益波动很大程度来自行业端和市值端。当然实际中运用的风险模型可能更为复杂精细,但它们的目的都是使组合运行在产品的约束框架内。

收益预测与风险控制,可以形象的比喻为多因子框架的矛与盾,收益预测部分是锋利的矛,用于甄别股票未来的收益情况;而风险控制部分则是坚实的盾,使得组合在可能发生的各种市场环境下平稳的运行,从而最大程度的发挥出收益预测部分的威力。

2、主动量化基金历史回顾

主动量化基金规模与数量

根据公开资料与我们团队的调研情况,目前共有成立3个月以上的存量主动量化基金190只,2020年一季度总规模463亿元(详细列表见附录1)我们统计了过去5年主动量化基金的总体规模与产品数量情况:

以及本文研究的主动量化基金,主动量化基金(图1)

主动量化基金在2015Q1仅有278亿元,在股灾后规模逐渐上行,随后在2016Q4达到顶峰,总规模736亿元,此后规模有所下降,目前维持在500亿左右的水平。

主动量化基金业绩回顾

这部分我们简要回顾国内主动量化基金自2015年以来的业绩情况,我们选择了2014年9月30日之前成立(考虑了3个月的建仓期)且在2020年一季度规模在1亿以上的基金产品,共计15只,列表如下:

以及本文研究的主动量化基金,主动量化基金(图2)

它们最近5年的平均收益率与同类排名情况如图表3所示(2020年统计截止至2020年4月30日)主动量化基金产品在2015年的平均收益达到56.84%,平均排名也在前1/3左右,2016年虽然全年业绩为-3.67%,但同类排名仍然维持在前1/3。2017年小市值因子的失效、单边的蓝筹市场让量化基金勉强维持了持平的收益,但同类排名相对靠后。2018年单边的大熊市,让平均仓位较高的主动量化基金收益与排名均比较靠后。2019年、2020年一方面市场上行,另一方面主动量化基金逐步适应了新的市场风格,收益也都比较可观。

以及本文研究的主动量化基金,主动量化基金(图3)

主动量化基金特点分析

主动量化基金,由于投资方法不同于其他主动权益基金,投资目标不同于量化对冲以及指数增强,所以其在持仓、换手等方面有其独有的特点。

图表4展示了每只主动量化基金自2015Q1到2020Q1每个季度股票仓位的平均值,对比普通股票型、偏股混合型、灵活配置型基金的情况;图表5展示了这些主动量化基金的平均仓位。从三个基金类型中都可以看出,主动量化基金的平均仓位相比其同类基金都要更高,这一点在偏股混合型和灵活配置型基金中尤其明显。

以及本文研究的主动量化基金,主动量化基金(图4)

图表6中,我们测算了2015年半年报到2019年年报每个半年报或年报中主动量化基金的持股集中度平均值、持股数量平均值、以及它们同类基金的平均集中度和持股数。这里的持股集中度代表前十大重仓股权重占所有股票权重的比例,持股数是所有股票的数量,为了排除打新的影响,这里剔除了上市不满3个月的新股。

以及本文研究的主动量化基金,主动量化基金(图5)

可以看到,除华商动态阿尔法外,所有主动量化基金的平均集中度均低于同类基金,如申万菱信量化小盘、光大核心,他们的持股集中度均低于20%,平均持股数也都数倍于同类基金持股数,这是主动量化基金一个鲜明的特点:一方面它们通过数量化规则化的方法进行筛选,不需要对个股进行非常细致的基本面研究(如调研等)且没有持仓数量的上限;另一方面,主动量化基金往往会通过分散化的投资去分散股票的特异风险,以获取alpha因子的纯粹收益。

下表我们统计了主动量化基金自2015年半年报到2019年年报每个半年报或年报主动量化基金的平均换手率与同类基金的换手率,这里换手率计算公式如下:

以及本文研究的主动量化基金,主动量化基金(图6)

其中Buy value代表报告期买入股票总成本,Sell value代表报告期卖出股票总收入。Average stock value代表报告期平均股票投资市值,分母乘以2代表计算单边换手率,分式右边乘以2,得到年化后的换手率。由于同类基金中换手率会出现极大的异常值,因此这里我们取同类换手率的中位数作对比:

以及本文研究的主动量化基金,主动量化基金(图7)

可以看到,大多数主动量化基金的平均换手率都高于同类基金的换手率,这也与量化模型的特质有关,量化模型的调仓换股往往是定期或者由策略自身信号触发,因此往往会维持一个较高但较稳定的换手率。

另外,我们计算2015年以来每个月主动量化基金超额收益的中位数,作为主动量化基金整体的超额收益,与Wind偏股混合型基金指数每月的超额收益计算相关系数,二者的相关系数为0.55。对于大类资产配置的资金来说,配置主动量化基金具有分散风险、稳定超额收益的价值。

总的来说,主动量化基金的特点是仓位较高、换手率高、持仓分散、与其他权益基金超额收益相关性不高的特点。

3、主动量化基金个性分析

尽管多数主动量化基金具有第2部分中分析的高仓位、高换手以及持仓分散的特点,具体到产品层面,其交易行为、持仓偏好、收益等方面也有显著差异。

基金A个性分析

以及本文研究的主动量化基金,主动量化基金(图8)

基金A的股票仓位限制范围是80%-95%,可以看到在2016年到2018年,它的仓位维持在了80%~85%左右,在2019年之后,维持在了90%左右的水平,考虑到市场涨跌对于股票仓位的影响,基金A的择时操作并不明显。另外,换手率维持在全年1到2倍,低于同类产品的平均换手率。

以及本文研究的主动量化基金,主动量化基金(图9)

基金A的持股集中度整体较低,在2017Q3前集中度不超过20%,在2017Q3后,持股集中度维持在25%~35%之间,持股数量则一直较高。

以及本文研究的主动量化基金,主动量化基金(图10)

从行业相对偏离来看,基金A长期超配医药、电子、计算机,长期大幅低配银行和非银行金融,对于房地产、建筑也有一定低配。

以及本文研究的主动量化基金,主动量化基金(图11)

风格偏离的选择上,基金A在2016年和2017年上半年有较多的小市值暴露,在2017年下半年后则减少了一部分小市值暴露。对于BP和EarningsYield这两类估值因子,基金A长期负暴露,即配置了较多的高估值品种,这与超配医药、TMT,低配银行、非银行金融相对应。

下面我们展示的是基于持仓的Barra风格因子归因(基于回归的Barra风格因子归因见附录4)附录3和4也详细说明了这两个归因方法的详细介绍:

以及本文研究的主动量化基金,主动量化基金(图12)

从以上的Barra风格因子归因上看,2016年下半年小市值因子确实为组合贡献了较多的超额收益,但2017年上半年,市值因子反向,当期的负超额也主要来自于小市值的暴露。从2018、2019年以来,市值因子则基本不对超额收益造成贡献。近3期以来,动量和BP因子为组合贡献了较多的正超额。

基金B个性分析

以及本文研究的主动量化基金,主动量化基金(图13)

基金B的股票仓位限制范围是0%-95%,但历史上其股票仓位都维持在了60%到90%的高仓位水平。另外,基金B的换手率从2017下半年开始有了一个明显的提升,从之前的年化2倍左右到了近年的6到7倍左右。

以及本文研究的主动量化基金,主动量化基金(图14)

基金B的持股集中度在近年逐渐变高,尤其是2019年下半年后,集中度达到了50%左右的水平,持股数量在40~50只左右,比较接近同类基金的集中度和持股数水平。

以及本文研究的主动量化基金,主动量化基金(图15)

基金B在历史上曾大幅的暴露小市值因子,但自2017年末开始明显控制了小市值的暴露。BP和EarningsYield两个估值类因子都是相对于沪深300的负向暴露,这与医药的超配,银行、非银行金融的低配有较大的关系。

以及本文研究的主动量化基金,主动量化基金(图16)

从Barra风格因子归因的结果来看,与基金A类似,基金B在2016年下半年和2017年上半年分别获得了小市值因子的正向超额与反向超额。从最近3期的归因结果看,市值因子对于超额收益的贡献基本为0,大部分的超额收益来自于代表alpha收益的残差部分,也有一部分来自于动量和BP因子。

基金C个性分析

以及本文研究的主动量化基金,主动量化基金(图17)

基金C的股票仓位限制范围是60%-95%,在2015Q1和2016年Q1调到了较低的仓位,但自2017年以来,则明显保持到了股票仓位的上限。另外,换手率在2017年后也发生了明显的降低,近年来稳定在年化3倍左右。

以及本文研究的主动量化基金,主动量化基金(图18)

与大多数主动量化基金持仓分散不同,基金C的持股较为集中,尤其是2017年后,基金C的集中度明显较高,持股个数显著降低,在2019H1时股票数(不含新股)仅为13只。

以及本文研究的主动量化基金,主动量化基金(图19)

基金C在行业配置上,近年来对于计算机行业有大幅的超配,此外,对于电子有一定的超配,对于银行、非银行金融、食品饮料等诸多行业配置均低于基准,是一只行业风格十分明显的基金产品。

以及本文研究的主动量化基金,主动量化基金(图20)

基金C在Barra风格方面的偏离符合我们对于计算机行业的认知,相比沪深300,市值偏小、估值(BP、EarningsYield)较高,同时弹性(Beta)很大。

以及本文研究的主动量化基金,主动量化基金(图21)

从Barra风格因子的业绩归因看,2016到2017年之间,市值因子对于超额收益的影响较大。从2017H2至今的5期分解来看,残差也就是alpha收益部分一直为基金C贡献着可观的正超额收益,其次代表高弹性的Beta因子也持续为组合正超额。

基金D个性分析

以及本文研究的主动量化基金,主动量化基金(图22)

基金D的股票仓位限制范围是0%-95%,尤其是2017年末以来,基本保持了90%~95%的满仓运行。另外,基金D的换手率也比较稳定,维持在年化10倍到14倍左右,相当于同类基金的2到3倍。

以及本文研究的主动量化基金,主动量化基金(图23)

基金D的持股数一直较高,最高达到过269只;与之对应的集中度一直较低,持仓很分散。

以及本文研究的主动量化基金,主动量化基金(图24)

相比前3只基金,基金D在风格因子上的相对暴露较少。尤其在2017年下半年后,在市值、Beta、成长这三个风格上与基准十分接近,另外在动量、非线性市值、BP因子上有持续的暴露。

以及本文研究的主动量化基金,主动量化基金(图25)

从Barra业绩归因上可以看出,基金D的超额收益绝大多数都来自于残差部分,即alpha收益而非风格收益。结合之前的Barra相对暴露,其在动量、非线性市值、BP上的持续暴露,整体上也收获了正收益。

4、主动量化基金未来可期

从2015年来主动量化基金的历史回顾中,我们可以看到,主动量化基金经历了2015、2016年的高光表现后,在2017年的市值因子反向、2018年的市场大幅下行中陷入了相对排名的低谷,但“疾风知劲草”经历了市场的起起伏伏、部分alpha因子的式微后,一批优秀的量化人在新的环境下仍然创造了优异的业绩与排名,一批优质的量化产品在2019年、2020年陆续涌现了出来。

通过本文的研究,我们可以看到主动量化基金有一定的共性,如仓位较高、换手率高、持仓分散、与其他权益基金超额收益相关性不高;同时通过对不同基金的个性化分析,我们也能看出它们在交易行为、持仓偏好、收益等方面都存在鲜明的特点。

量化投资具有相对较稳定的预期收益,并因为在方上的差异,与其他主动权益产品往往具有较低的相关性。近年来,一批具有可观稳定超额收益的主动量化基金陆续涌现,主动量化基金将迎来较大的发展空间。

附录1:成立满3个月的主动量化基金列表

以及本文研究的主动量化基金,主动量化基金(图26)

以及本文研究的主动量化基金,主动量化基金(图27)

以及本文研究的主动量化基金,主动量化基金(图28)

附录2:Barra风格因子计算方法

以及本文研究的主动量化基金,主动量化基金(图29)

附录3:基于持仓的Barra风格因子归因方法

以及本文研究的主动量化基金,主动量化基金(图30)

以及本文研究的主动量化基金,主动量化基金(图31)

附录4:基于回归的Barra风格因子归因方法

以及本文研究的主动量化基金,主动量化基金(图32)

附录5:基于回归的Barra风格因子归因结果

以及本文研究的主动量化基金,主动量化基金(图33)

以及本文研究的主动量化基金,主动量化基金(图34)

以及本文研究的主动量化基金,主动量化基金(图35)

以及本文研究的主动量化基金,主动量化基金(图36)

风险提示:本报告模型及结论全部基于对历史数据的分析,当市场环境变化时,存在模型失效风险。

以及本文研究的主动量化基金,主动量化基金(图37)

证券研究报告:《主题基金研究系列之五:主动量化基金未来可期》

对外发布时间:2020年5月23日

--------------------------------------

分析师:徐寅

--------------------------------------

本文相关词条概念解析:

量化

在数字信号处理领域,量化指将信号的连续取值(或者大量可能的离散取值)近似为有限多个(或较少的)离散值的过程。量化主要应用于从连续信号到数字信号的转换中。连续信号经过采样成为离散信号,离散信号经过量化即成为数字信号。注意离散信号通常情况下并不需要经过量化的过程,但可能在值域上并不离散,还是需要经过量化的过程。信号的采样和量化通常都是由ADC实现的。

延伸 · 推荐

浙商资管把发展公募基金确定为公司战略,基于全新的双α主动量化组合管理体系

证券时报记者 王蕊随着发展方向和投资理念的完善,浙商资管的公募战略转型成果正在逐渐显现。海通证券评级报告显示,截至1月23日,浙商资管近三年股票投资净值增长率为29.82%,同期上证综指下跌5.04%...

实至名归,华泰柏瑞主动量化基金规模超过百亿元

享有基金业“奥斯卡”之称的中证报金牛奖于3月底揭榜,华泰柏瑞基金整体投资能力再获认可,在本届评选中一举囊括两项公司奖和三个产品奖。公司层面,华泰柏瑞连续两年获评“被动投资金牛基金公司”2019-202...

标签: 基金 因子 收益 换手率 Barra
  • 网友评论
相关文章:

股票本月排行

股票精选