《基金ALPHA进化史：公募基金投资能力分类全解析.docx》由会员分享，可在线阅读，更多相关《基金ALPHA进化史：公募基金投资能力分类全解析.docx（41页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、1 .如何对主动权益基金分类？基金研究缺少股票研究中公司行业等多重特征。假设把基金看作“公司”，其“主营业务” 是完全同质化的，且由于有效数据有限，基金可供识别区分和分类研究的特征天然就较 少，因而需要通过标签化”的方式增加特征以供深入研究其中“标签”维度的科学 性和延续性至关重要。传统的标签化方法由于流于收益的外表来源从而稳定性较差参考性较弱。我们在系列 报告基金ALPHA进化史中屡次强调：用传统的“牛市熊市”、“大小盘”、“价值成长”、”行业主题”去划分基金经理都是不稳定的。股票的定价是一个“外求的过程,而基金勺 管理是一个内观”的过程。各基金经理买同一个股票、配貉同一个行业的逻辑不 同，
2、最终赚到的钱也不同；同一个逻辑不同时刻对应的风格、行业特点也会发生巨大变 化。我们以三个例子进一步说明传统标签的不稳定性。1.1. 牛市选手”标签的不稳定性从外部看来,牛市、熊市是非常直观的不同市场状态，但每波牛市或者熊市背后的逻辑 和结构都有不同因而适应的投资模式或者投资能力完全不同。我们筛选了 2014-2015 年牛市规模持续5亿以上的基金中业绩表现最好的20只，其在2017年牛市（基金经理 保持不变）中的表现分散在2%-100%分位数之间，平均在36%分位数。“牛市选手” 的标签显然不具有稳定性。2014-2015牛市主要以资金驱动，风格行业轮动较快，需要 快速反响和切换的能力，而20
3、17牛市主要以确定性驱动，一九分化、龙头集中效应明 显，需要坚定持有相应龙头的能力。图表7： 2ZZ4-2G5牛市前20基金经理在2W7牛市的排名分位数资料来源：Wind,1.2. TMT选手标签的不稳定性我们总是习惯将过去在某个行业上收益做的最高的基金经理定义为“某行业能手”。然而 这样的标签持续性是不高的，并不是其行业偏好不稳定，而是每波行情背后的驱动因素 不尽相同，多因素影响下未来同样行业有表现的时候做的最好的未必是这些基金经理。P.5图表风格才卜短能力极致代表性基金历史表现300% -300% -沪深300沪深300中证500万得全A 一代表性基金资料来源：Wind、图表ZZ风格斗卜短
4、能力极致代表性基金风格收益贡献151510市值 等质性市值Beto 田二:下价值成长耨lllllllllll201aM月2019年7月2020年1月2020年7月2021年1月 动， 之 1 一”11T 201解1月2019年7月202051月2020年7月2021年1月 0波动事0? |P”L.|“|.| 一 2019年1月2019年7月2020年1月2020年7月2021年1月2019年1月2019年7月2020年1月20K）年7月2021年1月-10价值 20191月2019年7月2。20年1月2020年7月2021年1月.Mil201驿1月2019年7月2020年1月2020年7月20
5、21年1月-15-15909A1fifF7 0 9A1QH1 0 0niQfF7 B OAOHiFI (1 OnA4F7 D OrtO14F1 B 9A015F7 H 资料来源：Wind,国盛金工基金高精度画像系统，n成长20191月2019年7月2020年1月2020年7月2021年1月 杠杆率如酶1月2019年7月2020年1月2020年7月2021年1月根据我们的画像，代表性基金长期偏好中盘股、小盘股，并且非常注重PE-g维度的估值 性价比，偏好低换手率低波动率个股，对分析师极度乐观的票强烈规避，选股冷门特征 较强，风格稳定性高。2.1.3,风格应变能力极致的代表举例风格应变能力较强的基
6、金能够对风格的大切换把握的非常精准,特别是大小市值切换、 高低估值切换。这样的基金可能具有较强的自上而下视野。代表性基金在2016年底小P.14市值切大市值，2018年底中估值切高估值，都较为精准的把握了风格大级别轮动，且行 业配辂上较少负收益，行业配谿收益长期稳定。图表2Z风格疱变能力极致代表性基金收益完全分解住2017年1月2018年1月2020年1月2021年1月2019年1内 价值,IIIIIIllllllllllllllllllll2017年1月2018年1月2019年1月2020年1月2021年1月”“1IIIIIPHIIIIIIIIHIHI2017年1月2018年1月2019年1
7、月2020年1月2021年1月2017年1月 2018年1月成长HllllllllliHIIBaaaBiaBaaB2019年1月 2020年1月 2021年1月H杆率o1sMi1r-IIHIIHIIIIliiiillInnniii2017年1月2018年1月2019年1月2020年1月2021年1月资料来源：Wind.国盛金工基金高精度画像系统,图表22风格通变能力极致代表性基金风格收益贡献mu;j | |1|.20171 fl 2018年 1 月 2019年 1 网 2020年 1 月 2021 年1 眄.非质性市值.-05 llii|-*|iiiHi|iin-2017年1月2018年1月2
8、019年1月2020年1月2021年1月Betan II Ml*. .”. .llalhlaillllM20171M 月 20181M 月 2019年1 月 2O2O年1 月 2021 配1 月动。4 iilnLillllllllllllliiiii.il,.illlllllki.inlllli.*.,2017年1月2018年1月2019年1月2020年1月2021年1月波动军11n”-._一2017年 1 月 2018年 1 同 201991A 2020年 1 月 2021 年1 月资料来源：Wind,国盛金工基金高精度画像系统,P.15然而此基金今年以来表现较弱，未对激烈的风格切换提前反响
9、，仍然重仓持有高估值消 费，导致收益明显受到影响。本例反响出应变能力虽然可以通过量化刻画,但是其稳定 性较弱，历史能够证明具有应变能力的重要风格轮动时点本就较少,即便历史每次都做 对也未必代表下一次能做对。图表23：风格总变能力极致代表性基金2022年以来表现2.1.4.风格上既熊扬长、又能补短、还能应变的基金是什么样的？风格上各能力近年都表现不错的多数是在相对白马的赛道上做量化的基金。因为白马赛 道本身具有风格扬长的属性，同时量化基金采用的捕捉市场错误定价的Alpha因子又能 够在风格补短角度有所增益，且大多数量化基金都是以Barra风险为基准的，可以相对 容易的在此框架下从风格动量角度跟随
10、大小盘、高低估值的切换。资料来源：Wind,国盛金T.基金高精度血像系统,图表25：既能扬长、乂能补短、还能应变代表性基金风格能力打分P.16图表26：既能扬长、又能补短、还能应变代表性基金收益完全分解-102016年7月2017年7月201睥7月2019年7月202眸7月2021年7月资料来源：Wind,国盛金工基金岛精度画像系统.P.17资料来源：Wind、国盛金工基金高精度画像系统,图表2N既能扬长、又能补短、还能应变代表性基金风格收益贡献市值。g llllllllllllllllllllllllllllllllllllllllllllllllllllllll 2017年1月 2018年
11、1月 2019年1月 2020年1月2。21年1月n非线性市值 2017年 1 月 2018 1 fl 2019年 1 月 202051 月2021 年1 月1Beta2017年 1 月 201851 fl 2019年 1 月 2020耐月 2021 年1 月 动Jailaia.-llllllllllIllilllllalailllllllHliiaillillllllll2017年 1 月 2018年 1 月 2019年 1 月 20201 R2021 年1 月0.5.波动率 .2017年 1 月 2018年 1 月 2019年 1 月 20201 R2021 年1 月1波动慢201751
12、fl 2018年 1 月 2019SE1H 2020lH2021 年1 月价值lllllllil.”2017年 1 月 201851R 2O191H 202Off1fl 2021 年1 月03：llllllllliiilllilllllliii*i.iia2017年 1 月 2018a 月 2019年 1 月 2020=月 2021隼1 月 成长2017年1月 2018年1月 2019年1月 2020年1月 2021年1月1M杆率201751 fl 201841 fl 201瞬1 月 20201fl 2021 年1 月代表性基金2017-2019较多的配珞在大消费板块，2020年起逐步配貉到新
13、能源板块， 由于量化控制跟踪误差的要求，其在金融板块也有长期的配格。这在一般的主动基金中 相对难做到一既追求白马成长又兼顾金融压舱石，而在相对理性、较低感性的量 化模型下能够做到。2017年7月2018年7月201薛7月2020年7月2021年7月高换手率 高换手率 低换手率 低换手率图表28既能扬长、又能补短、还能应变代表性基金行业收益贡献电力设备监 ZZZ .1.111|1111111| 2017年1月 2018年1月 2019年1月 2020年1月 2021年1月基8化工0 llllllllllll2017年1月 2018幻月 2019年1月 2020年1月 2021年1月医药竭，a l
14、ullllluii III1112017年1月 2018年1月 2019年1月 2020年1月 2021年1月食品饮料娓 III lulll llllllllllll III2017年 1 月 201851 fl 201951 fl 202051 fl 2021 年1 月 传燥。第 IU lllllllll 2017年1月 2018年1月 2019年1月 2020年1月 2021年1月mill in2017年 1 月 201851H 2019年 1 月 202051H 2021 年1 月 房地产0 1I1UIlllllllllllliulllllllllllllllll2017年1月 2018
15、年1月 2019年1月 2020年1月 2021年1月 证券照 llllllllll2017年1月 2018年1月 2019年1月 2020年1月 2021年1月04保险稣 IllUlllllllllllllllllllllllllllllllllllIllIiuiiinilii2017年1月 2018年1月 2019年1月 2020年1月 2021年1月 物行o llllllliiiiillhiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii2017年 1 月 201851 fl 2019年 1 月 2020年 1 月 2021 年1 月资料来源：加/（国盛金工基金高精度画
16、像系统,2.2. 行业收益能力：更高的主观能动性行业相比于风格来说,对于基金经理更具象，维度更多,轮动更频繁,因而主观上判断 的自由度、逻辑性、控制力更高-更能发挥主观能动性。在上一篇报告中我们分析了在 行业上国内市场具有长期有超额收益的行业，因而行业收益大体可以区分为一直在此类技 上配谿获得超额的和行业轮动配谿获得超额的,背后隐含的能力是不同的。我们就按照 基金经理在行业上发挥主观能动性的广度（行业集中度）和频度（行业换手率）， 将基金经理的行业收益类型划分成四类： 行业博弈型：高集中度, 行业轮动型：低集中度, 行业专注型：高集中度, 行业配谿型：低集中度, 博弈型基金行业集中度高但频繁切
17、换，整体基金收益来源高度依赖行业轮动胜率；轮动 型基金无论从广度还是频度来说其博弈次数最多，因而方差较大；专注型基金时于某一 两个行业具有长期偏好；配谿型基金行业信心水平相对最低，其不会重仓某行业也不 会频繁做行业比拟和行业轮动。P.18图表29基金行业收益类型划分集中度高 低博弈型轮动型换手 率低资料来源:我们对基金的行业集中度和换手率进行了打分，并计算了与行业超额收益的相关性，发 现换手率高低与集中度高低与行业超额收益没有明显相关性,任意类型下都好有坏单 纯从行业集中度和行业换手率无法判断基金的行业收益能力。但是行业换手率与行业 集中度有一定的负相关性。图表32换手率、集中度和行业超额收益
18、相关性行业-超级收益行业-换手率行业集中度基金行业特征打分相关性行业-超额收蔡行业-换手率行业-集中度资料来源：Wind,2.2.1, 不同行业收益类型基金的能力统计对四种行业收益类型的基金我们统计了其在四大类收益上的平均表现与最好表现水平:风格收益平均：博弈型,配貉型轮动型专注型（博弈型选手风格偏保守）风格收益上限：轮动型配珞型方注型博弈型（轮动型风格收益上限最高）P.19图表引：各类型基金平均风格收益累计图表32各类型基金中0平均风格收益累计一博弈型一轮动型一专注型一配辂型0 % 12000% 1 10000% -8000。-6000。4000% 2000% -资料来源：Wind、各类型基
19、金平均风格收益累计图表33：各类型基金平均年行业收益累计图表 各类型基金7C卢加平均行业收益累计各类型基金平均行业收益累计资料来源：Wind.各类型基金TOP10平均行业收益累计各类型基金TOP10平均风格收益累计行业收益平均：专注型,博弈型配辂型,轮动型（下重注、长持有那么收益高，回撤大） 行业收益上限：轮动型,配辂型专注型博弈型（轮动型行业收益上限最高）选股收益平均：博弈型配辂型专注型轮动型（博弈型选股收益显著高于其他） 选股收益上限：轮动型配珞型专注型博弈型（轮动型选股收益上限最高）P.2O图表35：各类型基金平均选股收益累计图表3&.各类型基金中0平均选股收益累计各类型基金平均选股收益
20、累计各类型基金TOP10平均选股收益累计一 博弈型一轮动型一专注型一配辂型一 博弈型一 轮动型 一专注型 一配貉型资料来源：Wind，20000000%15000000%10000000%5000000%0%H/UGUG 08/9/6I0Z 0g、g/8sz omoz 08/g、9I0z on oQmoz og/g/ZION of 9、= ON06/g/eON资料来源：Wind、动态收益平均：轮动型配络型专注型博弈型（轮动型动态收益强）动态收益上限：轮动型配络型专注型,博弈型（轮动型动态收益上限最高）图表3Z各类型基金平均动态q攵益累计图表38各类型基金平均动态收益累计各类型基金平均动态收益累
21、计各类型基金TOP10平均动态收益累计一 博弈型一轮动型一专注型一配辂型一 博弈型 轮动型一专注型一配辂型20% 160%8000000% 70000006000000% 5000000% 4000000% 30000002000000% 1000000%0%-1000000%UE a一 COCC 0g/9/6-0Z0g/9/85Z 0m0g/9/93Z 08/9/巴ON ocogoz0g、g、8oz osgzoz0 H Qco/g、03z资料来源：Wind,资料来源：Wind,从以上统计可以看出，不同行业能力类型的基金其擅长的收益类型不同，总体来说:/ 行业配将看专注型/选股收益看博弈型/
22、动态收益看轮动型/ 收益平衡看配辂型P.21图表39不同行业收益类型基金特征集中度换手率风格收益行业收益选股收益动态收益收益上限博弈型高高最强最弱各项上限最低轮动型低高弱最弱最弱最强各项上限最高专注型高低最强配置型低低资料来源：Wind.具体的来说，博弈型由于其行业集中度高，因而其具有更多的精力进行行业内选股，单 一行业选股相比布局多行业、轮动多行业并且每个行业上都要适时的选到好股票简单的 多，因而相对选股收益较高。但博弈型由于主要依赖于行业的逻辑，因而切换行业的时 候对操作平滑性相对不够重视,不会根据个股的不同情况分批切换，因而动态收益较差。 轮动型由于换仓频率高、追求短期收益，因而季度披露
23、持仓的静态收益都较弱，动态收 益较强，这局部是由于算法和数据局限性导致的。由于A股市场存在长期有稳定超额收 益的行业（大消费）,因而专注于这些行业将获得持续行业超额，专注型的行业收益最高。 配谿型由于主观能动性最低，因而各项能力较为平均，较难有短期爆发收益，但长期来 看复利效应下较为稳定。2.2.2. 行业收益类型是否会漂移？从各行业收益类型基金个数来看，轮动型和配络型占主导，专注型与博弈型由于风险集 中数量较少，其中以博弈型为最少。图表4。不同行业收益类型基金个数博弈 轮动 专注 配置2010/6/30 2011/11/30 2013/4/26 2014/9/30 2016/2/29 201
24、7/7/31 2018/12/28 2020/5/29资料来源：Wind.从转移概率矩阵来看.行业收益类型作为基金的特征来说稳定性较强。基金在下一阶段 从一种类型转移到另一种类型的概率都较低。而其中转移概率较高的主要是：轮动V 配辂互转换、博弈轮动转换、博弈专注转换。总体来说博弈型是一种相对更难长 期坚持的类型。P.22图表包：基金行业收益类型转移概率矩阵（月频）基金行业收益类型转移概率矩阵（）轮动配置专注博弈94.45.0470.22758.289轮动4.70294.132.9940.5824配置0.039710.79794.125.578专注0.8630.028672.65685.55博奔
25、资料来源：Wind,选股收益能力：信息优势/逻辑深度决定一切从打分相父性来看总体选股能力与未知（特异）选股能力相关性高，与选股能力 相关性低。由于计算方式的问题，选股能力与未知选股能力理论上正交，相关性接 近0。因此目前来看，公募主动偏股基金的选股能力被传统的Alpha因子所解释的局部 有限，大多为未知的信息与逻辑，传统的Alpha因子仅能作为一个选股偏好供参考。图表42：基金选股能力相关性基金选股能力打分相关性基金选股能力打分相关性总体选股能力0.3096选股能力0.3096-0.08161未知选股能力0.08161总体选股能力选股能力未知选股能力0 82610 8261P.23资料来源：W
26、ind,我们选取2013年2015年5月持续重仓TMT并且收益最高的一批基金，并选取至今基 金经理基本不变的20只。其在后续几年中依然平均保持着35%左右的TMT仓位，虽然 结构上明显从传媒切向了电子。图表2： “ 7N7选手”在2G50后的平均行业配是权重非TMT仓位非TMT仓位 TMT仓位-I 100% 90% 80% 70% k 60% 50% f 40%, 11：2015/6/30 2016/3/31 2016/12/30 2017/9/29 2018/6/29 2019/3/29 2019/12/31 2020/9/30 2021/6/30电子 医药电子 医药计算机 食品饮料传媒通信
27、国防军工 电力设备45%40%35%30%25%20%15%10%5%0%2015年6月2016年3月2016年12月2017年9月2018年6月2019年3月2019年12月2020年9月2021年6月资料来源：Wind,从后续表现来说，2019年的下半年TMT总体表现位于市场前列，电子、计算机、传媒、 通信分别排所有行业的第1、3、6、13名。但这段时间这20位基金经理的表蛔崔先敬 3%97%分位数之间，平均在37%分位数。“TMT选手”的标签不具有稳定性。P.6我们所刻画的选股能力包含的Alpha因子主要分为3大类9小类共200+：动量、 流动性、低频量价、成长、价值质量、超预期、分析师
28、、机构行为。图表43：国盛金工/勿历因子分类资料来源:我们将每一小类的Alpha因子收益方向都调整为正向并计算平均收益，其中收益最高的 主要为交易面因子，收益次之的为价值类因子，收益最低的为其他因子（超预期、质量、 分析师、成长、机构行为），这些因子的收益相对接近。图表44各类力勿用平均收益累计资料来源：Wind、从主动偏股公募基金总体（个基有差异）在这些Alpha因子的暴露来看：1）公募基金不 赚交易面因子的钱（空头效应、高频收益），2）公募基金基本不赚低估值因子的钱（长 期偏好高估值），3）公募基金长期只赚偏成长与信息反响的钱。P.24这些偏成长与信息反响的收益高低与信息精确性与滞后性高度
29、相关。超预期因子反响了 最直接的边际成长信息，收益最高；质量因子反响了未来成长性的可能，收益次之：分 析师因子是加工过后的信息略微延迟，收益再次之；成长因子是历史的成长信息，对未 来的预测精确度略低，收益更次之；机构行为因子是已经过消化后的反响缺乏或定价错 误，时间维度最为落后，收益最少。图表45：主动偏股公募基金总体在各类力/的II大I子上的平均暴露水平动量因子暴露动量因子暴露超预期因子暴宏，流动性因子暴露低领量价因子暴露资料来源：Wind,2.3.1,选股能力极致的代表举例选股能力高代表其收益来自我们已定义的选股逻辑。代表性基金总体有较高的选股 收益，2019年以来截至2021年7月跑赢创
30、业板指19%,而总体选股收益当中有50%能 被我们已定义的逻辑解释。对于这样的基金我们能够对其收益来源有相对更精细的 刻画。图表4&.选股能力极致代表性基金历史表现P.25P.25资料来源：Wind,图表4Z选股能力极致代表性基金收益完全分解从总体能力来说，基金具有较强的风格配具、行业配貉、选股能力，其风格属下扬长型， 行业属于配辂型，动态能力也即交易长期负贡献。从选股收益贡献角度来看，基金主要偏 好高机构占比、高分析师覆盖、高超预期的股票，其选股对估值条件较为放松。图表48选股能力极致代表性基金选股收益前五后五贡献25-一”金十大创收.仓脱跤占个筮9UHR比例过去90个交 B分析何颊猿1政
31、内到道我八个学度的冷制H均值y逋去八个度的“利制后；量 1售出利湖过去八个度的昔业利海均值，过去八个9度内罟业啊码标海是20（裳业收入过去八个孽鹿岭筌火收入均值y过去八个季度利誉业收入除净差，度市S）- 2%的收率25-一”金十大创收.仓脱跤占个筮9UHR比例过去90个交 B分析何颊猿1政 内到道我八个学度的冷制H均值y逋去八个度的“利制后；量 1售出利湖过去八个度的昔业利海均值，过去八个9度内罟业啊码标海是20（裳业收入过去八个孽鹿岭筌火收入均值y过去八个季度利誉业收入除净差，度市S）- 2%的收率根据基金技嘉前十大仓股，重仓般u占个险流通股比值3 lllaa!201瞬7月2020年1月20
32、2瞬7月2021年1月过去90个交易B分析抑预案数201驿7月 2020年1月2020年7月2021年1月伊利润过去八个季度的“利润均值V过去八个季度的“利湖标港差8 -201弊7网 2020年1月 2020年7月 2021年1月（曾号j泗过去八个季度的营业利润均（y过去八个季度的营业利汹标准差-20197月2020年1月2020年7月2021年1月（8业收入过去八个季度的营业收入均 敏过去八个季度的营业收入标准差201旗7月2020比1月280取月2021年1月单季度市盈率创效（考虑快报、Mfi）201喀7月2020年1月2020年7月20211M月2年的收益率201瞬7月2020年1月20
33、20年7月2021年1月*排名充去96排名州 II.201瞬7月2020年1月2020年7月2021年1月2011fl 2019年 7 月 20201 月 280年 7 月 2021 年1 月 2021 年7 月-turnover mean 1m贴201瞬7月2020年1月2020年7月2021年1月,近21交黝日平均换手率的自然对数i201驿7月 2020年1月2020年7月 2021年1月资料来源：Wind,国盛金工基金高精度画像系统,未知选股能力极致的代表举例未知选股能力高代表其收益来自未被传统因子定义的逻辑。代表性基金收益远高于上述 选股能力强的基金，2019年以来截至2021年7月跑
34、赢创业板指149%,而总体选 股收益当中只有20%不到能够被我们己定义的逻辑解释，有80%无法解释。P.26图表49未知选股能力极致代表性基金历史表现沪深300 创业板指 代表性基金图表5d未知选股能力极致代表性基金收益完全分解400资料来源：Wind,国盛金工基金福精度曲像系统,从总体能力来说，代表性基金主要赚取的是未知选股的收益，动态能力贡献低代表其较 少换仓，持股时间较长，换仓一般为负贡献。基金长期偏好计算机、电子、医药、汽车、 电力设备等偏科技成长的行业。由于选股收益涵盖了大局部基本面业绩的特征,因 而未知选股能力高同时也意味着基金经理的持股时段公司业绩相对较黑，未有明显 的业绩释放。
35、因而代表性基金更类似“一级投资”基金。P.27图表5工未知选股能力极致代表性基金行业收益贡献201驿7月2020年1月2020年7月2021年1月2021年7月201驿7月2020年1月2020年7月2021年1月2021年7月电力及公用事业 沙翼机电子元付电力设务 交通运 嘀费等儡一汽与201眸7 月 2020年 1 月 2020取月 2O211HEFIII201甦 7 月 202051H 2020年 7 月 202151H证券201彝7月2020年1月2020年7月2021年1月汽车201悔 7 月 202051 fl 280年 7 月 20211fl电力设备鳍0.05201弊7月2020
36、年1月2020年7月2021年1月交通运，201瞬7月 2020年1月202瞬7月 2021年1月商贸等201驿7月2020年1月2020年7月2021年1月喝 Ilia.201脾7月 2020年 1 月 2am 7 月 2O21年1 月电力及公用事业。3201瞬7月2020年1月280比7月202遂1月计算机201嶙 7 月 202051B 2020年 7 月 2021510资料来源：Wind,国盛金工基金高精度画像系统,结合基金经理清华大学电气工程及自动化专业本科及计算机应用技术专业博士的背景来 看，其对计算机、电子、电力设备等专业的研究深度具有一定的优势。运用“深度逻辑” 选股其收益将远
37、远大于运用“传统逻辑,深度逻辑是公募基金经理选股差异化的重 要特征。2.3. 动态收益能力：交易的艺术动态收益能力指基金本身相对其重仓股组合（扩展）的收益，因而其主要可能来源于四 个地方：交易波段能力、非重仓股贡献仓位择时因素、打新增强收益。依据当前基金 披露信息并不能对这四种收益来源进行简单的完全区分，需要设计一定的算法,本报告 暂且按下不表。P.28在上一篇报告中我们计算发现，公募基金作为整体动态收益贡献不显著，但是基金间的 分化非常大，且有一定延续性。以历史动态收益为因子分十组的下期动态收益累计可见 具有明显的分化，单调性较为显著。因而动态收益是可延续的过去较高的动态能力未 来大概率能保
38、持。50% -图表32：动态收益能力分十档收益统计组10 组9 组8一组7组6组5组4组3一组2 一组-40%资料来源：Wind、2.4.1. 动态收益熊力与规模的关系理论上来说假设动态收益主要来源于交易波段,那么基金规模可能会对动态收益能力 造成一定的影响。规模越大的基金相对来说调仓对市场冲击较大，容易产生更高的交易 本钱，容易成为市场其他参与者套利的对象，我们将不同规模下的基金动态收益平均进 行了统计：月均动态收益图表分：动态收益与基金规模的总体关系0.10%0.05%0.00%-0.05%-0.10%-0.15%-0.20%-0.25%-0.30%-0.35%-0.40%资料来源：Win
39、d,从平均意义上来说规模对动态收益影响不确定。规模特别小（可能有打新加成），或 者规模较大的反而在动态收益上不那么负，只有规模5-50亿和规模特别大的基金动态收 益负贡献较高。P.29月均动态收益成长-0.52012 年 2014 年 2016 年 2018 年 202(HHFL15发动率os2012 年 2014 年 2016年 2018尊 2020年3UM2012年 201&C 2018年 2020年01 I J2012 年 2014 年 2016 年 2018 年 2020年2012年 20M年 2016年 2018年 2020年2012 年 2014 年 2016年 2018 年 28
40、0 年2012年 20145 2016年 2018年 2020ft图表54动态收益与基金规模的息体关系（控制换手率之后）0.20%0.15%0.10%0.05%0.00%-0.05%-0.10%-0.15%-0.20%-0.25%资料来源：Wind,为了使纳入统计的基金其动态能力更可能来自交易波段，我们将样本控制为换手率在截面 位数以上的基金。控制换手率后可见动态收益基本与规模呈现较为明显的负相关关系。 规模大于50亿后平均来说动态收益贡献为负，因而规模确实会对以交易波段为主 的动态收益有明显负面影响。2.4.2. 动态收益能力与风格的关系为了考察动态收益能力与特定选股域是否有关系，我们对基金
41、的每个截面进行动态收益 打分（0T0）,取打分为9、10分的基金进行其选股域的观察。可以看到大局部选股域 特征与基金总体的选股域特征类似，动态收益整体并不需要在特殊选股域上才能获得。图表把 动态收益能力分基金平均风格暴露度资料来源：Wind,即便在控制换手率在中位数以上后，我们检验得到动态收益能力9-10分基金平均风格暴 露与不控制换手率的样本在任意风格维度上没有显著的差异。交易波段为主的动态收益 同样没有特定选股域。P.30图表5&.控制换手率与不控制换手率下动态能力强的基金其风格差异都不显著显著性阈值0.01资料来源：Wind、2.4.3. 基金标签研究在上节中我们主要对于基金的四方熊军螳
42、进行了初步的细分与标签化，本节我们将对 基金的投资逻辑维度进行标签化研究。基金的投资逻辑主要表达在其Alpha因子的偏好 与细节中，本节我们将分别从“信息敏度、逻辑深度”着重讨论4类基金标签。每种标 签下我们都会构建季频调仓可投资的“个性” FOF组合,并进行超额收益的二次归因进 行分析。3.1. 信息敏度：左侧与右侧顺分析师热度型公募基金高度跟随分析师信息，将此做到极致的基金经理2013年以来长期具有稳健的 超额收益。组合2010年7月至2021年3月总收益457.06%,年化收益率17.47%,年 化超额收益率9.29%。顺分析师热度“个性” FOF组合：分析师覆盖因子暴露最高的10个基金
43、P.31P.32图表5Z顺分析师热度型仞尸组合历史表现从二次归因的结果来看，顺分析师热度进行投资可以保证在行业配路上具有长期稳健收 益，选股也长期为正，值得注意的是由于分析师推荐热度轮动快，这样的基金经理在动 态收益上也不逊色，调仓收益长期为正。三类能力兼具使得基金长期表现较高,表达出 紧密跟踪分析师的优势。图表宏顺分析师热度型Q尸组合收益分解一风格收益行业收换 -一残差收益动态收益资料来源：Wind,我们同样采用分析师覆盖因子本身分十组取最高组的方式构造了 个股票组合，此股票 组合2010年7月至2021年3月总收益280.63%,年化收益率13.35%,明显跑输顺分析师热度FOF组合，可见基金经理在分析师的信息基础上的筛选能力是正贡献的。图表3： “ 7闻7选手”在2G9年下半年的同类基金排名分位数资料来源：Wind、1.3.买贵州茅台的基金经理都是长逻辑吗？贵州茅台直是市场宣扬低换手长逻辑优势的经典案例，因此我们也统计了所有公募主 动偏股基金在贵州茅台上投资（按照季度持仓计算）所获得的收益，看在公募有多少基 金经理真正“拿得住”贵州茅台。我们按照基金定期报告披露的持仓并假设季度持仓不变的方式计算贵州茅台2014年以 来给各基金贡献的累计收益,股票2014