优选基金的软件吗(跟踪境外原油的“优选”工具——南方原油基金（501018）)
作者:“admin”
跟踪境外原油的“优选”工具——南方原油基金（501018） 编者按：在QDII额度非常稀缺、跟踪海外原油的工具非常稀缺，部分场外跟踪原油股票的基金甚至暂停申购的条件下，南方原油（5
跟踪境外原油的“优选”工具——南方原油基金（501018）
编者按：在QDII额度非常稀缺、跟踪海外原油的工具非常稀缺，部分场外跟踪原油股票的基金甚至暂停申购的条件下，南方原油（501018）上市后竟交投比较清淡。显然，广大的基金理财规划师们还没有关注到，这一投资价值、功能不次于黄金ETF的好工具。
今年以来，全球资本市场跌宕起伏，美联储的加息节奏困扰整个市场，近期英国脱欧等黑天鹅事件持续发酵给后续市场带来了诸多的不确定性。在不确定性增强的背景下，避险资产如黄金等品种受到投资者广泛追捧。回顾2016年上半年大类资产的表现，原油却是整个资产类别中表现最好的品种，BRENT/WTI原油期货分别累计上涨33.3%/30.5%。然而目前国内缺乏直接跟踪原油价格的投资工具，令众多投资者只能“望油兴叹”，错失投资良机。
在境外市场中，普通投资者投资原油能够参与品种主要有原油期货和跟踪原油价格的ETF产品两类。跟其他成熟资本市场相比，目前国内市场上还没有跟踪原油价格的产品，南方原油基金（501018）的推出，为国内投资者提供一个把握原油价格变化周期的优选工具。
南方原油基金的投资策略是采用FOF的方式，通过投资海外市场原油ETF来被动地跟踪原油价格。采用这种模式主要是根据现行的QDII基金的管理办法，基金尚不能直接投资于与实物商品相关的衍生品。海外市场原油ETF主要跟踪的是WTI和BRENT原油价格，在操作方式上大多采用投资于这两类商品的期货合约，并在交割前进行换仓。
相较而言，国内市场上有三只跟踪海外油气行业的QDII基金，投资标的为海外市场油气企业的股票；两只投资大宗商品ETF的QDII基金，投资标的除原油外，还有原材料和农产品。南方原油基金的投资组合只选择海外跟踪原油价格的ETF，因此与油价相关性更加紧密。通过对过去五年原油价格数据进行回测，南方原油基金跟踪基准的年化误差为5.8%，与原油价格的相关系数达到98.1%，领先市场上其它同类产品。
南方原油基金属于QDII基金，通过将募集到的人民币资金在银行换成美元，实现资产的境外投资。在当前人民币贬值预期增加，同时美元进入强周期的环境下，配置南方原油基金除了更紧密跟踪境外原油价格外，还可能因美元对人民币升值而增厚收益。
南方原油基金是在上海交易所上市的“LOF”型基金，可以执行“T+0”回转交易机制。原油价格每日的高波动性以及一二级市场可能存在的折溢价将吸引投资者参与套利交易。
除了紧盯油价以及美元资产两大特点之外，南方原油基金也有助于实体企业来对冲原油成本。在低油价的环境中，炼厂的盈利普遍较好；未来随着油价的复苏，地方炼厂等实体企业将重新面临原油成本增加带来的炼油毛利下降以及化工产品价差收窄等问题。原油价格持续上涨同时也将导致成品油价格上调，这也将增加汽油成本，同样南方原油的投资收益将为汽车族的财富“加油助力”。
====================================
ETFconsultant，加入ETF理财规划圈。
====================================
基金产品专题研究系列之十七：基于行业配置稳定性及选股能力的基金优选策略
版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领
1、目录索引HYPERLINKl_TOC_250016一、基金行业配置稳定性及选股能力5HYPERLINKl_TOC_250015（一）基金市场概况以及基金研究框架5HYPERLINKl_TOC_250014（二）本文研究思路基于行业配置稳定性以及选股能力6HYPERLINKl_TOC_250013二、基金行业配置稳定性与选股能力的定量刻画8HYPERLINKl_TOC_250012（一）基金行业配置稳定性8HYPERLINKl_TOC_250011（二）基金选股能力IBRINSON个股选择收益及胜率10HYPERLINK
2、l_TOC_250010（三）基金选股能力II净值回归超额收益及超额收益稳定性11HYPERLINKl_TOC_250009（四）基金选股能力III基于历史长线持仓12HYPERLINKl_TOC_250008三、基金收益、行业配置稳定性、选股能力的关系15HYPERLINKl_TOC_250007（一）基金收益与行业配置稳定性15HYPERLINKl_TOC_250006（二）基金收益与选股能力18HYPERLINKl_TOC_250005（三）基金选股能力与行业配置20HYPERLINKl_TOC_250004四
3、、基于基金行业配置稳定性及选股能力优选基金23HYPERLINKl_TOC_250003（一）行业配置稳定性及选股能力指标的选基效果测试23HYPERLINKl_TOC_250002（二）“高选股能力”+“高行业配置稳定性”组合构建27HYPERLINKl_TOC_250001五、总结29HYPERLINKl_TOC_250000六、风险提示30图表索引图1：A股市场基金发展情况5图2：基金研究框架6图3：符合筛选条件的基金数量及规模7图4：本文研究思路基于行业配置稳定性以及选股能力的基金优选7图5：基金行业稳定性度量：行业偏离
4、幅度9图6：基金行业稳定性度量：行业配置变化幅度9图7：基金行业偏离幅度分布9图8：基金行业配置变化幅度分布9图9：样本基金持仓在各个宽基指数成份股中的占比10图10：基金选股能力度量：Brinson个股选择收益以及胜率11图11：基金选股能力度量：净值回归超额收益以及超额收益稳定性12图12：基金长线持仓相对行业超额收益及胜率指标构建14图13：基金选股能力度量：长线持仓相对行业超额收益及胜率14图14：基金行业偏离幅度与基金近3年累计收益相关性16图15：基金行业配置变化幅度与基金近3年累计收益相关性16图16：基金行业偏离幅度分档累计
5、收益(2016Q4-2019Q4)16图17：基金行业配置变化幅度分档累计收益(2016Q4-2019Q4)16图18：样本基金整体换手率情况17图19：不同行业配置变化幅度基金的整体行业配置情况(2016Q4-2019Q4)18图20：Brinson个股选择表现分档累计收益(2016Q4-2019Q4)19图21：Brinson个股选择表现与基金近3年累计收益相关性19图22：净值回归超额收益分档累计收益(2016Q4-2019Q4)20图23：净值回归超额收益与基金近3年累计收益相关性20图24：长线持仓表现分档累计收益(2016Q4-2019Q
6、4)20图25：长线持仓表现与基金近3年累计收益相关性20图26：Brinson个股选择指标与基金行业配置稳定性指标的相关性21图27：净值回归超额收益指标与基金行业配置稳定性指标的相关性22图28：长线持仓表现指标与基金行业配置稳定性指标的相关性22图29：基金选股能力指标与行业配置稳定性指标的相关性(2019Q4)22图30：选股能力前1/5、行业配置变化幅度小于阈值的基金组合收益(2016Q4-2019Q4)23图31：基金行业配置稳定性指标选基效果24图32：基金Brinson个股选择胜率指标选基效果25图33：基金净值回归超额收
7、益稳定性指标选基效果26图34：基金长线持仓相对行业胜率指标选基效果27图35：“Brinson个股选择胜率高于50%”基金组合表现28图36：“长线持仓相对行业胜率高于80%”基金组合表现28图37：“高选股能力基金”+“高行业配置稳定性”基金组合29图38：“高选股能力基金”+“高行业配置稳定性”基金组合与“高选股能力基金”基金组合比较29表1：申万一级行业分类明细8表2：某基金的历史长线持仓个股与同期市场、行业的收益比较情况13表3：基金行业配置稳定性指标相关性(2019Q4)15表4：基金选股能力指标相关性(2019Q4)18表5：“高行业
8、配置稳定性”基金组合表现24表6：“高Brinson个股选择胜率”基金组合表现25表7：“高净值回归超额收益稳定性”基金组合表现26表8：“高长线持仓相对行业胜率”基金组合表现27表9：“高Brinson个股选择胜率”及“高长线持仓相对行业胜率”基金组合表现.28表10：“高选股能力基金”+“高行业配置稳定性”基金组合表现29一、基金行业配置稳定性及选股能力（一）基金市场概况以及基金研究框架近年来，A股公募基金市场快速发展，根据Wind数据，总规模从2005年的4691亿元升至2019年4季度末的14.66万亿元，自2013年以来，基金市场总规模每年均保持增长；
9、同时基金的总数量也从2005年的218只上涨至2019年4季度末的6084只。图1：A股市场基金发展情况总规模(亿元)：右轴基金数量(个)：左轴7000160,0006000140,00050004000300020001000120,000100,00080,00060,00040,00020,00000200520062007200820092010201120122013201420152016201720182019数据来源：Wind，在基金研究的框架方面，第一步我们从基金投资的目标出发，预先设定不同的投资目标。由于实现不同的投资目标往往需要通过配置不同类
10、型的基金来实现，而市场上基金种类繁多，且不同类型基金的配置标的和运作方式存在较大的差异，投资者也往往会采用不同的指标度量不同类型基金的表现。因此在第一步我们加入基金分类的步骤，将市场上的基金分别根据配置的标的、以及管理的模式进行分类，并选择不同类型的基金来满足不同的投资目标。在第二步中，我们将根据基金的历史表现以及其他相关信息，对于单个基金的特征进行定量的刻画，并构建相应的指标。此处我们分别从基金的历史业绩、历史持仓、以及其他相关信息出发，跟踪数据统计模型构建指标度量基金各方面的特征，例如收益、风险、持仓偏好、择时选股能力、基金经理指标等。在第三步中，我们将根据第二步中得到的各个刻画基金特征的
11、指标，结合投资目标筛选出未来预期表现较好的基金。在指标的选择上，我们首先对于各个的指标的相关性以及有效性进行分析，筛选出对于基金未来表现预测效果较好的指标，最后根据这些指标进行基金的筛选。图2：基金研究框架数据来源：Wind，本文中，我们首先筛选出具有较长历史业绩的权益型基金，分别从基金的历史净值以及历史持仓出发，构建指标度量基金的行业配置稳定性以及选股能力，并在此基础上根据有效的行业配置稳定性及选股能力指标来筛选基金、构建组合。（二）本文研究思路基于行业配置稳定性以及选股能力本文中，我们遵循长期考察基金业绩的原则，以3年的时间周期作为考核基金历史行业配置稳定性以及选股能力的历史时长。同时
12、，我们对于基金的规模、权益资产配置比例、存续时间、基金管理人以及业绩基准均设置一定的要求。具体来看，此处我们筛选主动型权益基金的标准为：基金类型：普通股票型、偏股混合型、灵活配置型；基金规模：合并规模高于2亿元；持股比例：权益类资产的平均持有比例高于60%；成立时间：存续时间超过3.25年；基金管理人：近3年未更换主要管理人；业绩基准：不包含港股相关基准，且从未投资于港股。从符合上述条件的主动型权益基金的情况来看，截至2019Q4，当前符合条件的基金共有327只，总规模约为6400亿元。图3：符合筛选条件的基金数量及规模总规模：亿元(右轴)基金数量：个350700030060002505000
13、20040001503000100200050100000数据来源：Wind，本文中，我们从基金的行业配置稳定性以及选股能力出发优选基金。首先，我们根据基金的历史净值以及历史持仓，构建指标度量基金的行业配置稳定性以及选股能力；而后，我们分析基金历史上行业配置稳定性、选股能力以及基金收益的相关性，并研究三者之间的关系；最后，基于相关性的分析结果，从实际投资的角度出发，根据基金的行业配置稳定性以及选股能力优选基金并构建组合。图4：本文研究思路基于行业配置稳定性以及选股能力的基金优选数据来源：二、基金行业配置稳定性与选股能力的定量刻画（一）基金行业配置稳定性在行业配置上，我们采用申万一级行业的
14、分类研究基金的行业配置情况。由于申万一级行业分类数量较多，为了提升数据的稳定性，在行业层面我们进一步地将28个申万一级行业分类为成长、消费、周期、以及大金融4个板块，并研究基金持仓在各个板块中的配置情况。表1：申万一级行业分类明细板块申万一级行业成长计算机、传媒、电子、通信、电气设备消费医*生物、休闲服务、轻工制造、农林牧渔、纺织服装、商业贸易、食品饮料、家用电器周期机械设备、化工、汽车、公用事业、建筑材料、交通运输、建筑装饰、有色金属、采掘、钢铁、国防军工金融银行、非银金融、房地产数据来源：在基金行业配置稳定性的问题上，我们采用历史3年作为观测区间研究基金的行业配置情况。在数据的使用上，
15、一方面我们结合基金季报、半年报以及年报数据，最大化提升数据的频率；另一方面，我们仅参考半年报以及年报的完整持仓来计算基金的行业配置情况，保证持仓数据的完整性。此处，我们从两种方法出发构建指标度量基金的行业配置稳定性，分别为行业偏离幅度以及行业配置变化幅度。其中，基金的行业偏离幅度为：基金在过去N个报告期的平均行业偏离幅度，具体如下，行业偏离幅度：41|,|/2=1=1而基金的行业配置变化幅度为：基金在过去N个报告期中，相邻两个报告期的平均行业配置变化幅度，具体如下，行业配置变化幅度：1411|+1,,|/2=1=1其中，,代表第t个报告期，第i个行业的配置比例；代表第1-第N
16、的报告期，第i个行业的平均配置比例。从历史上来看，根据全部报告期数据得到的结果与仅根据半年报、年报得到的结果较为接近，由于季报信息不完整，平均来看加入季报数据之后行业偏离幅度将有所加大。经统计，从2016年以来，基金滚动3年的行业偏离幅度平均约为20%，而滚动3年的行业配置变化幅度平均约为22%，长期来看在时间序列上的变化幅度均较小。图5：基金行业稳定性度量：行业偏离幅度图6：基金行业稳定性度量：行业配置变化幅度25%20%15%10%5%0%平均行业偏离幅度(季度)平均行业偏离幅度(半年度)30%25%20%15%10%5%0%平均行业配置变化幅度(季度)平均行业配置变化幅度(半年度)数据
17、来源：Wind，数据来源：Wind，从2016Q4-2019Q4的情况来看，基于季度数据的基金行业偏离幅度及行业配置变化幅度主要集中在10%-30%之间，少数基金的行业偏离幅度或行业配置变化幅度在40%以上或10%以下；而基于半年度数据的数据同样主要集中在10%-30%之间，少数基金在40%以上或10%以下。图7：基金行业偏离幅度分布图8：基金行业配置变化幅度分布不同行业偏离幅度(季度)的基金数量(2016Q4-2019Q4)不同行业偏离幅度(半年度)的基金数量(2016Q4-2019Q4)不同行业配置变化幅度(季度)的基金数量(2016Q4-2019Q4)不同行业配置变化幅度(半年度
18、)的基金数量(2016Q4-2019Q4)20018016014012010080604020040%以上30%-40%20%-30%10%-20%10%以下16014012010080604020040%以上30%-40%20%-30%10%-20%10%以下数据来源：Wind，数据来源：Wind，（二）基金选股能力IBrinson个股选择收益及胜率Brinson模型通过分析基金的持仓数据，将基金相比于业绩基准的超额收益分解为行业配置收益(AR)、个股选择收益(SR)以及交互收益(IR)，具体形式为：=,,=(,,),=,,=(,,),=(,,)
19、(,,)其中，,为基金中第i个行业个股的收益率，,为基准中第i个行业个股的收益率；,基金中第i个行业个股的权重，,基金中第i个行业个股的权重。在具体计算上，我们根据基金持仓个股的行业以及持仓权重，以季度作为Brinson业绩归因的周期，并假定基金持仓个股在下1个报告期内不变；在基准的选择上，我们统计样本基金持仓成份股的情况，选择合适的宽基指数作为Brinson归因的基准。从统计结果来看，样本基金的持仓主要集中在中证800指数成份股(沪深300+中证500)之中，平均来看，样本基金持仓为中证800成分股的比例约为70%，因此在Brinson归因分析中我们采用中证800作为业绩基准。图9：样
20、本基金持仓在各个宽基指数成份股中的占比沪深300中证500中证1000其它100%90%80%70%60%50%40%30%20%10%2011123120120331201206302012093020121231201303312013063020130930201312312014033120140630201409302014123120150331201506302015093020151231201603312016063020160930201612312017033120170630201709302017123120180331201806302018093020181231
21、201903312019063020190930201912310%数据来源：Wind，此处，我们以基金的Brinson个股选择收益作为基金选股能力的度量，并统计历史上不同报告期的样本基金平均滚动3年即历史12个季度的个股选择收益的均值以及个股选择收益的胜率。从历史上来看，基金的平均个股选择收益存在一定幅度的波动；而平均个股选择胜率方面则相对较为稳定，长期来看主要集中在50%附近。图10：基金选股能力度量：Brinson个股选择收益以及胜率平均Brinson个股选择收益平均Brinson个股选择胜率(右轴)0.8%60%0.6%50%0.4%40%0.2%30%0.0%20%-0.2%10%
22、-0.4%0%数据来源：Wind，（三）基金选股能力II净值回归超额收益及超额收益稳定性基金绩效的归因中，我们可以通过净值回归的方法剥离基金收益中由市场整体及各类风格(如大/小盘、成长/价值等)所贡献的部分，而剩余收益既为净值回归风格调整后超额收益。净值回归风格调整后超额收益可以度量基金相对于市场整体以及各类风格的超额收益，进而同样可以作为基金选股能力的度量指标。具体方法上，我们主要采用Fama-French模型进行回归。Fama-French模型认为一个投资组合(包括单个股票)的超额回报率可由它对3个因子的暴露来解释，这3个因子分别是：市场因子(MKT)、市值因子(SMB)、账面市值比
23、因子(HML)。在Fama3因子模型的基础上，进一步衍生出了CarHart4因子以及Fama5因子模型，其具体形式为：Fama3因子模型：,=+,+,+,+,CarHart4因子模型：,=+,+,+,+,+,Fama5因子模型：,=+,+,+,+,+,+,其中：,为单个基金扣除无风险收益之后的日频净值涨跌幅；为单个基金在剔除市场因素以及各个风格之后的净值回归超额收益；为对应的市场基准指数(此处取wind全A指数)扣除无风险收益之后的日频收益率；、为市值风格(流通市值)、估值风格(BP)、动量风格(历史3个月涨跌幅)、盈利风格(营
24、业利润率)以及投资风格(总资产增长率)的日频收益率。本文中，我们采用Fama5因子模型来计算基金的净值回归超额收益。具体来看，我们同样以历史3年作为基金的考察周期、以3个月作为回归的滚动窗口，采用多期滚动回归的方法计算基金的净值回归超额收益均值及稳定性(平均值/标准差)，并以此来度量基金选股能力。举例来看，在2019年12月末的时点，我们对于2016.10-2016.12、2016.11-2017.1、2019.9-2019.11、2019.10-2019.12在内的33个区间内的基金净值数据进行回归，并计算净值回归超额收益的平均值以及稳定性(平均值/标准差)。此处，我们以基金净值回归超额收益
25、的均值及稳定性作为基金选股能力的度量，并统计历史上不同报告期的样本基金平均滚动3年即历史12个季度的净值回归超额收益及稳定性。从历史上来看，近年来基金的平均净值回归超额收益整体呈现上升趋势；而基金的平均净值回归超额收益稳定性也同样呈现上升趋势。图11：基金选股能力度量：净值回归超额收益以及超额收益稳定性平均净值回归超额收益平均净值回归超额收益稳定性(右轴)0.035%0.60.030%0.50.025%0.40.020%0.30.015%0.20.010%0.10.005%0.000%0.0-0.005%-0.1-0.010%-0.2数据来源：Wind，（四）基金选股能力III基于历史
26、长线持仓由于主动型权益基金的整体换手率相对较高，我们无法得到基金对于某只持仓个股的具体持有时段，因此基金在季度报告期节点公布的持仓往往参考意义相对有限。然而，如果某只个股连续在多个报告期出现在基金的前10大持仓中，则理论上可以认为基金在该报告期内始终持有该只个股的概率较大，进而我们可以从这些被连续重仓持有的个股中观察基金的个股投资能力。此处，我们主要关注基金长期持有的重仓股，即连续4个报告期出现在基金前10大重仓股中的个股，并根据基金持有期间的表现来研究基金的个股投资能力。举例来看，我们以1只近5年来业绩排名靠前的偏股混合型基金为例，2013年以来，总计有15只个股的连续重仓持有时长超过4个报
27、告期。其中对于贵州茅台、五粮液、泸州老窖的连续持有时长分别为26、23、以及18个报告期。表2：某基金的历史长线持仓个股与同期市场、行业的收益比较情况股票代码公司名称起始重仓持有报告期结束重仓持有报告期连续持有报告期数持有期个股累计收益率持有期个股年化超额收益率(相对市场)持有期个股年化超额收益率(相对行业)600519.SH贵州茅台201306302019093026707.32%28.17%19.14%000858.SZ五粮液201403312019093023795.06%37.91%24.36%600066.SH宇通客车20140930201609309101.01%20.48%24.
28、86%000568.SZ泸州老窖201506302019093018193.40%36.33%12.60%000333.SZ美的集团20150930201703317105.48%50.77%31.26%000550.SZ江铃汽车2015093020160930516.55%4.12%0.77%000089.SZ深圳机场201512312017093088.23%8.46%15.15%002032.SZ苏泊尔2016093020171231638.79%24.84%-4.59%600007.SH中国国贸20160930201709305-13.57%-22.37%-10.86%000423.S
29、Z东阿阿胶2016123120170930422.19%20.88%30.61%600009.SH上海机场201612312019093012209.88%53.19%56.51%600690.SH海尔智家201709302019093095.48%9.19%0.11%002007.SZ华兰生物2017123120190930895.07%52.72%50.34%300015.SZ爱尔眼科20171231201909308127.16%66.04%63.66%002032.SZ苏泊尔2018063020190930642.58%29.07%32.48%数据来源：Wind，由于下文中我们将重点
30、研究基金选股能力与行业配置稳定性的关系，因此我们主要统计基金长线持仓相比于对应申万一级行业的超额收益以及胜率。对于长线持仓超额收益及长线持仓超额收益胜率，如果基金历史上有N次长线持仓的情况，则我们分别计算这N次长线持仓个股在持有期内相对于行业的年化超额收益率，并计算N次超额收益率的均值以及其中超额收益率大于0的比例，最终得到基金的长线持仓相对行业的超额收益及长线持仓胜率。举例来看，上表中基金的长线持仓相对行业超额收益、及长线持仓相对行业胜率分别为23.09%、86.67%。图12：基金长线持仓相对行业超额收益及胜率指标构建数据来源：此处，我们以基金长线持仓相对行业的超额收益及胜率作为基金选股
31、能力的度量，并统计历史上不同报告期的样本基金平均滚动3年即历史12个季度的长线持仓超额收益及胜率。从历史上来看，基金的长线持仓相对行业超额收益平均来看均为正，同时基金的长线持仓相对行业胜率平均来看超过60%。长期来看，基金的长线持仓整体上能够战胜同期申万一级行业的表现。图13：基金选股能力度量：长线持仓相对行业超额收益及胜率平均长线持仓相对行业年化超额收益平均长线持仓相对行业胜率(右轴)30%90%25%80%70%20%60%15%50%40%10%30%20%5%10%0%0%数据来源：Wind，三、基金收益、行业配置稳定性、选股能力的关系（一）基金收益与行业配置稳定性本章中，我们分别
32、分析基金收益、行业配置稳定性以及基金选股能力三者之间的相关性，并研究三者之间的关系。此处，我们通过计算基金行业偏离幅度、行业配置变化幅度与基金近3年累计收益的相关系数来分析基金行业配置稳定性与业绩的关系。从第二章中构建的4个行业配置稳定性指标之间的相关性来看，基于行业偏离幅度、行业配置变化幅度的行业配置稳定性指标之间整体存在较强的正相关性，平均相关性为73.91%。表3：基金行业配置稳定性指标相关性(2019Q4)相关系数行业偏离幅度(季度)行业偏离幅度(半年度)行业配置变化幅度(季度)行业配置变化幅度(半年度)行业偏离幅度(季度)100.00%82.63%66.54%71.35%行业偏离幅度
33、(半年度)100.00%64.44%80.00%行业配置变化幅度(季度)100.00%78.31%行业配置变化幅度(半年度)100.00%数据来源：Wind，从统计结果上来看，历史上基金的行业配置稳定性与基金业绩的相关性存在一定的波动，而从2018Q4以来，基金行业配置稳定性与基金近3年累计收益的关系明显转向负相关。在2016Q4-2019Q4的时间区间内，基金行业偏离幅度(季报、半年报)和基金近3年累计收益的相关性为-22.59%、-22.12%，而基金行业配置变化幅度(季报、半年报)和基金近3年累计收益的相关性为-22.93%、-24.39%。图14：基金行业偏离幅度与基金近3年累计收
34、益相关性图15：基金行业配置变化幅度与基金近3年累计收益相关性相关系数：行业偏离幅度(季度)累计收益相关系数：行业偏离幅度(半年度)累计收益相关系数：行业配置变化幅度(季度)累计收益相关系数：行业配置变化幅度(半年度)累计收益25%20%15%10%5%0%-5%-10%-15%-20%-25%15%10%5%0%-5%-10%-15%-20%-25%-30%数据来源：Wind，数据来源：Wind，从2016Q4-2019Q4期间的分档收益情况来看，我们根据行业偏离幅度以及行业配置变化幅度从大到小将基金分为5档，并计算每档中基金的平均累计收益。从统计结果来看整体上行业配置稳定性较高的基
35、金获得了更高的累计收益，行业偏离幅度(季度、半年度)最低的基金分别获得了50.18%、50.20%的累计收益率，而行业配置变化幅度(季度、半年度)最低的基金分别获得了48.17%、50.67%的累计收益率。图16：基金行业偏离幅度分档累计收益(2016Q4-2019Q4)图17：基金行业配置变化幅度分档累计收益(2016Q4-2019Q4)行业偏离幅度(季度)行业偏离幅度(半年度)行业配置变化幅度(季度)行业配置变化幅度(半年度)60%60%50%50%40%40%30%30%20%20%10%10%0%123450%12345数据来源：Wind，数据来源：Wind，在行业配置稳定性指标
36、的选择上，整体来看，相比于行业偏离幅度指标，行业配置变化幅度指标与基金业绩的相关性更为显著，且分档之后的收益存在较为明显的单调性；同时，相邻两个时点行业配置比例的平均变化幅度往往更能够反应基金在行业配置上的稳定程度。因此，下文中我们采用基金行业配置变化幅度作为基金行业配置稳定性的度量指标此外，在数据频率的选择上，我们主要考虑基金的换手率情况。从历史上基金的换手情况来看，多数主动型权益基金的换手率水平较高，长期来看，主动型权益基金半年度单边换手率的中位数约为150%，而在14、15年牛市的时间段中，主动型权益基金的换手率出现了进一步上升。整体来看，主动权益基金的换手率较高。因此，下文中我们提高行
37、业配置数据的频率，统一采用季度报告期计算基金的行业配置稳定性；同时，由于季报信息不完整可能带来较大的误差，我们进一步要求基金的持仓集中度相对较高即前十大持仓占权益资产的比例平均高于40%。图18：样本基金整体换手率情况平均换手率(单边)200%180%160%140%120%100%80%60%40%20%0%数据来源：Wind，从2016Q4-2019Q4期间的情况来看，而从不同行业配置变化幅度基金的具体行业配置情况来看，行业配置变化幅度较小的基金整体来看超配了消费板块，而低配了大金融板块。图19：不同行业配置变化幅度基金的整体行业配置情况(2016Q4-2019Q4)平均行业配置比例：行
38、业配置变化幅度小于10%的基金(2016Q4-2019Q4)平均行业配置比例：行业配置变化幅度小于20%的基金(2016Q4-2019Q4)平均行业配置比例：所有样本基金(2016Q4-2019Q4)50%45%40%35%30%25%20%15%10%5%0%TMT消费周期大金融数据来源：Wind，（二）基金收益与选股能力本节中，我们主要研究各个选股能力指标与基金业绩的相关性。从第二章中构建的6个选股能力指标之间的相关性来看，基于Brinson归因模型、净值回归模型、以及基金长线持仓得到的选股能力指标之间整体存在一定的正相关性，平均相关性为44.41%，其中长线持仓选股能力指标与其它两类
39、指标的相关性相对较低。表4：基金选股能力指标相关性(2019Q4)相关系数Brinson个股选择收益Brinson个股选择胜率净值回归超额收益净值回归超额收益稳定性长线持仓相对行业超额收益率长线持仓相对行业胜率Brinson个股选择收益100.00%74.97%46.37%61.24%27.02%33.24%Brinson个股选择胜率100.00%43.17%53.80%22.80%30.89%净值回归超额收益100.00%84.08%31.21%38.71%净值回归超额收益稳定性100.00%21.19%28.65%长线持仓相对行业超额收益率100.00%68.75%长线持仓相对行业
40、胜率100.00%数据来源：Wind，我们通过计算基金各个选股能力指标与基金近3年累计收益的相关系数来分析基金选股能力与业绩的关系。从统计结果上来看，历史上基金的Brinson个股选择收益及胜率与基金业绩均存在明显的正相关。在2016Q4-2019Q4的时间区间内，Brinson个股选择收益及胜率与基金累计收益的相关系数分别为46.60%、40.69%。从2016Q4-2019Q4期间的分档收益情况来看，我们根据Brinson个股选择收益及胜率，从大到小将基金分为5档，并计算每档中基金的平均累计收益。从统计结果来看，整体上Brinson个股选择收益及胜率较高基金获得了更高的累计收益，收益及胜
41、率最高的基金组合分别获得了54.91%、65.12%的累计收益率。图20：Brinson个股选择表现分档累计收益(2016Q4-2019Q4)图21：Brinson个股选择表现与基金近3年累计收益相关性70%60%50%40%30%20%10%0%Brinson个股选择收益Brinson个股选择胜率1234580%70%60%50%40%30%20%10%0%相关系数：Brinson个股选择收益累计收益相关系数：Brinson个股选择胜率累计收益数据来源：Wind，数据来源：Wind，从统计结果上来看，历史上基金的净值回归超额收益及稳定性与基金业绩均存在明显的正相关。在2016Q4-201
42、9Q4的时间区间内，净值回归超额收益及稳定性与基金收益的相关系数分别为85.11%、69.70%。从2016Q4-2019Q4期间的分档收益情况来看，我们根据净值回归超额收益及稳定性，从大到小将基金分为5档，并计算每档中基金的平均累计收益。从统计结果来看，整体上净值回归超额收益及稳定性较高基金获得了更高的累计收益，超额收益及稳定性最高的基金组合分别获得了69.21%、63.24%的累计收益率。图22：净值回归超额收益分档累计收益(2016Q4-2019Q4)图23：净值回归超额收益与基金近3年累计收益相关性80%70%60%50%40%30%20%10%0%净值回归超额收益净值回归超额收益稳定
43、性1234590%80%70%60%50%40%30%20%10%0%相关系数：净值回归超额收益累计收益相关系数：净值回归超额收益稳定性累计收益数据来源：Wind，数据来源：Wind，从统计结果上来看，历史上基金的长线持仓相对行业超额收益及胜率与基金业绩均存在明显的正相关。在2016Q4-2019Q4的时间区间内，净值回归超额收益及稳定性与基金收益的相关系数分别为43.92%、53.54%。从2016Q4-2019Q4期间的分档收益情况来看，我们根据长线持仓相对行业超额收益及胜率，从大到小将基金分为5档，并计算每档中基金的平均累计收益。从统计结果来看，整体上长线持仓相对行业超额收益及胜率较
44、高基金获得了更高的累计收益，超额收益及胜率最高的基金组合分别获得了56.45%、63.30%的累计收益率。图24：长线持仓表现分档累计收益(2016Q4-2019Q4)图25：长线持仓表现与基金近3年累计收益相关性70%60%50%40%30%20%10%0%长线持仓相对行业超额收益长线持仓相对行业胜率1234580%70%60%50%40%30%20%10%0%相关系数：长线持仓相对行业超额收益率累计收益相关系数：长线持仓相对行业胜率累计收益数据来源：Wind，数据来源：Wind，（三）基金选股能力与行业配置本节中，我们主要研究基金行业配置稳定性与基金选股能力的关系。此处，我们以第二章
45、中构建的行业配置变化幅度作为基金行业配置稳定性的度量；以Brinson个股选择、净值回归超额收益、以及长线持仓相对于行业的表现作为基金选股能力的度量。从基金行业配置稳定性与基金选股能力的相关性来看，我们分别统计2016年末以来，各个季报时点滚动3年的指标相关性。从Brinson个股选择表现与基金行业配置变化幅度的相关性来看，历史上两者存在一定的负相关，即整体来看基金行业配置越稳定，基金的选股能力往往越强。图26：Brinson个股选择指标与基金行业配置稳定性指标的相关性10%0%-10%-20%-30%-40%-50%相关系数：行业配置变化幅度Brinson个股选择收益相关系数：行业配置变化幅
46、度Brinson个股选择胜率数据来源：从净值回归超额收益、长线持仓表现与基金行业配置变化幅度的相关性来看，历史上相关性存在一定的波动，而自2019年以来，相关性明显有所下降。从3类选股能力的整体情况来看，行业配置变化幅度整体上与基金选股能力存在一定的负相关。图27：净值回归超额收益指标与基金行业配置稳定性指标的相关性图28：长线持仓表现指标与基金行业配置稳定性指标的相关性相关系数：行业配置变化幅度净值回归超额收益相关系数：行业配置变化幅度净值回归超额收益稳定性相关系数：行业配置变化幅度长线持仓相对行业超额收益率相关系数：行业配置变化幅度长线持仓相对行业胜率5%0%-5%-10%-15%-20
47、%-25%-30%-35%-40%25%20%15%10%5%0%-5%-10%-15%-20%-25%数据来源：Wind，数据来源：Wind，从2016Q4-2019Q4期间的情况来看，基金选股能力指标与基金行业配置变化幅度指标均存在较为明显的负相关，相关系数位于-15%至-35%之间。图29：基金选股能力指标与行业配置稳定性指标的相关性(2019Q4)相关系数：行业配置变化幅度选股能力0%-5%-10%-15%-20%-25%-30%-35%-40%数据来源：Wind，此外，我们从第二章分档统计的基础上进一步进行测试。我们基于不同选股能力指标，在选择选股能力更高的1/5基金的基础上
48、，以10%、20%为阈值，剔除行业配置变化幅度高于阈值的基金，并统计剩余基金在区间内的平均收益率。经统计，在选股能力较强的基金中叠加行业配置稳定性的约束能够进一步提高组合的收益率。图30：选股能力前1/5、行业配置变化幅度小于阈值的基金组合收益(2016Q4-2019Q4)近3年累计收益率(选股能力前1/5基金组合)近3年累计收益率(选股能力前1/5、行业配置变化幅度小于20%基金组合)近3年累计收益率(选股能力前1/5、行业配置变化幅度小于10%基金组合)120%100%80%60%40%20%0%数据来源：Wind，整体来看，某一时段内行业配置稳定性以及选股能力较强的基金往往在该时段
49、内能够获得更高的收益。下文中，我们将从实际投资出发，一方面将分别研究各个行业配置稳定性以及选股能力指标对于基金未来表现的预测作用，即历史上行业配置稳定性高、或选股能力较强的基金在未来是否也能够获得较好的收益；另一方面，我们同样也考虑在选股能力的基础上，进一步叠加基金行业配置稳定性的考量，以此作为基金优选的标准。四、基于基金行业配置稳定性及选股能力优选基金（一）行业配置稳定性及选股能力指标的选基效果测试上一章中，我们主要分析了基金的行业配置稳定性、选股能力、以及基金收益三者之间的关系。本章中，我们根据第三章中的分析结果，尝试从实际投资的角度出发，从行业配置稳定性、以及选股能力指标中寻找能够预测
50、基金未来业绩表现的指标。本节中我们将分别测试各个行业稳定性指标与选股能力指标的选基效果。具体方法上，我们采取季度换仓的方法，在每年的1、4、7、10月末进行换仓，并根据行业配置稳定性以及选股能力指标将基金分为5档，并等权配置行业配置变化幅度最小的1/5基金作为“高行业配置稳定性”组合、等权配置选股能力指标最高的1/5基金作为“高选股能力”组合；进一步地，我们在“高选股能力”组合的基础之上，剔除行业配置稳定性较弱的基金。从行业配置稳定性的选基效果来看，我们根据历史3年基于季报、半年报、年报的数据构建行业配置变化幅度指标。从回测效果来看，行业配置变化幅度指标的选基效果较弱，长期来看，由历史上行业
51、配置变化幅度较小的基金所构建的组合与基金整体的收益水平较为接近，并未能获得明显的超额收益。图31：基金行业配置稳定性指标选基效果基金组合：高行业配置稳定性基金组合：整体平均1.61.41.210.80.60.40.20数据来源：Wind，表5：“高行业配置稳定性”基金组合表现基金组合累计收益(2016.1-2019.12)低行业配置变化幅度43.91%整体平均44.39%数据来源：Wind，从选股能力指标Brinson个股选择表现的选基效果来看，我们以历史3年基金基于中证800指数的个股选择胜率构建选股能力指标。从回测效果来看，该指标具备一定的选基能力。长期来看，高Brinson个股选择胜
52、率累计获得了65.14%的收益率，而进一步约束行业配置变化幅度不超过25%的高胜率组合累计获得了66.39%的收益率，相对于基金整体水平获得了一定的超额收益。图32：基金Brinson个股选择胜率指标选基效果基金组合：高Brinson个股选择胜率基金组合：高Brinson个股选择胜率、行业配置变化幅度小于25%基金组合：整体平均1.81.71.61.51.41.31.21.110.92016/1/292016/3/292016/5/292016/7/292016/9/292016/11/292017/1/292017/3/292017/5/292017/7/292017/9/292017/11
53、/292018/1/292018/3/292018/5/292018/7/292018/9/292018/11/292019/1/292019/3/292019/5/292019/7/292019/9/292019/11/290.8数据来源：Wind，表6：“高Brinson个股选择胜率”基金组合表现基金组合累计收益(2016.1-2019.12)高Brinson个股选择胜率65.14%高Brinson个股选择胜率、行业配置变化幅度低于25%66.39%整体平均44.39%数据来源：Wind，从选股能力指标净值回归超额收益表现的选基效果来看，我们以历史3年净值回归超额收益稳定性构建
54、选股能力指标。从回测效果来看，净值回归超额收益指标的选基效果较弱，长期来看，由历史上净值回归超额收益稳定性较强的基金所构建的组合与基金整体的收益水平较为接近，并未能获得明显的超额收益。图33：基金净值回归超额收益稳定性指标选基效果基金组合：高净值超额收益稳定性基金组合：高净值超额收益稳定性、行业配置变化幅度小于25%基金组合：整体平均1.51.41.31.21.110.90.8数据来源：Wind，表7：“高净值回归超额收益稳定性”基金组合表现基金组合累计收益(2016.1-2019.12)高净值超额收益稳定性38.77%高净值超额收益稳定性、行业配置变化幅度低于25%43.05%整体平均4
55、4.39%数据来源：Wind，从选股能力指标长线持仓相对行业表现的选基效果来看，我们以历史3年基金长线持仓相比行业的胜率构建选股能力指标。从回测效果来看，该指标具备一定的选基能力。长期来看，高长线持仓胜率基金组合胜率累计获得了73.17%的收益率，而进一步约束行业配置变化幅度不超过25%的高胜率组合累计获得了74.26%的收益率，相对于基金整体水平获得了一定的超额收益。图34：基金长线持仓相对行业胜率指标选基效果基金组合：高长线持仓相对行业胜率基金组合：高长线持仓相对行业胜率、行业配置变化幅度小于25%基金组合：整体平均1.81.71.61.51.41.31.21.110.90.8数据来源
56、：Wind，表8：“高长线持仓相对行业胜率”基金组合表现基金组合累计收益(2016.1-2019.12)高长线持仓相对行业胜率73.17%高长线持仓胜率、行业配置变化幅度低于25%74.26%整体平均44.39%数据来源：Wind，（二）“高选股能力”+“高行业配置稳定性”组合构建上节中，我们分别测试各个行业配置稳定性指标与选股能力的指标的选基效果。整体来看，基金的历史行业配置稳定性没有明显的选基效果，而选股能力指标中的Brinson个股选择胜率以及长线持仓相对行业胜率指标均具备一定的选基能力，且叠加行业配置稳定性的筛选之后能够进一步小幅提高组合的收益率。本节中，我们从选股能力指标出
57、发，结合两个相对有效的选股能力指标，并在此基础上进一步根据行业配置稳定性指标筛选基金。在选股能力指标上，我们选择历史上Brinson个股选择胜率以及长线持仓相对行业胜率均较高的基金。长期来看，Brinson个股选择胜率高于50%以及长线持仓相对行业胜率高于80%的基金均能够获得一定的超额收益。图35：“Brinson个股选择胜率高于50%”基金组合表现图36：“长线持仓相对行业胜率高于80%”基金组合表现基金组合：Brinson个股选择胜率高于50%基金组合：整体平均基金组合：长线持仓相对行业胜率高于80%基金组合：整体平均1.81.61.41.210.80.60.40.202016/1/29
58、2017/1/292018/1/292019/1/292.521.510.502016/1/292017/1/292018/1/292019/1/29数据来源：Wind，数据来源：Wind，表9：“高Brinson个股选择胜率”及“高长线持仓相对行业胜率”基金组合表现基金组合累计收益(2016.1-2019.12)Brinson个股选择胜率高于50%53.60%长线持仓相对行业胜率高于80%101.09%整体平均44.39%数据来源：Wind，在此基础上，我们选择同时满足Brinson个股选择胜率高于50%、以及长线持仓相对行业胜率高于80%的基金，以此构建“高选股能力”基金组合。
59、经测算，在2016.1-2019.12的时间区间内，该组合累积获得了104.40%的收益率。在此基础上，我们进一步剔除行业配置变化幅度超过25%的基金，构建“高选股能力”+“高行业配置稳定性”组合。在2016.1-2019.12的时间区间内，该组合累积获得了107.95%的收益率，相比于高选股能力组合略有提升。图37：“高选股能力基金”+“高行业配置稳定性”基金组合图38：“高选股能力基金”+“高行业配置稳定性”基金组合与“高选股能力基金”基金组合比较2.5基金组合：Brinson个股选择胜率高于50%、长线持仓相对行业胜率高于80%、行业配置变化幅度小于25%基金组合：整体平均2.5基金组
60、合：Brinson个股选择胜率高于50%、长线持仓相对行业胜率高于80%、行业配置变化幅度小于25%基金组合：Brinson个股选择胜率高于50%、长线持仓相对行业胜率高于80%221.51.5110.50.502016/1/292017/1/292018/1/292019/1/2902016/1/292017/1/292018/1/292019/1/29数据来源：Wind，数据来源：Wind，表10：“高选股能力基金”+“高行业配置稳定性”基金组合表现基金组合累计收益(2016.1-2019.12)Brinson个股选择胜率高于50%、长线持仓行业胜率高于80%107.95%Bri
本站为文档C2C交易模式，即用户上传的文档直接被用户下载，本站只是中间服务平台，本站所有文档下载所得的收益归上传人(含作者)所有。人人文库仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私，请立即通知人人文库网，我们立即给予删除！
剔除“运气”找“实力”，用FDR方法优选基金
导读：
实际计算中，会计算很多个基金的P值，需要在整体上对这些P值进行调整，这样才能控制这几十个基金整体上的估计误差。FDR错误控制法是Benjamini于1995年提出的一种方法，基本原理是通过控制FDR值来决定p值的值域。相对其它算法来说，FDR用比较温和的方法对p值进行了校正。尽量减少把“运气”算成了“实力”的错误，有助于我们筛选出真实力基金。
摘要
表：少量主动基金FDR计算举例（20210101-20211231）
资料来源：Wind，中泰证券研究所
基金业绩评价中，常用alpha来表示权益基金基金经理的投资能力，我们常选择alpha大于零且显著的基金，来作为我们投资备选标的。假设我们需要计算M个权益基金的alpha，在回归计算中，是如下的假设检验问题：
也就是说，我们可以通过控制FDR来压低所有阳性结果中假阳性的比例（作为对比，FWER控制的是所有结果中假阳性的比例），换成我们基金研究中的话，FDR是用来控制所有实力基金中，靠运气基金的比例，让我们算出来的实力基金尽可能多的是靠真实力。
资料来源：中泰证券研究所
表1：统计检验示意表
资料来源：中泰证券研究所
所以：
在显著性0.05下，我们得到零alpha基金的估计比例为70%。
资料来源：Wind，中泰证券研究所
按照上文算法，我们分别计算三个时间段的零alpha基金占比，我们计算普通股票型、偏股混合、价值基金、成长基金、指数增强这五类基金的情况，当然这五类基金不是互斥的，有交叠。具体见下表。
表2：零alpha基金占比
资料来源：Wind，中泰证券研究所
从上表可发现一些有意思的结论。我们分三个时间段计算，第一个是2019年到现在，时间段最长，能看出来权益基金中，零alpha占比最低的是普通股票型，其次是指数增强，三年多时间内，零alpha占比最高的是价值基金，这说明这几个分类中，普通股票型这三年多表现最好。纵向比较下，2019到2020时间段，零alpha占比最少，这个是符合直观的，这两年行业较好。2021到2022年9月这个时间段，指数增强零alpha占比最小，其次是价值基金，表现最差是偏股混合这个大类。整体上看，指数增强的零alpha占比指标比较平稳，也就是说该大类基金的alpha长期看是存在的，且比其他类基金的alpha要稳健。
时间段取20200101到20220930，选取部分指数增强基金计算举例，受限于万得数据流量，我们未能获取所有指数增强基金数据，只是为了展示FDR方法的实际运用，不构成基金评价和基金推荐。
表3：部分量化基金FDR计算举例
资料来源：Wind，中泰证券研究所
表4：少量主动基金FDR计算举例（20210101-20211231）
资料来源：Wind，中泰证券研究所
风险提示：本报告结论完全基于公开的历史数据进行统计、测算，文中部分数据有一定滞后性，同时存在第三方数据提供不准确风险；模型均基于历史数据得到的统计结论且模型自身具有一定*限性并不能完全准确地刻画现实环境以及预测未来；模型根据历史规律总结，历史规律可能失效；模型结论基于统计工具得到，在极端情形下或存在解释力不足的风险，因此其结果仅做分析参考。
1、参考文献
[1] Barras,Laurent,OlivierScaillet,andRussR.Wermers,2010,Falsediscoveriesinmutualfundperformance:Measuringluckinestimatedalphas,JournalofFinance,65(1):179–216.
[2] Cuthbertson,Keith,DirkNitzsche,andNiallO’Sullivan,2012,FalsediscoveriesinUKmutualfundperformance,EuropeanFinancialManagement,18(3):444–463.
[3] Storey,JohnD.,2002,Adirectapproachtofalsediscoveryrates,JournaloftheRoyalStatisticalSociety:SeriesB(StatisticalMethodology),64(3):479–498.
[4] Kosowski,Robert,AllanTimmermann,RussWermers,andHalbertWhite,2006,Canmutualfundstarsreallypickstocks?Newevidencefromabootstrapanalysis,JournalofFinance,61(6):2551–2595.
实证资产定价与多因子
趋势因子——固定效应面板方法
融资余额因子
"股价行为"选股——有效的沪深300内选股方法
技术分析
人工智能画趋势线——看图艺术+智能技术
破解“看图”之谜——技术分析算法、框架与实战
PB-ROE-AI策略——让经典更经典
“指数增强”新思维——人工智能+传统金融
基于相关性的行业轮动模型——计量经济+机器学习
“纯洁alpha”动量下的行业轮动策略——资产定价+统计学习
次优理论下的组合配置与策略构建——人工智能再出发
AI下“指数增强”模型——网页端APP上线
降维、预测与组合构建——一种“倒向切片回归”方法
“指数增强”新思维——人工智能+传统金融
“风险偏好”计算与A股走势预测——基于风险中性测度
【中泰金工·领先指标系列一】超额融资指标
从VIX到VRP——方差风险溢价与股市预测
逃顶模型——资产定价理论的实战妙用
用债券数据预测股市下跌——一种“信息熵利率曲线”建模
风格轮动与择时——一种“波动率熵”方法
从未来到现在——动态资产配置策略框架介绍
目标日期基金动态资产配置策略——离散时间下随机最优控制方法
Mean-CVaR大类资产配置框架与实战
要不要“抱团”？——基金持仓羊群效应与基金业绩分析
科学评价ETF——解析Lyxor“ETF效率指标”
“运气”还是“实力”？——探秘基金经理Alpha
公募基金业绩可持续性分析
高Beta股如何演化?——中美高Beta股票定价特征对比分析
精准把握春节效应
成交量和价格，谁主导谁？
投研漫谈
多因子和人工智能谁是“正规军”?——兼谈金融预测框架
免责声明
市场有风险，投资需谨慎。本平台所载内容和意见仅供参考，不构成对任何人的投资建议，亦不构成任何保证，接收人不应单纯依靠本资料的信息而取代自身的独立判断，应自主做出投资决策并自行承担风险。根据《证券期货投资者适当性管理办法》，本平台内容仅供中泰证券股份有限公司客户中的专业投资者使用，若您并非专业投资者，为保证服务质量、控制投资风险，请勿订阅或转载本平台中的信息，本资料难以设置访问权限，若给您造成不便，还请见谅。
本平台旨在沟通研究信息，交流研究经验，不是中泰证券股份有限公司研究报告的发布平台，所发布观点不代表中泰证券股份有限公司观点。任何完整的研究观点应以中泰证券股份有限公司正式发布的报告为准。本平台所载内容仅反映作者于发出完整报告当日或发布本平台内容当日的判断，可随时更改且不予通告。
本平台所载内容不构成对具体证券在具体价位、具体时点、具体市场表现的判断或投资建议，不能够等同于指导具体投资的操作性意见。
重要声明
版权所有，未经事先书面授权，不得以任何方式修改、发送或者复制本资料中的内容。
基金筛选器哪个最好用？
基金筛选器天天基金最好用。天天基金app，基金品种比较多，找到基金优选，可以根据他的大数据榜单选择最近一周一个月大家都在看都在买的基金。
上新！基金优选
上线
啦
基金优选
“基金优选”模块操作指南
1
一、什么是基金优选？
基金优选是天狼软件全新上线的模块，是用来筛选基金，观测基金风险收益的工具。在这里，你可以根据基金类型、基金公司等基础条件筛选基金，也可以根据关注的行业板块反选基金。基金散点图能告诉你，你的基金风险收益如何，是否战胜了市场平均水平。
基金优选模块在灵动版、决胜版和野狼3000版本展示。
2
基金优选模块如何配置？
基金优选模块在决胜版本中展示的区域是【基金模块】的【基金优选】界面。
配置方法：
点击软件右上方的【设置】按钮，在管理页面组中点击【基金】，在可选页面栏中找到【基金优选】，再点击弹窗中部的左箭头图标，将选中的指标加入配置列表中，完成后点击【退出】，新指标就显示在基金界面中了。
3
基金优选模块如何选基金？
1.根据基础条件选基
分析对象可设置为：自选基金、全部基金、代销基金等，也可以根据基金公司、基金类型、基金市场等条件进行选择。
2.多条件选基，如：代销+某基金公司
工具--自定义基金--板块运算--勾选代销基金+勾选某基金公司--选择“交集”--保存--确定--命名--确定
3.根据股票板块选基
分析对象设置为【全部基金】，在股票板块解析处选择关注的板块（可多选），则十大重仓股中包含选中的“某板块或者某板块”的基金就会展示在下方。如需查看某基金重仓板块情况，可移至十大重仓持股处查看。
4.散点图捕获选基
在散点图中选择想进行分析的样本，选择捕获按钮，如：自由捕获、圆形捕获、矩形捕获、点状捕获等，通过样本基金在散点图上的位置进行捕获，如：捕获牛蛙基金
5.自定义板块选基
工具--自定义板块--板块运算--勾选想要合并的板块--并集--保存--确定--命名--确定--板块解析设置--选择想要解析的板块。
感谢阅读
更多精彩内容，关注狼帅小助理直播！
优选资本管理有限公司怎么样？
简介：优选资本管理有限公司，简称“优选资本”，隶属于优选金融集团。
公司成立于2014年8月，注册资本10000万元，是以私募股权投资、房地产私募基金、家族信托为主营业务的专业资本管理机构。公司与多家信托公司、银行、券商、基金、保险等金融机构保持密切的合作，择时择机推出适合市场环境和投资者需求的投资产品。法定代表人：张虎成 成立时间：2014-08-01 注册资本：10000万人民币 工商注册号：110000017666669 企业类型：其他有限责任公司 公司地址：北京市房山区良乡凯旋大街建设路18号-D431FOF基金实操：五“看”法挑“基” - 知乎
本期导读：一、五“看”法挑“基”二、简单实操三、可以定投吗？
上回说到FOF基金的基本情况。市场上无论哪种基金，品质参差不齐，很容易中招“基金刺客”，那么怎么挑个优质FOF基金呢？一、五“看”法1、看性质市场上混合型基金占比较多，其中混合型又具体细分偏债，平衡、偏股，对应的收益和风险是偏债有些FOF基金还有锁定期，时长从几个月~几年不等。选择时可以关注，如果有意向购买FOF，需要结合个人资金流考虑投资时间。
（图来源：蚂蚁财富）2、看时长一是看基金经理的任职年限。自FOF基金2017年成立，到2022年才5年。看基金经理的任职年限，至少2年以上，把时间拉长，看他们历经多样市场的表现。二是看FOF的成立时长。成立时间早业绩好的FOF基金，长期运营，基金公司重视程度高，培育的时间长，投入的资源多。成立时长至少3年及以上。
（数据来源：iFinD）3、看业绩一是看该基金经理的过往实盘业绩，观察其在管FOF基金业绩情况，经过市场检验的能力，才是能为基民赚钱的真实力。其他类型的常规基金业绩则不纳入，保证数据客观性。二是看基金的历史业绩，一次两次业绩好是运气，多次长期是实力。4、看大小一是看规模大小。规模小，容易被清盘。资金少，投资范围小，有可能因投资过于集中，造成风险较大。迷你盘的分摊管理成本高，且没有足够的管理费来支持基金管理团队打理基金。因此FOF基金规模，考虑≥5亿的规模。
（图来源：网络）二是看回撤控制大小。FOF基金的特性之一就是收益稳健，风险小。回撤是其重要指标之一。最大回撤选择≤20%。5、看说明FOF基金的投资说明，一般在招募说明书详细说明，在各大销售软件平台可以获取。另外基金合同和定期报告也可以获取相关信息。说明了投资范围、目标、策略、风险收益特征、投资资产、费用等。业绩背后的投资逻辑，是FOF基金的灵魂核心。
（图来源：蚂蚁财富）在这些基础上综合条件挑选FOF基金，是综合能力比较强的，长期持有，收益情况也比较好。二、FOF基金优选我们照着“五看法”，傻瓜式操作。1、截止到2022.8.30，共计446只FOF基金。
（数据来源：iFinD）2、筛选剔除成立年限大于3年且基金规模大于5亿的FOF基金共16只，剔除掉430只基金。
（数据来源：iFinD）3、看回撤剔除大于20%的回撤，还剩下15只。4、看收益降序排列收益率，挑选前10的FOF基金，如下供参考（该操作供投资交流，不构成投资建议。）具体再选择哪几只基金，需要结合投资说明书、定期报告以及投资底层框架，以及基民自己的偏好、实际资产配置。
（数据来源：iFinD）那么基金有了，有人问，可以定投吗？三、FOF基金可以定投吗？研姐觉得可以。首先，FOF实质上也是基金。富有余力的情况下，每月存一些，日积月累，到了一定时间段，可以存到一定量的资产。其次，FOF基金本身投资了许多基金组合，具有分散风险的功能。同时，定投是通过长时间的分散风险，把原本波动大的收益曲线，通过时间的拉长，平滑波动。双重分散保险，效果更好。同时，对比收益波动大的基金，的确容易获得高收益，但是有时候基金跌的惨，基民容易受情绪影响，中途下车，忍痛割肉。而FOF风险波动小，回撤控制好，收益情况良好，有些基民不图高，但求稳，投资心态不容易崩。举个例子，比如一只投资养老FOF，年化收益5%，投资期间为2022.9.1~2052.9.1，每月1号投1000元，共12*30=360期，本金36万，最后本息合计83.57万元。
再来，假设同等条件，年化收益10%，本金36万，本息合计227.93万元。可见年收益率影响巨大。
在假设30年后，期望本息合计有100万元，年化收益5%，每月需要定投多少呢?
如图所示，每月仅需要定投1196.56元！如果年利率更高些，则每月定投的数量需要更少。FOF的定投收益，效果明显，同时利用复利的力量，最后得到一笔丰厚的回报。需要注意的是，FOF基金比较适合风险承受能力低的，手头有资金，且自己不擅长投资的。如果本身对基金、理财比较熟悉，有精力去理财，风险偏好中高，那么可以自己去进行理财组合。
半导体科技行业基金！选这几只就够了（半导体行业投资全解析）
一：科技行业投资逻辑投资科技类基金并不是一个简单持有的过程，其不确定性更高，波动性更大，对于当前科技最大的话题就是半导体芯片的国产替代。1科技无边界，无法很准确的定义什么是科技，是互联网？是新能源车？是国产软件还是半导体？是通信？无法很准确的确定科技的边界到底是什么。2科技领域企业的波动较大，不确定性较大，所以投资起来难度也会较大，我们虽然看到现在很多科技龙头公司，但是这些都是在大浪淘沙中的幸存者。3从当前的科技领域看，重点是国产替代领域，如国产软件，半导体芯片。可能很久之后还会有新的领域出现，但是国产替代，可能是近几十年的科技的核心逻辑。4从政策上，20大后将会集体制力量，大力发展卡脖子领域，所以未来的机会还是比较大的。相对于新能源车和光伏行业的企业发展从成长期走向成熟期，科技领域可能是刚刚踏入成长期，所以其投资的不确定性更大，收益也会更丰厚。本文科技领域涵盖的比较狭隘，仅考虑狭义上的科技行业，如芯片半导体、通信、软件科技等另外，建议对于小白，这类投资的安全做法是持有相关的基金，而不是个股！二：主要指数筛选首先列出当前市场上主流的科技类指数和对应的场内场外基金。指数的筛选，主要是看其是否具有代表性和整个市场规模（场内ETF基金规模）1、国证芯片指数指数含义：为反映沪深市场芯片产业相关上市公司的市场表现，丰富指数化投资工具，编制国证半导体芯片指数场内：半导体芯片etf159995场外：半导体芯片etf联接A0088872、半导体指数指数含义：为反映中证全指指数样本中不同行业公司证券的整体表现，为投资者提供分析工具。场内：半导体etf512480场外：中证全指半导体etf联接A0073003、5G通信指数含义：中证5g通信主题指数从沪深市场中选取业务与5g建设或应用相关的上市公司证券作为指数样本，旨在反映5g通信主题上市公司证券的整体表现。场内：中证5g通信etf515050场外：中证5g通信主题etf联接A0080864、CS计算机指数含义：中证计算机主题指数选取涉及信息技术服务、应用软件、系统软件、电脑硬件等业务的上市公司证券作为指数样本，以反映计算机主题上市公司证券的整体表现。场内：中证计算机etf159998场外：天弘中证计算机主题etf联接A0016295、数字经济指数含义：中证数字经济主题指数从沪深市场中选取涉及数字经济基础设施和数字化程度较高的应用领域上市公司证券作为指数样本，以反映沪深市场数字经济主题上市公司证券的整体表现。场内：中证数字经济etf159658场外：鹏扬中证数字主题etf联接A0157876、科技龙头指数含义：从沪深市场的电子、计算机、通信、生物科技等科技领域中选取规模大、市占率高、成长能力强、研发投入高的50只上市公司证券作为指数样本，以反映沪深市场科技领域内龙头上市公司证券的整体表现。场内：中证科技龙头etf515000场外：华宝中证科技龙头etf联接A007873三：行业指数数据对比先从整体数据看下，这几类行业指数的历史数据，主要观察其业绩指标（市盈率、市净率、净资产收益率）以及相关涨跌数据。关于行业基金选择，之前文章有比较详细的介绍：看业绩和ROE、看估值和行业周期，最完美的组合是高业绩、高ROE、低估值和景气（成长期）行业。指数分析：从整体看，不论是硬件科技还是软件科技基本都是处于估值偏低估阶段，从未来机构对于行业业绩预测来看，未来2年的符合增速都是向上的。从最近五年的最高涨幅看，芯片半导体整体的回报率是最好的，但是也能看出整个科技行业的波动性也很大。四：主动基金筛选对于场外基金，主要先筛选投资标的集中于消费类的公司，近五年持仓中军工行业均占比超过50%，并且近五年总收益排名前列，市值超过10亿的场外基金。这些场外主动管理型基金本质属于跟踪指数的同时寻求更高的超额收益，在筛选的过程中主要还是考虑长期的收益，并相对应的考虑波动情况。1、招商移动互联网产业股票基金A（001404）业绩比较基准：中证移动互联网指数收益率*80%+中债综合指数收益率*20%投资目标：本基金重点投资于与移动互联网产业相关的上市公司，通过精选个股和严格控制风险，谋求基金资产的长期稳健增值。数据信息：从基金的行业占比可以看出，主要集中于半导体和计算机应用，前十大持仓集中度49.83%，集中度较高当前持仓的市盈率（PE）为120.12，估值相对较高，净资产收益率（ROE）为12.02%。基金当前规模为13.83亿，近五年总收益+52.67%，年化收益率为+8.83%，近五年最大回撤-47.02%，最大涨幅+231.98%。2、泰信中小盘精选混合（290011）业绩比较基准：中证700指数收益率×80%+中证全债指数收益率×20%投资目标：本基金通过投资具有高成长潜力的中小盘股票，追求基金资产的长期稳定增值。在严控风险的前提下，力争获取超越业绩基准的稳健收益。数据信息：当前基金的行业持仓全部集中于半导体行业，前十大集中度86.23%，行业集中度非常高。当前持仓的市盈率（PE）为85.88，估值相对较高，净资产收益率（ROE）为14.22%。基金当前规模为14.75亿，近五年总收益+130.06%，年化收益率为+18.13%，近五年最大回撤-47.34%，最大涨幅+324.42%。3、银河创新混合A（519674）业绩比较基准：中证500指数收益率*75%+上证国债指数收益率*25%投资目标：本基金投资于具有良好成长性的创新类上市公司，在有效控制风险的前提下，追求基金资产的长期稳定增值。数据信息：当前本基金主要集中于半导体相关公司，占比达到92.23%，前十大持仓集中度77.33%。整体集中度很高。当前持仓的市盈率（PE）为92.26，估值相对较高，净资产收益率（ROE）为16.27%。基金当前规模为145.88亿，近五年总收益+95.05%，年化收益率为+14.30%，近五年最大回撤-51.14%，最大涨幅+365.71%。4、万家行业优选混合(LOF)（161903）业绩比较基准：80%×沪深300指数收益率+20%×上证国债指数收益率投资目标：本基金主要投资景气行业或预期景气度向好的行业股票，在严格控制风险的前提下，追求超越业绩比较基准的投资回报。数据信息：从基金持仓看，主要集中于半导体和计算机应用，也是科技相关基金中计算机应用占比比较高的基金。前十大持仓集中度68.56%，集中度较高。当前持仓的市盈率（PE）为138.89，估值相对较高，净资产收益率（ROE）为12.60%。基金当前规模为98.10亿，近五年总收益+146.99%，年化收益率为+19.82%，近五年最大回撤-51.55%，最大涨幅+370.59%。五：选主动管理基金还是指数基金通过历史数据来做对比，选取具有代表性的行业指数基金和主动管理的行业混合基金，注意在风险（回撤）差不多的情况下，应当优先追求收益！对比上面两个表格（行业指数和场外主题基金），可以看出来，场外主题基金的收益率是明显大于行业指数的。一个不适合国内市场的论调，我们经常到很多人说一个巴菲特老爷子和几个主动管理基金打赌的故事，打赌的内容是巴菲特和五位顶尖的主动管理基金经理比五年时间内标普500和主动管理基金的收益强弱。结果巴菲特老爷子赢了，这个故事随着巴菲特被推崇为股神后，也一直流传在国内，但是事实上，这对于国内市场就是一个骗*。对比当前国内的主动管理基金的长年收益和大盘指数的收益看，前者是完全碾压大盘指数的收益的。对于一些具体的行业，还是希望能综合对比才做出选择，从前面的数据看，国内的科技类指数的长期收益率是明显低于主动管理型基金的。可能存在的一些问题：基金风格漂移，基金经理离职。对于这两个问题，如果感觉到不自在就切换其他的主动基金即可，不需要纠结太多。主动基金的管理费一般比被动基金的管理费高出1%左右，但是从长期看，这点代价还是可以接受的。本文首发公号：小谜财经行
基金类购买平台哪个APP做得比较好的？
你好，可以的。手续费还比银行便宜。基金公司是大的公募基金就可以。私募基金公司不建议操作
基金投资软件推荐-基金投资软件排名-基金投资软件下载-腾飞网
基金投资软件是为各位投资者们准备的投资理财服务软件，具有专家理财的优势，具有积少成多的优势，注重投资组合，分散基金投资风险，费用相对低廉，透明度相对较高，用户可以在基金投资软件上开户选择合适的基金产品进行投资，专业的投资理财顾问为你进行资产配置，帮助用户全面的把控投资风险，基金投资软件提供基金交易、金融资讯、收益查询等全方位服务。让你的资产实现增值，有需要的赶紧来下载。
其他理财软件推荐：日常开支记账软件、手机最好的股票软件、正规的炒股软件、最好用的证券软件、前十名的证券软件、国家认证的股票软件、可以交易的股票软件、全自动炒股软件、看外盘行情的期货软件、
【优选基金的软件吗(跟踪境外原油的“优选”工具——南方原油基金（501018）)】相关文章：