“海量”专题（143）——偏股类公募基金的隐含基准探究

重要提示：《证券期货投资者适当性管理办法》于2017年7月1日起正式实施，通过本微信订阅号发布的观点和信息仅供海通证券的专业投资者参考，完整的投资观点应以海通证券研究所发布的完整报告为准。若您并非海通证券客户中的专业投资者，为控制投资风险，请取消订阅、接收或使用本订阅号中的任何信息。本订阅号难以设置访问权限，若给您造成不便，敬请谅解。我司不会因为关注、收到或阅读本订阅号推送内容而视相关人员为客户;市场有风险，投资需谨慎。
[h1]1基金的披露基准与隐含基准[/h1][h1]1.1基金的披露基准与隐含基准[/h1]基金的基准在对基金进行业绩评价时起到至关重要的作用。评价一件事物“好”或“不好”，往往需要有参照物可供比较，而基金基准就扮演了基金业绩评价的这一参照物角色。从基金管理者的角度，基金基准建立的是管理者和投资者之间的契约关系，反应了投资人对基金经理投资风格的期望，同时也是评价其投资管理能力的基础。
基准往往与基金的投资范围、投资风格等相匹配。例如对于成长型基金和价值型基金，两者投资风格不同，无法基于同一基准对这两种基金进行横向比较，要更合理地评价这两种基金管理者的管理水平，就需要针对他们的风格分别建立不同的基准。

海外的基金评估体系对基金基准的重视度非常高，主要体现在两方面：一是高度重视基金对其自身基准的相对业绩；二是高度重视基金业绩比较基准的设定是否合理。
那么，什么才是合适的基准？国外学者普遍认为一个成功的基准组合应当反映基金管理人的投资风格，应包含投资管理人所确定的投资范围，但不应该包括该管理人对于个股的具体选择能力。其中，Bailey 曾明确提出基准组合的七大标准：
1) 清晰明确（Unambiguous）：对基准组合的定义（成分描述以及各成分的权重）必须清晰明确，具有可识别性；
2) 可投资性（Investable）：基准组合包含的资产是可交易的，同时具备被动投资的可能；
3) 可度量性（Measurable）：基准组合的收益要容易被度量；
4) 适应性（Appropriate）：基准组合必须与管理人的风格相近且与投资的资产分布相似；如一个成长型风格的投资管理者将“沪深300”作为基准是不恰当的。
5) 反应当前投资观点（Reective of current investment opinions）：基金管理人应当对基准组合中的投资成分较为了解并具备相应的投资观点；
6) 提前指定（Specified in advance）：基金基准要在基金评估期前确定，而且要让所有利益相关方知情；
7) 自我认可（Owned）：基金经理应对基准组合的构成和表现有清晰的责任感，基准应时刻结合到投资决策的过程当中。[h1]1.2当前国内偏股类公募基金基准概况[/h1]对于国内公募基金，中国证券监督管理委员会早在 2002 年就曾出台相关法律条文作出定义说明，要求开放式基金在发行时公布其业绩比较基准，不同风险收益的基金应当跟踪不同的比较基准。2019年1月31日，监管部门对部分公募基金公司进一步下发了《关于进一步优化业绩比较基准监管的通知》，进一步优化业绩比较基准监管，包括要求在产品设计中应审慎确定业绩比较基准、对业绩比较基准的选择原因及合理性做出详细的论述等，以保障投资者权益。为分析国内偏股类公募基金基准的概况，我们提取了成立时间大于1年、近两年平均仓位大于60%的公募基金，剔除其中的被动指数型以及增强指数型基金作为主动管理型偏股类基金样本，并对样本基金池所披露的比较基准进行了统计。图1和图2显示，在1718只基金中，以沪深300指数作为基准的基金数量遥遥领先，共计有1038只，占比高达60.4%；中证800和中证500次之，占比仅为8.6%、3.6%，差异悬殊；而以中证1000这一偏小盘风格指数作为基准的基金仅4只。统计结果表明，我国偏股类公募基金所披露的基准在风格上极不均衡，主要以沪深300指数为代表的大盘风格为主。

我们测算了样本基金池中各基金与其基准之间的跟踪误差，分布如图3。图像显示有将近45%的基金跟踪误差在15%以上，平均跟踪误差在10%~17%之间，有将近100只基金的跟踪误差在20%以上，披露基准与实际基金的投资范围契合度比较有限。

考虑到上文的数据分析结果表明沪深300是当前国内公募偏股类基金的主要参考基准，我们提取了部分以沪深300作为基准的基金（如表1），其基金实际跟踪误差高达24%-27%。由此可见，当前国内基金所披露的基准存在一定的误配现象，基金的投资风格与其披露基准差异过大，而对基准的偏离往往会对投资人造成误导，使其承担预期外的风险，同时也不利于合理客观地对基金管理者进行评价。

[h1]1.3构思：基金隐含基准[/h1]基于上述统计分析，本文的出发点是尝试为公募偏股类基金构建一套与之投资范围或投资风格更加匹配的隐含基准。该思路假定当前公募偏股类基金中，至少存在一部分基金具备明确稳定的选股风格或选股范围，具体包括以下三种情况：
1）以某宽基指数作为选股范围。例如某基金经理在沪深300范围内选股，亦或是某基金经理以沪深300作为跟踪基准，下意识地控制自己与沪深300之间的偏离；此时可尝试以常见宽基指数作为其隐含基准进行匹配。
2）有明确的风格特征。例如某基金经理持续保持大盘价值风格、小盘成长风格等，仅在既定风格的股票中进行优选。此时可以尝试选择有明确风格特征的宽基指数进行匹配，包括以大盘价值为核心特征的中证100指数、以小盘偏成长为主要特征的中证1000指数等。
3）有明确偏好的行业板块。例如从特定行业研究出身的基金经理持续偏好某几个行业板块进行优选个股。此时可以尝试选择各核心偏好行业板块的复合指数作为该基金的隐含基准。
尝试为公募偏股类基金匹配隐含基准的目的是方便投资者对该基金的投资范围及投资风格有更清晰准确的认识，以免被匹配度不够的披露基准所误导，进而承担预期之外的风险。同时，也方便投资者考察公募偏股类基金在不同板块中的选股能力。当投资者存在板块或者风格观点时，可以选择相对该隐含基准表现更优的基金，实现Beta+Alpha的基金配置。
[h1]2挖掘隐含基准的方法论[/h1][h1]2.1因子剥离法与指数构造法
[/h1]如上文所述，基金的基准应该与基金的投资范围以及投资风格相匹配，因此挖掘基金隐含基准的第一种思路是因子剥离法，这一方法我们已经在海通金工团队的《基于因子剥离的择基逻辑》系列报告中有详细介绍。然而值得注意的是，因子剥离法所构造的隐含基准存在如下几个问题：1. 为了克服回归过程中的多重共线性问题，F均通过多空等方式进行相关性剔除，构造方法较为复杂，不同投资者的构造结果因为参数设定、选股范围的不同都会大相径庭，所构造的基准缺乏普适性。2. 隐含基准中，基础指数以因子的方式出现，对普通投资者而言不够浅显易懂，与基准评估标准中的清晰明确（Unambiguous）相违背。3. 在实际操作中，这样涉及到多空操作的基准在A股中是不可投资的，与基准评估标准中的可投资性 (Investable)相违背。由于因子剥离法构造隐含基准的诸多弊端，我们摒弃基于多空操作的因子体系，引入纯多头体系下的指数构造法。该方法全部采用当下公开发布的指数（例如沪深300指数、中信一级行业指数等），因此具有基准计算方法简易、普适性强、简洁易懂、且可投资易复制等优点。如何基于所公开获得的指数进行隐含基准的构造，我们介绍Brinson与Sharpe两种方法。Sharpe模型法：Sharpe模型从收益率出发，挑选一部分市场公开指数作为基础指数R，定义与基金收益ri跟踪误差最小的基础指数权重w作为各项指数持有权重，其中该权重需要满足系数为正，权重之和为1的约束。

在本文案例里，可以用宽基指数作为基础指数，也可以用一部分行业指数作为基础指数。Brinson方法：Brinson方法从持仓数据出发，在获得基金的各期持仓以后，将组合的每一只股票归入特定的板块之中，并计算各类板块在投资组合中的权重，以各期板块权重的均值作为投资基准的估计。例如，组合各期在医药行业中的平均配置比例为 50%，那么根据 Brinson 方法，组合投资基准中的医药行业指数占比为 50%。
[h1]2.2基金隐含基准的确定
[/h1]上述几种方法对比如下：

因子剥离法因为所获基准不可投资这一关键弱点已被我们首先剔除。而指数构造法下，Sharpe法虽然对数据要求低（仅需要净值数据），但因为底层指数未剥离提纯引起过高的多重共线性，估测的准确度低，容易因为过度优化而失真。因此，我们最终决定使用基于持仓数据的Brinson法进行估测，并根据国内基金持仓数据的实际特征在Brinson法的基础上做了修改和优化，分别通过宽基指数和行业板块复合指数两个角度来挖掘目标基金的隐含基准。1. 使用行业板块复合指数进行拟合的方法如下：2. 获得某只基金各期全部持仓的平均行业配置比例；3. 按照行业配置比例的高低进行排序，将配置比例大于阈值a且各期配置比例波动小的行业暂时定义为该只基金的核心偏好行业；4. 当所有核心偏好行业合计占比大于阈值b时，则认为该只基金存在对特定行业板块的偏好；构造该只基金的行业基准指数为

其中，we为整体股票配置比例，wi为行业i在核心偏好行业中的占比，Ri为行业i的收益率，RB为债券收益率。
使用宽基指数进行拟合的方法如下：1. 首先分别获得目标宽基指数行业配置比例P和某只基金行业配置比例A；2. 计算该只基金针对目标宽基指数的行业偏离度|A-P|，获得基金相对目标宽基指数在各个行业的平均偏离度，剔除各期行业偏离度波动过大的基金；3. 将所有行业的平均偏离度加总，如果小于阈值c，则认为该目标宽基指数可以作为该基金的行业配置基准。针对宽基指数集合中的每一只宽基指数，均重复上述步骤。本文采用的宽基指数集合包括：沪深300指数、中证500指数、中证800指数、中证100指数、中证1000指数、创业板指。投资者可以加入更多指数以期获得更优的匹配度，为基金找到更贴切的投资范围。需要说明的是，大部分基金并非满仓，而是有一定的仓位剩余，因此基金的行业配置比例A需要先做归一化处理以后再与宽基指数进行拟合。如果某一只基金同时能够匹配上行业复合指数基准与宽基指数基准，则选取其中跟踪误差较小的备选基准作为该基金的最终推荐基准。
[h1]3国内公募偏股类基金隐含基准挖掘尝试[/h1][h1]3.1模型校验：被动指数型及指数增强类基金的基准匹配效果[/h1]我们首先使用被动指数型基金以及指数增强型基金对我们的模型匹配能力进行校验。在尝试中，我们暂定阈值a为10%，阈值b为50%，阈值c为40%。被动指数型与指数增强型基金均属于基金管理人有明确投资范围的基金，基金与基准之间普遍保持着极低的跟踪误差，基金的基准能贴切反映出基金的投资区间，可以供我们对匹配基准进行准确度检验。两类基金的披露基准、匹配隐含基准以及跟踪误差对比如表3与表4（截取样本中的部分进行展示）。从我们基于持仓所匹配出来的参考基准来看，与基金的披露基准一致，由此可见，隐含基准的挖掘具备一定的效果。

[h1]3.2主动管理型偏股类基金的基准匹配[/h1]在上一节的基础上，我们使用相同的模型进一步对主动管理类基金进行隐含基准的匹配。首先提取上文表1中已作展示的以沪深300作为基准的部分主动偏股类基金作为案例，其隐含基准匹配效果如表5。在上文涉及的17只基金中，有11只可以匹配出反映其投资范围的隐含基准，匹配隐含基准的跟踪误差相比原基准都有大幅下降。例如***科讯，原基准为沪深300指数收益率*80%+中债总指数收益率*20%，跟踪误差达24.54%，而模型匹配新基准为0.89*创业板指+0.11*债券指数，同期跟踪误差大幅降低到12.49%。匹配的隐含基准也说明该基金的投资范围与披露基准中的沪深300指数相去甚远，事实上该基金更贴切的投资范围应该是创业板指。再如***外延增长主题，原基准为沪深300指数*80%+中债综合指数*20%，模型匹配结果为行业复合指数：0.11*债券指数+0.14*有色金属+0.17*机械+0.15*医药+0.15*电子元器件+0.28*计算机，显示该基金存在明确的偏好行业（有色金属、机械、医药、电子元器件及计算机），基金与新基准的跟踪误差从原来的26.95%大幅下降到15.84%。

表6中我们筛选了部分其他主动管理型偏股类基金的案例以供参考。根据表中的案例所示，模型为基金所匹配的隐含基准相比原始披露基准，在跟踪误差上均有大幅下降。

[h1]3.3量化类权益基金的挖掘效果[/h1]本节中挑选了国内公募偏股类基金中的一个特殊类别基金——量化基金进行分析，通过匹配我们发现两点现象：1）有较多以沪深300指数作为基准的量化基金，通过匹配可以发现实际基金持仓市值要小于沪深300，实际跟踪指数更接近于中证500、中证1000以及中证800。实际以沪深300指数作为隐含跟踪目标的量化基金极少，仅占8.6%。

2）大多量化类基金均有明确的选股范围或跟踪目标指数，在找到恰当的隐含基准以后，跟踪误差可以控制在10%以下，甚至低达4.25%。
[h1]

4
主动管理型偏股类公募基金的隐含基准统计[/h1]我们在本节中对样本集的模型匹配结果进行初步统计，将成立时间大于1年、近两年平均仓位大于60%的公募基金、并剔除其中的被动指数型以及增强指数型基金作为主动管理型偏股类基金样本，而将其中平均仓位大于80%的公募基金作为主动管理型权益基金样本。从模型匹配结果上看，1718只主动管理型偏股类基金样本中，有804只基金能匹配到跟踪误差小于20%的基准，741只基金能匹配到跟踪误差小于15%的基准，336只能匹配到跟踪误差小于10%的基准。其中，能匹配上宽基指数的基金数量为505只，能匹配上合理的复合宽基指数的基金数量为429只，能匹配上复合行业板块指数的基金数量为296只。887只主动管理型权益基金样本中，有453只基金能匹配到跟踪误差小于20%的基准，427只基金能匹配到跟踪误差小于15%的基准，205只能匹配到跟踪误差小于10%的基准。其中，能匹配上宽基指数的基金数量为273只，能匹配上合理的复合宽基指数的基金数量为317只，能匹配上复合行业板块指数的基金数量为132只。值得一提的是，仍有接近半数的基金样本未能匹配隐含基准，其原因包括：1）该类基金管理人不存在锚定意识，未有明确的行业偏好或选股范围，呈现出板块或风格漂移现象。2）模型限定过于严苛。在本文中我们采用Brinson持仓分析模型，对披露的持仓期数过短、行业分布或者行业偏离波动过大、核心偏好行业不够显著等基金都施加了较低的包容度，因而使得一些短期发生过短暂偏离的基金未能匹配合适的基准。酌情放开模型约束，可以提高隐含基准的匹配率。3）本篇报告基于基金维度而并非基金经理维度。在实际样本中有大量基金发生过基金经理更换的情形，纵然基金经理存在对固定板块、行业的锚定意识，基金经理的更换也可能会引起基金的大幅风格切换，致使产品端无法匹配出合适的隐含基准。数据显示，量化基金因为大多基于模型而不完全依赖于基金管理人的特征，隐含基准的匹配率显著高于其他类别的偏股类基金。118只量化基金中除了少数持仓期数过短的基金（基金存续时间少于2年），其余85只基金几乎都能匹配出隐含基准。

进一步值得关注的问题是：哪些宽基指数或者哪些行业板块更易被基金经理的隐含匹配基准所采纳？换言之，哪些宽基指数、哪些风格以及哪些行业板块更易被公募基金管理人锚定？下文进行了简单统计。图10与图11展示了所有匹配的基于宽基指数的隐含基准中，各宽基指数的入围率。前文的图2我们曾展示披露基准中，各宽基指数的占比，其中沪深300指数以绝对的优势居于首位，占比高达60.4%，中证800、中证500分别仅各占8.6%、3.6%；而从匹配基准中，我们发现沪深300指数不仅不是当前国内基金的主要锚定对象，而且在匹配上隐含基准的基金中仅占3.5%，仅仅是较少数量基金的锚定对象。无论是主动管理型偏股类基金还是仓位水平更高的主动管理型权益基金，最受青睐的宽基指数均是中证500指数，分别占比为42%与45.4%；排名其次的是风格介于沪深300与中证500之间的中证800指数，分别占比为29.9%与31.5%；占比排名第三的是风格略偏小盘成长的中证1000指数，分别占比为22%与18.9%。以大盘价值风格为主的宽基指数（中证100指数、沪深300指数）仅被较少数基金所锚定。分析结果可见，国内公募偏股类基金实际风格相对其披露的业绩基准要显著偏小盘一些，且在各类市值中分布较为均衡，而并非集中在某一个板块。

进一步统计复合行业板块型的匹配隐含基准中，各行业板块的入围率，如图12所示。从图12可见，受国内偏股类公募基金青睐度最高的行业板块主要包括医药、食品饮料、电子元器件、计算机、家电、机械等。而关注度最低的板块主要包括石油石化、煤炭、钢铁、建材、纺织服装等。

可以推断主要原因是，消费、成长板块一方面本身存在长期的配置价值，另一方面板块内部个股分化较大，因而内部选股的意义显著，不乏在这些板块中具备较强选股能力的基金管理人，因此消费、成长板块更易成为国内公募偏股类基金的核心偏好行业。
而上游周期板块由于其本身属性，一方面并不具备长期的配置价值，另一方面板块内个股分化度不高，易出现同涨同跌现象，内部选股的意义不高，故只有极少数基金选择这些板块作为核心偏好板块。
对比主动管理型偏股类基金与主动管理型权益基金的统计结果我们发现，仓位略低的主动管理型偏股类基金更偏爱银行、非银等以大盘价值为主要风格的金融板块，与宽基指数统计中中证100指数、沪深300指数比例较高的结果相一致。仓位介于60%-80%的偏股类基金属于混合型基金，从配置角度往往期望均衡及稳定，波动率较小的大盘价值股更能满足这一配置需求。[h1]5 总结[/h1]基金的基准能传达出基金的投资范围、投资风格等信息，是评价基金管理人投资管理能力的基础，在对基金进行业绩评价时起到至关重要的作用。海外的基金评估体系不仅高度重视基金对其自身基准的相对业绩，也高度重视基金的业绩比较基准的设定是否合理。合理的基准组合应当包括以下七大标准：清晰明确、可投资性、可度量、适应性、反映当前投资观点、提前指定以及自我认可。
中国证券监督管理委员会早在2002年起就要求国内公募基金在发行时公布其业绩比较基准，然而统计结果表明我国主动管理型偏股类公募基金所披露的基准在风格上极不均衡，主要以沪深300指数为代表的大盘风格为主，且披露基准与实际基金的投资范围契合度有限。
本文尝试为主动管理型偏股类公募基金构建一套与之投资范围或投资风格更加匹配的隐含基准。该思路假定当前主动管理型公募偏股类基金中，至少存在一部分基金具备明确的选股风格或选股范围。其目的是方便投资者对该基金的投资范围及投资风格有更清晰准确的认识，以免被匹配度不足、偏离度过高的披露基准所误导，进而承担预期之外的风险。同时，也方便投资者考察公募偏股类基金在不同板块中的选股能力，当投资者存在板块或者风格观点时，可以选择相对该隐含基准表现更优的基金，实现Beta+Alpha的基金配置。
本文在第2节对分析基金隐含基准的常见方法做了介绍与对比后，最终采用了指数构造法下的Brinson法，并根据国内基金持仓数据的实际特征做了修改与优化，分别通过宽基指数和行业板块复合指数两个角度来挖掘目标基金的隐含基准。
模型校验结果显示，对于被动指数型基金与增强指数型基金等风格清晰明确的基金，基于持仓匹配出的参考隐含基准与实际披露基准高度一致；对于主动管理型偏股类基金，样本基金池中有约50%的基金可以匹配出隐含基准。对比披露基准与隐含基准，跟踪误差获得显著下降，可见隐含基准匹配有效，与基金实际投资风格或投资板块有较高的契合度。
哪些宽基指数、哪些风格以及哪些行业板块更易被公募基金管理人锚定？分析结果发现，沪深300指数不仅并不是当前国内偏股类基金的主要锚定对象，而且仅占3.5%，是较少数基金的锚定对象。国内公募偏股类基金实际风格相对其披露的基准要显著偏小盘一些，且在各类市值中分布较为均衡，而并非集中在某一个板块。占比排名前三的宽基指数分别为中证500指数（42%）、中证800指数（29.9%）以及中证1000指数（22%）。
从行业板块方面，受国内公募偏股类基金青睐度最高的行业板块主要包括医药、食品饮料、电子元器件、计算机、家电、机械等。而关注度最低的板块主要包括石油石化、煤炭、钢铁、建材、纺织服装等。消费、成长板块因为其长期的配置价值和内部选股需求而更易受到基金管理人的持续关注。
风险提示：市场系统性风险、模型误设风险、有效因子变动风险。
联系人：吕丽颖，(021)23219745
专题报告下载地址：
https://pan.baidu.com/s/16uVSstHyllcLB5nEiL4bGA

“海量”专题回顾
【点击标题可链接至报告原文】
【海通金工量化策略回顾】
48、“海量”专题（48）——海通金工2017年量化策略回顾
104、“海量”专题（104）——行稳致远：海通金工2018量化策略回顾

【宏观量化与资产配置】
7、“海量”专题（7）——大类资产配置之风险预算模型
20、“海量”专题（20）——长期投资者如何进行战略资产配置
23、“海量”专题（23）——中国版全天候策略
27、“海量”专题（27）——2017，全球对冲基金的新纪元？
33、“海量”专题（33）——Black-Litterman模型的直观理解
36、“海量”专题（36）——积极的风险均衡（Active Risk Parity）策略
46、“海量”专题（46）——Faber的战术资产配置策略在中国市场上的应用
56、“海量”专题（56）——从周期调整市盈率（CAPE）看中美股市当前的估值水平
59、“海量”专题（59）——宏观动量策略在全球股票市场中的应用
66、“海量”专题（66）——宏观动量策略在债券市场中的应用
67、“海量”专题（67）——宏观预期数据的选择与应用
101、“海量”专题（101）——美股的均值回归特征和收益率预测
105、“海量”专题（105）——全球股市轮动策略兼论从全球视角看A股投资价值
112、“海量”专题（112）——MOM投资框架
117、“海量”专题（117）——美国MOM数据分析
119、“海量”专题（119）——负债驱动投资（LDI）简介
124、“海量”专题（124）——主权财富基金资产配置的共性与差异
139、“海量”专题（139）——行业的长期价值与CAPE的应用

【因子投资与Smart Beta】
9、“海量”专题（9）——高相关资产配置中的因子降维与组合优化
10、“海量”专题（10）——高相关资产配置中的因子预算
14、“海量”专题（14）——大类资产中的风格因子与Smart Beta
41、“海量”专题（41）——风险加权指数
118、“海量”专题（118）——“单因子多组合”还是“多因子单组合”
122、“海量”专题（122）——反向剔除的因子组合
133、“海量”专题（133）——个股加权方式对比

【行业轮动】
16、“海量”专题（16）——动量策略及收益率高阶矩在行业轮动下的应用
49、“海量”专题（49）——行业一致预期数据的应用分析
52、“海量”专题（52）——“基本面+价格”选出好行业
65、“海量”专题（65）——龙头股效应在行业轮动上的应用
68、“海量”专题（68）——行业间动量和趋势因子的应用分析
70、“海量”专题（70）——预期情绪数据在行业轮动中的应用
72、“海量”专题（72）——宏观经济数据应用于行业轮动的探索
73、“海量”专题（73）——周期、非周期板块内的行业轮动

102、“海量”专题（102）——基于行业Alpha收益的行业轮动模型

103、“海量”专题（103）——行业微观因子的轮动效果
126、“海量”专题（126）——基于BL模型的行业配置策略
136、“海量”专题（136）——基金行业配置观点的分析

【因子择时与风格轮动】
4、“海量”专题（4）——多因子择时初探
19、“海量”专题（19）——基于条件期望的因子择时框架
47、“海量”专题（47）——探寻风格轮动的先行指标
57、“海量“专题（57）——大小盘轮动研究（创业板50 vs 上证50）
75、“海量”专题（75）——指数轮动：沪深300 VS 中证500
90、“海量”专题（90）——宏观数据在板块轮动中的应用
95、“海量”专题（95）——因子失效预警：因子拥挤

108、“海量”专题（108）——因子拥挤度的改进

109、“海量”专题（109）——因子拥挤度的扩展
134、“海量”专题（134）——基于回归树的因子择时模型

【量化多因子选股】
1、“海量”专题（1）——市值因子的非线性特征
2、“海量”专题（2）——选股因子的正交
3、“海量”专题（3）——从最大化复合因子单期IC角度看因子权重
11、“海量”专题（11）——业绩反转之绝对收益

13、“海量”专题（13）——因子视角下的事件驱动策略
15、“海量”专题（15）——因子视角下的事件驱动策略收益
17、“海量”专题（17）——高频因子之收益分布特征
21、“海量”专题（21）——分析师主要要素变动共振事件
22、“海量”专题（22）——价值投资系列之便宜是否值得买
24、“海量”专题（24）——分析师一致预期相关因子
26、“海量”专题（26）——关注盈利是短期风格还是长期趋势
29、“海量”专题（29）——历史财务信息对股票收益的预测能力
30、“海量”专题（30）——历史盈利在预测股票收益时的作用
34、“海量”专题（34）——高频因子之已实现波动率分解
35、“海量”专题（35）——因子加权、正交和择时的若干性质
37、“海量”专题（37）——分位数回归在多因子选股中的应用
38、“海量”专题（38）——因子降维1：底层因子降维方法对比
39、“海量”专题（39）——分析师荐股是否存在超额收益
40、“海量”专题（40）——一致预期数据的质量分析
43、“海量”专题（43）——学术研究中的财务异象之盈利能力
44、“海量”专题（44）——学术研究中的财务异象之盈利质量
51、“海量”专题（51）——A股因子的适用环境分析

55、“海量”专题（55）——学术研究中的财务异象之应计量的分解
58、“海量”专题（58）——业绩超预期股票收益特征分析
60、“海量”专题（60）——哪种分析师推荐报告最值得关注？
63、“海量”专题（63）——A股市场存在龙头股效应吗？
64、“海量”专题（64）——龙头股效应在一致预期数据上的应用
71、“海量”专题（71）——被机构调研的上市公司有超额收益吗？
76、“海量”专题（76）——宏观经济数据可以用来选股吗
77、“海量”专题（77）——宏观经济的不确定性在A股市场被定价了吗？
79、“海量”专题（79）——解禁、融资融券、陆股通和质押的超额收益机会分析

80、“海量”专题（80）——分析师覆盖度与股票预期收益
82、“海量”专题（82）——原油价格对行业和股票影响的量化分析
84、“海量”专题（84）——哪些宏观经济指标可以选股？

85、“海量”专题（85）——A股是否存在异质动量现象？
89、“海量”专题（89）——哪些事件驱动策略可以因子化？
91、“海量”专题（91）——如何计算盈利指标的趋势？
91、“海量”专题（92）——因子敞口上限对优化组合的影响
93、“海量”专题（93）——放松组合构建中的行业中性约束
94、“海量”专题（94）——高频量价因子在股票与期货中的表现
96、“海量”专题（96）——医药行业因子选股研究

97、“海量”专题（97）——预期因子的底层数据处理
100、“海量”专题（100）——行业、概念板块的动量溢出效应
111、“海量”专题（111）——质量因子
113、“海量”专题（113）——近期指数增强策略回撤原因分析
115、“海量”专题（115）——预期调整类因子的收益特征
1 21、“海量”专题（121）——日内分时成交中的玄机
123、“海量”专题（123）——捕捉投资者的交易意愿
125、“海量”专题（125）——探索A股的五因子模型
127、“海量”专题（127）——当下跌遇到托底
128、“海量”专题（128）——股票的“共性”与“个性”
132、“海量”专题（132）——消费板块的因子组合
137、“海量”专题（137）——上市公司关系网因子
140、“海量”专题（140）——资产增长稳定性与资本结构变化
142、“海量”专题（142）——价量波动幅度

【衍生品和CTA策略】
5、“海量”专题（5）——CTA策略介绍及配置价值（上）
6、“海量”专题（6）——CTA策略介绍及配置价值（下）
8、“海量”专题（8）——豆粕/白糖商品期权指南

12、“海量”专题（12）——基于动量和期限结构的商品期货策略
18、“海量"专题（18）——多品种期货策略中的权重分配
31、“海量"专题（31）——商品期货因子挖掘与组合构建再探究（上）
32、“海量"专题（32）——商品期货因子挖掘与组合构建再探究（下）
42、“海量”专题（42）——CTA多品种趋势策略中的仓位管理方法
53、“海量专题”（53）——基于海内外期货持仓报告的CTA策略
61、海量“专题（61）——原油期货指南
83、“海量”专题（83）——2年期国债期货指南
87、“海量”专题（87）——揭开“逆周期因子”的神秘面纱
110、“海量”专题（110）——2018 年期货市场及CTA策略回顾
135、“海量”专题（135）——CTA因子适用性分析及品种动态筛选策略

【FOF与基金研究】
25、“海量”专题（25）——债券基金的风格归因与因子剥离初探
28、“海量”专题（28）——债券基金风格归因模型2.0之七因子剥离体系

45、“海量”专题（45）——因子剥离体系下的债券基金久期估测构想
69、“海量”专题（69）——A股市场的基金经理是否具备择时能力？
78、“海量”专题（78）——基金业绩持续性的影响因素分析
81、“海量”专题（81）——FoF投资中，如何对主动权益基金进行因子剥离
98、“海量“专题（98）——基金风格稳定性评估及功能性权益基金挖掘
106、“海量”专题（106）——利用因子暴露监控公募基金仓位和投资风格的变化
114、“海量”专题（114）——国内公募权益类基金有Alpha吗？
129、“海量”专题（129）——Alpha是来自于运气还是实力？
130、“海量”专题（130）——基金业绩归因方法论综述
138、“海量”专题（138）——债券型基金的工具化分类探究

141、“海量”专题（141）——如何评估债基的股债配置能力

【创新产品研究】
50、“海量”专题（50）——新理念、新趋势：ESG投资概述
62、“海量”专题（62）——目标日期基金的下滑轨道设计
120、“海量”专题（120）——ESG评级在因子组合构建中的应用

【高频交易策略】
131、“海量”专题（131）——基于集合竞价分时走势的A股T+0策略

【量化市场观察】54、“海量”专题（54）——亏损这么多，我该拿你怎么办？
74、“海量”专题（74）——战略配售基金投资标的基本面及收益率分析
86、“海量”专题（86）——股市极值及收益率预测模型的周度择时研究
88、“海量”专题（88）——中国企业的税收负担及其对上市公司投资价值的影响
99、“海量”专题（99）——行业收益结构变化带来的机遇
107、“海量”专题（107）——中美股票市场指数的季节效应

法律声明：
本公众订阅号（微信号：海通量化团队）为海通证券研究所金融工程运营的唯一官方订阅号，本订阅号所载内容仅供海通证券的专业投资者参考使用，仅供在新媒体背景下的研究观点交流；普通个人投资者由于缺乏对研究观点或报告的解读能力，使用订阅号相关信息或造成投资损失，请务必取消订阅本订阅号，海通证券不会因任何接收人收到本订阅号内容而视其为客户。
本订阅号不是海通研究报告的发布平台，客户仍需以海通研究所通过研究报告发布平台正式发布的完整报告为准。
市场有风险，投资需谨慎。在任何情况下，本订阅号所载信息或所表述的意见并不构成对任何人的投资建议，对任何因直接或间接使用本订阅号刊载的信息和内容或者据此进行投资所造成的一切后果或损失，海通证券不承担任何法律责任。
本订阅号所载的资料、意见及推测有可能因发布日后的各种因素变化而不再准确或失效，海通证券不承担更新不准确或过时的资料、意见及推测的义务，在对相关信息进行更新时亦不会另行通知。
本订阅号的版权归海通证券研究所拥有，任何订阅人如欲引用或转载本订阅号所载内容，务必联络海通证券研究所并获得许可，并必注明出处为海通证券研究所，且不得对内容进行有悖原意的引用和删改。
海通证券研究所金融工程对本订阅号（微信号：海通量化团队）保留一切法律权利。其它机构或个人在微信平台以海通证券研究所金融工程名义注册的、或含有“海通证券研究所金融工程团队或小组”及相关信息的其它订阅号均不是海通证券研究所金融工程官方订阅号。