基金管理的主动性指标构建与业绩预测

请务必阅读正文后的重要声明部分 2021 年 10 月 20 日 2017年02月06日 证 券研究报告•金融工程专题报告 基金研究系列 基金管理的主动性指标构建与业绩预测 摘要 西 南证券研究发展中心 跟踪误差（Tracking Error）作为最传统的衡量基金主动性的方法，反映基金收益率偏离基准指数收益率的程度。基于 T-M 模型，回归拟合优度𝑅2衡量基金收益率中能够被市场收益率解释的强度，本文构建基金管理的主动性指标1 − 𝑅2，检验了1 − 𝑅2指标在选基中的有效性，优于跟踪误差指标，并对基金业绩有较好的预测和解释能力。 通过分组检验，随着主动性指标的增大基金组合平均收益率单调递增，1 − 𝑅2指标与跟踪误差均与未来基金业绩正相关。1 − 𝑅2指标与未来基金超额收益率 er的 IC均值达到 0.09，与未来基金经风险调整的 alpha的 IC均值达到 0.15，均远高于 TE指标的 0.06和 0.13。与 TE 相比，1 − 𝑅2指标的 IC波动性更小，IR值更大；T统计量更大，IC 为正的比例更大。 1 − 𝑅2指标与未来超额收益 er 的 IC 序列表现出一定的周期性，这种规律与市场高度相关。在震荡期，IC序列表现出连续的正值，在时期 2009.06-2014.06，er与1− 𝑅2的 IC值 96.16%为正数且均值达到 0.26。在时期 2016.08-2021.08，er与1 − 𝑅2的 IC值 84.03%为正数且均值为 0.18。在一轮牛熊市时期 2014.07-2016.07，这个时期估计的基金的主动性管理能力并不准确去预测未来时期 2016-2018 年的基金业绩，甚至表现出连续的负相关关系。 通过 Fama-Macbeth回归，在控制了基金规模、基金流量、基金历史 alpha收益率等因素外，未来基金的超额收益率 er以及经过风险调整的 alpha都与1− 𝑅2正相关，并且在 1%的显著性水平下显著。 最后，我们采用不同的基准市场收益率，不同预测时长、以及日度数据进行稳健性检验，结论一致，1− 𝑅2指标都有较好的选基能力。 2020 年末，我们通过结合1 − 𝑅2指标与 alpha指标选出的 10只基金至今取得了平均 16.45%收益率，10 只基金里面有 7 只基金取得了 10%以上的收益率。在2021 年 8月末（截至报告日），筛选出的基金如下：银河创新成长、工银瑞信医疗保健行业、信达澳银新能源产业、中欧明睿新起点、鹏华优质治理、海富通股票、万家和谐增长、汇添富环保行业、长城久富、景顺长城环保优势。 风险提示：本文的研究是基于对历史数据的统计和分析，因子的历史收益率不代表未来收益率。若市场环境发生变化，因子的最终表现可能发生改变，用此方法筛选的基金可能不能实现良好表现。 [Table_Author] 分析师：邓璎函 执业证号：S1250517080005 电话：023-67507084 邮箱：dyh@swsc.com.cn 相 关研究 基 金研究系列 请务必阅读正文后的重要声明部分 目 录 1 基金管理主动性指标和基金业绩指标的构建 ...................................................................................................................................... 1 1.1 基金管理主动性指标............................................................................................................................................................................ 1 1.2 基金业绩指标 ......................................................................................................................................................................................... 2 2 主动性指标有效性分析............................................................................................................................................................................... 2 2.1 样本选择与数据处理............................................................................................................................................................................ 2 2.2 分组检验.................................................................................................................................................................................................. 3 2.3 分组净值图 ............................................................................................................................................................................................. 4 2.4 信息系数分析 ......................................................................................................................................................................................... 5 3 FAMA-MACBETH 回归 ...................................................................................