中证金牛丨金牛基金量化研究系列一:债券型基金画像

阳光里的他

摘要

优选基金作为构建FOF基金组合策略的底层步骤，是关键重要一环。在基金数量不断增多的背景下，基金业绩分化亦较为明显，优选基金面临一个核心问题：即基金业绩的可持续性与如何评价的问题。

在投资研究过程中，为了全面和深入地针对基金进行研究，基金研究员往往需要提取和计算数量众多的指标，涉及收益、风险、另类等诸多方面。然而，数量众多的指标或者因子，相互之间具有较强相关性，如何选取最有效的指标组合进行基金评价是本系列需要解决的问题。

本文以开放式债券型基金为研究对象，结合人工智能的算法，推出了公募基金的全面画像系列，从各个维度、全方位解读基金的业绩表现及基金经理的投资能力，从而帮助投资者解决选基难题。

面对当前27万亿规模的公募基金市场，存在着基金产品数量众多、种类丰富、交易结构复杂、相关信息不对称等特点，这些无疑给普通投资者带来了“选基”难题。

基金产品虽然是一揽子债券或股票的投资组合，但相对于个券或个股理解起来则更为复杂与抽象。因为在这其中，不但要考虑宏观及市场的运行规律，基金本身的持仓变化，还要考虑基金经理投资行为的风格。投资者在公募基金的选择上，虽然可以获取大量的公开数据与信息，但不可否认的是，公开信息相对滞后，很难在投资方面具备一定的前瞻性。因此，我们将对全市场基金进行综合研究，希望能够在一定程度上解决选基难题。

基金画像系列是针对全市场公募基金，将公募基金的评价过程拆解成多个维度，然后再进行综合评价。首先我们将全市场基金进行分类，如图表1所示：

图表1: 基金分类体系



数据来源：WIND、中证金牛研究中心

1、债券型基金优选

在公募基金数量不断增多的背景下，公募基金业绩分化亦较为明显，那么基金评价面临一个核心问题，即：如何对全市场每一只基金进行综合评价，从而筛选出优质的基金。其次，评价维度也是需要解决的问题之一。

我们首先以开放式债券型基金（依据WIND分类，包括开放式纯债型基金、指数债券型基金、混合债券型基金）为研究对象，精选优化业绩、风险控制能力、规模和持有人结构、基金经理能力等四大指标维度，对其进行综合评价，进一步实现基金优选的目的，且根据回测效果验证预测效果较优。

图表2: 选取测试的部分指标因子列表



数据来源：WIND、中证金牛研究中心

2、多维基金画像体系

笔者结合多年公募投研系统建设以及基金管理经验，归纳整合出一套由4个核心维度构成的多维度债券基金画像体系：1）、业绩表现：历史时间段内基金的业绩表现; 2）、风险控制能力：历史时间段内基金的风险表现; 3）、规模和持有人结构：根据经验，规模在百亿以上的基金其盈利能力与规模成正比; 4）、基金经理能力：评估基金经理操盘、投资风格。我们选择了一支排名前10名以内，综合得分为92分的债基为案例，给大家讲解基本的量化工作逻辑。

图表3：债券型基金画像各维度得分



数据来源：WIND、中证金牛研究中心

如图表3所示，经过该债基上述各维度进行较为复杂的数学模型算法上的技术处理，我们会得到各维度的评价分数，进而再通过一系列的算法得出基金的综合得分，然后根据综合得分由高到低的顺序进行排序，最后生成上述的雷达图。雷达图中清晰地展示了基金的4个评价维度及其得分，以及与平均值的差异。

3、基金画像实证结果展示

以纯债基金为例，我们选取模型综合得分的第一名（综合得分：100分）和最后一名（综合得分：0分）进行比较。采用今年9月1日的打分结果，来更直观地阐释我们的画像模型，以及它在投资研究过程中发挥的作用。

图表4：债券型基金A的各维度得分



数据来源：WIND、中证金牛研究中心

图表5：债券型基金B的各维度得分



数据来源：WIND、中证金牛研究中心

从模型的各维度得分来看，基金A除风险控制能力外，其余几个维度均远远强于基金B。结合图4与图5，长期持有基金A带来的收益要远远强于基金B，基金B的净值从成立至今几乎没有变化。

图表6：基金年度回报对比 （2017-2021）



(备注：蓝色为基金A，橙色为基金B)

数据来源：WIND

图表7：基金净值走势对比 （2017-2022）



(备注：蓝色为基金A，橙色为基金B)

数据来源：WIND

图表8：年度择时能力、风险收益分析



(备注：蓝色为基金A的基金经理，橙色为基金B的基金经理)

数据来源：WIND

通过历史收益与风险的对比，我们已经能明显看出两只基金的优劣，那么如果单纯只从一个维度风险控制能力来看，基金B优于基金A，那么最后一定会得到错误的结论。其次，基金B的基金经理择时能力要优于基金A的基金经理，两名基金经理的各项指标评价各有优劣，那么如何进行综合评判，从而得到更加客观的结论，则需要用到我们的基金经理评价体系。后续，我们也会陆续输出我们对基金经理画像的研究成果。

（风险提示：量化研究基于历史数据，可能存在模型设定偏差。本文仅用于研究成果之分享，不构成任何投资建议。）

（CIS）

温馨提醒：

由于微信平台推送不再按时间排序，如果大家喜欢我们的内容，请您点亮⭐“星标”⭐，或者在每次阅读后点击下『在看』，或者转发、评论、与我们多多互动，这样，金牛基金就能在最显眼的地方等您，我们的更新文章也会在第一时间出现在您的订阅列表中。



★金牛基金提醒您，投资有风险，入市需谨慎。投资人切忌盲目投资，以免造成不必要的损失。



作者：金牛基金