股票型基金beta出现两极分化现象，股票型基金经理投资能力分化较大
在选择投资标的时，不仅要考虑基金的投资风格，同时要考虑其相对基准的收益情况。本文借鉴了股票市场中常用的多因子模型，对每只基金的投资风格进行分类，同时剥离出其中的市场因子，考察其获得超额收益的能力alpha，并通过组合构建的方式复原beta收益。
在我们的样本基金中，包含222只股票型基金、509只债券型基金及590只混合型基金。每期根据历史表现挑选出5只基金进行等权重组合投资，如此类推。结果显示，股票型基金每年平均收益率为24.7%，债券型基金为7.3%，混合型基金为17.3%，其波动率与最大回撤普遍优于基准指数。
A 策略设计背景
我们前期已经介绍Fund of Funds(简称FOF)资产配置策略，即通过定性或定量的方法对大类资产进行配置。在大类资产配置权重确定后，我们将进行基金产品的选择。作为资产配置的主要收益实现方式，基金的好坏决定了大类资产的实际收益。因此，选择投资标的时，不仅要考虑基金的投资风格，同时要考虑其相对基准的收益情况。本文借鉴了股票市场中常用的多因子模型，对每只基金的投资风格进行分类，同时剥离出其中的市场因子，考察其获得超额收益的能力alpha，并通过组合构建的方式复原beta收益。
我国公募基金主要分为股票型基金、债券型基金、混合型基金及其他QDII类基金，前三者市值占绝大部分，我们将主要选取以上三类基金作为研究对象。由于本文考察基金alpha，因此我们剔除相关指数基金。
公募基金投资范围主要为国内股票和债券市场，其组合构成亦是上述资产的线性组合。因此，在因子的挑选中，我们主要选择两大市场的基准(沪深300和中债国债总财富指数)作为市场因子剔除其beta。这样做的目的在于:
1.在前期的风险评价分析框架中，此两只指数作为股票和债券市场的平均表现纳入到模型中，计算得出的权重反映出该类资产在组合中应该持有的比例。作为投资标的，所选基金亦需具备该市场的收益特征。在业绩归因时亦可以清楚得出收益来源的比例情况。
2.简化投资流程，避免整个资产配置系统出现过多参数。在纯多头策略中，alpha收益小于beta收益，alpha的筛选目的是在实现beta收益的同时，尽可能地获得较好的风险调整回报。
B 策略原理
正如前文所述，FOF投资的第二步将进行基金的挑选，从而在基金层面上实现资产配置。目前对基金筛选的方法众多，包括动量方法、多因子方法、聚类分析法等。本文选取如下形式的多因子模型进行分析:
rp=α+β1r1+β2r2+…+βnrn
从模型的角度来看，基金表现越出色，alpha值越大，alpha-t越显著，模型的R2越小。其中alpha代表了基金经理获得的超额收益，一般来说，投资者总希望基金能获得更好的回报，因此alpha亦越高越好。Alpha-t代表alpha的t统计量，其直观含义为alpha值分布的稳定性，若alpha越稳定，则t值越大，未来该基金能获得alpha的概率就越高。R2代表了模型的拟合优度，反映出模型能够解释基金收益率的多少。若R2越低，说明不能被解释的部分越大，基金经理获得的收益有更多不能被市场因素解释，即更多地取决于个人能力。
上述三个指标均能挖掘基金经理获得超额收益的能力，我们用其线性组合计算总分然后排序列，选出排名前5的基金进行滚动投资。为了使各指标方向及大小统一，需将R2设为倒数，并各自标准化进行汇总。
score=w1alp1a+w2t+w3adj.R2
在计算过程中，我们发现alpha、t及R2对未来的收益预测能力不尽相同。其中alpha及R2在当期能够较好地筛选出绩优基金，但稳定性较差，而t则在三类基金中均呈现出较为稳定的预测作用，即前期t值较高的基金，未来收益亦相对较好。另外，无论打分权重如何变化，效果最好的仍然是仅对t进行筛选，因此我们选择t作为挑选基金的唯一指标。
C 样本选取和策略测试结果
我们将2013年11月至2016年11月的样本平均分成10个子样本区间，平均每个样本包含约70个交易日数据。对每区间内所有基金进行回归，得到alpha、alpha-t及调整R2数据，分别进行单独排序或打分筛选出排名前N的基金在下一期进行投资，不断滚动操作。
图为策略样本内及样本外区间选择介绍
样本基金筛选条件:
1.股票型基金主要包括普通股票型、指数增强型及纯指数型基金，样本中只保留普通股票型基金。
2.债券型基金主要包括纯债型、混合债券型及指数型，样本中只保留纯债型及个别仅投资于债券资产的混合型债券基金。
3.混合型基金主要包括灵活配置型，偏股(债)混合型及平衡型基金，此类别所有基金均保留至样本当中。
