基于基金屬性的因子選股策略研究.pdf

基于基金屬性的因子選股策略研究。因子開發迭代更新越來越重要。近幾年來，隨著傳統多因子模型在市 場的應用逐漸廣泛，因子的波動特征逐漸加大，因子擁擠等原因造成 了因子的收益逐漸下降。為了能夠尋找更好的 Alpha 收益來源，在多 因子模型框架中，因子作為底層 Alpha 來源輸入的基礎，因子的開發、 迭代、更新就顯得越來越重要。低頻相關的數據的因子開發目前難度 越來越大，增量的信息越來越有限。本篇專題報告基于公募基金的屬 性及持倉個股角度出發，研究基于公募基金持倉的因子研究。

基于基金屬性因子與重倉股信息。近年來，公募基金的總資產凈值與 只數一直在穩步上升，個數已經超過 1000 只。從長期角度看，公募基 金凈值整體呈現上升趨勢。基金相對市場基準有著超額收益。利用基 金持倉信息挖掘選股信息具有可行性。本文將“優秀”基金的持倉股 票賦予更高的權重，將“普通”基金的持倉股票賦予更低的權重，從 基金投資能力的差異性獲取超額收益，構建基于基金屬性的選股因子。

實證分析。基于基金屬性的因子選股策略在基金重倉股、滬深 300、 中證 500、中證 800 等選股域內較為有效。在月度調倉頻率下，經過 行業市值中性化處理的因子在基金重倉股股票池內，RANK_IC 均值為 0.025，RANK_IC 勝率為 65.91%，信息比為 0.80，換手率平均值為 30%左右。在滬深 300 股票池內，經過中性化處理的因子在滬深 300 股票池內分檔效果顯著，RANK_IC 均值為 0.035，RANK_IC 勝率為 65.91%，信息比為 1.05。通過對數據預處理后的綜合基金屬性因子與 傳統的風格因子進行相關性分析，發現綜合基金屬性因子能夠挖掘傳 統因子外的增量信息，可以作為新因子加入多因子模型中。在剝離掉 三個月股價動量因子后以及行業市值中性化后的綜合基金屬性因子在 基金重倉股股票池范圍內依然有較為顯著的選股效果。