基于行业偏好的基金经理风格定位

基于行业偏好的基金经理风格定位好买基金研究中心：孙志远一、研究目的在上一篇报告中1，笔者探讨了一种基于宏观经济周期的基金风格定位方法，通过对每只基金在不同经济阶段业绩表现的研究，找到适应特定阶段的绩优基金，同时还提出了一种构建宏观经济及物价水平领先指标的方法。由于小宏观经济周期（基钦周期）的一般跨度在3~5年，其中的每个经济阶段持续期也会在1年左右，因此这种方法较为适用于平均投资期限在1~2年的投资者。根据这种风格分类方法，通过在投资期限内持有适应该投资环境的绩优基金，就可获得超过市场平均水平的回报。但鉴于该方法忽略了每个经济阶段中基金业绩的波动，仅考虑最终回报结果，而即便是小宏观经济周期中也时常包含数个小型牛熊转换，因此对于投资期限相对较短的投资者来说，该方法并不一定能够带来相对稳定的回报，本文的研究则正是试图找到一种短周期内帮助投资者获益的选基方法。本文是好买基金风格维度系列的第二篇报告，基于RBSA的分析逻辑，挖掘基金经理而非单个基金产品的长期行业配置倾向，确定其固有行业风格及投资偏好。从实用性上看，由于近年来中国一直处于经济转型的大潮之中，伴随着“十二五”计划的深入，政府将不断出台针对特定行业短期或长期的扶植政策，因此某些行业在政策红利期中存在事件性（短期）和基本面（长期）上的盈利增长空间和投资机会。为特定基金经理贴上行业风格标签，挖掘具有特定行业配置倾向或行业内个股挖掘能力的基金经理，可在行业出现利好消息时为投资者提供优质的基金购买标的，通过基金经理在行业内的个股挖掘能力获取超额收益，是一种适用于投资期限不长或希望进行行业轮动择时的投资者的基金选择方法。二、研究思路（一）前人的做法之前研究人员对于公募偏股型基金的行业风格定位多采用Portfolios(Holdings)-BasedStyleAnalysis的方法。这种方法以每只基金季报中公布行业配置比例或重仓股为基础，研究其对行业平均水平的偏离情况，并综合考虑各个时间点上的长期偏离来考察其对特定行业的配置倾向，同时将属于各个行业的重仓股的投资业绩与同阶段各行业平均业绩回报相对比，以考察其在某行业上是否具有个股选择能力。（二）存在的问题对于中国公募基金研究来说，PBSA（或称HBSA）方法主要存在两个问题：1）研究对象是各个基金，而非其运作核心——投资经理。由于每个人的背景和从业经历存在不同，在各个投资1具体请见前期报告《好买基金风格维度系列之一：基于宏观经济周期的基金风格定位》（孙志远）。好买基金研究中心风格或行业上具有各自的比较优势，因此很难假设某只基金在更换投资经理之后其投资风格不发生变化。但目前的研究多以每个基金为分析对象，并不考虑期间投资经理的变更，试想一下，若某只基金先后由钢铁行业研究员出身的A投资经理与统计系博士出身的B投资经理进行管理，其分析逻辑和行业配置重心必然会有显著的差别，如果不加区别的进行研究，则可能得到诸如配置倾向模糊以及投资风格漂移等结论，但这并不一定与事实相符：A经理在管另外一只基金时可能还是以金属非金属为主要投资对象，B经理则依旧采用“黑箱”模型进行数据挖掘，如果以人而非基金为口径分析，A、B两位投资经理的投资风格可能非常稳定。2）数据频率过低。PBSA法的数据基础为基金季报，每年仅有4个数据点，而中国有近90%的股票型基金是在2006年后成立的，这也意味着即使按照基金为统计口径，大部分基金的数据量将少于22个，如此有限的样本量将大大降低统计量的精确性；此外，对于一些换手率较高的基金来说，低频时点数据无法代表其在一段时间内的操作风格。极端情况下，基金可在季初和季末的报告日均购买大量的医药股，但季中却持续参与创业板的炒作。如果从PBSA的分析角度，则将得出该基金具有防御性配置倾向，但实际上却远非如此。（三）本文的做法本文假设每个人（而非每个基金）存在固定的“心理锚”，即每个人可能因为自身的专业背景或从业经历具有某种特定的行业风格偏好，且在较长时间不易发生变化。例如行业研究员或实业运作出身的基金经理可能对其所熟悉的行业具有特定偏好，而在特定阶段那些为投资经理创造过巨大价值的行业，也可能成为其资金运用的“甜点”。在假设的基础上，本文以单个基金经理而非单个基金作为研究对象，基于其运作期中所管辖基金和行业指数的日收益率，运用Return-BasedStyleAnalysis的方法来考察其行业偏好和倾向。一些学者曾经指出，无论国内外，基金均存在季末的粉饰效应，即刻意隐藏自己日常的仓位水平或配置倾向，但笔者认为每日净值涨跌是无法被粉饰的，只要通过合适的模型设定，就必然能够找到其与某些行业的相关性强弱，从而挖掘其实际配置倾向和偏好。本文使用的RBSA方法与基于季报持仓结构的PBSA方法不同，是一种基于高频数据的风格定位方法，其核心思想由威廉.夏普于1988年提出。该方法用基金的历史业绩与各个指数进行含约束条件的多元回归，每个自变量代表一种资产类别或者投资风格。由于实际投资组合多含有卖空约束，因此回归斜率系数被限定于0%和100%之间。此外，基于风格或资产类别的完备性，所有斜率系数之和被限定为100%。由于该方法可以使用日收益数据，所以对于发展较晚、存续时间不长的中国公募基金尤为适用。3ConfidentialandProprietary分析步骤三、分析过程笔者基于好买基金数据库，统计了自2002年以来所有偏股型基金的日收益数据，并按每个基金经理（无论在任或卸任）做条件平均，由此得到每个基金经理的任期业绩。然后将其任期业绩与同期Wind（证监会）行业指数收益做回归，以确定其行业风格。具体回归模型如下：𝑅𝑡=𝑎+∑(bi×Fi,t)𝑛𝑖=1+εt其中：Rt：某基金经理任期内日收益序列；Fi,t：对应于某基金经理任期的Wind（证监会）行业指数日收益序列；bi：某基金经理i行业平均配置比例，该比例之和等于1，每个bi的比例在0和1之间；a：某基金经理其它超额收益，包括债券配置收益及个股选择收益；εt：回归残差。该回归模型的最小二乘估计实质上等同于以下最优化过程：𝑀𝐼𝑁:[𝑅𝑡−𝑎−∑(bi×Fi,t)]𝑛𝑖=12SubjectTo:∑bi𝑛𝑖=1=1(1)bi≥0(2)统计基金经理历史业绩合并同基金经理管辖下的基金业绩与同期指数进行回归考察回归显著性回归变量解释4ConfidentialandProprietary根据以上模型，可以得到每个基金经理在其任期内的行业平均配置比例。如果某个行业配置比例明显高于该基金经理在其他行业配置比例或其他基金经理在该行业配置比例上的平均水平，则可认为该基金经理对这个行业具有持续型的偏好。同时如果该基金经理的a，即个股选择收益较高，则可近似认为该基金经理具有在该行业上的个股选择能力。当然，我们还需要对模型的稳健性和精确性作出估计。由于上述回归模型含有参数的约束条件，参数估计量并非一致无偏有效，因此无法直接应用传统的t检验。在此笔者计算模型的解释变差比例，以该变量作为回归模型稳健性的衡量标准。若解释变差比例高，则可认为模型的稳健性强，反之反然。四、分析结果及应用通过前述模型，我们可以得到每个基金经理在每个行业上的平均配置比例、其他收益（选股收益）及变差解释比例。通过在基金经理自身行业配置比较，还可以得到某特定行业在该基金经理所有行业配置比例中的排名。以下以农林牧渔行业为例，展示模型结果及其应用过程。假设国家即将出台农业补贴政策，未来农业将迎来良好的发展机遇，农业板块的盈利增长可能超过GDP增速。诚然，如果有以上的预期，我们大可直接在二级市场买入农业股。但如果我们相信公募基金经理的选股能力强于普通投资者（实证检验证实公募基金更多倾向于获取相对收益，择时能力并不显著），同时分散的组合能够降低收益波动，那么理性的我们就应该将选股的工作交给更有选股能力的基金经理。鉴于此，我们应当挑选的是职业生涯中倾向于配置农业板块，同时具备一定个股选择能力的基金经理及其当前管辖的产品。具体可按照以下步骤进行：（一）剔除已不在任的基金经理这点自然是毋庸置疑的，但需要注意的是，不少公募基金经理转战私募界，如果某位曾在该行业业绩出色的投资经理发行了私募产品，同时投资者具备一定资金规模的话（私募基金首次认购门槛金额一般为100万，追加认购门槛金额一般为300万），加入其中也不失为一个不错的选择。（二）剔除模型变差解释比例不高的基金经理变差解释比例衡量了模型的有效性，如果该数值不高，则意味着模型测算结果的置信度不强，应予以剔除。一般来说，变差解释比例最少应在80%以上。（三）对农林牧渔行业配置比例排序对所有基金经理在农林牧渔行业上的平均配置比例进行排序（下表列示了农林牧渔行业配置比例排名前20的基金经理），以配置比例较高的基金经理作为备选库。（四）自身配置重点应在农林牧渔行业完成上步后，我们挑选出农林牧渔行业配置比例较高的基金经理，但该行业并不一定是基金经理组合中的重点。例如下表中易方达科讯的基金经理宋昆，尽管与其他人相比农业配置比例较高，但该行业在其自身行业配置上仅处于第六位，可见该行业并非其关注的重点，因此建议投资者还要考虑特定行业是否为基金经理自身的配置重点，这点可通过“本经理行业配置排名”来测度。（五）挑选个股选择能力较强的基金经理及其所管产品5ConfidentialandProprietary这点可以通过“其他收益”来衡量。尽管“其他收益”不仅包含该行业中的个股选择，还包括了其他行业的个股选择及债券配置收益，但不可否认的是，股票型基金债券配置比例不高，从中获得的配置收益有限，而且各个经理之前的差别也不明显。同时由于按照农林牧渔行业比例排序，较高的“本经理行业配置排名”也意味着大部分“其他收益”可能来自于这些排名靠前的行业。基金经理风格定位之农林牧渔基金经理是否在任当前所管基金变差解释比例其他收益本经理行业配置排名2农林牧渔配置比例李阳是光大中小盘0.89-8.59%311.19%陈绍胜是海富通股票0.92-3.55%310.11%王少成是东吴新创业0.801.91%310.04%宋昆是易方达科讯0.93-5.90%69.84%唐文杰是鹏华创新0.89-4.29%49.49%卞亚军是华泰柏瑞量化先行0.94-0.68%59.17%汪澂是南方隆元0.78-1.73%69.09%龚炜是天治创新0.940.20%58.54%徐子涵是银华内需0.89-3.64%58.34%彭砚是中银策略0.91-4.35%58.08%傅鹏博是兴全社会责任0.89-1.49%57.45%宋小龙是富国通胀通缩主题0.88-3.67%67.44%管文浩是融通领先成长0.88-8.79%57.34%陈欣否——0.896.61%57.31%蒋宁是华宝兴业行业精选0.91-2.62%87.19%李靖是华宝兴业行业精选0.91-2.62%87.19%林健标否——0.918.04%87.03%邓永明是长盛同德0.93-1.63%66.86%庄涛是华商盛世成长0.853.96%66.32%梁永强是华商盛世成长0.853.96%66.32%数据来源：好买基金研究中心根据以上原则，如果判断未来一段时期内农业景气度较高，投资者可以选择王少成的东吴新创业和卞亚军的华泰柏瑞量化先行作为投资标的。需要指出的是，上表最后一列中的行业配置比例并不代表着当前该基金经理所管产品的行业配置比例，仅可视为该基金经理对本行业的长期偏好程度。如果基金经理当前并未重配该行业，在某些行业事件性机会出现时，这些基金经理的业绩可能在一开始会落后于他人。但如果我们认同基金经理在中长期具有对某些行业的“心理锚”，则应该相信这些基金经理会跟上行业的投资步伐，并通过个股的研究和选择在中长期取得超过市场平均水平的业绩。鉴于此，笔者认为上述方法更适合投资期限在6个月以上的投资者。对于投资期限较短，同时希望把握某些行业事件性机会的投资者，建议使用好买行业仓位测算模型3，根据每日的监测结果选