多因子框架
根据指标构造的经济含义,以及参考BARRA模型的因子分类,将38个指标划分为10个因子,包括盈利收益率(Earnings Yield)、成长(Growth)、杠杆(Leverage)、流动性(Liquidity)、动量(Momentum)、规模(Size)、Beta、波动(Volatility)、价值(value)以及非线性规模(Non-Linear Size)等。
基金风格暴露
如果将市场的风格理解为上述十种,那么十个风格因子的收益率净值曲线则代表了十种固定风格的走势。将每一只基金的净值曲线与十个风格曲线进行回归,则能够得到每只基金在十个风格上的风险暴露。
由于基金的持仓数据会在半年报和年报中公布,因此我们考虑提高估算频率,以每个报告期的前后一个月共计40个交易日左右的日频数据对各基金的风格暴露进行估计,并对基金实际持仓的风格暴露进行统计,对比两者以衡量回归模型估计的效果。
从统计结果来看,对500多只基金的风格估算准确率在60%-80%之间,主要是风格的方向判断,而具体对各个风格的估计准确度上看,EarningYield、Leverage、Momentum的准确度较低,可能与因子的选择与计算有关。
基金组合回测
尝试构建两风格的基金混合风格组合,根据常见的基金风格划分方式以及fama-french三因子模型的基本结构,我们选择价值-大小盘两个维度对基金进行风格平均,并综合选择两种风格最为突出的基金组合。