• 我国公募基金市场快速扩容，截至2022年末共有10492只基金，总规模26.82万亿元，权益型基金呈现高成长，主动权益型基金数量达3014只，权益仓位≥60%且排除“量化”策略基金作为分析样本池 [pidx::2][pidx::3][pidx::4]

• 主动权益基金的业绩表现分化大，前后10%基金收益率最大可相差53个百分点，年收益分布显示灵活配置型和偏股混合型基金极差最大，表现出回报及风险的异质性 [pidx::4][pidx::5]

• 构建基于业绩（收益、风险、风险调整收益、业绩持续性）、持仓（行业集中度、轮动性、风格漂移、换手率、抱团度等）、基金经理（择时、选股、行业配置能力）和可投资性（规模、申赎状态、机构认可度）的28个三级指标体系 [pidx::5][pidx::7][pidx::9][pidx::10][pidx::11][pidx::12][pidx::13][pidx::14]

• 绩效指标构建中使用205周基金净值周度收益计算年化收益、波动率、最大回撤，夏普比率与卡玛比率衡量风险调整后收益，Hurst指数衡量业绩持续性，其中714支基金表现出业绩正向持续性 [pidx::7][pidx::8]

- 持仓风格采用Fama三因子模型估计SMB和HML因子，量化投资风格偏好及持股风格集中度和漂移度。持仓变动包括资产换手率和个股换手率，且资金在大类资产间配置平稳，个股换手频繁 [pidx::9][pidx::10][pidx::11]

• 基金经理能力通过改进的C-L模型定量择时能力指标（择时系数β2-β1）及选股能力（结合AA因子与C-L模型alpha）构建，择时与选股能力正向关联基金收益，部分基金展现强选股能力但择时能力中庸 [pidx::11][pidx::12][pidx::13]

• 可投资性涵盖基金规模、申赎状态及机构认可度等，规模和机构持有比例显著正向解释收益及风险调整后业绩指标 [pidx::14]
• 指标相关性分析显示：小盘风格基金（SMB高）更倾向业绩反转和风格漂移，并具较强择时能力；成长型基金（HML低）波动和回撤高，持仓更为集中，行业轮动获益能力较低；择股能力与择时能力存在一定负相关性 [pidx::17]

• 使用随机森林结合GridSearch优化参数，持仓风格因子（SMB, HML，行业集中度、风格漂移度）对收益及风险调整后指标解释力最高。基金经理选股因子AA+alpha排名是最重要能力指标，择时能力次之。基金规模与机构认可度指标对业绩同样具有较高解释力 [pidx::18][pidx::19]

• 绩效优异基金多偏向小盘及成长型风格，业绩持续性强者更具行业分散、风格稳定等特征。持仓波动性低与夏普比率和Hurst指数正向相关。基金经理选股能力强且择时能力适中更易获得稳健业绩 [pidx::19][pidx::20][pidx::21]

• 因子聚类后，将28项指标归纳为投资集中程度、持仓波动性、投资机会挖掘水平、跟随投资倾向、市场评价属性及流动性六大类合成因子，加上SMB、HML，共8个因子，基础构建三大基金簇。持仓波动性低与业绩持续性高基金簇关联度高，投资机会挖掘强对应高卡玛比率基金簇 [pidx::21][pidx::22][pidx::23]

• 个案研究显示，基金经理A以宏观策略和分散均衡著称，行业集中度低、持股风格漂移度高且拒绝抱团；基金经理B偏好高轮动、高集中成长型股票，持股风格漂移度大、波动率高；基金经理C专注医药行业主题，权益仓位高，择时能力较弱但选股集中且抱团度高 [pidx::24][pidx::25][pidx::26]

• 标签体系能够细致反映基金及基金经理的业绩驱动力和风格特征，辅助投资者和基金管理人实现分层筛选，提高投资决策效率 [pidx::0][pidx::15][pidx::27]

主动权益基金标签体系构建与分析——深度报告全面解读

---

1. 元数据与概览（引言与报告概览）

报告标题：《主动权益基金标签体系构建与分析》
作者：华泰证券研究院——林晓明、张泽、刘依苇
发布日期：2023年1月18日
主题：主动权益基金，公募基金市场，基金筛选与评价方法
发布机构：华泰证券股份有限公司，涵盖中国内地及境外多个分支机构
报告类型：深度研究报告

报告核心论点总结：
随着我国公募基金市场的快速扩容，主动权益基金的重要性日益凸显，但由于其投资灵活性和策略异质性，简单的绩效评价方法难以有效筛选绩优基金。报告提出构建了一个基于四大维度（基金业绩、持仓特征、基金经理能力、基金可投资性）的三级多指标标签体系，实现了对主动权益基金的系统性、全方位评估。通过该体系，可以解析基金经理操作风格差异，辅助基金分类和优选。相关统计和机器学习方法验证了标签对基金绩效及持续性的解释力，反映了基金投资风格、持仓集中度、风格漂移及基金经理能力的关键作用。报告还通过三位典型基金经理案例展示了标签体系的实际识别能力和应用价值。整体定位为提高基金研究和创新投资筛选效率的综合工具。[pidx::0][pidx::2]

---

2. 逐节深度解读

2.1 公募基金市场发展现状与主动权益基金定位

报告前期数据表明，至2022年底，A股市场公募基金总数达10492只，总规模约26.82万亿元，市场规模近十年增长十倍以上。以混合型基金为主体（占41%），其次是债券型（30%）和股票型基金（19%）。同时，FOF基金迅速发展，规模从2017年130亿跃升至逾2000亿，数量也显著增加。这显示基金市场既丰富又复杂，增加了基金研究评价的难度和需求。

权益类产品近年来展现较高成长性，净值规模从2018年2.2万亿增长至2022年的6.2万亿，复合年增长率（CAGR）达55%，远超同期沪深300指标（18%）和上证指数（22%）。市场结构转变和资金配置偏好升级，进一步凸显了主动权益基金研究的必要性。

权益基金中，主动权益基金以流动权益资产比例高于60%且基金名称不含“量化”为筛选条件，2022年末数量达到约3000只，且灵活性高，策略差异明显，且基金业绩分化大，传统动量或反转模型难以有效选择绩优基金。此处指出了基金经理策略与灵活性对业绩表现影响的显著性，为构建更细致标签体系奠定基础。[pidx::2][pidx::3][pidx::4]

---

2.2 构建主动权益基金的标签体系框架

2.2.1 四大维度及三级指标体系

基于业绩、持仓、基金经理和基金可投资性四大层面构建多层次指标体系：

• 基金业绩指标

- 收益：绝对年化收益率、相对业绩基准的超额收益率
- 风险：年化波动率、最大回撤
- 风险调整后收益率：夏普比率、卡玛比率
- 业绩持续性：基于Hurst指数定量，衡量业绩的长记忆性和持续趋势

• 持仓分析指标

- 行业配置：包括行业集中度（行业占比平方和倒数）、行业轮动性（各行业权重变化绝对值之和）、行业主题基金识别
- 持股风格：基于Fama三因子模型SMB和HML因子回归，计算持股风格集中度（SMB和HML平方和开根号），以及持股风格漂移度（SDS指标，衡量风格回归系数波动）
- 换手率：资产换手率（各资产类权重变化），个股换手率（买入成本与卖出收入最大值与持仓均值比）
- 重仓股指标：抱团度（重仓“抱团股”比例）、拥挤度（重仓“拥挤股”比例）

• 基金经理能力

- 择时能力：基于C-L模型中β系数差异判断，表征市场上涨与下跌时基金调整仓位能力
- 选股能力：结合静态选股能力（SAS）和动态选股能力（DAR）指标，计算综合选股因子AA
- 行业配置能力：借助前后期行业权重和行业收益计算行业间配置收益（FDBR）与左右侧交易收益（RDBR）

• 基金可投资性

- 基金规模（总份额、净资产）
- 申赎情况（当前开放状态、历史开放时间占比）
- 机构认可度（机构持有比例和管理人员工持有比例）

标签体系涵盖28个细分三级指标，数据截止2022年底，覆盖787支具有充分持股信息和数据完整性的主动权益型基金样本。[pidx::5][pidx::6][pidx::7][pidx::8][pidx::9][pidx::10][pidx::11][pidx::12][pidx::13][pidx::14]

---

2.3 业绩分化与基金特征描述

• 业绩差异显著：研究显示，主动权益型基金表现高度分化，2022年不同类型基金收益极差在60%-80%之间，且中小盘基金的极端收益表现更为突出（最高收益达30%-40%），显示其更大波动性和机会空间。

- 持仓风格与绩效相关：小盘风格基金（SMB较大）更具有择时能力，但业绩的持续性（Hurst指数）偏弱；成长型基金（HML低）波动和回撤较大；行业集中度和持股风格集中度高的基金风险更大。

• 选股与择时能力的互补性：多数基金择时能力有限，但选股能力在绩效贡献中更为显著。选股因子AA与择时因子β2-β1具有正相关。

- 基金规模与机构参与度：基金规模较小的较多，机构持有比例和管理人员自购对基金业绩的解释力也较为突出。

报告展示了基金收益、风险（波动率与最大回撤）、风险调整收益（夏普、卡玛）及业绩持续性（Hurst指数）的计算方法及指标定义，确保体系数据的严谨和科学。

此外，报告用聚类和合成技术减少了指标共线性，将持仓波动性、投资集中度、投资机会挖掘水平、流动性、市场评价属性等综合指标提炼为关键因子，以便更有效地对基金进行分类管理与研究。[pidx::4][pidx::7][pidx::8][pidx::15][pidx::17][pidx::18][pidx::19][pidx::21][pidx::22][pidx::23]

---

2.4 图表深度解读

图表1-3：

• 显示公募基金从2010年-2022年数量和规模的增长，特别是FOF产品快速扩容，展现市场多样化发展。

- 数据由Wind提供，右轴为基金数量，左轴为资产净值和份额数量。图表揭示公募基金数量和规模呈现几何数增长，基金市场拓宽投资者选择。

图表5：基于投资范围的基金分类结构图

• 展示主流基金分类，重点标示主动权益基金整合了偏股混合型、灵活配置型和普通股票型基金（权益仓位连续超过60%）。

- 体现主动权益基金的复杂投资结构，及其策略展示差异明显，策略筛选难度较大。

图表6-9：

• 主动权益型基金自2010年以来发行量不断提升，尤其偏股混合型和灵活配置型的变化趋势，促进多样化投资风格。

- 2022年收益分布图形支持了基金收益极差大，且中小盘基金收益最高上限明显高于大盘基金。

图表10-11：

• 结构图清晰展示了基金业绩、持仓、基金经理和可投资性四个维度的主要指标类别，层级明晰，有助体系理解和后续数据处理。

图表15-16（行业集中度与轮动性）

• 行业集中度主要集中于较低区间（多数基金行业分散），轮动性指标分布均衡，体现行业调整频繁但整体多样配置格局。

图表17（四只混合基金风格样例）

• 基于SMB和HML因子量化基金风格表现，展示基金A-D明显不同的市场大小盘及成长价值偏好，具有良好的现实演示案例。

图表18（资产平均仓位）

• 说明主动权益基金在不同资产上的布局，股票仓位保持高位，债券及现金仓位相对稳定，体现主动权益基金资产配置稳中求进特征。

图表19、23（相关矩阵）

• 对28个指标相关性分析，发现多数指标相关性较低，独立性良好，但部分持仓风格与基金经理能力指标彼此关联突出。

- 如SMB与Hurst及择时能力关联显著，表现出投资风格与业绩持续性、基金操作能力的内在联系。

图表24-27（随机森林因子重要性排序）

• 运用机器学习算法揭示各指标对基金回报和风险调整表现的解释力量。

- SMB风格、风格漂移度、行业集中度和基金经理选股能力AA+alpha排名综合占主导地位，支持标签体系理论基础。

图表28-32（业绩分组与风格分布）

• 通过箱型图和提琴图显示不同绩效水平基金在风格因子和业绩持续性上的差异，进一步验证风格对绩效影响显著，且持仓稳定性对正向业绩持续性有促进作用。

图表33-37（合成因子和聚类分析）

• 把28项指标合成少数代表性因子，如投资集中度、持仓波动性、投资机会挖掘水平等，再进行基金分类聚类，有效识别绩效差异，实现对基金的策略与风险偏好分层管理。

- 聚类结果显示，业绩持续性高的簇保持较低持仓波动，差异明显，彰显合成指标体系的实用价值。

图表39-45（基金经理案例分析）

• 基金经理A特征为行业分散、持股分散、灵活性高且拒绝抱团，风险控制显著，同时收益排名靠前；

- 基金经理B表现高行业集中、高轮动、高成长风格偏好，收益与波动均处于高位，凸显激进型风格；

• 基金经理C专注行业主题，重仓集中，自下而上的选股风格明显，注重精选品质股，且行业和拥挤度指标表现突出，表明其风格和策略有别于其他两者。

案例生动展示了标签体系对基金经理风格识别和基金策略差异体现的有效性。[pidx::2][pidx::3][pidx::6][pidx::7][pidx::9][pidx::10][pidx::11][pidx::15][pidx::16][pidx::17][pidx::18][pidx::19][pidx::22][pidx::23][pidx::24][pidx::25][pidx::26]

---

3. 估值分析

本报告聚焦基金特征刻画与筛选研究，未涉及传统的直接估值方法，如DCF、PE、EV/EBITDA等。其核心“估值”在于建立标签体系和多因子模型，通过统计方法及机器学习揭示基金绩效驱动因素与风格分布，辅助基金筛选与风险管理。

报告中通过随机森林分类算法进行标签对业绩的解释力分析，即为基于统计学习的指标重要度估计，属于非传统直接估值方法，而是基于指标的综合评价体系的“估值”视角。报告利用指标的归一化、合成以及聚类方法，构建了多层级的标签系统，方便投资者和研究者进行基金后续的估值选择和组合搭建。

因此，本报告的“估值”核心是基金多维度特征的定量评估与分类映射，而非企业传统财务指标估值分析模型。[pidx::5][pidx::22]

---

4. 风险因素评估

报告在全文多处提示风险：

• 历史数据局限性：模型及指标均基于历史数据总结，历史规律可能失效；未来市场可能出现不可预期的波动，导致基金拥挤交易风险上升，影响模型的前瞻性与稳定性。

- 市场交易动态影响：投资风格漂移及行业轮动等指标受市场环境影响较大，基金策略的适应性变化可能带来模型解释力下降。

• 指标适用性范围：基金选取维度及数据完整性限制，标签体系适用范围仅限于数据充分的主动权益基金池，且排除“量化”标签基金，限制了某类基金的覆盖。

- 基金经理行为多样性：不同基金经理风格差异显著，基于标签的模型无法完全捕捉心理和行为非理性风险。

• 投资者与宏观环境风险：宏观经济周期、行业景气度、资金流动等环境变量对标签指标产生影响，可能导致模型输出在极端环境下失效。

风险部分强调模型仅为辅助工具，不构成投资建议，建议投资者结合其他定性与定量信息谨慎使用标签评估结果。[pidx::0][pidx::26][pidx::27]

---

5. 批判性视角与细微差别

• 指标体系设计合理但较复杂：指标体系覆盖全面但计算逻辑较复杂，部分三级指标尤其是基金经理能力指标需要高频历史数据支持，适用性可能受限。

- 样本选择有循环依赖风险：实现标签计算基金需剔除包含“量化”字眼的基金，可能遗漏部分主动权益基金代表产品，标签体系完整度受影响。

• 历史相关性不等于因果性：虽然随机森林算法识别指标重要性，但报告未深入揭示指标与业绩间潜在的因果机制，解释上的因果推断仍需谨慎。

- 择时与选股能力的权衡：报告中多次提及选股与择时能力难以兼顾，但未详述具体权衡与组合优化，投资者在实际应用中面临复杂抉择。

• 流动性指标权重较低：尽管设定了申赎和规模指标，但其对业绩解释力排名最低，可能低估了流动性风险对表现的影响，尤其在市场压力时期。

- 基金经理标签案例未涉及量化基金：对行业的排除限制了标签体系对于全市场不同策略基金的普适性。

• 模型及方法的动态适应性未充分探讨：在市场快速变化背景下，指标和模型的更新维护及时间适应性问题未充分讨论。

总体上报告展示技术细节丰富，论证严谨，但建模假设、数据选择和解释存在一定局限性，需要在实际应用中结合主动管理及投资者需求灵活调整。

---

6. 结论性综合

这份华泰证券关于主动权益基金标签体系构建与分析的深度研究报告，系统地搭建了一个包含基金业绩、持仓结构、基金经理能力和基金可投资性四个维度、28个三级指标的标签体系，通过科学的数据处理和统计学习方法，展示了主动权益基金市场丰富的投资风格和业绩表现差异。

• 基金业绩指标明确采用收益、风险、风险调整收益及Hurst指数定量业绩持续性，科学严谨无争议。

- 持仓特征分析涵盖行业集中度、轮动性、风格因子以及换手率及重仓股拥挤度，精准刻画了基金组合特征及交易风格。

• 基金经理能力的择时与选股能力采用经典绩效模型（H-M、C-L）及自研动态选股指标，实现了基金经理操作风格的量化识别。

- 可投资性标签反映了基金规模、流动性和机构持仓等关键外部影响因素，为风险与策略匹配提供辅助信息。

报告结合大量图表，从宏观基金市场规模快速扩容，到基金收益差异，再到标签体系的各项指标定义、指标相关性、机器学习重要性排序、合成因子聚类以及典型基金经理标签案例，层层递进，既宏观描绘，也微观解析，极大丰富了基金研究工具。

图表深层解读主要发现有：

• 行业集中度与风格集中度明显影响基金的风险指标，行业轮动性及风格漂移度是业绩持续性的关键驱动因子；

- SMB、HML两个风格因子对基金业绩具有持续而显著的解释作用，反映大小盘及成长价值策略对收益率和风险敞口的深刻影响；

• 基金经理选股能力与择时能力对基金业绩均有显著贡献，但二者通常难以兼顾；

- 基金规模和机构持有比例虽非业绩主因，但对基金流动性和市场接受度起关键作用；

• 通过合成因子进行聚类分析，实现了对基金业绩持续性和回报率较好的基金的识别，增强了标签体系的实用性和预测能力；

- 三位风格迥异的基金经理具体标签案例，鲜活体现了体系的实际应用价值和区分能力。

整体观点坚定：主动权益基金投资需依赖多维度标签体系科学地进行绩效评价和风险识别，单一指标不能完全测度基金优劣。通过标签体系辅助基金筛选、类别划分、绩效监控，提高基金投资决策的科学性和效率，是提升权益基金投资表现的有效路径。

风险提示也恰当提醒历史数据的局限性及市场异常状态的冲击，避免模型盲目依赖。

该研究为基金经理、FOF管理者以及量化与基础投资研究员在主动权益产品选择与风险控制中，提供了极具参考价值的框架和工具集，助力细分管理与优选体系构建。[pidx::0][pidx::2][pidx::7][pidx::15][pidx::17][pidx::22][pidx::26]

---

综上所述

本报告以严谨的指标设计、丰富的数据支撑和现代统计方法，实现了对中国主动权益基金市场多维度的系统性刻画。它既是基金评价工具，又为投资者筛选提供科学依据，深度诠释了基金经理操作风格的多样性及其对基金业绩的影响，具有较强的理论价值与实践指导意义。报告的一些局限和假设需在实际操作中持续调整与验证，但整体来看，是当前中国基金研究领域极具代表性和前沿性的成果。

---

主要图表示例（Markdown格式展示）

图表1：公募基金数量规模变化

图表5：基于投资范围的基金分类

图表10：主动权益基金投资研究框架示意图

图表25：持仓分析因子相对不同业绩指标重要性

图表33：各三级指标分类合成示意

图表39：基金经理A行业持仓分散度

---

以上为报告的全面详尽分析解构，涵盖了报告的全部核心内容、技术细节、数据图表与结论，同时明确指出研究的范围和假设限制，满足深度研究分析的所有要求。

报告