• 市场场景划分依据流动性和企业盈利，形成四象限模型：流动性宽松+盈利乐观、流动性宽松+盈利悲观、流动性紧缩+盈利乐观、流动性紧缩+盈利悲观。场景区间划分基于M1同比、M2同比、社融增速减PPI等流动性指标，以及工业企业利润累计同比和PMI月均值作为盈利指标 [page::4][page::5][page::6]

• 基金经理筛选流程结合收益风险表现排序（基于Sharpe Ratio、Information Ratio、Calmar Ratio等指标加权得分），在每个市场场景区间筛选表现优异且经历过上一相似场景的前20名经理组成组合，确保经理不仅在单一区间表现好，同时综合其他场景表现较佳 [page::8]

• 组合表现优于市场及风格指数，2012年底至2021年底组合净值增长显著，年化收益16.28%，波动18.79%，最大回撤28.89%，均明显优于万得全A及股票型基金指数，且各区间收益均优于股票型基金指数，除了2012/12至2014/09区间略低于全A，因为该期市场偏向创业板和小盘股，基金经理偏好大盘价值 [page::9][page::10]

• 敏感性测试显示区间划分微调对组合净值和风险影响有限，说明划分方法稳定且无明显路径依赖，提升了模型的稳健性 [page::11]

• 与大中小盘价值成长风格指数对比中，基金经理组合同样展现出更优异的风险调整收益表现，尤其2016年后结构性行情增多使得基金经理选股能力凸显，组合表现优势更加明显 [page::12]

• 研究创新点在于打破纯风格标签方式，以市场流动性和盈利场景适应性为基础进行基金经理分类，减少了风格误判，从多维度衡量基金经理投资能力，实证显示提升了行业选股和组合管理效率，且可较早选出能力突出资深基金经理 [page::2][page::13]

证券研究报告详尽分析报告

报告标题：

打破标签化，根据市场场景进行基金经理组合---基金研究系列(一)

发布机构与作者信息：

• 机构：东北证券股份有限公司

- 分析师：王琦，执业证书编号 S0550521100001021-61002390

• 报告编制团队包含具备金融工程、统计学、金融数学背景的多名专家，确保了研究的专业性与严谨性。[page::0][page::14]

---

一、元数据与报告概览

该报告聚焦于基金经理筛选与组合构建，核心创新在于打破传统风格标签化管理，基于宏观市场环境的“市场场景”对基金经理进行分类筛选与组合。报告提出以货币政策流动性（宽松或紧缩）与企业盈利（乐观或悲观）这两个关键宏观维度联合划分市场为四大象限（四种市场场景），并按照基金经理在不同场景下的表现进行分类，选拔不同市场环境下适应能力与投资表现优异的基金经理，进行动态场景匹配组合管理。

• 核心论断：

基于市场场景方法构建的基金经理组合整体表现优于传统宽基指数和多类风格指数，具有更稳定的收益与更低的风险，且能较早识别到具备综合能力的顶尖经理士；

• 投资评级及定价：报告无具体个股目标价，侧重基金经理组合构建策略与实证效果。

- 主要贡献：
1) 创新场景划分方法替代传统风格标签；
2) 引入多维绩效指标（Sharpe、Information、Calmar ratio）量化基金经理历史表现进行筛选；
3) 验证组合收益风险指标优异，结构化方法无显著路径依赖，且优于多风格指数。

---

二、逐节深度解读

1. 前言

报告指出以风格为基础的基金经理分类存在多维度不足，包括风格非固定性、多层标签难把握、单一维度风格错判误差及基金经理根据市场环境动态调整策略等问题。基于此，报告提出基金经理能力更体现在对不同宏观市场环境应对的适应能力，而非静态的风格偏好。同时，传统组合构建中宏观/中观分析和定量/定性分析两条路径复杂且易产生风格错判，通过场景判断一站式筛选基金经理，简化流程减少误差。[page::2]

2. 根据市场场景的适应性对基金经理进行划分

2.1 场景划分

报告基于中国权益市场实际萃取两个主周期指标——货币供应量变化及企业盈利变动，来划分市场环境。其中货币周期用M1同比增速、M2同比增速及社融增速减PPI指标共同确认广义流动性水平，辅助考虑狭义流动性信号。企业盈利使用工业企业利润累计同比与PMI（12个月移动平均）指标，平滑数据波动。
报告划分四个场景象限如下：

• 流动性宽松 + 企业盈利乐观

- 流动性宽松 + 企业盈利悲观

• 流动性紧缩 + 企业盈利乐观

- 流动性紧缩 + 企业盈利悲观
对于流动性中性或盈利平稳阶段，进行归类至流动性宽松或盈利乐观象限。
图2直观展现了坐标系上四象限划分逻辑（企业盈利为y轴，流动性宽松为x轴正方向）。[page::4]

2.2 细化指标分析

• 流动性指标（图3）：

显示M1、M2同比和社融增速-PPI的历史波动趋势，M1对流动性变化敏感度更高，波动明显，M2及社融增速-PPI较平稳。报告也描述特例，如2015年杠杆资金驱动的“影子流动性”影响未能通过上述指标体现。

• 企业盈利指标（图4）：

工业企业利润同比具有较明显的经济周期特征，PMI趋势灵敏但波动较大，故使用12个月均线平滑处理。
图4数据趋势清晰反映了宏观经济盈利周期波动，辅助划分市场情形。
这些指标合并为基础数据驱动市场场景判定体系。[page::5]

2.3 历史区间划分

区间划分遵循以下原则：

• 不直接使用顶点、底点，而是选取趋势确认后的相近季末节点，避免后视偏差；

- 在央行调控与市场反应考虑下结合多指标，体现市场真实流动性与盈利环境；

• 明确说明部分历史区段，如2018年紧货币配合企业盈利乐观划入相应象限的逻辑。

图5展现了自2005年至2021年的各区间市场场景划分数据，蓝色背景交替标识不同场景。
此划分为基金经理筛选和组合构建提供基础划分依据。[page::6]

2.4 基金经理筛选流程

筛选步骤：
1) 首次划分区间，选出当时在职基金经理表现并列入备选；
2) 第二个及以后同类市场场景区间，需具备过往该场景经历且综合收益风险处于前50%分位，且在上一相同场景区间业绩排名前20(m=20)；不足20名的则全部保留。
3) 持续在各区间重复该流程，动态配置对应场景最佳基金经理组合。
评价指标选择多维组合：Sharpe Ratio(收益风险比)、Information Ratio(超额收益风险比)、Calmar Ratio(年化收益与最大回撤比)，等权评分排序，兼顾收益能力与回撤控制。[page::8]

2.5 组合结果与表现

根据上述筛选逻辑构建的基金经理组合与万得全A指数及股票型基金指数对比，表现显著优越。

• 全区间年化收益16.28%，年化波动率18.79%，最大回撤28.89%

- 均优于对标指数，且风险更低

• 个别区间回报与万得全A对比略低，主要因组合偏大盘价值风格，符合紧货币环境逻辑

- 自2012年起组合效果显著，[page::9]

2.6 筛选基金经理名单代表性

高频入选榜单中包含业内知名基金经理，如富国朱少醒、中欧曹名长、睿远傅鹏博等，表明该策略能较早识别行业顶尖经理。
然而，最新一期因场景历史缺少近年重现，筛选出的经理多为经验丰富的资深人士，新锐基金经理入选机会有限。该局限可通过细化宏观维度调整改进。[page::10][page::11]

2.7 敏感性测试

为检验区间划分对组合结果的稳健性，报告将区段划分时间点前后平移一月进行测试。
测试结果显示组合净值走势和收益风险指标无显著差异，排除了路径依赖风险，证明场景划分的合理性稳健性。[page::11][page::12]

2.8 与传统风格指数对比

报告将基金经理组合净值与大/中/小盘价值/成长风格指数同步比较，发现：

• 组合年化收益是风格指数近两倍

- 波动率和最大回撤显著更低，表现更稳健

• 2016年后结构性行情频繁出现，基金经理个人能力更重要，组合优势进一步突出

图9直观呈现了多风格指数与该组合净值走势差异，显示组合明显领先。
[page::12]

---

三、图表深度解读

图1 组合配置分析路径对比

呈现传统路径（宏观分析→资产配置→风格分析→基金经理筛选）与本报告创新路径（宏观/中观分析→场景判断→基金经理定性定量分析）的对比，突出简化决策流程，减轻风格分析误差。
由图示可见，传统路径多层环节，创新路径更直接，凸显研究报告方法论优势。[page::3]

图2 流动性与企业盈利四象限

象限图清晰描述基于两个维度划分形成4类市场环境，作为基金经理类别划分的基础框架。[page::4]

图3 M1, M2, 社融增速-PPI历史变化

时间序列图展示2004-2021期间三大流动性指标的同期走势，体现指标间相互印证及敏感度差异，为宽松与收紧界定提供数据基础。[page::5]

图4 工业企业利润同比及PMI-MA12

双轴图反映盈利指标走势图，PMI曲线经12个月均化，平滑噪声，展现盈利循环节律，是划分盈利乐观与悲观的依据。[page::5]

图5 历史场景区间划分

叠加M2同比（蓝线）、工业利润累计同比（蓝色曲线）与PMI均线（橙线）及其对应区间阴影，展示整个分析期内场景划分的动态演变，有利基金经理筛选时间序列部署。[page::6]

图6 基金经理筛选流程示意

时间轴上标示场景1的多个区间选择基金经理、并选拔满足收益风险指标前半边及m名限制的操作过程，形象展示量化筛选逻辑。[page::8]

图7 基金经理组合净值与万得全A及股票型基金指数对比

净值曲线显示组合较两指数明显跑赢，波动幅度更小。2015年后，组合明显拉开优势，体现动态场景筛选的显著效果。[page::9]

图8 敏感性测试下不同区间划分净值走势

曲线走势高度重合，整体起伏趋同，验证该策略结果对划分节点小幅调整稳健，不受划分时间点影响。[page::11]

图9 基金经理组合净值与大小盘价值成长指数对比

组合净值领先所有主流风格指数多年，突出其超额收益能力及优异风险修正结果。
净值累计近4倍，显著优于其他指数1.5-2.5倍区间。[page::12]

表1 市场场景区间划分

详列各区间起止时间对应的市场场景分类，明确划分标准与时间窗口，为基金经理筛选提供精确依据。[page::7]

表2 组合收益风险指标对比

展示组合与万得全A及股票型基金收益、波动、最大回撤等关键指标对比，数据支持组合策略优越性。[page::9]

表3 基金经理筛选名单

列出动态筛选出的基金经理，涵盖业内知名人士，展示方法选拔能力与实践效果。[page::10]

表4 敏感性测试指标与表5 风格指数对比指标

分别展示不同划分法对组合收益风险指标影响及组合相较主流风格指数的表现差异，数字支撑图形解读结论。[page::11-12]

---

四、估值分析

此次报告定位于基金经理筛选与组合构建，未涉及个股估值分析，故不涵盖传统DCF、市盈率等估值模型内容。

---

五、风险因素评估

报告中明确风险提示包括：

• 宏观市场变化风险（货币政策变动、经济周期波动）

- 政策变化风险（监管环境、市场机制变化）

• 模型失效风险（假设失误、指标失真、历史数据不适用未来）

这些风险可能导致场景划分失真或基金经理表现无法如预期，影响组合表现。[page::0]

尽管如此，已经通过敏感性测试和多指标确认降低了模型失效风险。研究未来可引入更多宏观因子（情绪、估值等）及海外资金流影响以缓解潜在风险。

---

六、批判性视角与细微差别

• 报告创新性强，以市场环境匹配替代风格标签，克服了风格分类的静态和单一维度缺陷，符合市场动态变化的实务需求。

- 但存在阶段性历史数据偏差风险，如近年来近10年未出现部分场景导致筛选偏向资深经理，减少后起之秀入选机会，带来潜在技能更新滞后风险。

• 划分指标虽广泛且合理，但尚未涵盖情绪、估值和海外资金等其他关键宏观变量，短期内可能影响场景切换准确性。

- 从筛选流程看，m=20属于弹性选择，具体阈值敏感度未充分展开，可能对组合多样性和风险分散有影响。

• 报告未详细披露组合构建中基金经理权重设定策略，缺乏对组合构建具体方法的透明度。

- 市场环境变化可能导致模型有效期受限，未来需保持动态优化。

整体而言，报告给出较为完整的理论基础和实证验证，注意长期跟进模型优化和变量拓展。

---

七、结论性综合

本报告通过创新的市场场景划分方法，结合货币流动性与企业盈利高低两个关键维度，对基金经理进行针对性的适应性筛选，构建了动态适配的基金经理组合，有效提升了投资组合的收益率与风险控制能力。

核心发现包括：

• 场景划分科学、合理，历史回测区间覆盖完备，且敏感性测试表明模型稳健无明显路径依赖；

- 基金经理表现因场景匹配而更为突出，实现多维度收益风险优化，组合年化总收益16.28%，明显优于市面主流指数与风格基金，最大回撤与波动率明显更低；

• 入选基金经理名单囊括业内知名资深经理，验证模型具备发现持续优异能力经理的功效；

- 创新方法克服传统风格标签局限，更适应当前复杂结构性、多变投资环境，降低风格错判风险，简化管理结构；

• 尽管历史数据偏向资深经理且宏观因子单一存在局限，但整体方法具有较强的实操价值及可推广性，值得后续细化完善。

报告图表丰富，从流动性与盈利数据图，到场景划分时序，基金经理筛选流程，再到组合净值对比、敏感性测试、与风格指数对比，通过数据驱动形式论证，逻辑严谨，论据详尽，辅助投资者理解与决策。

综上，东北证券此篇报告为基金经理筛选与动态组合构建提供了一个科学且具有较强实战力的框架方案，其方法论适应市场多变复杂环境，并为投资业绩提升提供有效路径，具备较强借鉴价值与推广潜力。[page::0-15]

---

附：报告中关键图表 Markdown 格式示例

• 基金经理组合净值与风格指数对比图：

• 组合配置分析路径对比图：

• 市场场景区间划分图：

• 基金经理净值增长趋势图：

上述图表均具体佐证了报告核心结论，图形直观体现组合及筛选逻辑卓越表现。

---

（全文完）

报告