来源：量化先行者
摘要
研究背景
业绩比较基准是基金产品为自己设定的、可实现的预期目标，在基金的管理和评估中占据着非常重要的位置，近年来也备受监管层和投资者的关注。然而，现有的业绩比较基准设定和使用存在诸多问题，严重失真，难以直接用于基金研究。因此，本报告试图重新构建基金的业绩比较基准，旨在更加有效评估基金的业绩表现。
基金的业绩比较基准构建
基于重仓股补全法可以构建基金的业绩比较基准。为了提升模拟持仓准确度，我们从两个方面对重仓股补全法再度改进，使得模拟持仓与真实持仓在诸多特征方面存在高度相关性，行业配置估计的平均相关性为0.925，平均偏离度15.03%，规模、价值-成长风格估计得分与实际得分的拟合优度达到了0.9。结合模拟持仓和其他资产进行加权合成，便可得到模拟基准指数，并进行季度调整。模拟基准与基金净值整体相似性较高，可作为业绩基准的替代指标，用于基金产品的绩效评估和收益预测方面的研究。
基金业绩的动态评估研究
模拟基准可作为基金业绩表现参考的锚，用于评估基金经理的投资能力。将基金净值与模拟基准比较会得到三种位置状态，代表了基金经理不同的投资策略；基金相对业绩基准的超额收益可拆解为显性超额收益和隐性超额收益，代表了基金经理不同的投资能力。主动偏股型基金的隐性超额收益对超额收益的贡献更多，显性超额收益代表的是基金经理“可被看见”的投资能力，而隐性超额收益代表的是基金经理“未被看见”的综合投资能力。
基金业绩因子的拆解研究
模拟基准还可辅助基金业绩相关因子的拆解，用于预测基金未来收益表现。基金的超额收益因子对未来业绩具有较好的预测能力，但局部也会存在明显的反转，使得多头超额收益并不稳定。引入模拟基准拆解可以得到的显性超额收益和隐性超额收益因子，显性超额收益因子有效性较弱，而隐性超额收益因子能更好的预测基金未来一年业绩。隐性超额收益因子的RankIC均值为0.113，标准差仅为0.095，胜率超过85%，分组有效性检验的多头年化超额收益均值为3.18%，多空年化收益差为5.23%。类似的，拆解得到的隐性信息比率、隐性选股Alpha等因子均比传统因子的有效性更强且更稳定。
此外，我们发现隐性类因子与传统选基因子的相关性适中，与天风长周期选基五因子的相关性较低，因子有效性也更好，可作为因子库的有效补充。
1. 引言
业绩比较基准（Benchmark），是基金产品为自己设定的、可实现的预期目标，作为该产品未来业绩考核的主要参考目标和标准。业绩比较基准不仅可用于基金产品的绩效评估，也常用于基金产品的归因和评价分析。一般而言，取得超越业绩比较基准的投资业绩是基金经理追求的重要目标之一。
1.1、多方越发关注基金的基准
从2002年开始，中国证监会要求开放式基金在发行时需要公布其业绩比较基准，不同风险收益的基金跟踪不同的比较基准。监管层希望通过这一措施能约束基金管理人遵守基金合同，保持投资风格稳定，以帮助投资者对基金业绩进行合理评判。此后监管部门多次发布与基金基准相关的文件，旨在更加合理约束基金产品投资。中国证券报表示，2019年1月31日部分基金公司还收到监管部门下发的《关于进一步优化业绩比较基准监管的通知》，要求审慎做好相关工作，进一步优化业绩比较基准监管、保障投资者权益。
根据《基金个人投资者投资情况调查问卷（2018年度）》统计信息来看，有30.6%的个人投资者最关注基金的业绩比较基准、资产配置及收益分配条款等信息，且相比于2017年进一步提升了1.4%。基金的业绩比较基准成为个人投资者最为关注的合同条款，这表明了投资者的理性程度在不断提升。
1.2、主动型基金推出新的定价模式
为了吸引对费率敏感的投资者，基金管理人开始尝试在部分主动型开放式共同基金中引入新的费率结构。可变费率模式便是其中之一，该模式以一定基本费率为基础，超越基准后再收取超额业绩提成。这种费率结构此前常被运用于对冲型基金或专户型产品。
在国外，作为主动基金管理人代表的安联和另一全球主动基金巨头，从2018年开始发行可变费率的主动型基金：
（1）2018年5月，安联在英国发行了一只可变费率模式的开放式股票型共同基金，先向客户收取30bp的基础管理费，超越基准后再收取20%的业绩提成。
（2）某全球主动基金管理巨头也发行了5只浮动型费率的股票型基金。这种浮动费率收费模式分为两个部分：基础费率和浮动业绩费用。在70bp的基础费率上，根据基金对比基准的表现在浮动区间（50bp - 90bp）中再作调整。
在国内，首只浮动费率基金发行于2013年，2013-2015年间浮动费率基金开始密集成立。但受到股灾和随意提取业绩报酬等因素的影响，浮动费率基金被暂缓审批。从2019年下半年开始，新式浮动费率基金再次发行。此外，在2018年南方基金还推出了南方瑞合，该基金在公募领域首创“不赚钱不收管理费模式”。
这种新型定价模式打破了传统的费率结构，为公募基金的定价模式带来了新思考，同时也为基金行业讨论新的收费模式打开了窗口。但是，变革往往需要较大的胆识和能力。只有基金经理能够创造足够多的超额收益时，基金公司才能获取这一部分超额业绩提成。新型定价模式考验着基金经理的投资能力，更加凸显了合理确定基金业绩比较基准的重要性。
1.3、基金的现有基准存在严重失真
国外市场对基金业绩比较基准的确定非常关注，并将其作为基金经营好坏、基金经理履职情况的主要参照。基准是投资管理者投资过程的消极代表，在缺乏积极管理时，基准可以体现投资管理者所构建资产组合显著、持久的特征(Bailey，et al，1988)。
近年来，我国公募基金产品发行时也会公布其业绩比较基准，但是政策上并未对基准的选择做出明确详细的规定，使得诸多基金在业绩比较基准的设定上比较随意。总体来看，我国基金业绩基准的设定和使用存在着以下几个问题：
（1）部分基准指数名称不规范，表述不明确；
（2）部分基金指数的数据可获取性不强；
（3）部分基金类型与基准不匹配；
（4）部分基金投资风格与基准不匹配；
（5）一些基金倾向于选取易于战胜的基准；
（6）基准对“指数”与“指数收益率”的表述不明确。
针对主动偏股型基金，基金产品通常会采用常见的宽基指数（如沪深300指数等），并未考虑产品的对标指数，或产品策略变更也没有及时修改业绩比较基准。
例如，某基金A在合同中披露的业绩比较基准为中证800指数收益率*90%+上证国债指数收益率*10%，但是无论是我们做历史业绩拟合还是从基金经理访谈中，均发现基金A以创业板指为基准比较合适。基金A与自身业绩比较基准存在较大的相对最大回撤，且相对强弱曲线波动较大。但当把基金A与创业板指进行比较时可以发现，基金的相对最大回撤明显降低，相对强弱曲线也持续稳定增长。由于越来越多的投资者投资基金时会参考业绩比较基准，不合适的基准容易让投资者产生误解，误认为基金A的业绩表现较弱，截至2019年底产品规模不足5亿元。这在公募基金市场并不是个例。
1.4、小结
由上文分析可知，业绩比较基准在基金在管理和评估中占据着非常重要的位置，也备受监管层和投资者的关注。然而，现有的业绩比较基准却严重失真，难以直接用于基金研究。因此，本报告试图重新构建基金的业绩比较基准，旨在更加有效评估基金的业绩表现。
具体的，本报告将基于模拟持仓构建基金的模拟基准指数，对基金业绩进行动态评估，拆解挖掘有效的选基因子，并以主动偏股型基金进行相关实证研究。基金模拟基准的构建，解决了现有比较基准失真问题，对评估基金业绩表现提拱了新方法，对探索基金经理行为提供了新思路，对深入开展基金评价和业绩持续性的研究提供了依据，对FOF组合构建具有一定的参考意义。
2. 基于重仓股补全法的业绩比较基准构建
基金的业绩比较基准可分为合同披露的业绩比较基准和自主构建的业绩比较基准。然而合同披露的业绩比较基准在使用中存在诸多问题，我们会试图自主构建业绩比较基准。自主构建的业绩比较基准又可分为指数回归法、因子拟合法和持仓模拟法等。其中，指数回归法通常挑选一些市场公开指数作为基础指数，通过与基金收益进行回归，确定最优的基础指数及其权重；因子拟合法将基础指数拓展为风险因子，将风险因子收益与基金收益进行回归，拟合最优的风险因子及风险暴露；持仓模拟法是基于基金的历史持仓数据来模拟基金的净值。因现实中诸多市场指数和风险因子的相关性较高，使得指数回归法和因子拟合法会存在过度优化，系数的解释难度较高等问题。持仓模拟法因基于基金真实持仓构建的，准确度相对较高，但对基金的持仓数据频率存在较高要求。
本报告主要采用的是持仓模拟法，即基于重仓股补全法构建基金的业绩比较基准。本章节主要分为两个部分：一是模拟持仓方法的介绍，二是模拟基准指数的构建。下面我们将分别展开。
2.1、基于重仓股补全法模拟基金持仓
2.1.1、重仓股补全法的完善
在此前报告《20180508天风证券-基金研究：基金资产配置的行业选择能力评价体系》中，我们首次提出了重仓股补全法，旨在保证准确度和时效性的情况下，尽可能真实的模拟出基金的持仓数据。此后在使用过程中我们不断完善重仓股补全法，目前已经经历了三个版本。
在本篇报告中，我们将从两个方面对重仓股补全法进一步改进，具体的：
（1）利用上一期全部持仓信息
此前的重仓股补全法版本中，在一季度（或三季度）节点使用的是上期的年报（或半年报）的真实持仓信息，而在二季度（或四季度）节点使用的是间隔两期的年报（或半年报）的真实持仓信息。可以发现，在二季度（或四季度）节点我们使用了滞后半年的数据，滞后期过长，期间基金的持仓特征可能已经发生了很大变化。毕竟即便是沪深300成份股在中信一级行业上的配置比例都是在不断变化的。
因此，我们将在每个季报节点模拟持仓时均使用上一期的全部持仓。具体的，在一季度（或三季度）节点使用的是上期的年报（或半年报）的真实持仓信息，在二季度（或四季度）节点使用的是上期的一季报（或三季报）的模拟持仓信息。利用上一期的数据，可以更好地捕捉基金的持仓风格变化。
（2）精简模拟持仓股票的数量
此前在证监会行业配置约束下模拟缺失行业的股票时，使用的是当期该行业所有股票，但是这可能会导致模拟得到的股票数量过多。我们对所有主动偏股型基金持仓在不同指数上的平均配置比例数据进行了统计，持仓主要集中在沪深300成份股内，其次是中证500和中证1000，仅有很少比例配置在剩余股票上。可以发现，基金主要投资的是市值偏大的股票，很少会投资市值非常小的股票。
因此，我们将在每个季报节点模拟持仓时精简股票数量。具体的，在证监会行业配置约束下模拟缺失行业的股票时，按照证监会行业内股票的最新市值降序排序选择股票，且限定单只股票的权重不低于0.5%。假定缺失行业权重为
综合上述两个方面的改进，我们得到新版本的重仓股补全法（重仓股补全法V5）。具体的，在证监会行业配置约束下，利用上期持仓股票和全市场其他股票补全本期行业配置缺失的部分，模拟本期全部持仓。其中，在一季度（或三季度）节点使用的是上期的年报（或半年报）的真实持仓信息，在二季度（或四季度）节点使用的是上期的一季报（或三季报）的模拟持仓信息；全市场其他股票选取的是证监会行业内市值较大的股票。重仓股补全法的前提假设条件为基金经理配置偏好具有延续性，其管理的基金在前后期非重仓股的配置特征是不变的。
2.1.2、重仓股补全法的有效性检验
我们发现，基于重仓股补全法得到的模拟持仓与真实持仓在诸多特征方面存在高度相关性。
首先，我们在半年报和年报节点计算模拟持仓与真实持仓在中信一级行业上配置权重的相关性和偏离度，其中模拟持仓涉及前文的重仓股单位化法、重仓股补全法V3、重仓股补全法V5。可以发现，在相关性和偏离度视角下，重仓股补全法V5>重仓股补全法V3>重仓股单位化法。重仓股补全法V5在行业配置估计的平均相关性在0.925，平均偏离度在15.03%，且结果具有较强的稳健性。由此可见，基于重仓股补全法得到的模拟持仓在行业风格上与真实持仓高度相关。
进一步，参考报告《20181213-天风证券-基金研究：基金的风格划分及增强FOF组合构建研究》中投资风格计算方法，我们在半年报和年报节点计算模拟持仓与真实持仓在市值风格、价值-成长风格上得分的相似度，其中模拟持仓采用的是重仓股补全法V5。可以发现，规模风格的估计得分与实际得分的拟合优度在0.90以上，价值-成长风格的估计得分与实际得分的拟合优度接近0.90，且结果具有较强的稳健性。由此可见，基于重仓股补全法得到的模拟持仓在投资风格上与真实持仓高度相关。
由上可知，基于重仓股补全法我们及时准确的获取基金的模拟持仓数据，并且模拟持仓数据与真实持仓在诸多特征方面存在高度相关性。
2.2、基于模拟持仓构建业绩比较基准
根据基金披露的公告可知，基金资产组合一般是由股票、债券、银行存款等多种资产构成的。针对主动偏股型基金，主要持有资产是股票，其次是债券、银行存款及其他资产。因此，在构建模拟业绩比较基准指数时我们同样会考虑三类资产，分别为股票、债券、银行存款及其他资产。由于股票是其中最主要的资产，所以我们将利用上述重仓股补全法进行模拟估计；债券则直接使用中证全债指数替代，现金及其他资产直接使用一年期定期存款利率替代。
特别的，在下文中为了方便表达，我们将模拟业绩比较基准指数简称为模拟基准，合同中的业绩比较基准指数简称为业绩基准。
此外，我们会定期会对模拟基准进行更新，调整时点定在每个季度结束后的第15个交易日。主要考虑的是此时是基金季报披露的截止日期，此时我们可以获取基金各资产的配置比例、基金前十大重仓股、以及利用重仓股补全法所需数据等信息。
基于上述涉及的各类资产，我们将加权构建基金的模拟基准。针对第
基于上述方法我们对基金A构建了其模拟基准，结果如上图所示。可以发现，基金A的模拟基准与创业板指数走势高度相似，通过模拟基准我们再次确定基金A的是创业板风格，选择创业板指作为业绩比较基准较为合适。同时，我们可以看到基金A净值相对模拟基准存在持续稳定的超额收益。由此可见，模拟基准可较好地作为基金的业绩比较基准。
进一步的，我们分年度统计了基金净值与模拟基准间的相关性，并与基金的业绩基准进行对比。通过分组统计发现，基金净值与模拟基准的整体相关性更高，均值达到了0.943，相关性在0.9以上的数量占比超过了85%；而基金净值与业绩基准的整体相关性表现一般，均值为0.852，相关性在0.9以上的数量占比约为40%。事实上，基金的净值与业绩基准相关性低的主要原因是业绩基准设定不当，而引入模拟基准便可有效解决这一问题。
我们认为，本文构建的模拟基准可以作为有效的业绩比较基准，解决1.3节提到现有业绩基准存在的问题。此外，基金产品的业绩基准失真，还容易让投资者对基金业绩产生误解。例如前文中提到的基金A与自身不合适的比较基准进行比较，容易让投资者误认为“该基金业绩表现较弱”。模拟基准在基金产品的绩效评估和收益预测方面都有重要的作用。
3. 基金业绩的动态评估研究
模拟基准是根据基金定期披露持仓构建的指数，是一种跟随策略。有研究发现，基金持仓披露后会存在明显的负alpha。基金经理要想维持优秀的业绩，就需要通过交易持续创造超额收益，优于前期持仓的表现。因此，模拟基准可作为基金业绩表现参考的锚，用于评估基金经理的投资能力。
模拟基准的构建方法参照2.2节，并会在每个季度结束的第15个工作日进行成份股调整。在同一区间内将基金净值与模拟基准进行比较，会发现存在三种位置状态，分别为：
（1）基金净值>>模拟基准：基金净值远高于模拟基准；
（2）基金净值≈模拟基准：基金净值接近于模拟基准；
（3）基金净值<<模拟基准：基金净值远低于模拟基准。
例如，基金A就是基金净值长期高于模拟基准，模拟基准与创业板指更为接近，比披露的业绩基准能更好的评估基金业绩表现，基金A的净值相对模拟基准的相对强弱曲线是持续增长的，表明基金经理能够通过交易持续创造超额收益。基金B是基金净值接近于模拟基准，该基金是一只消费主题基金，基金净值大幅跑赢了业绩基准，但相对模拟基准并没有明显超额收益，表明基金经理选股能力强，但并不注重交易，换手率低。基金C是基金净值远低于模拟基准，该基金是一只医药主题基金，基金净值跑赢了业绩基准，但却跑输了模拟基准，表明基金经理的选股能力较强，但交易能力却偏弱。
事实上，基金净值相对模拟的不同位置代表了基金经理不同的投资策略。具体地：
（1）基金净值>>模拟基准：表明基金经理综合投资能力较强，能够通过交易持续创造超额收益；
（2）基金净值≈模拟基准：表明基金经理通常坚持长期投资理念，对公司盈利模式及可持续有着深入理解，持仓周期偏长；
（3）基金净值<<模拟基准：表明基金经理投资策略具有明显的纪律性，注重风险控制，会定期优化持仓。
同时，我们把基金净值相对模拟基准的超额收益定义为隐性超额收益。与之对应的是基金模拟基准相对业绩基准的超额收益定义为显性超额收益，从而隐性超额收益与显性超额收益之和便是基金净值相对业绩基准的超额收益。因此，我们得到了超额收益拆解公式，即：
通过上述拆解公式，我们对前文中的基金A、B、C的净值相对业绩基准的累计超额收益进行拆解，得到了累计的显性超额收益和隐性超额收益。如上面各图所示。针对基金A，基金的显性超额收益和隐性超额收益均长期为正，但隐性超额收益更高且持续性更好；针对基金B，基金的显性超额收益长期为正，而隐性超额收益相对较小，接近于0；针对基金C，基金的显性超额收益长期为正且持续性较好，但隐性超额收益却长期为负。
进一步的，我们对所有成立时间满一年的主动偏股型基金的年化超额收益进行分解，分为年化显性超额收益和年化隐性超额收益，绘制了如上的散点图和统计表。可以发现，超额收益主要集中在第一象限，第三象限的点数量最少。具体的，有超过85%比例的基金年化超额收益为正，平均年化超额收益率为6.12%，表明主动偏股型基金整体表现较好；有超过72%比例的基金年化显性超额收益为正，平均年化显性超额收益率为2.53%，表明基金经理整体的选股能力表现较好；而有超过77%比例的基金年化隐性超额收益为正，平均年化隐性超额收益率为3.58%，表明基金经理整体的交易能力表现较好。由此可见，主动偏股型基金的隐性超额收益对超额收益的贡献更多，显性超额收益代表的是基金经理“可被看见”的投资能力，隐性超额收益代表的是基金经理“未被看见”的综合投资能力。毕竟，模拟基准指数是基于公开持仓数据构建的，容易被大家“抄作业”，显性超额收益是易获得的；而隐性超额收益是不容易获得的，更能体现基金经理的投资能力。
此外，将基金净值与模拟基准进行实时跟踪比较，还可以检测基金经理投资策略或风格的变化。投资策略成熟、风格稳定的基金经理管理的产品，基金净值与模拟基准应该处于一种相对均衡的状态。一旦探测到两者出现了较大偏移，投资者应及时了解基金经理的投资策略或持仓股票是否发生重大变化。
4. 基金业绩因子的拆解研究
模拟基准不仅可以用于基金业绩的动态评估，还可应用于业绩相关因子的拆解研究。本章将从基金收益拆解出发，研究超额收益、信息比率和选股Alpha等因子的拆解。
4.1、基金收益的拆解
基金的历史业绩在评估基金管理人中占据重要地位，但大量研究发现，基金历史业绩并不能很好的预测基金未来业绩，即基金业绩的持续性较弱。在我们的第109期（20191030）海外文献推荐中，Sun等人（2018）发现在艰难时期业绩表现突出的基金经理未来业绩表现更优异。其将股票市场划分为上涨行情和下跌行情，并根据不同市场行情将基金历史业绩分为顺境收益（RET_UP）和逆境收益（RET_DOWN），研究发现下跌行情的逆境收益更能体现基金经理投资能力，对未来收益具有显著的预测能力；而上涨行情的顺境收益包含较多噪声和风险，并不能预测基金未来收益。同时，参考等徐龙炳和顾力绘（2019）的文章，我们也在中国市场对历史业绩因子进行验证。具体步骤如下：
首先，我们对因子进行RankIC检验。即在每个月末利用过去一年数据计算因子值，并与基金未来一年收益率计算RankIC值。可以发现，绝对收益和逆境收益因子表现较好，RankIC均值均在0.1以上，胜率在80%以上，但逆境收益因子在RankIC均值和胜率上表现更好；顺境收益因子基本无效，RankIC均值在-0.05，胜率略高于50%。
上图绘制了各因子的RankIC序列统计图。可以看到，绝对收益因子虽然长期表现较好，但月频的RankIC序列存在明显的周期性波动。事实上，在《20190312天风证券-基金研究：基金市场存在日历效应吗？》报告中，我们发现基金绝对收益具有日历效应，即基金业绩在12月末前后会存在明显的反转效应，却在3月末前会存在显著的动量效应。这说明基金的绝对收益因子在使用时点上存在选择性，而非全都适用。
逆境收益因子长期表现较好，月频的RankIC序列平稳性较好，不存在周期性波动。但局部也会存在连续反转的现象，例如在13年下半年到14年上半年间。主要原因是下跌行情的划分是基于过去三年的数据，短期来看10-13年可以划分出上涨行情和下跌行情，但在更长时间范围内来看基本是处于震荡下行区间，站在当时很难看清现状。因此，如何有效识别当前的下跌行情区间，是决定逆境收益因子有效性的关键。
顺境收益因子表现较为一般，月频的RankIC序列处于无规律波动。顺境收益因子统计的是基金在上涨行情中的收益表现，风格激进的基金经理业绩表现会更好，这时候很难体现基金经理的投资能力。
进一步的，我们在月频上对因子进行了年度调仓的分组有效性检验。即在某月节点按照因子值降序排序将基金等分成10组并等权重构建组合持有一年，滚动计算，统计每组相对基金平均业绩的年化超额收益，最终得到12个月份调仓策略的分组年化超额收益统计表。我们计算了12个月年化超额收益均值统计结果，如下表所示。可以发现，绝对收益和逆境收益因子的多空年化收益差明显，多头年化超额收益平均值均在2.7%以上，且逆境收益因子表现更加突出；而顺境收益因子多空年化收益差并不明显，多头并未取得正的超额收益。
同时，分开来看12个月调仓策略的分组有效性检验结果，绝对收益因子和逆境收益因子的多头年化超额收益并不太稳定。例如，绝对收益因子在每年的12月底调仓策略各组年化超额收益区分度低，逆境收益因子在每年的10月底调仓策略各组年化超额收益区分度低。
由此可见，基金的绝对收益因子对未来业绩具有一定预测能力，但存在周期性波动，多头并不能获得稳定的超额收益。通过对绝对收益进行拆解得到的逆境收益因子，虽然在一定程度上得到改善，但局部依然会面临连续反转的问题，逆境收益因子的有效性与市场行情识别的准确度存在强关联性。
4.2、超额收益的拆解
基金的超额收益同样常被用来评估基金管理人业绩表现，是度量基金经理投资能力的重要指标。然而超额收益指标的实际使用效果并不好，主要原因是无法有效确定合适的业绩比较基准。基于前文的超额收益拆解公式，我们可以对传统的超额收益进行拆解，得到隐性超额收益和显性超额收益。下面我们将对超额收益拆解的因子进行有效性检验。
首先，我们对因子进行RankIC检验。即在每个月末利用过去一年数据计算因子值，并与基金未来一年收益率计算RankIC值。可以发现，超额收益和隐性超额收益因子表现较好，RankIC均值均在0.11以上，但隐性超额收益因子的RankIC序列波动率更低，且胜率更高，RankIC_IR值也超过了1；显性超额收益因子表现较弱，RankIC均值仅为0.035，胜率仅为65%。
上图绘制了各因子的RankIC序列统计图。可以看到，超额收益因子的RankIC序列长期表现较好，但局部也会存在明显的反转；隐性超额收益因子同样长期表现较好，且相比而言局部反转并不明显；显性超额收益因子长期表现较弱，波动较大。
进一步的，我们在月频上对因子进行了年度调仓的分组有效性检验。即在某月节点按照因子值降序排序将基金等分成10组并等权重构建组合持有一年，滚动计算，统计每组相对基金平均业绩的年化超额收益，最终得到12个月份调仓策略的分组年化超额收益统计表。我们计算了12个月年化超额收益均值统计结果，如下表所示。可以发现，超额收益和隐性超额收益因子的多空年化收益差明显，多头年化超额收益平均值均在2.7%以上，同时隐性超额收益因子表现更加突出；而显性超额收益因子的多空年化收益差并不明显，多头年化超额收益仅为0.44%。
同时，分开来看12个月调仓策略的分组有效性检验结果，超额收益因子的多头年化超额收益并不太稳定，例如在每年的12月底调仓策略各组年化超额收益区分度低。相对而言，隐性超额收益因子的多头年化超额收益更高且更加稳定，不同月底调仓策略的多头年化超额收益均在2%以上。
由此可见，基金的超额收益因子对未来业绩具有较好的预测能力，但局部也会存在明显的反转，进而使得多头超额收益并不稳定。通过对超额收益进行拆解得到的隐性超额收益因子表现更好，能更加稳健的预测基金未来收益表现。
4.3、其他相关因子的拆解
为了进一步说明模拟基准在因子拆解上的重要作用，接下来我们将对信息比率和选股Alpha因子进行拆解，并对因子进行有效性分析。
4.3.1、信息比率的拆解
信息比率衡量的是基金经风险调整后的超额收益表现，是评估基金经理投资能力的重要指标。信息比率指标的计算依赖于业绩比较基准的选择。引入模拟基准可以将信息比率进行拆解，得到隐性信息比率和显性信息比率。下面我们将对信息比率拆解的因子进行有效性检验。
首先，我们对因子进行RankIC检验。即在每个月末利用过去一年数据计算因子值，并与基金未来一年收益率计算RankIC值。可以发现，信息比率和隐性信息比率因子均表现较好，RankIC均值在0.12以上，标准差为0.09左右，胜率在90%以上，隐性信息比率因子与信息比率因子有效性较为接近；而显性信息比率因子表现较弱，RankIC均值仅为0.05，胜率只有70%左右。
上面各图绘制了各因子的RankIC序列统计图。可以看到，信息比率因子的RankIC序列长期表现较好，但局部也会存在明显的反转；隐性信息比率因子同样长期表现较好，且相对而言局部反转并不明显；显性信息比率因子长期表现较弱，波动性较大。
进一步的，我们在月频上对因子进行了年度调仓的分组有效性检验。即在某月节点按照因子值降序排序将基金等分成10组并等权重构建组合持有一年，滚动计算，统计每组相对基金平均业绩的年化超额收益，最终得到12个月份调仓策略的分组年化超额收益统计表。我们计算了12个月年化超额收益均值统计结果，如下表所示。可以发现，信息比率和隐性信息比率因子的多空年化收益差明显，多头年化超额收益平均值均在3%以上，同时，隐性信息比率因子表现更加突出；而显性信息比率因子多空年化收益差并不明显，多头年化超额收益仅为0.35%。
同时，分开来看12个月调仓策略的分组有效性检验结果，信息比率因子的多头年化超额收益并不太稳定，例如在每年的12月底调仓策略各组年化超额收益区分度低。相对而言，隐性信息比例因子的多头年化超额收益更高且更加稳定，不同月底调仓策略的多头年化超额收益均在2.5%以上。
由此可见，基金的信息比率因子对未来业绩具有很好的预测能力，但局部也会存在明显的反转，进而使得多头超额收益并不稳定。通过对信息比率进行拆解得到的隐性信息比率因子表现更好，能更加稳健的预测基金未来收益表现。
4.3.2、选股Alpha的拆解
选股能力作为基金经理重要的投资能力，常对基金未来业绩具有良好的预测性。选股能力可用基金剥离了风格收益之后的Alpha进行度量，即基金的选股Alpha。基于前文的模拟基准，我们将选股Alpha进行拆解，得到隐性选股Alpha和显性选股Alpha。下面我们将对因子进行有效性检验。
首先，我们对因子进行RankIC检验。即在每个月末利用过去一年数据计算因子值，并与基金未来一年收益率计算RankIC值。可以发现，选股Alpha和隐性选股Alpha均表现较好，RankIC均值在0.12以上，胜率在90%以上，隐性选股Alpha因子与选股Alpha因子有效性较为接近；显性选股Alpha表现适中，RankIC_IR值达到了1，胜率超过了85%。
上面各图绘制了各因子的RankIC序列统计图。可以看到，选股Alpha因子的RankIC序列长期表现较好，局部的反转也不会特别明显；隐性选股Alpha因子同样长期表现较好；显性选股Alpha因子表现适中，近年来RankIC序列存在较大波动。
进一步的，我们在月频上对因子进行了年度调仓的分组有效性检验。即在某月节点按照因子值降序排序将基金等分成10组并等权重构建组合持有一年，滚动计算，统计每组相对基金平均业绩的年化超额收益，最终得到12个月份调仓策略的分组年化超额收益统计表。我们计算了12个月年化超额收益均值统计结果，如下表所示。可以发现，选股Alpha和隐性选股Alpha因子的多空年化收益差明显，多头年化超额收益平均值均在3.2%以上，同时隐性选股Alpha因子表现更加突出；而显性选股Alpha因子多空年化收益差也存在一定差异性，但多头年化超额收益仅有1.24%。
同时，分开来看12个月调仓策略的分组有效性检验结果，选股Alpha因子和隐性选股Alpha因子的多头年化超额收益均较为稳定。相对而言，隐性选股Alpha因子比选股Alpha因子表现更好，不同月底调仓策略的多头年化超额收益基本在3%以上。
此外，我们还发现显性选股Alpha因子的分组检验结果也具有一定的有效性，但并不是特别稳定，大部分月底调仓策略的多头年化超额收益在1%以上，但也有个别月底调仓策略较低，甚至为负。
由此可见，基金的选股Alpha因子对未来业绩具有很好的预测能力。通过对选股Alpha因子进行拆解发现，隐性选股Alpha因子表现更加稳定，显性选股Alpha因子也有一定有效性。这再次表明基金经理“可被看见”的投资能力的预测性较弱，而“未被看见”的投资能力的预测性更强。
综上所述，引入模拟基准后，诸多传统选基因子可拆解得到相应的隐性类因子，隐性类因子比传统选基因子的有效性更强且更稳定。
4.4、因子的相关性分析
在利用多个单因子构建复合因子时，不仅需要考虑单因子的有效性，还需要考虑因子间的相关性。如果利用相关性较高的因子进行复合，不仅无法提升复合因子的有效性，反而带来冗余信息的叠加。接下来，我们将对前文中涉及的因子进行相关性分析，并引入天风长周期选基多因子体系（因子详情可见《20190912天风证券-基金研究：FOF组合的收益模型：长周期因子的构建与应用》）。
下图中展示了因子在2009年至2020年3月间月度相关系数的均值，其中正数表示正相关，负数表示负相关。可以看到，诸多由净值衍生出的因子相关性较高，如绝对收益、超额收益、信息比率、选股Alpha、选股AlphaIR等因子；拆解得到的隐性类因子与原因子的相关性适中，整体上仅有0.5左右，但隐性类因子间的相关性仍较高。此外，隐性类因子与机构投资者占比、最大回撤、波动率和基金份额因子的相关性较低。
由此可见，与传统选基因子相比，拆解得到的隐性类因子对未来业绩具有更好的预测能力，且与传统选基因子相关性适中，与天风长周期选基五因子的相关性低，可作为因子库的有效补充。
5. 总结与展望
业绩比较基准是基金产品为自己设定的、可实现的预期目标，在基金的管理和评估中占据着非常重要的位置，近年来也备受监管层和投资者的关注。然而，现有的业绩比较基准设定和使用存在诸多问题，严重失真，难以直接用于基金研究。因此，本报告基于重仓股补全法重新构建了基金的业绩比较基准，旨在更加有效评估基金的业绩表现。模拟基准与基金净值整体相似性较高，可作为业绩基准的替代指标，用于基金产品的绩效评估和收益预测方面的研究。
模拟基准可作为基金业绩表现参考的锚，用于评估基金经理的投资能力。基金净值与模拟基准比较会得到三种位置状态，代表了基金经理不同的投资策略；基金相对业绩基准的超额收益可拆解为显性超额收益和隐性超额收益，代表了基金经理不同的投资能力。
模拟基准还可辅助基金业绩相关因子的拆解，用于预测基金未来收益表现。引入模拟基准拆解可以得到的显性超额收益和隐性超额收益因子，显性超额收益因子有效性较弱，而隐性超额收益因子能更好的预测基金未来一年业绩。类似的，拆解得到的隐性信息比率、隐性选股Alpha等因子均比传统因子的有效性更强且更稳定。此外，隐性类因子与传统选基因子的相关性适中，因子有效性也更好，可作为因子库的有效补充。
当然，本报告旨在构建有效的业绩比较基准指数，在研究中依然存在诸多问题。例如，构建的模拟基准很难适用做行业轮动或换手率较高的基金经理；基金经理变更问题可能导致模拟基准产生偏差；更多有效的因子仍有待挖掘；等等。因此，在接下来的研究中我们将逐步优化。
