来源：华泰金融工程
林晓明 S0570516010001
SFC No. BPY421 研究员
黄晓彬 S0570516070001 研究员
张 泽 S0570118080149 联系人
报告发布时间：2020年8月22日
摘要
全文摘要
近年我国基金市场繁荣发展，2017年9月FOF基金获批发行并在同年12月就达到130亿规模，截至2020年7月31日我国FOF总规模为605亿，FOF的迅速发展增大了基金评价及筛选的需求。本文构建了基金评价及筛选的研究框架，首先明确基金的类别及风格特征，然后基于基金历史业绩、业绩持续性、选股择时能力等定量指标以及投资可行性筛选出特定类别下的优质基金；再对其做绩效归因分解基金收益来源，分析基金表现优秀的原因；最后结合定性因素与定量指标，制定基金调研评价问卷，综合评价筛选优质基金。
确定基金类别，基于持仓与净值数据判断基金的投资风格
基金类别及风格的明确有助于直观了解基金的投资范围及风险收益特征。基金分类以我国证监会颁布的一级分类为标准。对于风格的确定，股票基金和债券基金各自具有不同的风格确定方法。股票基金的风格可以基于持仓数据以规模与成长价值特性进行划分，或是基于收益率数据对风格指数收益率做回归，根据回归拟合结果判断。依据判断结果对比基金招募说明书检验是否存在基金风格漂移现象，同时可以利用SDS指标定量评价基金风格稳定程度。对于债券类基金，同样可以依据持仓或净值情况明确基金的久期与信用配置风格。
对基金做业绩、业绩持续性、选股择时能力等多维度定量评价
确定基金的类别及风格后，在相同类别及风格内可进一步筛选出业绩优质的基金。首先依据夏普比率、特雷纳指数、信息比率等经典的风险收益指标筛选出具有优秀历史业绩的基金，其次利用横截面分析法、交叉积比率法、Hurst指数法检验该业绩是否具有持续性，进一步的，通过T-M模型、H-M模型、C-L模型评判该基金的选股择时能力。此外，还需要依据基金交易渠道、FOF可投资范围对投资可实现性进行判断。
绩效归因通过拆解基金收益来源，分析基金优质原因
对优质基金进行绩效归因，判断基金收益来源，深入评价基金配置能力。对于股票基金，可利用基金收益率拟合因子进行收益分解，也可基于持仓数据利用Brinson模型从类别配置、个券选择和交互作用三方面进行归因；对于债券类基金，常使用Campisi模型对基金持仓数据进行分析，或是从利率风险因子、信用风险因子及可转债风险因子三个角度对基金收益率进行分解。
对基金定量评价的有益补充—定量与定性的综合评价法
定量分析的方法存在一定的局限性，诸如基金公司文化、基金经理职业素养等对于基金筛选同样重要的因素难以通过定量的方式进行衡量，这时便需要结合定性评价。对定性因素和定量指标进行综合评价可具体通过对基金公司、基金经理、基金费率以及基金业绩等进行评分点及权重设计，加权得出综合得分。最后还可以通过基金的后续跟踪调研来检验基金实际运作情况和评价结果的匹配程度。
风险提示：模型根据历史规律总结，历史规律可能失效；模型结论基于统计工具得到，在极端情形下或存在解释力不足的风险。本文因研究所提及到的任何基金产品，均不构成对该产品的推荐。
近年我国基金数量与规模快速增涨，为基金评价提出迫切需求
近十年来我国基金市场规模与数量均稳步上升，截至2020年7月31日，市场上共有6822只基金，总规模为17.37万亿元。FOF以基金为投资标的，优选业绩表现好的基金，并实现风险的二次分散。自2017年9月8日FOF基金获批以来迅速发展，2017年底达到130亿规模，截至2020年7月31日FOF总规模已达到605.09亿。基金市场的繁荣发展进一步提高了FOF从众多基金中筛选出优质基金的难度，随着FOF的不断发展，如何更加专业地对基金进行评价和筛选成为了FOF管理中的一项重要议题。
确定基金类别，基于持仓与净值数据判断基金的投资风格
基金分类是基金评价与筛选的基础，同一类别的基金面临的市场风险是相似的，在同类基金中进行比较才能够筛选出投资管理能力较高的基金，因此首先需要确定基金类别，参考证监会或者晨星对于基金的分类可明确基金的实际投资标的及配置比例。在同一类别的基金中还可划分出不同的风格，根据Christopherson（1995）的定义，基金风格是指基金经理的投资目标偏好，即基金经理在资产组合管理过程中因偏好投资于某一类具有共同特征的资产而表现出的风险收益特征。本报告以股票基金和债券基金为例，通过判断基金的投资风格进一步明确基金的风险收益特征。
基金的一级分类通常以证监会的分类为准
基金分类主要包含一级、二级分类，其中一级分类主要是以基金投资标的及其比例为划分依据，而二级分类是基于一级分类上对投资标的从行业、发行地、比例等角度进一步细分。依据《证券投资基金评价业务管理暂行办法》第十二条规定，基金评价机构对基金的分类应当以相关法律、行政法规和中国证监会的规定为标准，可以在法律、行政法规和中国证监会对基金分类规定的基础上进行细分，即目前基金一级分类均以证监会为准，证监会的一级分类列示在2014年8月8日起施行的《公开募集证券投资基金运作管理办法》第三十条中：
（一）百分之八十以上的基金资产投资于股票的，为股票基金；
（二）百分之八十以上的基金资产投资于债券的，为债券基金；
（三）仅投资于货币市场工具的，为货币市场基金；
（四）百分之八十以上的基金资产投资于其他基金份额的，为基金中基金；
（五）投资于股票、债券、货币市场工具或其他基金份额，并且股票投资、债券投资、基金投资的比例不符合第（一）项、第（二）项、第（四）项规定的，为混合基金；
（六）中国证监会规定的其他基金类别。
晨星基金二级分类法是结合事前法律文件与事后实际情况的分类标准
基于证监会的一级分类，各基金评价机构采用事前分类与事后分类两种标准对基金进行二级分类。其中，事前分类标准是指按照基金招募说明书来确定基金的类别；事后分类标准是依据基金投资组合的实际状况对基金进行类别划分。目前市场上的二级分类大部分都采用事前分类标准，如Wind分类体系等。
而美国晨星公司自1984年创立以来，有近40年的基金研究经验，他们的基金评价结合了事前与事后分类标准。对于设立时间不满一年的新基金，暂时根据其招募说明书中关于投资范围和投资比例的规定进行分类；但对于设立时间满一年的基金则融入了对基金投资组合的分析，而不是仅仅按照基金名称或是招募说明书中关于投资范围和投资比例的描述进行分类，当投资组合的统计结果与招募说明书中的规定出现偏离时，需要分析偏离的原因，再决定最终的分类。晨星于2004年3月首度公布了对中国基金的分类方法。多年来随着市场的发展、基金数量和品种的增加，为了使分类更加客观地反映基金的资产分布状况以及相应的风险收益特征，并符合中国市场相关法规的要求，晨星数次对中国国内公募基金分类进行细化与完善。目前最新调整后的分类标准如下，自2018 年10月31日起采用。
对于 QDII 基金，尽管其均投资于境外证券市场，但具体投资对象、范围、区域、风格有所不同，由此在风险收益特征上也有所差异。因此，根据其投资对象、范围、区域、风格的不同可对QDII基金进行分类。
股票基金的风格划分与风格稳定性、风格漂移判断
通过确定基金的类别进而明确基金的投资标的及比例后，判断特定类别下基金的投资风格有助于进一步了解基金的风险收益特征。由于不同类别的基金投资风格的判断方法有所差异，下面将以股票基金与债券基金为例，分别论述其风格划分方法。
晨星风格箱基于基金持仓数据并根据规模、价值成长特性确定基金风格
我们以晨星风格箱为例，晨星风格箱创立于1992 年，目的是帮助投资人定量判断股票基金的投资风格，该方法以基金所持股票的风格为基础，通过计算基金持股的价值-成长得分 X 和所持股票规模得分 Y，最终定义基金的投资风格，其中规模风格定义为大盘、中盘和小盘，价值-成长风格定义为价值型、平衡型和成长型。
（1）规模特性的定量确定方法
在规模刻画方面，以基金持有股票的市值为基础，将股票总市值与门限值进行比较，把股票的规模风格定义为大盘、中盘和小盘，再依据基金持仓股票的市值权重计算出该基金的规模总得分，结合基金规模门限值判断出基金规模风格。
股票的规模得分作为y值，计算公式见下：
（2）价值-成长特性的定量确定方法
基金的价值-成长特性分为价值型、平衡型和成长型三种风格。计算方式为：先分别计算基金中股票的价值得分和成长得分，再将成长得分减去价值得分，得到价值成长综合得分，然后结合门限值界定股票风格(价值型/混合型/成长型)，进而依据持仓股票权重计算基金价值-成长总得分，最后由基金价值-成长门限值判断基金的价值-成长风格(价值型/平衡型/成长型)。
股票的价值-成长得分作为x值，计算公式如下：
VCG：表示股票的价值成长综合得分，由成长得分减去价值得分得到。其中成长得分反映上市公司的成长性，包括每股收益增长率、每股净资产增长率、每股主营业务收入增长率和每股经营活动现金流净额增长率四个因素，对考虑的因素赋予一定权重计算出对应的得分；价值得分是对上市公司每股预期收益/股价、每股净资产/股价、每股收入/股价、每股现金流/股价和每股分红/股价加权求和得出。
VT(Flag)、GT(Flag)：分别表示某一规模分类中股票的价值-混合门限值与混合-成长门限值；Flag表示股票属于的大中小盘类别，其中Flag=1为大盘，Flag=2为中盘，Flag=3为小盘。在上述每一规模分类中，将股票VCG值进行降序排列，累计总市值三分之二对应的VCG值为价值-混合门限值，三分之一点对应的VCG值为混合-成长门限值，即使得在上述每一规模分类中，价值型、混合型、成长型股票的流通市值合计各占总流通市值的三分之一。门限值的确定每月更新一次。
若X<150*(1-γ/3)则为价值型基金；150*(1-γ/3)
将上述计算得出的基金价值-成长得分X值与基金规模得分Y值与下图的晨星风格箱进行对应即可直观地判断股票基金的规模及价值-成长投资风格。
威廉·夏普风格分析基于基金收益率，能实现对基金风格的高频跟踪
如果从内部人员的角度对股票基金进行风格划分，上述基于持仓情况进行分析的晨星风格箱方法适用性较高。然而，外部人员较难及时获得基金的全部持仓情况，如果仍旧使用晨星风格箱法往往会考虑利用重仓股对基金风格进行分析，但股票基金每季度更新上一季度重仓股情况，频率较低且具有一定的滞后性，同时当重仓股权重不高时，估计的基金风格代表性不足，此时可以考虑利用基金收益率对基金风格进行判断，以增强结果的时效性与代表性。威廉·夏普于1992年提出基于收益率的风格分析法，主要思想是设立一系列风格指数，利用最优化的方法，最小化基金收益率与系列风格指数收益率的残差平方和，得到股票基金相对于各风格指数的暴露。计算公式如下：
目前国内主流的风格指数提供方包括中证、上证、深证、国证（巨潮）、申万、Wind等，其构造逻辑基本相似。具体如下所示：
基于威廉·夏普风格模型构建SDS指标测量基金风格的稳定程度判断基金风格是否漂移
基金风格漂移是指在基金运作过程中实际投资风格与基金招募说明书中所阐述的投资风格不吻合的现象，这一现象对投资者和监管层的决策产生重大的影响，因此有必要对其进行研究。一般将整个研究期间划分为两个或多个子区间，当各区间实际投资风格均与事前基金招募说明书宣称的投资风格一致时，就认为该基金在整个研究期间未发生风格漂移；否则至少一期发生实际投资风格与宣称投资风格的偏离，就认为该基金在整个研究期间发生了风格漂移。利用上文提到的风格判断方法得出实际投资风格后对比名义投资风格，即可对研究期间是否发生风格漂移作出初步判断。
为了更精确地描述基金风格的稳定程度，可进一步对基金风格持续性进行量化研究。在众多的量化方法中，比较成熟的是由Idzorek等提出的SDS指标法，该方法基于前文的威廉·夏普风格模型构建SDS指标，测量的是基金在某一时期内投资组合结构变化的整体波动率，计算公式如下：
SDS指标能有效地反应基金投资风格的稳定程度，对比各基金的SDS指数，该值越大，说明在相同的市场环境下，该股票基金风格稳定性越低，则发生风格漂移的概率也越高，投资者在选择此类股票基金时需要更加谨慎。
债券基金的风格主要分为久期配置和信用配置
债券价格主要受利率、现金流和期限的影响，与之相对应的风险主要为利率风险和信用风险。基金经理对利率风险和信用风险的不同偏好，得以形成不同的风格，可以归结为久期配置风格及信用配置风格。
久期配置风格
麦考利久期由麦考利在1938年提出，是指债券持有者收回其全部利息及本金的平均时间。具体的计算公式如下：
在此基础上，保罗萨缪尔森等将久期用于衡量债券价格相对于利率的敏感性，由此诞生了修正久期。修正久期反映了债券收益率变化一单位时价格反向变动的程度，是衡量债券利率风险的重要指标。修正久期计算公式如下：
久期配置风格即基金经理对于债券基金的久期水平投资偏好，久期越长意味着基金面临的利率风险越高，相应的风险补偿也越高。由于债券基金难以直接从公开信息中对久期配置风格进行识别，需要进行相应的估计。当前，基金久期的估计法主要有基于持仓的久期估计法及基于基金净值的久期估计法，其中基于持仓的估计方法更适用于重仓券比例较高且调仓不频繁的基金，基于净值的估计法更适用于与某些债券指数风格相近的基金。
信用配置风格
债券面临的另一主要风险为信用风险，主要受经济基本面、行业景气度、企业整体杠杆水平及其偿付能力的影响，信用配置风格即为基金经理对于信用风险的投资偏好。一般利用信用评级衡量债券的信用风险，包括主体评级与债项评级，对两项评级进行综合打分即可判断某只债券的信用风格。同样基于基金的重仓债券评级分布或匹配一系列评级债券指数，即可大致评判该基金的信用配置风格。
基于持仓数据估计债券基金的久期和信用配置风格的方法
债券基金久期风格估计
由于无法获得基金的全部持仓情况，需要根据债券基金定期报告中披露的重仓债券的信息来估计基金的久期。具体计算公式为：
基金信用风格估计
目前国内评级机构使用的评级符号是依据人民银行2006年发布的《信贷市场和银行间债券市场信用评级规范》的统一要求制定的，可以依据评级符号对债券的信用水平进行打分，例如相邻等级间隔1分，一个等级内若允许“+”“-”微调则相邻微调等级间隔0.5分，且保证各债券类型中A、B、C大类等级上限分数一致，具体如下表所示：
评级机构为投资人衡量债券及发行主体的信用风险提供重要的参考，因此其客观性、及时性与准确程度的高低非常重要。目前国内评级机构主要存在两种付费方式，其中“发行人付费”模式表示发行债券机构需要向评级机构支付费用获得评级，“投资人付费”模式表示信用评级机构的收入主要来自于投资人，不同付费方式下评级机构出具的信用评级会有所差异。另外，评级机构资质牌照主要分为中国证监会证券评级业务许可和中国人民银行许可，规定了该机构可评级的债券范围，其中获得证监会许可的机构具有交易所市场评级资质，获得央行许可机构具备银行间债市评级资质。最新信息于2018年6月30日更新，具体内容如下表所示：
在选定评级机构，确认各债券信用评级及得分后，可利用如下公式估计债券基金的信用配置风格：
基于净值数据对债券基金久期和信用配置风格进行估计的方法
久期配置风格
信用配置风格
中债债券指数
相较于其他债券指数，中债公司编制的债券指数种类丰富，包含综合类指数即反映按债券类型和剩余期限划分的一类债券的整体价格走势，还有按信用等级、发行人类型、发行期限、流通场所等构建的几类中债分类指数。下面主要列举部分综合类指数和信用等级类指数，可用于进行久期和信用配置风格估计，相关指数如下表所示：
通过业绩、业绩持续性、选股择时能力等定量评价筛选优质基金
依据前文方法明确了基金类别及相应的风格特征后，下一步则是需要在同类别及同风格的基金产品中挑选出业绩比较好的产品，故需对各基金的业绩进行评价。学术界和业界关于基金定量评价与筛选的方法也是在不断完善中，在接下来的内容中，我们将从历史业绩、业绩持续性及基金择时能力三个方面介绍常用的方法。
评价基金历史业绩的多种类型指标
基金历史业绩评价主要是通过计算基金的某项指标，与市场上其他基金的相应指标进行对比，从而判断基金的绩效。本报告共选取了9项指标，分别是收益率、夏普比率、特雷纳指数、詹森α指数、信息比率、最大回撤、Calmar比率、M2测度以及基于VaR的RAROC指标。
最为常用的收益与风险指标：收益率、波动率、最大回撤
收益率指标
在衡量基金的绩效时，我们最先想到的就是基金的收益率。在衡量收益率时，我们最通常用的就是平均收益率，包括几何平均收益率（几何平均收益率通常又被称作时间加权收益率）、算术平均收益率，其中算数平均收益率计算更为简单，但几何平均法使用了复利的思想，即考虑了本期收益在下一期进行再投资的情况。
波动率
波动率衡量的是一段时期内的基金净值（或收益率）的波动程度，是对基金收益不确定性的衡量，用于反映基金收益的稳定性水平。一般用波动率来刻画基金的风险。波动率越高，基金收益率的不确定性就越强，风险越大；波动率越低，基金净值的波动越平缓，基金收益率的确定性就越强，风险越小。波动率一般采用基金在一段时间内净值（或收益率）的标准差来衡量。具体计算公式如下 ：
最大回撤
最大回撤是指基金在选定的周期内，历史净值从一个局部的最高点到其之后的局部最低点的回撤中最大的一段回撤。最大回撤反映的是历史上如果在一个时间点进入，然后在之后退出，对于投资者来说能够带来的最大亏损。不同于通过收益率标准差反映基金风险，最大回撤提供了新的角度反映策略的风险管理特点以及基金经理的风险控制能力。具体计算公式如下：
一般来说，最大回撤越小的基金，基金经理对于净值亏损的控制相对较好，风险也是相对较小。因此最大回撤在评价基金经理的业绩表现尤其是风险管理能力时被广泛使用。
收益经风险调整的经典指标：夏普比率、特雷纳指数、信息比率
仅是从收益或风险角度评价基金的业绩可能会有失公允，因此很多经济学家开始思考对收益进行风险调整后纳入绩效考核体系，由此诞生了一系列经典的基金评价指标。
夏普比率
夏普比率（Sharpe Ratio）由威廉·夏普于1990年提出，可衡量基金每承担一单位总风险所产生的风险补偿。其计算公式为：
特雷纳指数
詹森α指数
信息比率
收益经风险调整的其他指标：Calmar比率、MRAR、M2测度
Calmar比率
晨星风险调整收益（MRAR）
M2测度
基金业绩持续性是基金评价的重要维度
在基金评价与筛选环节，除了关注其历史业绩水平外，同样需要关注该业绩水平的持续情况，以筛选出历史业绩水平优秀且具有业绩持续性的基金，具体方法包含横截面分析法、交叉积比率法及Hurst指数法。
横截面分析法
交叉积比率法
Hurst指数法
基金选股择时能力的定量评价模型：T-M模型、H-M模型、C-L模型
上面介绍的都是对于基金业绩判断的综合性指标，没有具体反映基金对于市场走势的判断能力，下面介绍关于基金择时能力判断的T-M、H-M以及C-L模型。
T-M模型
H-M模型
C-L模型
基金筛选还需要考虑投资可行性
除了定量评价基金的历史业绩、业绩持续性以及择时能力，还需要从计划投向基金的可交易渠道、FOF基金的可投资范围对投资的可实现性进行评价。
基金交易渠道
基金的交易市场主要包含一级市场与二级市场，其中普通开放式基金可以在一级市场交易，即在合同约定的时间和场所如银行、券商等进行申购或者赎回；而封闭式基金、ETF、LOF可在二级市场交易，相比在一级市场申赎的普通开放式基金，只需支付佣金，客观上具有费率优势。
内部/外部基金
FOF属于内部/外部基金决定其可投资基金的范围。其中内部FOF基金要求基金公司以自己发行的基金作为投资标的，品种较少，但具有费率优惠且便于对基金进行更全面的评价；而外部FOF基金允许FOF在全市场进行基金投资，其投资种类和策略会更加丰富，但在费率及筛选难度上会有所增加。
绩效归因通过拆解基金收益来源，分析基金优质原因
对特定类别及风格的基金进行业绩定量评价后，可以筛选出业绩优秀的基金，此时通过绩效归因可进一步分析基金的收益来源，有助于深入评价基金各配置能力的相对强弱。下文将介绍股票及债券基金分别基于持仓及净值数据常用的绩效归因模型。
股票基金的业绩归因模型包括基于持仓和基于净值
Brinson模型基于持仓数据从类别配置、个券选择、交互作用进行绩效归因
单期Brinson模型
多期Brinson模型
Barra模型基于持仓数据从因子角度对收益进行拆解
Barra模型最早由Barra·Rosenberg和Vinay·Marathe于1976年提出，在之后被MSCI（明晟）公司所发展，并被广泛使用于基金业绩归因。利用Barra模型通过持仓数据来拆解组合收益，是指将组合收益分解到各个公共因子带来的收益，以看出该组合的收益来源分布情况。
选取公共因子
所谓公共因子，表达的是某些具有相似特征的证券收益可能会受到的相同因素的影响，这些因素包括宏观层面、市场层面以及统计层面的因素等。下图给出了一些比较常见的因子。
计算公共因子在基金中的暴露矩阵X
Fama模型基于净值数据对基金收益做多因子回归分析
Fama是最早对基金绩效归因进行研究的学者，Fama与French提出构建一个三因子（市场、规模、价值因子）模型来解释股票基金收益率，并为提升模型解释力度于2013年再度改进该模型，诞生了五因子模型，具体公式如下：
DEA模型基于净值构建DEPI指标，横向比较同类基金
DEA(Data Envelopment Analysis)数据包络分析方法由美国数学家A.Charnes和W.W.Cooper于1978年提出，DEA是通过线性规划探究最大化总产出与总投入的比值时，各类产出与投入的最优权重。将其应用在基金绩效评估中可以得出最大化基金收益与成本的比率下，各成本对基金收益的贡献程度，以及横向比较同类基金收益成本比的最大值可分析出基金的相对有效性，比值排名越靠前则在同类基金中越有效。
DEA模型介绍
DEA模型在基金绩效评价中的具体应用：DEPI指标
Murthi在1997年提出了无需具体基准、考虑多种交易费用的基金绩效评价指标，简称 DEPI，DEPI的产出指标只有基金收益一个，由于DEA度量的是相对绩效，所以选择超额收益还是实际总收益没有太大影响；而投入指标里可以考虑风险成本、基金费用、基金选券择时能力等，DEPI的计算公式如下：
债券类基金的业绩归因模型包括基于重仓券和基金净值
不同于股票类基金，债券类基金并不会在半年报中公布其全部持仓，因此对于固定收益类基金的绩效归因需要基于重仓券或基金净值进行分析。基于重仓券的分析法包括Wagner-Tito模型、加权久期分析方法以及Campisi模型，这些方法更适用于重仓券权重较高的情况。另外，基于基金净值的分析方法主要为构建债券风险因子模型，通过计算基金在各风险因子的暴露情况来分解其收益来源。
基于持仓的归因模型不断发展，较为成熟的有Campisi模型
Wagner-Tito模型
Wagner-Tito模型是由Wagner和Tito借鉴Fama的分解模型，利用债券的久期代替beta系数作为债券的系统性风险提出的。Wagner-Tito模型将债券组合的收益率简单地分解为久期配置能力和个券选择能力。该模型的主要问题是分解结果较为简单，对于债券超额收益的来源仅考虑了久期因素，但确实是后续更为复杂的债基归因模型的基础。
加权久期分析方法
加权久期分析由Van Breukelen综合Wagner-Tito模型与Brinson模型后于2000年提出，该方法对Brinson系列模型进行风险调整后进一步完善，并将久期作为系统风险的度量。Van Breukelen使用如下公式来近似计算债券资产收益率：
Campisi模型
Campisi模型基于上述两个模型，充分考虑影响债券收益的因素，将债券基金的收益率分解为票息收益部分和价格收益部分，其中价格收益部分主要由利率波动引起，可进一步分解为国债利率变化效应即久期配置，以及信用利差变化效应即券种配置与个债配置。具体来看推导如下：
债券价格公式为：
基于净值的归因模型分析利率、信用、可转债等风险因子的暴露情况
与多因子模型相类似，基于净值的模型主要思想是提取债券相关风险因子，计算风险因子的暴露情况进而分解其收益。对于债券基金而言，风险因子主要包括利率风险因子、信用风险因子和可转债风险因子。其中利率风险因子可以用久期与凸性进行反映，而信用风险因子可以通过引入信用债指数与国债指数进行构建，可转债风险因子也可通过转债指数进行构建。构建出相关的风险因子后需要解决各因子的共线性问题，然后对债券基金收益率进行回归，得出的系数即为各风险因子在该基金中的暴露情况，即分解出其收益来源。
对基金定量评价的有益补充—定量与定性的综合评价法
定量分析的方法存在一定的局限性，诸如基金公司文化、基金经理职业素养等对于基金评价与筛选同样重要的指标无法通过定量的方式进行衡量，这时便需要将定量分析与定性评价相结合。通过对基金公司、基金经理、基金费率、基金业绩等方面进行评分点设计，计算其整体得分，更全面地对基金进行评价及筛选。
基金定性评价可从基金公司、基金经理入手
基金定性评价可从基金公司、基金经理两方面进行。基金公司方面包含公司管理团队、公司治理水平、基金公司规模、投研能力、风险控制能力等；基金经理的定性评价包含个人素质、历史业绩、职业道德水平、投资风格、从业经验等。基金的定性评价是全方位的，既包括重要的个人如基金经理，也包括整个基金公司的情况。
基金综合评价问卷及打分设计具体案例
基金定性评价打分将分为几个评价对象进行。每一个评价对象有几个细分方面，每个细分方面打分为1-5分，然后将几个细分方面的平均分作为该对象的分数，最后再通过设置每个评价对象的权重进行基金评价总分的计算。
基金后续再调查，检验分析结果
后续再调查可判断基金的实际运行情况是否与分析的结果一致，检验基金经理是否按照最初募集资金所宣告的情况进行基金管理，如果后续的定量和定性分析显示基金经理的行为与基金募集书上的不一致，可以考虑放弃投资此基金。
全文总结
本文构建了基金评价及筛选的研究框架，覆盖了从基金类别及风格确认到基金业绩评价及归因再到定性定量综合评价的全部流程，以期为FOF基金管理提供一定程度上的参考。
本文首先从基金类别及风格确认出发，通过确认基金的一二级类别来明确基金的投资标的及其投资比例，其中基金一级分类以证监会要求为准，二级分类可参考充分结合事前与事后标准的晨星分类。在此基础上，以股票基金与债券基金为例分别进行风格划分，进一步确认基金的风险收益特征。其中股票基金主要从规模特征及价值-成长特征的角度进行分析，而债券基金风格主要分为久期配置及信用配置。考虑到不同人员能获得的数据有所不同，本文基于持仓数据与净值数据分别阐述了风格划分的不同方法。举例来说，基于持仓数据可以利用晨星风格箱对股票基金进行风格划分；基于净值数据常用威廉·夏普风格分析法对风格指数进行研究并进行基金的风格稳定性判断。
在确认了基金类别及风格后，对同一类别及风格的基金便可以进行业绩评价，从而筛选出整体业绩表现良好的基金，其中涉及到业绩水平、业绩持续性及择时能力三个方面。对于业绩水平评价常用到风险调整收益指标，包括夏普比率、特雷纳指数及信息比率；为了评价优秀业绩是否具有持续性，可以使用较为成熟的Hurst指数法；若要具体评价基金经理对市场走势的判断，则可以使用T-M、H-M、C-L模型来判断基金的择时能力。
挑选出业绩表现优秀的基金后，可以通过绩效归因分解这些基金的收益来源，来探究基金优秀的原因。我们同样可以基于持仓或净值数据来研究，其中Brinson模型是基于持仓数据的绩效归因基础模型，它将总超额收益分解为类别配置能力及择券能力所带来的收益，并发展出适用于债券基金的Campisi模型；而Fama因子模型是从基金净值角度对绩效归因进行研究的代表模型，它将基金收益分解为各风险因子所带来的收益。
最后，考虑到对基金进行筛选时还存在着诸如基金公司文化、基金经理职业素养等同样重要，但无法通过定量的方式进行衡量的指标，于是可以结合定性因素与定量指标综合评价与筛选基金。本文展示了打分问卷的具体案例，涵盖了基金公司、基金经理、基金费用、资产配置、基金业绩等多个方面，以期对基金进行综合评价。
风险提示
模型根据历史规律总结，历史规律可能失效；模型结论基于统计工具得到，在极端情形下或存在解释力不足的风险。本文因研究所提及到的任何基金产品，均不构成对该产品的推荐。
免责声明与评级说明
公众平台免责申明
本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求，本公众号内容仅面向华泰证券客户中的专业投资者，请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者，请取消关注本公众号，不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限，若给您造成不便，烦请谅解！本公众号旨在沟通研究信息，交流研究经验，华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。
本公众号研究报告有关内容摘编自已经发布的研究报告的，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。如需了解详细内容，请具体参见华泰证券所发布的完整版报告。
本公众号内容基于作者认为可靠的、已公开的信息编制，但作者对该等信息的准确性及完整性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。
在任何情况下，本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。
本公众号版权仅为华泰证券股份有限公司所有，未经公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。
华泰金工深度报告一览
金融周期系列研究（资产配置）
【华泰金工林晓明团队】2020年中国市场量化资产配置年度观点——周期归来、机会重生，顾短也兼长20200121
【华泰金工林晓明团队】量化资产配置2020年度观点——小周期争明日，大周期赢未来20200116
【华泰金工林晓明团队】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法
【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增，待趋势明朗把握或更大20191022
【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826
【华泰金工林晓明团队】如何有效判断真正的周期拐点？——定量测度实际周期长度提升市场拐点判准概率
【华泰金工林晓明团队】基钦周期的长度会缩短吗？——20190506
【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（下）
【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（上）
【华泰金工林晓明团队】周期轮动下的BL资产配置策略
【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究
【华泰金工林晓明团队】市场拐点的判断方法
【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告（上）
【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（四）——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（三）——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（二）——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（一）——华泰金工周期系列研究
【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索
【华泰金工林晓明团队】市场周期的量化分解
【华泰金工林晓明团队】周期研究对大类资产的预测观点
【华泰金工林晓明团队】金融经济系统周期的确定（下）——华泰金工周期系列研究
【华泰金工林晓明团队】金融经济系统周期的确定（上）——华泰金工周期系列研究
【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列
行业指数频谱分析及配置模型：市场的周期分析系列之三
【华泰金工林晓明团队】市场的频率——市场轮回，周期重生
【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探
周期起源
【华泰金工林晓明团队】企业间力的产生、传播和作用效果——华泰周期起源系列研究之八
【华泰金工林晓明团队】耦合振子同步的藏本模型——华泰周期起源系列研究之七
【华泰金工林晓明团队】周期在供应链管理模型的实证——华泰周期起源系列研究之六
【华泰金工林晓明团队】不确定性与缓冲机制——华泰周期起源系列研究报告之五
【华泰金工林晓明团队】周期是矛盾双方稳定共存的结果——华泰周期起源系列研究之四
【华泰金工林晓明团队】周期是不确定性条件下的稳态——华泰周期起源系列研究之三
【华泰金工林晓明团队】周期趋同现象的动力学系统模型——华泰周期起源系列研究之二
【华泰金工林晓明团队】从微观同步到宏观周期——华泰周期起源系列研究报告之一
