来源：华泰金融工程
林晓明 S0570516010001 研究员
SFC No. BPY421
黄晓彬 S0570516070001 研究员
刘依苇 S0570119090123 联系人
报告发布时间：2021年1月18日
摘要
公募FOF规模数量持续快速增长，回撤控制能力优于普通基金产品
本文从产品分类、规模变动趋势、历史业绩分析、产品投资策略等角度，对国内公募FOF进行了全面分析。从分类来看，国内公募FOF可划分为低风险FOF和中高风险FOF，低风险FOF规模相对更大。从历史业绩来看，FOF产品回撤控制能力超过普通基金产品，管理费率相对较低，宜长期投资；从投资策略来看，多以宏观基本面+量化模型决定资产配置，更加偏好获奖基金经理旗下基金。近期与FOF产品在理念或形式上相似的产品也不断涌现，例如中证中邮理财基金系列指数。该指数编制思路科学合理、历史业绩出色、回撤控制能力强，适宜中低风险偏好的长线资金跟踪。
市场概览：公募FOF产品规模持续增加，低风险FOF产品增速更快
公募FOF产品可在已有的分类基础上划分为低风险FOF和中高风险FOF。从市场规模来看，过去三年间FOF产品总规模持续增加，其中低风险FOF规模增加更快，募集份额和平均规模也明显高于同类别的中高风险FOF。2020年新成立59只公募FOF基金，数量与2019年持平，但募集总份额相比2019年多20%左右。在59只基金中，目标风险FOF数量居多，总份额也较多。从基金公司来看，截止2020年底，工银瑞信、华夏和南方基金在FOF产品数量上领先，民生加银、兴证全球和交银施罗德基金在FOF产品总规模上领先。
业绩分析：FOF产品回撤控制能力强，管理费率较低，宜长期投资
2020年全部FOF产品均获得正收益，平均收益为23.04%。分类型来看，目标风险FOF的风险调整后收益较高，但股市上行期间追涨能力较弱，中高风险目标日期FOF平均收益率最高，为34.06%。与股指债指相比，2020年绝大多数FOF产品的Sharpe和Calmar均显著高于股债指数。与普通基金产品相比，多重风控下的FOF产品回撤控制能力明显更强，且平均管理费率明显低于普通股债混合型基金以及主动股票型基金，与长期资金追求低回撤低费率的需求相匹配。
管理思路：宏观基本面+量化模型为主流，偏好获奖基金经理旗下基金
FOF产品的核心为大类资产配置策略和基金优选策略。资产配置策略方面，2020年新发普通混合FOF配置策略多以宏观基本面分析为核心，部分叠加量化模型；新发目标日期FOF的下滑曲线设计模型中多采用效用最大化模型；新发目标风险FOF多采用更为简洁的固定股债比策略。基金配置策略方面，从基金类型来看，FOF管理人的配置权益类基金多为主动管理型基金，固收类基金多为中长期纯债型基金。从重仓基金产品来看，FOF管理人偏好有获奖记录且长期表现优异的基金经理旗下产品。
FOF策略指数新发，中邮理财基金指数基于基金经理评价选基
在FOF市场规模稳步增加的同时，许多与FOF产品在理念或形式上相似的产品也不断涌现。例如2020年中邮理财与中证指数公司联合推出的基金组合策略指数。中证中邮理财基金指数系列包含稳健策略基金指数和平衡策略基金指数，该指数以基金经理历史表现为选基依据，综合多个定量指标全面衡量基金经理表现并优选对应基金。决定权重时则在不同风格、不同规模之间充分分散配置，编制方式科学合理。且其历史夏普、Calmar皆超2，回撤控制能力较强，适宜中低风险偏好的长线资金跟踪投资。
风险提示：基金的表现与宏观环境和大盘走势密切相关，历史结果不能预测未来，同时还受到包括环境、政策、基金管理人变化等因素的影响，过去业绩好的基金不代表未来依然业绩好，投资需谨慎；本文对各类产品及基金经理的评价均采用客观数据和统一口径计算，或与其他口径下的计算结果不同，仅做参考；本文对基金经理和各类产品的正面评价仅做参考，不构成推荐意见，需综合考量、谨慎投资。
正文
市场概览：目标风险FOF规模增速较快，低风险产品规模更大
自2017年10月19日南方全天候策略混合型基金中基金成立以来，我国公募FOF已经走过了三个年头，当前市场上已有142只公募FOF产品，本文将对市场上的FOF产品进行梳理，研究其历史业绩、仓位水平、持仓情况以及配置策略，以期为投资者提供较为全面的FOF市场全景画像。
在本报告中，我们采用自行设计的量化标准，在当前Wind分类标准的基础之上，将各类FOF产品进一步细分为低风险类FOF和中高风险类FOF。两大类FOF产品的平均规模、业绩表现、产品设计思路和平均管理费率均有较大差别，因此我们依据新的分类来开展下文中的各项研究统计。
本报告共分为五个章节：
1.在第一个章节中，我们介绍了创新分类标准，对新分类下各类FOF产品的数量和规模变动进行了统计描述，并展示了各家基金公司在管FOF产品数量及规模。
2.在第二章中，我们依然按照新的分类标准，统计了各类FOF产品的年化收益、年化波动、最大回撤、夏普比率和Calmar比率等业绩指标以及管理费率，将其与普通公募基金进行全面对比，并将结果进行了归纳总结。
3.在第三章中，我们逐一查看市场上各类FOF产品的招募说明书，人工提取出每只基金所采用的大类资产配置策略，并观察配置策略的演化趋势。
4.在第四章中，我们提取出市场上全部FOF产品的重仓子基金，研究了重仓子基金的共性特征，并对子基金权益类基金经理进行了抽样检验，计算其各项业绩指标在同类基金经理中的排名百分比。此外，我们还对市场上所有FOF产品进行了仓位穿透，观测各类产品的底层资产配置比例。
5.在第五章中，我们则主要对FOF的类似产品进行介绍和分析，整理了国内首批公募MOM产品列表，并以中邮理财基金指数为例，对策略基金指数进行了多方面分析。
公募FOF产品可在已有分类基础上划分为低风险FOF和中高风险FOF
为了更好地刻画FOF产品的特征，我们将在已有的分类基础上进一步按照风险特征来对FOF产品进行分类研究。首先，按照Wind分类，公募FOF分为目标日期FOF、目标风险FOF和混合型FOF，而Wind分类中的混合型FOF实际上包含了全部目标日期FOF和目标风险FOF，为了更加明确地区分不同类别的FOF基金，我们将不属于目标日期FOF和目标风险FOF的混合型FOF产品，定义为“普通混合FOF”。
此外，FOF产品的风险水平在短期内较为固定，因此我们又将FOF产品在原有分类的基础上分为了“低风险FOF”和“中高风险FOF”。具体划分规则如下：
1. 对于目标日期型FOF，我们将到期日在2040年及以前的产品定义为低风险FOF，其余归为中高风险FOF。
2. 对于普通混合型FOF，我们采用基金波动率来估算其风险水平。从2018年初到2020年底，沪深300指数年化波动率为21.42%，中债新综合财富指数年化波动率为1.17%，我们据此估算，将年化波动率小于7.24%的基金(30%*21.42%+70%*1.17%=7.24%)，划分为低风险FOF，其余归为中高风险FOF。
3. 对于目标风险型FOF，我们首先筛选出所有名称中带有“稳健”二字的目标风险FOF，随后采用其历史波动率剔除出波动率较大的、实际运作中并不稳健的目标风险FOF，未被归入低风险FOF的产品则划分为中高风险FOF。
在本章节中，我们将主要按照上面的分类方法，对公募FOF产品历史规增长趋势进行展示，再对2020年新成立FOF基金进行统计及分析。
规模变动趋势：公募FOF产品总规模增加，低风险FOF规模相对更大
过去三年：FOF产品总规模持续增加，低风险FOF规模增加较快
如左下图表所示，从2017年三季度到2020年底，市场上FOF产品总规模整体呈现快速增长的趋势，仅在2018年市场回撤期间有所下降。如果分为不同风险水平来看，如右下图表所示，红色系色块代表低风险FOF产品规模变动，蓝色系色块代表中高风险FOF产品规模变动。直观来看，低风险FOF规模增速显著高于中高风险FOF。
截止2020年12月31日，市场上低风险FOF总规模占比超73%，显著高于中高风险FOF；低风险FOF总数量为83只，略多于中高风险FOF的数量。
2020年底：低风险FOF平均规模相对较高，或因其特性类似“固收+”产品
各类别低风险FOF的平均规模均明显高于同类别的中高风险FOF。在目标日期FOF和目标风险FOF中，低风险产品的总募集份额和基金总规模均高于中高风险产品；普通混合FOF中，由于低风险产品数量较少，其总规模低于中高风险产品。
截止2020年12月31日数据，规模排名前10的FOF产品中，共有7只为低风险产品，其中又有6只为低风险目标风险FOF，此外，规模排名前4的产品均为低风险FOF。5-7名则为中高风险普通混合FOF。
低风险FOF单只规模更大，或源于其特性类似“固收+”产品，风险等级与之匹配的投资者人数更多，且资管新规落地后可承接一部分低风险投资者的投资需求，因此其规模相对更大。其中，低风险目标风险FOF与另外两类低风险产品相比，其资产配置灵活度最低、投资风格最稳定，投资思路最简单。因此投资者对此类产品的接受程度更高，总规模和单只规模都要大于另外两类低风险产品。
新成立基金：2020年新成立59只FOF，目标风险FOF数量多份额多
2020年新成立59只FOF产品，总数与2019年持平。其中目标风险FOF数量居多，在59只FOF中，28只为目标风险FOF，其中16只为低风险，12只为中高风险；17只为普通混合FOF，其中8只为低风险，9只为中高风险；14只为目标日期FOF，10只为到期日在2040年及以前的低风险产品，4只为2040年后到期的中高风险产品。
而从募集总份额来看，2020年新成立的FOF产品募集总份额接近310亿份，超过2019年的260亿份。但2020年普通混合FOF以及目标风险FOF的平均募集规模相比2019年明显下降，目标日期FOF的平均募集规模则略有上升。
如果按类别来看，低风险FOF的平均募集份额明显多于同类别中高风险FOF。低风险目标日期FOF的总募集规模超过中高风险目标日期FOF的6倍；低风险目标风险FOF的总募集规模是中高风险目标风险FOF的2.75倍。
基金公司：工银瑞信、华夏和南方在产品数量上领先，民生加银规模最大
截止2020年12月31日，已有51家公募基金公司发行了FOF产品。从管理数量来看，管理5只以上FOF的基金公司有6家，其中工银瑞信、华夏和南方基金均管理7只FOF，广发基金和易方达基金均管理6只FOF，汇添富基金管理5只FOF。在上述基金公司中，数量最多的均为目标日期FOF。
从管理规模来看，截止2020年12月31日，公募基金中在管FOF产品总规模在22亿元以上的基金公司共10家，规模在100亿元以上的基金公司共3家，分别为民生加银、兴证全球和交银施罗德基金。其中民生加银基金旗下仅2只目标风险FOF和1只普通混合FOF，产品数量不多，但单只规模较大，其中民生加银康宁稳健养老规模接近65亿元、民生加银卓越配置规模超过67亿元；兴证全球基金旗下共3只目标风险FOF和1只普通混合FOF，其中兴全安泰稳健养老规模超过56亿元；交银施罗德基金旗下1只目标风险FOF和1只目标日期FOF，其中目标风险FOF交银安享稳健养老是全市场规模最大的FOF产品，基金总规模接近95亿元。
分基金类别来看，华夏、中欧、汇添富、南方和交银施罗德基金在管目标日期FOF总规模排名前五；交银施罗德、兴证全球和民生加银在管目标风险FOF总规模领先；汇添富、民生加银和兴证全球在管普通混合FOF总规模领先。
FOF业绩分析：回撤控制能力强，管理费率较低，宜长线持有
在本章中，为了统一计算口径，我们2020年9月30日之前成立的全部FOF产品纳入统计范围，采用年化收益、年化波动、最大回撤、夏普比率和Calmar比率等多项风险收益指标，对其在2020年的业绩表现进行计算和统计描述。
目标风险FOF风险调整后收益较高，但股市上行期间追涨能力较弱
2020年全部FOF产品均获得正收益，平均收益为23.04%。分项来看，低风险FOF的年化收益率集中在10%-20%区间，而中高风险FOF的年化收益率在20%-40%区间。低风险FOF的波动率和最大回撤呈现左偏分布，中高风险FOF的风险指标则呈现右偏分布。
而从风险调整收益指标来看，低风险FOF和中高风险FOF的夏普比率和Calmar比率分布相差无几，低风险FOF的Calmar比率分布尾部更长。
总结来看，在2020年股市整体大幅上涨的行情下，目标风险FOF的平均年化收益率低于同等风险水平下的其他类别FOF产品，但其波动率和最大回撤也低于其他FOF产品。从夏普比和Calmar比来看，目标风险FOF都是优于目标日期FOF的，但其在股市上行行情下的追涨能力是明显弱于目标日期FOF的。
FOF产品夏普比率和Calmar比率显著高于股债指数
我们采用2020年数据，对低风险FOF和中高风险FOF的风险收益特征进行了统计，并与股债指数进行对比。我们发现全部低风险FOF以及大部分中高风险FOF的收益率-波动率散点和收益率-最大回撤散点均在沪深300和中债新综合与原点连线之上，可见其管理人通过大类资产配置获取了高于单一资产的夏普比率和Calmar比率。
在低风险FOF中，有一只基金交银养老2035三年（008697.OF）表现较为突出，其收益率最高，但波动率低于同等收益水平的FOF产品，在图表中显示为偏左上的橙色独立点。除基金经理较强的选基和配置能力为其带来了较高收益外，此基金成立时间为2020年4月29日，避开了3月的大跌，因此其波动率水平也较低。
而在中高风险FOF中，汇添富积极投资核心优势三个月持有期（008169.OF）表现较为突出，在图表中显示为顶端的蓝色独立点。该基金成立于2020年4月26日，规模超过28亿元，在FOF中属于规模较大的产品。若不统计2020年新成立的基金，则年化收益率前三名分别为富国智诚精选3个月（007898.OF）、华夏养老2045三年（006620.OF）和海富通聚优精选（005220.OF），三只基金年化收益率均在50%左右，其中华夏养老2045的波动率最低，富国和华夏产品的最大回撤较低。
FOF产品回撤控制能力明显超过其他种类基金产品，与长期资金需求匹配
我们从Wind调取了普通股票型、偏股混合型、灵活配置型、偏债混合型以及债券型基金共五类指数，计算其各项风险收益指标，并将其与各类FOF产品进行对比，结果展示在了下图表中。我们发现，FOF产品的夏普比率虽不及五类基金指数，但其Calmar比率却明显高于五类基金指数，最大回撤也显著低于权益类基金指数，可见FOF产品的回撤控制能力较为突出。我们认为原因一方面在于，FOF产品管理人具有更强的大类资产择时能力和仓位调整的倾向；另一方面在于，FOF产品投资于风控能力较强的子基金，自身也有止损等风控机制，在双重风险控制下，基金的回撤控制能力也得到了增强。
假设某一产品净值发生X%的回撤，如果该产品想恢复到回撤前的净值水平，需要获取Y%的涨幅。那么这个Y一定是大于X的，并且回撤幅度X越大，所需要的日后的涨幅Y就越大，因此严格控制风险水平的长线投资资金通常会对回撤幅度有着较高的要求。FOF产品回撤控制能力较强，与长线资金的需求较为匹配，可作为投资标的。
FOF产品费率：平均管理费率低于普通股债混合基金及主动股票型基金
除了业绩表现外，管理费率也是影响投资者实际收益的一大因素，对于长线投资者来说，费率水平尤其重要。我们计算出各类FOF产品的平均管理费率，并将其与各类普通基金产品平均管理费率绘制在同一图表中进行对比。
从上图表中我们可以看到：
1. FOF产品的平均管理费率明显低于普通股票、偏股混合、灵活配置以及平衡混合这四类主动权益类基金，也低于股票多空基金和QDII基金。
2. 除中高风险普通混合FOF外，各类FOF产品的平均管理费率也低于增强指数型基金。
3. 中高风险目标风险FOF、低风险目标风险FOF以及低风险普通混合FOF的平均管理费率均低于偏债混合型基金。
4. 仅各类债基、被动股票指数基金以及商品型基金的管理费率低于FOF产品费率。
整体来看，FOF产品管理费率低于普通股债混合基金及主动股票型基金，而FOF产品通常投资于业绩优异的优选基金，优中选优，还加入了大类资产配置和择时服务，因此其管理费率属于相对比较合理且优惠的水平，对长期投资者来说或具有一定吸引力。
FOF资产配置策略：宏观基本面+量化资产配置模型为主流
FOF产品的核心为大类资产配置策略和基金优选策略，本章节中我们将对不同类型FOF产品的资产配置策略进行梳理和展示，在下一章节中我们则会对其基金持仓进行深入分析。
普通混合FOF：多以宏观基本面分析为核心，部分叠加量化模型
普通混合FOF基金在进行大类资产配置时，部分完全采用定性的宏观基本面分析，如农银汇理永乐、嘉合永泰优选和工银智远配置等；更多的则是采用定性宏观基本面分析辅以定量大类资产配置策略，如南方合顺多资产、富国智诚精选和诺德大类精选等。另外，2017年11月发行的建信福泽安泰，采用了类似目标风险基金的固定股债比作为资产配置策略，但被归类为普通混合FOF产品。
按基金成立时间的顺序来看，2018年及之前成立的FOF多采用纯粹的量化模型作为大类资产配置的核心策略，采用宏观基本面分析作为辅助对资产配置比例进行微调。而2019年以后成立的基金则多在招募说明书中标明，以宏观基本面分析和量化模型结果共同指导资产配置，或仅使用宏观基本面分析作为资产配置依据。对于普通混合FOF产品，在宏观基本面上叠加的定量大类资产配置模型通常有风险预算模型、风险平价模型、B-L模型和美林时钟模型等，不同的配置策略并无明确的优劣之分，最终还是需要通过长期业绩进行评判。
目标日期FOF：2020年成立的产品多数采用效用最大化模型
目标日期基金设计的核心是下滑曲线的设计，基金依照下滑曲线的预设配置比例，在权益资产和固定收益资产之间进行配置。由于海外市场中的养老目标基金起步较早，海外基金公司在过去二十余年间发布了多个成熟的下滑曲线定量构建模型，这些模型科学性较高，考虑因素也较为全面，在答辩时更有说服力。我国目标日期FOF在构建下滑曲线时，大多参考了这些海外成熟模型，因此其设计策略也大多类似。
从招募说明书来看，目标日期FOF的资产配置策略包含以下几步：①遵循既定的各阶段投资比例（下滑曲线）；②根据市场动态在允许范围内灵活调整大类资产配置比例，获取β收益；③优选基金，获取α收益；④控制下行风险；⑤寻求基金资产的长期稳健增值。
由于同一家基金公司发行的目标日期基金通常采用的是完全相同的投资策略，因此我们筛选了不同基金公司的15只基金，并将其按顺序排列，以观测此类基金下滑曲线设计策略的变化趋势。从基金成立顺序来看，2019年以前的目标日期FOF，其下滑曲线设计策略中，人力资本模型的出现频率较高，2020年以后，效用最大化模型出现频率逐渐变高。此外，2019年以前，较小比例的养老目标FOF未在招募说明书中明确划定下滑通道，而2020年这个比例再次降低。
目标风险FOF：2020年成立的产品多采用固定股债比策略
目标风险FOF的投资策略是将基金组合的风险水平固定在预设值，相比另外两种基金来说较为简单，但灵活度也较低。借鉴海外同类产品的设计经验，目标风险基金常用的战略资产配置策略仅有两种：固定股债比策略和控制组合风险的风险预算策略。固定股债比是通过固定股债资产的投资比例来保持组合风险的相对稳定，而控制组合风险指标的策略则要求组合的风险指标数值维持在预设风险目标附近。其中固定股债比策略由于设计简单、管理简洁、权重透明等特点而被成熟市场目标风险基金广泛采用。
目标风险FOF的资产配置策略比较简单，在经由战略资产配置策略确定各类资产配置比例并获取β收益后，此类产品还会通过大类资产择时和权重调整来进行战术资产配置以获取α收益，我们筛选了不同基金公司的12只基金，并将其按发行日期排列，以观测此类基金战略资产配置策略的演化趋势。我们发现2019年以前的产品有较多采用定量控制组合风险的策略，2020年以后成立的产品则多采用更为简洁的固定股债比策略。
FOF基金配置策略：偏好有获奖记录的明星基金经理旗下基金
基金类型偏好：权益投资偏好主动型基金，债券投资偏好中长期纯债基金
我们采用2020年中报数据对FOF产品持仓基金类型进行了统计，并展示在了下方图表中。从一级投资分类来看，FOF产品配置债券型基金的比例最高，达51%，混合型基金配置比例次之，为32%，股票型基金配置比例第三，为10%。
从权益类二级投资分类来看，FOF产品所配置的股票型子基金中有63%为普通股票型基金，指数型和指数增强型基金规模总和占股票型子基金的37%。混合型子基金中则有50%的偏股混合型基金和42%的灵活配置型基金，平衡混合型基金仅占混合型子基金总规模的2%。可见在配置权益类基金时，FOF管理人更加偏好主动性更强的基金。
从固收类二级投资分类来看，FOF产品所配置的债券型子基金中有64%为中长期纯债型基金，一级债基和二级债基配置规模分别占债券型子基金的20%和11%，可见在配置债券类基金时，FOF管理人更加偏好中长期纯债基金，且较少将偏债混合型基金、一级债基和二级债基这三类固收+产品作为固定收益类配置标的。
FOF产品所配置的另类投资子基金则多为股票多空型基金，主要是各类量化对冲基金。此外还有部分商品型基金成为FOF产品配置标的，其中主要是各类黄金ETF。
基金产品偏好：偏好有获奖记录且长期表现优异的基金经理旗下产品
债券型基金中，民生加银鑫享、富国天利增长和易方达信用债配置规模最大
市场上99只公布了2020半年报的FOF产品所配置的全部子基金中，所配规模前三的债券型基金（包括QDII债券型基金）包括民生加银鑫享A、富国天利增长债券、易方达信用债、富国产业债和中欧增强回报等。我们也导出了基金的相关信息进行深入研究，发现这15只债券型基金中，绝大多数基金的基金经理曾获得过晨星基金奖、金牛基金奖、金基金奖或明星基金奖等权威第三方机构颁发的奖项。
权益类及另类投资基金中，海富通阿尔法对冲、汇添富医药保健和蓝筹稳健配置规模最大
在股票型基金、混合型基金、QDII股票、混合基金和另类投资基金中，持有规模最大的为海富通阿尔法对冲、汇添富医药保健和汇添富蓝筹稳健，其中海富通阿尔法对冲A配置总规模为7.976亿元。QDII基金中，华夏恒生ETF和易方达恒生H股ETF等港股ETF配置比例较高。商品型基金中，华安黄金ETF则也较受FOF产品欢迎。基金总规模方面，前15名基金中有7只超过100亿元，但也有规模在几十亿元的小而美的基金。这15只基金最鲜明的特征是，绝大多数的基金经理曾获得第三方权威机构颁发的奖项，由此我们或可推断，FOF管理人更加偏好有获奖记录的基金经理所管理的产品。
华安黄金ETF获配频率最高，工银瑞信文体产业在主动型基金中获配频率最高
从出现次数来看，华安黄金ETF获配频率最高，在99只FOF产品的子基金列表中出现了28次；被动指数型基金中出现频率最高的为国泰中证全指证券公司ETF；主动股票型基金中出现频率最高的为工银瑞信文体产业A；主动混合型基金中出现频率最高的为兴全商业模式优选；债券型基金中出现频率最高的为易方达信用债A。
子基金权益类基金经理抽样检验，各项指标业内排名顶尖且无明显短板
我们将全市场权益类基金经理的全部历史管理记录截出，计算出每段管理记录的对应指标后，将各段管理记录的各项指标以管理时长加权合成，最终得到每位基金经理的总评。随后我们从上述出现频率较高、获配规模较大的子基金中，随机挑选了10位基金经理，并计算其各项总评指标在所有权益类基金经理中的排名百分比。
通过计算我们发现，这些基金经理的年化超额收益、年化波动、最大回撤、夏普比率、Calmar比率、规模调整超额收益率（规模乘以超额收益率）、以及选股择时能力均在业内排名顶尖，基本没有明显短板。这一方面说明FOF投资人对子基金的基金经理能力水平要求较高，另一方面则说明FOF投资人更偏好长期表现优异的基金经理，且比较看重基金经理的综合能力。
FOF仓位穿透：目标风险FOF平均股票投资比例较低
我们对公布了2020半年报的99只FOF产品进行了持仓穿透，即通过其子基金半年报持仓情况，估算FOF母基金股票、债券、现金及其他类别资产的持仓比例。
首先我们对各只FOF产品股票投资占比进行了统计，并将其分布图绘制在了下图表中。我们发现目标风险FOF的股票投资比例整体偏低，多集中在20%附近；而目标日期FOF的股票投资比例相对较高，多集中在50%附近，其中有一只中欧预见养老2025的股票配置比例不到5.5%，远小于其他目标日期FOF；而普通混合型FOF数量较少，且股票投资比例分布没有明显特征。因此全部FOF产品股票投资比例分布，由于目标风险FOF和目标日期FOF分布的峰值位置不同，而呈现出双峰的形状。
股票投资市值占比排名前10的FOF产品中，前5名均为普通混合FOF，其中2020年收益率排名前两位的富国智诚精选3个月和海富通聚优精选，其股票投资市值占比也较高。6-10名中则有3只目标日期FOF，1只普通混合FOF和1只目标风险FOF。
从穿透后的债券投资比例分布来看，目标风险FOF的债券投资比例偏高，集中在70%-90%，由于部分债基存在杠杆，因此持仓穿透后某些目标风险FOF的债券投资比例占基金净值比超过100%。目标日期FOF的债券仓位则主要集中在40%-50%。此外，各类FOF的现金投资比例和其他资产投资比例均主要集中在10%左右。
FOF策略指数新发，中邮理财基金指数基于基金经理评价选基
FOF产品风险调整后收益较为优异，控制回撤能力较强，且能够集多位优秀基金经理之力，是长期投资的较优标的，其投资理念和管理方式也在逐步获得更多投资者的认可。在FOF市场规模稳步增加的同时，许多与FOF产品在理念或形式上相似的产品也不断涌现。2020年12月31日，招商、创金合信、华夏、建信、鹏华五家基金公司上报的公募MOM产品获批。MOM产品是由MOM组合经理在全市场挑选出优秀的投资管理人，并将子账户委托给多个管理人进行投资管理的一类产品，其运作方式和管理细节已在我们华泰金工组2020年11月17日发布的深度报告《MOM投资组合的构建全流程框架》中详细阐释，本文中就不再赘述。
除了FOF产品和MOM产品外，2020年市场上也有机构发行了具有较高投资价值的基金组合策略指数可供投资者跟踪。本章我们将以中证中邮理财基金指数为例，对基金组合策略指数进行介绍和分析。
中邮理财基金指数系列于2020年12月发布，包含稳健策略和平衡策略
中证中邮理财基金指数系列为中邮理财与中证指数公司合作编制的定制指数，于2020年12月11日发布，该系列中目前包含两只基金指数：中证中邮理财稳健策略基金指数 (Wind代码：931658.CSI)以及中证中邮理财平衡策略基金指数(Wind代码：931659.CSI)。
两只指数的风险水平不同。中邮理财平衡策略指数将权益基金组合和债券基金组合按照40%：60%的权重进行组合，中邮理财稳健策略指数将权益基金组合和债基基金组合按照20%：80%的权重进行组合。从资产配置方式来看，两只策略指数本质上是目标风险型基金指数，与平衡型（50%：50%）、稳健型（25%：75%）目标风险FOF相比，此指数的股基债基配置比例与之相近，但股基配置比例略低，风险也更低。
策略基金指数通过多个步骤的定量规则评价基金经理并据此优选基金
在基金筛选方面，中邮理财在编制基金指数、优选基金样本的时候，是从基金经理出发的。在华泰金工2020年10月15日发布的《基金业绩持续性的规律与策略构建》一文中，我们归纳了国内外权威期刊的文献，其结论多为基金业绩整体持续性较弱，而基金经理的选股能力和超额收益是具有持续性的，国内实证结果也说明基金业绩整体持续性较弱。因此，从基金经理出发的选基策略是相对更为科学有效的。
中邮理财策略基金指数的编制手册显示，其在选择基金样本的时候分为以下几步：
1、 选取样本空间：选取中国内地市场所有成立满一个季度，且最新季报披露的基金净资产不低于一亿元的主动型开放式证券投资基金，作为样本空间。将样本空间内的基金划分为权益基金和债券基金两个类别。
2、 通过定量评价指标对基金经理综合打分：基于历史管理的基金产品的单位净值，合成为基金经理的日度收益序列，并计算如下指标，加权求和得到基金经理的综合得分：
1） 对于权益型基金经理：综合得分= 0.25*累积收益率+0.1*波动率+0.1*最大回撤率+0.35*夏普比率 +0.1*择时能力得分+0.1*选股能力得分；
2） 对于债券型基金经理：综合得分= 0.35*累积收益率+0.15*波动率+0.15*最大回撤率+0.35*夏普比率；
3） 其中，累积收益率、波动率、最大回撤率和夏普比率根据每个基金经理在过去三年历史净值表现计算得出，选股能力和择时能力得分基于 Brinson 模型得出。
3、 筛选综合打分靠前的基金经理：根据上述基金经理综合得分，分别在权益基金经理和债券基金经理中，筛选出综合得分排名前 30%的基金经理，以其管理的基金组成待选样本；
4、 选取最终基金样本：将待选样本划分为权益基金和债券基金，并将权益基金按照其与沪深 300 和中证 500 相关系数，进一步划分为价值型权益基金和成长型权益基金。最终分别在价值型权益基金、成长型权益基金和债券基金中选取其基金经理得分排名前10名、前10名和前20名的基金组成最终样本；若同一基金经理管理的多只基金入选，则选取规模最大的一只。
5、 分配权重：在平衡策略指数和稳健策略指数预设的权益基金债券基金权重比例下，分别在权益基金组合和债基基金组合内部，根据基金净值规模，将组合内基金分为四层，各个单层内的基金权重相等，不同层级间的基金权重比例，则按照下表规则分配，其本质上是为更大规模的基金分配较高的权重，但是也会在不同规模的基金之间进行分散配置。单一基金配置比例不超过10%。
我们从中证指数公司官网上获取了稳健策略基金指数的持仓列表，权益类基金中包括易方达蓝筹精选、景顺长城新兴成长、嘉实新兴产业、工银瑞信文体产业、交银阿尔法等规模较大的明星基金，也包括万家新机遇价值驱动、工银瑞信新蓝筹和汇安丰泽等小而美的优秀基金。
我们将全市场权益类基金经理的全部历史管理记录截出，计算出每段管理记录的对应指标后，将各段管理记录的各项指标以管理时长加权合成，最终得到每位基金经理的总评。随后我们计算上述基金经理的各项总评指标在所有权益类基金经理中的排名百分比并展现在下表中。我们发现上述基金经理的各项能力均在业内排名顶尖，没有明显短板。可见该指数所选基金样本的管理人均为长期表现优异的基金经理，能够为指数长期走势提供保障。
债券型子基金中，基金规模超过100亿元的则只有富国信用债，50亿规模以上的则包括兴业添利、富国产业债和工银瑞信泰享三年这三只基金。
整体来看，该指数以基金经理历史表现为选基依据，综合多个定量指标，从多个方向全面衡量基金经理表现，挑选出顶尖基金经理并优选对应基金。决定权重时则在不同风格、不同规模之间充分分散配置，编制方式科学合理，具有一定跟踪投资的价值。
策略基金指数历史夏普、Calmar皆超2，回撤控制能力强，适合长线投资
从2017年6月30日到2020年12月31日，中邮理财基金稳健指数年化收益达7.75%，其年化波动率仅为3.84%，最大回撤仅为3.61%，夏普比率高达2.02，Calmar比率甚至高于中债新综合财富指数，高达2.15。而中邮理财平衡策略指数年化收益达11.87%，略高于沪深300，但其年化波动率和最大回撤分别为7.57%和9.32%，均远小于沪深300。整体来看该指数业绩表现十分优异。尤其是其较强的回撤控制能力，与长线资金的投资理念相匹配，适宜作为长期投资标的。
风险提示
1、 基金的表现与宏观环境和大盘走势密切相关，历史结果不能预测未来，同时还受到包括环境、政策、基金管理人变化等因素的影响，过去业绩好的基金不代表未来依然业绩好，投资需谨慎。
2、 本文对各类产品及基金经理的评价均采用客观数据和统一口径计算，或与其他口径下的计算结果不同，仅做参考。
3、 本文对基金经理和各类产品的正面评价仅做参考，不构成推荐意见，需综合考量、谨慎投资。
免责声明与评级说明
公众号平台免责申明
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。
林晓明
执业证书编号：S0570516010001
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
FOF与金融创新产品
【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究
【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一
因子周期（因子择时）
【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三
【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二
【华泰金工林晓明团队】因子收益率的周期性研究初探
择时
【华泰金工林晓明团队】波动率与换手率构造牛熊指标——华泰金工量化择时系列
【华泰金工林晓明团队】A股市场低开现象研究
【华泰金工林晓明团队】华泰风险收益一致性择时模型
【华泰金工林晓明团队】技术指标与周期量价择时模型的结合
【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用
中观基本面轮动
【华泰金工林晓明团队】行业配置落地：指数增强篇——华泰中观基本面轮动系列之十
【华泰金工林晓明团队】行业配置策略：拥挤度视角——华泰中观基本面轮动系列之九
【华泰金工林晓明团队】行业配置策略：景气度视角——华泰中观基本面轮动系列之八
【华泰金工林晓明团队】行业配置策略：趋势追踪视角——华泰中观基本面轮动系列之七
【华泰金工林晓明团队】行业配置策略：宏观因子视角——华泰中观基本面轮动系列之六
【华泰金工林晓明团队】行业全景画像：投入产出表视角——华泰中观基本面轮动系列之五
【华泰金工林晓明团队】行业全景画像：改进杜邦拆解视角——华泰中观基本面轮动系列之四
【华泰金工林晓明团队】行业全景画像：风格因子视角 ——华泰中观基本面轮动系列之三
【华泰金工林晓明团队】行业全景画像：宏观因子视角 ——华泰中观基本面轮动系列之二
【华泰金工林晓明团队】确立研究对象：行业拆分与聚类——华泰中观基本面轮动系列之一
行业轮动
【华泰金工林晓明团队】不同协方差估计方法对比分析（二）——华泰行业轮动系列报告之十三
【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二
【华泰金工林晓明团队】基于投入产出表的产业链分析 ——华泰行业轮动系列报告之十一
【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十
【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九
【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八
【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七
【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六
【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五
【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四
【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三
【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二
【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一
Smartbeta
【华泰金工林晓明团队】重剑无锋：低波动 Smart Beta——华泰 Smart Beta 系列之四
【华泰金工林晓明团队】投资优质股票：红利类Smart Beta——华泰Smart Beta系列之三
【华泰金工林晓明团队】博观约取：价值和成长Smart Beta——华泰Smart Beta系列之二
【华泰金工林晓明团队】Smart Beta：乘风破浪趁此时——华泰Smart Beta系列之一
【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一
多因子选股
【华泰金工林晓明团队】华泰单因子测试之历史分位数因子——华泰多因子系列之十三
【华泰金工林晓明团队】桑土之防：结构化多因子风险模型——华泰多因子系列之十二
【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一
【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十
【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九
【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八
【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七
【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六
【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五
【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四
【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三
【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二
【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一
【华泰金工林晓明团队】五因子模型A股实证研究
【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二
人工智能
【华泰金工林晓明团队】WGAN生成：从单资产到多资产——华泰人工智能系列之三十八
【华泰金工林晓明团队】舆情因子和BERT情感分类模型——华泰人工智能系列之三十七
【华泰金工林晓明团队】相对生成对抗网络RGAN实证——华泰人工智能系列之三十六
【华泰金工林晓明团队】WGAN应用于金融时间序列生成——华泰人工智能系列之三十五
【华泰金工林晓明团队】再探AlphaNet：结构和特征优化——华泰人工智能系列之三十四
【华泰金工林晓明团队】数据模式探索：无监督学习案例——华泰人工智能系列之三十三
【华泰金工林晓明团队】AlphaNet：因子挖掘神经网络——华泰人工智能系列之三十二
【华泰金工林晓明团队】生成对抗网络GAN初探——华泰人工智能系列之三十一
【华泰金工林晓明团队】从关联到逻辑：因果推断初探——华泰人工智能系列之三十
【华泰金工林晓明团队】另类标签和集成学习——华泰人工智能系列之二十九
【华泰金工林晓明团队】基于量价的人工智能选股体系概览——华泰人工智能系列之二十八
【华泰金工林晓明团队】揭开机器学习模型的“黑箱” ——华泰人工智能系列之二十七
【华泰金工林晓明团队】遗传规划在CTA信号挖掘中的应用——华泰人工智能系列之二十六
【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五
【华泰金工林晓明团队】投石问路：技术分析可靠否？——华泰人工智能系列之二十四
【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三
【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二
【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一
【华泰金工林晓明团队】必然中的偶然：机器学习中的随机数——华泰人工智能系列之二十
【华泰金工林晓明团队】偶然中的必然：重采样技术检验过拟合——华泰人工智能系列之十九
【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八
【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七
【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六
【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五
【华泰金工林晓明团队】对抗过拟合：从时序交叉验证谈起
【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三
【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二
【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一
【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十
【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九
【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八
【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七
【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六
【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五
【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四
【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三
【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二
指数增强基金分析
【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告
【华泰金工林晓明团队】酌古御今：指数增强基金收益分析
【华泰金工林晓明团队】基于回归法的基金持股仓位测算
【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证
基本面选股
【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究
【华泰金工林晓明团队】华泰价值选股之FFScore模型
【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究
【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究
【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究
【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究
基金定投
【华泰金工林晓明团队】大成旗下基金2018定投策略研究
【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四
【华泰金工林晓明团队】基金定投3—马科维茨有效性检验
【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法
【华泰金工林晓明团队】基金定投1—分析方法与理论基础
