分析师：张青（执业证书编号：S0890516100001）
分析师：贾依廷（执业证书编号：S0890520010004）
研究助理：黄浩
报告发布日期：2023年4月5日
投资要点：
相似基金的研究从解决基金经理变更导致潜在的风格漂移、规模大幅增长导致的策略受限以及部分绩优基金限制申购等问题出发，探究如何寻找未来表现相近的可替代基金以及挖掘表现优异的黑马基金经理。
本文通过净值、持仓、风格多维度融合视角，从全市场的权益型基金中发掘相似基金。净值维度使用相关系数和偏离度指标，综合考量目标基金与其他潜在相似基金在净值的波动以及收益累计偏差上的表现；持仓维度使用全部持仓以及重仓的个股重合度和行业重合度，综合考量基金之间在Alpha收益来源以及Beta收益来源的相似程度；风格维度考虑的指标包括大小盘风格、估值风格、行业集中度、行业轮动度以及换手率等指标，根据逐层递进的思路进行相似算法与风格的融合。
参考各风格基金的净值以及持仓特点，结合对各风格代表性基金的模型表现测试，我们将风格和净值持仓维度算法与基金风格进行以下融合：（1）超大规模基金缩短计算的历史时间段并加大持仓维度权重，更好的反映近期持仓相似性；（2）极致价值或者极致小盘风格，策略特点显著，加入同风格初筛条件，在风格内寻找相似基金；（3）高行业集中度风格基金的净值相似性区分效果较差，因此更加关注持仓上的相似情况。
使用本文相似基金算法进行多种风格的代表基金测试，分析计算得到的相似基金产品，大部分计算得到的相似基金均在计算时点后的测试时间段内表现出较高的相似性，能够较好的实现对目标基金替代的效果，但是仍需持续关注是否发生基金经理变更、风格漂移以及策略转变等情况。
风险提示：本报告基于历史公开数据进行分析和测算，存在失效风险，不代表对基金未来情况的测算，不构成投资建议。
报告正文：
在进行FOF组合构建时，我们经常会遇到由于客观原因不得不对持仓进行更换的情况，比如近期发生的基金经理离职潮，当新任基金经理和离任基金经理的投资理念不完全一致时，从组合管理的角度出发，我们有必要对组合中的基金进行更换，寻找一只在业绩走势、持仓、投资理念等方面与基金经理更换前比较相似的基金，当然，相似基金的用途绝不仅限于此，还包括对暂停申购或暂停大额申购标的替代，甚至还可以用于寻找有望成长为明日之星的黑马基金经理。
基于这些目的，我们从基金的净值、持仓、风格特征三个维度多个指标分别衡量基金的净值表现、持仓配置和投资理念，搭建相似度模型，并对指标进行了有效性验证。最后，基于相似基金的不同应用场景，我们选择了几只有代表性的标的，站在2021年底的时点选择相似基金，并进行详细的验证分析。
1. 相似基金应用场景分析
在进行公募基金投资的过程中，除了产品本身的定位，基金经理的操作至关重要，因此选择一只基金也是对基金经理的认可，那么当基金经理发生更换时，新任基金经理的风格偏好、选股方式是否会发生改变，还能否延续之前的风格特征与业绩表现都是FOF管理人担忧的问题，也是需要寻找相似基金来进行替换的原因。
以**基金为例，该基金在2022年4月份发生基金经理变更，基金在行业偏好以及持仓风格上随之发生了较大转变。首先在行业偏好上，由之前主要配置于食品饮料、医药以及电力设备及新能源行业，转变为集中在农林牧渔行业，2022年四季度切换为计算机行业。持仓风格也发生了很大变化，由之前行业轮动度小、重仓股行业分布相对分散的风格，转变为行业快速轮动，重仓股行业高度集中的风格。
然而基金经理更换并不是唯一需要寻找相似基金的场景，我们经常也会遇到以下情况，经过层层遴选、深入分析调研后找到了比较好的配置标的，但是由于策略容量等等问题，基金限制大额申购或者直接暂停申购，这时再全样本遴选重复前述过程显然不是我们希望的，那么这时如果有一个相似基金池就能为我们解决很多困扰。
最后是规模增长后的风格偏移以及策略限制，部分绩优基金会受到市场追捧，规模大幅增长后可能会迫使基金风格发生偏离，甚至可能出现前期策略失效导致绩效表现持续性受影响的情况。选取一只曾出现规模快速增长的基金为例，从净值所呈现出的风格可以看出，在规模增长后，基金的净值风格显著从之前的大小盘轮动切换到了稳定的大盘风格。
我们还对规模百亿以上基金在未来的表现情况进行分析，统计每年年末基金规模超过百亿的基金，未来一年中表现在风格内前50%的占比。从下表数据中可以看出，超大规模的百亿基金仅有较少标的可以排在风格内的前50%，一定程度上说明了超大规模基金难以保持之前较好的业绩表现，规模是业绩的“天敌”。
对于以上场景，我们都可以通过寻找相似基金来实现标的替换。如果基金经理更换，可以通过寻找在基金经理任职期间净值表现和风格相似的基金，从而延续已离职基金经理的表现特征；对于申购限制的情况，可以通过寻找历史表现相似，但是仍有策略规模空间的基金进行配置，达到获取相近收益的目标；对于规模增长后风格偏离问题，寻找基金被市场过分追捧之前表现相近的基金，实现基金策略和风格稳定延续的目标。根据寻找相似基金的使用场景，我们确定寻找相似基金的目标是寻找未来一段时间内，净值表现与目标基金表现相近的基金，无论是未来特定时间长度的区间收益率，还是时间区间内净值的波动特征，都尽可能与目标基金保持一致。
2. 基金相似度计算模型
根据以上确定的相似基金寻找目标，本章将探究如何构建相似度计算模型，能够综合反映基金之间在净值、持仓以及风格上的相似程度。从而获取在未来相近的净值表现。
2.1. 模型框架
目前常见的基金相似度计算方法主要使用基金历史净值数据或者基金持仓数据进行计算，历史净值方面通常使用欧式距离或者历史时间序列相关性，持仓方面主要考虑持股重合度，所反映的基金信息较片面。基于主观判断寻找相似基金也是目前使用较为广泛的方法，主观判断需要对基金经理策略和风格的深入了解，从风格以及投资理念等主观维度上找到未来表现相似度更高且更稳定的基金，但是主观方法存在覆盖面小的缺陷，无法进行相似基金的批量寻找，还存在无法寻找不熟悉的基金产品的相似基金的缺陷。
本文的相似度计算模型将结合历史净值、持仓以及基金产品风格特征三个维度，每个维度选取多个指标计算基金之间的相似性，更加全面衡量基金在各个维度上的相似性。同时，在指标的选取上也会融合主观判断相似基金的经验，寻找未来表现稳定相似的可替代目标基金的相似基金。
2.2. 相似度指标算法
在历史净值维度上，考虑使用的指标算法包括欧氏距离、收益率相关系数以及偏离度；在基金持仓维度上，考虑使用的指标算法包括一级行业重合度、二级行业重合度、重仓股重合度以及全部持仓重合度等；基金产品风格维度上，考虑使用的分类方法有大小盘风格、高低估值风格、集中分散持股风格、高低行业轮动度风格以及高低换手风格等风格分类。
计算得到相应的指标后，对指标进行Min-Max标准化处理，转换为0-100的相似度得分，目标基金本身的相似得分为100，得分越高代表与目标基金越相似。
2.2.1. 历史净值维度
欧氏距离是测量基金在净值表现相似性上较为常用的指标算法，计算方法为：
欧氏距离可以衡量两条净值曲线之间的距离，对于趋势较明显、基金波动频率持续一致的情况，欧式距离能够较好的衡量两个基金历史净值之间的差别。但是在基金净值小幅波动，两只基金的净值相互交替波动的情况下，欧式距离并不能很好的反映基金在相似度上的差异；同时，欧式距离主要衡量绝对距离的总和情况，对于某时间段内基金净值呈现相互平行的情况时，无法反映在该时间段内基金表现的一致性，因此我们并未在历史净值维度中使用该指标。
收益率相关系数是计算时间序列相关性的标志性指标，我们将其运用到计算基金净值时间序列的相似性上，计算方法为：
收益率相关系数能够反映基金在历史一段时间区间内获取收益的相关性，相比基金净值的相关系数，收益率相关系数更能真实反映基金在历史时间区间内获取的收益的相似性；同时，基金的净值受到整体权益市场表现的影响较大，呈现出的整体趋势较为一致，基金净值相关系数差距较小，难以真正区分出基金在表现上是否相似以及相似的程度。但是收益率相关系数也存在一定的缺陷，相关系数主要衡量收益率在波动上的相似程度，但是忽略了均值上的差别。如下图中模拟两个平行的收益率曲线，收益率相关系数约等于1，但是将收益率累计后得到的净值曲线会持续扩大差距。
参考衡量被动指数基金跟踪效果的指标，我们在收益率相关系数的基础上加入偏离度指标。由于单期的跟踪偏离度会忽略时间区间内的差异，特别是衡量越长时间的跟踪偏离度时，可能损失的信息就会越多。综上，我们加入跟踪偏离度指标时，采用的是时间区间内月度偏离度的绝对值总和，计算公式为：
根据对以上对历史净值维度的相似性指标分析，本文将综合考虑指标优缺点以及测试效果，通过加权的方式融合以上指标，综合形成对于潜在相似基金和目标基金在历史净值维度上的相似程度打分。
2.2.2. 持仓维度
虽然持仓标的所带来的收益会反映在基金的净值表现上，但是会存在持仓差别较大，净值表现恰好相近的情况。如果只考虑历史净值维度的相似性，相似程度的延续性无法保障，可能出现过去相似未来相背离的情况，与我们寻找相似基金的目标不符合，因此需要在净值维度的基础之上结合持仓相似度的考量。
个股持仓重合度衡量重仓或者全部持仓在股票标的配置比例上的重合度，计算方法为：
个股持仓重合度能够较精确的反映基金在配置上的相似程度，对于个股重合度高的基金产品，能够很好的反映基金经理在投资理念、选股逻辑以及投资标的偏好上的相似性，具有较好的持续性和稳定性。但是少有基金产品之间有较高的个股持仓重合度，在股票微观标的持仓上的不同并不能代表基金表现上的差异，基金在二级行业甚至一级行业上的配置相近，通过获取行业beta收益，最终在净值表现上也会呈现出相似的特征。
行业持仓重合度根据中信一级或者中信二级行业成分，计算基金持仓在一级行业以及二级行业上的占比，根据行业占比计算基金持仓在一级行业以及二级行业上的重合度，计算方式与个股持仓重合度类似：
一级行业覆盖的股票范围较广，除了出现覆盖范围较广的行业级别行情外，难以保证同属于一个一级行业可以有相似的表现。一级行业中的细分行业在投资逻辑上可能出现较大差距，如家电一级行业中厨电和小家电的投资逻辑有一定差距，食品饮料一级行业中白酒和其他细分板块相关性较低，因此使用一级行业重合度进行基金在持仓维度上的相似性衡量效果可能不理想，本文主要考虑使用个股持仓重合度和二级行业持仓重合度来衡量基金持仓的相似度
目前持仓维度的相似度主要应用于股票型基金以及高权益仓位型基金，数据频率上使用半年报以及年报的全仓数据与季报的重仓数据相结合，给予相同权重，兼顾持仓数据的全面性和有效性。上述计算方式是计算单期的持仓相似度，对于多期的持仓相似度，我们使用时间区间内每个单期相似度打分的均值作为多期打分的结果进行衡量。
2.2.3. 基金产品风格维度
在进行相似基金的主观研判时，通常会更加关注基金经理的投资理念，投资理念最终会反映在基金产品所表现出的风格特征上，如深度价值型的基金经理，坚持挖掘未被市场发现的高性价比标的，最终基金产品会呈现出持仓低估值以及低抱团等风格特征。
本文在净值和持仓维度上加入风格维度的考量，根据相关风格指标进行极致风格特征的划分，因为风格一致在未来有更大的概率走势接近。在划分风格时，我们希望将具有极致风格特征的基金归为一类，也即风格稳定且鲜明，因此在对指标阈值设定时会使用相对严格的标准，如根据PE值进行价值成长分类时，会规定PE值极小的基金为具有显著价值风格的基金。
本文会综合参考多个维度的风格特征，其中包括大小盘风格、高低估值风格、集中分散持股风格、高低行业轮动度风格以及高低换手风格等等，根据基金具有的风格标签进行相似度指标权重的调整或者优化初筛池。如超大规模的基金通常具有行业轮动慢和持仓变化小的风格特征，基金持仓所反映的相似性，在未来也可以有较好的延续性，适当加大在持仓维度的权重可以更好的反映潜在相似基金与目标基金在配置上的关系；对于有极致低估值风格或者极致小盘风格的基金，通过缩小初筛池的方法，在同样具有极致风格的基金中进行相似度的计算，可以保证选出的相似基金都具有相同显著风格特征的基础上，净值和持仓维度有相似性。
2.3. 算法效果测试方法
根据前文所述，寻找相似基金的目标是希望投资者在持有相似基金时，可以获得与目标基金相近的持有期收益，以及承受相近的持有期净值波动。据此，本文将从两个维度衡量目标基金与潜在相似基金未来的相似度，首先是未来一段测试时间内的收益率相关系数，其次是测试时间区间内，一定频率下的收益差值的绝对值之和，这个用于衡量相似基金与目标基金之间的波动差异。
我们根据相似度得分排序，对基金池进行分组，计算每一组基金对应的测试指标的均值，观察每一组指标均值与各组相似得分高低之间的关系。
分组时，将相似得分最高的基金组设置为第1组，得分最低的基金组设置为第N组。对于未来收益率相关系数指标，随着得分的降低，未来收益率相关系数也逐步降低代表着相似度指标在未来保持着较好的表现；对于收益率差值指标，随着分数的降低，收益率差值逐渐增大代表着相似度指标效果较好。
2.4. 算法效果测试结果
在对潜在的相似基金进行相似度计算前，需要根据初筛条件对基金池进行初步筛选，初筛条件主要是分类指标，在同类基金中寻找相似的基金。本节对于相似算法的测试中，将基金二级分类设定为初筛条件，即仅对与目标基金相同二级分类的基金进行算法效果的分析。我们挑选几只在风格上较有代表性的基金进行测试，选择2022年1月1号为测试时间点，使用过去三年历史数据进行指标计算，通过未来一年的净值表现衡量指标效果，观察各个维度的相似指标在未来相似程度持续性上的表现。
选取的代表基金包括：（1）规模大、持有抱团股比例较高、换手率较低的基金A；（2）做自上而下行业轮动、风格轮动频繁、行业切换速度较快的基金B；（3）深度价值风格、持有小众标的的基金C；（4）重仓于成长风格内热门赛道的基金D
从下图对历史净值维度指标的测试结果来看，每只基金基本呈现了我们期望的测试结果，即随着得分的降低，未来的收益率相关性呈现下降趋势，未来月度收益差值之和呈现上升趋势。
其中持仓较稳定的基金A效果较好，得分最高的组别和得分最低的组别在测试指标表现上差距最大，得分最高组别的基金组合在未来收益率上最相关，月度收益偏离最小，得分最低组别的基金组合在未来收益率上最不相关且月度收益偏离最大，得分介于中间的组别也呈现出相关性逐渐减弱或者收益偏离逐渐变大的趋势。重仓集中的基金D算法效果表现也较好，在测试指标上呈现预期趋势，但得分居中的基金组别差别较小，这是因为基金D重仓于热门成长行业，较多相似度居中的基金均有该行业的配置，同时还有其他行业受到热门行业带动的因素，在净值表现上呈现相似性，但是由于未来基金换仓以及热门行业带动性减弱等原因，历史净值相似度对这部分基金未来表现相似的预测效果较弱，相似得分极高和极低的组别更具有参考意义。
高轮动、快换仓的基金B表现较差，特别是对于未来月度收益偏离的测试，与历史净值的相似得分高低几乎没有相关性，这符合基金快速换仓所呈现出的特征，过去的持仓对未来没有预测作用，未来快速切换股票仓位和行业配置后，与其相似的基金分布在各个得分组别中，导致各个得分等级的基金组合在未来表现关系上没有显著区别。历史净值维度的指标对于高换手、高轮动的基金未来表现相似度的持续效果较差。
接着对持仓维度指标进行测试，基金A和基金D表现与净值维度的效果相似，均呈现未来收益率相关性逐渐下降以及未来月度收益偏差逐渐上升的趋势，特别是历史持仓接近的基金，在未来的表现与目标基金相关性较高。基金B和基金C难以使用持仓信息对未来的相似性进行预测，各个组别之间没有显著差异，这与之前在历史净值维度中的分析一致；与基金C在持股上相似的基金极少，因此持仓维度效果不及净值维度效果，基金B同样是因为过快的仓位切换导致历史持仓与未来表现之间没有关系，无法较好的预测未来的相似程度。同样，我们也发现在高换手和高轮动度类基金上，持仓指标的表现欠佳。
2.5. 融合特征风格
由于净值维度和持仓维度的局限性，我们考虑将基金的风格特征融合在内。认为风格比较极致的基金，在风格层面应该是有一定延续性的。因此我们通过比较严格的划分，来对基金进行一系列过滤。根据不同风格对基金未来相似程度的影响，设置多层分类，逐层递进，对具有显著风格的基金进行权重的调整或者缩小初筛范围，具体逻辑如下图所示。
过滤时，我们重点考虑的风格特征包括换手率与行业轮动度、是否为超大规模基金、极致价值成长或大小盘风格以及行业集中度情况。首先我们会将超高换手、超高行业轮动类型的基金拿出来单独分析，这一类基金由于快速变化的持仓与偏好行业，导致寻找相似基金有一定难度，持仓维度的有效性会有所降低，因此在相似模型的指标合并中，我们会适当降低持仓维度的比例，提升净值维度的权重；对于中低轮动风格的基金，由于超大规模风格基金具有显著特征且相似程度持续性较好，我们单独分出一类进行计算方法优化；非超大规模基金则进一步判定是否有极致的价值成长特征或者极致的大小盘特征，如有，则在相应极致风格内筛选相似基金，否则根据行业集中程度进行权重分配的优化。
对于超大规模基金，由于管理规模过大对于基金在选股和换仓操作上带来的限制，这类基金具有持仓股市值偏大、持仓稳定、换手率低等风格特点。基于此特点，基金难以在较短的时间内切换股票仓位，但是拉长时间后，超大规模基金可能会逐步进行换仓，行业可能在较长时间维度上发生变动，最后导致历史拟合的结果不能很好的表现未来相似程度。本文选取两只具有此类风格特征的基金，对多个年份进行测试，分别测试使用历史三年数据拟合未来一年相似以及使用历史一年数据拟合未来半年相似的拟合效果。不同年份的测试结果类似，以2022年为例进行结果展示。
下图展示了2022年的表现情况，可以看到使用历史三年拟合2022年一整年的效果相对较差，对于得分居中的基金组，未来收益相关系数的差异不大，甚至出现相似得分较低，未来表现相对更相似的情况。将2022年分拆成两个半年，分别使用过去一年的历史数据对未来半年的相似度进行拟合；从下图的未来收益率相关性组间差别来看，缩短数据时间长度后，未来收益率相关性随着历史数据相似度得分的降低，呈现更加平滑的下降趋势，对未来基金表现的相似程度预测效果较好。
对于具有显著深度价值风格特征的基金，持仓选股上的独特性导致历史数据拟合相似度效果不佳，通过使用基金的风格特征，缩小潜在相似基金初筛池的方式，检验能否优化相似模型的表现。由于初筛池经过细分后，分组的表现情况与全二级分类作为初筛池的情况没有比较意义，因此我们关注相似得分最高的基金在未来所呈现的相似程度，分别测试得分最高前10只和得分最高前50只的表现。
从下表结果中可以看出，缩小初筛池后，进行测试的2021年和2022年度，前10只和前50只的未来相似程度均优于未经过风格初筛的表现，未来的收益率相似度均有所提高且未来的月度收益率偏差均有所缩窄，模型效果得到优化。
对于极致小盘风格的基金，在持仓上通常具有高度分散的特征，由于分散化持有小市值标的需要研究覆盖的广度，通常这类基金都会结合量化选股策略进行标的筛选，根据投资策略的特殊性，我们对极致小盘风格的基金进行同风格内初筛后，再考虑净值和持仓维度的相似性。一方面，持仓的高度分散以及量化选股带来的持仓独特性，使用持仓数据进行相似度的拟合可能无法很好反映基金之间的相似程度；另一方面，历史较长时间的净值表现可以一定程度上反映基金的量化选股模型特征、配置策略风格以及选股偏好等。因此对于此类基金，我们降低持仓维度的权重占比，提高净值维度指标的权重，减小持仓独特性的影响。
对于高行业集中度风格基金，对该行业配置比例较高的基金容易因为行业Beta收益出现净值走势相近，即使在行业内标的的选择上风格差距较大，净值维度依旧得到较高的相似度分数。因为，我们对这类型风格的基金降低净值维度指标的权重，更加关注在具体股票持仓上的重合度以及进一步细分的二级行业的重合度，更好的反映在行业内的选股偏好。
3. 相似基金标的分析
本节将从更换基金经理、限制申购以及具有显著风格特征等方面挑选示例基金，寻找各自的相似基金，分析相似基金与目标基金的相似程度，并进一步分析相似基金所呈现出的特征。分析均基于2022年1月1日之前历史数据进行相似度的计算，通过分析2022年之后基金所呈现的相似情况，考量模型效果以及寻找到与目标基金相似的基金的特征。
3.1. 易方达蓝筹精选（005827.OF）
由张坤管理的易方达蓝筹精选属于典型的超大规模风格基金，基金主要配置于白酒、港股互联网、银行以及医药等板块，行业轮动速度缓慢，股票持仓比例稳定，特别是在白酒板块的持仓，一直维持很高的持仓比例，第二和第三占比的行业有一定轮动，但都在医药、传媒以及金融行业中切换。
基金规模过大带来的策略转变以及轮动受限等情况，我们希望通过寻找相似基金，找到与目标基金较小规模时风格相似的基金，从而获取目标基金规模大幅增长之前相似的表现。
郭杰管理的两只基金与易方达蓝筹具有相似的持仓风格，均重仓于白酒行业，其余仓位也更偏好于医药、传媒以及金融行业，但是规模显著小于张坤管理的基金。易方达ESG责任投资和易方达国企改革得益于管理规模较小，在各股票标的配置比例的变化上更加灵活，如2021年减持互联网板块、2022下半年加仓传统能源板块以及对白酒部分标的的灵活配置，均给这两只标的带来了相对张坤更加优秀的表现。
易方达改革红利2022年以来的表现与目标基金差异较大，这是由于2022年1月基金经理更换造成的。之前由郭杰管理本只基金，郭杰管理期间，持仓风格和净值走势均与易方达蓝筹精选高度相似，因此基于2022年之前数据计算的结果将本只基金归为相似基金。当基金经理发生更换时，可能会发生持仓变化以及风格转变，与目标基金不再相似。
杨建华管理的长城品牌优选和长城价值优选有较高的表现一致性，均与目标基金易方达蓝筹精选呈现较高的相似程度，持仓也同样集中于白酒以及医疗等行业。
易方达蓝筹与嘉实核心优势在无论是2022年前的计算时间段还是2022年后的测试时间段，净值均表现出了较高的一致性，从持仓维度上来看，嘉实核心优势在持仓上相对易方达蓝筹精选更分散，但是在重仓的配置上依旧重合度很高，全部持仓行业配置接近。
泰康蓝筹优势在2022年前的计算时间段和2022年前半年均表现出较高的一致性，但是在2022年第三季度呈现一定表现的差异。穿透到基金持仓进行分析，泰康蓝筹优势在2022年上半年前持仓风格与易方达蓝筹精选相似，重仓于白酒、医药以及传媒等行业，但是从三季度重仓股持股比例来看，本只基金的重仓股持股比例均有一定程度的降低，这是由于基金主动进行权益仓位择时、降低权益仓位带来的回撤控制。四季度后开始重新增加权益仓位占比，净值表现与易方达蓝筹精选较为一致。
3.2. 中庚价值领航（006551.OF）
丘栋荣坚持的价值投资理念具有明显的风格特征，其管理的中庚价值领航凭借优秀的业绩表现也赢得了市场的关注，但是该基金的严格申购限制导致难以在基金组合中进行配置，我们希望通过寻找相似基金实现一定程度上的替代。
丘栋荣参与管理的中庚价值灵动灵活配置与中庚价值领航走势接近，从近三年的净值表现来看，中庚价值灵动灵活配置表现较优秀，保持一定的超额收益，这与中庚价值灵动灵活配置进行灵活的仓位择时以及更加分散的持股有关；工银创新整体走势与中庚价值领航较为相近，特别是在2022年以来，净值表现更加相似，整体上呈现更加稳健的风格，在保持优秀的回撤控制水平下，进攻性相对较弱。
西部利得国企红利指数增强的净值表现在2022年以前的计算时间段和2022年以后的测试时间段中，均与中庚价值领航高度相似，这与丘栋荣在进行价值投资时使用的估值方法有关，PB-ROE的估值体系使得高红利标的会更加受到丘栋荣的青睐；中庚价值领航的持仓中，对金融地产行业的标的配置比例较高，丘栋荣在选择银行标的时也更加关注具有成长性的地方银行，这与华泰柏瑞新金融地产较为接近，最终使得华泰柏瑞新金融地产与中庚价值领航的净值表现相似度较高。
3.3. 中银大健康A（009414.OF）
医药主题型基金中银大健康近期发生了基金经理的更换，2023年2月份由之前的黄珺更换为郑宁，基金经理的更换可能会出现持仓较大幅度的变动以及细分行业配置比例的改变，为了寻找与更换基金经理之前投资策略相近的标的，我们依旧使用2022年以前作为计算时间段，根据2022年以后的时间段作为测试时间段，判断在测试时间段中相似基金能否与黄珺保持相近的净值表现。
中银大健康作为高行业集中度风格基金，根据我们的风格融合导图，给予仓位更高的权重进行相似度计算。在计算时间区间内，中银大健康与鹏华医药科技长期保持着高度的相似性，同时在医药行业中标的偏好也有较高的重合度，因此鹏华医药科技在我们的相似度模型下得分最高。进而观察2022年后的测试区间，中银大健康依旧与鹏华医药科技保持着相似性，延续了黄珺的投资策略以及医药标的选择偏好。通过对两只基金持股以及细分行业配置情况的分析，两只基金除了在医药板块进行配置外，还会配置其他行业进行收益的增厚，鹏华医药科技曾持有过养殖板块标的，也帮助其在养殖周期中获得了不错的收益；中银大健康更倾向于持有消费相关的股票，医药行业中也会选择与消费逻辑强相关的医美公司。这部分差异仅给这两个基金在收益波动上带来一定程度的区别，整体长期走势保持高一致性。同时，从更换基金经理后两只基金的净值走势情况，并未发生显著偏离，可以看出郑宁开始管理中银大健康后，还未进行较大幅度的持仓调整。
中银大健康的其他相似基金中主要还有鹏华医疗保健、华商医药医疗行业以及中金新医药等医药行业主题基金。这些基金的净值走势同样和中银大健康高度相似，但是表现会略逊色于中银大健康。从基金持仓角度进行探究，其他医药主题基金的仓位均全部配置于医药行业，这也导致了在表现上不如配置更加灵活的中银大健康和鹏华医药科技，黄珺和金笑非凭借更广泛的能力圈，把握其他行业的行情，增厚收益，在医药主题型基金中脱颖而出。对于中银大健康在郑宁接管后能否延续之前的表现，需要根据最新持仓以及与相似基金走势的对比进行跟踪。
3.4. 金元顺安元启（004685.OF）
金元顺安元启在近几年一致保持着优秀的表现，但是专注于小盘标的精选的投资策略限制了基金规模的增长空间，基金当前处于暂停申购的状态。作为具有显著小盘风格的基金，我们根据风格融合导图，在进行小盘风格初筛后，更加关注基金在净值维度上的相似情况。
与金元顺安元启表现相似的基金基本上都是量化策略基金，根据2022年之前的计算时间段得到相似度最高的基金为大成景恒，苏秉毅采用的投资策略是量化初筛结合主观精选，量化策略的引入，可以减少对小市值标的研究所消耗的时间，从而使得基金经理可以覆盖更大范围的小盘标的。
夏高管理的大成互联网+大数据A同样与金元顺安元启较为相似，与大成景恒的一致性也较高。我们发现，虽然大成互联网+大数据A的重仓股与大成景恒重合度较小，但可能由于大成基金所使用的量化选股模型逻辑相似，初筛池重合度预计较高，且由于量化基金的持股相对较为分散，主动选股所带来的超额收益对基金表现影响较小，故最终两只产品呈现出了净值走势较为接近的特点。
在计算区间内得到较高相似得分的还有曹名长管理的两只产品以及王平的招商量化精选，曹名长管理的两只基金产品在净值的趋势上与金元顺安元启一致，但是上涨幅度较小，导致收益表现不及金元顺安元启，这也是我们在模型算法介绍部分提及的净值维度指标的缺陷，因此这类型的基金虽然净值相关性较高，但是还很难作为目标基金的较好替代产品。招商量化精选在2022年以前，一致保持着与目标基金高度一致的特点，但是在2022年上半年市场下跌的行情中，业绩表现不及目标基金，2022年下半年，则继续呈现出较高的相似性。不过，由于公募基金中的量化策略类产品，通常采用量化与主观投资相结合的方法，因此在选择替代基金时，还是需要跟踪评价策略适用的市场风格以及判断产品风格是否发生了明显漂移或转变。
从2022年以后的数据来看，有两只标的呈现出了与金元顺安元启较高的相似度，分别是国金量化精选和信诚多策略。由于国金量化精选成立于2022年3月份，上表中展示的结果是基于2022年之前计算得到的，因此国金量化精选没有涵盖在列表中。从净值表现来看，国金量化精选在2022年二季度和三季度表现一致性高，四季度后有所偏离；从四季报公布的重仓数据看，持仓风格上由之前的小盘风格朝着大盘风格转变，因此国金量化精选与金元顺安元启在未来表现的是否可以一致，还需要进一步跟踪大小盘风格以及产品净值表现的偏离程度。
对于信诚多策略，从历史较长时间的净值表现来看，2022年三季度之前的表现是与金元顺安元启有较大差距的，仅在2022年三季度后呈现相似的表现。从历史的持仓市值风格来看，信诚多策略一直是偏大盘风格，在四季报中才表现出了极致的小盘风格，这也与开始呈现相似性的时间相一致。对于使用信诚多策略作为金元顺安元启的替代基金，需要持续关注基金是否会发生风格切换回大盘的情况，以及通过调研了解基金经理在持仓风格上发生较大转变的原因，综合判断相似表现的可持续性。对于2022年四季度后的净值表现，大成景恒一直紧跟金元顺安元启，2023年以来的表现更是超越了目标基金，表现更加优秀，从量化策略风格以及长期的净值表现上看，适合考虑作为目标基金的替代基金。
4. 总结
本文基于基金经理变更、基金申购限制以及基金风格转变等场景，探究如何寻找可以进行替代的相似基金，延续目标基金在变换之前的净值表现或者获得与限购的目标基金相近的收益表现。
根据定量算法融合定性风格判断的思路，我们从历史净值、持仓和基金风格特征三个维度出发。历史净值和持仓维度使用定量算法进行相似度的计算，历史净值维度参照指数基金跟踪效果的分析方法，选用历史净值相关系数以及历史净值月度偏离度两个指标，持仓维度则使用股票仓位重合度和二级行业重合度指标，并进一步结合全部持仓和重仓数据。定性风格方面使用多层过滤融合的方法，根据不同风格基金所呈现的净值和持仓特征，选用更适合基金风格的算法权重配置比例或者初筛池优化。
本文挑选在超大规模、深度价值风格、极致小盘风格以及高行业集中度风格中具有代表性且市场关注度较高的基金，进行多种风格基金的相似度算法效果的探究以及所得到的相似基金的具体产品分析。从测试效果分析来看，本文的多维度过滤融合相似基金算法可以一定程度上满足在基金经理变更、基金申购限制以及基金风格转变等场景下对于相似基金的需求，对多数类型基金能够起到较好的替代作用。
