公募基金风格诊断研究

一

近年来，我国公募基金市场不断发展，公开数据显示，我国公募基金的规模呈现快速增长趋势。截至2022年6月30日，全市场公募基金数量（包含货币基金，下同）10010只，基金规模为26.79万亿元。

公募基金受市场震荡影响出现风格漂移现象。2022年市场整体震荡调整，部分主题基金的主题市场不景气，该类基金的基金经理选择持有一些非该基金主题的热门行业以换取短期的业绩回升。除此之外，主动权益基金经理非常重视超额收益和相对排名，在一些不利的市场环境下，基金经理有进行持仓结构调整的动机。

基金风格漂移现象引起监管部门关注。2022年4月，证监会发布《关于加快推进公募基金行业高质量发展的意见》，明确提出：引导基金管理人坚持长期投资、价值投资理念，采取有效监管措施限制“风格漂移”、“高换手率”等博取短线交易收益的行为，切实发挥资本市场“稳定器”和“压舱石”的功能作用。

主题基金风格漂移一直是基金业内顽疾，现阶段对基金风格进行诊断具有十分重要的现实意义。本文将基于目前市场上主流的持仓法与净值法对基金风格进行诊断研究。

二

基金投资风格指将基金资产在各种不同类型股票之间配置相对应投资战略或投资计划的情况，即基金投资者在构建投资组合和选择股票的过程中所体现出的风格。目前比较常见的基金投资风格诊断主要有以下两种：一是基于持仓数据以规模、成长、价值等特性进行划分的持仓分析法（Holding-based Analysis）；二是基于收益率数据的时间序列按照风格指数收益率回归并根据拟合的结果进行判断的收益（净值）分析法（Return-based Analysis）。

基于持仓数据进行风格诊断是指根据基金持仓对基金投资的风格进行测算，一般是依靠半年报/年报的披露持仓信息进行判断。

1、晨星风格箱

根据《晨星资讯基金评价业务信息披露（2021）》披露，晨星投资风格箱可视为一个正方形，划分为九个网格的九宫格，纵轴描绘股票市值规模的大小，分为大盘、中盘和小盘；横轴为股票的价值——成长坐标体系，分为价值、平衡和成长，权益类基金从规模和价值两个维度划分为九类风格。

2、基于行业风格判断

行业风格基金的判断可按照基金所投资股票对应的行业分类标准，如申万一级行业、全球行业分类系统（GICS）等进行划分，将各类基金尽可能划入各类行业主题板块。此外，部分行业基金在名称以及业绩比较基准中也展现其行业属性，依据权益类基金相关要素也可以做出一定判断。

3、基于持仓暴露程度

该方法可通过持仓数据来确定基金在风格因子上的暴露程度（factor exposure），并通过有约束的截面回归对投资组合的业绩进行归因，即将组合收益分解到各个公共因子，包括国家因子、行业因子和风格因子等。根据《Barra Risk Model Handbook》，最新的Barra  CNE6模型中有九类风格因子，Barra模型将根据基金持仓，通过计算投资标的上述因子的暴露程度，对投资组合进行风险控制。

基于净值收益率的时间序列回归法本质是一种基于时间序列的多元线性回归，这种方法将基金的收益率时间序列作为因变量，并将一系列风格因子的收益率序列作为自变量。最后，通过多元线性回归来测算基金在各个自变量上的回归系数，即风格的暴露程度。对于公募基金来说，基金净值数据与风格指数收益率数据比较容易获得，因此该模型时效性较强。但随着因子选择的不同，回归结果可能会出现差异。

时间序列回归：首先需要确定因子收益率。即用股票超额收益率和风险因子超额收益率进行回归，计算公式为：

ri为第i只股票的收益率

rf为无风险收益率

f1,Λ,fk为各公共因子的收益率

εi为扰动项,满足条件：

βk为股票对公共因子的敏感系数

1、1964：CAPM单因子模型

Capital Asset Pricing Model （William Sharpe, 1964; John Lintner, 1965; Jack  Mossin, 1966），资本资产定价模型，被广泛应用于资产的收益率以及风险的研究。该模型试图解释资本市场对于资本资产价格的决定过程，即某资产的收益率由无风险利率、系统风险系数以及市场组合收益率共同决定，具体公式如下：

E(ri) 是资产i的预期回报率

rf 是无风险利率

βim 是[[Beta系数]]，即资产i 的系统性风险

E(rm) 是市场m的预期市场回报率

E(rm)-rf 是市场风险溢价（market risk premium），即预期市场回报率与无风险回报率之差

2、1992：Sharpe模型

Sharpe（1992）在单因子的资本资产定价模型的基础上，进一步将模型拓展为多因子模型，并通过回归的方法将基金的收益率与风格指数收益率联系起来，通过测算各个风格因子的回归系数来分析相应风格对基金整体收益的贡献度。含有K个因子的William F. Sharpe模型的具体公式：

rpt为基金t期收益率

F1t为风格因子i在t期收益率

wk（回归系数）为基金在风格因子Fi上的近似配置比例

3、1993：Fama-French三因子模型

此模型由Fama和French（1993）在资本资产定价模型的基础上提出，他们在研究中发现资本资产定价模型对股票收益率的解释能力有限，无法解释某些特定的反常现象。基于以上原因，Fama和French（1993）提出Fama-French三因子模型，即一个投资组合的超额回报率由三个因子相关系数来解释，这三个因子分别是：市场因子(MKT)、规模因子(SMB)、价值因子(HML)，相较于资本资产定价模型中仅有市场因子增加了解释变量。

模型改进后，诸如不同企业的成长机会、不同市值规模的股票收益率等因素得到了考量，从而使资本资产定价模型中的反常现象得到解释，具体公式如下：

Rft为时间t的无风险收益率

Rmt表示时间t的市场收益率

Rit表示资产i在时间t的收益率

E(Rmt) − Rft是市场风险溢价

SMBt为时间t的市值(Size)因子的模拟组合收益率(Small minus Big)

HMIt为时间t的账面市值比(book—to—market)因子的模拟组合收益率(High minus Low)。

三

基于上述两种基金风格诊断方法，我们将采用持仓的风格诊断以及基于净值回归的风格诊断两个方向构建模型并进行探索，对两种方法所得结果进行比较与分析。具体研究思路如下。

本文中主要的研究对象为基金市场中的权益类基金，是指wind二级分类中的积极投资股票基金、偏股混合基金、灵活配置混合基金和均衡配置混合基金，研究样本将选择2021年年报中披露持仓的全部权益类基金。

权益类基金的投资风格主要取决于其底层资产中股票标的的风格，因此对股票的风格诊断尤为重要。本文将采取九大类风格因子来衡量股票的风格属性。具体细分因子如下。

在此基础上，根据基金定期报告中所披露的数据以所持仓股票的占比作为权重，对大类因子进行加权求和。考虑到每只基金的权益类资产仓位不断变化且通常不会达到100%，为使诊断出来的风格不受资产配置（权益占净资产）的影响，我们将使用个股占股票持仓总市值而非占基金资产的比例作为权重。最终通过计算，将权益类基金的各大类因子得分作为其在一类风格因子中的暴露水平。

这种方法计算不同市场下基金的风险收益情况，使用净值增长率、夏普比率等指标来衡量市场表现，并对基金业绩进行风格的归因分析。我们将采用基金的净值变化（应变量）和沪深300、中小板、申万一级等指数（自变量）涨跌幅进行回归，判断各自变量前的相关性系数及显著性来判断基金的风格。

此外，考虑到基金在每种风格上的暴露程度不大于100%（即1）且非负（即≥0），以及风格因子对权益类资产的覆盖性，这里将使用带约束条件的线性回归。假设βi为风格因子的回归系数，具体为：

以上为静态的两种基金风格诊断方法，我们会将两种方法的结果进行比较，来判断在静态时点下选取何种基金风格诊断方法。

两种方法有各自的缺点也有优点，分别来看，基于基金持仓来进行风格诊断的“持仓法”有一定的滞后性，要获取基金持仓的完整数据需要在半年报或者年报中获取，但对于部分切换风格较快的基金来说，持仓法可能存在一定的误差；而基于收益率时间序列按照风格指数收益率做回归的“净值法”，则相对具有较高的时效性，但回归分析同样基于一定的统计学假设，而在现实中可能难以满足条件，此外回归分析还可能存在可解释性不足的情况。

四

深入研究基金风格诊断对行业、监管、基金管理人、投资人等都具有十分现实的意义。

一是基金风格诊断可以有时效性的判断出基金当前的投资风格，解决部分基金经理为了追求短期收益率的“炒噱头”“蹭热点”等行为，使得投资者的投资偏好能够得到真实的满足，避免出现投资者投资意愿与真实投资标的严重不符的情况。二是有利于后续基金投资的健康发展，降低专业机构尽调中的信息筛选成本，有利于净化市场风气，减少管理人追逐短期利益、夸大投资投向及蹭热点等行为，营造合规、诚信的投资市场环境。三是助力监管机构对基金风格漂移问题进行有效的管理，引导基金管理人坚持长期投资、价值投资理念。

除了静态基金风格诊断方法，后续我们还可采用决策树算法（DF）、随机森林算法（RF）、整合移动自回归模型（ARIMA）、长短期记忆人工神经网络模型（LSTM）和循环神经网络（RNN）多种机器学习方法，对公募基金进行动态的风格诊断。