摘要
　　西南证券研究发展中心目前市场上的基金投资者主要根据基金的收益类指标、风险类指标、绩效评价标准化指标来选择基金，而基金定期披露的基金基本信息，例如基金规模、基金费用率、基金运作时间、基金经理任期等指标鲜有关注。
　　本文立足于基金定期披露的基本信息，一共构造了16个特征，通过决策树与随机森林，预测基金的未来收益，逐期筛选出优质基金，构建投资组合。
　　在样本期2005/1/31-2022/8/31，采用双报季调仓策略，模型预测基金收益的IC均值为0.084，IC与均值同向的比例高达94.74%，IR比率（IC均值除以标准差）为0.75，模型预测基金收益具备显著的选基能力。
　　基于模型预测基金收益构建的投资组合年化收益率25.79%，最大回撤率36.66%，Sharpe比率0.91，月胜率64.60%。各类收益评价指标显著优于普通股票型基金指数、偏股混合型基金指数、沪深300指数。同比普通股票型基金指数，年化超额收益率为9.17%。
　　通过置换检验分析特征对基金收益预测的重要性。结果表明，16个特征对模型的预测结果均有显著影响，线性与非线性特征均与基金未来收益息息相关。
　　在模型中剔除线性相关性显著的特征后，尽管模型性能有所下降，但依旧具备显著的选基能力。线性相关性较低的基金特征与基金未来的收益依旧密切相关，通过决策树与随机森林，线性相关性较低的基金特征依旧可以有效选基。
　　在模型中引入常用于量化选基的线性特征后，模型选基性能进一步提升。模型预测基金收益IC均值提升至0.11；策略多头组合年化收益率30.47%，最大回撤率44.80%，Sharpe比率1.01，月胜率60.18%。相较于普通股票型基金指数，年化超额收益率为13.85%。
　　风险提示：本研究基于2005/1/31-2022/8/31中国基金市场历史数据，模型的历史表现不代表未来表现。若未来市场环境发生较大变化，模型的实际表现可能与本文的结论有所差异