因子开发迭代更新越来越重要。近几年来，随着传统多因子模型在市场的应用逐渐广泛，因子的波动特征逐渐加大，因子拥挤等原因造成了因子的收益逐渐下降。为了能够寻找更好的Alpha收益来源，在多因子模型框架中，因子作为底层Alpha来源输入的基础，因子的开发、迭代、更新就显得越来越重要。低频相关的数据的因子开发目前难度越来越大，增量的信息越来越有限。本篇专题报告基于公募基金的属性及持仓个股角度出发，研究基于公募基金持仓的因子研究。
　　基于基金属性因子与重仓股信息。近年来，公募基金的总资产净值与只数一直在稳步上升，个数已经超过1000只。从长期角度看，公募基金净值整体呈现上升趋势。基金相对市场基准有着超额收益。利用基金持仓信息挖掘选股信息具有可行性。本文将“优秀”基金的持仓股票赋予更高的权重，将“普通”基金的持仓股票赋予更低的权重，从基金投资能力的差异性获取超额收益，构建基于基金属性的选股因子。
　　实证分析。基于基金属性的因子选股策略在基金重仓股、沪深300、中证500、中证800等选股域内较为有效。在月度调仓频率下，经过行业市值中性化处理的因子在基金重仓股股票池内，RANK_IC均值为0.025，RANK_IC胜率为65.91%，信息比为0.80，换手率平均值为30%左右。在沪深300股票池内，经过中性化处理的因子在沪深300股票池内分档效果显著，RANK_IC均值为0.035，RANK_IC胜率为65.91%，信息比为1.05。通过对数据预处理后的综合基金属性因子与传统的风格因子进行相关性分析，发现综合基金属性因子能够挖掘传统因子外的增量信息，可以作为新因子加入多因子模型中。在剥离掉三个月股价动量因子后以及行业市值中性化后的综合基金属性因子在基金重仓股股票池范围内依然有较为显著的选股效果。
　　风险提示。本专题报告所述模型用量化方法通过历史数据统计、建模和测算完成，所得结论与规律在市场政策、环境变化时可能存在失效风险；策略在市场结构改变时有可能存在策略失效风险。策略在交易行为改变时存在可能失效风险。