在基金筛选这个话题上，我们先前的基金标签研究也已经涵盖了一部分筛选和分类的内容。本次报告我们则将关注基金筛选中最核心的话题，即我们如何通过这些指标对基金产品进行定量的筛选？哪些指标在筛选过程中能够提供稳定且有效的选基效应？
　　基金因子与股票因子在构建逻辑上差异非常大：1）基金产品不是“一家公司”，可构建的因子不同：应更多从基金产品具有的数据中寻找能够用于后续业绩预测的专用基金因子；2）基金产品是一个动态的组合：我们更倾向于从一些静态数据中取去总结基金经理的投资能力，或是与净值指标进行联动分析，而非单纯对一个静态的数据进行穿透底层的股票因子构建；3）基金投资对策略换手率的限制更严格，更注重长期效应：对因子选基而言，我们将避免采用一些中高频的因子，在后续的策略构建上避免过高的换手率。
　　本篇报告中将主要对全行业选股基金进行因子有效性测试。选基因子的构建，我们主要遵从三个原则：1）坚持使用可量化的客观数据进行构建：我们避免使用类似第三方基金评级、获奖情况等非完全客观数据作为因子等，也避免使用类似基金经理履历、背景等不可量化数据作为因子样本中的信息来源；2）“分类指标”我们将不作为选基因子：一方面此类指标会对市场环境较为敏感，另一方面其对业绩的预测效应有限；3）选基因子的构建方式应该足够简单明了：我们不会将复杂研究的衍生指标纳入因子样本库，只会将一些构建方式简单，可解释性强的指标作为选基因子。
　　选基因子有效性会从选基稳定性（ICIR）、头部优势效应（因子值靠前小部分产品的超额收益）和尾部剔除效应（因子值靠后1/3产品的负向超额收益）进行测试：1）收益率、收益风险比因子具有一定选基效应，但在2021年市场风格剧变的环境下有明显回撤；2）短期已实现收益占比指标具有较好的选基效应，同时具有相对较强的头部优势效应；3）行业因子普遍没有显著选基效应；4）三因子模型Alpha具有稳定的选基效应，头部优势和尾部剔除效应同样较好；5）规模、近1年PE风格偏离度是尾部剔除效应较强的基金因子，但没有较强的整体选基效应。
　　采用“雷点回避”→“样本精选”→“头部提取”的步骤，使用各领域具有优势的选基因子，进行基金筛选：1）雷点回避：选取尾部剔除效应较好的几个因子，剔除这些因子值处于尾部1/3的基金产品；2）样本精选：选取选基稳定性最好的因子，选取其中靠前1/4的产品；3）头部提取：选取头部优势效应最好的因子，选取其中最靠前的50只产品，构成最终样本。构建的基金等权组合表现显著领先885001：从2017年9月起，该基金组合的表现始终领先于885001，相对收益曲线一路走高，鲜有出现明显的回撤。截至2023/7/31，该组合较885001的相对收益达49.13%。滚动1年较885001的平均超额收益达7.83%，胜率达98.75%。
　　风险提示及声明：本报告对于基金产品、指数的研究分析均基于历史公开信息，可能受指数样本股的变化而产生一定的分析偏差；此外，基金管理人的历史业绩与表现不代表未来；指数未来表现受宏观环境、市场波动、风格转换等多重因素影响，存在一定波动风险；本报告不涉及证券投资基金评价业务，不涉及对基金产品的推荐，亦不涉及对任何指数样本股的推荐，请详细阅读报告风险提示及声明部分。