一、量化选基体系的构建与回测
　　从业绩评价、业绩归因、另类因子和基金风格维度出发，融入买卖收益指标，将市场上常见的基金标签转化为可投资的选基因子，构建方正金工特色选基因子体系。
　　对主动权益基金的选基因子体系进行20100731-20230731单因子测试，最终选取3个长期有效因子进行复合：alpha_行业_480、复制个股_差异稳定性8Q、管理人员工占比%，复合因子在样本内Rankicir为1.33，多头年化收益为12.45%。
　　二、传统选基模型的问题与反思
　　样本外长期有效因子可能失效。传统选基模型中的复合因子是选取固定区间内表现最好的因子所构建，然后又利用相同的区间对复合因子做回测，本质上是在样本内由最佳答案验证最优结果，实际样本外因子可能失效。
　　短期内多头收益不佳。长期有效因子只是从一个较长的区间来看整体表现较强的因子，在某些区间内多头收益反而远远不如某些特殊因子。
　　三、多因子选基模型的改进与优化
　　本文考虑对传统多因子选基模型进行改进：通过变更回测频率来动态筛选长期有效因子，并且融入短期增强因子来改善长期有效因子的多头收益。
　　动态筛选：比较固定起点、滚动窗口和定期频率等不同回测方式下的样本外结果，发现采用固定起点的方式普遍比滚动窗口有更高的Rankicir；计算频率上采用高频的回测相比于低频更能在样本外降低数据偶然性。
　　融入短期增强：通过把握特殊因子的短期机会，构建长期有效叠加短期增强的复合因子，该复合因子相比于基准模型，多头年化收益提高2.26%。
　　增强时机的选择：长期有效高胜率，而短期增强高赔率，通过对短期增强的时机做选择，多头年化收益下降0.71%，但最大回撤也下降了1.90%。
　　Top30基金组合：根据三个策略分别构建基金组合。从收益来看，长期有效加短期增强的年化收益最高，达16.94%，远超过基准模型和偏股混合指数，超额收益分别为5.19%和10.64%。从风险来看，长期有效加短期增强+择时的最大回撤最小，为28.60%，并且2016年以来每年都能战胜偏股基金指数。
　　风险提示
　　本报告基于历史数据分析，不构成任何投资建议；受宏观经济环境、市场风格变化等因素影响，基金的业绩存在一定的波动风险；样本外因子模型失效。
　　

研究报告全文：金融工程研究20230902专题报告如何在长期有效因子中融入短期考量万木逢春多因子选基模型改进系列研究之一方正证券研究所证券研究报告分析师一量化选基体系的构建与回测曹春晓登记编号S1220522030005从业绩评价业绩归因另类因子和基金风格维度出发融入买卖收益指刘洋登记编号S1220522100001标将市场上常见的基金标签转化为可投资的选基因子构建方正金工特邓璐登记编号S1220523080003色选基因子体系对主动权益基金的选基因子体系进行20100731-20230731单因子测试最终选取个长期有效因子进行复合行业复制个股差异稳定3alpha480性8Q管理人员工占比复合因子在样本内Rankicir为133多头年化相关研究收益为1245超小盘宽基指数代表聚焦布局创新成长企业中证2000指数投资价值分析二传统选基模型的问题与反思20230831市场交易特征维度哪些底部特征已出现样本外长期有效因子可能失效传统选基模型中的复合因子是选取固定区20230823间内表现最好的因子所构建然后又利用相同的区间对复合因子做回测CodeInterpreter在金融市场数据分析中本质上是在样本内由最佳答案验证最优结果实际样本外因子可能失效的应用ChatGPT应用探讨系列之五20230719短期内多头收益不佳长期有效因子只是从一个较长的区间来看整体表现剥离分析师预期调整中的动量效应与真知灼较强的因子在某些区间内多头收益反而远远不如某些特殊因子见因子构建多因子选股系列研究之十二20230718三多因子选基模型的改进与优化A股中长期配置性价比较高高频因子低频化选股效果显著20230630本文考虑对传统多因子选基模型进行改进通过变更回测频率来动态筛选长期有效因子并且融入短期增强因子来改善长期有效因子的多头收益ChatGPT投资相关插件测试及策略开发ChatGPT应用探讨系列之四20230614动态筛选比较固定起点滚动窗口和定期频率等不同回测方式下的样本外结果发现采用固定起点的方式普遍比滚动窗口有更高的Rankicir计算频率上采用高频的回测相比于低频更能在样本外降低数据偶然性融入短期增强通过把握特殊因子的短期机会构建长期有效叠加短期增强的复合因子该复合因子相比于基准模型多头年化收益提高226增强时机的选择长期有效高胜率而短期增强高赔率通过对短期增强的时机做选择多头年化收益下降071但最大回撤也下降了190Top30基金组合根据三个策略分别构建基金组合从收益来看长期有效加短期增强的年化收益最高达1694远超过基准模型和偏股混合指数超额收益分别为519和1064从风险来看长期有效加短期增强择时的最大回撤最小为2860并且2016年以来每年都能战胜偏股基金指数风险提示本报告基于历史数据分析不构成任何投资建议受宏观经济环境市场风格变化等因素影响基金的业绩存在一定的波动风险样本外因子模型失效1敬请关注文后特别声明与免责条款金融工程周报正文目录1量化选基体系的构建与回测411标签的因子化与特色的选基体系412单因子测试与长期有效的定量规则52传统选基模型的问题与反思821样本外长期有效因子可能失效822某些区间内多头收益不如其他因子93多因子选基模型的改进与优化1031动态筛选长期有效因子1032融入短期增强因子13321短期增强13322其他增强16323增强效果1633增强时机的选择1734构建基金组合194附录205风险提示212敬请关注文后特别声明与免责条款金融工程周报图表目录图表1主动权益基金的量化选基因子体系4图表2基金标签转化为月频因子5图表320100731-20230731单因子测试中多头年化收益排名前50名的因子5图表420100731-20230731单因子测试中回测指标的分布6图表520100731-20230731单因子测试中长期有效因子集合6图表620100731-20230731单因子测试中长期有效因子类别统计7图表720100731-20230731剔高相关后的长期有效因子的净值7图表820100731-20230731复合长期有效因子的净值7图表9传统选基模型步骤8图表104个因子的多空累计净值走势8图表1120100731-20230731剔高相关后的长期有效因子的多头收益排名分位数9图表1220100731-20230731复合因子的多头收益排名分位数9图表1320180731-20230731主动卖出基础收益与alpha行业480多头组收益对比10图表1420180731-20230731重仓股息率与alpha行业480多头组收益对比10图表15传统选基模型的问题与改进10图表162种不同频率的回测模型示意图11图表1713种不同回测频率下复合因子的多头净值走势11图表1813种不同回测频率下复合因子的绩效指标12图表19固定起点定期5年与固定起点定期10年的因子差异分析12图表20固定起点定期3月的长期有效因子选择部分13图表215种不同回测频率下复合因子的绩效指标13图表22短期增强因子的筛选14图表2320180731-20230731进攻型增强因子和防守型增强因子14图表244个市场指标的计算15图表25重仓股息率与大盘小盘分位排名相关性15图表26betaCAPM120与成长价值涨跌排名相关性15图表27短期增强因子的规律总结与投资流程15图表28不同增强思路的回测指标比较16图表29不同增强思路的净值走势17图表30近4期长期有效加短期增强策略因子选择17图表31长期有效因子的多头收益分位18图表32不同增强策略的回测指标比较18图表33近4期长期有效加短期增强择时策略因子选择18图表34不同增强策略所构建的Top30基金组合净值走势19图表35不同增强策略所构建的Top30基金组合的回测指标19图表36长期有效短期增强择时策略最新基金组合TOP30截至2023082320图表37三种优化模型的简易计算流程示意图20图表3813种不同回测频率的第1次第2次的计算时间21图表39参数修改下不同增强策略的回测指标比较21图表40月频调仓下不同增强策略的回测指标比较213敬请关注文后特别声明与免责条款金融工程周报FOF基金的投资流程通常包括资产配置基金筛选组合构建和投后管理等步骤其中基金筛选是指综合利用基金业绩评价基金经理调研量化选基等方式筛选出绩优基金构建基金池供FOF基金经理进行投资参考本篇报告重点介绍主动权益基金的量化选基体系构建与回测并尝试解决样本外因子失效因子多头表现不佳等传统多因子量化选基模型的难题设计构造长期有效因子叠加短期增强因子下的全新量化选基模型该模型能较好地提高因子样本外的多头收益1量化选基体系的构建与回测11标签的因子化与特色的选基体系首先从业绩评价业绩归因另类因子和基金风格等维度出发梳理计算市场上常见的主动权益基金标签并加入方正金工特色的买卖收益指标详细见方正金工2023年3月23日发布的报告探索基金股票交易的买卖信息全新收益拆解视角根据不同基金标签的公布信息将标签转化为可投资的月频因子构建特色的选基因子体系图表1主动权益基金的量化选基因子体系一级分类二级分类因子名称计算方法备注收益类年化业绩区间年化复权累计净值增长率beta风险类尾比abs日度收益率95分位数abs日度收益率5分位数beta风险类最大回撤净值高点到后期最低点的回撤幅度的最大值beta风险类年化波动率日度收益率年化标准差beta风险类超额年化波动率日度超额收益率年化标准差beta风险类下行风险基金在负收益期间的标准差风险调整后收益夏普比率基金年化业绩-无风险利率基金年化波动率风险调整后收益信息比率基金年化业绩-中证800年化收益基金超额波动率风险调整后收益卡玛比率基金年化业绩-无风险利率abs最大回撤风险调整后收益索提诺比率基金年化业绩-无风险利率下行风险风险调整后收益M2测度夏普比率中证800年化波动率-中证800年化收益率风险调整后收益欧米茄比率正收益区平均收益率负收益区平均收益率风险调整后收益周度业绩稳定性mean周度基金收益率std周度基金收益率风险调整后收益周度超额收益稳定性mean周度超额收益率std周度超额收益率业绩评价滚动周期为风险调整后收益特雷纳比率基金年化业绩-无风险利率CAPM模型Beta风险调整后收益业绩稳定性mean日度基金收益率std日度基金收益率120240风险调整后收益超额收益稳定性mean日度超额收益率std日度超额收益率480基准为beta风险类上行弹性中证800收益率为正的时间内的基金收益率的均值中证800无beta风险类下行弹性中证800收益率为负的时间内的基金收益率的均值风险利率为beta风险类最大回撤后的最大上涨幅度最大回撤后的最大累计净值最大回撤时的累计净值-115风格指beta风险类最大回撤后至最新日期的上涨幅度最新日期的最大累计净值最大回撤时的累计净值-1数为6个巨潮持有体验类创新高次数基金的净值在历史过程中达到或超过历史最高点的次数风格指数行持有体验类赢利概率任意时点买入持有一段时间后收益为正的概率业指数为中信持有体验类赢利均值任意时点买入持有一段时间后收益为正的均值持有体验类持有3月赢利均值任意时点买入持有3个月后累计收益为正的均值大类行业指数持有体验类持有3月赢利概率任意时点买入持有3个月后累计收益为正的概率持有体验类周度胜率基金每周取得正收益率的概率持有体验类周度超额胜率基金每周相对中证800的超额收益率为正的概率收益类AlphaTM因变量Ri-Rf自变量Rm-RfRm-Rf2做回归取Alpha截距项收益类AlphaTM行业风格因变量Ri-Rf自变量Rm-RfRm-Rf2风格指数行业指数收益率收益类AlphaCAPM因变量Ri-Rf自变量Rm-Rf做回归取Alpha截距项收益类AlphaHM因变量Ri-Rf自变量Rm-RfRm-Rf2虚拟变量D做回归取Alpha截距项收益类AlphaFF3因变量Ri自变量FF3因子做回归取Alpha截距项收益类Alpha风格因变量Ri自变量风格指数做回归取Alpha截距项收益类Alpha行业因变量Ri自变量行业指数做回归取Alpha截距项beta风险类BetaTM因变量Ri-Rf自变量Rm-RfRm-Rf2做回归取Rm-Rf2对应的回归系数beta风险类BetaCAPM因变量Ri-Rf自变量Rm-Rf做回归取Rm-Rf对应的的回归系数beta风险类BetaHM因变量Ri-Rf自变量Rm-RfRm-Rf2虚拟变量D做回归取Rm-Rf2虚拟变量D对应的回归系数持仓超额加权相对指数超额股票涨跌幅-指数涨跌幅基金当季度持仓占比的加权总和重仓行业指业绩归因持仓超额加权相对行业超额股票涨跌幅-行业涨跌幅基金当季度持仓占比的加权总和数为中信以及持仓超额相对指数胜率相对指数收益为正的重仓股数量重仓股总数量持仓超额相对行业胜率相对行业收益为正的重仓股数量重仓股总数量行业Brinson资产配置资产配置收益Brinson方法中股票仓位-100基准指数收益全部持仓行Brinson行业配置行业选股收益Brinson方法中基金全部持仓在单个行业上的超额收益按照基准指数的行业权重加权求和业指数为中信Brinson行业选股行业配置收益Brinson方法中行业指数收益率按照基金全部持仓在单个行业上的超额配置加权求和以及行业交易能力复制行业累计差异基金真实净值涨跌累计乘积值-复制行业持仓比例的累计乘积值交易能力复制行业差异稳定性mean基金真实净值涨跌-复制行业持仓比例std基金真实净值涨跌-复制行业持仓比例重仓滚动周交易能力复制个股累计差异基金真实净值涨跌累计乘积值-复制个股持仓比例的累计乘积值期为2Q4Q8Q交易能力复制个股差异稳定性mean基金真实净值涨跌-复制个股持仓比例std基金真实净值涨跌-复制个股持仓比例买卖收益指标买卖收益指标据方正金工探索基金股票交易的买卖信息全新收益拆解视角计算主动买入基础收益主动卖出基础收益等9个指标全部持仓买卖收益指标买卖收益指标规模在买卖收益指标的基础上将分母改为基金平均规模规模类基金规模基金的合计规模规模类基金份额基金的合计份额规模变动类基金规模变动当期基金合计规模上期基金合计规模-1规模变动类基金份额变动当期基金合计份额上期基金合计份额-1另类因子规模变动类净申购份额申购份额-赎回份额机构持有机构投资者占比持有人结构中机构投资者占比管理持有管理人员工占比持有人结构中管理人员工占比FOF持有全部外部FOF持有占比全部外部FOF基金持有的总市值AC合计基金规模2018年后开始FOF持有全部外部FOF持有家数全部外部FOF基金持有家数AC合计持仓热门度持股热门度数量根据所有主动权益基金持股数量对基金持有的股票按持仓市值占比进行加权平均持仓热门度持股热门度市值根据所有主动权益基金持股市值对基金持有的股票进行按持仓市值占比加权平均持仓市值总市值基金持仓中每只股票的总市值按持股市值占比进行加权平均持仓市值流通市值基金持仓中每只股票的流通市值按持股市值占比进行加权平均股息率持仓股息率基金持仓中每只股票的股息率按持股市值占比进行加权平均重仓全部持持仓PEPETTM基金持仓中每只股票的PETTM按持股市值占比进行加权平均仓持仓PEPB基金持仓中每只股票的PB按持股市值占比进行加权平均PCF基金持仓中每只股票的PCF按持股市值占比进行加权平均基金风格持仓PCF持仓流动性换手率基金持仓中每只股票的换手率按持股市值占比进行加权平均持仓上市日期上市时间基金持仓中每只股票的上市时间按持股市值占比进行加权平均持仓集中度前三行业集中度前三大行业的持仓市值占比持仓集中度前十股票集中度前十大股票的持仓市值占比重仓持仓集中度持股数量股票持仓中大于01的股票数量持仓集中度持股集中度标准差股票持有前100大股票中对占比求标准差全部持仓换手率半年度换手率半年度买入股票总额半年度卖出总额2半年度基金持有股票市值的均值换手率年度换手率年度买入股票总额年度卖出总额2年度基金持有股票市值的均值资料来源方正证券研究所整理4敬请关注文后特别声明与免责条款金融工程周报图表2基金标签转化为月频因子资料来源方正证券研究所整理12单因子测试与长期有效的定量规则构建选基因子体系后我们需要对因子进行单因子测试以研究不同因子对于投资收益的作用影响常见的单因子测试包括IC检验和分组分析两个环节IC检验环节可以计算ICIRIC胜率RankicirRankic胜率Rankic正显著比例Rankic换比例等指标例如我们通常可以观察ICIR绝对值是否大于05来判断该因子所带来的收益是否稳定因子是否有效分组分析环节根据因子值大小将基金分为10组观察这10组的年化收益最大回撤T值等指标我们可以观察这10组的收益单调性来判断该因子是否显著也可以看第1组或第10组的业绩指标是否较强来决定是否可以利用该因子构建一个基金多头组合本节对主动权益基金的选基因子体系进行单因子测试主要参数设定如下基金池成立三季度以上的主动权益基金Wind分类下的普通股票偏股混合灵活配置型基金最近1年平均仓位超过50调仓频率季度调仓每年14710月底回测区间20100731-20230731因子池基于选基因子体系要求回测期间数据完整共186个因子单因子测试结果如下所示由于篇幅限制这里仅展示多头年化收益排名前50名的因子包含交易能力类的复制行业差异稳定性4Q和收益类的alpha行业120等因子图表320100731-20230731单因子测试中多头年化收益排名前50名的因子Rankic胜多空年化多头年化多头最大分组单调性Rankic胜多空年化多头年化多头最大分组单调因子Rankicir因子Rankicir率收益收益回撤累计率收益收益回撤性累计复制行业差异稳定性4Q08575006551267-221710000超额收益稳定性24006269235741133-275610000alpha行业12008178857671265-252810000管理人员工占比08178853811128-23309515复制行业差异稳定性2Q06773086371235-22369758持有3月赢利概率24004769235061124-26309394alpha行业24009080777181229-24449636超额收益稳定性12004476924201120-25549758alpha行业48010186546711227-23999879索提诺比率12004069233621120-26779758业绩稳定性24005375005831221-24049879周度超额收益稳定性24006171155531119-278410000alpha风格24008776927301216-25839879alphaCAPM24005165385961119-279610000alphaFF312006173086141203-264710000基金年化业绩24004563465051118-27059879欧米茄比率240-05125005551200-2407-9879alpha风格12005675004721118-26289758周度业绩稳定性24005075005401187-24369636复制个股差异稳定性4Q06873084291117-23579515索提诺比率24005473085831186-24259879周度胜率24004875004451113-26379394M2测度24005373085651183-24289879alphaFF324006078854791111-25699758夏普比率24005373085651183-24289879M2测度12004071153601108-26939879卡玛比率24004969235131183-251610000夏普比率12004071153601108-26939879复制行业差异稳定性8Q09080775901176-22809758业绩稳定性12004071153261107-26719758复制行业累计差异4Q06775006171172-25919879重仓流通市值-00250002601101-2871-6364复制行业累计差异2Q06373086101167-252410000周度业绩稳定性12003969233511098-25889394重仓总市值-00448083491166-2789-6970信息比率12004376923821096-25379879特雷纳比率24005667315971165-24359758卡玛比率12004273083681089-26919515信息比率24006369235841154-27019879索提诺比率48005473084731088-24099394复制个股差异稳定性8Q08178854781149-225610000全仓总市值-00248082511087-2973-7818创新高次数24004969235101141-26049879欧米茄比率120-03828853061085-2661-9394持有3月赢利概率48005975004861136-25089758交易收益304571154981083-258410000alpha风格48008680776271135-24669879赢利概率48004369233731083-27229879资料来源Wind方正证券研究所整理注本篇报告中将Rankicir为正的因子的第10组称为多头第1组为空头Rankicir为负的因子的第10组称为空头第1组为多头5敬请关注文后特别声明与免责条款金融工程周报由于因子数量以及因子测试指标较多不便于分析和研究我们可以根据研究目的利用单因子结果对重点指标制定出定量的规则从而删繁就简地筛选出符合条件的因子例如我们想要一个因子在长期内表现出较好的投资价值那么需要这个因子在RankicirRankic胜率和多头年化收益等方面比同类因子表现得更为优秀从单因子结果来看如果这个因子与收益正相关那么需要RankicirRankic胜率越高越好如果这个因子与收益负相关那么需要RankicirRankic胜率越低越好此外我们关注因子的多头表现希望因子的多头收益越高越好最后我们根据经验以及回测指标的分布给Rankicir设置一个绝对条件用以剔除当期Rankicir相对排名较高但是历史来看本期实际绝对值较低的因子图表420100731-20230731单因子测试中回测指标的分布Rankic胜率-50Rankicir绝对值多头年化收益绝对值最高值1013654126795分位0742692118775分位0502115108350分位027115498525分位0123858995分位003192792最低值000000715数量186186186资料来源Wind方正证券研究所因此我们定义满足以下条件的因子为长期有效因子相对条件Rankicir绝对值Rankic胜率-50绝对值多头年化收益在所有因子回测结果中排名分位数高于75排名前14绝对条件Rankicir绝对值超过05根据该定量规则在20100731-20230731单因子测试中筛选出如图5的长期有效因子这些因子既满足长期稳定性较好的条件又符合多头收益较高的要求图表520100731-20230731单因子测试中长期有效因子集合Rankicir多空年化多头年化空头年化长期有效因子集合因子释义一级分类二级分类Rankicir胜率收益收益收益alpha行业480滚动480天剔除行业后的超额收益业绩评价收益类1014586546711227487alpha行业240滚动240天剔除行业后的超额收益业绩评价收益类903680777181229478复制行业差异稳定性8Q季报行业复制持仓真实净值与模拟组合差异的均值与标准差之比滚动8Q均值业绩归因交易能力901680775901176551alpha风格240滚动240天剔除风格后的超额收益业绩评价收益类865576927301216475alpha风格480滚动480天剔除风格后的超额收益业绩评价收益类861580776271135479复制行业差异稳定性4Q季报行业复制持仓真实净值与模拟组合差异的均值与标准差之比滚动4Q均值业绩归因交易能力853475006551267570alpha行业120滚动120天剔除行业后的超额收益业绩评价收益类813078857671265464复制个股差异稳定性8Q季报个股复制持仓真实净值与模拟组合差异的均值与标准差之比滚动8Q均值业绩归因交易能力808378854781149624管理人员工占比管理人员持有基金占比另类因子管理持有806978853811128742复制个股差异稳定性4Q季报个股复制持仓真实净值与模拟组合差异的均值与标准差之比滚动4Q均值业绩归因交易能力678073084291117654复制行业累计差异4Q季报行业复制持仓真实净值与模拟组合累计差异滚动8Q均值业绩归因交易能力674775006171172526复制行业差异稳定性2Q季报行业复制持仓真实净值与模拟组合差异的均值与标准差之比滚动2Q均值业绩归因交易能力674473086371235544复制行业累计差异2Q季报行业复制持仓真实净值与模拟组合累计差异滚动2Q均值业绩归因交易能力627973086101167507alphaFF3120滚动120天剔除FF3后的超额收益业绩评价收益类606973086141203565alphaFF3240滚动240天剔除FF3后的超额收益业绩评价收益类604978854791111576持有3月赢利概率480滚动480天内任意持有3个月收益为正的概率业绩评价持有体验类589075004861136601alpha风格120滚动120天剔除风格后的超额收益业绩评价收益类557875004721118637索提诺比率480滚动480天单位下行风险带来的超额收益业绩评价风险调整后收益541573084731088572索提诺比率240滚动240天单位下行风险带来的超额收益业绩评价风险调整后收益538973085831186547业绩稳定性240滚动240天日度收益与收益标准差之比业绩评价风险调整后收益534275005831221571M2测度240滚动240天夏普比率基准波动率-基准收益业绩评价风险调整后收益525573085651183564夏普比率240滚动240天单位风险带来的超额收益业绩评价风险调整后收益525573085651183564周度业绩稳定性240滚动240天周度收益与收益标准差之比业绩评价风险调整后收益500675005401187580欧米茄比率240滚动240天正收益区平均收益率负收益区平均收益率业绩评价风险调整后收益-512925005551200580资料来源Wind方正证券研究所整理6敬请关注文后特别声明与免责条款金融工程周报从因子分类的角度来看统计不同类别因子下长期有效的数量及占比可以发现一级因子分类下业绩归因和业绩评价类有较高有效因子占比而基金风格类无长期有效因子二级因子分类下收益类交易能力及风险调整后收益类的长期有效因子数量较多图表620100731-20230731单因子测试中长期有效因子类别统计长期有效长期有效长期有效长期有效一级分类因子数量二级分类因子数量数量比例数量比例业绩评价117161368收益类2483333业绩归因3472059交易能力1674375另类因子711429风险调整后收益3372121基金风格270000持有体验类211476管理持有1110000资料来源Wind方正证券研究所整理由于部分因子之间相关性较高彼此间信息差异不大因此我们这里可剔除相关性较高稳定性较弱的因子剔除高相关根据Rankicir绝对值排序剔除与排名靠前因子的相关性高于50的排名靠后因子剔除高相关因子后20100731-20230731区间最终选择长期有效因子为alpha行业480复制个股差异稳定性8Q管理人员工占比这些因子的多空净值走势如图7将这三个因子等权合成为一个长期有效的复合因子因子合成对所有因子进行标准化归一化处理缺失值以同类基金均值填充以等权的方式进行因子加总该复合因子表现如图8所示在样本内该因子的Rankicir为133多头年化收益为1245图表720100731-20230731剔高相关后的长期有效因子图表820100731-20230731复合长期有效因子的净值的净值Rankicir多头组年多头组最多头组换10分组年Rankicir胜率化收益大回撤手率化收益13390381245-229311053资料来源Wind方正证券研究所资料来源Wind方正证券研究所7敬请关注文后特别声明与免责条款金融工程周报2传统选基模型的问题与反思前节展现了一个常见的传统量化选基模型的流程包含如图9所示的步骤但我们认为该模型有着某些缺陷可能会影响实际投资效果并且该模型在短期效果上有很大的改进空间图表9传统选基模型步骤资料来源方正证券研究所整理21样本外长期有效因子可能失效传统选基模型中的复合因子是由固定区间内表现最好的因子所构建然后我们又将该复合因子在相同的区间做样本内单因子测试本质上是从样本内的最佳答案中验证最优结果缺乏样本外解释力在实际投资中我们更多期望的是样本外的结果也较为完美若我们在传统选基模型搭建完成后没有持续优化仅仅关注几个因子就会发现在样本外这些长期有效因子可能会逐渐失效例如将20100731-20151031划分为样本内20151101-20230731划分为样本外在20151031节点通过传统选基模型测试我们将筛选出剔除高相关后的4个长期有效因子alpha风格240管理人员工占比交易收益规模基金规模研究这4个因子在样本外的多空净值走势如图10可以发现12016年开始基金规模因子表现较弱曲线震荡走平2019年-2020年因子净值甚至出现下滑2管理人员占比因子的多空净值一直稳定增长但是增幅有限3alpha风格240因子曲线持续走高但2022年7月开始出现反转净值下滑4交易收益规模因子从2016年至2020年净值曲线走平直到2021年开始快速升高因此从样本外的表现来看基金规模和交易收益从2016年至2020年多空表现较弱因子阶段性失效因此我们思考有没有办法把失效的因子从这些区间的长期投资中删掉图表104个因子的多空累计净值走势资料来源Wind方正证券研究所8敬请关注文后特别声明与免责条款金融工程周报22某些区间内多头收益不如其他因子尽管长期有效因子多空净值走势可能一直走高因子分析角度来看该因子在整个区间内有效但是该因子在某些区间内其多头收益的表现不如其他因子这里以第一节的20100731-20230731样本内回测结果为例样本外该问题同样存在对该问题进行详细阐述一方面部分长期有效因子在某些区间内多头收益不强尽管长期有效因子样本期内多空净值走势较好多头年化收益表现不错如图7-8但在部分时间内因子在全部因子中的多头收益表现相对一般我们统计3个剔除高相关后的长期有效因子和最后的复合因子在样本内的所有时间的多头收益然后计算多头收益在所有因子中的相对排名可以发现如图11-12在较多的时间内长期有效因子或复合因子的多头收益排名都小于50例如2023年1月-4月复合因子排名分位数37即复合因子的多头收益仅打败37的其他因子这个问题无法避免因为不存在一个每时每刻都完美的因子我们筛选的长期有效因子也只是从一个较长的区间来看整体表现不错的因子不能保证在每时每刻都是最好的状况在某些时候多头收益远远不如其他因子但有没有办法对收益欠佳时候的长期有效因子进行改进图表1120100731-20230731剔高相关后的长期有效因图表1220100731-20230731复合因子的多头收益排名分子的多头收益排名分位数位数资料来源Wind方正证券研究所资料来源Wind方正证券研究所另一方面我们发现存在一类特殊的因子虽然在长期中因子表现不如长期有效因子但是在某些特定区间或市场阶段其多头收益表现远远高于长期有效因子例如过去5年20180731-20230731将alpha行业480这个长期有效因子和主动卖出基础收益因子重仓股息率因子的多头收益进行对比图1314可以发现在震荡市出现反弹行情的时候2022年5月-7月2022年11月-1月基于逢高卖出策略的基金主动卖出基础收益的多头组有着比长期有效因子更高的收益而在大部分市场下行的周期内基于股票分红策略重仓股息率的多头组有着比长期有效因子更稳健的收益因此我们尝试探究在什么样的市场环境下这些特殊因子的收益表现会更好能否抓住这些短期出现的因子机会来增强组合的收益值得注意的是虽然主动卖出基础收益因子和重仓股息率因子在某些时间内多头组的收益表现都强于长期有效因子但两者作用的方式有些差异前者在长期有效因子多头收益为正时收益高于长期有效因子是进攻属性后者在长期有效因子多头收益为负时亏损低于长期有效因子是防守属性9敬请关注文后特别声明与免责条款金融工程周报图表1320180731-20230731主动卖出基础收益与alpha图表1420180731-20230731重仓股息率与alpha行业行业480多头组收益对比480多头组收益对比资料来源Wind方正证券研究所资料来源Wind方正证券研究所3多因子选基模型的改进与优化前节对传统多因子选基模型进行反思提出了样本外长期有效因子可能失效以及某些区间内多头收益不佳的问题本节我们试着对传统多因子选基模型进行改进变更回测频率以动态筛选长期有效因子或是加入短期增强因子以改善长期有效因子的多头收益图表15传统选基模型的问题与改进资料来源方正证券研究所整理31动态筛选长期有效因子前节提到长期有效因子在样本外可能失效但是实际上样本外的真实情况大多无法准确预测因此较为稳妥的解决方案是通过变更回测频率和样本区间定期对长期有效因子进行跟踪和测试观察其是否还属于长期有效因子集合之中剔除已经失效的因子例如我们可以固定回测起点随着时间推移持续加入新的数据对选基因子进行持续跟踪后文简称固定起点也可以选择滚动5年窗口对因子进行回测后文简称滚动5年或是在回测频率上选择更高的计算如3个月后面简称定期3月10敬请关注文后特别声明与免责条款金融工程周报我们将固定起点和滚动窗口与不同定期计算频率的方式进行组合构建出13种不同频率下的回测模型例如固定起点定期3月表示从2015年7月底开始每3月回测一次每次回测区间均从20100731开始至最新节点从每次回测结果中选出长期有效因子用于下期的投资滚动5年定期1年表示从2015年7月底开始每1年回测一次每次回测区间为最新节点之前的5年时间特别指出由于固定起点定期10年只会在20151031节点回测一次下次回测时间节点是20251031因此该模型的效果等同于20100731-20151021样本内模型在样本外表现如21节其余13种不同频率的回测模型的计算时间节点示例见附录二图表162种不同频率的回测模型示意图资料来源方正证券研究所整理我们将20100731-20151031划分为样本内20151101-20230731划分为样本外比较13种不同频率方式下构建的复合因子在样本外的多头收益表现研究哪种频率的回测模型在样本外的效果更好从逻辑上分析固定起点相比于滚动窗口有更长的时间区间包含更多的数据信息但对数据的响应速度较慢滚动窗口更容易捕捉到中短期表现较好的因子但容易受噪音的影响从回测的频率来说高频更容易避免数据出现的偶然性低频更省时省力图表1713种不同回测频率下复合因子的多头净值走势资料来源Wind方正证券研究所11敬请关注文后特别声明与免责条款金融工程周报图表1813种不同回测频率下复合因子的绩效指标Rankicir胜多头组年化多头组最大Rankicir率收益回撤固定起点定期10年样本内11587101110-2214固定起点定期5年0597742925-2214固定起点定期3年11493551015-2214固定起点定期1年10083871085-2284固定起点定期3月10480651162-2267滚动5年定期5年0667742946-2214滚动5年定期3年0518065846-2214滚动5年定期1年0557419803-2771滚动5年定期3月0507097845-2604滚动3年定期3年05461291041-2229滚动3年定期1年06470971000-2379滚动3年定期3月0647097955-2516滚动1年定期3月0477097965-2580资料来源Wind方正证券研究所从13种不同频率的回测模型结果来看1从样本窗口的固定和滚动来看采用固定起点的模型普遍都比采用滚动窗口的模型有更高的Rankicir和Rankic胜率并且多头组年化收益也较高2从定期计算的低频和高频来看固定起点模型中定期3月和定期10年的多头年化收益和因子均表现较好而定期5年的Rankicir最低针对第二点进行分析固定起点定期10年表现较好固定起点定期5年表现最差原因可能由于前者在2015年10月选定长期有效因子后这些因子在之后这段时间恰好一直表现不错而定期5年表现较差则是因为该模型于2020年10月重新进行一次回测计算新选的因子在2021年以来的表现不如2015年选出的因子例如图表19中固定起点定期5年新选的因子复制行业差异稳定性4Q因子和业绩稳定性480因子在2021年后多空净值走势走平因子有效性不如图表10中的4个因子因此定期计算的低频模型的结果可能具有偶然性图表19固定起点定期5年与固定起点定期10年的因子差异分析固定起点定期5年-长期有效因子2015-10-31alpha风格240管理人员工占比交易收益3基金规模复制行业差异稳2020-10-31业绩稳定性480定性4Q固定起点定期10年-长期有效因子2015-10-31alpha风格240管理人员工占比交易收益3基金规模资料来源Wind方正证券研究所12敬请关注文后特别声明与免责条款金融工程周报采用高频计算的回测模型可以降低这种在样本外的数据偶然性高频回归模型会在因子逐渐失效过程中重新选择新的因子因此结果表现得更加稳健例如固定起点定期3月会在2021年前后重新选择有用的长期因子剔除掉表现不好的复制行业差异稳定性4Q和业绩稳定性480这两个因子图表20固定起点定期3月的长期有效因子选择部分固定起点定期3年-长期有效因子2020-01-31复制行业差异稳定性8Q管理人员工占比业绩稳定性4802020-04-30复制行业差异稳定性8Q业绩稳定性4802020-07-31复制行业差异稳定性8Q业绩稳定性4802020-10-31复制行业差异稳定性4Q业绩稳定性4802021-01-31复制行业差异稳定性8Q2021-04-30alpha风格2402021-07-31alpha行业4802021-10-31alpha行业4802022-01-31alpha行业480管理人员工占比资料来源Wind方正证券研究所此外如果把样本外的时间改为2018年10月底以来也能验证刚刚的结论比较固定起点的5种计算频率方式的效果固定起点定期3月表现最为稳健其多头组年化收益较高图表215种不同回测频率下复合因子的绩效指标Rankicir多头组年多头组最Rankicir胜率化收益大回撤固定起点定期10年样本内05668421749-2154固定起点定期5年05668421749-2154固定起点定期3年09489471826-2074固定起点定期1年08684211887-2074固定起点定期3月09378951999-2043资料来源Wind方正证券研究所因此若要剔除失效因子动态筛选长期有效因子固定起点进行高频回测是较为稳妥优选的方式尽管定期5年10年回测模型计算起来省时省力但是其受数据偶然性的影响可能较大后文的基准模型均设置为固定起点定期3月的回测方式32融入短期增强因子前文提到传统选基模型的另一个问题在于在某些时间内长期有效因子多头收益不强而某些特殊的因子收益表现较强因此我们可以考虑利用这些特殊因子的收益来增强长期有效因子的表现这里需要考虑两个问题1要不要做增强什么时候做增强2如何找到特殊因子怎么做增强这里我们先讨论第二个问题确定好相应的方法之后再研究何时做增强本篇报告提出的增强方法可以简单概况为几个步骤首先筛选短期增强因子然后对这些因子在短期中的规律进行总结最后结合当期市场风格和历史规律投资短期增强因子此外作为效果对比本节尝试构建了风格增强和动量增强两种不同的增强方式321短期增强如22节中的重仓股息率因子和主动卖出基础收益因子的不同超额收益表现特殊因子的增强方式有所差异前者是防守属性增强的方式在于亏损较少后者是进攻属性增强的方式在于赢利更多因此我们可以分别从这两个角度找到这些特殊因子并把这些因子的集合定义短期增强因子13敬请关注文后特别声明与免责条款金融工程周报在寻找短期增强因子的时间维度上回测的时间不宜太长因为我们要寻找的是这些特殊因子在短期内所遵循的规律同时短期内如1年遵循的规律存在偶然性而较长回测周期能够覆盖更多的行情阶段筛选出的因子置信度更高因此将回测区间定为滚动5年如下图所示我们分别计算进攻型因子和防守型因子来筛选短期增强因子图表22短期增强因子的筛选资料来源方正证券研究所整理注其实还可以计算空头组的超额收益这里暂不考虑我们对过去5年的数据进行研究20180731-20230731看看哪些因子短期内拥有超越长期有效因子的收益图表2320180731-20230731进攻型增强因子和防守型增强因子进攻型增强因子防守型增强因子年度换手率基础收益规模alpha风格120重仓流通市值复制行业差异稳定性beta2HM240重仓上市时间复制行业累计差异beta2HM480全仓换手率alphaHM120beta2TM240重仓换手率alphaTM120betaCAPM480全仓PBalphaTM480上行弹性120全仓PETTMalphaTM行业风格120上行弹性240重仓PBalphaTM行业风格480下行弹性240全仓PCF持有3月赢利均值240下行风险120重仓PCF持有3月赢利概率120下行风险240主动卖出基础收益加权相对行业超额年化波动率120主动卖出基础收益规模相对指数胜率年化波动率240主动基础收益规模betaCAPM120年化波动率480交易收益betaCAPM240全仓股息率交易收益规模最大回撤后的最大上涨幅度240重仓股息率最大回撤后的最大上涨幅度480进攻型增强防守型增强一级分类因子多头进攻多头防守比例比例业绩归因34802353000业绩评价118131311021102另类因子1100000000基金风格271023704741资料来源Wind方正证券研究所从统计结果来看进攻型增强因子多为基金风格类因子如PBPEPCF这些存在明显风格偏好的因子在市场达到特定阶段时会表现出更好的收益增强效果防守型增强因子多为基金评价类因子尤其是beta风险类因子如年化波动率最大回撤beta等这些因子通过挑选风控较强的基金在下行震荡市场中表现出更好的超额收益14敬请关注文后特别声明与免责条款金融工程周报筛选出短期增强因子之后我们研究如何去捕捉这些因子的短期规律我们假设短期增强因子的表现主要受大盘小盘成长价值风格的影响根据对应代表指数的涨跌变化和分位差异计算得到4个指标后文简称市场指标图表244个市场指标的计算大盘小盘沪深300中证1000成长价值全指成长全指价值大盘小盘涨跌幅期末指数收盘价期初指数收盘价-1成长价值涨跌幅期末指数收盘价期初指数收盘价-1大盘小盘分位过去7年指数分位数成长价值分位过去7年指数分位数资料来源方正证券研究所整理注由于这里利用过去5年寻找短期增强因子若仍利用5年的分位数会导致前几期分位数异常所以这里选取7年接着计算所有因子在过去5年与长期有效因子的时序超额收益并将超额收益与4个市场指标的前期值求时序上的排名相关系数最后利用高相关的因子与市场指标来总结短期内的因子规律作为下期投资的基础例如在过去5年中我们发现重仓股息率因子的多头超额收益与前期大盘小盘分位的排名分位数呈现显著负相关corr-063pvalue0002betaCAPM120因子与前期成长价值涨跌幅呈现显著负相关corr-051pvalue002假设以上高相关性规律可以延续至最新一期那么我们可以在大盘小盘分位处于较低水平时投资重仓股息率在成长价值涨跌幅处于较低水平时投资betaCAPM120那么该如何定义较低水平呢我们计算超过75分位数的重仓股息率多头超额收益所对应的大盘小盘分位的平均水平将其定义为大盘小盘分位的较低水平的阈值若最新一期的大盘小盘分位低于这个阈值则本期可以考虑将重仓股息率作为短期增强因子如图25所示图表25重仓股息率与大盘小盘分位排名相关性图表26betaCAPM120与成长价值涨跌排名相关性资料来源Wind方正证券研究所资料来源Wind方正证券研究所因此我们可以根据以下6步的方式来完成对于短期增强的因子筛选规律总结与应用投资图表27短期增强因子的规律总结与投资流程资料来源方正证券研究所整理注若同一因子与不同影响因素有不同的规律保留显著性最高的规律15敬请关注文后特别声明与免责条款金融工程周报322其他增强作为比较我们尝试两种可能的增强思路方法风格增强和动量增强风格增强挑选过去相似风格下多头收益表现最好的因子来增强当期因子投资收益首先在过去窗口内根据每期4种风格指数的涨跌幅大盘价值小盘价值大盘成长小盘成长判断每期的主要风格然后剔除长期有效因子计算同一风格下所有因子相对于长期有效因子的下一期多头超额收益均值胜率统计同一风格下超额收益均值排名前14胜率排名前14胜率超过23的因子作为风格增强因子最后判断当期属于何种风格投资过去相似风格下收益表现较好的风格增强因子动量增强挑选过去1期多头收益表现最好的因子来增强当期因子投资收益首先计算所有因子上一期的多头组收益然后剔除长期有效因子投资多头收益排名前10的因子作为对照我们设置不增强组合即仅含长期有效因子不加增强因子的组合323增强效果在321节不同增强方式下筛选出增强因子后剔除高相关因子与长期有效因子进行因子合成构造出复合因子本节研究不同方式构建得到的复合因子在样本外的表现剔除高相关根据多头组年化收益绝对值排序剔除与长期有效因子的相关性高于50的增强因子剔除与排名靠前因子的相关性高于50的增强因子因子合成对所有因子进行标准化归一化处理缺失值以同类基金均值填充长期有效因子总权重为50增强因子总权重为50不同类别因子内部等权加总当期无增强因子时长期有效因子总权重为100与前节类似我们将20100731-20151031划分为样本内区间20151101-20230731划分为样本外区间选用固定起点定期3月作为筛选长期有效因子的基准模型研究3种不同增强思路下的样本外效果图表28不同增强思路的回测指标比较Rankicir多头组年化多头组最大相对基准模型的多头组超Rankicir胜率收益回撤额收益长期有效不增强10480651161-2267基准长期有效短期增强08783871387-2349长期有效风格增强0346452807-2702长期有效动量增强0326129729-2827资料来源Wind方正证券研究所整理从回测结果来看长期有效短期增强策略的收益增强效果最好虽然Rankicir相对于基准组合有所下降但其多头年化收益最高达1387相对基准组合年化收益提高了226风格增强和动量增强相对于基准组合的超额收益波动较大常常为负表明这两种方式的增强效果较差风格增强和动量增强增强效果差的原因可能在于风格和动量的延续性较差16敬请关注文后特别声明与免责条款金融工程周报图表29不同增强思路的净值走势资料来源Wind方正证券研究所长期有效加短期增强策略近4期选择的因子如下表最新4期重复出现的短期增强因子既包含重仓股息率重仓换手率重仓流通市值等基金风格类因子还包含主动卖出基础收益等方正金工特色因子分别用于筛选在高分红低流动性高流通市值逢高卖出策略等风格上存在明显偏好的基金图表30近4期长期有效加短期增强策略因子选择日期长期有效短期增强alpha行业管理人员工复制个股差下行弹性2022-10-31480占比异稳定性8Q480alpha行业管理人员工复制个股差betaCAPMalphaHM重仓股息重仓流通2023-01-31重仓换手率480占比异稳定性8Q120120率市值alpha行业复制个股差管理人员工业绩稳定主动卖出betaCAPM行业配置收重仓股息2023-04-30480异稳定性8Q占比性120基础收益480益率alpha行业复制个股差管理人员工主动卖出下行弹性最大回撤后的最重仓换手重仓流通2023-07-31重仓PB480异稳定性8Q占比基础收益240大上涨幅度480率市值资料来源Wind方正证券研究所整理注标红为近4期重复出现的因子33增强时机的选择前节我们在长期有效因子基础上做了短期增强年化收益明显提升226但因子有效性略有下降风险波动有所上升Rankicir由原来的104下降至087最大回撤由2267升至2349实际上长期有效因子类似于高胜率的投资短期增强类似于高赔率的投资即假设历史统计规律在未来会重复发生相信未来短期增强的多头收益会强于多头收益但是由于短期增强胜率相对不高加入短期增强因子可能会增加原有组合的波动因此本节我们思考在什么时候做增强最合适我们认为做增强的时机最好发生在长期有效因子多头表现较差的时间因此在做短期增强之前首先判断当期长期有效因子的多头收益表现若多头表现较差下期可以考虑加入短期增强因子若多头表现较好下期就不加入短期增强因子17敬请关注文后特别声明与免责条款金融工程周报我们采用以下择时策略来决定投资短期增强的时机滚动窗口下若当期长期有效因子在所有因子的多头组收益排名的分位数未超过50则我们认为当期长期有效因子表现较差且下期长期有效因子分位数升至75以上的较高水平具有难度因此在下期的投资中加入短期增强因子以20180731-20230731以例计算长期有效因子同21节相对于所有因子在多头组收益的每期分位数在总共21期中去掉最后一期后有8期分位数低于50其中有7期在下期的分位数没有升至75因此在这7期中加入短期增强更具有意义能弥补这些时间内长期有效因子的多头收益不佳的问题图表31长期有效因子的多头收益分位资料来源Wind方正证券研究所最后我们比较长期有效不增强长期有效短期增强以及长期有效短期增强择时三种模型在20151101-20230731样本外的回测效果图表32不同增强策略的回测指标比较Rankicir多头组年化多头组最大相对基准模型的多头组超Rankicir胜率收益回撤额收益长期有效10480651161-2267基准长期有效短期增强08783871387-2349长期有效短期增强10983871317-2160择时资料来源Wind方正证券研究所整理对比第二个和第三个模型样本外回测结果发现加入择时考量后多头年化收益下降了071但最大回撤也下降了190Rankicir提升至109因此加入择时的考量是一个降低风险波动的选择图表33近4期长期有效加短期增强择时策略因子选择日期长期有效短期增强择时alpha行业管理人员工复制个股差2022-10-31不增强480占比异稳定性8Qalpha行业管理人员工复制个股差betaCAPMalphaHM重仓股息重仓流通2023-01-31重仓换手率480占比异稳定性8Q120120率市值alpha行业复制个股差管理人员工2023-04-30不增强480异稳定性8Q占比alpha行业复制个股差管理人员工主动卖出下行弹性最大回撤后的最重仓换手重仓流通2023-07-31重仓PB480异稳定性8Q占比基础收益240大上涨幅度480率市值资料来源Wind方正证券研究所整理18敬请关注文后特别声明与免责条款金融工程周报34构建基金组合通过比较不同模型增强策略的效果可以发现从收益增强的角度来看长期有效加短期增强策略效果最好年化收益提高226从波动控制的角来看长期有效加短期增强策略择时效果较好最大回撤下降因子有效性提升相比于因子测试实际投资中组合的基金数量不宜过多因此本节考虑从基金组合的角度比较不同增强策略的基金组合的差异基金组合的参数设定如下基金池成立转型1年以上规模2亿以上过去1年平均仓位超50的普通股票偏股混合和灵活配置基金限制剔除暂停申购暂停赎回同一基金经理因子排名靠后的基金数量30只费用不考虑申购费赎回费05图表34不同增强策略所构建的Top30基金组合净值走势资料来源Wind方正证券研究所注基金组合的净值指标采用日频统计图表35不同增强策略所构建的Top30基金组合的回测指标长期有效长期有效长期有效偏股基金偏股基金长期有效相对指相对指长期有效短期增强年度收益短期增强短期增强指数指数短期增强数超额数超额择时择时年化收益率1175169414656302016-1303-712591-901401年化波动率19501973198219122017141218734601978566夏普比率52567825663125122018-2358-2392-034-2348010Calma比率38785700512120882019450247202184598096月胜率5806580656995269202055918645305473051715最大回撤-3030-2972-2860-301920217684466369840103242最大回撤开始日201801232018012420180123202102102022-2103-1134969-1432671最大回撤结束日201901032019010320190103202204262023731-266034300012278资料来源Wind方正证券研究所从回测结果来看两种增强策略相较长期有效组合均有较好的改善效果收益方面长期有效加短期增强的年化收益最高达1694远超长期有效和偏股混合指数超额收益分别为519和1064风险方面长期有效加短期增强择时的最大回撤最小为2860相对长期有效和偏股混合指数的超额回撤为170和158且2016年以来每年均战胜偏股基金指数因此基金组合维度与前文因子维度的结论一致长期有效加短期增强在收益增强方面效果最好长期有效加短期增强择时在风险控制方面效果最好19敬请关注文后特别声明与免责条款金融工程周报基于以上两个增强策略所构建的最新一期的基金组合如下图所示由于7月底模型发出增强择时信号因而长期有效加短期增强择时与长期有效加短期增强两者在本期所选的基金组合一致图表36长期有效短期增强择时策略最新基金组合TOP30截至202308238月以来8月以来基金代码基金简称基金经理因子值基金代码基金简称基金经理因子值收益收益001577OF嘉实低价策略栾峰060-61257030OF国联安优势韦明亮053-66002778OF前海联合新思路A张磊张文060-41001528OF诺安先进制造韩冬燕053-42202213OF南方核心竞争卢玉珊057-45007066OF浦银安盛先进制造A杨岳斌053-57000573OF天弘通利金梦任明057-56008186OF淳厚信睿核心精选A薛莉丽陈文053-45000991OF工银战略转型主题A杜洋056-65288001OF华夏经典配置郑煜刘心任053-61255010OF国联安稳健储乐延056-49005851OF财通新视野A沈犁052-69161225SZ国投瑞银瑞盈A周思捷056-81007016OF富国睿泽回报张啸伟052-33005576OF华泰柏瑞新金融地产A杨景涵055-53000916OF前海开源股息率100强刘宏052-40005164OF富荣福锦A邓宇翔055-75001650OF工银丰收回报A何秀红郭雪松052-51006160OF博道启航A杨梦055-56003298OF嘉实物流产业A肖觅052-75160613SZ鹏华盛世创新伍旋054-51004716OF信诚量化阿尔法A提云涛王颖052-65005443OF国金量化多策略A马芳姚加红054-54007202OF天弘优质成长企业精选A谷琦彬052-84008269OF大成睿享A徐彦054-60004496OF前海开源多元策略A叶嘉052-55003641OF长盛盛丰A杨衡054-34009931OF淳厚欣享一年持有A陈文052-45000251OF工银金融地产A鄢耀053-56008840OF德邦大消费A黎莹052-106TOP30平均-58偏股基金指数-74沪深300-73资料来源Wind方正证券研究所4附录附录一三种优化模型的简易计算流程示意图图表37三种优化模型的简易计算流程示意图资料来源方正证券研究所整理20敬请关注文后特别声明与免责条款