投资要点：
　　基金alpha的传统度量方式
　　以往基金alpha的计算方式主要可以分为两类：一种是通过回归剥离的方式，剥离掉beta风险收益，剩下截距项作为alpha收益的度量；另一种是通过归因模型进行收益拆解，例如使用Brinson模型剥离出来的选股收益作为alpha因子。虽然两种方法计算出来的alpha因子对基金未来收益都具备一定的预测能力，但从时序图上来看，两种方法求得的因子均没有稳定的基金筛选效果。
　　引入低分化的思想
　　我们发现当主动股基业绩分化较大时，当日收益受beta影响更大，收益迷惑性强，但由于当日收益由beta风险驱动，对未来收益预测不稳定，因而我们在计算动量因子时使用低分化动量的效果更优。当我们计算基金alpha指标时，是否也可以基于低分化日的数据进行计算和剥离，从而提取出更为纯粹的基金alpha因子？
　　长周期alpha因子
　　本文我们借鉴低分化动量的思想，构建了长周期alpha因子，长周期alpha因子使用过去两年分化度最低的1/5日期的基金收益进行回归，取回归截距项作为基金alpha收益能力的度量。2015年至今，长周期alpha因子Rank IC均值为6.63%，Rank ICIR为1.35，季度胜率达到73.13%，因子十组分档超额收益单调性较好。
　　 FOF增强组合
　　将长周期alpha加入到因子库中，以偏股混合型基金指数为基准构建FOF增强组合，2015年以来，FOF增强组合每年都能战胜偏股混合型基金指数，年化超额为8.62%，信息比为1.75；月度胜率为69.85%，分年度相对最大回撤为6.91%，年化跟踪误差为4.54%，能够较为稳定地战胜基准。
　　风险提示：1）量化模型基于历史数据分析，未来存在失效风险，建议投资者紧密跟踪模型表现。2）市场参与者结构变化可能导致模型结果发生偏移。3）基金持仓调整受市场行情、基金经理策略等多因素影响，历史持仓变化不代表未来投资方向。