华泰金工林晓明团队基金选股择时能力的定量分析法

牛市第二阶段上攻蓄力中？军工、医药等牛股倍出，牛市情绪仍在，你还不上车？点击立即开户，3分钟极速响应，专属福利！助你“稳抓赚钱时机”！

来源：华泰金融工程

林晓明   S0570516010001    研究员

黄晓彬   S0570516070001    研究员

刘依苇   S0570119090123    联系人

报告发布时间：2023年8月2日

摘要

国内公募基金具有正向选股能力，业绩好的基金选股能力较强

择时能力与选股能力是基金业绩的重要评价指标。报告采用T-M、H-M和C-L模型来对国内多类公募基金业绩进行归因分析，结果发现国内公募基金普遍具有正向选股能力，灵活配置型基金的择时能力较强。采用Bootstrap抽样法对普通股票型基金超额收益进行分析后发现，大部分基金的超额收益主要来源于实力而非运气，且α越高，运气成分越少。规模、存续期和基金风格对选股实力也有一定影响。

基金选股择时能力评价模型经多年发展日趋成熟，T-M、H-M、C-L为代表

常用公募基金选股择时能力评价模型起源于CAPM模型，Jensen单因素模型在CAPM基础上增加了α指标衡量基金选股能力，但β不变的假设使其无法评估基金择时能力。T-M模型在Jensen单因素模型基础上引入市场组合收益率的二次项，修正了Jensen模型中的β，使得β能够随市场收益率的变动而连续变动。H-M和C-L模型则假设β二分，在预期市场上涨时取一较大定值，预期下跌时取一较小定值。

主动股票型公募基金多具有较强选股能力，灵活配置型基金择时能力较强

我们采用2014-2023样本区间数据，使用前述三个模型，对国内普通股票型、偏股混合型、平衡混合型、灵活配置型共四类公募基金在不同市场环境下的选股和择时能力进行检验后发现：在牛市中，基金相对自身基准具有较强选股能力；在震荡上涨市中基金选股能力较强，择时能力稍弱，小盘行情下选股能力更加显著；在熊市中，基金选股能力为正的比例较高，但显著性较差，择时能力也较弱。全区间视角下，四类基金均有较强的选股能力，灵活配置型基金由于在仓位、行业、风格和投资工具等方面限制较少，择时能力明显强于其他类别基金。

主动股票型基金的超额收益主要来源于实力，高α基金实力大于运气

本章中我们以Bootstrap方法从基金超额收益中分离运气因素和实力因素。实证结果发现，国内主动股票型基金的超额收益主要来源于实力。分组检验中我们发现：基金α越高的组别，基金经理实力较强的比例越高，运气因素越低；基金规模越小的组别，具有较强选股实力的基金比例越高；存续期越短的组别，选股实力较强的基金比例越高；按风格和风险水平分组，成长型和增值型基金的选股实力较强。整体来看，60%的主动股票型基金凭实力获得正向选股能力。

风险提示：模型对基金业绩的拆解有不够充分的可能性，结果仅供参考；基金历史表现不代表未来业绩，投资需谨慎。

正文

基金选股择时能力评价模型经多年发展日趋成熟

无论是普通投资者，还是FOF、理财子公司等机构投资者，都希望能对国内基金经理的管理能力，有一个明确的认知：基金经理到底能不能挑选出表现优异的股票？基金经理到底能不能预判市场走势并调整持仓？基金的优异表现是来自于实力还是运气？这种表现是可持续的吗？在本篇报告中我们将通过量化手段，定量给出上述几个问题的答案。

在本章节中，我们将首先对后文用到的公募基金选股择时能力评价模型进行介绍，让投资者对模型的发展历程、原理和逻辑有一个整体认知。

CAPM模型采用市场组合的概念开启了对组合收益来源量化解释的先河

基金业绩的评估以现代资本市场理论为基础，将投资的预测能力分为选股能力和择时能力。Fama（1972）提出两者的划分标准为：从微观角度上，预测能力反映为预测个股价格走势能力，即股票选择能力；从宏观角度上，预测能力反映为预测股票大盘走势能力，即市场时机选择能力。大部分主流基金绩效评估模型均以单因素CAPM模型为基础：

CAPM模型在马克维茨的基础上，开创性地为资产预期收益率与风险之间的关系进行了定量建模，是现代金融市场定价模型的基石。但在后续的实证分析中，多国的金融经济学家发现投资低贝塔股票也可以收获更高的回报和风险收益比，单纯的定值beta难以完美刻画资产组合收益。因此，学界又在CAPM模型的基础上改进出了解释力度更强的Jensen单因素模型。

Jensen单因素模型增加了选股能力指标，但仍未能对基金择时能力做评估

Jensen-alpha模型在CAPM模型的基础上加了一个常数项alpha，将基准的市场投资组合无法解释的收益率，全部归结于基金经理的选股能力，这个模型是后面所有基金选股择时能力评价模型的雏形：

接下来我们将使用特征线对各个模型进行描述，以直观展示各个模型的逻辑和思路。特征线（characteristic line）以市场组合收益率为横坐标，以基金或投资组合收益率为纵坐标，反映基金实际收益率关于市场组合收益率的变化规律。特征线斜率等于反映基金系统性风险的贝塔。由于Jensen单因素模型中的贝塔不变，因此其特征线是一条直线。

Jensen单因素模型的一个重要前提假设是，基金承受的系统性风险βp，是不随着市场环境而改变的。也就是说，它默认基金经理不会随着市场的波动而调整在系统性风险上的暴露，而这个假设对于主动型基金经理来说，明显是不成立的。

在实际投资中，基金经理可以根据对未来市场走向的判断，调整投资组合的系统性风险水平以及基金仓位。一个合格的基金经理在预期市场组合收益率上行的时候，会提高基金组合和市场组合的相关性，采取更加激进的投资策略，以使基金随着市场组合的上涨而获得更高收益率。而在其预期市场下跌的时候，则会降低基金组合和市场组合的相关性，采取更为保守的投资策略，使得基金不随市场组合的下行而亏损。

因此，基金的择时能力体现为βp在市场上涨时上升，在市场下跌时下降。因为Jensen模型中的βp为定值，并不能反映基金择时能力，所以后续的选股择时能力评价模型基于定义βp的时变性展开，对Jensen模型继续进行修正。当前应用最为广泛的有以下三个能够同时评价基金经理选股能力和择时能力的模型：

1)       Treynor & Mauzy的T-M模型

2)       Heriksson & Merton的H-M模型

3)       Chang & Lewellen的C-L模型

三个模型关于贝塔时变性的前提假设不同，TM模型的假设是贝塔随市场收益率上升而连续上升，HM和CL模型的假设则是Beta二分，在市场收益率较大时取较大定值，在市场收益率较小时取较小定值。两者的不同之处在于，H-M模型通过衡量基金在牛熊市中β值的差异是否显著，来评价基金是否具有择时能力；而C-L模型则是将基金的β区分为了牛市和熊市β，分别衡量基金在牛市和熊市中的择时能力。接下来我们将对这三个模型的逻辑依次进行介绍。

T-M模型拓展了Jensen模型中Beta的可变性，使其能度量基金择时能力

1966年，Treynor与Mazuy提出，基金回报-市场回报曲线是非线性的。T-M模型假设，基金经理能发挥时机选择能力预测市场收益率，具备正向择时能力的基金经理，会在预测市场收益率升高时增大投资组合的贝塔，在预测市场收益率降低时减小投资组合贝塔。由此，T-M模型将Jensen单因素模型中的βp修正为：

H-M模型通过衡量上涨和下跌市场中贝塔差值的方法判断基金择时能力

1981年Henriksson与Merton提出新的评估基金绩效模型，将基金经理择时能力定义为“基金经理能够预测市场收益高于无风险收益”的能力。基金经理只关心市场组合收益率是否超过无风险利率，而不关心超过的幅度大小。模型公式如下：

C-L与H-M模型类似，差别在于分开衡量不同市场环境下的贝塔

C-L模型是H-M模型的变式，模型假设和逻辑与H-M模型相同，但是将上涨市场和下跌市场中的贝塔值明确区分开了。C-L模型公式为：

C-L模型的特征线和H-M模型基本相同，也是一条分段折线。但与H-M模型不同的是，它将基金的贝塔区分为了牛市贝塔（β1）和熊市贝塔（β2），以分别衡量基金在牛市和熊市中的择时能力，与H-M模型相比更加灵活。

C-L模型中，基金择时能力反映为市场上涨时贝塔值大于下跌时贝塔值，即，β2 - β1>0指示基金具备正向的择时能力，小于零则指示基金择时能力为负。

实证证明国内公募基金普遍具有较为显著的正向选股能力

在本章节中，我们将使用上一章节里介绍的三种模型，来对国内公募基金的选股与择时能力进行实证检验与定量评估，检验其在不同市场环境下的选股择时能力。

实证设计：对四类基金区分不同市场环境与全区间进行检测

我们选取了WIND上所有2023年4月30日前成立的开放式基金，采用其2014年3月-2023年4月的周度收益率进行实证分析，总样本池内包括438只普通股票型基金、1133只偏股混合型基金、83只平衡混合型基金、1400只灵活配置型基金。此外，由于大部分基金成立时间晚于2014年3月，所以在各个周期中，样本池内的基金个数也会存在差异。

出于样本量和市场环境区间的考虑，我们选取的实证时间区间为2014.03.31-2023.02.28，并将其划分为了五段时间区间，包括2014.03.31-2015.05.29的牛市区间，期间沪深300涨幅约125.54%；2015.06.01-2016.02.29的熊市区间，期间沪深300跌幅约40.56%；2016.03.01-2018.01.31的震荡上涨市区间，期间沪深300涨幅约39.83%；2018.02.01 -2018.12.28的熊市区间，期间沪深300跌幅约29.59%；2023.01.01-2023.04.30的震荡上涨市区间，期间沪深300涨幅约29.96%。在实证研究中，我们将首先对四类基金在不同市场环境下的选股择时能力分别进行实证评估，最后再对全区间内四类基金的选股择时能力进行评估。

由于我们的模型中还需要用到市场组合收益率和无风险利率这两个参数，我们也需要对其进行预先设定。我们取各个时间区间内，一年期存款利率的均值作为无风险收益率rf。由于部分区间跨越了较长时间，涉及到一年期银行存款利率的变动，