硬核分享 ｜ 机构投资者的公募基金筛选与分析 FOF和MOM模式是近年来国内备受关注的委托投资业务模式，对于机构投资者来说，如何对公募基金、基金经理以及基金公司进行分...  什么叫基金和怎么购买

来源：雪球App，作者： 西筹研究，（https://xueqiu.com/8052166652/147027229）

FOF和MOM模式是近年来国内备受关注的委托投资业务模式，对于机构投资者来说，如何对公募基金、基金经理以及基金公司进行分析，如何设置基金的筛选标准，又如何对基金进行准确的绩效归因和风格分析等问题，都是筛选出优秀基金需要明确的前提和基础。

况客科技研究部总监郑汉涛，北京大学理学学士，美国锡拉丘兹大学经济学哲学硕士，博士ABD，4月3日做客京东数科JT²大咖访谈平台，围绕机构投资者关注的10个问题分享了从业以来有关公募基金筛选与分析的经验与心得，以下为问题列表与直播的文字纪要。

以下为交流问题列表

问题一：基金筛选是否需要为资产配置服务？

问题二：公募基金如何合理分类？

问题三：如何设定筛选标准？

问题四：如何充分利用净值数据进行RBSA分析？

问题五：如何充分利用持仓数据进行风格分析？

问题六：基金经理如何分析？

问题七：基金公司如何分析？

问题八：是否有普遍适用的基金筛选指标？

问题九：对于公募基金经理的访谈是否是定性分析的重点？

问题十：公募基金分析中业绩归因是否重要？

以下为交流文字纪要

很荣幸有这个机会能跟大家就国内机构如何投资公募基金做一个交流。我们公司以及我本人从2015年开始，就以系统、数据、研究、咨询等各种形式服务于境内各类投资公募基金的机构，对于这个话题算是比较熟悉。

今天的交流分为5个部分，首先我们以机构的委托投资作为切入点，公募基金作为委托投资落地的标的或者说形式之一，当我们在筛选和分析它时，不能脱离委托投资的整体框架；在委托投资的框架下，我们进而在第二部分和第三部分讨论如何对公募基金进行筛选，以及在筛选过程和单只基金分析当中，会用到的一些技术手段；第四点，我们讨论如何对基金经理和基金公司进行分析和评价，最后，分享几个我们与我们的机构客户交流的过程中，经常会遇到的问题。在这5个部分中，我梳理出了10个问题，大家花5秒钟，快速浏览一下这10个问题，带着问题，再来听我叨叨，可能效果会好一些。

好，进入我们的第一部分，机构委托投资框架。我们说的机构委托投资、fof投资以及Mom投资，其实本质上都是一回事，说的是资金方不直接投资于个券，而是聘请外部管理人，以组合的形式，这个组合可以是专户，可以是公募，也可以是保险资管产品、养老金等等，以这种组合的形式，参与到资本市场中。这种形式的投资从框架上说都可以分为两部分，资产配置和基金筛选。当然也有的说法可以再加上组合管理，但是那个部分跟我们今天的话题没有太大关系。虽然所有的委托投资都可以拆分成这两部分，但是不同的机构或者产品形式的侧重点是不一样的。大家看这张图，纵轴代表资产配置的比重，横轴代表基金筛选的比重。比较极端的，像左上角的FOI，只有资产配置，没有基金筛选的概念，因为做完配置之后，落地的标的是指数基金或者ETF，不需要基金筛选；相反的，右下角，FOHF和PEFOF，就没有配置的概念，全部的精力都放在选聘基金管理人上，但是大多数的机构，资产配置和基金筛选两者都会有，比较典型的像主权财富基金、养老金、年金等，以及未来的买方投顾。

好，到了这，就引出了今天的第一个问题，基金筛选是否需要为资产配置服务？这个问题很关键，因为它决定了我筛选时，是否需要分类，如何分类，以及不同的分类是否需要不同的筛选标准，甚至投后如何考核，当然那是后话，等等问题。资产配置是自上而下的，大类资产配置决定了股债商品等资产之间的配置比例，股票内部会有行业、风格的配置，债券内部会有信用/利率之间的配置，久期的配置等。如果我们的基金筛选需要服务于资产配置，那么筛选过程中，首要的问题就是我们所选出来的基金是否符合配置的要求，比如配置要求的是周期行业基金，那么那些有消费、医药、科技等暴露头寸的基金，哪怕业绩再好，它也不应该进入我们的考虑范围。如果基金筛选不需要服务于配置，那问题会变得即简单又复杂，简单的点在于只要收益好就行，绝对收益考核，复杂的点在于，每一只基金收益好的原因各不一样，具体问题要具体分析，工作量会很大，更像MOM。简单来说，两者的区别在于服务于配置的基金我们要求特征鲜明且稳定，这个特征包括仓位、行业占比、风格等等，不需要服务于配置的基金，要求就是收益好，但是我们需要找到收益好的原因，并且评估这个原因是否会继续产生好的收益。

随着机构对于资产配置的重视以及境内市场的进一步成熟，我们认为那些能够服务于配置的、风格鲜明且稳定的基金将受到越来越多的重视。在接下来的基金筛选和分析中我们也将重点讨论如何筛选这类基金。在筛选这类基金的过程中，我们遇到的第一个问题是，怎么样识别这些基金，也就是如何合理的分类。证监会把公募基金分成8大类，这个分类显然无法满足机构投资者的需求。因此我们需要在这个基础上，进一步进行分类，我们能够利用的信息有2类，一类是基金的招募说明书，另一类是基金历史的持仓以及净值数据。先看一下我们进一步分类的结果，我们依据以上两类信息，把公募基金进一步分成了31小类。比如股票型，我们进一步分成了股票型主动管理、指数基金、行业基金等。

具体的，在进一步分类过程中，我们首先会参考招募说明书中的投资范围和业绩基准，需要注意的是，我们对这个信息要持有谨慎怀疑的态度，在基金公司内部，编制招募说明书是产品部的工作，主要用处是报备证监会，它对基金经理的实际操作只有指导性的作用，没有强制约束力，部分基金经理会因为业绩排名压力，大幅偏离基准；因此，我们分类的主要依据是基金实际的历史持仓和净值，根据实际持仓，我们可以计算基金的平均仓位，根据净值，我们可以计算基金的估计仓位。以某混合型基金为例，从招募说明书看，业绩比较基准为80%的沪深300+20%的中债综合，属于混合偏股型基金；但是从实际持仓看，股票仓位在50-60之间，估计仓位也在这个范围，从配置的角度，它更像是一只混合平衡型基金，因为我们会把他回归为混合平衡型。

我们把所有基金划分成了31小类，可以初步满足机构大类资产配置的需求，但是仅依据仓位分类无法满足机构投资者精细化配置的需求，所以我们的分类还没有结束。进一步，我们可以依据平均行业占比及其变化，风格打分及其变化等信息，把偏股型基金分为各行业基金，比如医药、消费、TMT、周期等；各风格基金，比如价值、成长、低波等；偏债基金可以分为利率、信用、长短久期基金等。这里会用到一些基金分析的技术手段，比如判断基金风格，我们会在接下去的内容里详细讲到。

到目前为止，我们已经把公募基金按照配置的需求分成了非常多的小类，接下去的第三个问题，如何设定筛选标准就变得比较简单。这里我想强调两点，第一，除了规模、存续年限等基本筛选信息外，现任基金经理任职年限是一个比较容易被忽略但又重要的条件，它可以过滤掉那些刚换过基金经理的基金；第二，在考察仓位、占比、业绩等条件时，需要同时考虑绝对数值与相对数值。公募基金与专户不一样，有的时候它无法完全满足机构的配置需求，这种情况下，我们只能找相对最满足的。比如，TMT基金，我们可以找到十几只3年以来平均TMT占比大于70%的基金，但是周期基金，3年以来平均占比大于70%的只有两只，这个时候我们很可能不得不放宽条件，以周期行业占比分位数为筛选条件，这种情况在债券基金的筛选中尤为常见。

在分类和筛选的过程中，我们用到了一些指标是无法直接通过统计和简单计算得到的，比如股票仓位的估计、风格暴露的估计，债券基金风险暴露和久期暴露等。这需要用到一些技术手段，这些技术手段大致可以分为两大类，一类是基于净值的RBSA分析，一类是基于持仓打分的风格分析。前者可以估计偏股型基金的股票仓位、风格暴露以及债券基金风险暴露、久期暴露等，它的优点在于净值数据容易获取，可以比较高频的分析；缺点也很明显，有两点，一是估计模型存在随机误差，二是对于因子数据的要求很高，尤其是对债券因子的要求。基于持仓打分的风格分析可以穿透到个股，在给定节点上准确分析基金的特征，但是公募基金持仓信息披露实在是有限，股票基金一年4次季报披露前十大，半年报/年报披露全部，债券基金一年4次只披露前五大，几乎相当于不披露。因此，两种分析手段结合在一起，相互印证是比较常见的处理方式。

具体的，问题4，如何充分利用净值数据进行RBSA分析？我这里总结了两种分析方法，一种叫限制性回归法，适用于股票型/混合型基金的仓位估计和风格识别；另一种叫拟合优度边际贡献法，适用于量化对冲/股票多头私募基金和债券基金的风险暴露分析。

具体的算法我就不介绍了，有兴趣的朋友我们可以私底下再交流。看一下分析的效果，限制性回归，我这里拿了20%中债+80%沪深300的模拟组合做了测试。

拟合优度边际贡献法分析债券基金时，关键在于因子的构建，这个一两句话说不清楚，take away就是因子构建很重要，我们用所有的公募债券基金做了测试，效果非常好。

大家可以看这张表里R-square这一列，这一列是我们的因子和模型能够解释债券基金波动的百分比，对于不同类型的债券基金，基本上我们都能够解释80%以上的基金波动。这是其一，其二，对于不同类型的基金，不同因子的风险贡献差异显著，比如纯债基金和指数基金主要暴露于利率水平风险，可转换债主要暴露于权益类风险，短期理财主要暴露于货币市场风险等。这说明模型和因子具备识别不同基金风险暴露差异的能力。

针对单只基金，我们除了可以估计其平均风险暴露外，还可以估计它风险暴露的变化，为分析公募债基提供了