投资学课程论文 FOF基金组合的资产配置策略 The asset allocation strategy of FOF 院 系:经济学院 专 业:金融 姓 名:吴湉17210680464 指导教师:张宗新教授 完成日期:2017年01月03日
投资学课程论文 FOF 基金组合的资产配置策略 The asset allocation strategy of FOF 院 系： 经济学院 专 业： 金融 姓 名： 吴湉 17210680464 指 导 教 师： 张宗新 教授 完 成 日 期： 2017 年 01 月 03 日
摘要 2017年9月8日,我国的公募FCF终于得到放行,市场期待的资产配置时代或将正式拉开 序幕。根据Wind公开数据显示,在2017年底,市场上公募基金总量超过11万亿,涵盖不同类 型的基金共计4738支,基金种类分为股票型,混合型,债券型,货币型,另类投资和QDII。资 产种类涵盖股票,债券,商品,货币以及QⅠI等大类资产,如此丰富的投资品种为FOF产品的 发展提供了非常好的投资标的与需求 FOF基金中最重要的一步就是进行子基金的筛选。本文选取4个绝对值指标(收益、风险) 年化收益率、年化波动率、下行风险、累计最大回撤:以及4个相对值指标(比率):夏普比率、 特雷诺比率、詹森指数、卡玛比率来刻画组合整体的风险暴露情况,并通过在上述指标中选取特 定指标进行赋权,对标的范围内的公募基金进行业绩排名,最后根据排名指数筛选出符合业绩期 望的优质基金。然后通过 Markowitz的均值-方差模型将筛选出的子基金赋权并且构建出一个FOF 基金组合。最后通过与市场组合的比较来衡量所构建的FOF组合的表现 关键词:FOF基金,子基金筛选,基金业绩评价
摘要 2017 年 9 月 8 日，我国的公募 FOF 终于得到放行，市场期待的资产配置时代或将正式拉开 序幕。根据 Wind 公开数据显示，在 2017 年底，市场上公募基金总量超过 11 万亿，涵盖不同类 型的基金共计 4738 支，基金种类分为股票型，混合型，债券型，货币型，另类投资和 QDII。资 产种类涵盖股票，债券，商品，货币以及 QDII 等大类资产，如此丰富的投资品种为 FOF 产品的 发展提供了非常好的投资标的与需求。 FOF 基金中最重要的一步就是进行子基金的筛选。本文选取 4 个绝对值指标（收益、风险）： 年化收益率、年化波动率、下行风险、累计最大回撤；以及 4 个相对值指标（比率）：夏普比率、 特雷诺比率、詹森指数、卡玛比率来刻画组合整体的风险暴露情况，并通过在上述指标中选取特 定指标进行赋权，对标的范围内的公募基金进行业绩排名，最后根据排名指数筛选出符合业绩期 望的优质基金。然后通过 Markowitz 的均值-方差模型将筛选出的子基金赋权并且构建出一个 FOF 基金组合。最后通过与市场组合的比较来衡量所构建的 FOF 组合的表现。 关键词：FOF 基金，子基金筛选，基金业绩评价
Abstract In September 8, 2017, the public offering of Fof was finally announced, and the market anticipation of the age of asset allocation would be officially opened. According to Wind's publicly available data, at the end of 2017, the total number of public funds in the market was over 11 trillion, which covered 4738 different types of funds. The fund types were divided into stock, mixed, bond, currency, alternative investment and QDIL. Asset class covers assets such as stocks, bonds, commodities, currencies. QDII and so on. Such abundant investment varieties provides a good investment target and demand for the development of FoF products The most important step in the funding of FoF is the screening of subfunds. This paper selects 4 indicators of absolute value (profit and risk ) annual yield, annualized volatility and downside risk, the cumulative maximum retracement; and 4 relative value index(ratio ): Sharp ratio, Treynor ratio, Jansen index, Kumar ratio to characterize the portfolio risk exposure. By selecting specific indicators in the above indicators, we can assign weights to the performance funds of the public funds, and finally select high-quality funds that meet the expected performance according to the ranking index. Then the markowitz's mean- variance model is used to empower the selected subfunds and build a FoF fund portfolio. Finally, we compare the FOF portfolio with the market combination to measure it's performance Key words: FOF fund, subfund screening the evaluation of fund perfor mance
Abstract In September 8, 2017, the public offering of FOF was finally announced, and the market anticipation of the age of asset allocation would be officially opened. According to Wind's publicly available data, at the end of 2017, the total number of public funds in the market was over 11 trillion, which covered 4738 different types of funds. The fund types were divided into stock, mixed, bond, currency, alternative investment and QDII. Asset class covers assets such as stocks, bonds, commodities, currencies, QDII and so on. Such abundant investment varieties provides a good investment target and demand for the development of FOF products. The most important step in the funding of FOF is the screening of subfunds. This paper selects 4 indicators of absolute value (profit and risk): annual yield, annualized volatility and downside risk, the cumulative maximum retracement; and 4 relative value index (ratio): Sharp ratio, Treynor ratio, Jansen index, Kumar ratio to characterize the portfolio risk exposure. By selecting specific indicators in the above indicators, we can assign weights to the performance funds of the public funds, and finally select high-quality funds that meet the expected performance according to the ranking index. Then the Markowitz's mean - variance model is used to empower the selected subfunds and build a FOF fund portfolio. Finally, we compare the FOF portfolio with the market combination to measure it’s performance. Key words: FOF fund, subfund screening, the evaluation of fund performance
FOF简介 OF的定义是基金中的基金,顾名思义,这是一种投资于其他证券投资基金的共同基金。FOF 开发了一种新的基金产品和销售渠道,直接投资于证券投资基金,进而间接投资于股票等资产。 简单来说,FOF是由多只子基金组成,持有FOF相当于持有多只基金,并且比直接持有多只基金 成本更低 在FF这个概念最初产生的时候,只是一种捆绑销售模式。基金公司为了方便销售旗下基 金以及节约营销成本而使用FOF。随后,FOF进一步发展成为了一种基金产品。它既可以投资于 关联基金也可以投资于其它非关联基金的基金产品。现在的FOF,以“二次风险分散,专家集 合理财”而被投资机构广泛应用。不过,FOF近年来才在国内发展壮大,所以并不为国内普通 投资者所熟知。但是在国外诸如美国、欧洲、加拿大、台湾等国家的金融市场,FOF已经发展 成为一种较为成熟的基金产品了。同时,在基金产品线链条中,基金中的基金扮演着相当重要 的角色。除了股票债券,通过基金投资还可以投向黄金、白银、海外股票等资产。由于FOF可 以投降资产种类丰富的基金,所以它的核心功能其实是实现大类资产配置。从市场上的投资经 验也可看出,大类资产配置对于FOF组合的收益率和波动率贡献比例接近90% 除了分散风险和多元化配置以外,FOF还能为普通投资者提供专业化的服务。一直以来, 如何挑选好基金都是投资者需要面对的一大难题。在基金产品的数量已经赶上甚至超越股票数 量的大背景下,FOF产品应运而生。许多投资机构以FOF产品为载体,能为客户提供更加可 靠、便捷的投资服务。现在大类资产市场表现轮动太快,非专业的普通投资者很难抓住投资机 遇。FOF的优势在帮助普通投资者做好投资组合管理的冋时解决择时难题方面非常突出, 二、F0F在国内的发展状况 FOF在我国起步较晚,2017年9月8日,我国的公募FOF终于得到放行。根据Wind的公开 数据显示,2017年底,市场上公募基金总量超过11万亿,涵盖不同类型的基金共计4738支 基金种类分为股票型,混合型,债券型,货币型,另类投资型和QⅠI型。而资产种类则涵盖股 票,债券,商品,货币以及αDII等大类资产。虽然这些丰富的投资品种使得投资者选择基金变 得越来越困难,但是相应的,这些都可以成为FOF产品的投资标的,并且在市场上创造了对 FOF需求。 自从2016年9月FOF指引出台以后,公募基金的发展得到了促进,各家基金公司对此也十 分重视,而且都希望能够通过发行FOF产品来提升自己的产品竞争力与产品规模。FOF对于投 资者来说也有很多好处,通过灵活的资产配置以及资产筛选为投资者提供了非常好的投资标 的,分散组合风险,未来养老金的入市也必然会大大促进公募FOF的发展,在可以预见的未 来,我相信FOF产品会迎来属于自己的新时代
一、 FOF 简介 FOF 的定义是基金中的基金，顾名思义，这是一种投资于其他证券投资基金的共同基金。FOF 开发了一种新的基金产品和销售渠道，直接投资于证券投资基金，进而间接投资于股票等资产。 简单来说，FOF 是由多只子基金组成，持有 FOF 相当于持有多只基金，并且比直接持有多只基金 成本更低。 在 FOF 这个概念最初产生的时候，只是一种捆绑销售模式。基金公司为了方便销售旗下基 金以及节约营销成本而使用 FOF。随后，FOF 进一步发展成为了一种基金产品。它既可以投资于 关联基金也可以投资于其它非关联基金的基金产品。现在的 FOF，以“二次风险分散，专家集 合理财”而被投资机构广泛应用。不过，FOF 近年来才在国内发展壮大，所以并不为国内普通 投资者所熟知。但是在国外诸如美国、欧洲、加拿大、台湾等国家的金融市场，FOF 已经发展 成为一种较为成熟的基金产品了。同时，在基金产品线链条中，基金中的基金扮演着相当重要 的角色。除了股票债券，通过基金投资还可以投向黄金、白银、海外股票等资产。由于 FOF 可 以投降资产种类丰富的基金，所以它的核心功能其实是实现大类资产配置。从市场上的投资经 验也可看出，大类资产配置对于 FOF 组合的收益率和波动率贡献比例接近 90%。 除了分散风险和多元化配置以外，FOF 还能为普通投资者提供专业化的服务。一直以来， 如何挑选好基金都是投资者需要面对的一大难题。在基金产品的数量已经赶上甚至超越股票数 量的大背景下，FOF 产品应运而生。许多投资机构以 FOF 产品为载体，能为客户提供更加可 靠、便捷的投资服务。现在大类资产市场表现轮动太快，非专业的普通投资者很难抓住投资机 遇。FOF 的优势在帮助普通投资者做好投资组合管理的同时解决择时难题方面非常突出。 二、 FOF 在国内的发展状况 FOF 在我国起步较晚，2017 年 9 月 8 日，我国的公募 FOF 终于得到放行。根据 Wind 的公开 数据显示，2017 年底，市场上公募基金总量超过 11 万亿，涵盖不同类型的基金共计 4738 支， 基金种类分为股票型，混合型，债券型，货币型，另类投资型和 QDII 型。而资产种类则涵盖股 票，债券，商品，货币以及 QDII 等大类资产。虽然这些丰富的投资品种使得投资者选择基金变 得越来越困难，但是相应的，这些都可以成为 FOF 产品的投资标的，并且在市场上创造了对 FOF 需求。 自从 2016 年 9 月 FOF 指引出台以后，公募基金的发展得到了促进，各家基金公司对此也十 分重视，而且都希望能够通过发行 FOF 产品来提升自己的产品竞争力与产品规模。FOF 对于投 资者来说也有很多好处，通过灵活的资产配置以及资产筛选为投资者提供了非常好的投资标 的，分散组合风险，未来养老金的入市也必然会大大促进公募 FOF 的发展，在可以预见的未 来，我相信 FOF 产品会迎来属于自己的新时代
FOF基金的筛选 FOF基金中最重要的一步就是进行子基金的筛选,在进行基金的筛选时,我们可利用的信 息主要有两种:基金净值的时间序列数据和组合持仓数据。基金的数据是每日披露的,而且我 们可以从公开的渠道如万德数据库里获得。而组合持仓的数据比较难获得,通常基金公司每季 度才披露一次,而且每次只披露前10支重仓股票,获得比较完整的持仓明细比较难,因此,目 前对于基金筛选的量化方法研究还主要是基于净值的时间序列数据。通过净值的数据,粗略 点,我们可以计算一些反映基金风险与收益的指标,如超额收益率,夏普比率, Jensen指标 等。复杂一点,我们还可以做各种业绩归因分析,例如风格分析、回归分析等。若是在基金净 值的基础上,我们有基金的持仓数据,那么我们可以做多因子分析,业绩归因,同时也可以分 析换手率、分散度、行业配置等等,主旨就是剔除运气成分,留下纯净的投资能力。并且以此 为基准进行基金的筛选。 从投资组合的角度来看,衡量一个投资组合业绩表现的核心思想即是将其与基准组合相比 较,收益大于基准组合则表现良好,否则就表现较差。我们所选择的基准组合,必须能够恰当 的反映市场的系统性风险,且能够包含投资者投资决策中显著性以及持久性,能恰当地表现管 理者的投资风格与投资业绩。为了更好地应用基准组合的概念,我们要弄清楚组合中的哪些因 素会导致资产收益率或高或低。因此一些资产定价模型应运而生。也正是因为这个原因,组合 业绩表现度量方法一般与资产定价模型内生的联系在一起,即组合业绩表现度量方法一般与资 产定价模型的实证研究同步发展 FOF基金中对子基金的筛选是一件非常复杂的事情。由于基金的历史表现并不能准确反映 出它的未来业绩,并且从更长的时间段来看,基金的业绩往往不稳定且难以预测。所以我们不 能够单纯通过基金的历史业绩来判断这只基金的优劣。为了进行FOF的配置,我们需要能够较 为准确的评估一家基金的真实收益水平和管理人的能力。业内当前对基金业绩的统计中采用了 许多不同的相对值指标,其中主要的有4个,包括夏普比率、特雷诺比率、詹森指数和卡玛比 率。虽然这四个指标每个都能从不同程度上反映基金的业绩水平,但由于每个指标本身有其固 有的特性,所以它们各自反映的侧重点有所不同。以下我们对这4个相对指标的做一个简要的 介绍 )、夏普比率 自从资本资产定价模型出现以来,最简单的基于风险调整的业绩评价指标就是夏普比率了,夏普用该 项指标来衡量共同基金的表现。我们可以利用不同资产之间的夏普比率作为其业绩评价标准。夏普比率越 高的组合说明其性价比越高。不过通常我们认为将夏普比率用于组合管理者的总的组合比部分组合更有意 义,投资者真正关心的是总的组合标准差以及构成组合方差的各种因素之间的相关关系。 (二)特雪诺指数 雷诺指数是指每单位风险获得的风险溢价,它是投资者判断某一基金管理者在管理基金过程中所冒
三、 FOF 基金的筛选 FOF 基金中最重要的一步就是进行子基金的筛选，在进行基金的筛选时，我们可利用的信 息主要有两种：基金净值的时间序列数据和组合持仓数据。基金的数据是每日披露的，而且我 们可以从公开的渠道如万德数据库里获得。而组合持仓的数据比较难获得，通常基金公司每季 度才披露一次，而且每次只披露前 10 支重仓股票，获得比较完整的持仓明细比较难，因此，目 前对于基金筛选的量化方法研究还主要是基于净值的时间序列数据。通过净值的数据，粗略一 点，我们可以计算一些反映基金风险与收益的指标，如超额收益率，夏普比率，Jensen 指标 等。复杂一点，我们还可以做各种业绩归因分析，例如风格分析、回归分析等。若是在基金净 值的基础上，我们有基金的持仓数据，那么我们可以做多因子分析，业绩归因，同时也可以分 析换手率、分散度、行业配置等等，主旨就是剔除运气成分，留下纯净的投资能力。并且以此 为基准进行基金的筛选。 从投资组合的角度来看，衡量一个投资组合业绩表现的核心思想即是将其与基准组合相比 较，收益大于基准组合则表现良好，否则就表现较差。我们所选择的基准组合，必须能够恰当 的反映市场的系统性风险，且能够包含投资者投资决策中显著性以及持久性，能恰当地表现管 理者的投资风格与投资业绩。为了更好地应用基准组合的概念，我们要弄清楚组合中的哪些因 素会导致资产收益率或高或低。因此一些资产定价模型应运而生。也正是因为这个原因，组合 业绩表现度量方法一般与资产定价模型内生的联系在一起，即组合业绩表现度量方法一般与资 产定价模型的实证研究同步发展。 FOF 基金中对子基金的筛选是一件非常复杂的事情。由于基金的历史表现并不能准确反映 出它的未来业绩，并且从更长的时间段来看，基金的业绩往往不稳定且难以预测。所以我们不 能够单纯通过基金的历史业绩来判断这只基金的优劣。为了进行 FOF 的配置，我们需要能够较 为准确的评估一家基金的真实收益水平和管理人的能力。业内当前对基金业绩的统计中采用了 许多不同的相对值指标，其中主要的有 4 个，包括夏普比率、特雷诺比率、詹森指数和卡玛比 率。虽然这四个指标每个都能从不同程度上反映基金的业绩水平，但由于每个指标本身有其固 有的特性，所以它们各自反映的侧重点有所不同。以下我们对这 4 个相对指标的做一个简要的 介绍。 （一）、夏普比率 自从资本资产定价模型出现以来，最简单的基于风险调整的业绩评价指标就是夏普比率了，夏普用该 项指标来衡量共同基金的表现。我们可以利用不同资产之间的夏普比率作为其业绩评价标准。夏普比率越 高的组合说明其性价比越高。不过通常我们认为将夏普比率用于组合管理者的总的组合比部分组合更有意 义，投资者真正关心的是总的组合标准差以及构成组合方差的各种因素之间的相关关系。 （二）、特雷诺指数 特雷诺指数是指每单位风险获得的风险溢价，它是投资者判断某一基金管理者在管理基金过程中所冒
风险是否有利于投资者的判断指标。特雷诺指数越大,单位风险溢价越高,开放式基金的绩效越好,基金 管理者在管理的过程中所冒风险有利于投资者获利。相反特雷诺指数越小,单位风险溢价越低,开放式基 金的绩效越差,基金管理者在管理的过程中所冒风险不有利于投资者获利 (三)、詹森指数 詹森指数被用来确定来自某一证券或投资组合超过理论预期收益的超额收益。上述的证券可以是任何 资产,例如债券,股票或衍生品。理论收益通常由市场模型确定,最常用的是资本资产定价模型。市场模 型利用统计学方法来预计某一资产的恰当的风险调整后收益,例如CAPM利用β系数进行风险调整 (四)、卡玛比 卡玛比反映的是风险收益补偿与最大损失之间的关系。其计算方法为,年化收益率除以历史最大回 撤,是每单位最大损失所带来的收益回报。卡玛比越高,反映基金承受单位损失获得的回报水平就越高 基金的业绩表现就越好。反之,基金的业绩表现越差 四、FOF基金筛选的实证研究 本文选取4个绝对值指标(收益、风险):年化收益率、年化波动率、下行风险、累计最大 回撤:以及4个相对值指标(比率):夏普比率、特雷诺比率、詹森指数、卡玛比率来刻画组合 整体的风险暴露情况,并通过在上述指标中选取特定指标进行赋权,对标的范围内的公募基金进 行业绩排名,最后根据排名指数(该指数既涵盖了收益情况,又具备对风险的考量,指数越大, 则基金表现越优异),筛选出符合业绩期望的优质基金。特定指标的加权排名指数算法如下: 排名指数=年化收益率*20%下行风险*20%+夏普比率*30%+詹森指数*10%+卡玛比率20% 关于无风险利率的选取,中债国债的到期收益率通常被认为是无风险的,因为持有此类债权 到期无法兑付的风险极小,故可忽略不计,但为剔除通胀率对中长期国债到期收益率的影响,本 文采用中债国债到期收益率(3个月)作为无风险利率进行分析研究 本次标的基金的筛选范围设定在股票型封闭式公募基金中(剔除ETF指数策略及定增型策 略)成立时间最长的前20只产品,选择股票型基金的主要原因是其在我国公募基金市场中具有 定的代表性,截至业绩评估基准日的万德数据显示:按投资范畴划分,股票型基金数量较多, 总计755只,仅次与混合型基金与债券型基金。而选择封闭式基金以及长周期的主要原因是有别 于开放式基金,封闭式基金份额的稳定性较高,因此能够相对真实、客观地反应出公募基金在相 当长一段统计周期内的表现风格与业绩稳定性。如(表一)所示。 表1、标的基金筛选范围 序号代码 名称 成立日期 投资策 000国联安中证医药100 2013-08-21增强指数型基金 00080F嘉实研究阿尔法 2013-05-08 普通股票型基金 0030大摩品质生活精选 2013-10-29普通股票型基金
风险是否有利于投资者的判断指标。特雷诺指数越大，单位风险溢价越高，开放式基金的绩效越好，基金 管理者在管理的过程中所冒风险有利于投资者获利。相反特雷诺指数越小，单位风险溢价越低，开放式基 金的绩效越差，基金管理者在管理的过程中所冒风险不有利于投资者获利。 （三）、詹森指数 詹森指数被用来确定来自某一证券或投资组合超过理论预期收益的超额收益。上述的证券可以是任何 资产，例如债券，股票或衍生品。理论收益通常由市场模型确定，最常用的是资本资产定价模型。市场模 型利用统计学方法来预计某一资产的恰当的风险调整后收益，例如 CAPM 利用 β 系数进行风险调整。 （四）、卡玛比 卡玛比反映的是风险收益补偿与最大损失之间的关系。其计算方法为，年化收益率除以历史最大回 撤，是每单位最大损失所带来的收益回报。卡玛比越高，反映基金承受单位损失获得的回报水平就越高， 基金的业绩表现就越好。反之，基金的业绩表现越差。 四、FOF 基金筛选的实证研究 本文选取 4 个绝对值指标（收益、风险）：年化收益率、年化波动率、下行风险、累计最大 回撤；以及 4 个相对值指标（比率）：夏普比率、特雷诺比率、詹森指数、卡玛比率来刻画组合 整体的风险暴露情况，并通过在上述指标中选取特定指标进行赋权，对标的范围内的公募基金进 行业绩排名，最后根据排名指数（该指数既涵盖了收益情况，又具备对风险的考量，指数越大， 则基金表现越优异），筛选出符合业绩期望的优质基金。特定指标的加权排名指数算法如下： 排名指数=年化收益率*20%-下行风险*20%+夏普比率*30%+詹森指数*10%+卡玛比率 20% 关于无风险利率的选取，中债国债的到期收益率通常被认为是无风险的，因为持有此类债权 到期无法兑付的风险极小，故可忽略不计，但为剔除通胀率对中长期国债到期收益率的影响，本 文采用中债国债到期收益率（3 个月）作为无风险利率进行分析研究。 本次标的基金的筛选范围设定在股票型封闭式公募基金中（剔除 ETF 指数策略及定增型策 略）成立时间最长的前 20 只产品，选择股票型基金的主要原因是其在我国公募基金市场中具有 一定的代表性，截至业绩评估基准日的万德数据显示：按投资范畴划分，股票型基金数量较多， 总计 755 只，仅次与混合型基金与债券型基金。而选择封闭式基金以及长周期的主要原因是有别 于开放式基金，封闭式基金份额的稳定性较高，因此能够相对真实、客观地反应出公募基金在相 当长一段统计周期内的表现风格与业绩稳定性。如（表一）所示。 表 1、标的基金筛选范围 序号 代码 名称 成立日期 投资策略 1 000059.OF 国联安中证医药 100 2013-08-21 增强指数型基金 2 000082.OF 嘉实研究阿尔法 2013-05-08 普通股票型基金 3 000309.OF 大摩品质生活精选 2013-10-29 普通股票型基金
000311.OF 景顺长城沪深300 2013-10-29增强指数型基金 000368.0F 添富沪深300安中动态策略 2013-11-06增强指数型基金 5678 00409.0F 鹏华环保产业 2014-03-07 普通股票型基金 000411.OF 景顺长城优质成长 2014-01-02 普通股票型基金 000418.OF 景顺长城成长之星 2013-12-13 普通股票型基金 上投摩根核心成长 2014-02-10 普通股票型基金 000471.0 富国城镇发展 2014-01-2 普通股票型基金 000478.0F 建信中证500 2014-01-27 增强指数型基金 00051.0F富国高端制造行业 2014-06-20 130040上投摩根民生需求 2014-03-14 普通股票型基金 000549.0F 华安大国新经济 014-04-14 普通股票型基金 150070安信价值精选 普通股票型基金 景顺长城中小板创业板 普通股票型基金 6789 建信改革红利 201406514普通股票型基金 大摩进取优选 2014-05-29 普通股票型基金 000613.OF 国寿安保沪深300 2014-06-05 被动指数型基金 000656.OF 前海开源沪深300 2014-06-17 被动指数型基金 数据来源:Wind数据库 基于本次标的基金的筛选范围,本文选取沪深300指数作为业绩比较基准。根据(表一)的 基金筛选范围以及wind的基金净值数据,分别测算上述4类绝对值指标与4类相对值指标,并 根据加权排名指数算法,对该20只股票型封闭式公募基金的进行排名,如(表二)所示 表2、基金排名 序号名称 投资策略 排名指数 安信价值精选 普通股票型基金 景顺长城沪深300 强指数型基金 [3上投摩根核心成长 通股票型基金 建信改革红利 普通股票型基金 建信中证500 增强指数型基金 0.360 567 富国城镇发展 普通股票型基金 上投摩根民生需求 普通股票型基金 0.332 嘉实研究阿尔法 普通股票型基金 0.285 国寿安保沪深300 被动指数型基金 0.270 鹏华环保产业 普通股票型基金 0.249 华安大国新经济 普通股票型基金 0.247 大摩品质生活精选 普通股票型基金 13富国高端制造行业 普通股票型基金 大摩进取优选 普通股票型基金 15景顺长城成长之星 普通股票型基金 16汇添富沪深300安中动态策略 增强指数型基金 17前海开源沪深30 被动指数型基金 18景顺长城优质成长 普通股票型基金 0.168 19国联安中证医药100 增强指数型基金 20景顺长城中小板创业板 普通股票型基金 0.144
4 000311.OF 景顺长城沪深 300 2013-10-29 增强指数型基金 5 000368.OF 汇添富沪深 300 安中动态策略 2013-11-06 增强指数型基金 6 000409.OF 鹏华环保产业 2014-03-07 普通股票型基金 7 000411.OF 景顺长城优质成长 2014-01-02 普通股票型基金 8 000418.OF 景顺长城成长之星 2013-12-13 普通股票型基金 9 000457.OF 上投摩根核心成长 2014-02-10 普通股票型基金 10 000471.OF 富国城镇发展 2014-01-28 普通股票型基金 11 000478.OF 建信中证 500 2014-01-27 增强指数型基金 12 000513.OF 富国高端制造行业 2014-06-20 普通股票型基金 13 000524.OF 上投摩根民生需求 2014-03-14 普通股票型基金 14 000549.OF 华安大国新经济 2014-04-14 普通股票型基金 15 000577.OF 安信价值精选 2014-04-21 普通股票型基金 16 000586.OF 景顺长城中小板创业板 2014-04-30 普通股票型基金 17 000592.OF 建信改革红利 2014-05-14 普通股票型基金 18 000594.OF 大摩进取优选 2014-05-29 普通股票型基金 19 000613.OF 国寿安保沪深 300 2014-06-05 被动指数型基金 20 000656.OF 前海开源沪深 300 2014-06-17 被动指数型基金 数据来源：Wind 数据库 基于本次标的基金的筛选范围，本文选取沪深 300 指数作为业绩比较基准。根据（表一）的 基金筛选范围以及 Wind 的基金净值数据，分别测算上述 4 类绝对值指标与 4 类相对值指标，并 根据加权排名指数算法，对该 20 只股票型封闭式公募基金的进行排名，如（表二）所示： 表 2、基金排名 序号 名称 投资策略 排名指数 1 安信价值精选 普通股票型基金 0.593 2 景顺长城沪深 300 增强指数型基金 0.402 3 上投摩根核心成长 普通股票型基金 0.392 4 建信改革红利 普通股票型基金 0.389 5 建信中证 500 增强指数型基金 0.360 6 富国城镇发展 普通股票型基金 0.347 7 上投摩根民生需求 普通股票型基金 0.332 8 嘉实研究阿尔法 普通股票型基金 0.285 9 国寿安保沪深 300 被动指数型基金 0.270 10 鹏华环保产业 普通股票型基金 0.249 11 华安大国新经济 普通股票型基金 0.247 12 大摩品质生活精选 普通股票型基金 0.238 13 富国高端制造行业 普通股票型基金 0.231 14 大摩进取优选 普通股票型基金 0.224 15 景顺长城成长之星 普通股票型基金 0.222 16 汇添富沪深 300 安中动态策略 增强指数型基金 0.190 17 前海开源沪深 300 被动指数型基金 0.183 18 景顺长城优质成长 普通股票型基金 0.168 19 国联安中证医药 100 增强指数型基金 0.164 20 景顺长城中小板创业板 普通股票型基金 0.144
本次公募FOF基金组合,选取(表二)基金排名中的前10只基金,并利用 Markowitz的均 值-方差模型构建最优基金组合。 Markowitz的资产组合理论,是用资产收益率的数学期望度量 预期收益率,用资产收益率的波动率(即标准差)度量风险,并且假设理性投资者仅仅依据风险 资产的预期收益率和波动率进行投资决策。在这个理论中,资产组合的预期收益率等于组合内各 风险资产预期收益率按配置比例加权的平均值。在组合内各风险资产不完全正相关的情况下,组 合的风险小于组合中各风险资产风险的加权均值。为了使得分散化策略的效果最优,要满足均方 效率原则。该模型的核心是想是投资者在构建资产组合的时候,理应选择在指定收益下风险最小 的组合,或者是指定风险下收益最大的组合,本文则是基于指定收益下风险最小的逻辑进行基金 组合的构建 具体过程如下:首先从10只子基金中截选出同一时间周期内的净值序列(即2014年6月 至2017年12月,以下简称该周期为“统计周期”),同时将所有净值标准化后,进行各自日度 收益率序列的计算,以进行策略相关性分析,并获得各个子基金间的相关系数矩阵,如(图一) 所示 总实研究阿 正大摩品质生氵汇添富沪深ε富国城镇发华安大囯新安信价倞大摩进取伽国寿安倸畜囯高端制造行业 0000 0.8870 0.9551 093760.8572 国联安中证医药100 09137 0.9114 0.90820.90 0.8944090280.8018 大摩品质生活精选 088009141000081308860897086970917907802080 汇添富沪深0安中动述0951086050851310000920846209450856096590769 富国城镇发展 087500982086072100980840800751093 091609073089770.84620928310008681091 安信价值精选 095010844086970 9455 08243086811000080309229 .89g9 0.8456 0.9166 0.8703 0.7800 国寿安保沪深300 0.9376 0.8018 0.7802 0.9659 0.7351 0.7831092290.78001.00000.7035 富国高端制造行业 0.8894 0.9343 0.8123 89240.70351.000 图1、子基金间的相关系数矩阵 由于本次入选的10只子基金均为股票策略,故策略相关系数基本均高于0.7,子基金策略 间的线性相关程度相对较高。而在考察完子基金间线性相关关系后,需要考察子基金与业绩基准 间的线性相关程度,如(图二)所示 嘉实硏究国联安中证大摩品质生氵汇添富沪深ε畜国城镇发∫ 0.7935 0.7778 0.9683 0.7292 0.17250.1523 0.203 图2、子基金与业绩基准间的相关系数 可以看出,除了富国高端制造行业与沪深300的线性相关程度一般外,其余相关系数均偏 高。这里额外展示了子基金与wind商品期货指数的相关系数,从数据来看子策略与商品期货相 关程度较低,符合子策略的特性。根据统计周期内的标准化净值可测算出10只子基金的业绩评 价指标如(图三)所示,并结合子基金间的相关系数矩阵,获得子基金间的协方差矩阵,如(图 四)所示
本次公募 FOF 基金组合，选取（表二）基金排名中的前 10 只基金，并利用 Markowitz 的均 值-方差模型构建最优基金组合。Markowitz 的资产组合理论，是用资产收益率的数学期望度量 预期收益率，用资产收益率的波动率（即标准差）度量风险，并且假设理性投资者仅仅依据风险 资产的预期收益率和波动率进行投资决策。在这个理论中，资产组合的预期收益率等于组合内各 风险资产预期收益率按配置比例加权的平均值。在组合内各风险资产不完全正相关的情况下，组 合的风险小于组合中各风险资产风险的加权均值。为了使得分散化策略的效果最优，要满足均方 效率原则。该模型的核心是想是投资者在构建资产组合的时候，理应选择在指定收益下风险最小 的组合，或者是指定风险下收益最大的组合，本文则是基于指定收益下风险最小的逻辑进行基金 组合的构建。 具体过程如下：首先从 10 只子基金中截选出同一时间周期内的净值序列（即 2014 年 6 月 至 2017 年 12 月，以下简称该周期为“统计周期”），同时将所有净值标准化后，进行各自日度 收益率序列的计算，以进行策略相关性分析，并获得各个子基金间的相关系数矩阵，如（图一） 所示。 图 1、子基金间的相关系数矩阵 由于本次入选的 10 只子基金均为股票策略，故策略相关系数基本均高于 0.7，子基金策略 间的线性相关程度相对较高。而在考察完子基金间线性相关关系后，需要考察子基金与业绩基准 间的线性相关程度，如（图二）所示。 图 2、子基金与业绩基准间的相关系数 可以看出，除了富国高端制造行业与沪深 300 的线性相关程度一般外，其余相关系数均偏 高。这里额外展示了子基金与 Wind 商品期货指数的相关系数，从数据来看子策略与商品期货相 关程度较低，符合子策略的特性。根据统计周期内的标准化净值可测算出 10 只子基金的业绩评 价指标如（图三）所示，并结合子基金间的相关系数矩阵，获得子基金间的协方差矩阵，如（图 四）所示
嘉实研究国联安中证大摩品质生汇添富沪深富国堿镇发华安大国新安信价大摩进取国寿安保富国亮端制谐行业 3.32% 5.39% 63%701%4.18%3.91% 化波动 12.63% 13.86% 11 累计最大回撤 下行风险 200 10.51%11.14% 55%1094% 0.129 0.148 0072 0.032 0111 0.089 0084 0.205 0075 0086 0079 贝塔 0.892 0971 0.993 0.857 09650.8920.9 0933 5903%5590%5938%5660%5845%57.52%5903%5891%57.29%5810% 初始权重 100%1000%1000%1000%1000%1000%100%1000% 图3、业绩评价指标 此处假设10只子基金的初始权重为等权配置,即每只配置10%的资金头寸。 嘉实研究国联安中证大摩品质生汇添富沪深:富国城镇发华安大国新安信价值 国寿安保汀富国高端制造行业 嘉实研究阿尔法 0040005000280.000000060009003 0020.0030 国联安中证医药100 0.00025 000031 0.00033 0.00025 000310.000320.00025 0000220.00035 大摩品质生活精选 0.00280.003000200000050.0070.0080.003700040009 匚添富沪深30中动00000050099002800009000050000800000009 0.000260.00031 0.0003s 0.00026 0.000370.000360.000250.0 0000220.0o040 华安大国新经济 0009000000000001008000004002 安信价值精选 0.00023 0.00025 0.00028 0.00025 大摩进取优选 000031 0.00037 000034 0.000390.00024000039 国寿安保沪深300 000002000100000 10.0024004004 富国高端制造行业 0.00030 0.00035 0.00039 0.00040 0000280.00039000040.00050 图4、协方差矩阵 在协方差矩阵的基础上,利用马科维茨的均值-方差理论来建立FOF组合配置模型,而根据 (图三)的业绩指标,本文组合基金的年化要求回报率设定为5.5%,并在添加约束条件为组合 基金方差最小后进行线性规划求出最优权重解,获得10只子基金各自最终的权重配比,如(图 五)所示。 参数输入 结果输出 组合方差 0.000296 初始权重最终权重建议调仓 组合预期收益 5.50%嘉实研究阿尔法 8.76% 1.24% 要求回报率 5.50% 国联安中证医药100 00% 0.02% -9.98% 大靡品质生活精选 1000% 1691%691% 汇添富沪深300安中动楚10 7.20% 280% 富国城镇发展 4.42% 华安大国新经济 1000% 8.90% -1.10% 安信价值精选 26.25% 大摩进取优选 1000% 国寿安保沪深300 10.00% 3.05% -6.95% 富国高端制造行业 883% -1.17% 合计 10000% 图5、子基金权重配比 各子基金的初始权重均为10%,经过模型的建议调仓后,安信价值精选因其相对性价比以及 收益贡献均较高,故在组合基金中的配比最高,占26.25%;而国联安中证医药100因其为增强 指数型策略,整体来看仅获取了较低的相对收益,风险贡献也一般,故本次配比最低,仅占0.02%
图 3、业绩评价指标 此处假设 10 只子基金的初始权重为等权配置，即每只配置 10%的资金头寸。 图 4、协方差矩阵 在协方差矩阵的基础上，利用马科维茨的均值-方差理论来建立 FOF 组合配置模型，而根据 （图三）的业绩指标，本文组合基金的年化要求回报率设定为 5.5%，并在添加约束条件为组合 基金方差最小后进行线性规划求出最优权重解，获得 10 只子基金各自最终的权重配比，如（图 五）所示。 图 5、子基金权重配比 各子基金的初始权重均为 10%，经过模型的建议调仓后，安信价值精选因其相对性价比以及 收益贡献均较高，故在组合基金中的配比最高，占 26.25%；而国联安中证医药 100 因其为增强 指数型策略，整体来看仅获取了较低的相对收益，风险贡献也一般，故本次配比最低，仅占 0.02%
五、基金组合的分析与评价 根据(图五)中各子基金的最终权重,结合前期的标准化净值加权拟合出FOF组合的净值 序列,并进行数据回测以获得组合业绩评价指标如(图六)所示 根据FOF组合的净值走势图(图七),可以看出,本次利用 Markowitz的均值-方差模型所 构建的组合,虽然在整个统计周期内与沪深300走势的线性相关程度偏高,但整体来看,FOF 组合显著跑赢大盘,其年化收益率为26.65%,高于同期沪深300的年化收益率,主动溢价达 4.72%。故可以认为采用上述方式构建的组合基金能够获得较为良好的相对收益 成立至今诉6个月 近两年 组合年化收益 26.65% 15.71% 沪深300年化收益 21.93% 20.52% 20.95% 组合主动溢价 -6.10% -5.25% 1.52% 相关性 0.91 贝塔 年化波动 27,42% 11.70% 11.07% 下行风险 20.71% 7.77% 峰度 2.15 -0.71 1.75 最大回撤 46.89% 23.63%2996%44.53% 夏普比 1.02 卡玛比 索提诺比 1.17 1.40 胜率 58.56% 58.139 56.62% 图6、组合回测数据 1.70 2.0%日收益 组合基金 -6.0% 70 10.0%6 图7、组合净值走势
五、基金组合的分析与评价 根据（图五）中各子基金的最终权重，结合前期的标准化净值加权拟合出 FOF 组合的净值 序列，并进行数据回测以获得组合业绩评价指标如（图六）所示。 根据 FOF 组合的净值走势图（图七），可以看出，本次利用 Markowitz 的均值-方差模型所 构建的组合，虽然在整个统计周期内与沪深 300 走势的线性相关程度偏高，但整体来看，FOF 组合显著跑赢大盘，其年化收益率为 26.65%，高于同期沪深 300 的年化收益率，主动溢价达 4.72%。故可以认为采用上述方式构建的组合基金能够获得较为良好的相对收益。 图 6、组合回测数据 图 7、组合净值走势