量化学习资源分享（十一）：FOF量化专题

这一两年，二级市场开始呈现出一种万物皆可多因子的态势，基金、行业、债券、转债，能想到的品种，都开始往上套，毕竟股票上想再做创新很难，但换个品种复制一遍，相对容易。

这次整理了一些基金或者说FOF量化相关的研报，后台回复“FOF报告”获取报告合集。

相比股票多因子框架，基金的多因子要复杂一点，基金的底层资产是股票，但每季度只披露前10大重仓股，半年公布全部持仓，持仓信息不完整且滞后，而且基金经理很可能会随着市场风格变化来调仓，会有风格漂移。

但办法总比困难多，虽然复杂，大家总是想到了一些方法来解决或者说缓解上面的这些问题。，本文的报告内容整体分成三块，从最底层的基金仓位估计、到选基因子开发、再到最后的基金组合优化框架构建。

基金仓位估计

首先为什么要做基金仓位估计，在股票的组合优化框架里，可以直接根据组合持股来得到组合在行业、风格上暴露，加以约束。如果要约束基金的风格、行业暴露，逻辑上也是应该从基金持股来计算，得到基金的风格、行业暴露，再加以约束。

但考虑到前面说的问题，基金只能拿到季度的重仓和半年度的全部持仓，还是滞后的。很可能市场一变化，基金经理调了仓，用之前持仓算出来的比例就有偏了。但大部分基金的净值是每日都公布的，因此可以净值来估计基金的仓位，虽然也有误差，但肯定比什么都不做要好。

报告主要是下面几篇，不细展开了，供参考。

选基因子开发

和选股因子一样，也需要做一些基金的因子出来，来挑选更好的基金。从目前的研报来看，选基因子主要来源有基金自身信息和基金持股两类。但也有人认为，如果考虑基金调仓，用持股算会有风险。

组合优化

这块和股票基本上一样了，怎么搭风险模型，怎么做优化器。

最后还有一个问题，如果用多因子的方式来做选基，能做到什么水平？这里给出其中两份研报的结论，供参考。

东方：控制各种风险暴露的情况下，年化收益18%，相对中证800年化超额收益8%左右

国信：控制各种风险暴露情况下，年化收益22%，相对基金中位数超额8%左右