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。
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。
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。
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