1、 量化策略专题报告量化策略专题报告 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 渤海证券股份有限公司具备证券投资咨询业务资格渤海证券股份有限公司具备证券投资咨询业务资格 1 of 36 Huangjin 金金融融工工程程研研究究 证证券券研研究究报报告告 量量化化策策略略专专题题报报告告 证券分析师证券分析师 刘洋 022-23861563 核心观点核心观点：基金评价指标筛选基金评价指标筛选 1）多因子模型是当前市场上最常用的选股模型，模型的构建主要分为四个步骤，即单因子测试、收益预测、风险预测和组合优化。本文借鉴多因子模型中单因子测试的思路，对各基金评价指标的有效性进行
2、测试，以筛选出有效的指标建立模型，从而构建基金投资组合。2）基金评价指标常用于对基金的过往业绩表现情况进行评价，其可分为收益类、风险类和风险收益类三个大类。我们挑选了收益率、波动率等 3 大类 11 个指标。考虑到样本区间长度对指标有效性的影响，我们将各个指标细分为 1 个月、3 个月、6 个月、1 年、2 年、3 年六个不同样本区间长度的子指标，最终构建出包含有 66 个子指标的基金评价指标库。3）IC 值测试方面，我们计算出各个指标的 IC 值序列，通过对 IC 值序列的统计特征进行分析，检验各个指标的有效性。通过 IC 测试，我们共筛选出 Return6、ExcessReturn6 等
3、8 大类 32 个子指标。4）分层测试方面，我们将基金池中的基金按指标值的大小进行排序，平均分为 5 组，按月进行换仓，进而对各基金组合在样本期内的收益表现进行回测。通过对不同组合月收益率均值的单调性特征，以及净值曲线的区分度进行分析，判断各指标的单调性。通过分层测试，我们共筛选出 MaxDrawD36、Sharpe12 等 10 个子指标。5）我们对筛选出的 10 个指标之间的相关性进行了计算，并分别对各个指标在样本期内的业绩表现进行了回测。在此基础上，我们又尝试了对不同指标进行组合，利用复合指标来筛选基金构建投资组合。同单一指标回测结果相比，复合指标能够有效的提升基金组合的业绩表现。通过对
4、各指标的经济意义、不同指标之间的相关系数，以及各复合指标组合的回测结果进行比较和分析，我们最终选择 Sharpe12、Treynor36 和 MaxDrawD36 三个指标构建基金筛选模型。样本外回测及模型优化样本外回测及模型优化 1)我们利用基金筛选模型构建基金组合，并对组合在 2018 年上半年的业绩表现进行回测。受累于市场行情，基金组合在 2018 年上半年的绝对收益为-3.37%。但相较于全部基金等权组合和沪深 300 指数，基金组合均取得了正的超额收益，其超额收益分别为 4.64%和 9.53%。此外，基金组合在波动率和最大回撤方面的表现也明显优于全部基金等权组合和沪深 300 指数
5、。2)在结构性行情的初期，基金筛选模型无法及时的选出与当前市场热点相匹配的基金。为把握市场的结构性行情，我们引入动量组合，以期增强基金组合的收益。优化后的基金组合在 2018 年上半年的绝对收益为-2.97%，较优化前提高了 0.4%，组合的年化波动率也所有下降。分月份来看，动量组合在 1 月和 4 月大幅跑赢优化前的基金组合，但在其余 4 个月份则均跑输组合。动量组合在提升基金组合收益方面的效果存在有较大的不确定性，其有效性还需进一步的观察。风险提示：风险提示：模型失效风险、市场波动风险、市场风格变化风险模型失效风险、市场波动风险、市场风格变化风险。基于多因子模型思想的公募基金筛选模型基于多
6、因子模型思想的公募基金筛选模型 基金筛选模型专题报告之一 分析师：分析师：刘洋 SAC NO：S1150517080001 2018 年 07 月 20 日 场内交易型基金周报场内交易型基金周报 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 2 of 36 目 录 1.多因子模型简介.5 1.1 多因子模型简介.5 1.2 单因子测试介绍.6 2.借鉴单因子测试思路的基金评价指标筛选.7 2.1 基金评价指标库.7 2.2 数据采集与处理.8 2.3 IC 值测试.9 2.4 分层回测.11 2.4.1 Return 指标.12 2.4.2 ExcessReturn 指标.
7、14 2.4.3 MaxDrawD 指标.15 2.4.4 Sharpe 指标.17 2.4.5 Sortino 指标.18 2.4.6 Treynor 指标.20 2.4.7 Jensen 指标.22 2.4.8 IR 指标.23 2.5 相关性测试.25 2.6 单一指标回测与复合指标组合回测.27 3.样本外回测.30 3.1 样本外回测结果.30 3.2 基金筛选模型优化.32 3.3 基金组合推荐.33 4.风险提示.33 场内交易型基金周报场内交易型基金周报 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 3 of 36 图 目 录 图图 1 1：单因子测试流程图
8、：单因子测试流程图 .7 7 图图 2 2：各：各 ReturnReturn 子指标的分组月收益率均值子指标的分组月收益率均值 .1212 图图 3 3：RetReturn6urn6 的分组超额收益曲线的分组超额收益曲线 .1313 图图 4 4：Return12Return12 的分组超额收益曲线的分组超额收益曲线 .1313 图图 5 5：Return24Return24 的分组超额收益曲线的分组超额收益曲线 .1313 图图 6 6：Return36Return36 的分组超额收益曲线的分组超额收益曲线 .1313 图图 7 7：各：各 ExceExcessReturnssReturn
9、子指标的分组月收益率均值子指标的分组月收益率均值 .1414 图图 8 8：ExcessReturn6ExcessReturn6 的分组超额收益曲线的分组超额收益曲线.1414 图图 9 9：ExcessReturn12ExcessReturn12 的分组超额收益曲线的分组超额收益曲线 .1414 图图 1010：ExcessReturn24ExcessReturn24 的分组超额收益曲线的分组超额收益曲线 .1515 图图 1111：ExcessReturn36ExcessReturn36 的分组超额收益曲线的分组超额收益曲线 .1515 图图 1212：各：各 MaxDrawDMaxDra
10、wD 子指标的分组月收益率均值子指标的分组月收益率均值 .1616 图图 1313：MaxDrawD6MaxDrawD6 的分组超额收益曲线的分组超额收益曲线 .1616 图图 1414：MaMaxDrawD12xDrawD12 的分组超额收益曲线的分组超额收益曲线 .1616 图图 1515：MaxDrawD24MaxDrawD24 的分组超额收益曲线的分组超额收益曲线 .1616 图图 1616：MaxDrawD36MaxDrawD36 的分组超额收益曲线的分组超额收益曲线 .1616 图图 1717：各：各 SharpeSharpe 子指标的分组月收益率均值子指标的分组月收益率均值 .1
11、717 图图 1818：Sharpe6Sharpe6 的分组超额收益曲线的分组超额收益曲线 .1818 图图 1919：Sharpe12Sharpe12 的分组超额收益曲线的分组超额收益曲线 .1818 图图 2020：Sharpe24Sharpe24 的分组超额收益曲线的分组超额收益曲线 .1818 图图 2121：ShSharpe36arpe36 的分组超额收益曲线的分组超额收益曲线 .1818 图图 2222：各：各 SortinoSortino 子指标的分组月收益率均值子指标的分组月收益率均值 .1919 图图 2323：Sortino6Sortino6 的分组超额收益曲线的分组超额收
12、益曲线 .1919 图图 2424：Sortino12Sortino12 的分组超额收益曲线的分组超额收益曲线 .1919 图图 2525：Sortino24Sortino24 的分组超额收益曲线的分组超额收益曲线 .1919 图图 2626：Sortino36Sortino36 的分组超额收益曲线的分组超额收益曲线 .1919 图图 2727：各：各 TreynorTreynor 子指标的分组月收益率均值子指标的分组月收益率均值 .2020 图图 2828：Treynor6Treynor6 的分组超额收益曲线的分组超额收益曲线 .2121 图图 2929：Treynor12Treynor12
13、 的分组超额收益曲线的分组超额收益曲线 .2121 图图 3030：Treynor24Treynor24 的分组超额收益曲线的分组超额收益曲线 .2121 图图 3131：Treynor36Treynor36 的分组超额收益曲线的分组超额收益曲线 .2121 图图 3232：各：各 J Jensenensen 子指标的分组月收益率均值子指标的分组月收益率均值 .2222 图图 3333：Jensen6Jensen6 的分组超额收益曲线的分组超额收益曲线 .2222 图图 3434：Jensen12Jensen12 的分组超额收益曲线的分组超额收益曲线 .2222 图图 3535：JeJense
14、n24nsen24 的分组超额收益曲线的分组超额收益曲线 .2323 图图 3636：Jensen36Jensen36 的分组超额收益曲线的分组超额收益曲线 .2323 图图 3737：各：各 IRIR 子指标的分组月收益率均值子指标的分组月收益率均值 .2424 图图 3838：IR6IR6 的分组超额收益曲线的分组超额收益曲线 .2424 图图 3939：IR12IR12 的分组超的分组超额收益曲线额收益曲线 .2424 图图 4040：IR24IR24 的分组超额收益曲线的分组超额收益曲线 .2424 图图 4141：IR36IR36 的分组超额收益曲线的分组超额收益曲线 .2424 场
15、内交易型基金周报场内交易型基金周报 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 4 of 36 图图 4242：单一指标组合：单一指标组合和复合指标组合净值曲线对比（以和复合指标组合净值曲线对比（以 Treynor36Treynor36 为例）为例）.2929 图图 4242：单一指标组合和复合指标组合净值曲线对比（以：单一指标组合和复合指标组合净值曲线对比（以 Treynor36Treynor36 为例）为例）.3030 图图 4343：基金组合样本外回测净值曲线：基金组合样本外回测净值曲线 .3131 图图 4444：基金组合样本外回测超额收益曲线：基金组合样本外回测
16、超额收益曲线 .3131 图图 4545：优化后的：优化后的基金组合样本外回测净值曲线基金组合样本外回测净值曲线 .3333 图图 4646：优化后的基金组合样本外回测超额收益曲线：优化后的基金组合样本外回测超额收益曲线 .3333 表 目 录 表表 1 1：基金评价指标库：基金评价指标库 .7 7 表表 2 2：各评价指标：各评价指标 ICIC 值序列的均值值序列的均值 .9 9 表表 3 3：各评价指标：各评价指标 ICIC 值序值序列的标准差列的标准差 .1010 表表 4 4：各评价指标：各评价指标 ICIC 值值00 概率概率 .1010 表表 5 5：各评价指标的：各评价指标的 I
17、RICIRIC 值值 .1111 表表 6 6：ICIC 值测试所筛选出的指标值测试所筛选出的指标 .1111 表表 5 5：各：各 ReturnReturn 子指标子指标 Group1Group1 的回测结果的回测结果 .1313 表表 6 6：各：各 ExcessReturnExcessReturn 子指标子指标 Group1Group1 的回测结果的回测结果 .1515 表表 7 7：各：各 MaxDrawDMaxDrawD 子指标子指标 Group1Group1 的回测结果的回测结果 .1717 表表 8 8：各：各 SharpeSharpe 子指标子指标 Group1Group1 的
18、回测结果的回测结果 .1818 表表 9 9：各：各 SortinoSortino 子指标子指标 Group1Group1 的回测结果的回测结果 .2020 表表 1010：各：各 TreynorTreynor 子指标子指标 Group1Group1 的回测结果的回测结果 .2121 表表 1111：各：各 JensenJensen 子指标子指标 Group1Group1 的回测结果的回测结果 .2323 表表 1 12 2：各：各 IRIR 子指标子指标 Group1Group1 的回测结果的回测结果 .2525 表表 1313：分层回测所筛选出的指标：分层回测所筛选出的指标 .2525 表
19、表 1414：不同指标之间的相关系数均值：不同指标之间的相关系数均值 .2626 表表 1515：各指标在样本：各指标在样本期内的回测结果期内的回测结果 .2727 表表 1616：单一指标和复合指标回测结果对比：单一指标和复合指标回测结果对比 .2828 表表 1717：不同复合指标回测结果对比：不同复合指标回测结果对比 .2929 表表 1818：基金组合样本外回测结果（：基金组合样本外回测结果（2018.12018.1-2018.62018.6）.3131 表表 1919：优化后的基金组合样本外回测结果（：优化后的基金组合样本外回测结果（2018.12018.1-2018.62018.6
20、）.3232 表表 2020：不同组合各月份的收益率对比：不同组合各月份的收益率对比 .3232 表表 2121：20182018 年年 7 7 月基金组合推荐月基金组合推荐 .3333 场内交易型基金周报场内交易型基金周报 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 5 of 36 基金作为市场上重要的投资工具，其业绩表现的优劣一直受到广大市场投资者的关注。如何评判不同基金的业绩表现，进而挑选出收益稳定、持续盈利的基金，这始终是市场研究的热点。评判基金业绩表现最常用的方法是评价指标法，即根据基金在一段时间内的单位净值数据，计算出其收益率、波动率、最大回撤、Sharpe
21、比率等评价指标数值，通过和同期市场指数或业绩基准的指标数值进行对比，来判断基金业绩表现的优劣。此外，基金评价指标也常用来挑选基金。投资者认为，基金的业绩表现存在一定的持续性，过往表现良好的基金，其在未来仍会实现较高的收益。这一思路具备有一定的可行性，但应选择哪些评价指标来挑选基金，这一问题值得我们进行深入的研究。本文借鉴多因子模型筛选因子的方法，对各基金评价指标的有效性进行测试。基于筛选出的评价指标来建立模型，筛选基金标的构建投资组合。1.多因子模型简介多因子模型简介 1.1 多因子模型简介多因子模型简介 长久以来，人们一直在寻求能够获得稳定收益的投资方法。1964 年，威廉夏普等人提出的资本
22、资产定价模型（CAPM 模型），将资产的预期收益率解释为无风险收益率和市场超额收益率的组合，资产预期收益率的高低取决于其相对于市场风险的暴露程度，即 Beta 系数的大小。我们可以将 CAPM 模型视为仅有市场因子一个因子的单因子模型。而随着投资者对于资本市场研究的不断深入，套利定价模型（APT 模型）和 Fama-French 三因子模型等新的模型不断出现。其中，APT 模型认为，资产的收益率可由多个因素来共同解释，且根据无套利原则，资产的收益率同各个因素之间存在着近似的线性关系，这为多因子模型提供了理论基础。而 Fama-French 三因子模型则用市场因子、市值因子和账面市值比因子 3
23、个因子来对股票的收益率进行解释，其可视为多因子模型的雏形。在此之后，市场投资者不断挖掘出新的因子，多因子模型也不断完善，从而更好地用来解释和预测股票的收益率。多因子模型（MFM 模型）的一般表达式为：=1 1+2 2+3 3+场内交易型基金周报场内交易型基金周报 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 6 of 36 即：=1+其中，为股票 i 的收益率 为股票 i 在因子 j 上的因子暴露 为股票 j 的因子收益率 为股票 i 的残差收益 多因子模型的构建主要分为四个步骤：（1）单因子测试；（2）收益预测；（3）风险预测；（4）组合优化。本文主要借鉴多因子模型的第一
24、个步骤，即单因子测试的思路，来对各基金评价指标的有效性进行测试，以筛选出有效的指标建立模型，从而构建基金投资组合。1.2 单因子测试介绍单因子测试介绍 单因子测试主要分为以下几个步骤：构建因子库、数据采集与处理、因子有效性测试（包括 t 检验、IC 值测试和分层回测）。具体而言，首先挑选出可能会影响股票收益率的因子，构建出因子库，在此基础上采集各因子的时间序列数据。为降低数据质量对测试结果的影响，在进行因子有效性测试之前，需对采集好的数据进行一定的处理，包括去极值、缺失值处理、标准化等。因子有效性测试方面，首先对因子进行横截面回归，计算出因子收益率序列，以及t 检验所得的 t 值序列。在此基础
25、上进行 IC 值测试，通过计算因子收益率序列同股票+1期收益率序列之间的 Spearman 相关系数，求得 IC 值序列。通过对 t 值序列和 IC 值序列的统计特征进行分析，从而对因子的有效性进行判断。而在对因子的有效性进行测试之后，通常还会进行分层回测以检验因子的单调性。具体而言，根据因子值的大小，将不同股票平均分为 N 组，分别对不同组的历史收益进行回测，并计算其年化收益率、年化波动率、Sharpe 比率等评价指标值。如果因子值越高的组合，其历史收益表现越优（或是因子值越低的组合，历史收益表现越优），则说明该因子具备有良好的单调性。场内交易型基金周报场内交易型基金周报 请务必阅读正文之后
26、的免责条款部分请务必阅读正文之后的免责条款部分 7 of 36 图图 1：单因子测试流程图单因子测试流程图 资料来源：渤海证券研究所 2.借鉴单因子测试思路的基金评价指标筛选借鉴单因子测试思路的基金评价指标筛选 2.1 基金评价指标库基金评价指标库 目前，市场投资者主要采用两种方法来对基金的业绩和风格进行评价。其一是基于基金的净值序列数据，通过计算收益率、波动率、Sharpe 比率等评价指标值，来对基金的业绩表现进行评价；其二则是基于基金的管理规模、仓位水平、重仓股票等持仓信息，通过进行一系列的分析，来对基金的风格进行划分。两种方法互有优劣，互为补充。本篇报告主要选择前一种方法所涉及的基金评价
27、指标来构建因子库，而基金持仓信息相关的因子，我们将在之后的报告中进行测试。常用的基金评价指标可分为收益类指标、风险类指标和风险收益类指标三大类。我们从三大类指标中分别挑选出常用的指标，构建基金评价指标库。表表 1：基金评价指标库基金评价指标库 指标类型指标类型 指标名称指标名称 指标代码指标代码 表达式表达式 备注备注 收益类指标 区间收益率 Return 0 1 相对于业绩比较基准的超额收益率 ExcessReturn 为基金所对应的业绩比较基准的收益率 场内交易型基金周报场内交易型基金周报 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 8 of 36 风险类指标 波动率
28、 Std()2/(1)下行波动率 StdDown(min(0,0)2/(1)基金收益率R低于临界收益率0时的波动率 最大回撤 MaxDrawD min(1)(j0 的概率：判断指标的有效性是否具有一致性；（4）IRIC 值：IC 值序列的均值/标准差。在判断指标的有效性时，我们希望指标能够具备以下特征：（1）IC 值均值的绝对值大于 3%（IC 值均值为正，说明该指标和基金未来收益之间存在正相关关系；IC值均值为负，说明该指标和基金未来收益之间存在负相关关系）；（2）IC 值标准差较小；（3）IC 值0 的概率接近 0 或接近 1；（4）IRIC 值较大。如满足以上条件，则认为该指标在预测基金
29、收益上具有一定的有效性。表表 2：各评价指标各评价指标 IC 值值序列的序列的均值均值 1 个月个月 3 个月个月 6 个月个月 12 个月个月 24 个月个月 36 个月个月 Return 7.06%3.98%7.27%8.63%5.48%4.68%ExcessReturn 6.10%3.67%6.84%8.00%5.32%4.81%Std 2.95%-0.51%-1.05%-1.21%-0.48%-0.26%StdDown-1.81%-4.43%-4.60%-3.12%-0.70%-0.19%MaxDrawD 3.99%3.07%6.14%7.50%4.46%3.15%Beta-2.42%
30、-1.86%-0.14%-1.39%-1.56%-1.56%Sharpe 6.47%6.35%9.53%9.84%6.49%5.53%Sortino 6.36%7.51%10.05%9.78%6.38%5.43%Treynor 6.25%7.21%10.39%10.27%6.38%5.29%Jensen 6.89%7.91%10.05%9.95%6.21%5.30%IR 5.18%5.24%8.78%9.76%6.40%5.39%资料来源：Wind，渤海证券研究所 通过对比不同指标的 IC 值序列均值，我们可以发现，收益类指标和风险收益类指标均表现出了较强的有效性，其中 Treynor 的有效
31、性尤为突出，而风险类指标中只 场内交易型基金周报场内交易型基金周报 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 10 of 36 有 MaxDrawD 表现出了一定的有效性，Std、StdDrawD 和 Beta 3 个指标未能通过测试。表表 3：各评价指标各评价指标 IC 值序列的标准差值序列的标准差 1 个月个月 3 个月个月 6 个月个月 12 个月个月 24 个月个月 36 个月个月 Return 0.2991 0.2942 0.2276 0.2260 0.1671 0.1331 ExcessReturn 0.2778 0.2594 0.2071 0.2119 0
32、.1607 0.1282 Std 0.2987 0.3332 0.3353 0.3203 0.2950 0.2826 StdDown 0.3011 0.3178 0.3248 0.3059 0.2834 0.2764 MaxDrawD 0.2852 0.2972 0.2914 0.2659 0.2407 0.2272 Beta 0.2915 0.3059 0.3076 0.2709 0.2329 0.2129 Sharpe 0.2629 0.2280 0.2071 0.2070 0.1631 0.1428 Sortino 0.2490 0.2265 0.2113 0.2082 0.1636 0
33、.1458 Treynor 0.2416 0.2504 0.2300 0.2220 0.1773 0.1381 Jensen 0.2830 0.2714 0.2246 0.2206 0.1718 0.1301 IR 0.1916 0.1828 0.1552 0.1555 0.1243 0.1099 资料来源：Wind，渤海证券研究所 而通过对不同指标的 IC 值序列标准差进行分析，我们可以发现，随着样本区间长度的增加，各指标的 IC 值标准差逐渐减小。这说明，对同一指标而言，计算指标值所选用的样本区间越长，其有效性越稳定。表表 4：各评价指标各评价指标 IC 值值0 概率概率 1 个月个月 3
34、 个月个月 6 个月个月 12 个月个月 24 个月个月 36 个月个月 Return 65.00%58.33%65.00%66.67%63.33%65.00%ExcessReturn 66.67%56.67%70.00%65.00%63.33%63.33%Std 53.33%56.67%50.00%50.00%51.67%53.33%StdDown 45.00%43.33%45.00%48.33%53.33%51.67%MaxDrawD 51.67%56.67%65.00%66.67%56.67%55.00%Beta 50.00%51.67%55.00%53.33%50.00%46.67%S
35、harpe 61.67%60.00%66.67%75.00%66.67%63.33%Sortino 63.33%63.33%68.33%73.33%61.67%63.33%Treynor 60.00%61.67%73.33%70.00%68.33%70.00%Jensen 63.33%65.00%70.00%71.67%68.33%68.33%IR 66.67%63.33%75.00%71.67%70.00%66.67%资料来源：Wind，渤海证券研究所 IC 值0 概率方面，不考虑 Std、StdDrawD 和 Beta 3 个指标未能通过有效性测试的指标，其余指标 IC 值0 的概率普遍高
36、于 60%。此外，对同一指标而言，长样本区间条件下 IC 值0 的概率高于短样本区间条件下的概率。当样本区间长度在 6 个月以上时，各指标 IC 值0 的概率均高于 65%，Sharpe、Treynor 等风险收益指标 场内交易型基金周报场内交易型基金周报 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 11 of 36 的概率甚至超过了 70%。这说明，在长样本区间条件下，各指标的有效性具有较强的一致性。表表 5：各评价指标的各评价指标的 IRIC 值值 1 个月个月 3 个月个月 6 个月个月 12 个月个月 24 个月个月 36 个月个月 Return 0.2361 0
37、.1354 0.3193 0.3820 0.3278 0.3520 ExcessReturn 0.2198 0.1413 0.3300 0.3777 0.3308 0.3755 Std 0.0987-0.0154-0.0312-0.0377-0.0163-0.0093 StdDown-0.0600-0.1392-0.1415-0.1019-0.0248-0.0068 MaxDrawD 0.1400 0.1031 0.2108 0.2819 0.1853 0.1388 Beta-0.0829-0.0607-0.0046-0.0512-0.0669-0.0733 Sharpe 0.2461 0.2
38、786 0.4603 0.4755 0.3980 0.3875 Sortino 0.2554 0.3315 0.4756 0.4699 0.3896 0.3722 Treynor 0.2585 0.2878 0.4519 0.4626 0.3601 0.3828 Jensen 0.2434 0.2915 0.4473 0.4510 0.3614 0.4072 IR 0.2706 0.2864 0.5661 0.6278 0.5144 0.4899 资料来源：Wind，渤海证券研究所 IRIC 值方面，对同一指标而言，长样本区间条件下指标的 IRIC 值高于短样本区间条件下的 IRIC 值。当样
39、本区间长度在 6 个月以上时，各指标的 IRIC 值普遍高于0.3。这说明，对同一指标而言，其在长样本区间条件下有效性更为明显。综合以上分析，我们初步筛选出以下几个指标。接下来，我们将对筛选出的指标进行分层回测，以对其单调性进行检验。表表 6：IC 值测试所筛选出的指标值测试所筛选出的指标 指标类型指标类型 指标名称指标名称 指标代码指标代码 样本区间长度样本区间长度 收益类指标 区间收益率 Return 6 个月、12 个月、24 个月、36 个月 相对于业绩比较基准的超额收益率 ExcessReturn 6 个月、12 个月、24 个月、36 个月 风险类指标 最大回撤 MaxDrawD
40、6 个月、12 个月、24 个月、36 个月 风险收益类指标 Sharpe 比率 Sharpe 6 个月、12 个月、24 个月、36 个月 Sortino 比率 Sortino 6 个月、12 个月、24 个月、36 个月 Treynor 比率 Treynor 6 个月、12 个月、24 个月、36 个月 Jensen 系数 Jensen 6 个月、12 个月、24 个月、36 个月 信息比率 IR 6 个月、12 个月、24 个月、36 个月 资料来源：Wind，渤海证券研究所 2.4 分层回测分层回测 我们将基金池中的基金按指标值的大小进行排序，平均分为 5 组，按月进行换仓。场内交易型
41、基金周报场内交易型基金周报 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 12 of 36 对各个基金组合在样本期（2013 年 1 月-2017 年 12 月）内的收益表现进行回测，同时计算各组合在样本期内各月收益率的均值。如果不同组合的月收益率均值能够呈现出明显的单调性，即指标值越高的组合，月收益率均值越高（或是指标值越低的组合，月收益率均值越高），我们就认为该指标具备有良好的单调性。此外，我们还可以观察不同组合净值曲线的区分度，来对指标的单调性进行进一步的判断。接下来，我们对各指标的单调性进行逐一判断。2.4.1 Return 指标指标 通过对不同样本区间长度的 Re
42、turn 指标的分组月收益率均值进行观察，我们可以发现，各 Return 子指标均呈现出了较好的单调性，其中 Return12 和 Return24 两个子指标的单调性最为明显。图图 2：各各 Return 子子指标的分组月收益率均值指标的分组月收益率均值 资料来源：Wind 资讯，渤海证券研究所 接下来，我们对不同组合的净值曲线情况进行比较。为便于观察，我们将全部基金等权组合设为基准，分别计算不同组合相对于基准的超额收益曲线。通过观察不同组合超额收益曲线的区分程度，来对指标的单调性进行进一步的判断。在 2015 年股灾之前，不同样本区间长度的 Return 指标，其指标值最高的组合（即Gro
43、up1）均明显得跑赢其他几个组合。但就不同超额收益曲线之间的区分程度而言，除 Return12 外，其余几个子指标的区分程度均不够明显。而在股灾之后，各个指标均出现了不同超额收益曲线相互纠缠的情况，因此我们认为各 Return 子指标均不具备明显的单调性。场内交易型基金周报场内交易型基金周报 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 13 of 36 图图 3：Return6 的分组超额收益曲线的分组超额收益曲线 图图 4：Return12 的分组超额收益曲线的分组超额收益曲线 资料来源：Wind 资讯，渤海证券研究所 资料来源：Wind 资讯，渤海证券研究所 图图 5
44、：Return24 的分组超额收益曲线的分组超额收益曲线 图图 6：Return36 的分组超额收益曲线的分组超额收益曲线 资料来源：Wind 资讯，渤海证券研究所 资料来源：Wind 资讯，渤海证券研究所 最后，我们对不同样本区间长度的 Return 指标的回测结果进行分析。通过比较各Return 子指标 Group1（即指标值最高的组合）的回测结果，我们可以发现，除月平均换手率外，不同子指标在其他方面的表现相差不大，Return12 的收益表现略优于其他几个子指标。但值得注意的是，短样本区间子指标的月平均换手率明显高于长样本区间子指标，因此在考虑交易成本的情况下，短样本区间子指标的回测结果
45、或将劣于长样本区间子指标。表表 5：各各 Return 子指标子指标 Group1 的的回测结果回测结果 Return6 Return12 Return24 Return36 区间收益率 109.82%112.63%108.42%106.18%年化收益率 15.98%16.29%15.82%15.57%年化波动率 24.14%24.22%23.73%24.19%最大回撤-49.43%-50.00%-47.91%-48.46%Sharpe 比率 0.6212 0.6317 0.6222 0.6059 相对于市场指数的胜率 59.53%59.92%57.98%59.53%月平均换手率 29.33%
46、21.35%15.45%11.67%资料来源：Wind，渤海证券研究所 场内交易型基金周报场内交易型基金周报 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 14 of 36 2.4.2 ExcessReturn 指标指标 单调性方面，各 ExcessReturn 子指标中仅有 ExcessReturn12 的分组月收益率均值呈现出明显的单调性特征。图图 7：各：各 ExcessReturn 子指标的分组月收益率均值子指标的分组月收益率均值 资料来源：Wind 资讯，渤海证券研究所 不同组合超额收益曲线的区分程度方面，各 ExcessReturn 子指标超额收益曲线的区分程度
47、均不够明显。图图 8：ExcessReturn6 的分组超额收益曲线的分组超额收益曲线 图图 9：ExcessReturn12 的分组超额收益曲线的分组超额收益曲线 资料来源：Wind 资讯，渤海证券研究所 资料来源：Wind 资讯，渤海证券研究所 场内交易型基金周报场内交易型基金周报 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 15 of 36 图图 10：ExcessReturn24 的分组超额收益曲线的分组超额收益曲线 图图 11：ExcessReturn36 的分组超额收益曲线的分组超额收益曲线 资料来源：Wind 资讯，渤海证券研究所 资料来源：Wind 资讯，
48、渤海证券研究所 回测结果方面，ExcessReturn12 的年化收益率和 Sharpe 比率明显高于其他几个子指标，其年化波动率同样表现良好。但 ExcessReturn12 的月平均换手率相对较高，若在回测时加入交易成本，其收益率势必会出现下滑。表表 6：各各 ExcessReturn 子指标子指标 Group1 的回测结果的回测结果 ExcessReturn6 ExcessReturn12 ExcessReturn24 ExcessReturn36 区间收益率 104.45%119.32%106.44%108.50%年化收益率 15.38%17.01%15.60%15.83%年化波动率
49、23.93%23.35%23.47%23.87%最大回撤-49.34%-47.67%-47.06%-47.23%Sharpe 比率 0.6026 0.6725 0.6179 0.6201 相对于市场指数的胜率 58.75%57.98%58.75%58.75%月平均换手率 29.09%20.72%15.58%12.00%资料来源：Wind，渤海证券研究所 2.4.3 MaxDrawD 指标指标 单调性方面，各 MaxDrawD 子指标的分组月收益率均值均呈现出较为明显的单调性特征。场内交易型基金周报场内交易型基金周报 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 16 of
50、36 图图 12：各：各 MaxDrawD 子指标的分组月收益率均值子指标的分组月收益率均值 资料来源：Wind 资讯，渤海证券研究所 不同组合超额收益曲线的区分程度方面，不同于 Return 指标，在 2015 年股灾之前，各 MaxDrawD 子指标超额收益曲线的区分程度均不够明显。但在股灾之后，不同超额收取曲线走势开始出现分化，其中 MaxDrawD12 的区分度表现最佳，MaxDrawD36 的区分度表现也相对较好。图图 13：MaxDrawD6 的分组超额收益曲线的分组超额收益曲线 图图 14：MaxDrawD12 的分组超额收益曲线的分组超额收益曲线 资料来源：Wind 资讯，渤海
