基金评价的基础在于基金分类。股票型基金中的普通股票型以及混合型基金中的偏股混合型、平衡混合型、灵活配置型均以主动管理为主，且均保持了较高的股票仓位。本篇报告以上述几类基金作为对象进行分析。

主动偏股型基金的评价体系分为定量与定性两部分。定量指标体系分为评分类指标与标签类指标，以评分类指标进行基金优选，以标签类指标对优选的基金经理进行标签化。定性分析可以提升对基金经理评估的准确性，也是检验基金经理是否言行一致的重要手段。

配置偏好与行为特征是对基金实际披露数据的整理，以对基金经理的大类配置、市值配置、行业配置偏好给出准确详实的刻画。此外，我们评估了基金的投资交易行为，主要用换手率、持股与行业集中度等指标衡量。

基于净值的绩效归因主要分为择时选股能力归因和基金风格归因。选股择时能力分析通过将基金收益率与市场基准相比较，将其归因于择时和选股两部分，我们主要对T-M模型和H-M模型进行了实现。基金风格归因通过设立一系列的风格基准指数，利用多元线性回归方法、以最小化残差平方和为目标，得到基金在各资产风格上的近似比例。此外，我们还对基金的风格稳定性进行了判断，并对基金的选股能力与风格配置能力进行了分解。

基于持仓的绩效归因主要分为Barra风格归因模型及Brinson模型。我们参考Barra CNE5模型的10个风格因子，根据基金披露的全部持仓，进行Barra风格因子的归因。Brinson认为基准和组合在每支资产上的回报率不同代表了组合在其上的选股能力，而基准和组合在所有资产上的权重不同代表了组合对基准的配置择时。我们对基金进行了单期Brinson归因的实现。

一、主动偏股型基金界定

基金分类是基金评价的基础，只有将具有相同风险收益特征的基金进行比较，才能保证评价的有效性。自2014年8月8日起施行的《公开募集证券投资基金运作管理办法》对基金分类有明确的规定。

在此一级分类基础上，我们参考Wind的二级分类标准，并基于基金的投资目标、投资范围、实际操作等，对Wind的部分分类进行修正。

本篇报告我们主要注重偏向主动权益投资的基金研究。在当前的基金分类体系下，股票型基金中的普通股票型以及混合型基金中的偏股混合型基金都以主动管理为主，且均保证了较高的股票仓位；平衡混合型基金和灵活配置型基金虽然无明确的股票投资比例要求，但从历史经验而言，多数时期股票资产仍占主要仓位，因此我们将这四类界定为“主动偏股型”基金，后文均以该类别基金作为对象进行分析。

我们整理了上述四类基金的历史仓位情况，发现普通股票型、偏股混合型、平衡混合型的历史股票仓位中位数基本均保持在60%以上，灵活配置型基金在股灾期间仓位降低明显，之后又呈提升趋势，目前股票仓位超过70%。

二、主动偏股型基金评价体系介绍

我们对主动偏股型基金的评价体系分为定性评价与定量评价两部分，具体如下图所示：

2.1 定量评价体系

定量分析是基于基金的历史数据进行的量化分析，一方面可以快速定位海量数据中的价值点，给信息降维；另一方面也可以对基金的行为特征、风格偏好、投资能力等进行深度刻画，是定性分析的基础。

我们将定量评价指标体系分为评分类指标与标签类指标，以评分类指标进行基金优选，以标签类指标对优选的基金经理进行标签化，以便于后续的定性调研与持续观察。

评分类指标：基金的过往表现一定程度上可以预测未来业绩。其中，过往表现的衡量主要由四大类指标构成：业绩类指标、风险类指标、风险调整收益类指标以及业绩稳定性指标。此外，我们认为风险偏好是决定基金未来一定时期内表现的重要因素。风险偏好过高的基金经理，可能会在一定时间内取得优异的业绩，但长期来看风险较大，业绩难以持续。因此，我们针对风险类指标设置一定的准入门槛。

从指标体系筛选机建立流程而言，我们首先根据不同的过往区间长度构造单一评价指标；对各指标进行单指标测试，找到对于预测未来业绩有效的指标。基于单指标的测试结果以及筛选逻辑，我们构建综合评分指标。

标签类指标：标签类指标是对基金的过往表现的标签化，评估基金经理的配置偏好、行为特征、主要超额收益来源等，主要包括配置行为特征及绩效分析。与评分指标不同，对标签类指标不进行量化打分、甚至部分标签并无优劣之分，但是可以详尽刻画基金经理的投资理念、投资策略、操作思路等，便于进行基金经理的深度了解。整体定量评价体系框架如表2所示：

2.2 定性评价体系

定性分析可以提升对基金经理评估的准确性：定量分析能够帮助快速进行批量数据的客观分析，但是受制于可得数据有限、模型拟合准确性问题，以及历史业绩与未来业绩之间的非确定性关系，需要通过对投资经理的调研和定性分析进一步确认数据分析结果，使评估更加全面准确。

定性分析是检验基金经理是否言行一致的重要手段：通过前述定量分析与定性调研，可以对投资经理进行言行一致性的考察，判断投资经理的投资理念、投资策略、投资能力、风格偏好、风险控制等与定量分析结果是否一致。对于存在较明显言行不一致情况的投资经理，后续将慎重评估及推荐。

兴业证券公募基金定性评价体系主要包括对基金管理人、基金经理及基金产品的定性评估，主要考察维度主要包括以下方面：

三、配置行为特征

配置偏好与行为特征是根据基金定期报告实际披露数据的整理，是对客观数据的研究分析，可最为准确的体现基金经理的操作思路。

3.1 配置偏好

基金经理由于成长经历、投资理念等不同，在基金配置上会有不同的偏好，比如部分基金经理由宏观研究成长而来，可能在大类配置上较为主动或擅长；部分基金经理由行业研究员成长而来，则可能对某些行业具有长期持续的偏好；某些基金经理坚守价值投资、偏好核心资产，则可能对于重仓股票的市值有一定的要求。

我们根据基金实际披露的数据，分析基金的配置情况，以对基金经理在大类配置、市值配置、行业配置等方面的偏好给出准确详实的数据刻画。

3.1.1 大类配置

首先，大类资产配置体现了基金对大类择时的主动程度，可分为持续较低仓位、持续较高仓位、根据市场情况择时等几类。

以我们于2018年下半年调研过的某基金经理所管理的基金A为案例进行分析。基金A为偏股混合型基金，合同约定的股票资产配置比例为60-95%，但基金经理任职以来，基本均保持了80%以上的仓位，尤其是2018年以来各季度的仓位水平均在90%以上，体现了基金经理持续高仓位运作、不择时的特点。

3.1.2 市值配置

其次，不同基金经理对股票市值有不同的偏好。部分基金经理喜欢大市值蓝筹股，部分喜欢小市值高弹性股票，部分基金经理根据市场风格进行切换。

以基金A为例，其持股市值根据市场情况有所切换。2016年中之前，以小市值股票为主，2016年之后，逐渐增加了大市值股票的比例，截止到2019年6月最新报告期，重仓股中90%为大市值股票。

3.1.3 行业配置

最后，基金经理对行业有不同的偏好，可以通过基金年报/半年报披露的全部持股整理而来。一方面，我们关注基金经理的绝对行业配置比例，绝对配置比例关系到基金实际收益的来源；另一方面，我们关注基金经理相对业绩基准的行业超额配置比例，相对超配比例更能体现基金经理对行业的偏好程度。

以基金A为例，近3年来在食品饮料、农林牧渔、家电、轻工制造和医药行业的配比均较多，2018年底的持仓中仅配置了这5大行业，说明基金经理积极看好大消费板块。

3.2 行为特征

3.2.1 换手率

我们将基金换手率定义为基金区间买入卖出股票的平均金额与区间股票投资市值平均值的比值。

其中，Buy volume为基金披露的报告期买入股票总成本，Sell volume为报告期卖出股票总收入，Average stock value为报告期平均股票投资市值。我们对每期计算出的换手率进行年化后，得到基金各报告期的年化换手率。

由于投资理念和交易模式的不同，不同基金经理管理的产品往往会表现出不同的换手率，换手率的高低反映了基金在报告期内买卖股票操作的频繁程度：换手率低，说明基金的投资风格相对稳健，偏好通过买入持有的策略实现收益；换手率高，则说明基金的投资风格更加主动，积极进行股票的研究选择，也可能通过波段操作来增加基金的收益。

当然，基金换手率除了基金经理本身风格影响之外，还受基金规模、大比例分红、市场环境改变、主题热点轮动等等原因。比如对于规模较大的基金，基金经理客观上难以频繁调整组合，而更倾向于稳定持有，因此换手率水平较低。而小规模的基金更便于基金经理调仓换股，因此换手率水平一般都比较高。因此，换手率应结合上述变量共同分析。

以基金A为例，自基金经理任职以来，换手率水平持续大幅低于行业平均值，2018年全年行业主动偏股型基换手率中位数3.51，而基金A的2018年全年换手率仅0.43，说明基金经理以长期持有为主，较少换仓，基本不进行波段交易。此外，基金规模近年来基本保持20亿以上，较低的换手率可能与基金规模较大有关。

3.2.2 持股只数与集中度

基金的持股集中度是指基金前十大重仓股市值占其股票投资市值的比例。一般而言，持股集中度较高的基金投资范围较为集中，如果基金经理选股决策正确，则基金容易获取较高的收益，但如果基金经理选股决策失误，过于集中的持仓将导致基金下跌幅度更大，承担更大的风险；而持股集中度较低的基金持股较分散，避免过度暴露于单一风险，但需要覆盖的标的更多、同时基金的进攻性可能相对偏弱。

基金的持股只数是指各报告期基金披露的全部持股只数。与持股集中度的分析类似，全部持股只数多，基金风险相对分散，但基金经理需要研究覆盖的股票只数较多；持股只数少，基金经理可更加集中精力进行覆盖，但一旦选择错误则基金风险也更集中。

持股集中度与持股只数的选择并无优劣之分，但不同基金经理对持股只数和重仓股集中度的选择一定程度上体现了基金经理的投资理念差异。

以基金A为例，基金经理持股非常集中，2017年以来前10大重仓股占股票市值的比重在75%以上；持股只数少，2018年年底全部持股只数仅18只、剔除新股后的全部持股只数仅15只。可见，基金经理采取个股优选的策略，集中精力覆盖精选标的。

3.2.3 行业集中度

基金的行业集中度是指基金前N大持仓行业市值占其股票投资市值的比例。该指标的重要性在于，有的基金经理可能持股相对分散，但多只重仓股属于同一行业，同样会产生较高的行业暴露以基金A为例，与持股集中度类似，基金的行业集中度也极高，而且行业集中度自2016年以来呈不断提升态势，2018年末其前3大行业占比已达到81%、前4大行业占比达到92%。较高的行业集中度可以最大程度的分享优势行业带来的超额收益，但同时也有较高的单个行业风险暴露，主要取决于基金经理的行业选择能力。

四、绩效归因体系

目前，绩效归因分析主要是两大类方法，比较常用的基于收益率的时间序列回归法（Returns-based approach，以下简称RBA）。RBA主要是考察投资组合的收益率序列相对于一系列风格指数收益率序列的表现，本质上是时间序列的多元线性回归。RBA存在一个隐含假设，即投资组合相对一系列风格指数的暴露程度（回归系数），在一段时间内是保持不变的。只有在这个假设的前提下，我们才可以用时间序列进行回归。

还有一类方法是基于持仓数据的绩效归因（Holdings-based approach，以下简称HBA）。HBA关注的是投资组合在不同时点上的实际持仓情况，根据具体的持仓信息对基金的收益进行归因与分解。

4.1 基于净值的绩效归因

基于净值的绩效归因主要分为择时选股能力归因和基金风格归因。

4.1.1 择时选股能力归因

选股与择时能力分析通常用来分析基金投资能力，通过将基金收益率与市场基准相比较，可以将基金的收益归因于择时和选股两部分。较为传统的两种归因模型为T-M模型和H-M模型。

以基金A为例进行分析，自基金经理任职至今，整体具有显著的选股能力，其中2017年、2019年选股表现突出。但由于基金经理不做择时，因此整体没有择时能力。

4.1.2 基金风格归因

RBA 早期以Sharpe模型为代表。Sharpe于1992年结合资产因子模型（Asset class factor model），提出收益率分析法，其主要思路是设立一系列的风格基准指数，利用多元线性回归方法、以最小化残差平方和为目标，通过样本基金对风格指数的回归，得到基金在各资产风格上的近似比例。

其中，