如何探寻公募基金的真实基准？

以下构造一个方法来尝试为主动权益基金构造更准确的基准。

基金池依然和之前一样，为剔除了行 业主题基金的主动权益基金。 将公募基金的基准向量化可以代理基准的相似性，即公募基金的基准通常为权重 1*指数 1+权重 2*指数 2 的形式存在，我们对 3000 余只基金的基准设定转为向量形式，然后计算基金基准构成之间的相似度，我们将 完全相同（即相似度为 1）的基准构成作为一类，在后续的计算中，这些构成相同的基金基准我们看作同一个 基准。

我们首先将基金和其基准指数进行回归，如果回归 R²在 80%以上，我们将这部分基金的基准依旧按照原 基准进行表示，不过在前文中我们可以看到这部分基金数量占比实际上较少，仅为 30%不到。使用公约基准后 可以达到 40%左右；如果回归 R²在 80%以下，我们进入第二步。 第二步，我们计算基金和其他主动权益基金基准的相似度，使用相似度最高的基金基准回归，如果回归 R ²超过 80%，我们将这部分基金的基准按照相似度最高的其他基金基准进行表示，如果回归 R²在 80%以下，我 们进入第三步。 第三步，我们构造了包含所有被动指数基金和主动权益基金使用的权益指数池，我们将权益指数池分为港 股指数和 A 股指数，当基金基准指数构成中不包含港股指数时，使用逐步回归方法从候选基准中选择最多 3 个 A 股基准，按照基金收益率和权益指数池中指数收益的相似度从高到低进行排序，从指数池中选取基准进行回 归，并检查该基准加入当前模型后是否显著（p 值小于阈值），如果显著，则将其加入到已选择的基准中，并 从候选基准中移除。然后继续向模型中加入指数，最终权益指数不超过 3 只。

我们将逐步回归算出的权益指数 组合再添加一只债券收益指数（CBA00203.CS，中债综合全价），使用这个指数簇和基金收益进行带约束的回归， 要求各个指数的暴露大于等于 0，同时相加等于 1。最终求解出的模拟基准，我们将权益类暴露系数向下取整 到 5%的倍数，剩余的暴露留给债券，这样做是为了将我们模拟出的基准形式和基金真实常用的基准形式更相 似。此时我们再使用最后调整的基准指数和基金进行回归，得到 R²。 如果基金的基准构成中包含港股指数，则我们采用：A 股指数-港股指数-A 股指数的顺序向备选池中依次 添加指数，其他步骤和上述并无不同。 当然，就算是第三步也依然会存在 R²不超过 80%的情形，这种情况下我们计为无法找到最合适的基准， 会使用之前使用的三个方法排序，选取回归 R²最高的方法作为基准设定。 我们使用截止 2025Q1 的数据，对 3004 只主动权益基金的基准进行了寻优，其中 762 只基金和原基准的 回归 R²超过 80%，1305 只基金使用其他主动权益基金的基准指数回归可以获得超过 80%的 R²，937 只基金使 用拟合基准回归能够获得更高的 R²，其中 469 只的回归 R²超过 80%。

从使用其他基金基准填补的基金来看，1305 只基金共使用了 232 个基金基准（在之前的工作中我们将基 金基准进行了降维，相同的基金基准看作同一类）。

使用率最高的前十个基准中，中证高端制造指数、申万制造指数、中证 800 和中证 A500 的使用率较高。

这种基准寻优的过程更偏向于用仓位测算的思路来寻找基金的基准组合，在过去的市场中能更真实地反映 基金的基准变动（相比于公开修改基准）。我们使用总变差距离来研究基金历史上最基准变化的过程：对于每 只基金，获取其在前一个日期和当前日期的权重（如果某个日期中没有该代码，则权重为 0），计算两个权重 的差的绝对值并进行累加得到总变差距离，最后将总变差距离除以 2，得到归一化后的变化程度，范围在 0 到 1 之间，即：如果基金在两期最优基准组合没有发生变化，则该值为 0，否则为 1。 从历史平均来看，主动权益基金整体变动基准的倾向从 2017 年到 2019 年逐年下滑，2019-2021 年再次上 涨，之后维持在较高水平，近年来基金变动基准的倾向处于较低回暖的水平。

有一种观点是，基金脱离基准越严重，市场的活跃度越高，但我们将基金整体基准变动均值和 A 股市场成 交量对比可以看到两者之间并没有明显的关系，市场成交量的上升并不依赖于基金更改基准交易。 什么样的基金更倾向于更改基金基准？我们使用面板回归进行检验，因变量为基金基准变动程度，自变量 包括：新增基金经理（当季度新增基金经理为 1，否则为 0）、对数规模、在管经理最长管理年、任职最久基金 经理离任（1 为离任，0 为未发生），过去一年的收益率，同时加入经理新增和离任提前一季，提前一年和滞后 一季和滞后一年的变量。

从回归结果来看，基本符合我们的直觉，新增经理刚上任不会显著提升基金改变基准的倾向，新增经理一 个季度或一年后，基金都有更改基准的倾向。 而任职最久的基金经理离任带来的影响同样也很大，通常任职最久的基金经理离任一个季度后会带来基金 更改基准，任职最久的基金经理离任一年后，基金改变基准的倾向便会迅速降低。经理新增和经理离任前，基 金的基准通常不会发生很大的改变。 基金的规模越大，改变基准的倾向就越低，因为此时交易成本带来的损耗也会更大；基金管理结构越稳定， 在管经理管理年越长，基金改变基准的倾向也越低。过去 1 年收益较差的基金或许有业绩上的压力，因此调整 基准的倾向也更强。 对基金的定性分析来说，在进行基金入池出池筛选时，以上因素或许能提供更多参考。

回到基准寻优的结果，通过基准寻优后基金和基准的回归 R²分布相较于之前有了较大提升，从历史热力 图上看，分布整体向右偏移。

基金和基准回归的 R²在全时段的分布超过 80%的比例显著提升，80%以上占比从自身基准回归的 30%提升 到超过 80%。

从因子的 RankIC 上来看，基准寻优的 RankIC 平均 11.2%，相比于基准池 Alpha 的 RankIC（11.03%）要稍 高。但 RankICIR 达到 1.01，相比之前的方法构造的 Alpha 要更好。

在分组收益上，多空组合的年化达到 8.47%，也比基准池的结果更好。 因此，通过基准寻优的方式，为主动权益基金框定更贴合的基准，使用该基准进行回归的得到 Alpha，比 主动权益基金自身公开的基准、抑或是公约基准回归得到的 Alpha 都更具有评价意义。