2025年收益率全口径解析专题：主动股基赚的是什么钱？

1 引言

2022 年至 2024 年，主动型股票基金普遍面临跑输业绩基准的挑战。这一现象引发了市场对主动管理策略有效性的广泛讨论，甚至部分投资者转向被动指数基金。以 Sharpe（1991）、Fama 和 French（2010） 1为标志的众多学者认为主动基金整体无法战胜指数，而以 Pedersen(2018) 2、Gerakos 等(2021) 3为代表的研究则充分正视了主动投资的价值。“股神”巴菲特和 Vanguard 创始人博格不遗余力地为指数基金背书 4，传奇基金经理林奇和“女股神”伍德则对被动投资展开批判5。主动与被动优劣之辩除了近期主动型股票基金跑输业绩基准以外，还有很大一部分原因是由指数基金的发展引起的。美国指数基金资产净值占比由2010 年的19%上升至 2023 年的 48%，而主动基金则由 81%下降至 52%；美国指数基金持有美股市值比例由 2013 年末的 9％上升到 2023 年末的 18％，而主动基金在同期的持股占比则从 19％下降到 13％ 6。中国指数基金资产净值占非货币公募基金比例从2002年的 9%提升至 2024 年的 29%；股票型基金和偏股混合型基金中的指数投资占比则由2002 年的 13%提升至 2024 年的 59%。与美国等发达市场不同，中国市场表现出了主动基金胜出的迹象。以万得普通股票型基金指数和万得股票指数型基金指数的对比为例，虽然最近 3 年万得普通股票型基金指数跌幅高达26%，明显跑输万得股票指数型基金指数 17%的跌幅；但最近 5/10/20 年的涨幅分别为28%、112%、1045%，远超同期万得普通股票型基金指数 16%、41%、396%的涨幅7。林兟等（2022）8、徐步等（2023） 9的学术研究也提供了中国主动基金战胜市场指数或指数基金的证据。在此背景下，本报告基于最新数据，再次探讨主动型（普通）股票基金能否跑赢其基准的问题，并从因子模型的视角来分析主动型股票基金的配置风格。

2 数据与方法

2.1 数据来源和介绍

本报告所有数据均来自于万得，频率为月。 首先是基金的月收益率数据，基金的当月收益率为当月的复权净值除以上月的复权净值。对于存在连续多个月份收益率为 0 的基金，若收益率为0 的数据占比较高，我们将剔除该基金，否则我们仅剔除这连续多个月份收益率为0 的记录。

分析基金的超额收益（基金收益率与基金基准收益率之差），还需要基金基准的月收益率数据。对于连续多个月份为 0 的基准收益率数据，我们采用与基金收益率数据相同的处理方法。 在分析基金整体收益时，我们将考虑采用基金规模加权的基金组合，因此需要基金规模数据。我们采用基金单位净值乘以基金份额来计算基金规模，基金份额数据为季度频率。 最后我们还需要基金当期是否属于主动型股票基金的数据。我们采用万得普通股票型基金的每月成份记录来判断基金是否属于主动型基金。从万得普通股票型基金指数各年年初的成份数量来看，2016 年年初基金的份额数量较上一年大幅下降，只主要是由于上一年 2015 年普通股票型基金的判断标准有所调整，导致当年不少普通股票型基金转为偏股混合型基金。

2.2 方法过程简述

除了采用年化收益和 t 统计量等传统指标来衡量基金表现以外，还参考Fama和French（2010）的做法，采用多因子模型对基金表现及其风险暴露进行深入分析。Fama 和 French（2010）主要是采用 Fama-French 三因子模型1（市场因子、规模因子和价值因子）和 Carhart 四因子模型 2对基金经理的投资能力和运行进行分析，其中四因子模型是在三因子模型的基础上增加了动量因子收益率3。

Fama 和 French（1993）提出的三因子模型在全球范围内被广泛用于解释股票收益率的截面差异。然而在中国市场，直接应用这一模型可能面临挑战，因为中国市场的独特性和与全球市场的隔离使得简单的复制可能并不适用。中国的市场环境和投资者结构与美国及其他发达经济体存在显著差异。中国股票市场在本报告分析的时间样本区间内主要由国内个人投资者主导，而非机构投资者，这种结构使得市场行为和投资策略与国际上常见的模式不同。中国股票市场对国内外投资者的准入限制也显著影响其金融资产的定价机制。中国限制外国投资者参与国内股票市场，同时也限制国内投资者参与国际股票市场，这种分离现象使得国内股票市场在定价时更多地依赖于本土因素而非全球因素。Liu 等（2019）的实证研究表明，Fama 和 French（1993）的规模因子和价值因子在解释股票收益率方面仍具有显著效果。虽然三因子模型在小规模和高账面市值比的投资组合中表现较好，但在其他组合中存在局限性。这主要是因为小市值公司因“壳资源”价值导致定价扭曲，Fama-French 三因子模型无法有效捕捉这些特征，因此直接套用传统模型会导致解释力不足 1。

为了更好地适应中国市场的特点，Liu 等（2019）提出了一种改进的三因子模型。该模型在构建因子时剔除了总市值最小的 30%股票，并使用盈市比（市盈率的倒数）取代账市比（市净率的倒数），作为价值因子的筛选指标。之所以剔除总市值最小的 30%股票，主要是由于中国股市存在独特的制度环境，即严格的 IPO 审核和盛行的反向并购。在中国反向并购案例中，83%的壳公司来自市值最小的 30%股票。因此，构建因子时剔除了这部分股票，以避免壳价值干扰。改进的三因子模型解释力显著优于 Fama-French 三因子模型，能解释53.6%的股票收益差异，而 Fama-French 三因子模型仅解释 27.3%。同时改进的三因子模型解决了 Fama-French 三因子模型中盈市比因子存在17%年化超额收益的问题2，并能解释除反转、换手率以外的盈利能力、波动率、投资、非流动性等各种中国股票市场异象。加入超额换手率指标构建的情绪因子收益率后，可进一步解释反转和换手率异象。 值得一提的是，中国股票市场的市场因子对收益波动的解释力是美国股票市场的两倍，反映了中国股票市场更高的系统性风险。

因此本报告采用 Liu 等（2019）的方法构建市场收益率、规模因子收益率、价值因子收益率和情绪因子收益率，各因子模型如式（1）至（3）所示。

Rt = α + βMRKMRKt + εt （1）

Rt = α + βMRKMRKt + βSMBSMBt+ βVMGVMGt + εt （2）

Rt = α + βMRKMRKt + βSMBSMBt+ βVMGVMGt + βPMOPMOt + εt （3）

其中式（1）为单因子模型，即基金组合或者单只基金的收益率对市场因子收益率MRK（Market）进行回归；式（2）为三因子模型，即基金收益率对市场因子、规模因子（SMB，small-minus-big）和价值因子（VMNG，value-minus-growth）进行回归；式（3）为四因子模型，在三因子模型的基础上进一步纳入情绪因子收益率（PMO，pessimistic minus optimistic）。 各因子收益率的具体构造如下： 在每个月底，我们先剔除上市不足 12 个月的股票；然后剔除最近12 个月交易天数不足 120 天或者最近 20 个交易日交易天数不足15 天的股票，这样可以避免因长期停牌导致的股票异常收益率；最后剔除截至月底总市值最小的30%的股票。每个月底的全部样本经过上述筛除后，将用来构建下一个月的各种因子收益率。

（1）市场因子收益率：余下 70%的股票按照自由流通市值加权的收益率。余下 70%的股票按照总市值大小分成数量相等的 2 组，分别为小盘股（S）和大盘股（B）；同时又按照盈市比大小分成 3 组，其中盈市比最高的30%的股票为低估值股票（V），盈市比居中的 40%的股票为中估值股票（M），盈市比最低的30%的股票为高估值股票（G）。这样就能将这 70%的股票交叉分组成6 个组合，分别为小盘低估值组、小盘中估值组、小盘高估值组、大盘低估值组、大盘中估值组、大盘高估值组。这 6 个组合也按照自由流通市值加权计算收益率。那么，（2）规模因子收益率：小盘低估值组、小盘中估值组、小盘高估值组这3个小盘股组合的平均收益率减去大盘低估值组、大盘中估值组、大盘高估值组这3个大盘股组合的平均收益率。 （3）价值因子收益率：小盘低估值组和大盘低估值组这2 个低估值组合的平均收益率减去小盘高估值组和大盘高估值组这 2 个高估值组合的平均收益率。将上述盈市比指标换成超额换手率指标（最近 1 个月的日均换手率除以最近12个月日均换手率），采用相同的分组方法，同样可以构造出6 个组合，分别为小盘低换手组、小盘中换手组、小盘高换手组、大盘低换手组、大盘中换手组、大盘高换手组。那么， （4）情绪因子收益率：小盘低换手组和大盘低换手组这2 个低换手组合的平均收益率减去小盘高换手组和大盘高换手组这 2 个高换手组合的平均收益率。基于总市值和超额换手率分组的 6 个组合也可以构造规模因子收益率。（5）换手率中性的规模因子收益率：小盘低换手组、小盘中换手组、小盘高换手组这 3 个小盘股组合的平均收益率减去大盘低换手组、大盘中换手组、大盘高换手组这 3 个大盘股组合的平均收益率。

2.3 因子收益率表现

这里给出了各因子累计对数收益率的走势，同时给出了中证全指全收益率指数的对数走势，作为与市场因子收益率的比较。结果显示，市场因子与中证全指全收益的走势非常相近。在 2009 年至 2024 年这 16 年的样本区间里，中证全指全收益指数和市场因子的年化月均收益率分别为 10.4%和10.3%，两者非常接近，同时他们的相关系数也是高达 0.998。 盈市比中性的规模因子与超额换手率中性的规模因子的走势也非常相近。他们的年化月均收益率分别为 5.83%和 5.68%，仅相差 0.15 个百分点。两者的相关系数也是高达 0.957。 从全样本各因子收益率的表现来看，市场因子的年化月均收益率为10.3%，略高于情绪因子的 10.1%；规模因子表现最差；价值因子的表现也明显低于市场因子和情绪因子，为 7.41%。 从全样本各因子收益率的波动来看，市场因子的月收益率的年化标准差高达24.5%，远高于情绪因子的 16.4%。规模因子（价值中性）和价值因子的波动率最低，为 13.1%和 13.6%，仅略高于市场因子波动率的1/2。从全样本各因子的 t 统计量来看，情绪因子表现最好，t 统计量的值高达2.47，是显著的。其次是价值因子，为 2.18，也是显著的。而规模因子（价值中性）和市场因子的较低，分别为 1.78 和 1.67，仅较为显著1。

从全样本各因子收益率的相关系数来看，市场因子与规模因子呈正相关，而与价值因子、情绪因子呈负相关。即市场表现越好（差）的同时，小盘股/高估值股票和高换手率股票的平均表现越要优（劣）于大盘股/低估值股票/低换手率股票。不过需要注意的是，市场因子与规模因的正相关的程度较低，而与价值因子、情绪因子负相关的程度则相对较高。

规模因子与价值因子、情绪因子负相关，这意味着小盘股相对于大盘股表现越好的同时，高估值股相对于低估值股、高换手率股票相对于低换手率股票的表现也越好，反之亦然。另外，规模因子与的他们负相关程度要强于他们与市场因子的负相关程度。 价值因子和情绪因子相关性较高，相关系数高达 0.782，表明低估值股越是跑赢（输）高估值股的同时，低换手率股票越是能跑赢（输）高换手率股票。上述因子收益率的相关关系在不同子区间也有着相同的结论。表中右上部分给出的是 2009 年至 2016 年（前 8 年）各因子收益率的相关系数，左下部分则给出的是 2017 年至 2024 年（后 8 年）的相关系数。

市场因子与规模因子的正相关程度在各个子样本区间不高，分别为0.114和0.0652。这种正相关性在后 8 年的样本区间中更低。而市场因子与价值、情绪因子的负相关程度则在后 8 年的样本区间中相对更高。规模因子与价值、情绪因子的负相关程度在前 8 年的样本区间更高，相关系数的前后差距分别高达 0.276 和 0.167。而其他相关系数前后变化最大的是市场因子与情绪因子，但相关系数之差也仅为 0.064。可见，规模因子与价值、情绪因子的负相关程度在后 8 年的样本区间里明显降低。 另外，价值与情绪因子的正相关程度在前后 2 个子样本区间中都非常高，分别为0.754 和 0.804，前后相对变化不大。 虽然各因子的大部分相关系数在前后 2 个 8 年的子样本区间里的变化不大，但各因子收益率的前后表现的变化则有明显变化。从累计对数收益率的走势也可以看出，市场因子和规模因子在前后 2 个子样本区间的收益率表现显著不同。

统计结果显示，在前 8 年的子区间里，市场因子和规模因子的年化月均收益率分别高达 16.5%和 14.1%，而在后 8 年的子区间里，年化收益率分别为4.05%和-2.41%，下降高达 12.4 和 16.5 个百分点。 从走势图可以看出，在后 8 年的前 4 年里（2017 年至2020 年），规模因子收益率较前 8 年出现逆转，小盘股呈现持续跑输大盘股的局面。价值因子和情绪因子的年化收益率的前后变化较小，分别从前 8 年的年化8.33%和11.2%降至6.49%和9.05%，下降幅度仅 1.83 和 2.16 个百分点。

波动率方面，前后变化最大的是市场因子，月收益率的年化标准差从前8年的29.4%降至后 8 年的 18.5%，与同期情绪因子 17.5%的年化标准差相近，下降幅度高达 37.0%。而其他因子的波动率的前后变化较小，其中规模因子收益率的年化标准差出现下降，下降幅度仅为 7.07%，而价值和情绪因子的波动率则有所增加，幅度分别为 10.2%和 14.0%。 从 t 统计量来看，前 8 年的子区间里，规模因子的t 统计量的值最高，为2.97，处于“非常显著”的水平。其次是情绪因子，t 统计量的值为2.07，收益率是显著为正的。价值因子 t 统计量的值只有 1.82，只能算是“较为显著”。而市场因子因波动率太大，t 统计量的值都达不到 10%的显著性水平。在后 8 年的子区间里，各因子的收益率则都不显著。表现较好的是情绪和价值因子，t 统计量的值分别为 1.46 和 1.29。表现最差的为规模因子，因年化收益率为负，t 统计量的值也为负值。

3 主动型股票基金的绩效表现

3.1 全样本下的绩效表现

我们考虑构造多个主动型股票基金的投资组合来反映其整体绩效。具体而言，在每个季度初，按照上季度基金规模从大大小排列，选取规模最大的前100只基金和全部基金，并分别构造等权组合和加权组合，持有1 个季度。从基金组合对数净值走势来看，这 4 个组合的整体走势都是非常相近的，与市场因子也非常相似。自 2009 年大幅上涨以来，各组合均是在2019 年7 月、12月和2010 年 11 月这 3 个时点创出位置相差不大的局部高点。随后的局部低点和高点依次为 2012 年 11 月（低点）、2015 年 5 月（高点）、2016 年2 月（低点）、2018年 1 月（高点）、2018 年 12 月（低点）、2012 年6 月和12 月（高点）、2024年 1 月和 8 月（低点）。上述时间节点与市场因子完全相同。与市场因子不同的是，基金组合在 2021 年 6 月至 12 月创出的高点位置是要高于2015 年所创出的高点位置，而市场因子在相同时点并没有创出历史新高。

从绩效表现来看，全部基金的组合要优于规模最大的前100 只基金的组合，等权组合要优于加权组合。具体而言，在年化月均收益率方面，基金组合的年化月均收益率为 10.1%-11.8%，仅规模最大的前 100 只基金的加权组合低于市场因子10.3%的收益率水平。全部基金的组合的收益率要高于规模最大的前100 只基金的组合，等权组合收益率要高于加权组合。 在波动率方面，基金组合月收益率的年化标准差为22.5%-23.1%，均小于市场因子 24.5%的波动率水平。全部基金等权组合的年化标准差最低，规模最大的前100基金的加权组合的最高。 从 t 统计量的值来看，4 个基金组合的正收益率都达到了10%的显著性水平，其中全部基金的等权组合达到了 5%的显著性水平。t 统计量的值也有与收益率类似的规律，全部基金等权组合>规模最大前 100 只基金的等权组合>全部基金加权组合>规模最大前 100 只基金的加权组合。 上述规律意味着，规模较小的普通股票型基金的整体绩效表现要明显优于规模较大的基金，股票型基金的绩效表现呈现与基金规模大小呈反比的现象。

为考虑基金整体绩效表现能否超其基准，这里我们构造一个对冲组合来反映基金组合的超额收益。即在每个季度初，我们再构造一个基金基准组合，其构造方法与基金组合的构造方法一致。以规模最大的前 100 只基金组成的等权组合为例，其对应的基金基准组合则是由这 100 只基金的基准等权构造。那么对冲组合则为做多规模最大的前 100 只基金组成的等权组合并做空这这100 只基金的基准构造的等权组合。这里给出了不同基金组合对应的对冲组合的对数净值曲线。

从对数净值走势来看，这 4 个组合超额收益的整体走势都是非常相近的。其中一个非常明显的特征就是在 2014 年 10 月开始至 2016 年1 月，基金组合超额收益的对数净值走势出现大幅波动。 以全部基金组合为例，在 2014 年 10 月至 2014 年12 月，全部基金的加权组合和等权组合分别下跌了 21.5%和 18.3%，其中 2014 年12 月单月分别下跌了16.5%和14.6%；接着是2015年1月至5月，加权组合和等权组合分别上涨了45.7%和42.9%，其中 2015 年 5 月单月均上涨约 19.9%；然后是 2015 年6 月至8 月，加权组合和等权组合又分别下跌了 18.4%和 17.2%，其中 2015 年6 月单月分别下跌了12.3%和 11.6%；最后是 2015 年 9 月至 12 月，加权组合和等权组合又分别上涨了16.0%和 16.2%。 在 2014 年 10 月至 2016 年 1 月这段净值大幅波动的时间里，各因子收益率的波动也非常大。以 2014 年 12 月、2015 年 5 月和 6 月这3 个基金组合涨跌幅最大的月份为例。在大幅下跌的 2014 年 12 月，市场因子、价值因子和情绪因子分别大幅上涨了 13.5%、16.4%和 18.6%，而规模因子则大幅下跌了18.1%，这个月主要是大盘股、价值股和低换手率股领涨。 在大涨的 2015 年 5 月，则是市场因子和规模因子分别大幅上涨了10.6%和13.2%，而价值因子大幅下跌了 8.75%，这个月主要是小盘股和高估值股领跌。在大幅下跌的 2015 年 6 月，市场因子大跌 9.61%，而价值因子和情绪因子分别大涨了 8.05%和 7.78%，这个月主要是高估值股、高换手率股领跌。可见在这个区间里，基金主要配置的是小盘股、高估值股和高换手率股，从而使得基金在规模因子收益率为正而价值因子收益率为负的时期大幅跑赢基准时，而在规模因子收益率为负或/和价值、情绪因子收益率为正时大幅跑输基准。

全样本下，基金组合的年化超额收益为 3.51%-5.32%，与基础收益类似，也有着“全部基金等权组合>规模最大前 100 只基金的等权组合>全部基金加权组合>规模最大前 100 只基金的加权组合”的规律，t 统计量亦是如此。各基金组合的超额收益的年化标准差则非常相近，且没有类似规律。

从 t 统计量的大小来看，仅全部基金等权组合的超额收益显著为正。考虑到净值大幅波动会影响到对基金组合超额收益的统计性检验，我们剔除2014年 12 月至 2015 年 8 月的样本，在保证基金组合年化超额收益基本相同的情况下对其再进行检验，结果显示，4 个基金组合的超额收益均达到了统计性显著的水平，其中全部基金等权组合的超额收益是非常显著，规模最大的前100 只基金的加权组合则是较为显著。这主要归因于超额收益的年化标准差的大幅下降，平均下降 3.3 个百分点，下降幅度高达 31%，而年化收益率则是略微有所下降。

综上所述，全样本下，基金组合虽然能获得超越基准3.51%-5.32%的年化收益，但仅全部基金等权组合的超额收益是显著的，这意味着规模较大的基金的超额收益不明显，而规模较小的基金则能获得显著的超额收益。究其原因，主要是由于基金存在一段时间的大幅偏离基准的所致。在剔除2014 年12 月至2015 年8月这段基金大幅偏离基准的样本后，规模较大的基金的超额收益也能达到统计显著性的水平。 接下来我们将借助因子模型来分析基金组合的超额收益在经过风险因子调整后是否显著，并根据超额收益的风险因子暴露来分析基金组合的风格配置。全样本下，基金组合超额收益经三因子模型调整后，能取得5.78%-7.49%的年化超额收益，且超额收益大小符合之前“全部基金等权组合>规模最大前100只基金的等权组合>全部基金加权组合>规模最大前 100 只基金的加权组合”的规律。统计显著性方面，4 个基金组合超额收益都是显著为正的。与未调整的年化超额收益相比，风险调整后的年化超额收益得到明显提升，其原因在于基金组合超额收益在价值因子上的暴露较大且为负，即基金组合相对于其基准投资了更多高估值的股票。 以全部基金的加权组合为例，其未经风险因子调整的年化超额收益为3.86%，在价值因子上的风险暴露为-0.428，而价值因子的年化收益为7.41%，那么全部基金的加权组合经价值因子调整后的收益为原收益减去其风险暴露乘以价值因子的年化收益率，也就是 3.86%-(-0.428)*7.41%=3.77%+3.17%=7.03%。另外，全部基金的加权组合在规模因子和市场因子的暴露分别为0.110 和0.019，而规模因子和市场因子的年化收益为 5.833%和 10.3%，那么经规模因子和市场因子的调整幅度分别为-0.110*5.83%=-0.641%和-0.019*10.3%=-0.196%。

因此，最终全部基金的加权组合的超额收益调整为7.03%-0.641%-0.196%≈6.20%。

简而言之，基金组合投资了更多高估值的股票，而这些高估值股票的相对收益为负，因此经过这一风险因子调整，基金组合的超额收益会出现提升。同样的，基金组合在规模因子和市场因子的暴露为正，因此规模因子和市场因子的调整，则是将超额收益往下修。不过由于基金组合在规模因子和市场因子的暴露幅度远低于价值因子，在市场因子、规模因子和价值因子收益率相差不大的情况下，下修程度远不及经价值因子调整的上修幅度。 从因子暴露的的绝对值大小，基金组合在价值因子的暴露程度要明显高于规模因子。从显著性来看，基金组合在价值因子的暴露是非常显著的，达到了1%的显著性水平，而在规模因子的暴露则是达到 5%的显著性水平，在市场因子暴露上则不显著。综上，基金组合相对其基准，投资高估值股票的行为是非常明显，投资小规模股票的行为也是明显的，但投资高贝塔值股票的行为不明显。四因子模型的分析结果与三因子模型类似，全样本下，基金组合在情绪因子上的暴露是非常不显著的，暴露值也非常低，因此这一模型的调整拟合优度还要低于三因子模型。在接下来的分析中，若情绪因子不显著或者四因子模型调整的拟合优度没有明显高于三因子模型，则正文中只报告三因子模型，而将四因子模型的结果报告在附录中。

剔除 2014 年 12 月至 2015 年 8 月这段基金业绩大幅偏离基准的样本后，三因子模型的结果也是类似的。不同之处在，一是超额收益的t 统计量也得到明显的提升，统计显著性更强。二是价值因子的暴露值有所下降，t 统计量略微下降，但不影响其统计显著性。三是规模因子的暴露值又负转正，且变得不显著。上述变化表明，在剔除基金业绩大幅偏离基准的少量样本后，基金组合投资股票的规模倾向是不明显的，但投资高估值股票的倾向显著。

3.2 子样本下的绩效表现

这里我们全样本划分为前后 2 个时间跨度均为 8 年的子样本进行分析。在前述因子收益率表现的分析中已经论证，在这 2 个子样本中，因子收益率表现发生了较大的变化，特别是市场因子和规模因子，年化月平均收益分别由16.5%和14.1%分别下降至 4.05%和-2.41%。

前 8 年子样本区间的绩效表现

在前 8 年的子样本区间里，基金组合能获得 13.7%-15.7%的年化收益，不过由于收益率的年化标准差高达 26.1%-26.5%，导致其 t 统计量只有1.46-1.70，仅全部基金等权组合的正收益是较为显著的。与全样本下结论类似，年化收益率、年化标准差和 t 统计量等指标都满足“等权组合更优、全部基金组合更优”的规律。基金组合的年化超额收益为 3.60%-5.65%，收益率的年化标准差为13.2%-13.9%，相当于只有基础收益波动率的 1/2。不过由于超额收益本身较小，因此其t统计量仅有 0.742-1.21，达不到统计显著性水平。 剔除 2014 年 12 月至 2015 年 8 月这段时间样本，超额收益的年化标准差大幅下降至 8.21%-8.46%，t 统计量提升至 1.13-1.75，不过也仅只有全部基金等权组合的超额收益达到较为显著的水平。 与基础收益类似，除波动率外，超额收益及其 t 统计量仍满足“等权组合更优、全部基金组合更优”的规律。由此可见，在这段时间区间，规模较大的基金并没有获得显著为正的超额收益，而规模较小的基金在不考虑大幅波动期间的样本后，其超额收益是显著为正的。 在前 8 年的子样本区间里，超额收益经三因子模型调整后，能取得4.96%-6.99%的年化超额收益，且超额收益大小及其 t 统计量符合之前“等权组合更优、全部基金组合更优”的规律。但统计显著性方面，只有全部基金等权组合超额收益是显著为正的，这与未经风险模型调整后的超额收益在剔除少量样本后的结论相似。

从因子风险暴露来看，4 个基金组合的超额收益在价值因子的负向暴露和规模因子的正向暴露都是非常显著的，也就是说基金组合在前8 年的子样本区间里，相对其基准而言，投资更多的高估值股票和小规模股票。从暴露值的绝对值大小来看，投资高估值股票的倾向要明显高于小规模。

剔除 2014 年 12 月至 2015 年 8 月这段区间的样本后，超额收益的显著性大大提升，加权组合能达到 10%的显著性水平，而等权组合的显著性水平则是达到5%的水平。不过规模和价值因子的暴露值有所下降，规模因子的显著性也由之前的“非常显著”降至“较为显著”的水平。

后 8 年子样本区间的绩效表现

在后 8 年的子样本区间里，基金组合的年化月均收益率为6.63%-7.84%，均大于市场因子 4.05%的年化平均月收益率。月收益率的年化标准差为18.2%-19.2%，仅全部基金等权组合的波动率小于市场因子 18.5%的年化标准差。从t 统计量的值来看，与市场因子类似，4 个基金组合的收益率则没达到统计性显著的水平。与前 8 年的子样本区间类似，年化收益和 t 统计量也满足“等权组合更优、全部基金组合更优”的规律。

基金组合的年化超额收益为 3.42%-4.99%，收益率的年化标准差为6.07%-6.50%，相当于只有基础收益波动率的 1/3，因此其 t 统计量高达1.56-2.33，除规模最大的前 100 只基金加权组合达不到统计显著性水平外，其他3 个基金组合都至少达到 10%的显著性水平，其中全部基金等权组合的超额收益是非常显著。与基础收益类似，超额收益和 t 统计量也满足“等权组合更优、全部基金组合更优”的规律。综上，在这段时间区间，除了规模非常大的基金没有获得显著为正的超额收益外，其他基金特别是规模较小的基金的超额收益都是显著为正的。在后 8 年的子样本区间里，超额收益经四因子模型调整后，能取得4.54%-6.71%的年化收益，且超额收益大小和其 t 统计量符合“等权组合更优、全部基金组合更优”的规律。统计显著性方面，4 个基金组合的超额收益都是非常显著的。

从因子风险暴露来看，4 个基金组合的超额收益在规模、价值和情绪因子的负向暴露都是显著的，其中在规模因子的暴露处于“非常显著”的水平。这意味着，在这段时间区间，基金组合相对其基准投资了更多的大规模、高估值和高换手率的股票。从暴露值的绝对值大小来看，上述各种投资倾向并没有明显差异。

3.3 全样本和子样本的绩效表现比较

基本组合整体收益

从基本组合整体收益来看，全样本下年化月均收益率是10.1%-11.8，其中前8年是 13.7%-15.7%，后 8 年是 6.63%-7.84%。基金组合在前后2 个子样本的整体收益表现差距较大，前 8 年的年化收益率比后 8 年高出7.1-7.9 个百分点。这与市场因子在前后 2 个子区间的收益差距较大，在前后 2 个子区间，市场因子的年化月均收益率分别为 16.4%和 4.0%，相差高达 12.4 个百分点. 从整体收益的 t 统计量来看，全样本下基金组合的整体收益都是显著为正的。但在前后 2 个 8 年的子区间里，除全部基金等权组合在前8 年的子区间的收益是显著的外，其他的都不显著。一个重要原因在于样本数量的大幅减少，导致标准误的估计增大，精确度下降。

从 t 统计量的前后子样本比较来看，前 8 年的 t 统计量的值是后8 年的1.4-1.5倍。由于 t 统计量与年化收益成正比，与波动率成反比，前8 年的年化收益达到后 8 年的 2 倍左右，而前 8 年的波动率是后 8 年的1.4 倍左右，因此前8年的t统计量明显更高。 从基金组合与年化收益及其 t 统计量的变化关系来看，全样本及其前后2个子样本都呈现出“等权组合更优、全部基金组合更优”的规律。

基金组合超额收益

从基金组合超额收益来看，全样本下年化超额收益是3.51%-5.32%，其中前8年是 3.60%-5.65%，后 8 年是 3.42%-4.99%。超额收益在前后2 个子样本差距非常小。从超额收益的 t 统计量来看，后 8 年>全样本>前 8 年，这主要是因为前8年出现一段时间基金组合大幅偏离基准的情况，导致全样本下超额收益的年化标准差高达 10.3%-10.8%，而后 8 年的年化标准差只有 6.07%-6.50%。若剔除这段区间的样本，前 8 年的年化标准差为 8.21%-8.46%，仍高于后8 年，因此t 统计量值的大小顺序是全样本>后 8 年>前 8 年。 另外，年化超额收益及其 t 统计量也呈现出“等权组合更优、全部基金组合更优”的规律，即规模较小的基金的整体绩效表现要更优。

风险调整后的超额收益

基金组合超额收益经因子模型风险调整后，从大小来看，无论是三因子模型、四因子模型还是剔除部分样本，全样本下的年化超额收益都是最高的。在四因子模型中，后 8 年的年化超额收益高于前 8 年；而在三因子模型中，后8 年的年化超额收益则低于前 8 年。这主要是因为后 8 年的超额收益经四因子模型调整后得到提升，而前 8 年的超额收益经四因子模型调整后出现下降。不过从统计检验的视角来看，前 8 年的年化超额收益与后 8 年并不存在显著差异。

从超额收益的统计显著性来看，全样本和后 8 年的年化超额收益都是显著或是非常显著的，而前 8 年的年化超额收益只有在剔除部分样本后才能达到较为显著的水平，仅全部基金等权组合在未剔除样本下才能达到显著的水平。从基金组合与年化超额收益的变化关系来看，之前“等权组合更优、全部基金组合更优”的规律在不同模型、不同样本中都仍然存在。

基金组合的风格配置

超额收益在三因子模型或四因子模型的市场因子的暴露值比较低，且大部分情况下是不显著的，这里就不进行相关比较。 从规模因子暴露来看，2014 年 12 月至 2015 年 8 月这段样本对规模因子暴露的影响很大，在不考虑这段样本时，规模因子暴露值出现明显下降，显著性也明显降低，比如全样本下规模因子暴露还是显著为正，但剔除这段样本，规模因子暴露转为不显著的负值。前 8 年正的规模因子暴露则是非常显著的，剔除这段样本，而正暴露也能达到较为显著的水平。而后 8 年规模因子暴露为负，且大都处于非常显著的水平。由此可见，基金组合在前后 8 年在投资股票的规模倾向上发生了明显的逆转，由偏好小盘股转向偏好大盘股。

根据规模因子在全样本下、前后 8 年的 2 个子样本中的年化收益率分别为5.83%、14.1%和-2.41%来看，基金组合在规模因子上具有一定的择时能力，特别是在规模因子高达 14.1%的前 8 年的子样本中，其规模因子暴露程度更高，也更显著。从价值因子暴露来看，虽然不考虑 2014 年 12 月至2015 年8 月这段样本会使价值因子暴露程度有所下降，但难以改变其统计显著性。无论是否剔除这段样本，各个样本下，基金组合在价值因子的暴露上都为负，且非常显著。其中前8年的价值因子暴露程度明显大于后 8 年。这表明，基金组合在整个样本区间都偏好高估值股票，只是这种偏好程度在后 8 年中有明显下降。根据价值因子在全样本下、前后 8 年的 2 个子样本中的年化收益率分别为7.41%、8.33%和 6.49%来看，基金组合在整个样本区间都保持着负向的价值因子暴露，会对其原超额收益产生负面影响。 全样本和前 8 年的子样本中，基金组合在情绪因子上的暴露都是不显著的，而在后 8 年的子样本中，基金组合在情绪因子上的暴露显著为负，表明基金组合在这段时间区间有偏好投资高换手率股票的倾向。而这段期间情绪因子的年化收益为9.05%，因此负向的情绪因子暴露对其原超额收益产生负面影响。

3.4 特定时间区间的绩效表现

在后 8 年的子区间里，一个非常明显的特征就是基金组合超额收益对应的对数净值在 2019 年 1 月至 2021 年 11 月呈持续上涨态势，而之后则持续下跌态势。具体而言，全部基金构成的等权组合和加权组合的对数净值在2019 年1 月起的35个月里分别上涨了 50.3%和 48.9%，随后在 2021 年 12 月起的37 个月里分别下跌了14.0%和 16.7%。这里将分别分析这 2 段区间基金组合超额收益的表现。

特定子区间 1：2019 年 1 月至 2021 年 11 月

在这个区间里，基金组合的年化收益为 34.6%-36.6%，年化标准差为17.1%-18.1%，t 统计量的值高达 3.42-3.46，是非常显著的。年化超额收益为16.4%-18.3%，超额收益的年化标准差为 6.40%-7.49%，t 统计量的值更是高达3.98-4.69。从基金组合与年化超额收益的变化关系来看，之前“等权组合更优、全部基金组合更优”的规律在这个不到 3 年的样本区间并不存在，而且也不存在年化收益和超额年化收益中都成立的排序关系。

在这个子区间，市场、规模、价值、情绪因子的年化收益分别为22.1%、-3.14%、-5.22%、-3.02%。基金组合超额收益经三因子模型调整后，仍能取得13.6%-15.3%的年化超额收益，而且都是非常显著的。 从因子风险暴露来看，4 个基金组合的超额收益在规模和价值因子的负向暴露都是非常显著的，也就是说在这个子样本区间里，相对其基准而言，基金组合更倾向于投资高估值股票和大规模股票。而这段期间规模、价值因子收益率为负，因此这种风格配置能对原超额收益起到正向影响，这也是风险调整后的超额收益更低的原因。不过由于规模和价值因子收益率的幅度较低，因此风险调整后的超额收益仍能维持较高的水平。

特定子区间 2：2021 年 12 月至 2024 年 12 月

在这个特定子区间里，基金组合的年化收益率为-11.2%至-8.81%，年化标准差为20.3%-21.2%，t 统计量的值为-0.923 至-0.764，均不显著。年化超额收益为-5.26%至-4.39%，年化标准差为 4.80%-5.37%，t 统计量为-1.44 至-1.92。由于超额收益的波动率非常低，因此除全部基金等权组合外，其他3 个基金组合的超额收益显著为负。

在这个子区间，市场、规模、价值、情绪因子的年化收益分别为-3.46%、7.13%、9.88%、10.7%。基金组合超额收益经四因子模型调整后为-4.22%至-3.35%，仅加权组合负的超额收益是较为显著的。

从因子风险暴露来看，4 个基金组合的超额收益仅在情绪因子上的暴露是非常显著的，也就是说在这个子样本区间里，相对其基准而言，基金组合更倾向于投资高换手率的股票。而这段期间情绪因子收益率为正，因此这种风格配置对原超额收益起到负向影响，风险调整后的超额收益会更高，负的显著性有所下降。

5 主要结论与讨论

本报告在每个季度初在普通股票型基金中分别选取规模最大的前100 只基金和全部基金构造等权与加权组合，来反映主动型股票基金的整体绩效。研究结果发现：

1、4 个基金组合在全样本下年化月均收益率是 10.1%-11.8%，都是显著的。但单独看前 8 年和后 8 年的子区间，虽然前 8 年的年化收益高达13.7%-15.7%，后8年的的年化收益为 6.63%-7.84%，却是不显著的。这主要是由于样本数量减半导致的标准误估计值增大所致。

2、4 个基金组合在全样本下年化超额收益是 3.51%-5.32%，前8 年是3.60%-5.65%，后 8 年是 3.42%-4.99%。由于超额收益的波动率较低，特别是剔除2014-2015年少量基金组合大幅偏离基准的样本后，超额收益都是显著为正的。

3、4 个基金组合超额收益经因子模型风险调整后，在全样本和后8 年的子样本中大都是非常显著的，在前 8 年的子样本中，剔除上述少量样本后，也能达到较为显著的水平。以三因子模型为例，风险调整后的超额收益在全样本、前后8年的2 个子样本中分别为 5.78%-7.49%、4.96%-6.99%、4.14%-6.15%。

4、4 个基金组合的原始收益、原超额收益和风险调整后的超额收益在全样本和前后 8 年的子样本中均表现出“等权组合更优、全部基金组合更优”的规律，这表明规模较小的基金的整体绩效表现要更优。

5、在全样本和前后 8 年的子样本中，4 个基金组合的风险调整后的超额收益均高于原超额收益，其主要原因在于基金组合超额收益在价值因子的暴露上为负且非常显著，即基金组合长期偏好高估值股票。而在这些区间里，价值因子的年化收益率为 7.41%、8.33%和 6.49%，均为正且幅度不低。因此负向的价值因子暴露对原超额收益产生负面影响，当剔除这一影响后，风险调整后的超额收益有所提高。

6、基金组合在规模风格上存在一定的择时能力。规模因子在前后2 个8 年子区间里里的年化收益率分别为 14.1%和-2.41%，即前期小盘股大幅跑赢大盘股，后期大盘股略微跑赢小盘股。而基金组合在前 8 年/后 8 年的规模因子暴露上显著为正/负，即前期偏好小盘股，后期偏好大盘股，把握住了规模风格的切换。

7、在 2019 年 1 月至 2021 年 11 月的区间里，基金组合的年化收益为34.6%-36.6%，年化超额收益为 16.4%-18.3%，风险调整后的年化超额收益为13.6%-15.3%，都是非常显著的。这一时期基金组合在规模和价值因子暴露显著为负，不过同期规模和价值因子收益率略微为负，这一风格配置并没有带来多少超额收益。

8、在2022年12月至2024年12月的区间里，基金组合年化收益为-11.2%至-8.81%，年化超额收益为-5.26%至-4.39%，风险调整后的年化超额收益为-4.22%至-3.35%，加权组合的收益较为显著。基金组合在情绪因子暴露显著为负，即偏好高换手率股票，由于同期情绪因子收益率为正，这一风格配置带来一定的负面影响。

9、我们利用 TTM 扣非净利润的环比指标构建成长因子，发现增加成长因子的模型能够解释基金组合在 2019 年 1 月至 2021 年 11 月这一区间一半以上的超额收益。经这一因子模型风险调整后，超额收益由 16.4%-18.3%下降至6.64%-8.70%，显著性也大幅下降。从因子暴露来看，基金组合主要是在价值因子和成长因子上有显著的负向和正向暴露，而同期价值因子和成长因子的年化收益率分别为5.22%和15.7%，成长因子解释了超额收益中的大部分。

10、类似的成长因子也能解释基金组合在 2021 年12 月至2024 年12 月的超额收益。超额收益经因子模型风险调整后由-5.26%至-4.39%下降至-3.27%至-2.66%，加权组合的超额收益也变得不显著了。从因子暴露来看，主要是成长因子的暴露值较高且非常显著，取代了之前显著的情绪因子。不过这一区间成长因子的年化收益率为-3.98%，较前期大幅下降，因此这一区间基金组合跑输基准可能是由于基金组合延续前期的成长风格配置所致。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）