2025年基金研究深度：更准的基准，更好的Alpha

一、 公募基金的共同基准是什么？

在评估主动管理型公募基金表现时，业绩比较基准扮演着至关重要的角色。它不仅是衡量基金经理获取超 额收益能力的标尺，也是投资者理解基金风险收益特征、进行产品间横向对比的关键依据。目前，国内主动权 益类基金在设定基准时呈现出显著的“定制化”特征。虽然沪深 300 指数因其市场代表性和高认知度，成为众 多基金的首选或核心组成部分，但实践中大量基金采用复合基准或特定主题/风格指数作为实际基准。这种多 元化的基准设定，一方面体现了基金投资策略的差异性，另一方面也带来了显著的挑战：不同基金的基准构成 各异、个体差异大，导致基金业绩的可比性降低，“基准漂移”现象也时有发生，削弱了基准作为评价工具的 有效性。 2025 年 5 月 7 日，证监会公开印发《推动公募基金高质量发展行动方案》（后称：行动方案）后，我们曾 经在点评《透明化、规范化、多元化齐驱并进》中以美国公募基金市场发展为例，和国内市场不同，美国共同 基金通常以单一指数作为业绩基准，横向比较难度低。 因此，这就引出一个核心问题：在中国全市场层面，是否存在一个或一组更具代表性和通用性的“公约基 准”，能够更客观、更统一地反映整个主动权益基金生态的整体表现和相对能力？ 换言之，我们能否找到一组 与市场主流基金真实收益模式关联度更高、解释力更强、且相互间低相关性的指数，作为分析基金 Alpha 的 “公共标尺”？这不仅有助于提升基金评价的透明度和可比性，也能为投资者筛选基金提供更可靠的参照系。 本部分研究旨在通过量化分析，探寻国内主动权益基金真实的、共性的收益驱动因素，尝试构建这样一个更具 普适性的“公约基准”池，为后续的 Alpha 评估和基金比较奠定更科学的基础。

1.1 公募基金的共同基准

我们使用截止 2025-5-31 的数据，提取剔除行业主题类基金后，主动权益基金最常用的十个主要权益基准； （主要：指数在基准中占比大于等于 50%）

常用基准之间的相关系数都比较高，直接进行回归可能遇到共线性的问题，我们考虑降维。 设定相似阈值为 0.9，基准池数量为 3，将相关系数矩阵中各自相关性最低的指数进行提取。得到沪深 300、 中证红利和恒生指数组成基准池（基准池中指数之间的相关系数均小于 0.9），将主动权益基金过去一年日度收 益率相对基准池的日度收益率进行回归。

在三个主要指数中，沪深 300 的回归参数最高，均值和中位数均达到 0.9；恒生指数较低仅有 0.05，中证 红利的均值和中位均为负值，这和主动权益基金整体成长风格更明显的形态相符合。回归解释度均值为 76.86%，可以看到最低值为 0.3%，基金从去年起一直处于空仓，基准为 50%沪深 300+50%中债；最高值 99.53%，基金为一只量化基金，基准为 95%沪深 300。 用该基准池进行年度回归后，Alpha 均值为 0，中位数为-0.01%；和仅用沪深 300 对全体主动权益进行回归 对比，Alpha 分布更靠负值，解释 R²均值从 70%上升至 76%；而和各个基金的基准指数回归相比，回归 R²也更 高，Alpha 分布更靠正值。

这个结果似乎显示了采用低相关基准池和基金收益进行回归解释能够获得平均更高的解释力度，也会让人 产生疑问，这个结果是否是因为基金池太过于宽广，使用的基准指数五花八门。如果集中于同一个基准指数的 基金下，这个结果还是否成立。实际上，这个单期的结果其实并不受基金基准分类影响，我们将基金池限定在： 基准包含沪深 300 且构成比重超过 50%的基金时，使用低相关基准池回归的平均解释 R²依然高于仅沪深 300 和基准回归 5%以上。

1.2 公募基金的共同基准时变情况

拉长时间来看，从 2017 年至 2025 年，每个季度使用过去一年的基金收益率分别相对低相关基准池、沪深 300 和基金自身基准回归，查看历史上回归的 Alpha 和 R²变化。

从 Alpha 来看，使用三种方式对基金回归得到的 Alpha 差异并不大，2020 年前基准池 Alpha 更高，2020 年 至 2021 年基准池 Alpha 和其他方法 Alpha 差异不明显，2021 年至 2024 年基准池 Alpha 中位低于其他方法测量， 2024 年后再次比其他方法测算 Alpha 更高。

从回归解释度的分布来看，使用低相关基准池回归比使用沪深 300 或者基金自身基准的回归解释度在高解 释度的分布也更多。

1.3 更准的基准，更好的 Alpha？

我们接下来讨论使用低相关基准池计算基金 Alpha 相比基金使用沪深 300 计算 Alpha、基金使用自身基准 计算 Alpha 之间择基效力的差异。 基金池为上述提到的非行业主题主动权益基金，每个季度末分别计算低相关基准池、沪深 300 和自身基准 计算的 Alpha，分别在时间截面上构造因子，检测 Alpha 因子在季度择基的能力。

从因子的 RankIC 上来看，低相关基准池的 RankIC 平均 11.03%，相比于沪深 300 基准和基金自身基准的平均 RankIC（9.66%、9.22%）都要更高。同时 ICIR 为 0.81，相比沪深 300 和基准构造因子 ICIR（0.5，0.55）也要 更高。

二、 如何探寻公募基金的真实基准

前文研究揭示，采用低相关的基准池对主动权益基金进行收益归因，相较于单一指数或基金自身披露的基 准，能够获得更高的回归解释度和更具区分度的 Alpha 表现。一个重要的发现是：更高的回归 R²往往伴随着更 有效的 Alpha 因子（即基于该 Alpha 的基金排序对未来收益有更强的预测力）。 这自然引出一个更深层次的问题：既然 R²的提升与 Alpha 质量的改善密切相关，那么能否为每一只基金个 体寻找到那个与其历史收益形态拟合度最高（即 R²最大） 的特定基准组合？相较于使用统一的“公约基准池”， 这种针对单只基金的“最优基准”理论上应能更精准地刻画其实际投资风格和风险暴露，从而剥离出更纯粹、 更具信息含量和预测能力的 Alpha。本章节的核心目标，正是探索和构建这样一套系统化的“基准寻优”方案， 以期获得更优的基金评价能力。

2.1 基准寻优方案构造

本节中我们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。

2.2 是什么驱动公募基金主动更改基准

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。

2.3 基准寻优带来更强的 Alpha

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。

三、 主动权益基金偏离基准的时变特征

3.1 公募基金和基准的偏差历史变化情况

在上一节中，我们发现基金相对于基准的回归 R²大于 80%的比例呈现明显的时变特征，2018 年前较低， 2018 年到 2020 年较高，2020 年到 2024 年回归 R²再次下降，近年来再次回升；使用基准寻优后，基金相对于 最优基准的回归 R²则呈现了相对不同的特征，在 2019-2020 年，基金相对于基准的 R²在下降，但是相对于最 优基准的回归 R²却在上升，而在 2022-2023 年，不仅是基金相对于基准的回归 R²下降，相对于最优基准的 R² 同样也在快速下降。 2019-2020 的这段差异或许显示基金尽管偏离纸面上的基准，但依然有明确的投资主线，而在 2018 年， 2022-2023 年两段 R²下降指的是基金的净值走势通过回归很难找到市场上的指数对其进行解释，换句话说，基 金的业绩游离在基准池之外，失去了投资主线。这种效应似乎在市场较差的时候更容易发生。

公募基金和基准发生偏差的时变特征是怎样的？又是以怎样的形态发生的？我们从另一个角度刻画这个问 题，即主动权益基金的持仓和基准持仓的偏离度，在本节研究中，我们并没有使用前文的基准寻优，而是使用 基金的合同基准，特此说明。

为了研究便利，我们计算每一期剔除主题基金的主动权益基金，要求基金的基准构成中仅包含 A 股指数， 同时权益指数占比超过 60%，我们使用占比超 60%的这只权益指数持仓作为基金的基准持仓。 研究的时间点从 2020 年至 2024 年底，使用每年的全持仓数据，将股票持仓权重归一化，计算基金行业仓 位向量和基准行业仓位向量之间的余弦距离，同时计算基金 Barra 风格暴露向量和基准 Barra 风格暴露向量的 余弦距离。 我们每个全持仓时间段，仅研究基准对应的基金规模之和前五名的基准，因为这 5 只基准对应的基金规模 占比基本超过全市场的 85%，具有一定代表意义。需要注意到，前 5 基准对应的规模占比近年来不断下降，体 现了市场基准的多元化发展进程。

平均每期占比前五的基准来看，2020-2021H1 基金风格和行业同步向基准靠拢，2021 年下半年后，基金的 风格距离基准越来越远，但是行业依然向基准靠拢。2022-2024 主动权益基金的风格和行业都距离基准向着越 来越远的方向而去，直到 2024H1 风格率先回归，半年后行业才回归。 由于以沪深 300 为基准的基金规模较大，占比较高，因此沪深 300 基准基金的平均距离变动和前 5 基准平 均距离类似。

中证 500 类基金相对基准的偏离天生比其他几类基准基金都要更小，从风格来看，中证 500 类基金相对风 格的偏离在 2021H1 到达高点后至今一路下滑，目前保持在风格偏离较小的状态，而行业偏离则从 2020 年缓 慢上行至 2022 年底，此后保持不变。 中证 800 类基金的风格偏离变化较大，2021-2023 年风格偏离较大，而行业偏离从 2021 年至 2024H1 一直 上行，2024 年底再次下降。 如果我们将偏股混指数的走势加入考虑就会发现，当偏股基金指数较强时，基金相对于基准的距离相对较 小，而当偏股基金持续走弱后，主动权益基金为了竞争收益，便会在风格和行业上进行越来越强的偏离。这个 特征在沪深 300 和中证 800 类基金上都有体现，但在中证 500 类基金上，随着市场的走弱，基金虽然在行业的 偏离会增大，但在风格上的距离反而会进一步约束。同时，在去年 924 行情前的半年报披露信息，几类基金的 风格都提前向基准靠近。

3.2 哪些行业和风格主导了偏离发生

本节我们探寻哪些行业或者风格主导了偏离，但在距离变动的估计上，我们只能使用近似的方法计算行业 或者风格对距离的影响。

由于中证 500 类基金在历史上以贴近基准风格为主要特征，在这个过程中，非线性市值和市值风格让中证 500 类基金更靠近基准。

中证 800 类基金和基准偏离过程中，市值控制基金偏离基准，而非线性市值控制基金先偏离基准，之后贡 献度逐渐下降，价值、流动性和波动率因子控制基金偏离基准。

行业方面，沪深 300 和中证 800 本身行业偏离并不大，以沪深 300 为例，相对市值较大的几个行业：银行、 非银金融、食品饮料和新能源等行业控制基金偏离基准。

而中证 500 类基金中，医药、非银行金融和新能源等行业控制基金偏离基准。

四、 总结

本报告通过量化实证系统探讨了公募基金业绩基准优化路径及公募基金与基准的高绑定度的实践价值。 本文首先构建低相关性公共基准池显著提高单基准对基金收益的回归解释力，同时针对基金个体设计基准 寻优，使 80%以上解释度基金占比从 30%提升至 80%。我们发现基准对基金的解释度提升能够显著提升基金评 价中 Alpha 因子的效力。 同时，2025 年《行动方案》强化基准约束的要求在本研究中得到实证支持： 研究显示规模大、经理稳定的基金相对更不容易更改投资基准，支持新规"长周期考核绑定投资收益"的监 管逻辑；而从历史时间段来看，权益资本市场走势和基金与基准的偏离或呈现对应反向关系，因此未来强化基 金对基准的偏离对市场有利好效应。最后，基金偏离基准和市场的成交量之间并无显著对应关系。因此，结合 以上分析，我们认为强化基准约束的利远大于弊。 本文同样存在不足之处，实证截止 2025Q1，未反映新规出台后基准调整动态；对基金和基准偏离研究仍 有不足。

编辑：火腿肠