2025年量化专题报告：选基因子到选股因子的转化路径探讨

一、从传统公募基金重仓因子的失效谈起

基于公募基金重仓指数的历史走势，整体而言，公募基金重仓股并未带来持续稳定的超 额收益。理论上，若基金经理通过深度研究有效识别错误定价，其重仓股票应获得更高 未来收益。然而，实证显示，自 2010 年以来，公募重仓因子经历了两次长周期失效： 2013 年中至 2017 年初，以及 2021 年初至今。因此，仅仅依赖公募基金整体重仓股进 行择股，长期信息价值有限。

但这并不意味着主动股基的持股信息毫无价值。业绩归因结果表明，2021 年以来的回撤 主要源于风格或行业的系统性负收益，而非选股能力缺失。因此，本文尝试从定量选基 视角，挖掘主动股基持股信息中的潜在 alpha。

二、选基因子到选股因子转化路径的探索

下文将首先构建能准确刻画基金选股能力的评价因子，检验其在定量选基中的有效性， 随后将该因子映射为股票因子并评估选股效果。

2.1 转化第一阶段：构建选基因子

研究样本与筛选规则

研究样本为公募主动权益基金，对应 Wind 二级分类的普通股票型、偏股混合型、灵活 配置型。其中灵活配置型基金需要满足股票仓位上限>60%。具体而言，股票仓位上限 =max{距离基金成立日最近的 3 个报告期的股票占净值比的最大值，距离当前时点最近 的 3 个报告期的股票占净值比的最大值}。

数据披露规则

基金每年会公布 6 个定期报告，包含 4 个季报、1 个中报和 1 个年报。季报需在每个季 度结束之日起 15 个工作日内公布，季报仅公布前十大重仓股；半年度报告在当年 8 月 底之前公布，年度报告在次年 3 月底之前公布，中报和年报公布全部持股明细。在构建 因子的过程中，为避免前视偏差，所有持仓数据均按实际披露日期滞后使用。 在计算基金选股能力指标时，采用如下数据使用规则以最大化信息效率。每期都在季报 截止公布时点计算，滚动回看 5 段观测区间（包含 4 个完整季度&15 个交易日）： 如果更新时点为 1 月或 7 月，则可用持股节点 1 和节点 3 的全持仓股，其余节点可 用前十大重仓股； 如果更新时点为 4 月或 10 月，则可用持股节点 2 和节点 4 的全持仓股，其余节点 可用前十大重仓股。

基金选股 alpha 胜率因子构建细节：在每个季报披露时点，回看过去 5 个报告期持仓 （其中有 2 期为年报/中报的全持仓，其余为季报前十大重仓）。对于每只股票，若其在 随后观测区间内跑赢行业 0.5%以上，则记 1 次“成功选股”。其中，前 4 次观测区间取 为持股时点后 1 个季度，最新 1 次观测区间取持股时点后 15 个交易日。 作为定量选基因子，选股 alpha 胜率因子 IC 表现突出：2013 年以来 Rank IC 均值 0.0653，IC 正向胜率 71%。

选股 alpha 胜率因子有较强的“多头效应”。五分组 Top 组相对 Bottom 组具备较高的 超额收益，因子值最高的基金组合未来收益显著优于其余组别，这验证了该选基因子的 有效性，该选基因子能够有效地筛选出具有较高收益潜力的基金。

2.2 转化第二阶段：映射选股因子

尽管投资者在每次季报披露后都会聚焦主动权益基金的重仓股，但前文研究表明，传统 “基金重仓程度”因子自 2021 年以来持续产生负向超额。因此，本章尝试提取公募基金 持股信息中的选股 alpha，为股票因子库补充一条来自公募维度的增量信息。

选基因子到选股因子的映射路径

基金因子的更新时点是在基金季报截止公布的日期，该时点可获得基金最新前十大重仓 股信息，于是可根据该勾稽关系构建一个映射：T（基金因子）→股票因子。

2.3 股票 FHQ 因子绩效

① 万得全 A 样本空间因子绩效

限定在万得全 A 成份股域内，测算股票 FHQ 因子的绩效。 季度 Rank IC 均值：0.035，IC 正向胜率：59%。 五分组回测结果显示组 5 相对各分组平均有显著正 alpha，呈现显著多头效应。

② 沪深 300 样本空间因子绩效

限定在沪深 300 成份股域内，测算股票 FHQ 因子的绩效。季度 Rank IC 均值：0.06，IC 正向胜率：63%。 五分组回测结果显示组 5 相对各分组平均有显著正 alpha，呈现显著多头效应，多 头和空头区分度良好。

③ 上证 50 样本空间因子绩效

限定在上证 50 成份股域内，测算股票 FHQ 因子的绩效。 季度 Rank IC 均值：0.11，IC 正向胜率：65%。 五分组回测结果显示组 5 相对各分组平均有显著正 alpha，呈现显著多头效应，多 头和空头区分度良好。

④ 跨域比较因子绩效

将 FHQ 因子扩展至 10 个主要指数域，逐一做相应测算进行对比，具体结果如下表所示， 按照 rankIC 均值排序为：上证 50>沪深 300>中证 800>中证红利>国证成长>国证 价值>万得全 A>中证 500>中证 1000>创业板指。

2.4 基于 FHQ 构建多头选股策略

下文我们依据 FHQ 因子构建成份股内的多头选股策略，以此进一步验证因子绩效。

① 沪深 300 多头选股等权组合

组合构建：基金季报更新时点调仓，每年调整 4 次，每次从指数成份股内选取 FHQ 因子 值最大的 50 只股票等权构建股票组合。 组合表现：2013/1/25-2025/8/22，基于 FHQ 的沪深 300 指数多头选股组合年化收益率 为 15.29%，组合相对沪深 300 等权指数的超额年化收益率为 11.22%，季度胜率 72.55%， 月度胜率 72.37%。

② 上证 50 多头选股等权组合

组合构建：基金季报更新时点调仓，每年调整 4 次，每次从指数成份股内选取 FHQ 因子 值最大的 20 只股票等权构建股票组合。 组合表现：2013/1/25-2025/8/22，基于 FHQ 的上证 50 指数多头选股组合年化收益率为 12.46%，组合相对上证 50 指数的超额年化收益率为 10.60%，季度胜率 72.55%，月度 胜率 65.79%。

③ 全域多头选股选股策略对比

上述策略回测表明，股票 FHQ 因子在沪深 300、上证 50 等指数成份股域内构建的多头 选股等权组合可以稳定显著地战胜对应的基准指数。 那么在其他的指数成份股域内能否做类似的多头选股策略呢？能否战胜对应的全收益 指数呢？我们也逐一做了相应的测算，并且以对应的全收益指数作为基准进行对比。具 体结果如下表所示，基本结论是： （1）实证结果表明，以对应的全收益指数为基准，FHQ 因子在多个样本空间内均能产 生显著且稳健的超额收益。 （2）按照策略超额年化排序为：沪深300>中证800>中证1000>国证成长>上证50> 中证 500>国证价值>创业板指>中证红利。

2.5 关于转化路径的关键问题讨论

① 加权方式选择

计算股票因子时应该按什么加权方式对基金因子进行加权？上述映射中涉及基金因子 的加权方式，按照不同加权方式构建 FHQ 股票因子进行对比，在沪深 300 成份股域内测 算了相应的绩效，从下图可以看到不同的加权方式都有较好的效果，从多头选股效果来 看占净值比加权的方式相对更好，故本文统一采用占净值比加权。

② 因子覆盖度

计算股票因子时需要用到基金重仓股进行映射，股票因子的覆盖度是否足够？从基金因 子到股票因子的转化，需要考虑基金持股对股票池的覆盖度，覆盖度足够高才可以保证 股票池内足够数量的股票有因子值。 定义因子覆盖度=基金池持股与样本空间的交集数量/样本空间股票数量，我们进行了详 细的覆盖度测算。结果显示，FHQ 因子对上证 50、沪深 300、中证 800、中证 800 等指 数成份股的覆盖度较高，而在中证 1000、中证 2000 的覆盖度较低。覆盖度随样本空间 的市值下沉而降低，需在中小盘策略中留意缺值问题。

③ 因子相关性

股票 FHQ 因子与 barra 风格因子相关性如何？从时序上来看 FHQ 因子与股票风格因子 之间的相关系数会变化，从历史均值来看相关性较低。相关性最高的是动量风格因子， 但相关系数历史均值仅为 0.13，因此股票 FHQ 与 barra 风格因子之间相关性较低，表明 FHQ 可作为低相关增量因子。

股票 FHQ 因子与传统基本面和量价类的股票因子相关性如何？下表测算结果显示，FHQ 因子与其他常见的基本面类、量价类的股票因子之间的相关性较低，可作为现有选股因 子库的一个补充。

④ 重仓基金数量分布（以沪深 300 为例）

以沪深 300 样本空间为例，各股票被基金重仓覆盖的数量分布有什么规律？如果过多 的股票仅有个别基金重仓，即使覆盖度足够也会使得因子测试的结论有偏，因此我们以 沪深 300 样本空间为例，详细测算了各股票被覆盖数量的规律。大部分成份股都有 5 只 以上的基金重仓覆盖，因此对于沪深 300 成份股的持有基金质量评价较为公允。但从历 史平均重仓基金数量历史序列来看，2017 年之后基金样本的数量更多，沪深 300 成份股 也被更多数量的基金重仓，置信度随样本扩张而提升，因此 2017 年之后的测算结论置 信度更高。

⑤ 单因子指增效果

如果仅用单个股票因子 FHQ 做沪深 300 指增效果如何？仅使用 FHQ 进行组合优化构 建沪深 300 增强组合进行尝试，约束条件：（1）指数成分股权重≥85%；（2）风格因子 （市值、估值、波动率）暴露偏离≤0.05 倍标准差；（3）行业权重偏离≤2%；（4）个股 权重偏离≤1%。 组合表现：2013/1/25-2025/8/22，基于 FHQ 因子的沪深 300 指数增强组合的超额年化 收益率 6.48%，年化跟踪误差 4.16%，信息比率 1.56，月度胜率 67.76%。

上述测算结果表明，FHQ 单因子在严格控制风险暴露的前提下，可为指数增强提供稳健 但温和的超额来源，同时也应注意到，在 2019 和 2022 年该因子的表现一般，因此 FHQ 仍需与其他的因子融合使用以提升稳健性与显著性。

三、转化路径的延展性探讨

第三章我们验证了映射 T（基金因子）→股票因子的有效性，将 1 个基金因子转化为 1 个股票因子，该转化路径是否适用于其他的选基因子？多个因子叠加使用能否增强效果？

① 单因子普适性

按照映射：T（（基金因子）→股票因子，每一个基金因子都可以映射出一个股票因子，将 数据库中全部基金因子逐一映射为对应股票因子，并在沪深 300 域内测试，下表列示了 24 个 IC 值较大的基金因子，这说明映射框架具有普遍适用性。

② 多因子叠加——FHQ_5

以前文介绍的 FHQ 因子为核心因子，再融入其他的股票因子，将每个因子各自做截面 标准化处理，再按照因子方向等权合成综合股票因子可提升选股效果。

③ 基于 FHQ_5 构建多头选股组合

组合构建：基金季报更新时点调仓，每年调整 4 次，每次从指数成份股内选取 FHQ_5 因 子值最大的 50 只股票等权构建股票组合。 组合表现：2013/1/25-2025/8/22，基于 FHQ_5 的沪深 300 指数多头选股组合年化收益 率为 15.31%，组合相对沪深 300 等权指数的超额年化收益率为 10.72%，季度胜率 66.67%，月度胜率 63.16%。

④ 基于 FHQ_5 构建指增组合

沪深 300 指数增强组合构建：基于 FHQ_5 股票因子，进行组合优化构建沪深 300 增强 组合，约束条件：（1）指数成分股权重≥85%；（2）风格因子（市值、估值、波动率） 暴露偏离≤0.05 倍标准差；（3）行业权重偏离≤2%；（4）个股权重偏离≤1%。 组合表现：2013/1/25-2025/8/22，基于 FHQ_5 沪深 300 指数增强组合的超额年化收益 率 7.40%，年化跟踪误差 4.33%，信息比率 1.71，月度胜率 74.34%。

四、本文总结

从公募基金重仓指数历史表现来看，整体重仓股不具备稳定超额收益，如何从中挖掘 alpha 信息是一个重要的研究课题。公募重仓因子自 2010 年以来曾有两次较长周期的 失效，包括 2013 年中至 2017 年初、2021 年初以来这 2 段区间，长期而言只看公募基 金整体重仓股的话，信息价值有限。但从我们对基金持股进行业绩归因拆解的结果来看， 剥离风格和行业因素之后，主动股基的选股还是有 alpha 的。 本文从定量选基的角度出发进行了深度探索，构建了一条从选基因子映射到选股因子的 路径。首先走通一条路径，构建 1 个选股胜率基金因子，接着将该选基因子映射到选股 因子：T（（基金因子）→股票因子。按照该映射可将基金选股 alpha 胜率因子转化为一个 股票因子 FHQ，底层逻辑是 FHQ 反映了持有该股票的基金平均质量好坏，基金评分越高 则股票 FHQ 越大，基金评分越低则股票 FHQ 越小。

股票 FHQ 因子在各样本空间内都有一定的多头选股效果，尤其是在沪深 300、上证 50 等样本空间内选股效果较好。限定在沪深 300 成份股域内 FHQ 因子的季度 IC 均值为 0.06，IC 胜率 63%，5 分组区分度较高，而且组 5 相对各分组平均有显著正 alpha。大 部分的指数成份股域内都可以构建对应的多头选股策略战胜对应的全收益指数。例如本 文构建的沪深 300 多头选股组合相对沪深 300 等权指数 2013 年以来超额年化收益 11.22%，上证 50 多头选股组合相对上证 502013 年以来超额年化收益 10.60%。 因子转化映射的路径具备可延展性，同样适用于很多其他的选基因子到选股因子的转化。 按照映射 T（（基金因子）→股票因子，每一个基金因子都可以分别映射出一个股票因子， 于是我们将全部的基金因子都逐一进行了转化和回测。多个因子合成可提升绩效，例如， 以 FHQ 为核心因子，再融入其他几个因子合成为 FHQ_5（（股票投资能力+行业配置能力 +超额收益能力+风险控制能力+机构认可度），FHQ_5 因子绩效相比 FHQ 有提升：IC 均 值 0.0578→0.0963，IC 胜率 63%→73%。 构建股票组合：（（1）基于 FHQ_5 的沪深 300 多头选股组合：截至 2025 年 8 月 22 日， 基于 FHQ_5 的沪深 300 指数多头选股组合年化收益率为 15.31%，组合相对沪深 300 等 权指数的超额年化收益率为 10.72%，月度胜率 63.16%，多头组相对空头组超额显著。 （2）基于 FHQ_5 的沪深 300 指增组合：2013/1/25-2025/8/22，基于 FHQ_5 沪深 300 指数增强组合的超额年化收益率 7.40%，年化跟踪误差 4.33%，信息比率 1.71，月度胜 率 74.34%。FHQ_5 在严控风险暴露的前提下，该因子可为指数增强提供稳健且显著的 超额来源。

编辑：火腿肠