股票投资优化模型建设论文

随着我国市场经济的不断发展，我国在金融领域建设方面已经取得了一定的成绩。股票市场是我国金融市场的重要组成部分，在推动资本流动、为企业发展提供资金支持等方面发挥着十分重要的作用。但在实际情况中，股票市场往往存在着一定的风险性，如果没有正确做好投资风险的评估工作，那么就很容易导致股票市场参与者在投资股票的过程中承担不必要的风险与损失。下面小编整理了一些《股票投资优化模型建设论文 (精选3篇)》，欢迎阅读，希望大家能够喜欢。

股票投资优化模型建设论文 篇1：

Fama-French三因子和五因子模型对我国5G板块企业收益率的实证研究

[摘 要]文章选取中国股票市场上85只5G行业股票，根据账面市值比、规模大小、盈利能力和投资因素将其分成18组，并利用FF三因子模型和五因子模型对2010年1月到2018年12月的月度收益率进行了实证研究和回歸分析。研究结果显示：发达国家更为适用的五因子模型在中国5G行业股票中反而效果更差，出现了冗余因子。三因子模型中的市场风险系数均大于0但数值较小，表明我国5G行业股票的收益率与市场收益率成正相关，但5G行业风险收益变动程度小于证券市场总体风险收益变动程度。我国5G行业股票存在“小规模效应”，规模因子对小规模企业的影响程度较大。大规模高账面市值比的公司存在账面市值比效应，具有良好的投资价值，而大规模低账面市值比的公司风险收益性最差，在投资时应谨慎考虑。

[关键词]因子模型;5G行业股票;资本资产定价;规模因素;账面市值比

[DOI] 10.13939/j.cnki.zgsc.2020.10.001

1 前言

资本市场的研究一直是现代金融领域的热点之一，尤其是对资产资本的定价。资本资产定价模型已成为现代金融经济学的奠基石，该类模型对资产风险与期望收益之间的关系给出了预测。 Harry Markowitz于1952年建立了现代投资组合选择理论;12年后，Williarn Sharpe将其发展为资本资产定价模型(即著名的CAPM模型);Fama和French[1]于1992年提出了FF三因子模型，并在美国股票市场上进行了实证研究，受到业界学者的普遍关注。2015年Fama和French[2]在原有的三因子模型框架上增加了盈利因子和投资因子，进一步改进为五因子模型。在国际资本市场上，五因子模型的实证检验结果普遍优于三因子模型，已得到广泛应用，然而对中国资本市场的资产定价鲜有五因子模型，仍以三因子模型为主。其次，国内对多因子模型的适用性研究仍集中于整个股票市场，对特定行业的研究较少。因此，有关三因子模型和五因子模型对特定行业的适用性值得进一步探究。

近年来，随着通信技术的不断发展，5G行业已成为支撑我国产业结构转型和建设创新科技强国的重要力量。2018年政府工作报告中明确提出要全面推动“第五代移动通信”产业发展。根据规划，2020年将全面实现5G商用。5G的拉动价值不仅在于通信业，还在于整个经济效率提高、成本降低以及能力的极大提升，对我国未来经济发展的影响不可估量。文章通过Fama.French三因子模型和五因子模型对我国上市的5G板块企业的收益率进行实证分析，检验其适应性，为股票投资者提供参考，以期实现收益最大化的目标。

由表2统计结果可知，六组数据的平均值皆小于0.04，S/H、B/H两组的平均值与S/M、S/L、B/M、B/L相比更小，说明小市值高账面市值比组和大市值高账面市值比组盈利较差，高账面市值比的公司更容易陷入财务危机;且S/H组平均值为负，说明小规模、高账面市值比的公司股票月收益率呈下降趋势。各组数据的标准差皆在0.1上下浮动，其中BL组的标准差与其他五组相比较大，说明大规模、低账面市值比的股票风险更大。

4 实证分析

4.1 平稳分析

在对数据进行拟合之前，首先对时间序列样本数据的平稳性进行检验。利用Eviews对6个组合以及市场月收益率进行ADF检验，平稳性分析结果如表3所示。

5 基于Fama.French三因子模型下的选股策略

目前，我国正处于经济转型时期，经济正在向高级形态、复杂分工、合理结构的阶段演化，经济发展转向中高速增长。中国5G市场发展迅速，或将成为全球5G产业发展中最有前景的国家。根据文章的实证分析结果，对关注5G板块的投资者提供一些选股建议，以便投资者在进行组合投资时获取较大的超额收益率。

第一，宏观经济与证券市场相结合。对于证券投资的宏观经济分析，就是要很好地掌握宏观经济与证券市场的关系。首先，投资者应关注宏观经济的走势。经济景气度往往与宏观经济变化趋势相同。由三因子回归结果可知，市场因子的相关系数均为正数，市场的收益率上升，投资组合的收益率也随之上升。故投资者应在经济景气度较好时买进，在经济景气度衰退时选择抛售。其次，准确把握通货膨胀率的幅度。当通货膨胀率较为温和时，这时股市较好，投资者可以选择买进股票;当通货膨胀率较高时，应谨慎选择股票进行投资。最后，关注利率变化趋势。利率上升即意味着股票下跌风险增大，这时投资者需要根据自己的风险偏好，选择相应的股票组合进行投资。

第二，关注公司规模小市值效应。在我国，无论股票市场成熟与否，都一直存在着小市值效应。个股的市值越小，就越容易被市场所操控，推动股价上升所需要的资金就越少。通过三因子模型量化分析可以看出，在5G行业中同样存在着这个问题，小规模S组的回归系数均为正，投资组合的超额收益率与公司规模为正向关系;相反，大规模B组的回归系数为负，投资组合的超额收益率与公司规模呈负相关。由此可以看出，公司规模小的股票收益率比公司规模大的股票收益率高。因此在情况基本相当的情况下，投资者可以优先选择规模较小的股票进行投资。

第三，理性投资，避免盲目跟风。账面市值比效应认为，高账面市值比股票较低账面市值比股票平均月收益高[9]。在Fama.French三因子模型中，账面市值比代表一种风险因素，即公司财务风险因素。Fama和French指出，高账面市值比的公司更容易陷入财务危机。高账面市值比的公司一般是一些经营不佳、财务状况脆弱的公司，风险较低账面市值比的公司大，因此具有更高的收益率。从行为金融学的角度分析，账面市值比效应之所以会产生，是由于投资者不完全理性导致的。投资者往往会对基本面有过度的反应。投资者会对基本面不佳的高账面市值比公司股票过于悲观，非理性的低估其预期收益率;对基本面良好的低账面市值比公司股票过于乐观，非理性地高估该股票的预期收益率。当投资者的过度反应在市场上得到纠正之后，就会导致高账面市值比的股票产生较高的收益率[10]。由三因子模型回归结果可知，S/H、B/H的回归系数大于S/M、S/L、B/M、B/L的回归系数，说明HML对5G行业股票也存在这个问题，这从侧面反映出投资者在5G行业的选股存在着不完全理性投资，故投资者在选择股票时不应盲目跟风，既不应过度悲观，也不应过度乐观，应较为理性考虑企业的实际情况，关注企业的经营层面状况，以便合理规避风险。

总之，目前来看，三因子模型对我国5G行业的股票进行基础定价具有一定的实用性，可以用来预测投资组合的超额收益率。投资者可以此为参考，根据自身的风险偏好进行股票投资。但值得注意的是，市场是在飞速发展的，模型和因子的有效性都具有时效性，三因子模型在将来可能会不适用，这就需要我们不断地对模型进行改进和优化。

6 结论

文章通过FF五因子模型和三因子模型对我国5G行业股票进行实证检验，得出了以下结论：

首先，在发达国家资本市场更为适用的FF五因子模型对于我国5G行业股票的拟合效果反而更差，出现了冗余因子。这说明在5G股票投资中，企业的盈利能力和个体差异的参考性较差。在一定程度上反映了我国股票市场的发展水平和投资者的投资理念与发达国家还有较大差异。

其次，我国5G行业股票的收益率与市场收益率成正相关，但5G行业风险收益变动程度小于证券市场总体风险收益变动程度。主要原因可能是我国5G行业处于高速发展的时期，企业盈利能力、资产规模不断增加，投资机会较多，使5G行业股票面临的风险较小。

再次，SMB因子对小规模企业的影响程度更大，说明我国5G行业股票存在“小规模效应”。小规模股票多数处于成长阶段，具有较大的发展空间;并且小市值公司为了快速发展常常愿意承受更大的风险，因此股票价格波动情况比较剧烈，容易受到短期投资者的青睐。

最后，我国5G股中，大规模高账面市值比的股票呈现出一定的账面市值比效益，說明这些公司的投资价值较高。而在其他组合中，HML因子对其收益率呈负相关，且账面市值比越低，负相关程度越高。

参考文献：

[1]FAMA E F， FRENCH K R.The Cross Section of Expected Stock Returns[J].Journal of Finance， 1992， 47 (2)：427.465

[2]FAMA E F， FRENCH K R.A Five.factor Asset Pricing Model[J].Journal of Financial Economics， 2015， 116 (1)：1.22

[3]高春亭，周孝华.公司盈利、投资与资产定价：基于中国股市的实证[J].管理工程学报，2016(4)：30.38

[4]李志冰，杨光艺，冯永昌，等.Fama.French五因子模型在中国股票市场的实证研究[J].金融研究，2017(6)：191. 206

[5]杜威望，肖曙光.FF五因子模型在中国股票市场的改进研究[J].华侨大学学报(哲学社会科学版)，2018(3)：39.53

[6]赵胜民，闫红蕾，张凯.Fama.French五因子模型比三因子模型更胜一筹吗——来自中国A股市场的经验证据[J].南开经济研究，2016(2)：43.61

[7]郭柱希.Fama.French三因子模型和五因子模型对A股钢铁企业的实证检验[J].河北企业，2019(6)：33.36

[8]周全生. 中国创业板市场股票收益率影响因素的实证研究[D].济南：山东大学，2019

[9]徐振华.中国股市规模效应和账面市值比效应的实证分析[J].金融发展研究，2011(11)：75.78

[10]王磊，刘亚清.中国股市账面市值比效应成因分析：基于行为金融视角[J].管理评论，2011，23(10)：43.48

[作者简介] 李子懿(2000—)，女，山东莱芜人，哈尔滨工程大学经济管理学院，研究方向：金融;李欢(1997—)，女，四川绵阳人，哈尔滨工程大学经济管理学院，研究方向：金融。

作者：李子懿　李欢

股票投资优化模型建设论文 篇2：

宏观压力背景下股票市场风险的稳定性

随着我国市场经济的不断发展，我国在金融领域建设方面已经取得了一定的成绩。股票市场是我国金融市场的重要组成部分，在推动资本流动、为企业发展提供资金支持等方面发挥着十分重要的作用。但在实际情况中，股票市场往往存在着一定的风险性，如果没有正确做好投资风险的评估工作，那么就很容易导致股票市场参与者在投资股票的过程中承担不必要的风险与损失。因此，我们需要做好在宏观压力背景下的对于股票市场风险的稳定性研究，来帮助我们更好的进行股票市场形势判断，实现合理投资，规避风险。接下来，本文将从在宏观压力背景下的关于股票市场风险稳定性的相关內容入手进行具体的行文阐述。

进行宏观压力背景下股票市场风险稳定性研究的重要意义

是维持股票市场相对稳定的重要方法。股票市场是我国金融市场的重要组成部分，在我国的现代化经济体系中占据着十分重要的地位。但是在实际情况中。股票市场往往存在着比较大的波动。很容易受到各种因素的外界干扰。出现比较大的震荡，我们可以很容易的发现，如果股票市场长期处于一个不稳定的市场会导致比较多的不良后果。一方面会对股票市场中的投资者造成比较严重的经济损失。另一方面也不利于我国的现代化金融体系的建设。因此，为了在一定程度上维持我国金融领域中股票市场的相对稳定，就需要我们做好在宏观压力背景下股票市场风险稳定性的研究工作，及时向大众传递必要信息，为政府有关部门的宏观调整工作提供指导性意见，从而为我国金融领域股票市场的健康持续发展奠定良好的基础。

是减小股票市场投资者投资风险的重要手段。在实际情况中。在股票市场中进行投资工作往往是具备一定的风险的。稍有不慎就很容易出现投资者的资金投入遭受损失的情况。因此。为了避免股票投资的风险。就需要投资者在进行股票投资活动前先做好对于股票市场风险的合理分析。一方面要对现有市场状态进行判断，选择合适的时机进入股票市场进行投资活动。另一方面也需要做好未来一段时期内的股票市场预测，来做好撤出资金的时机判断。因此。做好股票市场风险稳定性的研究工作。是股票投资者实现减少投资风险的重要途径。能够帮助股票投资者有效减少投资风险，实现理性投资。

我国股票市场的发展状况。在实际情况中。我国的股票市场目前正处于一个快速发展的阶段。但是由于我国在金融领域的现代化建设起步较晚，我国股票市场的各种基础体系的建设相比于其他发达国家的股票市场还存在着比较大的差距。在市场发展中呈现着比较突出的不稳定性与不敏感性，这主要体现在我国目前的股票市场在运行中不受我国宏观经济运行指标的影响。一方面股票价格的决定因素与我国在宏观层面上的政策性因素无关。另一方面也表现在我国股票市场常常出现股票价格浮动的方向与我国目前的宏观经济发展方向存在一定的矛盾。因此。对于我国的股票市场来说。如果相关部门的正常制定人员对于股票发展状况的认识存在一定的滞后性，那么就很容易制定出不符合实际情况的政策。从而影响到我国金融领域中股票市场的正常发展。甚至在一定程度上会对整个金融领域造成十分严重的伤害。不仅如此。如果关部门的正常制定人员对于我国股票市场敏感性把握不足的话。那么政策的实施也很难发挥预期的效果，成为一纸空谈。因此。就需要我们进行宏观压力背景下股票市场风险的稳定性研究。从而为我国的股票市场的政策制定提供依据。

cVaR的压力测试算法

本文中所提到的对于宏观压力背景下股票市场风险的稳定性研究所使用的方法是CVaR测算法，CVaR的中文全称为条件风险价值，它是在风险价值这一计算方法上扩展而来的，这一种计算方法不仅在概念上十分简单。便于对比结果与数据，而且在内容上比较全面。具有代表性。在性质上，CVaR算法具有以下几点性质：平移不变性;正齐次性;单调可加性;某种程度上具有关于零的对称性;CVaR具有次可加性。目前。CVaR算法被广泛运用于股票市场的风险预测中，从具体的应用范围来说。主要有以下三大类，首先是投資组合的优化;其次是确定内部风险资本需求和设定风险限额;最后是用于资本配置当中。

压力测试的背景模型。在宏观压力背景下股票市场风险的稳定性研究中，我们可以先假设在股票市场中存在着两类股票。一种大盘股。另一种是小盘股。当然，这一种假设也可以类比推广至按照市场参与者规模类型的划分当中。将股票市场参与者划分为以投资公司为代表的大型金融组织投资者与以个体散户为代表的小型个人投资者。此外。对于进行混业经营的银行来说。也可以按照不同类型的银行资产组合进行划分。还可以按照这一种思想来将一个股票不同时期内收益率的变化进行分段比较，例如稳定期与波动期。因此，在宏观压力背景下股票市场风险的稳定性研究中，我们认为，由于投资者在投资选择上往往存在比较大的差异性，因此在实际情况中，大盘股与小盘股在市场中的实际价格与收益率的浮动往往也是不同的，因此在今次那个压力测试时我们必须考虑这一情况。假设大盘股的收益率X1的分布密度为p(θ1，x)，小盘股的收益率X2的分布密度为p(θ2，x)，并且θ1，θ2是分布参数，那么我们可以得出整个股票市场在收益率方面的分布情况是呈现着混合分布的情况的，并且这一混合分布情况的表示公式为f(X)：kp(θ1，X)+(1-k)p(θ2，X)，在这一公式中k表示股票市场的混合分布比例数值。同时。为了对分布的参数进行合理的估计，我们往往还需要设计股票市场整体收益率在分布上的具体形式情况。为此我们假设X1与X2在分布形态上属于正态分布。并且X1的分布密度为中φ(u1，σ1，x)，X2的分布密度为中Φ(u2，σ2，x)。因此，我们-可以得出在这一情况下的股票市场整体收益分布情况为f(x)：kφ(u1，σ1，x)+(1-k)中(u2，σ2，x)，在这一公式中u1，u2和σ1。

是大盘股与小盘股收益率分布的均值和标准差。参数估计的矩法校正技术。在实际情况中，我们可以很容易发现，股票的收益率的具体数值往往是比较小的，因此我们可以假设u1=u2-0，如果存在不等于。的情况。我们可以先采用其他计算方式来计算是股票收益率的大概均值，然后再进行平移变换。(需要注意的是我们在进行股票市场风险问题的考虑是。一个重要的数学参数是方差。而不是均值)在矩阵校正方法中，我们设定股票市场中各个股票的收益率分别为x1，x2，…，xn，而我们需要估计的其他重要参数是，1σ，σ2和k，因此我们需要建立二阶、四阶和六阶矩进行数据的校正，得到以下方程组：

其中m(4)，m(6)分别表示四阶、六阶矩。在完成具体参数带入之后即可得到混合分布的具体形式，从而可以进行情景模拟和压力测试。

上海和深圳股票市场风险的实证分析

在实际情况中，股票市场的发展状况在一定程度上反映着我国在一段时期内的经济发展状况，与我国在经济发展的总体情况相一致。我国金融领域在这几年中出现了一定的波动。体现在股票市场中就表现为几次大的股票市场震荡，股票市场的不稳定性在一定程度上已经影响到了我国金融领域各个相关行业的正常发展。因此我们需要根据实际情况来进行股票市场风险稳定的研究工作。接下来。本文将以2010年至2015年中上海与深圳股票市场的波动情况数据来进行实证分析。上证指数。2011年最高3067，最低2014;2012年最高2478，最低1949;2013年最高2444，最低1849;2014年最高3234。最低1974;2015年最高5178，最低2638，深证成指，2011年最高13233，最低8555;2012年最高10616，最低7660;2013年最高8815，最低7045;2014年最高11050，最低7410;2015年最高18211，最低9259，

從表1我们可以根据表中所反映出来的上证综合指数和深圳成份指数的一些相关具体数值计算得出两地股票在价格方面的相关系数为0.9673。并且两地股票市场在正态分布方面的风度都远远超过了3，从而我们可以得出这两地股票市场在收益率方面的分布情况都具有一定的厚尾特征。因此我们需要对这两者进行具有厚尾特征的分布进行模拟计算。由于这一计算方式所列出的方程组是非线性方程组。因此我们采用采用内点法解方程组，得到近似解。

接下来我们进行压力测试场景的设计，在这一步骤下，我们只需要进行上述两地股票市场中混合分布的随机变量计算。具体的步骤如下，首先，我们需要先在集合(1，2)上取值的离散随机变量I，这一变量需要满足以下条件：P(I=1)=k，P(I=2)=1-k，其中k是混合分布比例。然后。我们需要建立密度函数中φ(u2，，σ2，x)随机变量X，X的分布就是混合正态分布，一般来说，进行模拟的次数可以设定为5000、10000和50000次。最后，根据结果我们可以发现。无论是在均值、标准差还是峰度方面，我们的模拟结果都和实际历史数据相近，并且模拟的次数越多那么模拟得出的结果就与实际情况越相近。

最后。我们需要来进行风险指标值的计算，我们可以发现，在不同的置信水平下，股票市场的风险控制要求也不同，一般情况下呈现置信水平越高则风险控制要求更高的情况。根据前文得到的结果。我们可以发现，我们所进行的模拟计算得出的结果虽然与实际情况有一定的差距。但是这一差距会随着计算的增加而提高合理性。因此，我们可以证明这一计算方式的合理性。并且，以上作为实例的两地股市在风险性上也没有存在实际性的差异。

因此，上述分析我们可以论证，本文提出了利用混合分布模型产生情景的比较符合实际的压力测试方法来计算相容风险测度CVaR，在进行参数估计时通过矩法矫正技术的应用确保了方法使用的简便性和可行性。股票风险稳定性研究中压力测试是重点的内容，压力测试会受到宏观经济环境变化以及计算方法误差的影响。宏观经济背景下股票市场压力测试首先需要明确测试的风险因子类型、风险因子之间的联接方式、压力测试的时间范围、风险损失最大值以及风险价值的波动性等等。笔者所采取的股票市场风险的稳定性研究还存在一定的不足。主要表现在测试手段单一、测试过程具有主观色彩以及对股票市场极端事件预估的不足等等。利用该方法进行股票市场风险判定是对于实际的市场运行中存在的各种复杂环境和具体的风险因子考虑不足。导致模型的实用效果可能无法达到预期。此外由于随机数产生的不确定性，需要对一个数值进行多次的模拟，并进行综合分析计算，确保结果的合理性。在实际的股票市场运行中，会有一些可能引发市场风险和危机的极端事件，但是压力测试无法对这种极端事件进行准确的判断，但是该方法的优势在于可以预估极端事件对于市场稳定性的影响。因而压力测试在股票市场风险控制管理中仍然具有一定的使用价值，能够为我国政府相关部门制定股票的宏观调整政策以及股票市场投资者进行合理投资工作提供必要的判断依据和选择依据，

随着我国社会主义经济的不断发展，我国在金融领域股票市场中将会继续迎来一个比较长的快速发展期，但是由于股票市场自身的特殊性，为了更好的稳定股票市场的发展，需要我们做好在宏观压力背景下股票市场风险的稳定性研究工作。通过利用CVaR的压力测试算法来对股票市场的发展现状以及在未来一段时期内的发展走向进行合理预测。从而为我国政府相关部门制定股票的宏观调整政策以及股票市场投资者进行合理投资工作提供必要的判断依据和选择依据。最终实现我国股票市场的健康持续发展。

作者：唐静

股票投资优化模型建设论文 篇3：

FOF市场爆发华夏基金斩获两年桂冠

不确定性越是增加，人们对确定性的需求就越高。近两年股市的起伏震荡，使得主打风险收益比的FOF获得巨大发展良机。那么2021年，FOF战场各家战绩如何呢?

据Choice数据统计显示，截至2022年1月5日，在剔除QDII之后FOF的总数为314只，总规模近2340亿元。其中仅在2021年新成立的产品就多达136只，规模高达1293亿元。而在2020年，当年新成立的FOF数量为72只，这些产品当前规模为316亿元。可以看出，FOF加速爆发的态势在近两年间非常明显。(由于FOF净值的发布有三个工作日的滞后，所以1月5日发布的是2021年12月31日的净值数据)。

FOF之所以受欢迎，部分原因是当前开放基金总数量多达14000只(A、C份额分别计算)，选基金难度越来越高，通过FOF来实现对优秀基金的筛选，可谓一种省心之选。此外，FOF能实现投资风险的二次分散，可以实现更低的收益波动以及更确定的收益目标，从而获得更高的风险收益比，这对于长期投资来说尤为重要。

整体来看，FOF低回撤优势明显。Choice数据统计显示，截至2021年末，全部2865只偏股混合型基金在过去两年的最大回撤幅度算数平均值为-15.79%，全部744只普通股票型基金同期回撤幅度均值为-19.21%。而FOF基金同期最大回撤均值仅为-6.02%。 而对于一些特别优秀的FOF产品，其风险收益优势就显得更为突出。近两年收益率排名第一的华夏养老2045三年持有混合(FOF)A就是佼佼者之一。

要收益也要“安心”

东方财富Choice数据显示，华夏养老2045三年持有混合(FOF)A近两年收益率高达60.32%，同期最大回撤幅度僅为-15.74%。可以说在为持有人收获了丰厚收益的同时，也提供了非常好的持有体验。这种优秀表现也使得该产品规模持续提升，从2019年年终的4亿左右到2021年三季末的超13亿元。

Wind数据显示，华夏养老2045三年持有混合(FOF)A明显跑赢沪深300指数和混合FOF平均水平。(见图一、二)

图一：华夏养老2045三年持有混合（FOF）A与大盘走势对比

图二：华夏养老2045三年持有混合（FOF）A与混合型FOF基金平均水平对比

 

事实上，优异的风险收益水平在华夏优秀FOF中并非偶然。比如2021年FOF的年度收益率冠军华夏聚丰稳健混合发起式(FOF)A，该产品在2021年收获了16.22%的年度收益率，而该基金C份额也以16.17%的成绩位居FOF年度收益榜第二。两只基金包揽了FOF业绩的冠亚军。

在整个FOF产品线上，华夏基金均有亮眼表现。比如近两年收益达47.36%的华夏养老2050五年持有混合(FOF)以及近两年收益率达45.7%的华夏养老2040混合(FOF)A(见表一)。而这与华夏养老2045一样，都由有23年证券从业经验的华夏基金资产配置部总监许利明担纲。值得一提的是，下个月这位战绩颇丰的老将再发新基——华夏聚盛优选一年持有FOF，后期表现值得期待。

表一：华夏FOF产品表现

独特打法优势渐显

与普通基金需研究具体资产不同，管理FOF基金需关注大类资产配置，以及在强大投研队伍支撑下，挖掘优秀基金经理。

在大类资产配置方面，华夏基金资产配置团队根据国内情况对美林时钟理论进行优化完善，形成基于宏观(Macro-economy)、估值(Value)、政策(Policy)的MVP分析模型，并据此开发了独树一帜的“货币、信用、流动性、盈利/估值、情绪”的五因素六象限的战术资产配置框架。(见图三)

图三：华夏基金分析模型

在团队建设方面，华夏基金的FOF团队阵容豪华，由专设的资产配置部负责FOF等配置类组合的投资，包括13人的独立FOF研究团队，背后还有华夏基金近200人的大研究团队给予支持。

与许多同行的FOF团队有所差别，华夏基金的FOF团队是一个带有股票投资基因的团队。如华夏基金FOF团队“带头人”、公司副总经理孙彬，就曾担任过华夏基金研究部和公募股票投资部负责人;华夏养老2045的基金经理许利明现任资产配置部总监，也曾担任年金和公募基金的股票投资经理;华夏聚丰基金经理郑铮也有股票研究部的宏观研究员经验。众多高手加持使该团队在理解不同基金经理的买入逻辑时，有更强的优势。

事实上，在选择基金和基金经理方面，华夏基金已沉淀下来一套独有的定量+定性研究方法。定量部分不仅包括传统多因子模型，还包括了自建的依靠机器学习来实现优选产品和基金经理的AI模型。而在定性部分，则是通过对基金经理的投资框架、能力圈等情况的深入调研，并参考其与华夏资产配置策略的匹配度，来形成对不同基金经理全方位的评估画像，从而找出能真正创造阿尔法的黑马基金经理。

这套独门方法效果如何?一个案例就是华夏的FOF团队通过定量分析模型选出了任职基金经理仅一年、持股相对冷门、换手率很高的刘畅畅。团队通过深入定性研究，来与量化研究互为验证。此后，华夏聚丰稳健混合(FOF)即开始买入刘畅畅管理的华安文体健康，并逐渐成为该FOF的第一大重仓基金，这只基金在2021年收益率高达69.78%，成为华夏聚丰2021年度夺冠的重要助力。

从2017年9月首批FOF产品获批至今，也不过短短4年多时间。作为一类研究方法迥异的产品，不同管理公司在这一领域投入资源与投研积累的不同，已使得一些公司开始占据优势地位。作为首批公募FOF管理人、首批养老目标日期FOF管理人，华夏基金FOF方面的积极布局可谓成效卓著。旗下FOF产品线的整体良好业绩，在助推FOF快速发展的同时，也为那些愿意“尝鲜”的投资者斩获了不错的收益。

作者：杨阳