Part 1 简介
其实现在选择基金比选择股票都难，截止今年5月底，投向二级市场的私募基金一共8500家左右，其中小型私募的占比超过了80%，私募基金也处于一个相对产能过剩的阶段。而对于私募基金的筛选是否可以参考股票多因子模型呢？
其实，公募基金筛选中使用多因子模型已经比较常见，而对于私募基金来说，由于底层数据标准不统一、策略不透明等因素，私募多因子选基的研究一直处于空白期。
我们可以通过东证金工的这篇研究，来初步了解私募多因子选基这个领域。研究中选取了市场上常见的四大类定量评价指标：四大类因子包括收益类、风险类、风险矫正类和统计类，其中风险矫正类因子的选基效果最佳。根据FOF组合的特性，风险矫正类因子适用于主动激进，收益类因子适用于进攻性，而统计类因子适用于防守性。值得注意的是，指标计算和基金收益率基于历史数据，有失效的可能性。
Part 2 多因子选基体系
多因子体系是广泛用于股票投资的选基方式。它通过线性的定量表达式描述单个因子值和资产在每个因子上的因子载荷，以此来解释资产的预期收益率。多因子体系在选股中得到了完善，并被纳入公募基金产品。然而，私募基金的多因子选基尚处于空白期。本文旨在借鉴股票多因子体系的思路，定量探讨基于私募产品历史信息的指标对基金表现的预测意义和收益差异解释能力。研究采用了针对私募基金的预处理、特征因子处理和单因子测试等框架，并提出了构建更稳健的FOF组合、设定持仓年限以及控制组合回撤等问题。
中证500指数是量化股票策略中的焦点之一，我们选择了一只可回溯业绩最长的中证500指数增强型产品进行研究。通过全市场的筛选条件和后续计算因子逻辑，我们选择了102只样本产品，其中110只在2021年中达到高峰，为我们后续的截面多因子选基研究提供了足够的产品数量。
Part 3 四大类因子简介
1）收益类。收益类因子中，捕获率和盈利期数的效果出色。捕获率通过统计同期基准收益率为正的时间段中，组合超额为正的收益率均值，具备分层能力。盈利期数根据历史净值统计回溯期内业绩为正的涨跌幅加总，与捕获率相似，但没有明显的分层结果。偏度和峰度作为收益类因子效果不明显，颗粒度较粗糙，难以分辨优劣。捕获率和盈利期数是较为可靠的收益类因子。
2）风险类。
我们发现，大多数风险因子对基金的影响有限。传统和加工后的风险因子表征了基金收益的不确定性，但无法准确评估管理人的能力和市场动态。因此，风险因子不适合作为选基因子，这一点我们从其风险因子的IC均值也可以看出来。（IC值代表了其指标和基金收益之间的相关性强度，以及该指标对基金后续表现的预测能力，IC值在-1到1之间取值，表示指标与基金收益的正相关程度或负相关程度。IC值较高的风险因子意味着该因子与基金收益率之间存在较强的相关性，并且可以预测到基金的未来表现。）
3）风险矫正类因子
我们观察到在多因子选基中，风险矫正类因子的选基效果最优。具体而言，在风险矫正类因子中，波动率矫正、Beta矫正和低偏矩矫正的效果较为出色。这些因子能够通过校正基金的风险水平来提升选基能力，并且在多头组合中展现出较好的综合选基实力。多头组合的超额夏普比、超额收益和超额收益波动等指标均表明，风险矫正类因子在选基过程中具备较强的综合实力，能够提供更好的选基结果。因此，风险矫正类因子在私募FOF组合构建中具有重要的作用。
4）统计类因子
最后看一下统计类因子。统计类因子是金融工程中考虑基金历史表现的定量指标。文档中指出，统计类因子包括了一些衡量基金收益特征的指标，如偏度和峰度。偏度用于衡量收益分布的不对称性，峰度则衡量了收益分布的峰态。根据文档的描述，统计类因子的选基效果通过率较低，整体IC分布离散，意味着这些指标在预测基金未来表现方面的有效性较低。但是我们也注意到，东证的这份研究中没有进一步提供统计类因子的详细内容以及相关的选基效果分析。因此，对于统计类因子的具体情况，还待进一步研究。
Part 4 根据私募选股因子构建FOF组合
我们可以根据私募产品的业绩指标数据，通过对不同指标的测试和分析，选取了四大类因子，分别是收益类、风险类、风险调整类和统计类的因子。然后，根据这四大类因子的选基效果和特性，将风险矫正类因子、收益类因子和统计类因子等权合成为进攻型、防守型和全能型的FOF组合。这三种组合分别适用于主动激进、被动防守和平衡配置的投资策略。
进攻型FOF组合适合风险偏好高的投资者，其收益具有较高的波动性，主要投资于具有潜在增长机会的基金。防守型FOF组合适合被动防守的投资者，其收益更加稳定，主要投资于价值性基金。全能型FOF组合在积极主动和被动防守之间取得平衡，风险较低且收益能力较强，主要投资于平衡性基金。投资者可以根据自己的风险偏好和投资目标选择合适的FOF组合类型进行投资。
私募FOF投资作为定性与定量相辅相成的投资方式，是很有必要来借鉴公募基金的多因子选基经验。通过对私募产品历史信息进行定量分析，可以探讨哪些指标对基金后续表现具有预测意义，并解释不同基金产品的收益差异。但在实际应用中，仍需克服数据标准不统一、行业变化快、监管要求不一致等挑战。随着金融工程的不断发展，多因子选基在私募领域有望取得更大的突破和应用。
注：关于研报全文，考虑到相关版权及其他问题，需要的可以加我来获取，也欢迎大家加入我们好投基金研究院的交流群。
