1、目錄 HYPERLINK l _TOC_250016 投資聚焦：基金經理-代表基金映射構建及應用價值 1 HYPERLINK l _TOC_250015 從基金經理維度出發，彌補傳統篩選框架的不足 2 HYPERLINK l _TOC_250014 2020 年以來基金發行市場火熱，產品篩選需求增加 2 HYPERLINK l _TOC_250013 傳統的產品篩選框架受到基金經理變更的影響 2 HYPERLINK l _TOC_250012 從基金經理維度出發：基本思路與難點 3 HYPERLINK l _TOC_250011 基金池分類與基金經理-基金映射構建 4 HYPERLINK l

2、_TOC_250010 以基金合同為依據，區分行業主題基金 4 HYPERLINK l _TOC_250009 構建全市場主動型基金池 6 HYPERLINK l _TOC_250008 基金經理-代表基金映射構建：選取代表基金的四項原則 7 HYPERLINK l _TOC_250007 全市場型基金經理池和行業主題型基金經理池構建及其特征 9 HYPERLINK l _TOC_250006 基金經理投資風格定位和行業主題分類 12 HYPERLINK l _TOC_250005 從產品入手：權益類基金投資風格評估框架 12 HYPERLINK l _TOC_250004 以基金風格分類定位

3、基金經理投資風格 15 HYPERLINK l _TOC_250003 基金經理行業主題分類：科技、醫藥、消費位居前三 17 HYPERLINK l _TOC_250002 基金經理業績篩選與基金組合 18 HYPERLINK l _TOC_250001 全市場型基金經理：中盤均衡型 18 HYPERLINK l _TOC_250000 行業主題型基金經理：大科技主題 20總結 22插圖目錄圖 1：主動型基金年度發行數量及份額 2圖 2：2020 年主動型基金發行數量及份額 2圖 3：基金 X 成立以來業績 3圖 4：獨立管理未變更基金經理的主動型基金占比約兩成 3圖 5：主動型行業主題基金判

4、定流程 5圖 6：主動型行業主題基金池一級行業主題比重 5圖 7：主動型主題基金占比超過八成 5圖 8：主動型行業主題基金池一級行業主題比重（獨立管理） 6圖 9：獨立管理的主動型主題基金占比接近九成 6圖 10：基金池分類示意圖（僅保留初始基金） 6圖 11：獨立管理基金池中偏股混合型接近 5 成 7圖 12：共同管理基金池中靈活配置型約 2/3 7圖 13：考察期內具有連續獨立業績的基金經理占比約 4 成 10圖 14：56 位基金經理既為全市場型也為行業主題型 10圖 15：全市場型基金經理池按管理人分布 10圖 16：行業主題型基金經理池按管理人分布 10圖 17：全市場型基金經理池按

5、投資年限分布 11圖 18：行業主題型基金經理池按投資年限分布 11圖 19：全市場型基金經理池按基金管理規模分布 11圖 20：行業主題型基金經理池按基金管理規模分布 11圖 21：市值、估值、成長因子漂移隨時間遞增 13圖 22：風格漂移系數各年期量級有差異 13圖 23：基金投資風格聚類樹圖 14圖 24：基金風格聚類分析結果展示（9 類風格） 14圖 25：聚類分析結合標桿基金等因素設置風格閥值（基于 16 個聚類風格） 14圖 26：基金投資風格評估流程及考慮因素 15圖 27：權益型基金風格評估分值（風格穩定） 16圖 28：全市場型基金經理風格評估分值 16圖 29：權益型基金風

6、格分布 17圖 30：全市場型基金經理風格分布 17圖 31：行業主題基金經理池分類 17圖 32：中盤均衡組合業績表現 20圖 33：大科技組合業績表現 22表格目錄表 1：基金 X 歷任基金經理管理期間表現迥異 2表 2：同一只基金在不同時段對在管的基金經理打上標簽 8表 3：基金經理代表基金選取示例 8表 4：管理區間完全一致的基金選取個人投資者資金占比較高者作為代表基金 9表 5：中盤均衡型風格基金經理基本信息 18表 6：多維度評分排名前十的中盤均衡型基金經理 19表 7：綜合評分前五的基金經理過去三年投資風格 19表 8：中盤均衡組合風險收益特征 20表 9：大科技主題型基金經理基

7、本信息 20表 10：多維度評分排名前十的大科技主題基金經理 21表 11：大科技組合風險收益特征 21 投資聚焦：基金經理-代表基金映射構建及應用價值2020 年，公募權益類基金首發市場迎來又一股熱潮，截至 9 月底，發行數量和份額已超過歷史峰值 2015 年，面對琳瑯滿目的基金產品，全新維度的產品篩選已成為市場的迫切需求。目前市面上傳統的業績篩選框架主要基于產品，從收益率、波動率、回撤等多維度的產品篩選，其篩選效果受到基金經理變更的干擾，如果基金經理的在任區間與篩選的時間區間差異較大，比如上任時間較短，基于產品的篩選結果將受到很大影響。本報告嘗試從基金經理角度出發，以其在任的基金去代表基金

8、經理在對應時點的業績和風格，從而將基金經理的歷史運作記錄轉化為其歷史管理的一系列代表基金，最后在基金經理層面進行篩選，以彌補傳統框架的不足?；谶@一思路，本報告主要貢獻如下：基于合理的簡化形成基金經理-代表基金映射構建方法。以最近 3 年（2017 年 6 月到2020 年 6 月）為考察期，月度為頻率，將各基金每個月度的業績賦予對應時點的在管基金經理。代表基金的選取遵循最少切換原則、管理時長原則、在管產品優先原則、個人投資者資金占比原則，將基金經理代表基金的業績進行拼接，則得到了基金經理在考察期內的業績序列，并將考察期內具有連續管理業績的基金經理分為全市場型基金經理和行業主題型基金經理，完成

9、了從基金池到基金經理池的數據基礎設施構建。以代表基金定位基金經理投資風格或投資主題。結合團隊創立的權益類基金投資風格評估框架，每半年計算一次基金的成長價值分值、大小盤分值。對于全市場型基金經理池，通過基金經理-代表基金映射，將最近 3 年的代表基金得分均值作為基金經理的風格得分，定位基金經理投資風格。以代表基金的行業主題分類定位基金經理的行業主題屬性?；诨鸾浝磉B續業績篩選和代表基金組合構建?；诨鸾浝磉B續業績，考察區間2017 年 6 月 30 日到 2020 年 6 月 30 日，從累計收益、風險調整后收益、區間最大回撤、年化波動率、收益穩定性共五個維度給予一定權重進行綜合評分，得到各

10、風格分類或主題類別下基金經理綜合排名，并選取排名靠前的基金經理代表基金構建組合。 從基金經理維度出發，彌補傳統篩選框架的不足2020 年以來基金發行市場火熱，產品篩選需求增加從公募主動權益型基金的年度發行情況來看，截至 2020 年 9 月 30 日，2020 當年主動權益型基金發行數量 699 只，發行總份額 11803.82 億份，均已超過歷史峰值、2015 年全年水平（633 只、10692.74 億份），創造公募主動權益型基金又一發行高峰。從月度發行情況來看，自 4 月起，主動權益型基金發行呈現顯著增長，發行數量逐月增加，6、7、8、9 月單月發行數量分別為 81、94、103、146

11、 只，發行份額合計分別為 1381.85 億份、2742.16 億份、2074.89 億份、1547.61 份。面對如此活躍的首發市場和種類繁多的基金品種，基于全新角度的多維度產品篩選無疑是當前投資者的迫切需求。圖 1：主動權益型基金年度發行數量及份額圖 2：2020 年主動權益型基金發行數量及份額份額（億份）數量（右軸）份額（億份）數量（右軸）140001200010000800060004000200002013 2014 2015 2016 2017 2018 2019 202080070060050040030020010003000250020001500100050001月 2月

12、3月 4月 5月 6月 7月 8月 9月160140120100806040200資料來源：Wind，中信證券研究部資料來源：Wind，中信證券研究部傳統的產品篩選框架受到基金經理變更的影響傳統的基金篩選框架是基于產品本身的業績，從收益率、波動率、回撤等多維度的產品篩選。而基金經理對于主動型基金的業績具有重大影響，基金經理的變更使得傳統的基金產品篩選框架受到局限。以靈活配置型基金 X 為例，該基金成立以來，歷任 7 位基金經理，在每位基金經理管理期間，業績表現迥異：基金經理 W 于 2012 年 6 月至 2014 年 10 月管理該基金，期間取得 126.78%的累計收益和 42.73%的年

13、化收益，在同期 84 只同類產品中排名第一，而在其他基金經理管理期間，該基金區間收益多數位于同類后 50%，如圖 3，基金 X 的業績在不同基金經理管理時段其超額收益水平大相徑庭。表 1：基金 X 歷任基金經理管理期間表現迥異基金經理任職日期離任日期任職總回報年化回報同類排名L2017-01-2585.40%18.57%279/1279Y2016-03-262017-07-29-12.24%-9.25%783/810Z2014-09-262017-03-0831.41%11.78%134/211基金經理任職日期離任日期任職總回報年化回報同類排名W2012-06-302014-10-17126.

14、78%42.73%1/84WW2009-09-232012-06-29-26.10%-10.34%49/50YY2009-07-112010-11-0510.68%7.97%31/45O2009-03-172009-06-171.81%7.29%37/37資料來源：Wind，中信證券研究部據Wind 數據，截止到 2020 年二季度，市場上共有主動偏股型基金數量 2112 只（剔除行業主題基金，僅保留初始基金），其中僅有 492 只自成立起為獨立管理且未更換過基金經理，近 8 成基金更換過基金經理或為多人共同管理。不同的基金經理投資理念、組合配置可能存在差異，這就使得同一只基金在不同時段可能體

15、現出不同的風格特征和業績表現。結合調研得知，多數基金經理管理的同類型產品具有相近的組合特征和較為一致的業績表現，因此相比基金產品本身的角度，從基金經理出發，可能是更為合理的產品篩選路徑。圖 3：基金 X 成立以來業績圖 4：獨立管理未變更基金經理的主動型基金占比約兩成基金X靈活配置型基金指數滬深300獨立管理未變更其他54.543.532.521.510.5023.30%76.70%資料來源：Wind，中信證券研究部 20090320 到 20200904資料來源：Wind，中信證券研究部 截至 2020Q2從基金經理維度出發：基本思路與難點本報告從基金經理維度出發，以彌補傳統方法不足?；舅?/p>

16、路如下：將基金經理的歷史業績用歷史管理的基金來表示，獲取基金經理的連續業績；以代表基金的風格特征刻畫基金經理的投資風格，獲取基金經理的連續風格和運作記錄由于基金產品與基金經理并不是嚴格的一對一關系，因此上述工作會受到諸多因素的干擾，總的來說，難點與挑戰有以下幾點：行業主題基金的干擾：管理行業主題基金的基金經理持倉受到基金合同的影響，并不能準確刻畫其投資風格，因此需要在產品層面與其他主動偏股型基金做區分；多位基金經理同時管理一只基金，一位基金經理同時管理多只產品：基金經理于基金產品的“一對多”和“多對一”的關系普遍存在，需要制定一定規則選擇代表基金；考察期內基金經理先后管理不同的基金：考察期內基

17、金經理代表基金的切換亦需制定統一的規則。針對以上難點，本報告給出針對性解決方法，構建基金經理-基金映射關系，劃分基金經理投資風格。最終基于風格和基金經理連續業績進行篩選，構建基金組合。 基金池分類與基金經理-基金映射構建以基金合同為依據，區分行業主題基金行業基金投資于特定行業或板塊的公司，主題基金投資于不同行業但關聯于同一主題的公司，管理此兩類基金時，基金經理的持倉往往會受到基金合同的約束，因此為了使得所管基金能夠更好的反映基金經理的投資風格和業績表現，需要區分行業、主題基金，分別構建全市場主動型、行業主體型基金池。首先我們需要先判定主動型基金中的行業主題基金，根據我們已有研究成果量體裁衣，擘

18、肌分理行業主題基金分類方法論及備選池構建(2020-5-21)，我們給出如下界定標準：行業、主題基金界定上，我們選取基金合同中的“80%條款”為核心定義條件，即基金合同中明確規定“跟蹤某一行業、主題指數，或投資于某一行業、某一主題相關的上市公司的股票不低于基金凈資產、非現金資產、或股票資產的 80%”的基金，這類基金我們定義為行業或主題基金。值得注意的是，部分基金合同中該條款對于閾值的設定可能存在差異，如 70%或 90%，這類基金我們一并歸入到定義范圍內。行業的分類參照中信證券、中證、申萬的一二級行業指數的分類方式，采用自上而下的歸納為主；主題分類以基金合同的界定為依據，把握主題背后的投資邏

19、輯。不夠聚焦的主題類別暫不定義為主題基金，無需剔除。主動型產品中普遍存在界定模糊、聚焦度不高的主題，比如“品質生活”、“新動力”、“美麗中國”、“轉型升級”等，該類主題并未聚焦在某一特定領域，投資范圍上過于寬泛，沒有統一特征，即使基金合同存在“80%條款”，也不定義為主題基金，仍保留在主動偏股型基金池中。圖 5：主動型行業主題基金判定流程股票型、混合型基金為大樣本普通股票型混合型QDII普通股票型QDII混合型主題基金池初選（帶有主題字樣）名稱、業績比較基準、投資范圍冠有“主題”字樣確認80%條款后納入行業基金池構建基本以被動型行業框架為藍本中信、申萬、中證行業指 數為分類依 據主題型基金補充

20、“80%條款”作為檢索依據篩選出新的主題基金，補充主題分類一二級主題合并拆分行業、主題基金共計724只多份額僅保留一只行業基金56只主題基金668只資料來源：Wind，中信證券研究部 截至 2020 年 Q2按照以上分類方法，截至 2020 年上半年，我們篩選出共 724 只滿足定義的主動型行業主題基金，規模合計 8316.24 億元。整體來看，主動型主題基金共 668 只占絕大多數，行業基金僅 56 只。規模方面，主動型主題基金規模合計 7061.14 億元，占比超過八成。一級行業主題分類方面，大科技、醫藥、消費規模占比分別為 21.32%、13.62%、12.88%為排名前三的一級行業/主

21、題，其次分別為龍頭藍籌（7.90%）、新興（6.84%）、大健康（5.41%），其余分類均在 5%以下。圖 6：主動型行業主題基金池一級行業主題比重圖 7：主動型主題基金占比超過八成大科技醫藥消費龍頭藍籌 新興大健康高端制造 紅利新能源其他主題行業3.03%3.43%4.10%5.41%21.48%21.32%15.09%84.91%13.62%6.84%7.90%12.88%資料來源：Wind，中信證券研究部 截至 2020Q2資料來源：Wind，中信證券研究部 截至 2020Q2考慮到存在多位基金經理共同管理的基金，其業績表現和風格特征與對應的基金經理難以構建一對一的聯系，且部分基金經理存

22、在掛牌管理的情況，可能存在部分基金業績并不能反映基金經理投資能力的情況，因此在區分行業主題型和全市場型基金的基礎上，我們需要再增加“獨立管理”與“共同管理”這一維度。“獨立管理”指在考察期內，該基金的基金經理人數始終為一人。按照上述定義進一步篩選獨立管理基金，近三年由基金經理獨立管理的主動型行業主題基金共 384 只，規模共計 5386.92 億元。相比篩選前，大科技、消費、龍頭藍籌等熱門主題規模占比均有一定提升。后續構建基金經理-基金映射關系時，我們主要采用獨立管理的主動型行業主題基金。圖 8：主動型行業主題基金池一級行業主題比重（獨立管理）圖 9：獨立管理的主動型主題基金占比接近九成大科技

23、消費醫藥龍頭藍籌 新興大健康高端制造 新能源紅利其他主題行業87.40%12.60%3.30%18.75%3.62%3.87%22.04%16.23%4.54%6.61%8.63%12.41%資料來源：Wind，中信證券研究部 截至 2020Q2資料來源：Wind，中信證券研究部 截至 2020Q2構建全市場主動型基金池截止到 2020 年上半年，選取普通股票型、偏股混合型、靈活配置型、平衡混合型 4類基金共計 3777 只，剔除滿足上述判定標準的行業主題基金，僅保留初始基金，最后得到全市場主動型基金共 2112 只。與行業主題基金相同，我們以 3 年（2017 年 6 月到 2020 年 6

24、 月）為考察期將上述主動偏股型基金池劃分為共同管理基金池和獨立管理基金池，獨立管理基金池中的基金在 3年內由一位基金經理一直管理或由多位基金經理先后獨立管理，共同管理基金池中基金在考察期內曾由多位基金經理共同管理。得到獨立管理基金池共 967 只，共同管理基金池共1145 只。至此我們完成了公募主動型基金的兩個維度的劃分，具體分類如圖 10 所示。圖 10：基金池分類示意圖（僅保留初始基金）公募主動型基金（2836只）全市場型基金（2112只）行業主題基金（724只）共同管理（1145只）獨立管理（967只）共同管理（340只）獨立管理（384只）資料來源：Wind，中信證券研究部 截至 20

25、20Q2全市場型基金中，共同管理基金與獨立管理基金的投資類型數量分布有較大差異，共同管理基金池中靈活配置型占比約 2/3，此外偏股混合型 24%，普通股票型和平衡混合型合計占比不足 10%。獨立管理基金池中偏股混合型占比近 5 成，靈活配置型 38.78%，普通股票型超過 10%。與行業主題基金池類似，考慮到獨立管理的主動型基金，其業績表現、投資風格與基金經理的對應關系更為直接，為保證對應關系的準確性，本報告主要選擇獨立管理池基金與其基金經理構建映射關系。圖 11：獨立管理基金池中偏股混合型接近 5 成圖 12：共同管理基金池中靈活配置型約 2/3靈活配置型基金 偏股混合型基金平衡混合型基金

26、普通股票型基金10.13%4.24%靈活配置型基金 偏股混合型基金平衡混合型基金 普通股票型基金6.72%2.97%46.85%38.78%24.02%66.29%資料來源：Wind，中信證券研究部 截至 2020Q2資料來源：Wind，中信證券研究部 截至 2020Q2基金經理-代表基金映射構建：選取代表基金的四項原則基金池分類完畢，我們分別對獨立管理的全市場型基金池和行業主題基金分別構建基金經理-基金映射。以全市場型基金池為例，具體分為以下步驟：將各基金業績按月度切分，分別賦予該時點在管基金經理首先以獨立管理的全市場型基金池為例，967 只基金共計基金經理 730 人，共計產品管理記錄 1

27、180 條。以最近 3 年（2017 年 6 月到 2020 年 6 月）為考察期，以月度為頻率，獲取各時點下基金的在管基金經理。以基金經理 ID 為標的指標，將各基金每個月度（共 36 期）的業績賦予該時點的在管基金經理，并將同一位基金經理管理的同一只基金聯接起來，同一位基金經理管理的多只基金分開列示；每位基金經理的每只基金，僅對其在管的期數打上“在管”標記。值得注意的是，同一只基金的歷史業績可能分配給不同的基金經理，在每一個月度節點，將該基金分配給唯一一位基金經理并打上“在管”標簽。如表 2 所示，謝志華、羅春蕾、宋德舜分別于 2017 年 6 月到 2019 年 5 月、2019 年 6

28、 月到 2020 年 4 月、2020 年 5月到 6 月管理諾安鴻鑫，就將該基金的三段業績分別賦予以上三位基金經理對應的時段。表 2 選擇 2017/7/31、2019/6/30、2020/6/30 三個時間點為例進行展示。表 2：同一只基金在不同時段對在管的基金經理打上標簽基金經理基金代碼基金簡稱管理期數（月頻）2017/7/312019/6/302020/6/30謝志華000066.OF諾安鴻鑫24在管羅春蕾000066.OF諾安鴻鑫11在管宋德舜000066.OF諾安鴻鑫2在管何文韜000530.OF招商豐盛穩定增長 A24在管王奇瑋000530.OF招商豐盛穩定增長 A13在管在管高

29、兵000541.OF華商創新成長13在管梁皓000541.OF華商創新成長24在管在管資料來源：Wind，中信證券研究部 截至 2020Q2基金經理管理多只產品：最少切換原則、管理時長原則、在管產品優先原則代表基金，即基金經理管理的產品中，業績、組合特征、風格具有代表性特征，可以較大程度上反映基金經理投資特點的基金。本報告選取基金經理代表基金時采用的三大原則分別為：最少切換原則、管理時長原則、在管產品優先原則，具體方法如下：最少切換原則：在考察期間內，同一位基金經理的代表基金盡量不做切換；管理時長原則：若基金經理管理多只產品直到考察期結束，或在考察期內多只產品同時離任，選擇最早開始管理的基金作

30、為代表基金。；例如：表 3 中，馮波管理的三只基金中，最早開始管理且管理時間最久的易方達行業領先，管理時長超過 10 年，且截至 2020 年二季度，基金經理仍在繼續管理，因此在考察期內（2017 年 6 月到 2020 年 6 月），我們一直選取易方達行業領先作為馮波的代表基金，不做切換。在管產品優先原則：當前在管產品的管理時段優先全部選取。若基金經理的歷史管理基金離任時間不同，則管理時間越近的產品，其管理區間越優先選取。例如：表 3 中，劉美玲自 2018 年 10 月 16 日開始管理嘉實創新成長，截至 2020 年二季度末仍在管理，因此按照在管產品優先原則，2018 年 10 月到 2

31、020 年 6 月的代表基金為嘉實創新成長；在嘉實創新成長之前，最近管理的產品為嘉實優勢成長，因此自 2018年 9 月之前的代表基金為嘉實優勢成長，一直取到 2017 年 6 月。即劉美玲在考察期間內代表基金僅經過 1 次切換，而自 2015 年 12 月到 2017 年 11 月管理的嘉實增長不選取為代表基金。表 3：基金經理代表基金選取示例基金經理基金代碼基金簡稱起始管理日期離任日期考察期內管理期數2017/7/312019/6/302020/6/30（月頻）馮波005875.OF易方達中盤成長2018/7/424在任在任馮波008286.OF易方達研究精選2020/2/215在任馮波1

32、10015.OF易方達行業領先2010/1/137代表基金代表基金代表基金劉美玲001760.OF嘉實創新成長2018/10/162020/8/121代表基金代表基金劉美玲003292.OF嘉實優勢成長2016/12/12019/8/2326代表基金在任離任劉美玲070002.OF嘉實增長2015/12/312017/11/185在任離任離任資料來源：Wind，中信證券研究部 截至 2020Q2基金經理管理時間區間完全一致的基金：個人投資者資金占比原則若一位基金經理在考察期內一直管理多只基金，且管理起始和結束時間相同，則上述篩選方式失效，我們需要納入新的篩選指標?？紤]到個人投資者資金相比機構投

33、資者，其行為相關性較低，因此個人投資者資金占比高的基金其規模相對會更加穩定，當上述情況出現時，我們選取個人投資者資金占比較高的基金作為管理期間的代表基金。如表 4 所示，共有鄧默、樊利安等 9 位基金經理管理的基金存在管理區間完全一致的情況，且在考察期內均為一直管理狀態，我們計算 2017 年 6 月到 2020 年 6 月，共 3 年時間內各基金機構投資者資金占比、個人投資者資金占比的平均值，選取個人投資者資金占比較高的基金作為代表基金。表 4：管理區間完全一致的基金選取個人投資者資金占比較高者作為代表基金基金經理基金代碼基金簡稱考察期內管理期數機構投資者資金占比個人投資者資金占比篩選結果鄧

34、默000609.OF華商新量化3714.53%85.47%鄧默001143.OF華商量化進取370.04%99.96%代表基金樊利安000526.OF國泰濃益 A3750.16%49.84%代表基金樊利安160220.OF國泰民益 A3761.39%38.61%李君001122.OF鵬華弘利 A3790.98%9.02%代表基金李君001190.OF鵬華弘潤 A3797.65%2.35%劉方正001325.OF鵬華弘和 A3792.44%7.56%代表基金劉方正001327.OF鵬華弘華 A3794.88%5.12%王剛000314.OF招商瑞豐 A3795.99%4.01%代表基金王剛001

35、427.OF招商豐澤 A3799.87%0.13%應帥202001.OF南方穩健成長371.59%98.41%應帥202002.OF南方穩健成長 2 號370.20%99.80%代表基金趙強001040.OF新華策略精選376.53%93.47%代表基金趙強519087.OF新華優選分紅377.86%92.14%周云000480.OF東方紅新動力371.65%98.35%代表基金周云001564.OF東方紅京東大數據372.75%97.25%左金保519975.OF長信量化中小盤3721.72%78.28%左金保519983.OF長信量化先鋒 A378.78%91.22%代表基金資料來源：Wi

36、nd，中信證券研究部 截至 2020Q2全市場型基金經理池和行業主題型基金經理池構建及其特征將基金經理的代表基金進行拼接，得到觀察期間內連續的代表基金列表。我們按照相同的方法將獨立管理的行業主題基金池也做相同處理，就得到了全市場型基金池和行業主題基金池中所有基金經理的代表基金序列。通過以上流程，若一位基金經理在考察期間內每一個時點均有對應的代表基金，則稱該基金經理在考察期內具有連續的獨立主動管理業績。據篩選結果統計，全市場型基金經理 730 位，其中 292 位在考察期內有連續的獨立主動管理業績；行業主題型基金經理 365位，其中 148 位在考察期內有連續的獨立主動管理業績，具有獨立主動管理

37、業績的基金經理占比均在 40%左右，我們將其分別命名為全市場型基金經理池和行業主題型基金經理池。此外，薄官輝、蔡濱等 56 位基金經理在考察期內既有全市場型基金的連續管理業績，也有行業主題型基金的連續管理業績，因此既為全市場型基金經理，也為行業主題型基金經理。圖 13：考察期內具有連續獨立業績的基金經理占比約 4 成圖 14：56 位基金經理既為全市場型也為行業主題型具有連續業績的全市場類基金經理（292位）56位 具有連續業績基金經理的行業主題型基金經理（148位）具有連續獨立業績管理業績不連續40.00%全市場型60.00%59.45%40.55%行業主題型資料來源：Wind，中信證券研究

38、部 截至 2020Q2資料來源：Wind，中信證券研究部 截至 2020Q2從基金公司來看，全市場型基金經理池 292 位基金經理來自 73 家基金公司，廣發基金、景順長城基金、南方基金分別有 11 位、10 位、10 位。除以上 3 家管理人外，23 家基金公司有 5 位以上入池基金經理、30 家基金公司擁有 2 到 4 位、17 家基金公司擁有 1位。行業主題型基金經理池 148 位基金經理來自 64 家基金公司，建信基金、嘉實基金、分別有 9 位、7 位入池基金經理，華夏基金、匯添富基金、易方達基金均有 5 位，其余管理人中，32 家基金公司有 2 到 4 位、17 家基金公司擁有 1

39、位。整體來說，頭部管理人在入池基金經理數量上存在顯著優勢。圖 15：全市場型基金經理池按管理人分布圖 16：行業主題型基金經理池按管理人分布121081098766544232廣發基金華安基金富國基金銀河基金華商基金國海富蘭克林基金泰達宏利基金泰信基金國投瑞銀基金匯豐晉信基金興業基金長信基金 東吳基金 融通基金 財通基金 富安達基金華融基金 平安基金 益民基金01建信基金易方達基金 上投摩根基金博時基金國投瑞銀基金景順長城基金東證資管諾安基金信達澳銀基金中郵基金東方基金光大保德信基金華富基金平安基金新華基金長信基金0資料來源：Wind，中信證券研究部 截至 2020Q2資料來源：Wind,中信

40、證券研究部 截至 2020Q2從投資經理年限來看，由于我們篩選近三年有連續主動管理業績的基金經理，因此兩個基金經理池中投資年限均在 3 年以上。全市場基金經理池平均投資年限為 6.78 年，其中 37 位基金經理有 10 年以上投資年限，如國聯安基金魏東（15.99 年）、富國基金朱少醒（14.84 年）、畢天宇（14.81 年），此外多數基金經理投資年限位于 5 到 8 年，占比超過五成，投資年限 8 到 10 年、3 到 5 年的基金經理分別占 13.36%、21.92%。行業主題基金經理池平均投資年限 4.37 年，顯著低于全市場基金經理池。10 位基金經理擁有 10 年以上投資經驗，如

41、長城基金楊建華（16.33 年）、廣發基金李?。?3.27 年）、中銀基金嚴菲（12.96 年）。此外多數基金經理投資年限位于 5 到 8 年，占比 57.43%。此外投資年限 8 到 10 年、3 到 5 年的基金經理分別占 9.46%、26.35%。圖 17：全市場型基金經理池按投資年限分布圖 18：行業主題型基金經理池按投資年限分布10年以上8到10年5到8年3到5年21.92%13.36%52.05%12.67%10年以上8到10年5到8年3到5年6.76%9.46%26.35%57.43%資料來源：Wind，中信證券研究部 截至 2020Q2資料來源：Wind，中信證券研究部 截至

42、2020Q2從基金經理管理資產規模來看，全市場型基金經理池中，百億基金經理有 58 位，其中廣發基金劉格菘（821.32 億元）、易方達基金胡劍（769.14 億元）、張坤（522.51 億元）、南方基金茅煒（740.36 億元）、諾安基金謝志華（539.02 億元）共 5 位基金經理管理規模500 億元以上。占比最高的分類為管理規模 20 億元以下，共有 115 位，合計管理規模 1016.57 億元。此外，管理規模 20 億元到 50 億元、50 億元到 100 億元、100 億元到 200億元、200 億元到 500 億元的基金經理數量依次降低。行業主題基金經理池中，管理規模 500 億

43、元以上僅匯添富基金胡昕煒一人，管理規模20 億元以下的基金經理仍然占據最高比例，共 64 位，管理規模合計 571.86 億元。此外管理規模各區間分布情況與全市場型基金經理池較為一致。圖 19：全市場型基金經理池按基金管理規模分布圖 20：行業主題型基金經理池按基金管理規模分布20億元以下20億到50億50億到100億100億到200億 200億到500億 500億元以上10.62%39.38%13.70%27.05%7.53% 1.71%20億元以下20億到50億50億到100億100億到200億 200億元以上8.78%11.49%43.24%10.81%25.68%資料來源：Wind，中

44、信證券研究部 截至 2020Q2資料來源：Wind，中信證券研究部 截至 2020Q2總的來說，基金經理-代表基金映射關系的構建主要包含以下步驟：我們將市場上所有主動型基金的歷史業績按月度頻率切分，賦給對應的基金經理，并以基金經理 ID 為標的指標，基于給定規則篩選代表基金，將考察區間內基金經理的歷史業績轉化為一系列代表基金的序列，并進一步篩選 2017 年 6 月到 2020 年 6 月有連續管理業績的基金經理，以此分別構建了全市場型基金經理池（292 位）和行業主題型基金經理池（148 位）。完成以上基金經理數據基礎設施構建后，我們可以在基金經理的基礎上展開業績篩選和風格分析。篩選方式有兩

45、種，一種是統一篩選，另一種是綜合風格（或行業主題）和業績的篩選，考慮到近年來風格分化比較劇烈的市場特征，本報告主要采用第二種篩選方式，展示風格分類后的業績篩選結果。 基金經理投資風格定位和行業主題分類從產品入手：權益類基金投資風格評估框架對于全市場型基金經理池，我們擬進一步對其進行風格分類，以期在不同細分風格下挖掘優質基金經理。基金經理的投資風格定位依賴于其代表基金的投資風格，因此我們需要從權益基金的風格評估入手，對傳統風格評估方法進行優化升級，以期合理定位基金投資風格、區分風格漂移型標的，并通過基金經理-代表基金映射關系，最終定位基金經理投資風格。本報告的權益基金風格分類采用已有研究成果：公

46、募權益類基金投資風格評估及應用挖掘優質品種、監控配置動向（2020-4-7）提出的優化算法下的權益類基金投資風格評估框架，該框架具有風格穩定性指標設計、智能算法輔助定位、聚類風格數升級提升基金風格辨識度等優勢。風格評估的優化：風格穩定性指標設計、智能算法輔助定位基于持倉的基金風格研究以九宮格形式較為普及，其縱軸、橫軸分別代表市值規模、價值/成長因子，可向基金投研人員直觀展示投資風格。具體而言，首先分別統計個股在市值、價值、成長維度上的大類因子評分，進而按歸一化持股權重加權得出基金的投資風格評分，但此類傳統算法存在進一步優化的空間。風格評估算法優化之一：風格穩定性指標設計實際投資中，相比基金的靜

47、態截點風格，組合管理人更關心的是該投資風格是否穩定，客觀區分投資風格的穩定性對于實戰尤為重要。于此，我們設計市值、估值、成長因子的風格漂移系數（系數越大、風格越漂移），以體現不同維度上基金風格的穩定性。圖 21：市值、估值、成長因子漂移隨時間遞增市值風格漂移系數均值圖 22：風格漂移系數各年期量級有差異12%10%8%6%4%2%0%估值風格漂移系數均值成長風格漂移系數均值2345678風格期數20%風格漂移系數均值 風格漂移系數最大值風格漂移系數最小值23456風格期數7818%16%14%12%10%8%6%4%2%0%資料來源：wind，中信證券研究部 日期：20180630資料來源：w

48、ind，中信證券研究部 日期：20180630風格穩定性指標設計應具備相對性。如左上圖所示，各類風格因子的短期漂移較小，但隨著期數增加，因子風格變化增速較快。至四期以上后，長期風格漂移系數居于穩定高位。推廣至基金整體的風格漂移系數，亦有類似趨勢。故風格穩定性是相對概念，應對不同期數的基金樣本設置不同穩定性閥值。綜合考慮各類風格基金池的樣本量，初步將各期風格漂移系數的中值設為閥值。風格評估算法優化之二：智能算法輔助定位風格智能算法具備動態適應性功能。基于上方的風格坐標圖，進一步劃分基金投資風格，會涉及到風格算法中一類重要參數風格閥值（處于閥值兩段的基金將被劃至價值型/成長型、大盤型/小盤型）。傳

49、統算法中，閥值設置一般基于相對法或絕對法，如前者為百分比排名閥值、后者為只數閥值。一方面，傳統算法中閥值多由人為預先設置，難以動態調整以適應市場狀況；另一方面，受限于閥值預設，部分定性理解的風格標的與算法結果形成較大反差。故可通過無監督機器學習區分風格，并結合標桿基金及定性分析，找出更為合理的風格閥值。圖 23：基金投資風格聚類樹圖資料來源：wind，中信證券研究部圖 24：基金風格聚類分析結果展示（9 類風格）資料來源：wind，中信證券研究部 日期：20180630注：不同顏色代表聚類得出的不同基金風格風格品類增加可提升風格辨識度?？紤]到算法的相對非黑箱性及分類靈活性，選擇機器學習中的層次

50、聚類法進行訓練。經運算，左上圖為對應的層次聚類樹結果，其同型相關系數高約 0.7，算法整體分類效果良好。右上圖為 9 類風格基金的風格評分分布圖。從聚類結果看，多數基金聚集在少數風格類型中，而 9 類風格算法區分度一般。下圖經 16 類聚類風格數升級后，基金風格的區分度更為明顯。圖 25：聚類分析結合標桿基金等因素設置風格閥值（基于 16 個聚類風格）資料來源：wind，中信證券研究部 日期：20180630 注：不同顏色代表聚類得出的不同基金風格結合標桿基金樣本及定性分析，合理設置投資風格閥值?；诖肆炕A，結合各類風格的標桿基金樣本、盡職調查及定性判斷，重新設置價值型/成長型（如紅線）、

51、大盤型/小盤型（如灰線）的對應風格閥值，如上圖所示。由于無監督機器學習重在聚類得出無標簽風格，需要人工參與風格閥值的判斷，故其更適合當期風格評估。若進行多期程序化的風格評估，建議采取相對法閥值結合緩沖區的算法?；鹜顿Y風格的評估方法及流程綜上所述，下面介紹我們評估基金投資風格的方法及流程，整體評估框架如下：圖 26：基金投資風格評估流程及考慮因素樣本空間納入股票型、偏股混合型、靈活配置型基金剔除指數及指數增強型品種初選標準剔除單一行業占比超過五成的基金投資風格統計當期，基金所持A股倉位須不低于六成投資風格評估依據全持股數據、多因子綜合量化評估，以確定中期投資風格通過風格漂移系數判斷風格的穩定性

52、每半年一次進行全持股的投資風格評估投資風格變化的緩沖區多因子評分、持股權重經標準化處理其他考量 樣本外檢驗時，考慮基金經理變更因素資料來源：中信證券研究部首先，基金樣本空間納入可實現高股票倉位的品種，靈活配置型基金因對倉位限制寬泛、亦納入其中，同時篩選主動管理型以備評估投資管理能力。再者，由于單一行業配置過高往往涉及主題行業品種，故以五成倉位的較高標準剔除此類特定產品；由于投資風格評估用于 FOF 配置、投資能力圈挖掘，故僅將較高股票倉位的基金納入測評，而刪除大類資產配置型基金。后續，圍繞半年度/年度的基金全持股數據，綜合量化評估其在市值、成長、價值維度的標準分，并加權處理以判定其所屬的投資風

53、格。需要考慮的是，基金投資風格漂移是重要測評項目，我們通過設計風格漂移系數，將中期風格穩定的基金劃入對應風格類型，不穩定的基金則被列入風格不穩定型。此外，由于投資風格的轉向存在漸變、劇變兩類，故設計風格緩沖區以進行區分，優先維持小幅漸變基金的上期投資風格?？紤]到基金經理變更頻次較高為行業現象，且人員變更常伴隨持股結構調整、進而影響風格，故在樣本外檢驗風格業績時剔除該擾動因素。以基金風格分類定位基金經理投資風格基于以上風格評估框架，更新至 2020 年 Q2，基于滿足風格評估條件的 2078 只權益型基金，分別計算其成長價值分值和大小盤分值情況如下：圖 27：權益型基金風格評估分值（風格穩定）中

54、盤均衡型中盤價值型中盤成長型小盤均衡型小盤價值型小盤成長型大盤均衡型大盤價值型大盤成長型0.600.40成長價值分值0.200.00-0.20-0.40-0.600.400.500.600.700.800.901.001.10大小盤分值資料來源：Wind，中信證券研究部 截至 2020Q2自 2017 年二季度到 2020 年二季度，我們每半年計算一次主動權益型基金的成長價值分值、大小盤分值并劃分其風格分類，并結合基金經理-基金映射，將每一期的代表基金的風格分類作為基金經理的在當期的風格分類，其中 2020 年二季度基金經理風格分布情況如圖 28 所示。圖 28：全市場型基金經理風格評估分值大

55、盤成長型 大盤價值型 大盤均衡型 小盤成長型 小盤價值型小盤均衡型 中盤成長型 中盤價值型 中盤均衡型 風格不穩定0.600.500.40成長價值分值0.300.200.100.00-0.10-0.20-0.30-0.400.400.500.600.700.800.901.001.10大小盤分值資料來源：Wind，中信證券研究部 截至 2020Q2根據評估結果，滿足評估條件的 2078 只權益型基金中，超過半數（1082 只）屬于風格不穩定類型，此外數量較多的有中盤均衡型（221 只）、中盤成長型（183 只）、小盤均衡性型（127 只），大盤成長型數量最少，僅 49 只。基金經理風格分類依賴

56、于代表基金的風格評估，根據測算，全市場基金經理池中，約有 1/3 的基金經理（103 位）屬于風格不穩定類型，46 位基金經理因其代表基金不滿足評估標準因此無風格定位，此外中盤均衡型（38 位）人數最多，人數最少的為大盤價值型，僅有 5 人。整體來看，無論是所有滿足評估標準的權益型基金還是全市場型基金經理，市值規模上以中盤居多，成長價值維度上偏向均衡風格。圖 29：權益型基金風格分布圖 30：全市場型基金經理風格分布中盤均衡型大盤均衡型大盤成長型中盤成長型大盤價值型風格不穩定小盤均衡型小盤成長型10.64%中盤價值型小盤價值型中盤均衡型 大盤均衡型 小盤均衡型 中盤成長型小盤成長型 中盤價值型

57、 小盤價值型 大盤成長型大盤價值型 風格不穩定 無風格定位13.01%8.81%6.11%52.07% 5.39%4.72%4.57%15.75%35.27%6.51%6.51%6.51%4.45%2.36%2.65%2.69%4.11%3.42%1.71%2.74%資料來源：Wind，中信證券研究部 截至 2020Q2資料來源：Wind，中信證券研究部 截至 2020Q2基金經理行業主題分類：科技、醫藥、消費位居前三基金經理行業主題分類相對直接，根據其代表基金序列所屬的行業主題確定基金經理的行業主題屬性，并剔除考察期內因代表基金變更出現行業主題切換的基金經理。如下圖所示，行業主題基金經理池共

58、涉及 29 個一級分類、41 個二級分類，從一級分類來看，基金經理數量較多的行業/主題為大科技（19 人）、醫藥健康（19 人）、消費（18 人）。圖 31：行業主題基金經理池分類2018161412108642大科技醫藥健康消費高端制造龍頭藍籌新興市場國企央企改革創新改革產業升級共用環保紅利外延增長周期資源大農業 服務業 體育文娛新能源 大安全 一帶一路城鎮化 基建軍工內需增長品牌區域事件驅動物聯網物流養老產業0資料來源：Wind，中信證券研究部 截至 2020Q2本部分我們主要將全市場型基金經理和行業主題型基金經理通過其代表基金的風格或行業主題特征進行定位，從而完成了基金經理的九大風格分類

59、和行業主題分類，并給予相應的標簽，以便后續業績篩選，挖掘優質基金經理，構建基金組合。 基金經理業績篩選與基金組合全市場型基金經理：中盤均衡型基于基金經理風格分類結果，全市場型基金經理池中，投資風格為中盤均衡型的基金經理為 38 位，其截至 2020 年二季度的代表基金、管理人、管理規模、投資年限等基本信息如表 5 所示。表 5：中盤均衡型風格基金經理基本信息代表基金（2020/6/30）限（年）170253薄官輝001163.OF銀華中國夢 30銀華基金20.125.3300004畢天宇519035.OF富國天博創新主題富國基金63.5314.76170566蔡濱000936.OF博時產業新動

60、力 A博時基金82.395.677D7DB1戴軍160916.OF大成優選大成基金47.315.277C2857韓威俊005004.OF交銀施羅德品質升級交銀施羅德基金16.124.611633BA賈鵬002307.OF銀華多元視野銀華基金93.776.0116DDF8李博000457.OF上投摩根核心成長上投摩根基金51.455.667C2EA1李博001144.OF大成互聯網思維大成基金36.25.3601140李巍270028.OF廣發制造業精選 A廣發基金40.098.9424191A李振興002851.OF南方品質優選南方基金42.165.577B8DE1劉杰290004.OF泰信優