內容目錄TOC\o"1-2"\h\z\u逆向投資：從傳統理念到量化表達 4逆向投資能力的量化表達 9情緒Beta與資產收益 10逆向投資能力因子的構建 12基于基金持倉的逆向投資能力因子 13基于基金收益的逆向投資能力因子 15逆向投資能力因子 16逆向投資能力因子的特質 17與常見選基因子的低相關性 17逆向投資能力因子的增量信息 19不同市場環境下的適應性 21逆向投資能力因子的風格暴露 23總結 25參考文獻 26風險提示 26圖表目錄圖逆向投資代表人物 5圖傳統的逆向投資和本文的逆向投資對比 6圖基金總收益率拆解示意圖 7圖逆境收益率、順境收益率、總收益率因子的多空凈值走勢對比 8圖投資者觀點分歧度與換手率的關系 9圖基金A的日度收益VS市場漲跌幅 10圖基金A的日度收益VS換手率變化 10圖情緒Beta分組的未來一個月超額收益（股票層面） 11圖情緒Beta的G1組和G10組的凈值走勢（股票層面） 11圖情緒Beta分組的未來一個月超額收益（行業層面） 11圖情緒Beta的G1組和G5組的凈值走勢（行業層面） 11圖情緒Beta分組的未來三個月超額收益（基金層面） 12圖情緒Beta的G1組和G10組的凈值走勢（基金層面） 12圖基于基金持倉的逆向投資能力因子FHB計算步驟 14圖基于基金持倉的逆向投資能力因子的RankIC序列值 14圖基于基金持倉的逆向投資能力因子的分組超額收益 14圖基于基金收益的逆向投資能力因子的RankIC序列值 16圖基于基金收益的逆向投資能力因子的分組超額收益 16圖逆向投資能力因子合成 16圖逆向投資能力因子RankIC序列值 17圖逆向投資能力因子的分組超額收益 17圖逆向投資能力因子與其他因子的相關性（上三角）以及與RankIC的相關性（下三角） 18圖逆向投資能力因子與原始綜合選基因子相關性序列值 18圖剝離常見選基因子后逆向投資能力因子的分組超額收益 19圖新綜合選基因子與原始綜合選基因子的多空凈值走勢對比 20圖原始、新綜合選基因子的分組超額收益 21圖原始、新綜合選基因子累計RankIC走勢 21圖逆向投資能力與收益類因子、隱形交易能力多空凈值對比 22圖逆向投資能力與基金規模、員工信心多空凈值對比 22圖逆向投資能力因子分組下的歷史平均風格暴露（20150131-20250531） 23圖G1組與主動權益基金的歷史平均風格暴露 24圖G5組與主動權益基金的歷史平均風格暴露 24表逆向投資能力因子與其他選基因子的分時段表現 1表逆向投資能力因子多頭組合和空頭組合分年度業績 22近年來，隨著機構投資者在資本市場中的參與度不斷提升，市場的有效性也隨之不斷提高，許多經典的選基因子（如收益類因子、隱形交易能力因子等）經歷了較大波動和回撤，這使得挖掘新的選基因子成為當下亟待解決的難題。國信金工團隊一直致力于挖掘有增量信息的選基因子，本文也將從新的角度展開探索和研究。逆向投資作為投資領域中獨具特色的流派，一直備受市場關注。行為金融學的研究發現，市場非理性波動中往往蘊含著豐厚的超額收益機會。歷史上，巴菲特、9大類選基因子的相0.1年RankIC均值為-10.85%RankICIR為-1.39，具備強預測性。近幾年許多先前長期表現優異的選基因子（如收益類因子、隱形交易能力因子等）出現了較大波動和回撤，而逆向投資能力因子仍有出色的表現，RankIC均值高達RankICIR為逆向投資：從傳統理念到量化表達提到逆向投資，很多人自然會想到“在低位買入，在高位賣出”。實際上，逆向投逆向投資是一個相對復雜且多維的概念，其核心在于與市場主流情緒或共識相悖，具體的操作方式和理解因人而異。在逆向投資理念的探索與實踐中，涌現出如巴菲我們回顧了一些著名投資大師的實踐經驗，發現這些投資大師都有著敏銳的市場感知能力，能夠較好地判斷市場情緒的極端變化，從而把握住逆向投資的良機。他們的操作經驗為理解逆向投資提供了寶貴的參考，也讓我們有機會從不同的視角去審視和探索這一充滿挑戰的投資策略。沃倫·巴菲特1沃倫·巴菲特被認為是一位典型的逆向投資經理，他曾經說過：“當別人貪婪時恐”19631964年初，40%1967年，巴菲特當初投資于美國運通的1300萬美元升值至2800萬美元，為其帶來了豐厚的回報。1參考資料：《巴菲特投資案例集》，作者為黃建平約翰·鄧普頓2約翰·20“全球投資之父”以及“歷史上最成功的基金經理之一”“全球視野”和“逆向思維”著稱，曾說過：“牛市生于悲觀，長于懷疑，成于樂觀，死于狂喜”。鄧普1939年在大蕭條與戰爭陰霾籠罩、市場恐慌情緒蔓延之際，鄧普頓憑借對經濟復蘇的信心和預11104只股票。44萬美元，增長了三倍。安東尼·波頓3安東尼·波頓被譽為“歐洲股神”和“歐洲的彼得·林奇”·波頓的成功投資》一書中闡述自己的投資理念為“以一種逆向進取的方法尋求資本成長的機會”2090Gallagher200612Gallagher煙草公司逐步被日本煙草公司收購，而波頓早已在收購完成前適時離場，成功兌現了豐厚收益。大衛·德雷曼4大衛·他在《逆向投資策略》一書中，通過大量數據證明利用市場過度反應逆向布局被低估資產，反而能獲得超額收益。197915年的低迷期后，市場情緒陷入了極度的悲觀之中。德雷曼在同年出版的《逆向投資策略》一書中，通過研究市場情緒和估值指標，認為當時股市正位于歷史低點，應當買入股票。這一觀點在當時被視為大膽的“逆向呼喚”1982一直持續到2000年，德雷曼先前的觀點也由此得到了有力的驗證。資料來源：圖1：逆向投資代表人物資料來源：《巴菲特投資案例集》，《鄧普頓教你逆向投資》《安東尼.波頓的成功投資》，《逆向投資策略》繪制2參考資料：《鄧普頓教你逆向投資》，作者為勞倫.鄧普頓等。3參考資料：《安東尼.波頓的成功投資》，作者為安東尼.波頓。4參考資料：《逆向投資策略》，作者為大衛.德雷曼。巴菲特、鄧普頓、波頓與德雷曼這些著名的投資大師憑借敏銳的市場洞察力，都通過逆向投資取得了成功。這些投資大師的經典投資案例在理念上具有較好的指資料來源：圖2：傳統的逆向投資和本文的逆向投資對比資料來源：繪制2018年發表于TheJournalofFinance的一篇論文中，HaoJiang和Michela行為存在被誤分類的風險。如果選擇一個不恰當的“群體”來對比基金的交易行為，可能會對逆向行為產生誤判。2023年，JohnLeeJunMa等人則采用了另一種研究方法。19932022（CB）和逆向賣出指數（CS）。具體而言，在每個季度將基金對個股持倉的變化乘以該季度股票的收益率，并加上負號。然后將所有買入和賣CBCSCB與基金業績呈現正相關關系，CS與基金業績則呈現負相關關系。SunZheng等人于2018年在TheJournalofFinancialandQuantitativeAnalysis上發表的文章分析了基金經理在不同市場條件下的表現。他們的研Lipper5465（DownsideReturns）最高五分位5%。而上行階段收益（UpsideReturns）較高的基金后續并未展現出顯著的業績持續性。國內學者也積極投身于這一領域的研究，上海財經大學金融學院的徐龍炳和2019年在《財經研究》上發表2005-2017年800逆境”（下跌行情下的業績表現對基金未來收益的預測效果更為顯著，而“順境”（上漲行情）收益率則不具備這一特性。70%的普通股票型基金、偏股混合型基金以及靈活配置型基金。具體地，將市場所處環境分為順境和逆境，采取連續累加計算收益率的方法，分別計算基金在逆境、順境下的收益率以及過去一段時間的總收益率，具體算法如下：逆境收益率：??????=順境收益率：???_??=

Σ2??×,????1?1Σ2?×1?1總收益率：???_??=

12Σ ?Σ ?指的是基金在第?月的收益率，如果第?月市場指數收益率小于第??6月至第??1月市場指數月度收益率中位數，則第?月被定義為逆境月份，此時?,????0；如果第?月市場指數收益率大于第??6月至第??1市場指數月度收益率中位數，則第?月被定義為順境月份，此時??,??10。,????+?,??=。進而有，12 12?????=

Σ??×?,????+Σ??×?,?=???_???+1 ?1因此這種拆解方法本質上是把區間總收益率拆解成順境月份的收益率和逆境月份的收益率這兩部分，如圖3所示。資料來源：圖3：基金總收益率拆解示意圖資料來源：繪制接著，我們根據因子值大小將基金分為10組，選擇因子取值最高的一組作為多頭組合，因子取值最低的一組作為空頭組合，然后計算多空組合的相對強弱。圖4展示了三個因子的多空凈值走勢，可以得到如下結論：總收益率因子具備正向預測效果，該因子RankIC6.57%0.66，即基金經理過去表現越好，未來業績也會持續。RankIC9.63%，年RankICIR0.78。這表明在逆境中表現更好的基金經理在未來有更大概率能獲得更好的投資回報。同時相比總收益率因子，逆境收益率因子對基金未來收益具備更強的預測效果。順境收益率因子沒有預測效果，該因子RankIC均值為-0.25資料來源：圖4：逆境收益率、順境收益率、總收益率因子的多空凈值走勢對比資料來源：，“逆境”與“逆向”雖僅一字之差，卻有著不同的內涵與側重點。“逆境”，通常指市場處于下跌狀態；而“逆向”，向代表方向，強調的是與大多數投資者不同的投資方向。我們可以通過投資者觀點分歧度來反映投資者所處狀態，當投資者分歧度減小、觀點趨于一致時，逆向投資者更善于在這種環境下獲得超額收益，我們定義這樣的基金經理具備逆向投資能力。那么如何刻畫投資者觀點分歧度的變化呢？正如利用當月市場指數收益率與過去6個月市場指數月度收益率中位數的高低來判斷市場的順境和逆境，我們引入市資料來源：圖5：投資者觀點分歧度與換手率的關系資料來源：繪制從換手率指標的計算方式來看，換手率指的是在一定時期內，標的資產的成交量與流通股本的比值。本文選用中證全指換手率作為全市場的投資者觀點分歧度的代表，具體算法如下：Σ?????,?Σ????????=Σ?1????,?指的是第?只股票在??,?指的是第?在?日的流通市值，中證全指換手率即為指數成分股的總成交金額與總流通市值的比值。逆向投資能力的量化表達BetaGlushkov（2006）BetaBeta指的是資產收益對情緒變化的敏感程度，即資產收益對情緒變化回歸的系數。作者IPO借鑒Glushkov的研究成果，我們對經典的資本資產定價模型——CAPM模型進行擴展，在模型中加入了換手率變化因子???，模型表達式如下：?=?+????×???+???×???+? ①其中?（???過去?天換手率均值的變化率，計算公式如下：???= ????????? ?11Σ?????????1市場因子前的系數????為???為?????????為中證全指在?變量進行去極值和標準化處理。CAPM模型①Beta為大家所熟悉，反映了資產價格對整體市BetaBetaBeta反映的是資產價格對投資者情緒變化的敏感程度。這里投資者情緒的變化我們以換手率的變化來表示，而前文提到換手率的變化也表征了投資者觀點分歧度的變化，Beta也體現了資產價格對投資者觀點分歧度變化的敏感程度。CAPM模型①?BetaBeta可作為衡量逆向投資能力的一種指標。ABeta0.68，這A在市場因子上正向暴露，與市場整體波動之間存在正相關性。圖基金A的日度收益VS市場漲跌幅 圖基金A的日度收益VS換手率變化，注：收益和市場漲跌幅都進行了標準化處理，注：收益和換手率變化都進行了標準化處理資料來源：7ABeta為-0.76，說明當投資者觀點分歧度擴大（即市場換手率增加A（即市場換手率減小A資料來源：情緒Beta與資產收益CAPM模型?Beta。Beta究竟如何影響不同資產的未來價格？它是否具備對資產未來收益的預測能力？接下來，我們將圍繞這些問題展開實證研究。股票層面CAPM模型①Beta，并統計股票Beta與未來一個月股票收益率的相關性。實證結果顯示，2015年以來，股BetaRankIC均值為-2.75%RankICIR為-0.49。8Beta分組，未來一個月不同組別的超額收益情況。整體BetaBeta（G10組中的股Beta組別（G1組）中的股票未來收益最高。9Beta的股票（G1組）Beta的股票（G10組）在時BetaBeta的股票的超額BetaBeta的股票。資料來源：資料來源：圖情緒Beta分組的未來一個月超額收益（股票層面） 圖情緒Beta的G1組和G10組的凈值走勢（股票層面）資料來源：資料來源：， ，行業層面Beta業為研究對象，在每月末計算中信一級行業指數的情緒Beta，并統計行業情緒Beta與未來一個月行業收益率的相關性。實證結果顯示，2015年以來，行業情BetaRankIC均值為-4.44%RankICIR為-0.29。10BetaBeta（G1組Beta（G5組未來表現Beta（G1組Beta（G5組）Beta的行業大部分時間能夠戰勝高情Beta的行業。資料來源：資料來源：圖情緒Beta分組的未來一個月超額收益（行業層面） 圖情緒Beta的G1組和G5組的凈值走勢（行業層面）資料來源：資料來源：， ，基金層面Beta定量刻畫了基金經理的逆向即基金經理逆向投資能力與基金未來業績表現之間的關系。Beta與未來三個月基金收益率的相關性。實證結果顯示，2015年以來，基金情緒Beta的RankIC均值為-5.78%，年化RankICIR為-0.48，說明基金的情緒Beta越低，基金未來業績表現更好。12BetaBetaBeta越低（逆向投資能力越強Beta（逆向投資能力越弱）的基金，未來業績表現越差。資料來源：資料來源：圖情緒Beta分組的未來三個月超額收益（基金層面） 圖情緒Beta的G1組和G10組的凈值走勢（基金層面）資料來源：資料來源：， ，13Beta（G1組Beta（G10組在時（G1組的基金表現在絕大多數時間好于逆向投資能力弱（G10組）的基金。Beta因子對資產未來收益的預測效果檢驗，我們發現了一個統一的規律：Beta資產在未來往往有更好的業績表現。股票和行業是投資中的底層資產，而基金的業績表現則依賴Beta可以幫助我們篩選未來表現更好的股票、行業指數，也可以幫助我們篩選逆向投資能力更強的基金經理。逆向投資能力因子的構建ABeta與資產收益的關系，有國外學者對情緒BetaMassimoMassa和VijayYadav（2015）TheJournalofFinancialandQuantitativeAnalysis上發布的Beta的基金表現優于高情緒Beta基金。CAPMBeta。然而簡CAPMBeta進行了更為精細化的刻畫，進而更好地構建逆向投資能力因子。Beta時，最直觀的方法是用基金的日度收益序列進行回歸分析。此外，我們也可以從基金所持有的股票資產入手，將股票維Beta映射到基金維度。下文我們將從基金持倉和基金收益兩個維度出發對逆向投資能力進行刻畫。基于基金持倉的逆向投資能力因子BetaBeta股票越多，其管理的基金未來業績可能更好。根據《公開募集證券投資基金信息披露管理辦法》，基金管理人需在基金年報和半年報中披露基金的全部持股情況，包括個股持倉權重、持倉市值等詳細數據。利用基金在半年報和年報公布的全部BetaBetaFama-French2015Beta，具體回歸模型如下：?=?+?,???×??+?????×??+??,???×??+?,???×??+??,??×???+?,??×???+? ②其中，?指的是股票????：為市場因子，用中證全指日度收益表現。???：為規模因子，表示小市值股票組合與大市值股票組合的收益率之差。???股票組合的收益率之差。???：為盈利因子，表示高盈利股票組合和低盈利股票組合的收益率之差???票組合與激進投資風格的股票組合的收益率之差。???：為換手率變化因子，用中證全指日度換手率相對于前一天換手率的化率，計算公式如下：???= ??????????1??????????1其中?????????為中證全指在?日的日度換手率。在回歸前，需要對所有因變量和自變量進行去極值和標準化處理。在擴展后的多因子模型②中，換手率變化因子前的估計系數??,??即為股票情緒Beta。BetaBeta因子進行行業和市值中性化處理，具體計算如下：?????=?+???????)+Σ?×?,?+??=1其中??,??為股票?的原始情緒ea因子，????)為股票市值的對數-1?屬于?1則為??即為股票?ea子。BetaBeta根據基金半年報和年報公布的全部持倉，我們將基金持有的每只股票的權重與其BetaBeta因子，我們稱其為基于基金持倉的逆向投資能力因子???????????。對于每個基金，基于基金持倉的基金情緒Beta的計算公式為：????=

Σ??×^?,???1其中?指的是基金持有的股票?在其股票持倉中的歸一化權重，^,??是股票Beta因子進行行業和市值中性化處理后的新因子。圖14展示了基于基金持倉的逆向投資能力因子???的計算步驟。資料來源：圖14：基于基金持倉的逆向投資能力因子FHB計算步驟資料來源：繪制我們對基于基金持倉的逆向投資能力因子???RankICRankICIR。然后，在截面下根據因子取值從小到大分為十組，計算每一組基金未來一個季度的平均超額收益。15展示了???RankIC015年以來??因子的RnkIC均值為-30%為-0.9267.21%16???因子的分收益單調，多頭組（G1組）0.95%，空頭組（G10組）季均超額收益為-0.78%。資料來源：圖基于基金持倉的逆向投資能力因子的RankIC序列值 圖基于基金持倉的逆向投資能力因子的分組超額收益資料來源：， ，基于基金收益的逆向投資能力因子公募基金僅在半年報和年報披露全部持倉，在實際投資過程中，基金經理可能在???存在持倉新頻率低的缺點。相比之下，基金凈值數據每日披露，因此我們可以直接用基金Beta。1997CarhartFama-French三因子模型的基礎上加入了動量因子，得到了Carhart四因子模型的基礎上加入換手率變Beta，具體回歸模型如下：?=?+?,???×??+??,???×??+?,???×??+?,???×???+?,??×???+? ③其中?指的是基金????：為市場因子，用中證全指日度收益表現。???：為規模因子，表示小市值股票組合與大市值股票組合的收益率之差。???股票組合的收益率之差。????1??1這130%30%組合稱之為輸家組合，???表示贏家組合和輸家組合的收益率之差。???：為換手率變化因子，計算中證全指日度換手率相對于過去?均值的變化率（?=60），反映情緒指標的時序波動，計算公式如下：???= ????????? ?11Σ?????????1其中?????????為中證全指在?日的日度換手率。在回歸前，需要對所有因變量和自變量進行去極值和標準化處理。在擴展后的多因子模型③中，換手率變化因子前的估計系數??,??為基金的情緒Beta，其為基于基金收益的逆向投資能力因子???(???????????。我們檢驗了基于基金收益的逆向投資能力因子???17展示了RankIC序列值，可以看到該因子對基金未來收益同樣具備顯著的預測效果，2015年以來???RankIC均值為-8.92%RankICIR為-1.0475.41%18的十檔分組超額收益來看，???頭組（G1組）0.83%，空頭組（G10組）季均超額收益-0.65%。資料來源：圖基于基金收益的逆向投資能力因子的RankIC序列值 圖基于基金收益的逆向投資能力因子的分組超額收益資料來源：， ，逆向投資能力因子益有顯著的預測效果。由于這兩個子因子的切入視角不同，從更綜合全面的角度考慮，我們將基于基金持倉(???)和基于基金收益(???)逆向投資能力因子????????????。圖19：逆向投資能力因子合成繪制資料來源：我們對合成后的逆向投資能力因子???20展示了逆向投能力因子???的RankIC???因子能夠對基金未來收益產生的預測效果，2015年以來，逆向投資能力因子???RankIC均值為RankICIR為-1.3978.69%。相較于基于基金持倉的逆向投資能力(???)和基于基金收益的逆向投資能力???具有強的收益預測效果。資料來源：圖21展示了逆向投資能力因子???的十檔分組超額收益，可以看到???分組收益單調，多頭組（G1組）1.23%，空頭組（G10組）季均超額收益為-1.07%。， ，逆向投資能力因子的特質對于逆向投資能力因子的特質，我們將從與常見選基因子相關性、剝離常見選基與常見選基因子的低相關性FOF系列專95個維度：基于基金的歷史業績：收益類因子。基于基金特征：基金規模因子、基金內部和外部的認可度（員工信心因子和機構關注度因子）。基于基金經理能力：業績洞察能力因子、隱形交易能力因子、波段交易能力因子。基于基金經理的持倉特征：基金持倉收益因子。基于基金經理的行為特征：基金經理觀點獨立性因子。229大類選基因子間的相關性。其中，上三RankIC序2015年以來逆向投資能力因子與其他因子相關性均值的0.1以下，由此可見逆向投資能力因子與常見選基因子均有極低的相關性。資料來源：資料來源：圖22：逆向投資能力因子與其他因子的相關性（上三角）以及與RankIC的相關性（下三角）逆情緒化因子收益類因子 基金規模 員工信心 機構關注度業績洞察能力隱形交易能力波段交易能力持倉收益基金經理觀點-0.020.01-0.020.010.010.00-0.090.010.02-0.060.02-0.210.020.090.120.150.370.340.05-0.030.14-0.02-0.190.04-0.03-0.05-0.04-0.040.020.15-0.210.140.15-0.010.090.020.05-0.020.22-0.090.020.21-0.080.080.060.010.01-0.320.52-0.10-0.20-0.410.01-0.010.260.01-0.120.300.130.090.22-0.030.150.030.000.170.28-0.12-0.200.160.010.030.00-0.08-0.02-0.160.290.25-0.02-0.040.02-0.07-0.03-0.170.170.250.06-0.040.270.170.000.22逆情緒化因子基金規模員工信心持倉收益基金經理觀點獨立性，接下來，我們將之前研究中構建的收益類因子、基金規模因子、員工信心因子、機構關注度因子、業績洞察能力因子、隱形交易能力因子、波段交易能力因子、9大類選基因子等權合成為一類因子，作為原始綜合選基因子。23展示了逆向投資能力因子與原始綜合選基因子的相關性序列值。經測試，年以來相關性均值為-4.08%圖23：逆向投資能力因子與原始綜合選基因子相關性序列值，逆向投資能力因子的增量信息接著，我們嘗試將逆向投資能力因子對常見選基因子進行剝離，考察逆向投資能力因子對常見選基因子的信息增量，具體的回歸模型如下：???=?1?1+?2?2+...+?9?9+?其中，???為逆向投資能力因子，?1?2?9為待剝離因子，分別包含收9大類選基因子，殘差?即為逆向投資能力因子相對于常見選基因子的信息增量部分。資料來源：圖24：剝離常見選基因子后逆向投資能力因子的分組超額收益資料來源：，249大類選基因子后逆向投資能力因子的分組季均超額收益，可看出剝離掉常見選基因子后的逆向投資能力因子仍然維持了不錯的單調性，多頭組（G1組）0.82%，空頭組（G10組）的季均超額收益為-0.49%從上述測試結果來看，盡管部分常見選基因子對基金未來收益具有不錯的預測效果，但若剔除這些因子影響，逆向投資能力因子仍展現出優異的收益預測效果。那么，若將其加入到現有的選基因子體系中，又會取得怎樣的效果呢？我們將逆向投資能力因子加入到現有的選基因子體系中，共10大類選基因子等權合成新綜合選基因子，具體合成方式如下：????????=910

+???×110??_??????績洞察能力因子、隱形交易能力因子、波段交易能力因子、持倉收益因子以及基9???為逆向投資能力因子我們將??????_?????/0的權重，新加入的??新綜合選基因子????????。10組，選擇因子取值最高的一組作為多頭組合，選擇因子取值最低的一組作為空頭組合，然后計算多頭組合和空頭組合的凈25所示，加入逆向投資能力因子后，相比原始綜合選基因子，新綜合選基因子的多空凈值走勢在近幾年得到了顯著改善，說明了逆向投資能力因子能夠帶來較大的增量。資料來源：圖25：新綜合選基因子與原始綜合選基因子的多空凈值走勢對比資料來源：，26所展示的分（G10組季均超額收益為1.31%，在加入逆向投資能力因子后，新綜合選基因子多頭組（G10組）季均超1.37%；原始綜合選基因子空頭組（G1組）季均超額收益為-1.25%，在加入逆向投資能力因子后，新綜合選基因子空頭組（G1組）季均超額收益為-1.51%。可見新綜合選基因子具有更強的多頭和空頭組合。27RankIC走勢對比，RankIC可以穩定地超RankIC11.51%，RankICIR為81RnkIC均值為35%，RankICIR2.03，新綜合選基因子對基金未來業績有了更強的預測效果。資料來源：資料來源：資料來源：資料來源：圖原始、新綜合選基因子的分組超額收益 圖原始、新綜合選基因子累計RankIC走勢資料來源：資料來源：， ，不同市場環境下的適應性對比逆向投資能力因子與國信金工團隊先前構建的其他選基因子的因子表現，我1所2023RankIC均值為為-1.24，與其他常見的選基因子（如收益類因子、隱形交易能力因子、持倉收益因子等）均能對基金未來收益產生顯著的預測效果。然而，近幾年，許多先前表現優異的因子出現了較大波動和回撤，這一現象可能源于市場有效性的逐步提升，以及在通過學術研究和研究報告廣泛傳播后因子有效性的減弱。RankIC202310.43%2023年后的2.11%RankIC均值從20238.662023年后的-1.40%RankIC均值從20237.06%2023年后的-1.62%均值高達RankICIR為2023年之前，展現出在不同市場環境下的強適應性。表1：逆向投資能力因子與其他選基因子的分時段表現，從時間序列走勢角度，我們將逆向投資能力的因子選基效果和其他選基因子進行28292015年以來的多空凈值走勢圖。具體地，將選基因子取值由小到大分為10組，對于逆向投資能力因子，選擇因子取值最低的一組作為多頭組合，選擇因子取值最高的一組作為空頭組合；對于其他因子，多頭組合選擇因子取值最高的一組，空頭組合選擇因子取值最低的一組，然后計算多頭組合和空頭組合的凈值相對強弱。202329中可以看到這兩個因子的多空凈值走勢歷史表現穩健，但長期來看逆向投資能力因子帶來的收益更高。資料來源：圖逆投資力與益類子、形交能力空凈對比 圖逆投資力與金規、員信心空凈對比資料來源：， ，進一步，我們驗證了逆向投資能力因子在實際投資中的表現。具體來說在每期篩10%10%的基金，分別等權重組成多頭組合和空頭組220150105202505309.24%。分年度來看，絕大多數年份多頭組合明顯跑贏空頭組合，尤其是近幾年，多空收益差更高更顯著。表2：逆向投資能力因子多頭組合和空頭組合分年度業績年份多頭組合空頭組合多空收益差2015010551.93%46.07%5.86%2016-10.69%-19.88%9.19%201727.04%7.29%19.75%2018-23.96%-23.09%-0.87%201950.92%42.50%8.43%202074.93%55.73%19.21%20217.77%14.15%-6.38%2022-16.47%-23.93%7.45%2023-5.72%-19.83%14.11%202411.75%-3.24%14.98%202505305.99%-1.54%7.53%年化收益12.65%3.42%9.24%，逆向投資能力因子的風格暴露通過前面的分析，我們發現逆向投資能力因子能夠對基金未來收益產生顯著的預測效果，這種預測效果在不同的市場環境下均能保持很好的適應性。同時該因子9大類選基因子的相關性極低。將逆向投資能力因子加入到現有的選基因子體系中，可顯著提升綜合選基因子的預測效果，帶來明顯的增量貢獻。那么，逆向投資能力因子是否會傾向于篩選出某一特定風格的基金經理，篩選出來的基金經理的持倉風格暴露又有哪些特點呢？我們對逆向投資能力因子在??????????旗下的多因子模型產品，可用于分析投資組合的風格暴露，涵蓋了市值、動量等10個風格因子。我們基于基金持倉數據對基金的風格暴露進行計算，具體而言，對于每只基金，基金在第?個?????：???????=

Σ?×????1資料來源：?指的是基金持有的股票???,?指的是股票?資料來源：在第?個?????風格因子上的暴露。圖30展示了逆向投資能力因子分組下的不同組別基金的歷史平均風格暴露，具體計算步驟如下：首先，按逆向投資能力因子取值從小到大，將所有基金等分為五組，依次命G1G5G1G5組均是按照這里所描述的方法進行劃分。其次，在每個截面，計算每個組別的基金風格暴露均值。最后，通過匯總時序數據，將各組別時序的風格暴露求均值，以得到各組別基金的歷史平均風格暴露。Wind，國信證券經濟研究所整理圖30：逆向投資能力因子分組下的歷史平均風格暴露（20150131-20250531）Wind，國信證券經濟研究所整理整體來看，自2015?????BetaBeta（G1組和逆向投資能力因子取值（G5組3132G1G5組基金與主動權益基金的歷史平均風格暴露。