重要提示：《证券期货投资者适当性管理办法》于2017年7月1日起正式实施，通过本微信订阅号发布的观点和信息仅供海通证券的专业投资者参考，完整的投资观点应以海通证券研究所发布的完整报告为准。若您并非海通证券客户中的专业投资者，为控制投资风险，请取消订阅、接收或使用本订阅号中的任何信息。本订阅号难以设置访问权限，若给您造成不便，敬请谅解。我司不会因为关注、收到或阅读本订阅号推送内容而视相关人员为客户;市场有风险，投资需谨慎。
债券作为固定收益产品，历来在资产配置中扮演着重要角色，债券型基金在FOF投资中也往往不可或缺。当前国内的债券型基金市场，无论从规模还是数目上都经历了高速发展，本文的目的是对当前国内的债基进行工具化的分类，从而为FOF投资中的债基选择提供支持。
1为什么要对债基进行工具化分类1.1债基相较股基的特点债券型基金，是指专门投资于债券的基金，它通过集中众多投资者的资金，对债券进行组合投资，寻求较为稳定的收益。
债基的特点1：固定收益市场的投资工具众多。股基仅投资股票为主，而债基可以投资的资产工具要多得多，包括国债、金融债、企业债、可转债、股票、短融等等。股基的主要市场为证券交易所，而国内固定收益市场主要分割为两个市场：银行间市场和交易所市场，表1展示了国内债券市场的结构。
根据中国证监会对基金类别的分类标准，基金资产80%以上投资于债券的为债券基金。债券基金也可以有一小部分资金投资于股票市场，例如，投资于新股以及二级市场流通股票均是部分债券基金获得收益的重要渠道。
债基的特点2：具有重要的风格属性。与股票常被分为价值成长、大盘小盘类似，债券也有重要的属性。债券市场主要包括利率债与信用债两大类：
利率债：要由国债、地方政府债、政策性金融债、央行票据组成。信用债：政府之外的主体发行的、约定了确定的本息偿付现金流的债券。包括企业债、公司债、短期融资券、中期票据、资产支持证券、次级债等品种。因此，利率风险与信用风险是债基两大主要的风险维度。利率风险刻画指标：久期。久期是债券价格相对于利率水平正常变动的敏感度。久期越短的债券的价格对市场利率变化越不敏感；久期越长的债券，在市场利率大幅变化时，净价涨跌幅度会很大。信用风险刻画指标：信用评级。信用评级是对债券按期还本付息的可靠程度进行评估，划分信用等级。信用等级越高，相应信用风险越低。债基的特点3：可以获得杠杆收益。债券基金的另一大重要特点是可以通过质押回购来获得杠杆放大效应。例如，用100元买入债券后，将债券质押获得现金20，继续用20元买入该债券，相当于账户中有初始债券的1.2倍，获得的收益也为初始买入债券收益的1.2倍，到期后再回购质押的债券。杠杆策略可能增加收益，也可能增加损失，对基金管理人而言是一把双刃剑，杠杆倍数过高的基金，往往收益的波动也会更大，蕴含更高的风险。1.2了解债基投资范围以及投资风格的途径基于上文介绍，对投资者而言，在为FOF组合配置债基时，有必要了解债基的主要投资工具以及主要风格属性。一般有以下三种途径：方式1：调研。调研可以通过基金经理访谈的方式直接获得基金经理的操作思路及投资风格。然而该方法的缺陷在于成本大、耗时多。另外，调研并不是本文作为量化研究的涉及范围。方式2：基于基金分类。了解债基投资范围及投资风格的另一种重要方式是根据基金所属的类别。例如Wind、海通以及其他基金评价机构都会根据债基的契约情况等对债基进行分类，且该数据的获得方式非常简易方便。然而，当前市场上大多债基的分类并不能满足对债基主要投资工具、主要投资风格进行刻画的需求。大多分类能反映的信息主要集中在债基中包含多少权益资产的风险，并不包括对久期、信用评级等描述。以Wind债基分类为例，当前Wind分类中，债基包括纯债基金（不投资于一级市场及二级市场股票）、混合债券型一级（可参与一级市场股票投资）、混合债券型二级（可部分参与二级市场股票投资），主要以区分债基中的权益资产风险为主，对债基的其他风险均无反映。纯债基金可进一步分为短期与中长期纯债基金，但是短期纯债基金仅包括契约中明确说明是短期的基金，事实上较多归类为中长期基金也以配置短期债券为主，但因为其契约中并未说明故依然被归类为中长期纯债基金。因此，该分类对实现债基工具化投资的意义有限。方式3：基于基金基准。从基金基准本身的设计原理以及设计意义上，基金的基准能传达出基金的投资范围、投资风格等信息，是评价基金管理人投资管理能力的基础，在对基金进行业绩评价时起到至关重要的作用。我们在图1与图2中对当前市场上债券基金的基准跟踪误差分布情况以及各类别基准占比进行了初步统计。2.2债基量化分析的数据来源一般而言，基金研究无外乎从两方面入手：持仓研究与净值研究。在股票基金的研究中，两种方法均能发挥其价值，各有优劣而互为补充。但对于债券基金而言，无论是持仓分析还是净值分析，均面临着其特有的障碍。持仓研究是时点研究，在特定时点上对基金的剖析比净值研究更为精准，对量化模型的依赖度也较低，其缺陷在于需要完整的各个时点的持仓数据，这是外部基金研究所难以实现的。对债基进行外部持仓研究时，除了披露频率低以及披露存在时滞性等常见问题以外，还面临着披露信息比例低，从而参考价值不足的问题。债基的定期报告披露远不如股基详细，一方面，债基在半年报和年报中，均并不要求披露全部的持券明细；另一方面，在每季度报告所能获取的债基的重仓持券信息中，也仅需披露少数前几大重仓券。基金分析的第二个切入方式是净值分析，在基金未发生大额申购赎回的情形下，可以通过基金每日所披露的净值数据计算基金的日收益率，随后基于回归原理分析基金的风险暴露。对债券基金而言，这也面临着一系列净值分析上的困境，主要包括票息收益、价格收敛收益、流动性弱、估值定价方式不同等一系列原因引起债基的净值数据的明显噪音，使得所披露的净值波动与市场波动并不匹配，最终导致分析误差。在海通金工《基于因子剥离的FOF择基逻辑》系列四、系列五、系列九中均围绕净值分析展开讨论。综合如上两种分析方法的优缺点，本文最终选择“持仓分析为主，净值分析为辅”的方式进行分类测试。对于需要基于底层个券所测算的指标（包括基金久期、信用评级等），首先采用债基的持仓数据作为切入视角进行测算，随后通过净值分析(利率因子暴露、信用因子暴露)的方法进行调整，对两者分析结果差异过大的样本予以剔除。采用该方法的考虑在于，持仓分析可以提供更精确的分类指标（例如久期的具体年限、信用的具体评级区间、权益风险的具体仓位等），数据更为直观，故有更高的参考价值，而净值分析仅能提供风险因子系数暴露。2.3债基量化分析的数据处理说明本文的样本基金池为市场上所有的成立时间大于2年、债券仓位高于80%的基金，即中国证监会所定义的债券型基金。由于债基因为收费方式不同分为A/B/C等不同份额，实则是同一只基金，故本文先对份额进行初步处理。当同一个基金有A/B/C份额时，优先考虑A份额，其次考虑B份额。当A/B份额均无时，考虑C份额。最终剩余496只样本基金。从披露比例来看，样本基金池的仓位披露情况呈偏态分布，平均披露比例为47.6%；从各债基类别的披露比例箱型图来看，增强指数型与被动指数型均值较大，但这两个分类样本过少，不具参考价值；与此类似，短期纯债由于样本少，同样不具备参考价值；其余分组均值接近，数据分布区间较大，表明同一类别的披露比例不稳定，不同类别的披露比例区分度不明显。 2.4债基工具化分类初探：以期限为例我们首先以利率风险类指标——修正久期为例，对基金池进行分类测试。从基金池平均修正久期分布来看，大部分基金平均修正久期集中在2.0-3.7范围内，修正久期呈现明显的偏态分布。而从基金修正久期的波动率来看，大部分基金波动率集中在0.6-1.7范围内，但也存在波动非常剧烈的基金，其波动率远高于平均水平，对于这一类大幅波动的基金，投资者无法很好把握其修正久期水平，不适宜工具化分类，因此需要对其进行剔除。分类方案如下，首先将波动率太高、修正久期不稳定的小部分基金剔除作为漂移类，随后剩余基金根据修正久期长短分为四类，具体分类标准如下表。
从各分类的历史修正久期变动来看，漂移类波动率过高，与其余各类存在较多的粘连交叉现象，这也进一步表明该分类是无效的。剔除漂移项后，各分类之间分离清晰，少有粘连交叉现象，表明该分类可以有效地区分历史修正久期变动，分类效果稳健。从历史变动水平来看，各类别非常稳定，这说明基金经理在久期配置上具有投资风格，倾向于长期投资同一类修正久期的债券。采用净值分析法下的利率风险暴露指标对基于持仓的久期分组进行校验。图10展示了不同分组下债基对利率因子的暴露。久期是利率风险的刻画，长久期意味着更高的利率风险，对利率曲线因子应有更高的暴露。图中短久期组、短期组、中期组以及中长期组随着久期长度的增加，其利率风险暴露也递增，分析结果相吻合。图11展示了基金池中持仓披露修正久期以及利率风险暴露的时间序列变化情况，对比两条曲线，存在多处相同走势，互相之间有一定的验证效果。
对比各类别的年化收益和信息比如下图，短期类年化收益最高，达4.56%，信息比为3.3；中期类年化收益与短期类接近（4.48%），信息比为2.2；超短期类由于修正久期短，波动率极低，因此尽管收益率最低，信息比高达63。“中长期”分类因样本过少而不具备比较价值，故不予列出，后续分析中均作此处理。对比短期以及中期组的信息比率可见，随着所承担的利率风险的增加，基金并未获得足够的收益补偿。
图36与图37分别展示了华富收益增强A与交银增利债券A的雷达图画像效果。图中可知，两只基金均以信用债为主，相对于全市场基金配置了较高比例的信用债以及较低比例的利率债，杠杆均属于全市场中等偏高水平。而不同的是，华富收益增强A的信用评级水平相对更高而交银增利债券的久期相对更长，因此，交银增利债券蕴含更高的利率风险与信用风险，而华富收益增强A相对较低。然而，华富收益增强基金持有较高的A股仓位，故其暴露更高的权益风险。雷达图可以对基金的多维度工具化属性进行初步刻画，但其未能对同大类指标进行汇总，且无法刻画个别维度的“漂移特征”，我们使用风车图进行改进。图中，每一只风车叶刻画了同类别维度下各指标的水平，背景色缺失的指标意味着目标基金在该维度呈现“漂移”属性，并无工具化价值。以华富收益增强A为例，该基金在银行间市场与交易所市场均有参与，并没有明确倾向。4总结债券作为固定收益产品，历来在资产配置中扮演着重要角色。相较股基，债基的特点包括：投资工具众多、具有久期与信用两大主要风格，且可以获得杠杆收益。了解债基的主要投资工具及主要风格属性对债基投资而言尤为重要。本文的目的是对当前国内的债基进行工具化的分类，从而为FOF投资中的债基选择提供支持。对债基进行量化分析包括持仓券分析以及净值分析两种模式，但因为当前公开数据所能获得的持仓券有限以及净值分析的诸多噪音问题，两种分析方法均会引起较大误差。综合以上两种分析方法的优缺点，本文最终以“持仓分析为主，净值分析为辅”的方式进行分类测试。对于需要基于底层个券所测算的指标（包括基金久期、信用评级等），首先采用债基的持仓数据作为切入视角进行测算，随后通过净值分析(利率因子暴露、信用因子暴露)的方法进行调整，对两者分析结果差异过大的样本予以剔除。当前纳入我们债基的工具化分类的指标包括：资产配置与券种类指标（利率债、金融债、国债、信用债、企业债、城投债、短融、可转债、A股持仓）、利率风险类评价指标（修正久期、久期）、信用风险类评价指标（加权平均信用评级、投资级信用债占比）、杠杆以及交易场所。在具体工具化分类过程中，我们首先剔除了波动率较高的样本（“漂移组”），再对剩余样本予以分类，以确保各类别基金的风格稳定、具备工具化价值。数据研究发现，当前国内债基的确存在一定比例的产品在各类指标上具备稳定的风格属性，可供工具化投资。5风险提示市场系统性风险、基金风格漂移风险、模型误设风险。联系人：吕丽颖，021-23219745专题报告下载地址：https://pan.baidu.com/s/16uVSstHyllcLB5nEiL4bGA“海量”专题回顾【点击标题可链接至报告原文】【海通金工量化策略回顾】48、“海量”专题（48）——海通金工2017年量化策略回顾104、“海量”专题（104）——行稳致远：海通金工2018量化策略回顾
【宏观量化与资产配置】7、“海量”专题（7）——大类资产配置之风险预算模型20、“海量”专题（20）——长期投资者如何进行战略资产配置23、“海量”专题（23）——中国版全天候策略27、“海量”专题（27）——2017，全球对冲基金的新纪元？33、“海量”专题（33）——Black-Litterman模型的直观理解36、“海量”专题（36）——积极的风险均衡（Active Risk Parity）策略46、“海量”专题（46）——Faber的战术资产配置策略在中国市场上的应用56、“海量”专题（56）——从周期调整市盈率（CAPE）看中美股市当前的估值水平59、“海量”专题（59）——宏观动量策略在全球股票市场中的应用66、“海量”专题（66）——宏观动量策略在债券市场中的应用67、“海量”专题（67）——宏观预期数据的选择与应用101、“海量”专题（101）——美股的均值回归特征和收益率预测105、“海量”专题（105）——全球股市轮动策略兼论从全球视角看A股投资价值112、“海量”专题（112）——MOM投资框架117、“海量”专题（117）——美国MOM数据分析119、“海量”专题（119）——负债驱动投资（LDI）简介124、“海量”专题（124）——主权财富基金资产配置的共性与差异
【因子投资与Smart Beta】9、“海量”专题（9）——高相关资产配置中的因子降维与组合优化10、“海量”专题（10）——高相关资产配置中的因子预算14、“海量”专题（14）——大类资产中的风格因子与Smart Beta41、“海量”专题（41）——风险加权指数118、“海量”专题（118）——“单因子多组合”还是“多因子单组合”122、“海量”专题（122）——反向剔除的因子组合133、“海量”专题（133）——个股加权方式对比
【行业轮动】16、“海量”专题（16）——动量策略及收益率高阶矩在行业轮动下的应用49、“海量”专题（49）——行业一致预期数据的应用分析52、“海量”专题（52）——“基本面+价格”选出好行业65、“海量”专题（65）——龙头股效应在行业轮动上的应用68、“海量”专题（68）——行业间动量和趋势因子的应用分析70、“海量”专题（70）——预期情绪数据在行业轮动中的应用72、“海量”专题（72）——宏观经济数据应用于行业轮动的探索73、“海量”专题（73）——周期、非周期板块内的行业轮动
102、“海量”专题（102）——基于行业Alpha收益的行业轮动模型
103、“海量”专题（103）——行业微观因子的轮动效果126、“海量”专题（126）——基于BL模型的行业配置策略136、“海量”专题（136）——基金行业配置观点的分析
【因子择时与风格轮动】4、“海量”专题（4）——多因子择时初探19、“海量”专题（19）——基于条件期望的因子择时框架47、“海量”专题（47）——探寻风格轮动的先行指标57、“海量“专题（57）——大小盘轮动研究（创业板50 vs 上证50）75、“海量”专题（75）——指数轮动：沪深300 VS 中证50090、“海量”专题（90）——宏观数据在板块轮动中的应用95、“海量”专题（95）——因子失效预警：因子拥挤
108、“海量”专题（108）——因子拥挤度的改进
109、“海量”专题（109）——因子拥挤度的扩展134、“海量”专题（134）——基于回归树的因子择时模型
【量化多因子选股】1、“海量”专题（1）——市值因子的非线性特征2、“海量”专题（2）——选股因子的正交3、“海量”专题（3）——从最大化复合因子单期IC角度看因子权重11、“海量”专题（11）——业绩反转之绝对收益
13、“海量”专题（13）——因子视角下的事件驱动策略15、“海量”专题（15）——因子视角下的事件驱动策略收益17、“海量”专题（17）——高频因子之收益分布特征21、“海量”专题（21）——分析师主要要素变动共振事件22、“海量”专题（22）——价值投资系列之便宜是否值得买24、“海量”专题（24）——分析师一致预期相关因子26、“海量”专题（26）——关注盈利是短期风格还是长期趋势29、“海量”专题（29）——历史财务信息对股票收益的预测能力30、“海量”专题（30）——历史盈利在预测股票收益时的作用34、“海量”专题（34）——高频因子之已实现波动率分解35、“海量”专题（35）——因子加权、正交和择时的若干性质37、“海量”专题（37）——分位数回归在多因子选股中的应用38、“海量”专题（38）——因子降维1：底层因子降维方法对比39、“海量”专题（39）——分析师荐股是否存在超额收益40、“海量”专题（40）——一致预期数据的质量分析43、“海量”专题（43）——学术研究中的财务异象之盈利能力44、“海量”专题（44）——学术研究中的财务异象之盈利质量51、“海量”专题（51）——A股因子的适用环境分析
55、“海量”专题（55）——学术研究中的财务异象之应计量的分解58、“海量”专题（58）——业绩超预期股票收益特征分析60、“海量”专题（60）——哪种分析师推荐报告最值得关注？63、“海量”专题（63）——A股市场存在龙头股效应吗？64、“海量”专题（64）——龙头股效应在一致预期数据上的应用71、“海量”专题（71）——被机构调研的上市公司有超额收益吗？76、“海量”专题（76）——宏观经济数据可以用来选股吗77、“海量”专题（77）——宏观经济的不确定性在A股市场被定价了吗？79、“海量”专题（79）——解禁、融资融券、陆股通和质押的超额收益机会分析
80、“海量”专题（80）——分析师覆盖度与股票预期收益82、“海量”专题（82）——原油价格对行业和股票影响的量化分析84、“海量”专题（84）——哪些宏观经济指标可以选股？
85、“海量”专题（85）——A股是否存在异质动量现象？89、“海量”专题（89）——哪些事件驱动策略可以因子化？91、“海量”专题（91）——如何计算盈利指标的趋势？91、“海量”专题（92）——因子敞口上限对优化组合的影响93、“海量”专题（93）——放松组合构建中的行业中性约束94、“海量”专题（94）——高频量价因子在股票与期货中的表现96、“海量”专题（96）——医药行业因子选股研究
97、“海量”专题（97）——预期因子的底层数据处理100、“海量”专题（100）——行业、概念板块的动量溢出效应111、“海量”专题（111）——质量因子113、“海量”专题（113）——近期指数增强策略回撤原因分析115、“海量”专题（115）——预期调整类因子的收益特征121、“海量”专题（121）——日内分时成交中的玄机123、“海量”专题（123）——捕捉投资者的交易意愿125、“海量”专题（125）——探索A股的五因子模型127、“海量”专题（127）——当下跌遇到托底128、“海量”专题（128）——股票的“共性”与“个性”132、“海量”专题（132）——消费板块的因子组合137、“海量”专题（137）——上市公司关系网因子
【衍生品和CTA策略】5、“海量”专题（5）——CTA策略介绍及配置价值（上）6、“海量”专题（6）——CTA策略介绍及配置价值（下）8、“海量”专题（8）——豆粕/白糖商品期权指南
12、“海量”专题（12）——基于动量和期限结构的商品期货策略18、“海量"专题（18）——多品种期货策略中的权重分配31、“海量"专题（31）——商品期货因子挖掘与组合构建再探究（上）32、“海量"专题（32）——商品期货因子挖掘与组合构建再探究（下）42、“海量”专题（42）——CTA多品种趋势策略中的仓位管理方法53、“海量专题”（53）——基于海内外期货持仓报告的CTA策略61、海量“专题（61）——原油期货指南83、“海量”专题（83）——2年期国债期货指南87、“海量”专题（87）——揭开“逆周期因子”的神秘面纱110、“海量”专题（110）——2018 年期货市场及CTA策略回顾135、“海量”专题（135）——CTA因子适用性分析及品种动态筛选策略
【FOF与基金研究】25、“海量”专题（25）——债券基金的风格归因与因子剥离初探28、“海量”专题（28）——债券基金风格归因模型2.0之七因子剥离体系
45、“海量”专题（45）——因子剥离体系下的债券基金久期估测构想69、“海量”专题（69）——A股市场的基金经理是否具备择时能力？78、“海量”专题（78）——基金业绩持续性的影响因素分析81、“海量”专题（81）——FoF投资中，如何对主动权益基金进行因子剥离98、“海量“专题（98）——基金风格稳定性评估及功能性权益基金挖掘106、“海量”专题（106）——利用因子暴露监控公募基金仓位和投资风格的变化114、“海量”专题（114）——国内公募权益类基金有Alpha吗？129、“海量”专题（129）——Alpha是来自于运气还是实力？130、“海量”专题（130）——基金业绩归因方法论综述

【创新产品研究】50、“海量”专题（50）——新理念、新趋势：ESG投资概述62、“海量”专题（62）——目标日期基金的下滑轨道设计120、“海量”专题（120）——ESG评级在因子组合构建中的应用
【高频交易策略】131、“海量”专题（131）——基于集合竞价分时走势的A股T+0策略
【量化市场观察】54、“海量”专题（54）——亏损这么多，我该拿你怎么办？74、“海量”专题（74）——战略配售基金投资标的基本面及收益率分析86、“海量”专题（86）——股市极值及收益率预测模型的周度择时研究88、“海量”专题（88）——中国企业的税收负担及其对上市公司投资价值的影响99、“海量”专题（99）——行业收益结构变化带来的机遇107、“海量”专题（107）——中美股票市场指数的季节效应法律声明：
本公众订阅号（微信号：海通量化团队）为海通证券研究所金融工程运营的唯一官方订阅号，本订阅号所载内容仅供海通证券的专业投资者参考使用，仅供在新媒体背景下的研究观点交流；普通个人投资者由于缺乏对研究观点或报告的解读能力，使用订阅号相关信息或造成投资损失，请务必取消订阅本订阅号，海通证券不会因任何接收人收到本订阅号内容而视其为客户。
本订阅号不是海通研究报告的发布平台，客户仍需以海通研究所通过研究报告发布平台正式发布的完整报告为准。
市场有风险，投资需谨慎。在任何情况下，本订阅号所载信息或所表述的意见并不构成对任何人的投资建议，对任何因直接或间接使用本订阅号刊载的信息和内容或者据此进行投资所造成的一切后果或损失，海通证券不承担任何法律责任。
本订阅号所载的资料、意见及推测有可能因发布日后的各种因素变化而不再准确或失效，海通证券不承担更新不准确或过时的资料、意见及推测的义务，在对相关信息进行更新时亦不会另行通知。
本订阅号的版权归海通证券研究所拥有，任何订阅人如预引用或转载本订阅号所载内容，务必联络海通证券研究所并获得许可，并必注明出处为海通证券研究所，且不得对内容进行有悖原意的引用和删改。
海通证券研究所金融工程对本订阅号（微信号：海通量化团队）保留一切法律权利。其它机构或个人在微信平台以海通证券研究所金融工程名义注册的、或含有“海通证券研究所金融工程团队或小组”及相关信息的其它订阅号均不是海通证券研究所金融工程官方订阅号。










海通量化团队




扫一扫下载订阅号助手，用手机发文章

赞赏



长按二维码向我转账


受苹果公司新规定影响，微信 iOS 版的赞赏功能被关闭，可通过二维码转账支持公众号。


















已同步到看一看



取消
发送


我知道了








朋友会在“发现-看一看”看到你“在看”的内容
确定













已同步到看一看写下你的想法



最多200字，当前共字
发送







已发送







朋友将在看一看看到
确定



写下你的想法...









取消
发布到看一看
确定




最多200字，当前共字








发送中













微信扫一扫
使用小程序










取消
允许











取消
允许














知道了








确定