摘要

 1. 量化私募基金整体业绩持续性较强

首先，通过分梯队统计和梯队转移概率矩阵,考察量化私募基金整体业绩持续性表现。结果显示，近年来，量化私募基金业绩持续性较强。分年度来看，2018年发生了较大的业绩反转，2019年至今业绩具有较高持续性。其次，利用交叉积比率法和横截面回归法研究单只基金的业绩持续性。交叉积比率法下，样本内约71.01%的基金交叉积比率大于1，即大部分基金业绩具备持续性。横截面回归法下，业绩持续性基金占比降低，为20.68%。上述两种方法判断结果存在差异或源自于计算原理的不同。

2. 业界新锐值得更多的关注，而成名“老店”依旧可以信任

通过比较基金不同存续期的收益差异，我们发现，量化私募基金在成立的第2年，业绩较前期可能出现下滑，在此之后则趋于稳定。这有可能是因为，新成立的基金通常蕴含较为新颖的策略，故运行的第一年能获取更高的超额收益。但我们也应看到，从第二年起，业绩的递减效应并不明显。我们猜测，这是由于我国量化私募的发展历史较短，当前仍可以视作量化私募发展的早中期。所以，策略有效性衰减的速度依然较慢。根据私募排排网的调研报告，绝大多数机构都在不断挖掘新因子，并定期更新策略。因此，在选择量化私募基金时，不应带有偏见地去看待机构或产品的成立年限。

3. 部分量化私募基金的业绩不持续或源自“运气不佳”

五因子回归结果显示，具有显著正超额收益的基金的业绩或更持续。经FDR方法对基金进行“运气”调整后，业绩持续组和非持续组中，具有显著超额收益的基金占比提升，但业绩非持续组的提升幅度更大。这表明，部分量化私募基金的业绩不持续或源自运气不佳。即，运气也能左右业绩持续性。因此，在选择私募管理人时，我们首先应挑选超额收益显著的基金，其次需尽可能剔除“运气”的影响，力求甄别出有真实投资能力的基金。

4. 利用本文结论构建的私募FOF组合的业绩表现显著优于全样本均值

由于当前量化私募基金业绩具备较高持续性，因此，简单基于基金过去一年的收益构建FOF组合是一个较为有效的策略。如果在此基础上，进一步剔除业绩不可持续和alpha不显著或小于0的基金，则能显著增厚收益。但需要注意的是，部分基金业绩不持续或源于“运气不佳”。因此，引入FDR方法对基金alpha进行调整，并基于此构建FOF组合，有望获得更为稳健的业绩表现。

5. 风险提示

1）本文根据公开数据和评价指标计算，不作为对未来走势的判断和投资建议；2）本文结论通过公开数据分析所得，存在由于数据不完善导致结论不精准的可能性。

正文

近年来，量化私募投资基金的规模快速增长。以2021年为例，根据中基协数据，全年新备案量化投资基金7589只，募集规模1383.27亿元，同比增速分别为60.7%和125.5%。截至2021年末，在协会备案的量化私募基金共16850只（+42.2%），规模1.08万亿元（+91.5%），分别占私募证券投资基金数量和规模的 21.9%和17.1%。

此外，量化私募基金业绩表现较优。根据我们的统计，2019-2022年，私募500增强基金（成立日期在2022年以前，在私募排排网上披露周度或日度净值数据，且融智二级策略为中证500指增的基金。2019-2022年分别有64只、126只、294只和549只）年度超额收益均值为13.97%，每年正超额收益基金占比均值接近九成。因此，市场对该类型基金的关注度也逐渐提高。

在这样的背景下，甄别出绩优量化私募管理人成为越来越多投资者关心的问题。而对历史业绩进行评估是基金筛选常用的方法，但这一方法只有在基金表现具备持续性时才存在价值。因此，业绩持续性是评价基金的一个重要指标。本篇报告将构建基金业绩持续性指标，并探寻量化私募管理人的业绩持续性情况及影响因素。

01

 1  数据

本文的研究对象为量化私募基金。考虑到大部分量化私募管理人都是围绕一个核心股票策略设计产品，因此，每家机构只选取一只产品作为代表进行研究。选取规则为，所有产品中，成立时间最早且有周频及以上净值数据，私募排排网的融智策略分类为“中证500指增”或“股票市场中性”。根据上述标准，共筛选出372只基金作为研究样本。

对于中证500增强基金，我们将围绕它相对中证500指数的超额收益展开分析；对于中性策略基金，则围绕绝对收益展开研究。

 2  业绩持续性研究

1 量化私募基金整体的业绩持续性

根据基金2018年的收益（中证500增强基金为超额收益，中性策略基金为绝对收益，下同），从高到低将样本池分成5个梯队，并统计他们在随后每一个年度的平均收益。如图1所示，第一梯队在2019-2022YTD（截至2022.12.16，下同）期间，虽未能持续领先于其他梯队，但依旧保持着中上游的业绩表现；第二、三梯队的业绩表现大部分时间稳定在中游水平；第四梯队则持续处于中下游，2019-2021年不及第五梯队；第五梯队出现较大的业绩反转，2019年收益排名上升至所有梯队第3，2020-2021年晋升至第1。

此外，观察图1还可发现，2019年是较为关键的时间节点。基金业绩在这一年发生剧烈的反转（相对2018年），而此后几年的业绩分布特征则基本延续了2019年的情形。为进一步说明这一现象，我们根据2019年的收益重新划分样本池，并统计5个梯队之后每一个年度的平均收益，结果如图2所示。可以看到，2020-2022YTD，不同梯队的业绩表现基本与2019年保持一致。

我们认为，2019年业绩发生反转、之后分布又趋于稳定的可能原因有：

1）2018年，市场是熊市，部分风险偏好较高的基金在这一年业绩表现较差，被划分到了第五梯队。当市场在2019年由熊转牛后，这部分基金可能会实现较大的业绩反转。

2）进入 2019 年以来，在资本市场交易制度不断完善、衍生品种类不断丰富、A 股交投活跃、市场对量化私募投资的认知逐渐加深等因素的共同作用下，量化私募投资基金快速增长。2020年和2021年，量化私募基金募集规模同比增速分别高达133.85%和125.47%。在这一过程中，脱颖而出的量化私募可以吸引到更多资源。无论是基础设施还是投研团队，都得到了快速发展，进一步夯实了他们的行业地位。因此，2019年之后，量化私募的业绩分布逐渐趋向稳定。

从年化波动率来看，无论是按2018年还是2019年的收益进行分组，第一和第五梯队的收益波动均较大。这表明，头部和尾部梯队都倾向于采取相对更高的风险暴露。由此可见，高风险暴露是获取高收益的利器，但“用不好”则会适得其反。

参考信用转移矩阵的原理建立转移概率矩阵，即矩阵的每个元素均代表某一梯队向另一梯队转移的概率。例如，第1行第2列元素为，第一梯队在未来转换成第二梯队的概率。根据上述定义，转移概率矩阵每一行的和为1。

图5展示了2018-2022年私募基金的年度业绩转移概率矩阵。可以看到，第一梯队维持第一梯队，以及第五梯队维持第五梯队的概率是最大的，分别为42.5%和37.5%。第一梯队转移到第四或五梯队，以及第五梯队转移到第一或二梯队的概率则明显较小。也就是说，好基金大概率依旧会是好基金，而差基金则更有可能维持较差业绩。此外，第二到四梯队的基金也会以更大的概率维持中游水平的业绩。

进一步观察不同年份的转移概率矩阵。如图6-9所示，2019-2020年、2020-2021年、2021-2022年，第一梯队在下一年度业绩维持在第一梯队的概率是最大的，而第五梯队维持在第五梯队的概率也是最大的。尤其在牛市中，即2019-2020年和2020-2021年的转移概率矩阵，对角线或其附近的元素往往较大，这表明业绩持续的可能性更大。

2018-2019年的转移概率矩阵与其他三个有所差异，不同梯队之间相互转移的概率较大。以第五梯队为例，继续维持第五梯队的概率为20%，而转移到第1梯队的概率也达到20%，转移到第3梯队的概率为30%。上述现象契合了前文的分析结论，即，私募基金在2018-2019年发生了业绩反转，但随后业绩一直保持着较强的持续性。

综上所述，我们认为，近年来量化私募基金整体的业绩持续性较强。分年度来看，2018年发生过较大的业绩反转；2019年以来，持续性良好。

2 单只基金业绩持续性分析

目前，有多种模型及方法可以用作单只基金业绩持续性的分析，本文介绍其中最常见的两种方法。

Ø 交叉积比率法

交叉积比率法的具体计算步骤如下，

1）将研究的样本期分成多个等长度的区间；

2）将每一个区间收益率位于样本池前50%（从高到低排列，下同）的基金定义为赢家W，后50%的基金定义为输家L。连续两个区间均列入赢家则为WW，第一阶段为赢家第二阶段为输家为WL，以此类推；

3）交叉积比率定义为，连续赢家和连续输家次数与输赢反转次数之比，具体计算公式如下：

由上式可见，CPR越大，基金的业绩持续性越强；反之，业绩反转概率越大。

具体地，本文按月等分样本期，即，每月计算收益率，并定义赢家和输家。根据我们的计算，交叉积比率大于1的样本占比为71.01%，大于2的样本占比超过10%。因此，从单只基金地角度来看，大部分量化私募基金业绩持续性较好，和上文的分析结论契合。

Ø 回归法

假设基金的业绩持续性是存在的，那么前期表现优异的基金在接下来的时间内将继续表现优异，或者前期表现不佳的基金将持续表现不佳。回归法便是通过检验历史业绩对未来业绩的预测性，验证基金的业绩持续性。具体步骤如下，

1）将整个样本期等分成N个子样本期，依次将相邻的两个子样本期分别设为评价期与持续期；

2）计算基金在各个子样本期的业绩；

3）用持续期的基金业绩对评价期的业绩进行横截面回归，回归方程如下：

其中， Rp,t-1和Rp,t分别为基金p在评价期和持续期的净值增长率。bp为回归系数，是用来评价基金业绩持续性的指标。若bp显著大于0，说明基金业绩具备良好的持续性；若bp显著小于0，说明基金容易出现业绩反转；若bp不显著，则说明基金业绩不具备持续性或反转性。

具体地，本文按月等分样本期，即，使用月收益率进行回归。剔除子样本期不超过20的样本，剩余样本数为266个。

根据我们的计算，10%显著性水平下，共57只基金的回归系数bp显著，占比为21.43%。57只基金中，55只bp大于0，仅2只小于0。这表明，业绩反转的基金较少。由此可见，即使是从收益值而非排名来看，仍有部分基金的业绩具有良好的持续性。5%显著性水平下，业绩具备持续性的基金数量有所减少，降至38只，占比为14.29%。

相较交叉积比率法，横截面回归法下，业绩具备持续性的基金数量明显减少。我们认为，造成该现象的原因可能有：1）回归法对评价期与持续期业绩的关联性有更高的要求，交叉积比率法则未考虑显著性问题；2）交叉积比率法是从排名出发考察基金的业绩持续性，回归法则是从收益值的大小出发，后者往往更易受到市场风格的影响。

举例来说，某一时期，市场环境对量化策略并不友好，私募基金业绩或集体承压，收益值大幅下降。那么，从值的角度，原先表现好的基金的业绩就很难显示出持续性。但如果从相对排名的角度，只要它的业绩仍优于同类，那我们就可以认为具备持续性。

综上所述，从单只基金的分析结果来看，近年来，有不少量化私募基金的业绩具备持续性。交叉积比率法和横截面回归法均可以用于判断单只基金的业绩持续与否。不过，需要注意的是，两种方法因计算原理的不同，判断结果或存在差异。

02

量化私募基金业绩持续性的可能影响因素

理论上，量化私募初创时期，通常储备了较多新颖有效的策略，因而更易获取好的业绩表现。但随着存续期的拉长，策略的迭代更新速度、整个行业的同质化程度等问题都有可能削弱量化私募基金的收益水平。那么，这种现象是否值得国内量化私募基金的投资者担忧？为了回答这一问题，我们根据存续期对基金进行分类，并对比不同存续期基金的业绩差异。

首先，我们将每只基金的存续时间切分成存续期第1年、存续期第2年、····。其次，将样本池内所有基金的存续期第1年归入一个子样本池，记为age0-1；存续期第2年归入一个子样本池，记为age1-2。以此类推，划分整个样本池。最后，计算每个子样本池内样本点的收益均值、中位数及标准差。通过对比相邻两个age的统计量差异，来考察基金业绩是否会随着存续期拉长而变化。当收益均值或中位数与存续期呈显著递减关系的时候，我们可以认为，量化策略有效性或随存续期拉长而降低。

从均值来看，基金业绩随存续期拉长明显下滑。age0-1、1-2、2-3和3-4对应的收益均值分别为16.58%、13.15%、11.58%及8.68%。但从中位数来看，前3年业绩下滑并不明显，age0-1、1-2和2-3的中位数均在12%左右；第4年相较前3年有明显下滑，中位数降至9%以下。

为了更精确地阐述这一问题，我们使用t检验考察相邻两个存续期的收益均值是否存在显著差异。若t检验p值在5%以下，则说明存续期对基金业绩具有影响。如表1所示，无论是按半年还是一年划分样本池，相邻两个age的收益均值均没有显著差异。这表明，随着存续期拉长，基金业绩递减效应并不明显。（注：t检验是用t分布理论来推论差异发生的概率，从而比较两个总体的平均数是否存在显著差异。通常，若t检验的p值在5%以下，我们认为两个总体的平均数存在显著差异。）

若我们将显著性水平放宽至10%，以年为单位进行对比，则age0-1与age1-2的t检验p值显著；而从第3年起，相邻两个存续期的t检验p值不再显著。这一现象说明，量化私募基金在成立的第2年业绩相较前期可能出现下滑，在此之后则趋于稳定。

若以半年为单位进行对比，仅age0.5-1与age1-1.5的t检验p值在10%下显著。这一点与以年为单位的检验结果契合，即，量化私募基金业绩减弱最明显的时期为成立后第2年。

此外，还有一个十分有趣的现象，无论是从均值还是t检验的p值，存续期前半年，产品业绩均较上一年有所下滑。而后半年则恰恰相反，较前半年有小幅提升。我们推测，该现象或许反映了私募机构内部的策略迭代特点。即，经过一年运行后，策略有效性开始降低。若没有迭代更新，则次年前半年业绩就会出现较为明显的下滑。不过，发现这一问题后，大部分机构也能及时升级策略。故而，下半年业绩又有所回升。总体而言，更新迭代机制的存在，使大部分私募量化基金业绩随存续期拉长而递减的效应并不明显。

综上所述，量化私募基金在成立的第二年，业绩可能出现一定下滑。这有可能是因为，新成立的基金通常蕴含较为新颖的策略，故运行的第一年能获取更高的超额收益。但我们也应看到，从第二年起，业绩的递减效应并不明显。我们猜测，这是由于我国量化私募的发展历史较短，在本文研究的样本中，存续期在5年以上的基金仅57只。当前仍可以视作量化私募发展的早中期，所以，策略有效性衰减的速度依然较慢。

另一方面，过去几年，大部分量化私募都处于基础设施建设和投研团队扩建阶段。业绩较优的机构更有可能获得更多的资源，从而保证策略的持续迭代和升级，并最终转化为持续的业绩。

我们认为，上述现象及分析表明，在选择量化私募基金时，不应带有偏见地去看待机构或产品的成立年限。业界新锐值得更多的关注，而成名“老店”依旧可以信任。

 2  运气：也可能左右业绩的持续性

尽管量化私募基金整体业绩持续性较强，但从单只基金的分析结果来看，仍有部分业绩波动较大。那么，这些基金的业绩不持续确实是源于自身实力的不稳定，还是仅仅因为运气不佳呢？接下来，本文将采用FDR方法来分析这一问题。

1 “运气”的定义与调整

Ø “运气”的定义

理论上，基金的业绩应是管理能力的体现。但实际上，“运气”，即偶然因素，也会对基金业绩产生影响。按照Barras，Scaillet and Wermers(2010)的定义，对于基金i，如果在给定的显著性水平γ下，它的真实超额收益p值大于γ，则该超额收益在统计上是不显著的；如果该基金的真实超额收益等于零但在统计上又拒绝为零的原假设，则我们认为该基金的业绩是交了“好运”或“霉运”。

Ø “运气”的调整

FDR方法对“运气”进行调整的原理如下。

1）利用五因子回归模型（回归的变量均为周收益率。500增强产品的回归模型包括的因子有市场因子（中证500指数周收益率）、规模因子、账面市值比因子、动量因子、盈利因子；市场中性产品的回归模型不包括市场因子，其他因子与上述相同）估算每只基金的风险调整后超额收益alpha，据此将基金分成三类：1）零超额收益基金，alpha=0；2）正超额收益基金，alpha＞0；3）负超额收益基金，alpha＜0。三类基金在总体中的真实占比分别为π0、π+、π-。

2）假设零超额收益基金的alpha是均值为0的正态分布。那么，显著性水平γ下，零超额收益基金的alpha各有γ/2的概率落在正态分布的左尾和右尾。即，那些实际上不具备正（负）超额收益，因为交了“好运”（“霉运”）而表现出正（负）超额收益的基金，在总体中的占比Fγ+与Fγ-的期望可表示成：

3）那么，观测到的具有显著正超额收益的基金应包含具有真实正超额收益的基金（π+）与交了“好运”的基金（π0*γ/2），观测到的具有显著负超额收益的基金与之同理。二者的占比Sγ+和Sγ-的期望可表示成：

4）在任意显著性水平γ下，剔除运气因素，真正创造正超额收益和负超额收益的基金在总体中的占比则分别为：

5）定义显著性水平γ下，运气较好的零超额收益基金在所有超额收益显著为正的基金中的占比，与运气较差的零超额收益基金在所有超额收益显著为负的基金中的占比为FDR，具体公式如下，

通过上述步骤，我们便完成了对超额收益的“运气”调整。

Ø FDR方法的具体流程

根据上述原理的第4步，求出具有显著超额收益基金真实占比的关键在于计算出Sγ+、Sγ-与π0。当确定显著性水平后，Sγ+、Sγ-便可以通过观测回归的alpha和对应p值获得。因此，“运气”调整的关键是估计零超额收益基金在总体中的真实占比，即π0。

对任一零超额收益基金而言，双边检验的p值服从[0,1]均匀分布。而对于有真实正或负超额收益的基金来说，双边检验的p值通常较小，即分布于0附近。基于这一特点，我们只需选择一个较大的λ*，p值大于λ*的基金都可认为是具有真实零超额收益的基金。最后，我们可以借助分布反求出零超额收益基金在总体中的占比：

其中，w(λ*)是p值大于λ*的基金数量，M为基金的总数量。

同时，可以通过观测获得超额收益显著大于0和显著小于0的基金在总体中的占比：

其中，P(λ*)为p值小于λ*且alpha大于0的基金个数，N(λ*)为p值小于λ*且alpha小于0的基金个数。

据此，便可以求出π+与π-的估计值：

2 实证结果分析

表2展示了量化私募基金未经“运气”调整的超额收益。可以看到，逾一半基金超额收益显著为正，约45%的基金超额收益不显著，超额收益显著为负的基金仅1.02%。这表明，较多基金相对传统的五因子模型，即市场因子、规模因子、账面市值比因子、动量因子和盈利因子，有正向超额收益。

进一步统计交叉积比率法和横截面回归法下，业绩持续和非持续基金的超额收益。结果显示，两种分类方法下，业绩持续组超额收益不显著的基金占比均小于业绩非持续组。即，具有显著超额收益，尤其是显著正超额收益的基金的业绩可能更为持续。

下面，我们利用FDR方法对超额收益进行“运气”调整。考虑到稳健性，本文取多个λ（=0.3/0.4/0.5/0.6/0.7）估算π0。如表3所示，经FDR调整后，全区间超额收益显著的基金占比由54.58%（=53.56%+1.02%，表2）提升至64.27%，提升幅度为9.69%。

按业绩持续性分成2组，经FDR运气调整后，业绩持续组和非持续组中，具有显著超额收益的基金比例均提升。但无论是交叉积比率法，还是根据横截面回归法，超额收益显著的基金占比在业绩非持续组中的提升幅度都更大。即，业绩非持续组中，原先具有真实实力，但受“运气”影响而获得零超额收益的基金比例更高。这表明，部分基金的业绩不持续或源于“运气不佳”。

综上所述，我们认为，相对于传统因子具有显著超额收益，尤其是显著正超额收益基金的业绩持续性可能更强。此外，过去几年，部分量化私募基金的业绩不持续或源自运气不佳。这表明，运气也能左右业绩持续性。因此，在选择私募管理人时，我们首先应挑选超额收益显著的基金，其次需尽可能剔除“运气”的影响，力求甄别出有真实投资能力的基金。

03

量化私募FOF组合构建

本部分将结合上文的分析结论，尝试构建量化私募FOF组合。为了降低beta的影响，与前文相同，样本池内待选的中证500增强产品，我们仅考察其超额收益，而市场中性产品则关注绝对收益。此外，为方便计算，忽略申赎条件的限制，并假设所有基金都处于开放运行状态。同时，暂不考虑管理费、业绩提成等成本。

 1  简单基于历史业绩

首先，由第一章的分析可知，量化私募基金整体业绩持续性较强。因此，一个最为简单的FOF组合构造思路便是，选取过去一年表现最好的几只产品，买入并持有1年，每年年末换仓再平衡一次。

由表4可见，选取过去一年业绩排名前25%的量化私募基金构建的FOF组合各年收益均显著优于后25%组合。2018-2022YTD（截至2022.12.16，下同），前25%组合各年收益均超过5%，均值为14.42%，优于后25%组合逾6个点。此外，对比全样本，除2018-2019年由于私募基金市场整体有较大的业绩反转外，其余年份前25%组合的业绩表现均更优。考察区间内，前25%组合的收益标准差也小于全样本，即业绩更为稳健。

我们将业绩筛选标准设定得更为严格，选取过去一年业绩排名前20%的私募基金构建FOF组合。由表7可见，前20%组合的收益略优于前25%组合，但标准差也较高。2018-2022YTD，组合各年收益均值为15.13%，相对后20%组合和全样本的超额收益分别为6.03%和2.75%。

综上所述，我们认为，由于当前量化私募基金的业绩整体具备较高持续性，因此，简单基于基金过去一年的收益构建FOF组合是一个较为有效的策略。

 2  结合业绩持续性指标

我们进一步将前文介绍的业绩持续性指标引入FOF组合的构建中。首先，定义交叉积比率大于1的基金，业绩具备持续性；否则，该基金的业绩不具备持续性。其次，根据基金过去一年的业绩表现，选取业绩排名前25%的基金。最后，剔除成立至换仓时点交叉积比率小于等于1，即业绩不持续的基金，构建FOF组合。同样地，在每年年末换仓再平衡。   

如表5所示，持续性指标的加入明显提高了组合收益。2018-2022YTD，剔除业绩非持续的基金后，前25%组合的收益均值为17.61%，较原始组合提高了3.19%。分年度来看，2018-2020年，剔除业绩非持续的基金后，新组合收益显著高于原始组合，但2021-2022YTD则略低于原始组合。对前20%组合进行类似的处理，结果与前25%组合相同。即，考虑业绩持续性因素后，FOF组合的收益有了一定提升。

对于存续期较长的基金，使用成立日至换仓节点的交叉积比率判断业绩持续性，可能无法有效体现基金近期的表现，导致错误剔除了“好基金”。因此，我们改进剔除规则，使用近2年（截至每个换仓时间）的交叉积比率筛选基金。

改进后，2018-2022YTD，前25%组合的收益均值由原先的17.61%提升至18.19%，前20%组合的收益均值则由18.52%提升至19.68%。分年度来看，2020年和2022年提升最为显著。以前20%组合为例，使用近2年业绩判断持续性后，这两年的组合收益分别较之前提升了2.98%和1.70%。

 3  考虑“运气”因素

五因子回归模型的alpha显著且大于0，则表明基金相对于传统因子，即市场因子、规模因子、账面市值比因子、动量因子和盈利因子具有正向超额收益，在一定程度上能反映了基金投资能力的高低。因此，我们将这一指标也加入FOF组合构建中，即在考虑业绩持续性后，再加入alpha显著大于0的筛选条件。

如表6所示，加入这一条件后，FOF组合的业绩整体提升不明显。2018-2022YTD，若将样本分成四组，组合年度收益均值为18.23%，仅比加入之前的组合提升0.04个百分点。若将全样本分成五组，加入alpha筛选条件的业绩提升效果仍不显著。

分年度来看，2021年和2022年，alpha筛选条件的加入显著提升了组合收益；而2019年，alpha筛选条件反而降低了组合收益。由2.2节可知，部分基金的alpha不显著可能源于“运气不佳”，那2019年alpha筛选策略的失效是不是这个原因导致的呢？

为了解决上述问题，我们引入FDR方法对基金进行“运气”调整，利用调整后的alpha构建FOF组合。即，在利用交叉积比率进行筛选的基础上，加入经FDR调整后alpha显著大于0的条件。 

由上表可见，经“运气”调整后，无论是将全样本分成四组，还是五组，FOF组合年度收益均值较先前几个组合都有进一步提升。尤其是2019年，FDR方法成功挑选出“运气不佳”的基金，收益由20.94%又回到了25.14%。对比仅利用交叉积比率筛选基金的结果，引入FDR调整后alpha这一筛选条件，2018-2020年，新组合收益与之持平；2021-2022YTD，则显著更优。

由此可见，2021年以来，利用FDR进行“运气”调整，挑选调整后alpha显著大于0的量化私募基金是行之有效的策略。我们认为，上述现象表明，随着市场上量化策略的更新迭代，传统因子的收益逐渐降低。如下图所示，无论是正向暴露还是负向暴露，2021-2022年，传统因子收益较此前均出现下滑。相反，大部分高频因子仍保持较高收益。因此，我们认为，近两年持续研发和迭代，并在策略中纳入各类新兴因子的机构及其产品更有可能脱颖而出。   

综上所述，由于当前量化私募基金的业绩具备较高持续性，因此，简单基于基金过去一年的收益构建FOF组合是一个较为有效的策略。如果在此基础上，进一步剔除业绩不可持续和alpha不显著或小于0的基金，则能显著增厚收益。但需要注意的是，部分基金业绩不持续或源于“运气不佳”。因此，引入FDR方法对基金的alpha进行调整，并基于此构建FOF组合，有望获得更为稳健的业绩表现。

04

总结

本文旨在构建私募量化基金的业绩持续性指标，并探寻量化私募管理人的业绩持续性表现及其影响因素。具体地，对每家机构，我们选取一只成立时间最早且具有周频及以上净值数据，融智策略为“中证500指增”或“股票市场中性”的基金作为代表产品进行分析。

首先，通过分梯队统计和梯队转移概率矩阵，考察量化私募基金整体的业绩持续性表现。结果显示，近年来，量化私募基金业绩持续性较强。分年度来看，2018年发生了较大的业绩反转，2019年至今业绩具备较高的持续性。

其次，利用交叉积比率法和横截面回归法研究单只基金的业绩持续性。交叉积比率法下，样本内约71.01%的基金交叉积比率大于1，即大部分基金业绩具备持续性。横截面回归法下，业绩持续性基金占比大幅降低，仅为20.68%。我们认为，导致两种方法结果差异的原因可能有：1）回归法对评价期与持续期业绩的关联性有更高的要求，交叉积比率法则未考虑显著性问题；2）交叉积比率法是从排名出发考察基金的业绩持续性，回归法则是从收益值的大小出发，后者往往更易受到市场风格的影响。

通过比较基金不同存续期的收益差异，我们发现，量化私募基金在成立的第2年，业绩较前期可能出现下滑，在此之后则趋于稳定。这有可能是因为，新成立的基金通常蕴含较为新颖的策略，故运行的第一年能获取更高的超额收益。但我们也应看到，从第二年起，业绩的递减效应并不明显。我们猜测，这是由于我国量化私募的发展历史较短，当前仍可以视作量化私募发展的早中期。所以，策略有效性衰减的速度依然较慢。根据私募排排网的调研报告，绝大多数机构都在不断挖掘新因子，并定期更新策略。因此，在选择量化私募基金时，不应带有偏见地去看待机构或产品的成立年限。业界新锐值得更多的关注，而成名“老店”依旧可以信任。

五因子回归结果显示，具有显著正超额收益的基金的业绩或更持续。经FDR方法对基金进行“运气”调整后，业绩持续组和非持续组中，具有显著超额收益的基金占比提升，但业绩非持续组的提升幅度更大。这表明，部分量化私募基金的业绩不持续或源自运气不佳。即，运气也能左右业绩持续性。因此，在选择私募管理人时，我们首先应挑选超额收益显著的基金，其次需尽可能剔除“运气”的影响，力求甄别出有真实投资能力的基金。

由于当前量化私募基金业绩具备较高持续性，因此，简单基于基金过去一年的收益构建FOF组合是一个较为有效的策略。如果在此基础上，进一步剔除业绩不可持续和alpha不显著或小于0的基金，则能显著增厚收益。但需要注意的是，部分基金业绩不持续或源于“运气不佳”。因此，引入FDR方法对基金alpha进行调整，并基于此构建FOF组合，有望获得更为稳健的业绩表现。

05

风险提示

1）本文根据公开数据和评价指标计算，不作为对未来走势的判断和投资建议；2）本文结论通过公开数据分析所得，存在由于数据不完善导致结论不精准的可能性。

联系人

冯佳睿  021-23219732

郑玲玲  021-23154170