证券研究报告
内容目录
合同基准与隐性基准5
基金业绩基准：从合同基准到隐性基准5
业绩评价的绝对和相对视角9
基于相关性的隐性风险剥离10
显性风险与隐性风险10
传统风险剥离的困境12
基于隐性风险模型的动量因子改进14
隐性风险视角下的选基因子改进17
基于隐性风险模型的选基因子统一改进框架18
夏普比因子的改进19
隐形交易能力因子的改进20
隐性风险调整综合选基因子稳定性大幅提升21
FOF精选组合构建24
基于隐性风险调整综合选基因子的FOF组合构建24
基于风险控制的FOF精选组合构建25
总结30
参考文献31
1
附录：选基因子简介32
附录2：主动股基p分位数指数34
风险提示35
请务必阅读正文之后的免责声明及其项下所有内容2
证券研究报告
图表目录
图1：基金A、基金A合同基准和国证芯片的走势对比5
图2：匹配隐性基准的流程图6
图3：基金B、合同基准、隐性基准走势（2022.01-2022.12）7
图4：基金B、合同基准、隐性基准走势（2024.03-2025.02）7
图5：主动权益基金历年相对合同基准和隐性基准的跟踪误差中位数8
图6：主动权益基金相对合同基准和隐性基准的跟踪误差分布(2024年)8
图7：绝对和相对视角下的业绩评价9
图8：基金C、隐性基准以及同隐性基准基金等权表现9
图9：基金D、隐性基准以及同隐性基准基金等权表现9
图10：显性风险与隐性风险10
图11：Alpha_Fama五因子累计RankIC走势11
图12：Alpha_Fama五因子与一年动量因子多头表现对比11
图13：基金E在不同风险因子上的暴露13
图14：利用Fama五因子拟合基金E的结果(97.0%)13
图15：基金F在不同风险因子上的暴露13
图16：利用Fama五因子拟合基金F的结果(31.07%)13
图17：基于隐性风险模型的基金收益动量因子改进14
图18：Alpha_Simi与Alpha_Fama五因子累计RankIC走势15
图19：Alpha_Simi与Alpha_Fama五因子十档分组对比15
图20：Ret240、SimiRet240、Alpha_Simi累计RankIC走势15
图21：Ret240、SimiRet240、Alpha_Simi十档分组对比15
图22：基金EVS同类基金（94.2%）16
图23：基金FVS同类基金（87.2%）16
图24：Fama五因子模型和隐性风险模型回归中位数对比16
图25：国信金工团队选基因子体系17
图26：基于隐性风险模型的选基因子改进框架18
图27：通过相关性加权得到同类基金夏普比因子19
图28：夏普比原始因子、隐性风险因子以及隐性风险调整因子累计RankIC走势20
图29：夏普比原始因子、隐性风险因子以及隐性风险调整因子十档分组20
图30：隐形交易能力原始因子、隐性风险因子以及隐性风险调整因子累计RankIC走势20
图31：隐形交易能力原始因子、隐性风险因子以及隐性风险调整因子十档分组20
图32：原始因子以及隐性风险调整因子RankIC胜率对比21
图33：原始因子以及隐性风险调整因子RankICIR对比21
图34：隐性风险调整综合选基因子的构成22
图35：隐性风险调整综合选基因子累计RankIC走势23
图36：隐性风险调整综合选基因子十档分组23
图37：原始以及隐性风险调整综合因子多头超额对比23