自2014私募基金登記備案制度實施以來，我國私募基金行業發展迅速，現已進入規範化、制度化階段。如果說2014 ~2015是制度規則密集出臺的“啟動調控之年”，那麽2015可謂是“FOF投資之年”。據統計，2015在上半年市場的帶動下，私募f of市場迎來了大爆發。全年私募FOF產品發行數量達到836只，幾乎是2014的5倍。2016年，私募FOF發行的增長趨勢仍在延續，但增長通道趨於穩定。我們估計，市場上現有私募FOF的初始規模超過1500億元，FOF投資的方法論成為市場熱點。
私募FOF長期穩定的資本增值需要通過合理的資產配置和有效的組合來實現。比較完整的路徑是:大類資產配置->；類別資產的選擇->具體資產的選擇還包括根據市場環境的變化進行動態配置。風格捕捉在私募FOF投資鏈中可以發揮多重作用:在類別資產選擇階段可以作為風格輪動策略具體實施的參考，有助於在具體的資產選擇階段更準確地評價基金業績，在動態配置階段可以監測標的基金風格的變化以做出及時調整，有效降低選擇成本。
如果拋開私募FOF復雜的流程形式，對於私募基金投資者來說，風格捕捉也有助於直觀地確定投資決策。由於不同風格的標的基金在相同的市場環境下具有不同的表現和不同的風險收益特征，因此對標的基金進行及時的風格捕捉有利於根據投資者不同的風險偏好和需求選擇相應的標的基金。此外，在壹定時期內表現良好的基金，基本都是符合當前基礎市場市場風格的產品，因此捕捉全市場基金產品的風格，可能在壹定程度上有助於判斷當前市場風格走勢。
本文探討了風格捕捉法在投資決策中的應用。感謝吳對本文的貢獻。
2.模型構建和因子選擇
2.1.型號選擇
基金投資風格的研究方法主要有基於倉位的分析方法和基於凈收益的分析方法。其中，基於位置的分析方法深入到底層，建立了基於位置數據的截面統計模型和多期疊加模型，具有較高的準確性。但由於私募基金在信息獲取上受到壹些限制，無法獲取高頻的具體持倉信息，因此本文選擇了基於凈收益的分析方法。
基於凈收益的分析方法有很多，如夏普資產分類因子模型、法瑪-弗倫奇三因子模型、卡哈特四因子模型等。夏普模型將基金的歷史收益與風格資產的收益掛鉤，根據基金對各種風格資產的收益率敞口來判斷基金的風格。Fama-French三因子模型用市場風險溢價因子、市值因子和賬面市值比因子來解釋基金獲得的超額收益。Carhart四因素模型在Fama-French三因素模型的基礎上增加了動量因素。
上述方法有壹個相似的壹般形式，即多因素模型，但在具體的因素選擇和可用的統計結論上各有側重。Fama-French三因素模型和Carhart四因素模型側重於規模風格、增長風格和勢頭風格。夏普模型通過對風格資產的細分，可以從更加個性化的維度來考察基金風格，通過對各種風格資產的敏感度來判斷產品風格，更加直觀。因此，本文選擇夏普模型來捕捉私募產品的風格。
夏普資產分類因子模型的壹般表達式為:
其中，R_i代表私募基金I的收益率；因子F_i代表各類資產的收益率；其系數b_ij代表私募產品I的收益率對各種風格資產J的敏感度，而ε_i代表私募基金I的非要素收益部分，包括基金經理的主動管理alpha和剩余期限。夏普認為，該模型表明，基金收益率由兩個關鍵部分組成:風格回報和選擇回報。
2.2因素選擇和風格定義
夏普資產分類因子模型要求類別資產(即風格因子)滿足互斥性、全面性和收益差異性三個條件。具體來說，任何基礎證券都不應同時包含在多個類別的資產中；在選定的資產類別中應包含盡可能多的證券；類別資產有時相關性較低或標準差不同。由於類別資產的構成經常發生變化，會在壹定程度上造成私募基金收益率與風格收益率的偏離。
本文著眼於未來風格研究的應用，所以選取最簡單的量表維度作為例子:大量表因子、中量表因子、小量表因子。在具體應用中，以申萬大盤指數、申萬中盤指數和申萬小盤指數作為三種風格的資產組合，即大盤、中盤和小盤。這樣的資產分類滿足了三個條件的互斥性和收益差異性，但在全面性上存在壹些缺陷。夏普用價值股、成長股、中型股、小型股、歐股、日股等12類資產來討論風格。
本文以40天為壹個回歸周期，通過為回歸風格因子系數設置壹個閾值來確定該期間基金的風格類型。在回歸結果擬合度高的基礎上，如果某壹風格因子系數大於等於0.5，則判斷該期基金為該風格；如果系數小於0.5，則認為該基金無明顯風格，相對均衡。
3.數據選擇和清理
本文選取了凈值披露頻率為天、凈值數據不低於41的937只股票型多頭私募基金作為樣本。調查周期為2016 1.4至2017 3月31，回歸周期為40天，即每天都會得出壹個風格判斷。
數據清理過程包括以下幾點:
(1)考慮到數據缺失的問題，在提取初始數據時，如果該工作日沒有數據，則選擇前10天最接近該日的凈數據作為該日的數據，如果前10天沒有數據，則標記為無數據。
(2)對於每只基金，從調查期內凈值披露首日後的第40天開始回歸，該日期之前的所有日期均標記為無風格數據。
(3)如果40天回歸期內沒有超過5天的凈數據，則不進行回歸，即沒有風格數據。如果滿足回歸要求，將對缺失數據進行插值。
4.多頭私募股票的全貌:只有不到10%的個人是持之以恒且意義重大的。
本文以40天為周期對937只符合條件的長期私募基金2016年10月4日至2017年3月31日的日收益進行回歸，每只基金有264次回歸。經過測試，根據上述風格定義方法，判斷該基金每日對應的風格類型。
在全部937只基金中，* * *有310只產品至少有壹個回歸結果的擬合度合格，約占全部基金的33.1%。365，438+00只產品中，有252只基金符合擬合度要求，占比865，438+0.3%。符合擬合度要求的顯著回歸結果有58個，占比超過50%，約占18.7%，兩只基金的回歸結果均符合擬合度要求。
結果表明，大多數股票型多頭私募基金的風格特征不能通過顯著性檢驗，我們了解到主要原因是:
第壹，私募基金的倉位設置靈活，在建倉期、風險規避期、策略調整期、多策略分散期、人員調整期都有可能低位運行，而產品的久期往往是1 ~ 3年，很少有長時期(如40個交易日)持有80%以上倉位的情況，影響了模型的有效性。
第二，私募基金的投資風格多變。除了少數繼續深挖優勢行業的私募基金，大部分私募基金從歷史投資周期來看，都經歷了對整個市場和行業的投資，跟風轉換風格，守株待兔是很正常的。此外，如果基金經理繼續分散在行業和市值風格中，也會導致風格判斷的失敗。
第三，量化交易概念的流行，壹定程度上拓展了私募基金的選股風格。其中，擇時模型和行業輪動模型往往會提高私募基金的周轉率，加速私募倉位的切換和選股。量化交易信號往往隨市場而動，這將減少持續的風格暴露。
由於未通過檢驗的分析結果不具有統計顯著性，因此我們重點研究如何利用顯著性風格結果來輔助私募股權基金FOF投資。
5.玩風格捕捉和協助私募股權FOF投資。
5.1.單壹產品風格漂移監控
風格漂移是私人股本FOF投資的焦點之壹。高風險和低風險品種的轉換、戰略重點和集中度的變化都會引起私募股權公司風格的漂移。對於股票多頭私募基金的投資，在無法獲取高頻持倉信息時(往往是投資前後)，基於凈值的風格監測記錄了產品的投資軌跡，可以作為投資管理人所宣示策略的重要證明。對於同壹公司管理的多只多股產品，風格監測可以反映私募基金的投資決策是否能有效得出壹致的結論，產品之間的差異是否能得到有效控制。後者在壹定程度上也反映了私募是否公平對待各類投資者。
從單個產品的角度來看，回歸結果最直觀的展現了產品在觀察期內風格的變化，從而監測產品的風格漂移，反映產品是否改變了投資策略。
在通過顯著性檢驗的觀察樣本中，我們發現某私募基金公司幾乎所有的股票做多產品都呈現出相似的風格軌跡:2016年7月之前，該私募公司的股票做多產品明顯傾向於大盤風格，但2016年8月之後，其股票做多產品風格逐漸向中小盤股票傾斜，2017年初以來對大市值的偏好再次增強。
我們認為，同壹策略產品凈值走勢的趨同和風格軌跡的趨同，可以幫助私募FOF在投資中有效識別純平臺或分散投資管理的私募基金，當然，產品處於完全不同的投資周期的情況除外。
5.2.從產品風格統計看市場風格傾向。
從全市場基金產品來看，通過統計目前風格表現明顯的基金數量，可以判斷當前市場風格傾向。
理論上，多頭私募基金在整個市場的風格傾向表明了其目前的配置情況，並進壹步暗示了私募基金對市場的看法和預期。作為二級市場的重量級參與者，這種風格傾向或許能為投資提供壹些參考。但如上所述，自2016以來，大部分長期私募基金的市值風格並不明顯，僅基於壹個顯著的小群體的風格統計很可能偏離行業的真實看法。
由於回歸後表現出顯著風格屬性的私募基金產品數量有限，我們只陳述結果，不討論顯著性。從百分比累積圖來看，自2016以來，顯著樣本對市場的風格傾向逐漸從大市場轉向中小市場。
5.3.尋找款式勝率高的單品。
傳統上，我們通過各種業績指標來衡量私募基金的業績，如收益率、最大回撤、波動率、夏普比率等。對於股票多頭來說，成功的風格切換可以驗證股票擇時邏輯的有效性，可以考慮作為業績評價的維度之壹。
風格勝率是指在壹定觀察期內，產品風格與市場風格壹致的比例。
大部分產品的風格中簽率在10%以下，95只產品中簽率在10%以上且小於等於30%，16只基金產品中簽率在30%以上，最高達40.53%。當然，我們這裏考慮的是基於歷史數據的風格與當前風格資產表現之間的關系。基於歷史數據和未來的風格資產表現來計算勝率可能更合理。
5.4.配置風格資產能得到預期的效果嗎？
在觀察產品和市場風格的基礎上，在當前市場選擇符合投資者風格偏好的產品後，可以進壹步觀察未來產品的表現是否與市場風格的走勢壹致。但由於基金產品風格切換的頻率較高，或者倉位變化較快，我們認為該模型存在壹定的局限性，無法準確判斷產品未來的風格走勢。
我們發現，在不同的調查時期，使用該模型可以得到不同的結果。本文分別觀察了風格組合趨勢同向和分化階段的兩個典型案例。走勢分化階段以2016 11 10月17至2016 1 2月為例。同趨勢階段，以2017 16 10月至2017 2月17期間為例。
2016，10，17至2016，12，1期間，大盤和中小指走勢出現明顯分化，大盤指數持續上漲，中小指基本持平。據統計，這壹階段顯示了大規模和小規模風格的產品收益率。大規模風格收益率普遍高於小規模風格，小規模風格產品收益率小於零，與指數走勢壹致。
10月2017至16至2月2017期間，大盤指數與小盤指數走勢基本壹致，小盤指數收益率最高，大盤指數收益率最低。根據統計發現，大規模產品的收益率普遍高於小規模產品，這與市場風格的趨勢相反。
5.5觀察單品風格跟蹤誤差。
夏普曾建議，在盡可能描述基金的整體風格後，可以考慮構建壹個模擬的風格基準，觀察產品未來表現對風格基準的偏離程度。但我們認為私募基金追求更廣泛的投資理念和絕對收益的實現，很少考慮模擬的風格基準的跟蹤。所以這裏不討論這個話題，只是作為壹個寬泛的思路提出來。
總結
綜上所述，將夏普資產分類因子模型應用於股票多頭私募基金，輔助FOF投資是可行的。目前是監測單個產品的風格漂移，在觀察市場風格傾向時面臨可用樣本比例低的問題，在尋找風格勝率高的產品時面臨方法缺陷對結果的幹擾，在配置風格資產時面臨跟蹤誤差大的風險。我們將繼續關註基於風格捕捉的私募股權FOF投資的改進。
另外，就量化模型本身而言，R 2只能反映模型對整個回歸周期的擬合程度，而不能顯示周期內模型估計值的偏離程度的趨勢，所以當回歸周期結束時模型估計值的偏離程度較高時，對未來風格趨勢的判斷可能會有偏差。