摘要

BT是一家成立于2014年的私募证券投资基金，凭借产品优异的净值表现，3年左右的时间，管理规模已近40亿元。我们希望进一步了解BT，通过数据来勾勒BT如何管理资产，BT过往的成绩从何而来，是否真正拥有投资的技能，还是一时的幸运？
我们通过BT获取了有限的资料，包括14只产品的净值，1只特定产品“bt-xjz1”2015年6月至2016年12月的季度末估值表。
在有限的数据下，我们通过基于净值收益分析与持仓分析，认为BT的投资管理采用Beta + alpha的策略，过去的3年中，以相对回报的管理为投资人带来了绝对收益。BT在紧跟市场风险特征的前提下，通过行业错配，个股交易及灵活的金融工具应用的技能为投资人创造alpha。

一、收益分析（Return-Based Analysis）

（一）、数据整理

考虑BT提供的产品清单均为同一基金经理管理，风格相似，各产品间存在强相关性，相关系数多在0.8左右。为避免单一产品的净值出现特异性，对BT所提供的所有产品进行了算数平均处理（未获得权重信息，无法实施加权平均），将所有产品的收益重塑为单一产品。为避免现金流的干扰，在收益率重塑计算中剔除分红、申购与赎回而产生的现金干扰。

（二）、基于收益回报的数据分析

1、基准（BenchMark）观察

image.png

采用标普普尔中国A股风格指数系列与中p债财富指数（代表现金/债券）作为基准的参考变量。标准普尔中国A股风格指数分为大盘成长、大盘价值、小盘成长与小盘价值，大盘的编制规则与沪深300一致，小盘类似于中证500，缺少代表小盘股的指数。通过相关系数的观察，BT的收益率与大盘股的相关系数最大，为0.71。

2、风格分析

image.png

通过Sharpe return-based style analysis 模型，以标普中国A股风格指数 + 中证1000 + 中债财富指数作为多因子，以52周数据滚动进行回归分析，结果见上图。BT的风格取向偏大盘、偏价值。同时，Return-Based的风格分析也反应了BT在2014年6月以来的投资管理上分为了两个重要的阶段，图上显示2016年8月前后发生了重要的风格轮换。考虑到回归模型反映滞后，风格轮换的时间会稍提前一些。从回归的解释度R2来看，2016年8月前的R2数值低于30%，并在2015年一直保持负值，意味着BT在此段期间的运行超出了模型的范围，标示为现金/债券的部分并非呈现现金/债券的收益特征。BT在路演时提及，2015年期间曾大量使用分级A等含权工具。
2016年8月以后，模型的R2一直保持在约80%的解释度上。综合基准相关性观察的结果，认为可以沪深300（沪深300与标普中国A股大盘的编制方法大体一致，为方便取值，使用沪深300）作为其基准。

3、模拟净值与走势

BT重塑后的净值，以2014年5月25日为基准点，设净值为1，通过每周的收益模拟其综合的净值，一直到2018年3月4日。

image.png

相比沪深300，BT的走势平稳且陡峭，为投资人喜爱的既稳又快的类型。BT所在的市场经历了两个阶段：

• 阶段1：2014年5月25日~2015年12月20日；
• 阶段2：2015年12月20日~2018年3月4日；
  阶段1为市场大起大落阶段，BT在市场疯狂时紧跟市场，稍稍跑输，但在市场下跌时段，BT却保持了持续上涨；阶段2，BT的净值走势与沪深300呈现较强的一致性，但在较高的拟合度下，增加了收益，给投资人带来了额外的回报alpha。

4、收益率分析

分析BT综合的收益率情况，采用2个维度来观察收益率表现：日历年收益与年化收益。在不同的时间切片下，较单一时间段更容易反映出收益一致性。

image.png

上表中的数字均为年化收益率，SI(since intercepted)指成立以来。从超额回报来看，在所有时间切片的时间段内BT均取得了正的超额回报，但需要注意的时，该数字逐年收窄。

5、回归分析

回归分析，是通过线性回归的方法，以市场收益率、波动率为变量，拟合BT的收益与风险，从而观察BT的表现与市场表现的关系。用到的模型为基于CAPM模型的Jenson模型，分析的时间维度与收益率分析相同。

image.png

通过表上的数据反应，和之前收益风格的结论趋于一致，2016年以后与沪深300存在强相关性，相关系数>0.9，同时Beta值接近1，隐含说明BT持仓为权重股，且高弹性。
从当前市场上流行的回撤指标来看，BT最大回撤接近20%，说明BT对回撤并没有实际有效的控制手段。

“事实上若非纯粹的alpha策略，回撤指标本身没有太大的参考价值。市场价格本身在时间的长廊中来回波动，回撤却是一个时点的值。因此，用回撤来看市场是荒谬的。然而，对于个体风险而言，回撤代表的是策略失效的频率和损失，故在衡量与市场低相关性的投资时，比如绝对回报投资，回撤是一个重要的指标）。”

6、投资效率分析

image.png

6.1 风险收益指标

在Sharpe Ratio、Treynor Ratio 与Calmar Ratio 三个指标中主要观察Sharpe Ratio，与Treynor Ratio。鉴于Calmar Ratio是指风险溢价对应最大回撤的比值，由于BT在2015年12月后与市场存在强相关性，最大回撤不适用，因而忽略对Calmar Ratio的分析。
BT在2016年、2017年的Sharpe Ratio分别为0.32与2.51，均高于沪深300的-2.05与1.63。BT在2016年、2017年的Treynor Ratio分别为0.07与0.26，均高于沪深300的-0.15和0.19，显示了BT在管理上较沪深300有着更高的风险收益比。

image.png

从wind资讯调取市场上1605只含有以沪深300或标普中国A股大盘为基准的公募基金，未剔除新成立基金，未剔除分级基金，对比BT综合收益率下的sharpe比率与同行，BT综合在2016年与2017年均处于市场的前25%分位。

“我们采用盒须图来展示Sharpe Ratio的分布情况，蓝色的圆点为被观察的所有基金的Sharpe Ratio分布，异常值在图中被忽略了，但仍然保留在数据集中；中间带有阴影的部分为25%分位~75%分位的数据，阴影深浅的分界点为中位数；上影线为超出75%的部分，长度为阴影部分的1.5倍，下影线为低于25%的部分，同样长度为阴影部分的1.5倍。”

image.png

以同样的方式对比Treynor Ratio，BT在2016、2017年依然出色，均处于市场前25%的方阵。

6.2 跟踪误差与信息比率

观察BT的跟踪误差指标（Tracking error），即BT偏离沪深300收益率，追求alpha的波动率。根据上表的结果，可以看到，跟踪误差呈现逐年下降的趋势。2017年度时，BT的跟踪误差降至4.54%。跟踪误差的降低有利于投资人对自己投资的了解，避免将投资陷入“黑匣子”中。

“投资者承担市场风险，管理人承担偏离市场基准的风险”

但需要注意，伴随着跟踪误差的下降，信息比率也在同步下降。信息比率为alpha除以跟踪误差，信息比率的连续下降意味着BT所获取的alpha下降幅度大于跟踪误差下降的幅度。这也许是巧合，2017年为A股少有的低波动年，为历史最低，沪深300的年波动率仅为11%。市场特别一致，且形成趋势，不利于额外收益的取得。同时，BT管理规模的快速增加也会增加获取alpha的难度。

6.3 胜率

BT的胜率（batting average）基本保持一致，接近60%。胜率的计算，以周数据为例，跑赢基准的周数量 / 总期数。从上涨捕获率与下跌捕获率来看，BT在2016年以后基本涨的时候涨得多，跌的时候跌的少。一般来说，基金持仓持股比例通常<100%，涨过基准，意味持股弹性大于基准，或采用了其他工具使得账户中暴露的市场风险大于实际持仓。跌的少，一方面说明持仓正好可能是市场热门，跌得少，亦或可能通过其他工具回避了市场风险。

（三）、收益分析小结

1. BT在投资管理上呈现了相对收益的特征，与沪深300有着较强的相关性；
2. BT在风格上以价值为多，但没有绝对地排斥成长股；
3. BT成立以来至今，以相对回报的管理给投资人带来了绝对的收益回报；
4. BT在2016年与2017年管理的风险收益比列为与同行的前25%分位，显示了其优秀的风险控制能力，和风险收益的获取能力；
5. BT对于沪深300的胜率接近60%，反应了BT对市场的把握能力；
6. BT的跟踪误差呈现下降趋势，组合管理所透露的信息更透明，但相应的信息比率同时下降增加了管理人在管理规模增加的情况下获取alpha能力下降的担忧。

二、持仓分析（Holding-Based Analysis）

BT的具体持仓情况分析基于BT发来的由托管方制作的“bt-xjz1”基金的2015年二季度至2016年四季度的季度的基金估值表，“bt-xjz1”基金2015年5月底开始运营。

（一）、资产构成分析

从“bt-xjz1”基金资产的构成中有4类资产，股票、基金、衍生工具、其他投资与现金。其中：
现金及等价，现金及等价是指存放银行、券商等未使用的现金或保证金，但涉及衍生产品合约中的名义现金头寸因为估值表结构的问题未能包含在内。
基金投资，2015年主要为分级A，2016年之后为LOF，ETF，在之后的详细持仓中做具体分析；
其他投资，为投资其自己的发行的产品，当前尚不清楚该产品类型；
衍生工具，包括商品与股指期货，由于估值表分类的关系，暂时无法准确定位为股票头寸还是商品头寸。同时，估值表的二级科目记录的数据为衍生品的投资金额，而非合约价值，因此衍生品的头寸在资产结构表中存在误导信息。

image.png

根据上图的资产构成，股票投资部分的权重变化与Return_Based 分析通过统计获得的持仓结构相似，在2015年至2016年期间，return-based多因子模型所反映出来的现金/债券头寸“bt-xjz1”基金持仓头寸中由基金投资实现，这些基金投资主要为分级A。
2015年4季度末，在“bt-xjz1”基金的持仓中开始出现衍生品，对持仓分析产生了较大的困扰，估值表记载的衍生品科目记录了保证金余额，而非经济价值，空头显示资产为负值，将衍生品简单地加入的资产权重分析容易导致分析偏差，但暂时尚未找到解决的方案，暂时以保证金+多空方向放在资产项中，因此在资产的面积图中出现了一段空白，此时“bt-xjz1”账面衍生品为净空头头寸。

image.png

“bt-xjz1”的资产构成中以股票为主。在2015年4季度与2016年4季度账面上存在一些衍生品工具，比例较小，按照10%保证金计算，衍生品合约价值的持仓比例不超过9%。

（二）、股票投资

1. 行业配置

image.png

2015年，“bt-xjz1”偏爱医疗、可选消费，低配工业，在市场最疯狂的时期，回避了强周期股。2016年后开始转向均衡配置，对沪深300指数的偏离度下降，体现其在资产管理上有一定的纪律性，具备一定的组合管理的理念。同时，在板块轮动上反应了管理人的观点，呈现主动管理的特征，其在板块管理上是较主动的有序管理。这一推论需要时间的检验，同样2016年——2017年也是一个中国股市较为特殊的时期段。

2. 持股风格特征

image.png

“bt-xjz1”持仓股票PE/PB的数值并不集中，且变化很大，但整体均值变化并不明显：
PE在20倍左右，2016年的时候整体平均稍有下降，尤其在3季度，更为明显；

• PB也显示了同样的情况，结合行业配置信息，2016年三季度增加了金融板块的配置，拉低了PB均值；
• 相对市场PE、PB水平而言，若参考同期全部A股行业中值，处在相对较低水平。
• “bt-xjz1”持仓股票的PE、PB数值的分散度波动较大，隐含说明管理人的管理思路中并不局限于特定风格。PE、PB数值的均值较为统一，反应的是管理人管理思路的统一，在整体上并显著未偏离收益风险特征。

3. 持股集中度

“bt-xjz1”的持股较为集中，平均持股在22只左右，2015年9月与2016年1月因市场大幅下跌，可能导致其执行了清仓式减仓避险的决定。

image.png

通过持仓个股比例的分布，75%的个股比例低于7%，但存在某1-2只股票比例超过10%，甚至20%的情形。通过个股名单的观察，曾经比例10%的股票有：中国平安、中国铁建、保利地产、华侨城、云南白药。结合行业权重分布，这些超配的股票并未因此使行业权重严重偏离。相信“bt-xjz1”的管理风格为在契合行业权重的同时，在行业内精选个股，即行业分散，个股集中。

image.png

4. 换手

image.png

“bt-xjz1”并似乎并非长期投资者，在连续7个季度的季末估值表上，共出现过66只股票，2/3的股票出现一次以后便消失了，持有期超过2个季度的股票合计占比仅为12.13%，没有1只股票持有超过连续5个季度。

归因分析
5.1 Brinson模型
Brinson 模型，从微观角度分析超额收益的归因，包括归因于行业配置，归因于选股能力。模型解释：

• 行业配置(Allocation)能力:

• 行业偏离获得的超额收益
• 该行业配置赋予的权重
• 该行业在指数中的权重
• 该行业的当期收益
• 指数当期收益
• 选股能力：

• 选股获得的超出行业的收益
• 该行业配置赋予的权重
• 个股按行业汇总的当期收益
• 指数按行业汇总的当期收益

5.2 适用模型的方法

鉴于，所获得的“bt-xjz1”数据为季度末时点数，不能准确地反应实际的行业配置收益，与个股收益，更不能反应出股票交易实现收益，但为近似分析，对“bt-xjz1”的季度数据进行原则性假设，用时点数组成样本来推断整体的情形：

1. 假设：
   a. 估值表上登记的持仓为前一季度买入，且未作交易；或当前买入，持有至后一季度且未做交易；
   b. 对应指数成分在前一季或后一季未发生调入、调出。
2. 方法：
   a. Wind资讯取对应指数沪深300时点的成分数据，按成分取季度涨跌幅倒取期初数或取期末数，取决于季前算法或季后算法；
   b. “bt-xjz1”持仓按成分取季度涨跌幅倒取期初、期末数。

5.3 模型结果的解读

分别应用Brinson模型进行季前、季后分析。季前分析假定季前买入并持有至报告日，季后分析之报告日前买入，并持有至下一报告日前。“bt-xjz1”数据始于2015年第二季度，终止于2016年第四季度，蓝色为行业错配产生的对应整体的超额收益，橘色为在行业内选股产生的对应行业的超额收益。

image.png

季前分析：连续7个季度股票管理的alpha合计0.69%。行业配置部分7次中5次大于0，选股部分7次中5次小于0。若按此模型代表“bt-xjz1”管理人的管理，则管理人有着出色的宏观观察的能力，而对于个股的把握并不理想。

image.png

季后分析：Brinson模型的归因显示无论是行业配置，还是个股选择，“bt-xjz1”每一季度均取得正alpha，连续7个季度股票管理的alpha合计59.45%。这段时期内，“bt-xjz1”的整体涨幅为39%，沪深300涨幅为5%，alpha为34%，不算其他投资收益，交易成本约25%。

季前、季后分析结果存在较大差异，印证了“bt-xjz1”通过交易取得额外收益。这也解释了估值表中“bt-xjz1”持有资产达多处于浮动盈亏的微亏状态，而实现收益却很高的情形。

（三）、其他投资

“bt-xjz1”灵活应用了多种其他金融工具，有分级A，黄金ETF，商品期货与股指期货。仅凭借估值表上登记的时点信息，难以勾勒出大致的特征。

（四）、持股分析小结

若以“bt-xjz1”代表BT管理特征，则：

1. BT在行业配置的管理上采用的是较主动的有序管理，在沪深300的行业权重上做权重的增减调整，以获得超额收益；
2. BT在行业内个股的选择上，采用的是较为集中的持股，通过价格发现来获取超额收益；
3. BT在组合管理中使用了大量的其他金融工具，但2016年其他金融工具占比较小，主要的收益来源应该还是来自股票投资。

三、总结

基金类型：

1. Beta + Alpha；
2. 投资管理技能：
3. 具有组合管理理念，可按照市场风险的敞口进行行业配置，并试图通过优选个股来实现缩小跟踪误差的同时增加收益。
4. 存在个股集中度过高，交易频繁等潜在不利于基金运营的情形；
5. 在股票相关衍生产品的运用与套利策略部分，体现了管理人拥有宏观视野，对市场敏锐的嗅觉，以及平抑风险的能力，可惜所获得资料有限无法对此部分进行深入的分析。

综合所获得的信息，认为BT在投资管理拥有投资智慧，历史所获得的业绩不仅是运气的成分，更是投资技能的表现。期盼时间间隔更短、时期更长的资料可进一步深入分析BT，获取其投资技能更清晰有力的证据。