报 告 摘 要
卖方分析师发布的研报信息是基金经理能以较低成本获取，并能利用和共享的重要信息。然而，同样面对来自分析师的公共信息，不同基金经理对其的使用程度却有所分别：部分基金经理对公共信息的依赖较高，其投资决策会跟随卖方分析师观点进行变动，而部分基金经理主要依赖于自身的研究和信息挖掘能力，保持了较为独立的投资观点。
卖方分析师观点刻画：我们对于卖方分析师观点的定量刻画主要源于他们外发研报的内容。基于卖方分析师发布的研报，我们采用了分析师对于股票滚动未来一年的一致预期净利润数据，来作为我们对于全市场卖方分析师观点的代理变量。
基金经理观点刻画：基金经理在基金运作分析中鲜有提及个股观点，因而我们对于基金经理观点的刻画源于他们实际的持仓行为。基于基金半年报和年报的全部持仓，并经过股票区间涨跌幅调整后，我们可以计算对应样本期基金经理的主动净增减仓比例，以此来衡量基金经理对股票的观点变化。
三、基金经理观点独立性因子
我们以卖方分析师观点变化作为自变量，基金经理观点变化作为因变量，通过回归的方式构造了基金经理观点独立性因子。经测试，观点独立性因子的RankIC均值为-4.7%，年化ICIR为-1.12，因子十档分组测试结果单调。
此外，基金经理观点独立性因子与隐形交易能力、波段交易能力、持仓收益因子等8大类选基因子的长期相关性均不超过0.05，且剥离掉8类因子之后残差项的RankIC均值为-3.09%，年化RankICIR为-0.94，十档分组测试结果仍具备很强的单调性，增量信息丰富。
在先前的研究中，我们将隐形交易能力、波段交易能力、持仓收益因子等8类因子复合形成了原始综合选基因子，原始综合选基因子的RankIC均值为13%，年化RankICIR为2.07，多空年化收益为10.65%；将观点独立性因子加入原始综合选基因子后复合形成的新综合选基因子RankIC均值为13.5%，年化RankICIR为2.14，多空年化收益为11.26%，可见新综合选基因子拥有更高的RankIC均值、RankICIR和多空年化收益。
一
从基金经理的信息挖掘特征与业绩谈起
国内学者田利辉和曹龙杰(2021)通过对国内的实证研究发现，相比于绩劣基金，绩优基金交易行为的信息挖掘特征更为显著，其中信息挖掘水平并非取决于获取私有信息的优势，而主要由更为卓越的投研能力所支撑。张乾、薛健(2019)研究了业绩排名对基金经理选股信息来源的影响，发现上半年排名靠后的基金经理在下半年会降低对公开信息的依赖程度，而依赖程度降低的基金经理会在下半年业绩排名上升。
基于以上文献的启发，我们对国内业绩表现较好和较差的主动权益基金对卖方分析师的依赖程度差异进行了验证，观察主动权益基金在利用外界信息的程度上是否存在较为明显的差别。
具体来说，我们统计了每半年业绩排名前100以及后100的主动权益基金的持股变动与卖方分析师对股票的盈利预测调整的相关性，可以看到，在多数情况下，排名前100的基金的持股变动方向与卖方分析师的盈利预测调整方向呈现负相关；而多数半年度排名靠后的基金的持股变动方向与卖方分析师的盈利预测调整方向呈现正相关，说明在我国公募基金市场上，也存在收益表现更好的基金经理独立性更强、对外部信息的依赖程度更低的现象。
在之前的FOF系列专题报告中，我们团队构建了隐形交易能力、业绩洞察能力、基金规模、机构关注度、基金员工信心、波段交易能力、持仓收益能力等8个维度的选基因子，主要是基于基金的历史业绩、基金特征以及基金经理能力这几个刻画维度：
基于基金的历史业绩：收益类因子。
基于基金的特征或者禀赋：基金规模，基金内部和外部的认可度（员工信心和机构关注度）。
基于基金经理的能力：业绩洞察能力、隐形交易能力、波段交易能力。
基于基金经理的持仓特征：基金持仓收益因子。
本文我们旨在构造一个不同于上述维度的选基因子，从基金经理行为特征的视角出发，通过衡量基金经理对外部信息的依赖度来刻画基金经理投资决策的独立性，并寻求基金经理决策行为特征与未来业绩的关系。
1
卖方分析师与基金经理沟通互动频繁
从基金经理的信息获取来源看，基金经理所获取的信息主要可以分为基金公司内部的投研支持和外部卖方分析师所提供的信息，其中内部投研支持为非公开信息且因基金公司而异；而卖方分析师提供的信息的主要载体是卖方分析师的研报，是所有基金经理共同能获取到的公开信息。
相比基金公司内部的投研支持，卖方分析师提供的信息可获取性更强、数据的透明性更高且时效性更优，并且通过我们的研究发现，基金经理与卖方分析师这两个群体有着较为紧密的沟通和互动，因此后续我们主要以基金经理对卖方分析师观点的依赖程度来作为基金经理观点独立性的体现。通过分别对基金经理观点和分析师观点进行定量刻画，并且寻求二者之间存在的关联，我们得以衡量基金经理的实际投资决策行为对于卖方分析师观点的依赖程度，即基金经理的观点独立性因子，并研究了基金经理的观点独立程度与其未来业绩之间的关系。
以机构调研上市公司为例，早在2012年7月17日，为了有效提高资本市场透明度，深交所就发布了《信息披露业务备忘录第41号——投资者关系管理及其信息披露》，要求上市公司在投资者关系活动结束后，应当做好会议记录，并将会议记录、现场录音、演示文稿、向对方提供的文档等文件资料存档并妥善保管；在投资者关系活动结束后两个交易日内，应当编制《投资者关系活动记录表》，同时在公司网站刊载。
根据规定，上市公司披露的《投资者关系活动记录表》至少应当包括以下内容：（一）活动参与人员、时间、地点、形式；（二）交流内容及具体问答记录；（三）关于本次活动是否涉及应披露重大信息的说明；（四）活动过程中所使用的演示文稿、提供的文档等附件。因此，我们得以从《投资者关系活动记录表》中及时获取来自于机构投资者调研上市公司的最新信息。
由于《投资者关系管理及其信息披露》规定颁布于2012年7月，因此我们统计了自2013年以来公募基金参与上市公司调研的次数，以及其中有卖方分析师参与的公募基金经理调研的次数与占比，如图5所示。可以看到，自从2013年以来，有超过40%的公募基金调研活动都有卖方分析师参与，并且这一比例在近年来有逐步提升的趋势。在二者双方共同调研的过程中，卖方分析师和基金经理能够进行充分的信息交流和观点分享。
2
主动权益基金核心持股受到卖方分析师的密切关注
3
不同基金经理面对分析师观点时操作存在差异
首先，从卖方分析师关注的角度，我们在每月末统计了过去一年卖方分析师针对北方华创发表的研报数量，如图7所示。可以看到，在2021-2023年间，覆盖北方华创的研报数量平均达到了117篇，可见从覆盖数量来看，北方华创受到了卖方分析师持续的关注。
从卖方分析师对北方华创的业绩认可程度来看，我们统计了2021-2023年间卖方分析师在研报中对北方华创的盈利调整情况，如图8所示。可以看到，平均有超过70%的分析师在相应研报中上调了北方华创的盈利预测，说明多数卖方分析师较为认可北方华创的业绩表现。
那么在卖方分析师对北方华创业绩持续较为看好的背景下，基金经理是否也普遍增配了这只股票？我们对主动权益基金在2023年年报中对北方华创的持股变动比例进行了测算，如图9所示。
经统计，共有718只主动权益基金在2023年年报对北方华创具有增减仓行为，其中有44%的主动权益基金对北方华创进行了净增仓，而56%的主动权益基金对北方华创进行了净减仓。由此可以看到，作为与卖方分析师沟通密切的公募基金经理，在卖方分析师整体持续看好北方华创的背景下，不同基金经理的调仓行为截然不同。
二
卖方分析师和基金经理观点的刻画
1
卖方分析师观点的刻画
卖方分析师表达自身观点的方式有很多，包括分析师路演、发布的研报以及每月推荐的金股数据等等。但是出于数据的可得性和规范性，分析师路演以及与基金经理交流时的观点难以获得并定量化，而券商推荐的金股通常覆盖股票数量又较少。因此我们选择较为标准化的分析师研报来作为我们对全市场分析师观点的衡量。由于外发的分析师研报传播性较广，可为全市场基金经理所获取，因此可以作为基金经理相对简单易得的“公开信息”。
基于卖方分析师发布的研报，我们可以获取卖方分析师对于上市公司多方面的观点，其中能够定量衡量分析师观点的信息主要包括分析师对公司的评级和未来盈利的预测值。
由于分析师的评级数据仅将分析师的观点划分为5个等级，即买入、增持、中性、减持、卖出，因此假如分析师连续两期对某只股票均给予了“买入”评级，那么即使这两期对于盈利预期的具体数值有所调整，但由于均被划为“买入”等级，因此无法较为细致地捕捉到分析师的观点变化，统计数据也会存在稀疏不连续的情况。
我们以海康威视（002415.SZ）为例，统计了在2022年年报发布前后卖方机构对其评级变化以及净利润预测情况，如下表所示。
经统计，共有9家机构在2022年年报发布前后均对海康威视2023年的净利润进行了预测并出具了评级。在年报发布之前，卖方机构对公司在2023年的净利润预测均值为175亿元，在年报发布之后，新的净利润预测均值为167亿元，整体来看分析师调低了对公司的净利润预测；然而，从分析师评级的角度来看，由于净利润调整幅度不大，所有的分析师在2022年报发布之后均没有改变其对公司的评级等级，因此从分析师评级的维度无法看出分析师观点的变化。
最终，我们采用了分析师对公司滚动未来一年的一致预期净利润，来作为我们对于全市场卖方分析师观点的代理变量。基于分析师的滚动一致预期净利润数据，我们可以进一步刻画两期之间分析师观点变化的指标∆Analyst，具体计算方式如下：
2
基金经理观点的刻画
对于基金经理而言，在经过与卖方分析师的交流、公司内部研究员的交流以及自身的研究思考之后，对个股的观点最终落实到投资组合的构建与调整层面，具体体现在对个股的加减仓之中。
自然而然我们会想到用基金相邻两个报告期持有个股的股数变化或者市值变化来衡量基金经理对某只个股的具体观点。图10列示了基金经理在某个半年报中相对上一年年报在5只个股的操作变化，我们按照股数变化进行具体说明，从股数变化来看，基金经理在该半年内清仓了股票1、减仓了股票5，同时加仓了股票3、新买入了股票4，在股票2上未进行任何操作。
如果用基金经理对个股持有的股数变化或者市值变化来衡量基金经理对个股的观点变化，会存在如下的问题：
持股数量变化存在的问题
首先从持股数量来看，主要问题在于无法排除基金净申赎变动带来的持股数量的被动变化。举例而言，2021年基金A因其出色的净值走势受到投资者的大量关注，其规模从2020年年末的不到2亿元快速增长到2021年年末的接近90亿元。
基金A在2021年年报中的规模为87.24亿元，相较中报的规模41.89亿元增加超一倍。统计其持仓发现，其在2021年年报中持有股票石大胜华的股数为592448股，基本也是其在2021年中报中持有石大胜华的股数（331000股）的两倍，如果我们以股数变化衡量基金经理对石大胜华的观点，我们可能会认为基金经理非常看好该股票在未来的表现，在2021年下半年翻倍买入。然而实际上从基金经理持有该股票的权重来看，基金经理在年报和中报中持有该股票的权重都在1.5%左右，并未发生大幅变化。
也就是说，如果报告期内基金规模发生大幅变化，为了满足基金合同中的基金股票仓位要求，基金经理会被动地买入或卖出股票，这会带动基金持有股票的数量大幅变化，但这种由于规模大幅变动而被动带来的持股数量变化并不能表明基金经理是出于对该股票的观点发生变化而进行的操作，因而无法表征基金经理对某股票的具体观点。此外，股票在报告期内股票的分红送转可能也会对基金持有股票的数量产生干扰。
持股市值变化存在的问题
用持有市值进行衡量也存在类似的问题，根据图13中基金A在2021年年报持有石大胜华的市值和中报持有石大胜华的市值来看，年报中持有的市值也是中报中持有市值的2倍，但这是由于基金规模大幅增加带来的，并非基金经理主动买入。此外，用持股市值的变动来衡量除了存在规模变动、上市公司现金分红等问题，股票在报告期区间内的自然涨跌也会影响基金持有股票市值的变化。
从基金A在规模翻倍过程中持有石大胜华的数量、市值以及权重占比等来看，股票数量变化和持股市值变化均无法公允表征基金对股票的投资观点变化，而持股权重反映了基金经理愿意将多大的资产比例投资于某股票中，其变化更公允地反映了基金经理对某股票的观点变化。
但是简单地采用相邻报告期中的股票权重变化忽略了股票自身涨跌带来的影响，因而我们采用经过涨跌幅调整之后的归一化权重变化来计算在扣除股票涨跌影响之后基金经理对股票的净增减仓比例，以此来衡量基金经理对某股票的观点变化。
如图15所示，我们分别得到本期持股权重和上期持股权重（只有一期持有的股票，权重填充为0），将本期持股权重根据涨跌幅进行调整，并进行归一化，再与上期权重进行相减，得到每只股票经过涨跌幅调整之后的净增减仓比例。
剔除新股和受基金经理关注较少的持股
并非所有股票的净增减仓比例都能反映基金经理的观点变化，首先多数情况下基金经理参与打新配置新股而带来的买入卖出操作都无法反映基金经理对新股的配置观点，因而我们需要剔除新股；另一方面，相邻两期持仓比例均较低的股票持仓变化也无法反映基金经理对股票的观点变化，配置权重较高或者持股变动比例较大的股票才是基金经理观点的合理体现。
例如，有些基金的持股数量较多，配置权重较为分散，其中不乏有配置权重在0.1%甚至0.01%以下的股票。对于这些配置权重非常低的股票，基金经理的关注度往往非常低，同样对于这部分持股的分析师观点也关注较少。
以某持仓较为分散的主动权益基金A为例，基金A在2023年6月底和12月底均持有了近150只股票，且两期权重占比最大的股票仅为1.5%左右，有约30%的持股权重占比不足0.1%，可见该基金的持仓非常分散。基金A在2023年年中和年底的股票配置数量分区间统计如下图所示。
由于基金经理很难对上百只股票都保持深度的研究，因此我们主要考察基金经理对于配置权重较高这部分股票（包括前后两期持股权重均较高、前一期权重较高但后一期大幅减仓、前一期权重较低但后一期大幅加仓）的调仓行为，而去弱化关注前后两期配置权重均较低，即基金经理持续关注较少的这部分股票。具体来说，我们对当期持仓权重和前一期持仓权重占比均在0.5%以下这部分基金经理持续关注较低的股票进行了剔除。
在剔除掉新股和期初期末配置比例均较低的股票之后，我们就得到了能有效反映基金经理观点的股票的持股变动情况。
三
基金经理观点独立性因子
1
观点独立性因子的构建
在基金经理与卖方分析师的互动及沟通过程中，卖方分析师带来的信息及观点会对基金经理的决策产生直接或间接的影响；但从之前北方华创的案例来看，同样面对来自分析师的公共信息，不同基金经理对卖方分析师观点的利用程度却有所分别，部分基金经理对公共信息的依赖较高，而部分基金经理主要依赖于自身的研究和信息挖掘能力，保持了较为独立的投资观点。
通过第二部分的讨论，我们已经对卖方分析师和基金经理的观点及观点变化分别进行了定量的刻画，以基金经理的持股变动衡量基金经理的观点，以卖方分析师过去研报中对于个股的的一致预期净利润变化作为全市场的“公共信息”，即全市场分析师观点形成的“共识”。本部分我们聚焦于如何定量去刻画基金经理相对卖方分析师的观点独立性以及基金经理观点的独立程度对其未来业绩表现的影响。
参考海外学者MARCIN KACPERCZYK和AMIT SERU(2007)的做法，我们也通过将基金经理持股变动对过去几期分析师对股票观点变动回归的方式构建基金经理观点独立性因子，用以衡量基金经理相对卖方分析师的观点独立性，具体步骤如下：
1、基金样本池的确定：
成立或者转型超过15个月的普通股票型、偏股混合型以及灵活配置型基金
过去连续4个报告期股票仓位均大于70%
只保留初始基金（若存在C/E/H/O等类别，只保留A类基金）
2、数据初步计算及处理：
在每年3月底和8月底公募基金年报和半年报披露之后，基于主动权益基金披露的全持仓数据计算基金当期持股变动。
计算分析师在过去半年期对所有有分析师覆盖的股票的观点变化幅度。
缺失值处理：并非所有的基金持股均有分析师覆盖，对于基金持仓中过去没有卖方分析师覆盖的股票（包含A股与港股），我们剔除掉相应的持股变动数据。
回归数据预处理：为避免极端数据在回归时对于回归系数以及自变量解释程度的影响并统一数据量纲，在回归之前对基金持股变动和分析师滚动一致预期净利润变动数据均进行了极端值缩尾和标准化处理。
由于我们使用了基金半年报和年报中披露的全部持仓数据，根据《公开募集证券投资基金信息披露管理办法》，基金管理人应当在每年结束之日起三个月内，编制完成基金年度报告，在上半年结束之日起两个月内，编制完成基金中期报告，因此我们在每年的4月和9月第一个交易日可以计算新一期的因子值，在其余月份沿用之前最新的因子值。
4、因子构造和有效性测试：
至此，我们通过将基金经理持仓变动对当期、滞后一期和滞后两期的分析师一致预期净利润变动数据回归，并且结合回归系数整体的正负最终得到了经方向调整的R^2来作为基金经理观点独立性因子，接下来我们将对基金经理观点独立性因子进行有效性检验。
我们在每年的4月和9月第一个交易日更新计算因子值，在其余月份沿用之前最新的因子值。随后在主动股基池中，计算因子取值与未来一个季度基金收益率的相关性，统计RankIC均值和RankICIR。然后，在截面下根据因子取值从小到大分为十档，计算每一档基金组合未来一个季度的平均超额收益。
图18展示的是基金经理观点独立性因子的RankIC测试结果，观点独立性因子的RankIC均值为-4.7%，年化RankICIR为-1.12。图19展示的是观点独立性因子的十组分档测试，观点独立性因子第一组（因子得分最低一组）年化超额收益为1.8%，第十组（因子得分最高一组）年化超额收益为-1.54%，多空年化收益为3.34%，分组效果较为单调。可见，观点独立性因子能够显著对基金未来收益产生较强预测能力。
进一步，我们验证了基金经理观点独立性因子在实际投资中的表现。具体来说，我们在每期筛选出基金经理观点独立性因子得分最低和最高的50只基金，分别等权重组成top50多头组合和bottom50空头组合。图20展示了多头和空头组合的历史净值走势和相对强弱。
可以看到，根据基金经理观点独立性得分筛选出的多头组合长期相对于空头组合具有较为稳健的超额收益，相对强弱曲线呈现出稳定向上的趋势。在全样本期，多头组合年化收益为11.11%，相对主动股基中位数的年化超额收益为2.67%，年化跟踪误差为3.7%，相对最大回撤为7.3%。
由前面的测试结果可以看到，基金经理观点独立性因子对基金业绩有较强的预测作用，基金经理观点独立性因子得分越低的基金统计上看未来的业绩表现会更好。那么，基金经理观点独立性因子与常见选基因子的相关性如何？是否对于常见选基因子具有增量信息？下面我们将就此进行讨论与检验。
2
基金经理观点独立性因子相对传统选基因子的增量
在国信金工团队往期的FOF系列专题中，我们介绍过8大类选基因子，包括隐形交易能力因子、收益类因子、机构关注度因子、基金规模因子、员工信心因子、业绩洞察能力因子、波段交易能力和持仓收益因子（因子的具体构建方式详见附录1）。
关于选基因子，我们在此做简单的回顾，具体内容可参考国信金工团队前期的FOF系列专题报告。
在2020年8月26日发布的报告《基金经理业绩粉饰与隐形交易能力》中构造了隐形交易能力因子和业绩粉饰因子。
在2020年10月28日发布的报告《基金经理前瞻能力与基金业绩》中介绍了衡量基金经理提前布局超预期股票能力的因子—业绩前瞻能力因子，此外还介绍了收益类选基因子（TM-FF超额收益因子、夏普率因子）、机构关注度因子、基金规模因子和员工信心因子。
在2021年4月21日发布的报告《基金经理调研能力与投资业绩》从基金经理调研次数和基金经理调研质量两个维度介绍了基金经理调研能力因子。
在2021年8月18日发布的报告《基金经理洞察能力与投资业绩—基金经理前瞻能力的改进》中对前瞻能力因子做了更为全面和细致的改进，构造了收益预测效果更好的基金经理洞察能力因子。
在2022年6月20日发布的报告《基金经理波段交易能力与投资业绩》中我们从区间累计买卖交易明细数据中捕获了基金经理的波段交易能力。
在2023年4月18日发布的报告《基金经理持仓收益与投资业绩》中我们借鉴了量化选股方面的研究成果，从基本面、技术面以及资金面等多个维度选择出了对股票未来业绩以及基金未来业绩同时具有显著预测效果的因子，构造了基金持仓收益因子。
对于基金经理观点独立性因子的特质，我们将从基金经理观点独立性因子与常见选基因子相关性、剥离常见选基因子后基金经理观点独立性因子表现、将基金经理观点独立性因子加入到常见选基因子后是否能提升复合因子对基金收益的预测能力这几个维度进行讨论与测试。
RAV因子与常见选基因子相关性
图22展示了基金经理观点独立性因子与8大类因子之间的相关性。可以看到，观点独立性因子与其余选基因子的相关性普遍较低，与收益类因子、隐形交易能力因子、基金规模因子、机构关注度因子、员工信心因子以及波段交易能力因子的相关性均在0.05以下。因此，观点独立性因子与常见选基因子有很低的相关性，具有明显的信息增量。
接下来，我们将之前研究提出的收益类因子、机构关注度因子、基金规模因子、隐形交易能力因子、员工信心因子、业绩洞察能力因子和波段交易能力因子这8大类合成为一类因子，作为原始综合选基因子，对原始综合选基因子与观点独立性因子进行相关性检验。
经测试，原始综合选基因子与观点独立性因子的长期相关性很低，仅为-0.05。因此，两大类因子彼此较为独立，各自拥有与彼此异质的独特信息。如果长期来看相关性较低的两类因子各自对基金未来收益均具有一定预测性的话，那么这两类因子进行线性合成将产生较大增益。
剥离常见选基因子后RAV因子表现
我们尝试将观点独立性因子对常见选基因子进行剥离，即对常见选基因子进行中性化，考察中性化后因子的表现。
从图24可以看出，中性化后的观点独立性因子仍然维持了明显的单调性，第一组（因子得分最低组）的年化超额收益为1.44%，第十组（因子得分最高组）的年化超额收益为-1.69%。
从上面的测试可以看出，尽管一些常见选基因子已经具有不错的收益预测能力，但观点独立性因子在剥离了这些因子的影响后，依然具有很好的收益预测效果。从这个角度来看，观点独立性因子相对于常见选基金因子而言也具备明显的增量信息。
将RAV因子加入到常见选基因子
最终，我们将基金经理观点独立性因子加入到常见选基因子中，考察先前的8类因子复合后形成的原始综合选基因子与新综合选基因子的表现。
图25所展示的是新综合选基因子与原始综合选基因子的RankIC走势对比，可见新综合选基因子的累计RankIC可以较为稳定地超过原始综合选基因子。原始综合选基因子的RankIC均值为13%，年化RankICIR为2.07；新综合选基因子的RankIC均值为13.5%，年化RankICIR为2.14，拥有更高的RankIC均值和RankICIR。
从图26所展示的十组分档测试对比可以看到，原始综合选基因子第十组（因子得分最高一组）年化超额收益为5.61%，多空年化收益为10.65%；新综合选基因子第十组年化超额收益为6.16%，多空年化收益为11.26%。可见新综合选基因子具有更强的多头组合、更高的多空年化收益。
至此我们完成了观点独立性因子的构建与测试，测试结果表明，观点独立性因子能够对基金未来业绩进行有效预测，同时可提供常见选基因子之外的增量信息，加入观点独立性因子之后，新综合选基因子具有更强的收益预测效果。
四
总结
卖方分析师与基金经理的互动
卖方分析师发布的研报信息是基金经理能以较低成本获取，并能利用和共享的重要信息。然而，同样面对来自分析师的公共信息，不同基金经理对其的使用程度却有所分别：部分基金经理对公共信息的依赖较高，其投资决策会跟随卖方分析师观点进行变动，而部分基金经理主要依赖于自身的研究和信息挖掘能力，保持了较为独立的投资观点。
卖方分析师和基金经理观点的刻画
卖方分析师观点刻画：我们对于卖方分析师观点的定量刻画主要源于他们外发研报的内容。基于卖方分析师发布的研报，我们采用了分析师对于股票滚动未来一年的一致预期净利润数据，来作为我们对于全市场卖方分析师观点的代理变量。
基金经理观点刻画：基金经理在基金运作分析中鲜有提及个股观点，因而我们对于基金经理观点的刻画源于他们实际的持仓行为。基于基金半年报和年报的全部持仓，并经过股票区间涨跌幅调整后，我们可以计算对应样本期基金经理的主动净增减仓比例，以此来衡量基金经理对股票的观点变化。
基金经理观点独立性因子
我们以卖方分析师观点变化作为自变量，基金经理观点变化作为因变量，通过回归的方式构造了基金经理观点独立性因子。经测试，观点独立性因子的RankIC均值为-4.7%，年化ICIR为-1.12，因子十档分组测试结果单调。
此外，基金经理观点独立性因子与隐形交易能力、波段交易能力、持仓收益因子等8大类选基因子的长期相关性均不超过0.05，且剥离掉8类因子之后残差项的RankIC均值为-3.09%，年化RankICIR为-0.94，十档分组测试结果仍具备很强的单调性，增量信息丰富。
在先前的研究中，我们将隐形交易能力、波段交易能力、持仓收益因子等8类因子复合形成了原始综合选基因子，原始综合选基因子的RankIC均值为13%，年化RankICIR为2.07，多空年化收益为10.65%；将观点独立性因子加入原始综合选基因子后复合形成的新综合选基因子RankIC均值为13.5%，年化RankICIR为2.14，多空年化收益为11.26%，可见新综合选基因子拥有更高的RankIC均值、RankICIR和多空年化收益。
五
附录
1
选基因子简介
TM-FF超额收益：[Fama@2010]使用Fama-French三因子以及Carhart四因子[Carhart@1997]（Fama-French三因子加MOM因子）对基金经理的投资能力与运气进行分析，发现基金剔除影响因子之后的超额收益越高，未来的基金业绩越好。[Liao@2017]利用TM模型[Treynor@1966]将二者进行结合，将基金收益率剔除Fama-French三因子以及市场收益率平方项的影响，用回归的截距项来预测基金未来收益，TM-FF回归方程如下：
其中，R_fund表示基金收益率，R_MKT表示市场收益率，使用过去240个交易日的基金日度收益率进行上述回归，取回归后的截距项的α作为因子值。
基金业绩的夏普率：[Sharpe@1966]最早提出可以使用基金业绩的夏普率对基金的表现进行衡量。我们使用基金日度公布的净值数据，计算基金夏普率指标。通常认为过去一段时间基金风险调整后收益更高的基金，未来有更大可能取得更好的投资业绩。我们使用过去240个交易日的基金收益率数据，
其中，𝑓𝑢𝑛𝑑𝑟𝑒𝑡表示基金日度收益率。
基金规模：[Indro@1999]提出基金规模会影响基金业绩表现。[Chen@2004]使用基金超额收益率对基金规模进行回归检验，发现基金的超额收益率与基金规模呈现负相关性，出现这一现象的原因我们认为有两个：一是规模小调仓冲击更小，所谓“船小好调头”；二是规模小的基金在打新收益端的回报比规模大的基金要更高。基金规模在基金的季度报告中可以通过期末基金资产净值直接获取，这里我们取合并规模，即如果一只基金包含A、C等不同类别时，需要加总计算所有类别基金合并后整体的基金资产净值。
机构关注度：[Pan@2015]提出基金机构投资者的持有比例可以预测基金未来的收益率，他们发现，有机构投资者持有的基金相比没有机构投资者持有的基金每年经风险调整的收益率高出0.80%-1.24%。一般认为，机构投资者相比个人投资者具有更加专业成熟的投资眼光，如果一只基金的持有人结构中机构投资者占比较高，说明这只基金受到机构投资者的认可，未来也更有可能获得更好的业绩回报。机构投资者占比可以在基金半年报以及年报中的基金份额持有人信息中获取。需要注意的是，如果一只基金包含A、C等不同类别份额，需要按规模对不同类别份额的机构投资者占比进行加权，以此得到该基金整体的机构投资者占比。
基金员工信心：[Allison@2008]检验了基金管理人持有本基金占比与基金未来收益率之间的关系，发现占比越高的基金未来收益越好。基金管理人的从业人员持有占比越高表明该基金的从业人员对本基金产品的信心越强。实证表明这类基金未来收益相较持有占比低的基金收益更高。该数据可以在基金半年报以及年报中的基金份额持有人信息中获取。需要注意的是，如果一只基金包含A、C等不同类别份额，需要按规模对不同类别份额的机构投资者占比进行加权，以此得到该基金整体的从业人员持有占比。
隐形交易能力：[Kacperczyk@2008]以及[Puckett@2011]提出了基金隐形交易能力的概念，隐形交易能力考察了基金实际业绩与按季报披露持仓组合之间的收益差，实证表明隐形交易能力越强的基金未来业绩越好（详细可参考我们2020年8月26日发布的专题报告《基金业绩粉饰与隐形交易能力》）。本文中我们用基金定期报告期后的三个月内，基金真实收益率相比披露持仓组合收益率的超额信息比来刻画基金经理的隐形交易能力。
业绩洞察能力：旨在定量衡量基金经理提前布局并买入之后一段时间对应股票实现吃好预期的能力。构造时我们使用基金定期报告中持仓公布时点后，披露的所有股票定期公告信息，选取定期报告披露后十天内发布的券商分析师研究报告，计算持仓中收到分析师认可的股票数量以及分析师不认可的股票数量，形成数量差，除以覆盖该股票的机构数，以此来刻画基金经理对上市公司的业绩洞察能力。（详细计算方法可参考我们2021年8月18日发布的专题报告《基金经理洞察能力与投资业绩—基金经理前瞻能力的改进》）。
波段交易能力：使用基金在半年报以及年报中披露的区间累计买卖交易明细数据，来反应基金经理的波段交易操作，就像基金经理的“航迹”，可以使我们将持仓信息“连点成线”，为刻画基金经理的动态交易行为提供了可能。我们可以通过分析区间累计买卖交易明细数据来捕获基金经理的波段交易能力。（详细可参考我们于2022年6月20日发布的专题报告《基金经理波段交易能力与投资业绩》。
持仓收益因子：借鉴了量化选股方面的研究成果，从基本面、技术面以及资金面等多个维度选择出了对股票未来业绩以及基金未来业绩同时具有显著预测效果的因子，构造了基金持仓收益因子（详细可参考我们于2023年4月18日发布的专题报告《基金经理持仓收益与投资业绩》）。
注：本文选自国信证券于2024年11月26日发布的研究报告《FOF系列专题之八：基金经理观点独立性与投资业绩》。
分析师：张欣慰 S0980520060001
分析师：胡志超 S0980524070001
联系人：杨昕宇
风险提示：市场环境变动风险，因子失效风险；本报告基于客观数据统计，不构成投资建议。
