在以前的文章中，（网页链接，网页链接）总结了一些优秀股混基金的特征：过去3个月、1年超额收益高而稳定。组合相对均衡、适度分散，和指数的偏离度处于中等水平。规模适中（1-10亿）、夏普比率较高、最大回撤和仓位中等（6-8成）。
历史收益率不是好的业绩指标。应当剥离掉市场、风格收益后再来分析。兼顾风险的“信息比率”效果更好。
应当回避的基金特征：超额收益差或极不稳定，和指数偏离过大，集中押注少数“赛道”，短期（3个月）高收益率，波动、回撤过大“股性好”，规模接近清盘线或体量巨大。
另外，多个指标（因子）组合有可能改善投资业绩，可能打破原有单一因子的规律。
本文基于前面的成果，尝试构建开放/场内基金量化轮动策略。
1 获取及清洗数据
在聚宽网提取2014-2022年所有基金每个季末的历史数据（包含一系列业绩指标，如历史3个月收益率、夏普比率、最大回撤等等）和未来1个季度的收益率。用choice补充一些特征，如1年夏普比、信息比率、收益率、未来3个月收益率，申赎状态，最大申购金额，费用等。
剔除异常数据。剔除无法实现季频轮动的基金，包括：
持有期高于3个月的基金；不能申赎或限额申购小于1万元且不在场内交易的基金；剔除场外不能申赎且场内月交易额不足1000万元的基金。
然后，按照choice东财分类，剔除β（股票仓位）低于0.5的基金和指数基金，剩余样本为主动偏股混合基金。
这一步花了很长…很长时间。
2 多因子基金轮动模型构建及回测
参考转债的经验，基金的多因子选取，要具有互补性。分几类：
（1）筛选指标。规模：去掉规模过大或接近清盘线的。中长期业绩：剔除1年夏普比排名靠后的。
（2）打分指标。按照指标在全部基金中的排名打分（Z-Score标准化），将多个指标的评分相加，得到总分，取总分最高的5-10支基金。
具体的指标选取，参考前面的研究，超额收益、信息比率、夏普比等正面预测指标打正分，规模、短期收益率、偏离度、最大回撤等负面预测指标打负分，求和。
可行的组合有很多种，由于刚开始实盘测试，只给出粗略的范围，不写细节以免坑人。某种多因子组合的分组收益如下图。评分最高的组1累计收益率明显优于其他组。
（3）策略评价。从绝对收益角度，计算策略的年化收益、波动率、最大回撤、夏普比和卡玛比率。从相对收益角度，和等权持有样本库中的基金做比较。
修改回测参数及因子权重，观察结果对参数是否敏感。
多因子组合的回测曲线如下：（季末轮动，交易费0.65%）
年化收益23%（基准14%），最大回撤25%（基准26%）。
（4）最新一期评分较高的基金列表（按名称排序），仅供评价策略。
万家宏观择时 万家新利 万家智造优势混合 万家汽车新趋势混合 中泰星元灵活配置混合 中泰玉衡价值优选混合 农银行业轮动混合 创金合信数字经济主题股票 华商新兴活力 华夏兴华混合 华安精致生活混合 华安聚嘉精选混合 博时新收益混合 嘉实物流产业股票 大成景恒混合 安信鑫发优选A 平安转型创新混合 建信潜力新蓝筹股票 招商量化精选股票 浦银安盛红利精选混合 英大领先回报 鹏扬核心价值混合
3 小结
随着市场有效性提升，过去躺赢白马基金的好事一去不复返了。“好公司-好经理-好基金”的主观选基，在基金数量爆增的背景下，选基大大提高。对于多数投资者，摊大饼买基金、丢飞镖买基金，买摊大饼FOF才是明智的选择。
如果一定要挖“牛基”，多因子模型提供了一种有效的量化工具，可以覆盖全市场，更快挖掘到未被关注的黑马基金。同时避免情绪干扰，有可能获得超额收益。该模型可以独立构建“量化FOF基金”，也可以给擅长主观分析基金经理的大佬做参考。
目前测试的局限性：
样本包含同一基金的A类和C类，对结果干扰明显。数据加标签、清洗，对小散工作量太大。缺乏样本外测试。聚宽存在部分缺失数据，让研究推翻重来好几次，不排除仍有缺失数据。
另外，基金的同质化程度远高于转债，交易费用高，做轮动的效果比转债差很多。我将出动少量本金试验该策略，主动基金的主力还是牢牢扎根兴全FOF。
感谢
使用的回测程序，是在转债群主“野生交易员的试炼之路”公开成果基础上修改而成。感谢老师的无私奉献。