如何选到一只好基金？
作者：红星菜馆
01
基金研究的目的
基金研究的目的是什么？基金研究的目的是找出在未来给我们带来优质回报的基金，说到底，基金研究就是要预测基金未来的业绩，预测的越精准，基金研究就做的越好。
要预测基金的业绩，我们就要明白基金的业绩和什么有关，基金是由基金经理管理的，毫无疑问，基金的业绩跟基金经理相关程度最高，要分析基金的盈利能力就要分析基金经理的盈利能力，那么应该通过什么方式来分析基金经理的能力呢？
通过基金过往的业绩吗？
基金过往的业绩确实可以体现基金经理的管理能力，但是过往的业绩并不只是实力的体现，也包含着大量的运气。
举个例子，可以看到下图，这是2020年混合基金业绩前十名：
第一，第二，第三，第十完全就是新能源行业的主题基金；
第四，第五，重仓的是食品饮料和医疗；
第七，第八就是医疗基金；
第六，第九，基本上也是重仓了新能源和医疗。
也就是说，如果在2020年里，只要赌中了食品饮料，医疗和新能源三个板块中的一个，基金的业绩在排行榜中不说排到前10%，至少也能到前30%。业绩里包含的运气让我们看不清基金经理的真实实力，单看业绩选基金选不出真正厉害的基金，也分析不了基金经理的真实水平。
那么我们应该如何分析基金经理的实力呢？
我的答案是通过基金过往业绩，但是不是简单的通过过往业绩直接外推未来业绩，而是把过往业绩中运气成分带来的业绩剔除，只保留基金经理个人能力带来的业绩，然后通过这个业绩来分析基金经理水平，预测基金未来业绩。
要剔除运气带来的业绩，首先就要定义什么是运气赚来的钱：通过暴露风险获得的风险收益就是运气赚来的钱。
把自己暴露在风险中，获得的风险收益是完全不确定的，我们认为这种风险收益就是运气赚来的钱，我们需要找出这些基金在哪些风险上暴露，然后再剔除这些风险收益，分析他们纯收益来评估基金经理实力。
02
拆分不可预期的风格收益
对于风险我们又如何定义呢？
对于风险定义的方法有很多，比如经典的马科维茨均值方差理论就用波动率来定义风险，CAPM模型就用β定义市场风险，VAR模型用某一金融资产或证券组合价值在未来特定时期内的最大可能损失定义损失风险。通过对基金经理的研究我们发现，对于行业未来的走势，基金经理是大概率不能预测的，由于行业未来的不可预期性，我们把这种不可预测的行业收益定义为了行业风险收益。市场的风格也是不可预测的，在2013年到2015年，小盘成长风格表现突出，但是从2016年起到2019年底，大盘成长股票收益碾压小盘成长，从2020初到现在，小盘股又有东山再起之势，风格的轮动基金经理也是大概率不能预测的，对于这种不可预测的风格收益定义为了风格风险收益。最终，我们的方案是把风险收益分解为行业风险收益和风格风险收益。
1，先来谈谈大家比较容易理解的行业风险。
我使用一个明星基金举例，中欧葛兰管理的中欧医疗创新，可以在它的基金概况中查到这样一句话：本基金主要投资于医疗创新相关行业股票，查看它的持仓也可以看到它买的基本全是医疗股票，这样的一个基金就暴露在医药行业的风险下。在过去的2020年，医疗板块涨势喜人，在此之下，中欧医疗创新创出了翻倍的优异业绩，但如果医疗板块不行了，医药股集体杀跌，就算是巴菲特，彼得林奇也很难在一个集体下跌的板块选出持续上涨的股票，到那时这个基金就会面临巨大的回撤风险。
我还可以拿出一个大家很熟悉，更具有代表性的基金——诺安成长来解释行业风险，在它的基金概况只是提到了购买具有成长性的股票，并没有说出它重点持仓的行业，但是我们根据它的持仓分析出它在芯片行业暴露了巨大的行业风险，然后我们在它和芯片指数的净值图中(实线为诺安成长净值，K线为芯片指数净值)我们可以看到它和芯片指数高度相关，基本上可以说是同涨同跌，一荣俱荣，一损俱损。像这种偏好于某个行业，由这个行业给基金经理带来的收益，我们把它定义为行业风险收益。
2，接下来就是风格风险；
说起风格，这个东西不像行业一样具体，它是一个比较抽象的，没有比较统一定义的概念。
一般来说，人们谈到基金经理的风格，人们会笼统的说这个基金经理比较激进，那个基金经理比较保守，通过最简单的风格划分，我们就可以把风格划分为激进和保守，那么更进一步呢？激进的基金经理是如何表现他的激进，保守的基金经理又是如何表现他的保守呢？激进的基金经理喜欢购买新兴的行业和公司，保守的喜欢购买成熟的行业和公司，激进的基金经理不惧怕高估值，保守的基金经理喜欢买便宜公司，激进的基金经理敢于购买现在盈利状况不好的公司，赌它未来业绩转向，保守的基金经理一般只会购买现在业绩优异的公司。
明白了激进派和保守派的做法后，我们可以不可以把他们的做法抽象总结为一些标准化的规律？比如买新兴行业和公司，由于新兴的行业和公司大都规模较小，我们可以把买小公司定义为这种行为，成熟的公司一般较大，我们可以定义买大公司为买成熟的公司，高估值我们可以用高PE来定义，盈利状况我们可以用ROE来定义，这样我们就可以用一些可以量化的简洁的数据来描述基金经理的风格了。
总的来说，我们对于风格定义的思路是：
1.先确认市场上的风格有哪些；
2.这些拥有这些风格的基金经理会有哪些行为；
3.用一些数据化的语言来定义这些行为，然后通过行为推出风格。
我们使用了一系列的数据来定义风格，比如我们可以用PB和ROE来定义出丘栋荣的风格——低风险，低估值。我们取了丘栋荣管理的中庚小盘价值，先来打开它的持仓，这些股票都是不太知名的股票，通过持仓，我们并不能一眼看出它的风格，我们把这个把这个基金的持仓导入我们的数据分析程序中，
点在直线下方，就说明基金持仓的因子大于市场平均，比如市盈率这个图，点在线上面的多于下面的，就说明了丘栋荣喜欢低PE的股票，ROE图可以看出他喜欢高ROE的股票，从这个因子分布图可以看出，在2020和2019的持仓里，丘栋荣都是偏好低PE，高ROE的，这两个因子最能体现他低风险，低估值的特征。当然，我们可以选择更多的数据从不同的方面描述丘栋荣的特征，在这里我只是选取了最具有代表性的两个方面来举例，我们还可以从总仓位大小（年度），换手率（年度），集中程度（年度），市值，现金流等方面描述基金经理的风格，最适合描述基金经理的数据也和基金经理的风格有关，具体人物就具体分析了。像这种对于某种选股风格具有较强暴露的，由这个风格给基金经理带来的收益，我们把它定义为风格风险收益。
市盈率分位图
ROE分位图
03
结合定性
前文我们谈到的行业风险收益和风格风险收益，都是从数据出发，通过分析基金经理的净值数据和持仓数据来分析，虽然说数据是客观的，但是我们对于数据的解读的主观的，我们通过数据分析出来的结果很有可能存在数据拟合的情况，比如：
我们分析肺癌和打火机的关系，我们只通过回归得出的结果是打火机购买越多，得肺癌的概率越大，如果我们这就认为打火机致癌那可就大错特错了，打火机不致癌，买打火机抽烟才致癌，如果我们只是浮于数据表面，而不是挖掘里面的因果关系，那我们得出结论的误差极大便是必然的。
所以，在我们先通过数据分析得出结论后，我们一定会去查看基金的中报，基金经理的访谈和路演，从基金经理自己对自身投资理念的总结，结合数据分析来得出一个最终结果，只有两者是相符合的我们才会给出我们的结论。
对于基金经理的风险收益我们分析完成后，我们就可以获得基金的纯收益，关于获得纯收益的方法也有许多，比如最简单的CAPM模型，在CAPM里只有市场风险收益和个股收益，所以直接使用基金收益和市场收益进行回归便可以得出纯收益，但是这种方式太过于简单粗暴，我们主要采用的方式是利用前面我们分析得出的行业风险和风格风险，构建一个风险组合，再拿这个风险组合作为参照物来分析基金业绩，再以我们之前讨论的丘栋荣为例，它的股票因子在低PB和高ROE上具有明显的暴露，所以我们通过低PB和高ROE的股票构建一个和丘栋荣暴露相似的股票组合，然后我们再采取直接对比，分段回归等方式来得出他的纯收益，然后从纯收益的高低和稳定性来评判他的实力如何。
图片自知乎——松阳
我们在文章的开始就说了我们基金研究的目的：预测基金收益，经过了近3000字的概述，我们只是讲述我们如何选出纯收益最高的基金经理，但是基金的业绩分为两个部分，纯收益和风险收益，风险收益是不可预测的，比如纯收益很高的丘栋荣，但是他所处在的风险类别里的风险收益很低，所以综合下来他的总收益一般。我们研究的目的主要是集中在纯收益上，争取在每个风险类别里选出最佳的管理人，对于风险收益这种随机性极强的东西我们不做预测，但是要坚信：风水轮流转，市场的风格也不是一直不变的，只要选出纯收益高的管理人并长期持有，我们的长期回报一定是可观的。
单纯地定性评价管理人的能力，其实有些野蛮。我相信周围的所有事物都可以用数字表述，更好理解。