捕捉趋势的力量：2025年FOF基金动量因子创新研究，低分化策略实现10.1%超额收益

在基金投资领域，"追涨杀跌"似乎已成为许多投资者的本能反应——历史业绩优异的基金总能吸引大量资金涌入。然而东方证券最新发布的《FOF研究系列专题报告》揭示了一个令人震惊的事实：近年来，单纯买入历史业绩表现较好的基金不仅不能提升组合收益，反而可能导致超额收益的持续衰减。这一现象背后隐藏着怎样的市场机制？传统动量因子为何会在A股市场频频失效？研究发现，问题的核心在于Beta风险的干扰，当市场波动加剧时，传统动量策略的预测能力会大幅减弱。本文将深入解析东方证券提出的"低分化动量因子"创新框架，该策略通过识别基金业绩分化度较低的交易日，构建出Rank IC达10.10%、季度多空胜率71%的新型选基工具，为FOF投资提供了全新的方法论支持。

一、A股市场动量效应的独特表现

全球资本市场的动量效应研究始于1993年Jegadeesh和Titman的经典论文，他们发现美股存在显著的"强者恒强"现象。Asness(2013)进一步证实，动量效应不仅存在于股票市场，在商品、债券和外汇等资产类别中也普遍存在。Kenneth R. French官网数据显示，1991年以来全球主要市场动量因子的多空净值曲线均呈现长期上升趋势，验证了动量策略的普适性。然而，A股市场却展现出与众不同的特性——短期反转效应显著而长期动量效应微弱。

这种特殊现象的形成根源在于A股市场独特的投资者结构。个人投资者交易占比过高导致"追涨杀跌"等非理性行为盛行，个股价格常过度偏离基本面价值。东方证券研究显示，采用过去一个月收益作为反转因子、剔除近一个月的过去一年收益作为动量因子时，A股反转因子的长期表现显著优于动量因子。即便在2019-2021年出现阶段性失效，反转策略仍保持了相对优势。

主动管理股票型基金(以下简称"主动股基")却呈现出不同的规律。研究选取过去四个季度仓位≥70%的普通股票型、偏股混合型和灵活配置型基金为样本(要求成立满15个月、规模≥2亿元)，发现主动股基展现出了长期动量效应。测试结果显示，短期历史收益对未来收益的预测能力较差，但随着时间维度拉长，动量的预测效果明显改善：

然而，传统动量因子在2015年及2021年至今的表现令人失望。以过去一年历史收益因子为例，其十组分档季度超额收益虽呈现单调性，但全样本季度胜率仅为59%。即便引入夏普比等风险调整指标，过去一年夏普比因子的Rank ICIR从0.54提升至0.64，仍无法根本解决传统动量的稳定性问题。这表明，单纯依靠历史业绩或风险调整后的业绩指标，难以有效捕捉基金的持续优势。

二、传统动量因子的结构性缺陷

主动股基作为股票组合，天然承载着大量系统性风险(Beta)。当使用历史业绩作为动量因子时，这些Beta收益会导致因子稳定性下降，预测能力减弱。东方证券通过两个维度验证了行业Beta对动量因子的干扰：

行业轮动时期的动量异化现象尤为明显。研究中构建了中证800行业多空组合(收益最高5个行业做多，最低5个行业做空)，发现2020年以来行业轮动加速导致多空组合频繁回撤。当定义多空组合相对强弱线较半年前回撤超20%为"行业轮动月"时，剔除这些月份后动量因子表现显著改善：

基金配置风格对动量效应的影响同样不可忽视。研究将主动权益基金划分为全市场均衡型、轮动型和板块型(后者细分为周期上游、中游制造、金融、消费、医药和TMT)。结果显示，均衡型基金因受行业Beta影响较小，其动量效应明显强于板块型基金：

为剥离Beta干扰，研究尝试构建行业剥离Alpha动量因子。在Fama-French三因子模型基础上加入Wind一级行业指数收益(共11个行业)，回归得到的Alpha因子表现有所提升，过去半年Rank IC达7.81%，Rank ICIR为0.97。但该因子在2021-2022年期间仍出现明显衰减，说明单纯依靠线性回归模型难以完全解决Beta干扰问题。

三、低分化动量：基金筛选的新范式

东方证券创新性地提出从收益序列的时间维度寻找解决方案。研究发现，不同交易日的基金收益对未来业绩的预测能力存在显著差异——行业分化大的日期受Beta干扰强，预测能力弱；而主动权益基金整体分化度低的日期，其收益信号更具参考价值。

研究首先构建主动权益基金日度分化度指标(收益率标准差)，发现其与行业分化度趋势近似但不完全重合。典型案例对比显示：2021年8月3日分化度达2.12%(历史高位)，当日收益前20的医药主题基金未来三个月平均超额为-13.38%；而2023年9月21日分化度仅0.38%(短期低位)，当日收益前20基金未来三个月平均超额达+3.74%。

基于这一发现，研究团队开创性地构建了低分化动量因子，具体步骤如下：

1. 按分化度将过去三个月收益分为5组，取分化度最低的1/5样本(约12-13个交易日)
2. 计算基金在低分化组的平均收益、收益排序和夏普比三个子因子
3. 将三个子因子等权合成低分化动量因子

实证结果显示，该因子各项指标显著优于传统动量：

低分化动量的优越性主要体现在三个方面：一是与传统动量相关性低(秩相关系数≤26%)，提供独立信息；二是在均衡型和板块型基金中均表现稳健，受Beta干扰小；三是因子构造对参数选择不敏感，N取值在8-26日范围内均保持良好效果。

典型案例显示，2021年8月末传统动量得分前10的基金全部为中游制造板块基金，而低分化动量前10中出现了3只全市场配置型基金和1只轮动型基金，有效规避了行业Beta的过度暴露。多空组合测试中，低分化动量年化收益达10.81%，远高于传统动量的3.84%，且年度表现更为稳定。

四、未来展望与策略优化方向

低分化动量因子的提出为FOF投资提供了全新的方法论，但其应用仍面临若干挑战。模型风险需要警惕——极端市场环境可能冲击模型效果，如2020年疫情期间市场分化模式突变。数据频率问题也值得关注，日度数据虽然信息丰富，但对系统稳定性要求较高。

未来可能的优化方向包括：结合基金经理特质分析，区分"能力收益"与"风格收益"；引入机器学习算法，动态调整分化度阈值；拓展至多资产领域，检验策略在债券、商品等领域的适用性。随着A股市场机构化程度提升，这类精细化的动量刻画工具有望获得更广泛的应用。

常见问题解答(FAQs)

Q1：什么是基金业绩"分化度"？如何计算？
A1：分化度是衡量基金业绩离散程度的指标，研究中采用主动权益基金日度收益率的标准差来计算。具体包含过去一个季度仓位≥60%的普通股票型、偏股混合型和灵活配置型基金，反映当日基金表现的差异性大小。

Q2：低分化动量因子与传统动量因子最大的区别是什么？
A2：核心区别在于数据筛选逻辑。传统动量因子使用全部历史业绩数据，而低分化动量只选取基金业绩分化度较低的交易日数据，有效过滤了行业轮动等Beta风险干扰，提取出更纯净的Alpha信号。

Q3：该策略在实际应用中需要注意哪些风险？
A3：主要风险包括：(1)模型失效风险，市场结构变化可能导致历史规律打破；(2)极端市场冲击，如金融危机等特殊时期相关性可能急剧上升；(3)操作风险，依赖日度数据对系统要求较高；(4)规模容量风险，策略可能受管理规模限制。

Q4：研究中的"Rank IC"指标代表什么含义？
A4：Rank IC(信息系数)衡量因子排名与未来收益排名的相关性，取值在-1到1之间。10.10%的Rank IC意味着因子对基金未来表现有较强的预测能力，是评价选基因子有效性的核心指标之一。

Q5：低分化动量因子适合哪些类型的基金产品？
A5：研究表明，该因子在均衡型和板块型基金中均表现良好，但特别适合行业配置分散的主动管理型权益基金。对于行业ETF或主题基金，由于Beta风险占比过高，因子效果可能打折扣。

相关深度报告

FOF研究系列专题报告：捕捉趋势的力量，基金动量刻画新范式

报告介绍：本报告由东方证券于2025年6月12日发布，共27页，本报告包含了关于FOF,基金的详细内容，欢迎下载PDF完整版。