name	fund-analysis
description	基金分析与筛选：晨星评级/夏普比率/信息比率、Sharpe风格箱分析、风格漂移检测、基金经理评价、FOF组合构建、ETF选择
category	asset-class

基金分析与筛选

概述

系统化评估公募基金/私募基金/ETF的业绩表现、投资风格和管理能力，并构建FOF（基金中的基金）组合。核心目标：找到"可持续的超额收益来源"而非"过去业绩最好的基金"。

适用场景：

股票型/混合型基金的多维度筛选
基金经理投资风格的归因与漂移检测
ETF产品的跟踪效率评估
FOF组合的资产配置与再平衡
A股公募基金的特有分析维度

核心概念

基金绩效指标体系

收益类指标：

指标	公式	优秀阈值	说明
年化收益率	(1+总收益)^(1/年数)-1	> 15% (股基)	绝对收益
超额收益(Alpha)	基金收益-基准收益	> 5%/年	相对基准
信息比率(IR)	Alpha / 跟踪误差	> 0.5	Alpha稳定性
胜率	跑赢基准的月份占比	> 55%	一致性

风险类指标：

指标	公式	优秀阈值	说明
最大回撤	max(peak-trough)/peak	< 20% (股基)	极端风险
年化波动率	std(日收益)*√252	< 20% (股基)	总风险
下行标准差	std(负收益)*√252	< 13%	下行风险
Calmar比率	年化收益/最大回撤	> 1.0	收益/极端风险

风险调整指标：

指标	公式	优秀阈值	说明
夏普比率	(Rp-Rf)/σp	> 1.0	每单位风险收益
Sortino比率	(Rp-Rf)/下行σ	> 1.5	更关注下行风险
Treynor比率	(Rp-Rf)/β	> 10%	每单位系统风险收益

无风险利率(Rf): A股通常用1年期国债收益率, 约2.0-2.5%
基准: 股票型→沪深300; 混合型→沪深300×60%+中证全债×40%
评估周期: 至少3年，推荐5年（覆盖完整牛熊周期）

Sharpe风格箱分析

九宫格风格分类：

          价值     平衡     成长
大盘    大盘价值  大盘平衡  大盘成长
中盘    中盘价值  中盘平衡  中盘成长
小盘    小盘价值  小盘平衡  小盘成长

判定方法（回归法）:
  Ri = α + β1×大盘价值 + β2×大盘成长 + β3×小盘价值 + β4×小盘成长 + ε

  风格指数选择(A股):
  大盘价值: 沪深300价值 (399346)
  大盘成长: 沪深300成长 (399370)
  小盘价值: 中证500价值 (930782)
  小盘成长: 中证500成长 (930783)

  β权重最大的方向 = 基金主风格
  R² > 0.85 → 风格明确; R² < 0.70 → 风格模糊/择时型

风格漂移检测

方法: 滚动窗口回归 (窗口=60个交易日, 步长=20日)

漂移判定:
  1. 计算每个窗口的风格权重β
  2. 相邻窗口β变化:
     |Δβ| > 0.2 → 显著漂移
     最大β对应的风格变了 → 风格切换

  3. R²时序:
     R²持续下降 → 基金经理在做择时/偏离基准
     R²忽高忽低 → 风格不稳定

漂移类型:
  - 渐进漂移: 大盘→中盘→小盘 (通常是规模增长后被迫下沉)
  - 突变漂移: 价值突然切换成长 (可能换了基金经理)
  - 周期漂移: 牛市追成长、熊市转价值 (择时型)

A股常见漂移:
  2020-2021: 大量"价值型"基金实际持仓转向新能源/半导体(成长)
  检测: 申报风格=大盘价值, 实际回归风格=大盘成长 → 名不副实

分析框架

1. 基金筛选框架（五步法）

Step 1: 硬指标过滤
  □ 成立 ≥ 3年
  □ 规模 2-100亿（太小清盘风险, 太大船大难掉头）
  □ 同一基金经理管理 ≥ 2年
  □ 机构持有比例 > 20%（机构认可）

Step 2: 绩效排序
  □ 近3年年化收益 > 同类中位数
  □ 近3年夏普比率 > 同类前30%
  □ 最大回撤 < 同类中位数
  □ 信息比率 > 0.3

Step 3: 风格验证
  □ 实际风格与申报风格一致（R² > 0.8）
  □ 风格漂移得分 < 0.3（稳定）
  □ 近1年风格与近3年一致

Step 4: 基金经理评价
  □ 管理同类基金 ≥ 3年
  □ 历史任职基金收益均为正超额
  □ 换手率合理（年化200-400%为正常, >600%过高）
  □ 持股集中度适中（前10大持仓40-70%）

Step 5: 费用检查
  □ 管理费 ≤ 1.5%（主动股基）
  □ 无惩罚性赎回费（持有>1年免赎回费）
  □ 托管费 ≤ 0.25%

2. 基金经理评价

核心维度:
  1. 超额收益能力:
     任职年化Alpha (相对基准)
     牛市Alpha vs 熊市Alpha (优秀经理熊市也有超额)

  2. 风险控制:
     最大回撤 vs 基准最大回撤
     下行捕获比率 < 0.8 → 善于控制下行风险
     上行捕获比率 > 1.0 → 上涨行情不掉队

  3. 选股能力 vs 择时能力 (T-M模型):
     Ri-Rf = α + β(Rm-Rf) + γ(Rm-Rf)² + ε
     α > 0 → 有选股能力
     γ > 0 → 有择时能力
     A股实证: 大部分基金经理有选股能力, 少有择时能力

  4. 持仓特征:
     换手率: <200%=长期持有; 200-400%=适中; >600%=频繁交易
     持股集中度: 前10大占比, >70%=集中, <40%=分散
     行业偏离度: 相对基准的行业超/低配幅度

经理更换信号:
  基金经理变更公告日起:
  - 新经理来自同一公司、风格相近 → 影响小
  - 新经理风格截然不同 → 重新评估, 观察1-2个季度再决定
  - 明星经理离职 → 考虑赎回, 跟踪新经理的其他产品

3. ETF选择框架

核心标准:
  1. 跟踪误差: 年化 < 2% (被动) / < 4% (增强)
     计算: std(ETF日收益 - 指数日收益) × √252

  2. 费率比较:
     管理费: 0.15%(最低) ~ 0.50%(普通)
     托管费: 0.05% ~ 0.10%
     综合费率差 0.2%/年，10年累积差异显著

  3. 流动性:
     日均成交额 > 1亿 → 流动性充足
     买卖价差 < 0.1% → 交易成本低
     折溢价率 < 0.3% → 定价准确

  4. 规模:
     > 10亿 → 清盘风险极低
     2-10亿 → 可接受
     < 2亿 → 需关注是否有清盘风险

A股主流宽基ETF对比(示例):
  | ETF | 代码 | 费率 | 规模 | 跟踪误差 |
  |-----|------|------|------|----------|
  | 华泰柏瑞沪深300ETF | 510300 | 0.20% | 800亿+ | 0.5% |
  | 易方达沪深300ETF | 510310 | 0.20% | 200亿+ | 0.6% |
  | 华夏上证50ETF | 510050 | 0.50% | 500亿+ | 0.4% |
  | 南方中证500ETF | 510500 | 0.20% | 400亿+ | 0.8% |

4. FOF组合构建

Step 1: 大类资产配置
  保守型: 股基30% + 债基50% + 货基20%
  均衡型: 股基50% + 债基30% + 商品10% + 货基10%
  激进型: 股基70% + 债基20% + 商品10%

Step 2: 细分资产选基
  每个资产类别选 2-3 只基金（分散管理人风险）

  股票部分:
    大盘价值 1只 + 大盘成长 1只 + 中小盘 1只
    风格互补, 降低单一风格暴露

  债券部分:
    纯债 1只 + 转债增强 1只
    控制信用风险, 不追高收益债

Step 3: 再平衡规则
  定期: 每季度检查一次偏离度
  触发: 任一资产偏离目标权重 > 5% → 再平衡

  再平衡方法:
    a. 卖出超配、买入低配 → 交易成本高
    b. 增量资金买入低配 → 减少交易频率
    c. 分红再投资到低配 → 最优方案

Step 4: 监控预警
  □ 季度绩效回顾: 任一基金连续2个季度排名后30% → 观察
  □ 基金经理变更 → 重新评估
  □ 风格漂移 → 替换为风格稳定的同类基金
  □ 规模异常(暴增/暴降) → 关注流动性冲击

输出格式

基金分析报告：

=== 基金概况 ===
名称: 易方达蓝筹精选混合 (005827)
经理: 张坤  任职: 2018-01-05 (8年)
规模: 450亿  风格: 大盘成长

=== 绩效评估 (近3年) ===
年化收益: 12.5% (同类前25%)
夏普比率: 0.85 (同类前20%)
最大回撤: -28.3% (同类中位-25.6%)
信息比率: 0.62
Calmar比率: 0.44
胜率: 58% (月度跑赢基准)

=== 风格分析 ===
回归风格: 大盘成长 (R²=0.91)
风格漂移: 低 (近1年与近3年一致)
持股集中度: 前10大持仓68%
换手率: 年化150% (低换手, 长期持有)

=== 评价 ===
优势: 选股能力强(Alpha显著), 风格稳定
劣势: 规模过大可能影响操作灵活性, 回撤控制一般
建议: 适合作为FOF组合中的大盘成长配置, 仓位15-20%

注意事项

幸存者偏差：基金数据库中已清盘基金可能被排除，导致历史平均业绩偏高
规模效应：基金规模超过200亿后，小盘股策略难以执行，Alpha可能下降
季末效应：部分基金在季末存在"粉饰橱窗"行为（季末买入重仓股拉净值），需用月中数据交叉验证
申赎冲击：大规模申购/赎回影响基金收益（摊薄/被迫卖出），关注份额变动
费率拖累：长期来看，费率差异对累计收益影响显著。10年期 1.5% vs 0.5% 费率差 → 约10%累计收益差
指数增强真假：部分"指数增强"实际偏离基准极大（跟踪误差>8%），实质是主动管理披着增强外衣

依赖

pip install pandas numpy scipy

Más de este repositorio

mismo repositorio

vibe-trading

HKUDS/Vibe-Trading

Professional finance research toolkit — backtesting (8 engines + benchmark comparison panel), factor analysis, Alpha Zoo (461 pre-built alphas across qlib158/alpha101/gtja191/academic/fundamental), options pricing, 88 finance skills, 30 multi-agent swarm teams, Trade Journal analyzer, and Shadow Account (extract → backtest → render) across 21 market-data sources (tushare, yfinance, okx, akshare, baostock, tencent, mootdx, ccxt, futu, local, eastmoney, sina, stooq, yahoo, india_broker, qveris, longbridge, plus optional-key finnhub/alphavantage/tiingo/fmp).

2026-07-1724.5k

data-routing

HKUDS/Vibe-Trading

The single ROUTER for every data need. Load this skill BEFORE any backtest, data-fetch, or research task to pick the best available source/tool, honour auth (env) requirements, and avoid ban-risk providers.

2026-07-1724.5k

qveris

HKUDS/Vibe-Trading

Paid capability marketplace for global multi-asset data; use it when free Vibe-Trading sources lack coverage, depth, or provider quality, and keep free sources as the default for routine OHLCV.

2026-07-1724.5k

correlation-regime

HKUDS/Vibe-Trading

Correlation-regime detection and crisis attribution — edge-density regime states with hysteresis, causal (no look-ahead) smoothing, regime-aware exposure context, first-mover crisis attribution with honest NAME / MACRO / AMBIGUOUS / ABSTAIN verdicts, and a correlation-rewiring leaderboard that catches slow bleed-outs

2026-07-1624.5k

asset-allocation

HKUDS/Vibe-Trading

Asset allocation theory and optimizer usage — MPT / Black-Litterman / risk budgeting / all-weather strategy, including guides for 5 optimizers and rebalancing rules.

2026-07-1024.5k

strategy-generate

HKUDS/Vibe-Trading

Create, modify, and optimize quantitative trading strategies, then backtest and evaluate them.

2026-07-1024.5k

name	fund-analysis
description	基金分析与筛选：晨星评级/夏普比率/信息比率、Sharpe风格箱分析、风格漂移检测、基金经理评价、FOF组合构建、ETF选择
category	asset-class

基金分析与筛选

概述

适用场景：

股票型/混合型基金的多维度筛选
基金经理投资风格的归因与漂移检测
ETF产品的跟踪效率评估
FOF组合的资产配置与再平衡
A股公募基金的特有分析维度

核心概念

基金绩效指标体系

收益类指标：

指标	公式	优秀阈值	说明
年化收益率	(1+总收益)^(1/年数)-1	> 15% (股基)	绝对收益
超额收益(Alpha)	基金收益-基准收益	> 5%/年	相对基准
信息比率(IR)	Alpha / 跟踪误差	> 0.5	Alpha稳定性
胜率	跑赢基准的月份占比	> 55%	一致性

风险类指标：

指标	公式	优秀阈值	说明
最大回撤	max(peak-trough)/peak	< 20% (股基)	极端风险
年化波动率	std(日收益)*√252	< 20% (股基)	总风险
下行标准差	std(负收益)*√252	< 13%	下行风险
Calmar比率	年化收益/最大回撤	> 1.0	收益/极端风险

风险调整指标：

指标	公式	优秀阈值	说明
夏普比率	(Rp-Rf)/σp	> 1.0	每单位风险收益
Sortino比率	(Rp-Rf)/下行σ	> 1.5	更关注下行风险
Treynor比率	(Rp-Rf)/β	> 10%	每单位系统风险收益

无风险利率(Rf): A股通常用1年期国债收益率, 约2.0-2.5%
基准: 股票型→沪深300; 混合型→沪深300×60%+中证全债×40%
评估周期: 至少3年，推荐5年（覆盖完整牛熊周期）

Sharpe风格箱分析

九宫格风格分类：

          价值     平衡     成长
大盘    大盘价值  大盘平衡  大盘成长
中盘    中盘价值  中盘平衡  中盘成长
小盘    小盘价值  小盘平衡  小盘成长

判定方法（回归法）:
  Ri = α + β1×大盘价值 + β2×大盘成长 + β3×小盘价值 + β4×小盘成长 + ε

  风格指数选择(A股):
  大盘价值: 沪深300价值 (399346)
  大盘成长: 沪深300成长 (399370)
  小盘价值: 中证500价值 (930782)
  小盘成长: 中证500成长 (930783)

  β权重最大的方向 = 基金主风格
  R² > 0.85 → 风格明确; R² < 0.70 → 风格模糊/择时型

风格漂移检测

方法: 滚动窗口回归 (窗口=60个交易日, 步长=20日)

漂移判定:
  1. 计算每个窗口的风格权重β
  2. 相邻窗口β变化:
     |Δβ| > 0.2 → 显著漂移
     最大β对应的风格变了 → 风格切换

  3. R²时序:
     R²持续下降 → 基金经理在做择时/偏离基准
     R²忽高忽低 → 风格不稳定

漂移类型:
  - 渐进漂移: 大盘→中盘→小盘 (通常是规模增长后被迫下沉)
  - 突变漂移: 价值突然切换成长 (可能换了基金经理)
  - 周期漂移: 牛市追成长、熊市转价值 (择时型)

A股常见漂移:
  2020-2021: 大量"价值型"基金实际持仓转向新能源/半导体(成长)
  检测: 申报风格=大盘价值, 实际回归风格=大盘成长 → 名不副实

分析框架

1. 基金筛选框架（五步法）

Step 1: 硬指标过滤
  □ 成立 ≥ 3年
  □ 规模 2-100亿（太小清盘风险, 太大船大难掉头）
  □ 同一基金经理管理 ≥ 2年
  □ 机构持有比例 > 20%（机构认可）

Step 2: 绩效排序
  □ 近3年年化收益 > 同类中位数
  □ 近3年夏普比率 > 同类前30%
  □ 最大回撤 < 同类中位数
  □ 信息比率 > 0.3

Step 3: 风格验证
  □ 实际风格与申报风格一致（R² > 0.8）
  □ 风格漂移得分 < 0.3（稳定）
  □ 近1年风格与近3年一致

Step 4: 基金经理评价
  □ 管理同类基金 ≥ 3年
  □ 历史任职基金收益均为正超额
  □ 换手率合理（年化200-400%为正常, >600%过高）
  □ 持股集中度适中（前10大持仓40-70%）

Step 5: 费用检查
  □ 管理费 ≤ 1.5%（主动股基）
  □ 无惩罚性赎回费（持有>1年免赎回费）
  □ 托管费 ≤ 0.25%

2. 基金经理评价

核心维度:
  1. 超额收益能力:
     任职年化Alpha (相对基准)
     牛市Alpha vs 熊市Alpha (优秀经理熊市也有超额)

  2. 风险控制:
     最大回撤 vs 基准最大回撤
     下行捕获比率 < 0.8 → 善于控制下行风险
     上行捕获比率 > 1.0 → 上涨行情不掉队

  3. 选股能力 vs 择时能力 (T-M模型):
     Ri-Rf = α + β(Rm-Rf) + γ(Rm-Rf)² + ε
     α > 0 → 有选股能力
     γ > 0 → 有择时能力
     A股实证: 大部分基金经理有选股能力, 少有择时能力

  4. 持仓特征:
     换手率: <200%=长期持有; 200-400%=适中; >600%=频繁交易
     持股集中度: 前10大占比, >70%=集中, <40%=分散
     行业偏离度: 相对基准的行业超/低配幅度

经理更换信号:
  基金经理变更公告日起:
  - 新经理来自同一公司、风格相近 → 影响小
  - 新经理风格截然不同 → 重新评估, 观察1-2个季度再决定
  - 明星经理离职 → 考虑赎回, 跟踪新经理的其他产品

3. ETF选择框架

核心标准:
  1. 跟踪误差: 年化 < 2% (被动) / < 4% (增强)
     计算: std(ETF日收益 - 指数日收益) × √252

  2. 费率比较:
     管理费: 0.15%(最低) ~ 0.50%(普通)
     托管费: 0.05% ~ 0.10%
     综合费率差 0.2%/年，10年累积差异显著

  3. 流动性:
     日均成交额 > 1亿 → 流动性充足
     买卖价差 < 0.1% → 交易成本低
     折溢价率 < 0.3% → 定价准确

  4. 规模:
     > 10亿 → 清盘风险极低
     2-10亿 → 可接受
     < 2亿 → 需关注是否有清盘风险

A股主流宽基ETF对比(示例):
  | ETF | 代码 | 费率 | 规模 | 跟踪误差 |
  |-----|------|------|------|----------|
  | 华泰柏瑞沪深300ETF | 510300 | 0.20% | 800亿+ | 0.5% |
  | 易方达沪深300ETF | 510310 | 0.20% | 200亿+ | 0.6% |
  | 华夏上证50ETF | 510050 | 0.50% | 500亿+ | 0.4% |
  | 南方中证500ETF | 510500 | 0.20% | 400亿+ | 0.8% |

4. FOF组合构建

Step 1: 大类资产配置
  保守型: 股基30% + 债基50% + 货基20%
  均衡型: 股基50% + 债基30% + 商品10% + 货基10%
  激进型: 股基70% + 债基20% + 商品10%

Step 2: 细分资产选基
  每个资产类别选 2-3 只基金（分散管理人风险）

  股票部分:
    大盘价值 1只 + 大盘成长 1只 + 中小盘 1只
    风格互补, 降低单一风格暴露

  债券部分:
    纯债 1只 + 转债增强 1只
    控制信用风险, 不追高收益债

Step 3: 再平衡规则
  定期: 每季度检查一次偏离度
  触发: 任一资产偏离目标权重 > 5% → 再平衡

  再平衡方法:
    a. 卖出超配、买入低配 → 交易成本高
    b. 增量资金买入低配 → 减少交易频率
    c. 分红再投资到低配 → 最优方案

Step 4: 监控预警
  □ 季度绩效回顾: 任一基金连续2个季度排名后30% → 观察
  □ 基金经理变更 → 重新评估
  □ 风格漂移 → 替换为风格稳定的同类基金
  □ 规模异常(暴增/暴降) → 关注流动性冲击

输出格式

基金分析报告：

=== 基金概况 ===
名称: 易方达蓝筹精选混合 (005827)
经理: 张坤  任职: 2018-01-05 (8年)
规模: 450亿  风格: 大盘成长

=== 绩效评估 (近3年) ===
年化收益: 12.5% (同类前25%)
夏普比率: 0.85 (同类前20%)
最大回撤: -28.3% (同类中位-25.6%)
信息比率: 0.62
Calmar比率: 0.44
胜率: 58% (月度跑赢基准)

=== 风格分析 ===
回归风格: 大盘成长 (R²=0.91)
风格漂移: 低 (近1年与近3年一致)
持股集中度: 前10大持仓68%
换手率: 年化150% (低换手, 长期持有)

=== 评价 ===
优势: 选股能力强(Alpha显著), 风格稳定
劣势: 规模过大可能影响操作灵活性, 回撤控制一般
建议: 适合作为FOF组合中的大盘成长配置, 仓位15-20%

注意事项

幸存者偏差：基金数据库中已清盘基金可能被排除，导致历史平均业绩偏高
规模效应：基金规模超过200亿后，小盘股策略难以执行，Alpha可能下降
季末效应：部分基金在季末存在"粉饰橱窗"行为（季末买入重仓股拉净值），需用月中数据交叉验证
申赎冲击：大规模申购/赎回影响基金收益（摊薄/被迫卖出），关注份额变动
费率拖累：长期来看，费率差异对累计收益影响显著。10年期 1.5% vs 0.5% 费率差 → 约10%累计收益差
指数增强真假：部分"指数增强"实际偏离基准极大（跟踪误差>8%），实质是主动管理披着增强外衣

依赖

pip install pandas numpy scipy