EFIT因子构建逻辑及估计 [page::3][page::4][page::5]

• 使用公募基金半年披露的持仓与净资金流数据构建边际交易因子（PSF），分别估计资金净流入与净流出的股票交易比例，净流出时比例约为0.97，净流入时约为0.66。

- 结合基金历史收益预测未来资金流，计算每只股票在全行业内预期被基金净买入或卖出的强度，形成EFIT因子，度量基金资金流驱动的交易强度。

EFIT选股策略表现显著 [page::6][page::7][page::8][page::9][page::10]

• 以EFIT因子分为10组，等权重D1组年化收益14.02%，超额收益5.85%，四因子alpha达2.91%。

- 市值加权多空组合年化收益8.60%，四因子alpha为2.86%，大市值股票贡献更大。

• 季度更新持仓的EFIT因子提升收益率，年化超额收益分别达到9.88%（等权）和10.63%（市值加权）。

- 长期持有*多空组合（5个季度后出现收益反转，持续至3年亏损），表明申赎资金驱动的短期效应显著但不具持续性。

EFIT行业轮动策略 [page::11]

| 指标 | 行业组合 | 沪深300 | 超额收益 |
|------------|----------|---------|----------|
| 收益率 | 10.99% | 5.14% | 5.85% |
| 波动率 | 26.15% | 21.46% | 15.16% |
| 夏普比率 | 0.42 | 0.24 | 0.39 |
| 最大回撤 | 57.43% | 46.70% | 32.81% |

• 行业轮动策略通过选取EFIT因子最高的前3行业构建组合，虽整体业绩较基准优异，但稳定性欠佳，存在年度表现波动显著。

EFIT选基策略有效识别基金表现 [page::12][page::13]

• 基金多空组合年化收益5.42%，四因子alpha为2.50%，相对偏股基金指数超额3.86%。

- 选基策略表现同样受市场资金流入出影响显著，部分年份区分能力减弱。

公募持仓的动量效应与EFIT因子关联性 [page::14][page::15]

• 2019年以来，公募持仓内基于过去6个月收益的动量因子表现提升，年化多空组合收益13.23%。

- 条件双重排序检验显示，控制EFIT因子后动量因子收益消失，但反向不成立，表明EFIT因子对动量收益有更强解释力。

公募基金“聪明钱效应”的资金流解释 [page::15][page::16]

• 历史资金流排序基金收益存在正相关，净流入多的基金未来表现更优。

- 控制EFIT后聪明钱效应消失，反之EFIT在控制资金流后仍有显著alpha，EFIT因子能较好解释资金流现象。

基金业绩持续性和资金流驱动交易关系 [page::16][page::17][page::18]

• 基金的业绩持续性在传统解释基础上，EFIT因子提供另一视角：历史业绩好的基金吸引申购，推动持仓股票上涨，进而提升基金业绩，形成资金流推动的正反馈机制。

- 条件双重排序检验表明，控制EFIT因子后基金历史业绩的业绩持续性大幅减弱，反之控制历史业绩后EFIT依旧显著。

• 申赎资金驱动的EFIT因子是解释业绩持续性的重要驱动，暗示基金经理能力非唯一因素。

风险提示 [page::19]

• 模型基于历史数据，存在失效风险。

- 市场风格变动可能影响因子有效性。

• 数据可能存在测算误差。

公募基金的申赎资金驱动交易研究——深入解读与综合分析

---

一、元数据与报告概览

报告标题：公募基金的申赎资金驱动交易：现象、因子、应用基金定量研究系列（1）
发布机构：西部证券研发中心
发布日期：2024年12月5日
研究对象：公募基金申赎资金流对基金持仓股票交易及价格表现的影响，及其引发的“基金业绩持续性”、持仓动量效应等现象的解释。

核心结论：
报告构建了“预期资金流驱动交易因子”（Expected Flow Induced Trading，EFIT），作为衡量公募基金因预期资金流变化对持仓股票买卖强度的量化指标。EFIT不仅具备良好选股、选基和行业轮动的表现，而且能够较充分解释传统金融市场中公募基金表现持续性和持仓动量效应的盈余来源。报告同时指出，业绩持续性现象在控制EFIT因子后基本消失，暗示申赎资金流动驱动基金买卖行为在这一现象中发挥了主导作用。

---

二、逐章深度剖析

1. 引言

自2019年以来，中国公募基金规模大幅增长，公众关注基金选择标准，其中历史业绩被广泛用作投资指标，隐含基金业绩具有持续性假设。报告引入Lou (2012)流动性驱动视角，提出申赎资金流引发的买卖行为推高基金持仓股价，进而提升基金业绩，形成对基金未来资金流的预测能力，即历史表现好的基金未来预期会吸引资金流入。该逻辑为后续EFIT因子的设计和研究奠定基础（图1展示该逻辑流程）。[page::3]

2. 预期资金流驱动交易因子（EFIT）

2.1 数据与样本构建

选取主动偏股型开放式基金，包括股票型、偏股混合型及高股票仓位的平衡、灵活配置型基金。样本剔除低股票持仓、封闭式和限制流动基金，确保基金成立时间大于1年，持仓股票均为流动性好、规模大、且非新上市打新类股票。数据采用半年披露的持仓，减少计算交易比率时的误差。[page::3]

2.2 边际交易因子（Partial Scaling Factor, PSF）的估计

针对资金流入和资金流出状态，分别估计基金面对净资金变动时调整持仓股票比例的敏感度。

• 计算股票交易比例以股数变化率调整拆分送股因素。

- 基金净流动由单位净资产变化扣除投资收益计算。

• 利用回归模型估计$trade{i,j,t} = \beta0 + \beta1 \cdot flow{i,t} + ...$，$\beta1$即为PSF。

结果显示，赎回时$PSF \approx 0.97$，接近资金赎回与股票卖出比例1:1；申购时$PSF \approx 0.66$，基金大约用三分之二资金增持现有持仓股票，其余可能用于增仓新股或保持流动性。时间子样本2012-2018与2019-2024估计结果差异不大，表明此行为稳定可靠。[page::4][page::5]

2.3 EFIT的计算

EFIT通过将所有基金因预期未来资金流变化而对股票$j$买卖数量总和，占股票流通股比例计算得出：

$$
EFIT{j,t} = \frac{\sumi shares{i,j,t} \times E[flow{i,t+1}] \times PSF{i,t}}{floatshares{j,t}}
$$

其中，预期资金流$E[flow{i,t+1}]$用历史收益$r_{i,t}$线性回归预测。基金层面EFIT通过持仓权重加总股票EFIT得出。EFIT值高表示未来资金净流入推动买入压力大，价格上涨概率高，基金业绩被强化。[page::5][page::6]

3. EFIT的应用表现

3.1 选股能力

3.1.1 等权组合表现：

• 检验时间2012年至2024年8月，换仓于4月和9月首个交易日。

- 股票分为10组，EFIT前1组年化收益14.02%，高于尾组，超额收益5.85%。

• D1-D10多空组合四因子alpha为1.71%，显著为正，反映EFIT因子的独立信息和溢价能力。

- 因子表现受2018-2020及近期资金集体净流入/出影响有所弱化。

• 因子单调性一般，中间组合表现异常，系因基金对中间组股票持有比例较低，基金交易影响较小。[page::6][page::7][page::8]

3.1.2 市值加权组合表现：

• 相较于等权组合，市值加权组合表现更优，D1-D10多空组合年化收益8.60%，四因子alpha 2.86%。

- 多空收益主要贡献来自多头，D1组合年化超额收益8.10%。

• EFIT因子有别与多数因子的“小市值效应”，源自基金仓位多集中于大盘股，申赎资金对大市值股影响更显著。[page::8][page::9]

3.1.3 季报更新提升表现：

• 换仓频率提升至季度后，等权和市值加权多空组合年化收益分别升至9.88%和10.63%，单调性改善，因子信息时效性增强效果明显。[page::9][page::10]

3.1.4 长期持有分析：

• EFIT筛选股票构建多空组合的超额累计收益在300-350个交易日（约五个季度）达到顶峰，随后出现显著反转，且3年持有期总收益转为亏损。

- 该现象反映申赎资金驱动的买卖行为短期推涨持仓股，长期受市场风格转变及基金经理调整影响，申赎资金推动效应无法持续。[page::10][page::11]

3.2 行业轮动

• 挑选EFIT值最高和最低10%股票所属行业权重，选择因子最高前三行业构建等权组合。

- 全区间年化超额收益5.85%，表现波动大，部分年份明显跑输沪深300，稳定性有限，更多作为辅助行业轮动信号参考。[page::11]

3.3 基金选基表现

• 依据基金持仓加权计算基金EFIT因子，同样将基金分组回测。

- 基金多空组合年化收益5.42%，四因子alpha 2.50%，表现显著优于基准（万得偏股基金指数）。

• 多空收益主要由多头基金驱动。

- 同样在2019及2023-24年，基金EFIT因子表现减弱，归因于大范围一致资金流入或流出削弱因子区分能力。[page::12][page::13]

4. 资金流与公募基金市场现象的再解释

4.1 公募持仓动量效应

• 2019年以来，动量效应在公募基金持仓中显著，6个月动量多空组合年化收益13.23%。

- 条件双重排序显示，在控制EFIT因子后，动量因子的多空alpha不显著，而控制动量后EFIT因子仍显著，说明动量效应被EFIT因子驱动解释。

• 逻辑为：基金投资者买入业绩向好的基金，推动其持仓股票价格上涨形成动量，基金业绩进而被放大。[page::14][page::15]

4.2 聪明钱效应

• 历史资金流入较多的基金通常未来表现较好，体现聪明钱选择。

- 但报告认为，资金流驱动交易本身导致业绩提升，是聪明钱效应形成的经济根源。

• 双重排序结果显示，控制EFIT因子后，历史资金流多空alpha不显著；反之控制历史资金流后，EFIT多空alpha依旧显著，EFIT因子解释了聪明钱效应的收益来源。[page::15][page::16]

4.3 基金业绩持续性

• 历史业绩好的基金未来收益显著优于业绩差的基金，表现为超额收益约5%。

- 常见解释为基金经理能力持续，但EFIT因子机制提供另一面解释：
- 历史优秀业绩吸引资金净流入；
- 申购资金导致基金持续买入持仓股票，提升价格与业绩；
- 业绩差基金赎回被迫减持，业绩雪上加霜。

• 条件排序检验显示控制EFIT因子后，基金历史业绩多空alpha多数不显著，基金业绩持续性实质上是由申赎资金流驱动交易产生的效应。[page::16][page::17][page::18]

---

三、图表深度解读

• 图 1（申赎资金驱动交易的逻辑示意）：图示展示了申赎资金流→预测资金流→基金加总买卖股票强度→股票价格变动的逻辑链条，清晰体现了资金流与交易行为的内在联系。[page::3]
• 表 1（边际交易因子PSF回归结果）：资金净流出时PSF约0.97，流入时约0.66，表明基金在资金流入时交易强度较流出时低，可能部分资金留作新股或其他用途，回归统计显著，稳健性在2012-2018及2019-2024均成立。[page::5]
• 图 2与图 3（EFIT因子等权和市值加权选股组合累计净值）：两图体现全球上涨趋势中，多头D1组合远超乏力D10组合，资金加权组合表现更稳健，累计净值曲线明显分层，展示了EFIT因子的选股有效性。[page::7][page::9]
• 表 2-3, 5-6（选股因子分组收益及风险特征）：数据揭示收益空间显著差异，D1组收益和alpha均显著正，风险（波动、回撤）较高但控制在合理范围，EFIT因子的alpha独立于传统风险因子，展示选股溢价。[page::7][page::8][page::9][page::10]
• 图 4（EFIT选股组合长期累计收益率）：组合收益约五个季度后达到顶峰，随后收益反转，三年结束显著负收益，反映资金驱动效应短期有效，长期存在反转风险。[page::10]
• 表 7-8（季度更新的EFIT因子表现）：提高更新频率提升因子选股收益和alpha，反映信息时效性的关键影响。[page::10]
• 表 9-10（行业轮动策略）：行业组合全期5.85%超额收益，但分年波动较大，显示行业轮动策略稳定性一般，仅为辅助工具。[page::11]
• 表 11-12，图 5（选基因子表现）：基金层面EFIT因子策略同样表现良好，多空组合alpha显著，选基能力存在独立价值。[page::12][page::13]
• 表 13-16（动量效应与EFIT的双重排序检验）：EFIT因子能够解释动量效应，控制EFIT后动量因子alpha失效，动量现象归因于资金驱动交易。[page::14][page::15]
• 表 17-19（聪明钱效应与EFIT的双重排序检验）：EFIT因子解释聪明钱效应，控制EFIT后历史资金流无法单独解释收益来源。[page::15][page::16]
• 表 20-23（基金业绩持续性与EFIT的关联分析）：EFIT解释基金业绩持续性，控制后历史业绩持续性效应减弱，资金流动驱动基金买卖行为是实质原因。[page::16][page::17][page::18]

---

四、估值分析

报告主攻量化因子研发与实证研究，不涉特定股票或基金估值部分，无传统估值模型（DCF、市盈率等）使用，侧重因子表现的统计学验证与策略回测，无法提供估值方法拓展解读。

---

五、风险因素评估

报告主要识别如下风险：

• 模型失效风险：因采用历史数据测算，未来市场结构或基金行为若发生重大变化，模型的适用性和有效性可能下降。

- 市场风格变化风险：市场投资风格，如价值与成长偏好、机构参与度变化，可能削弱EFIT因子的解释力和预测力。

• 数据测算误差风险：使用第三方基金持仓及申赎数据，存在数据的遗漏、滞后和误差风险，影响因子计算准确性。

报告未具体给出缓解策略，但暗示因子及模型的稳健性已通过多子样本和子时期验证有所保障。[page::19]

---

六、批判性视角与细微差别

• 因子非单调性：EFIT因子各组收益在中间分组出现无序，提示因子在覆盖面较广时区分能力受限，该现象与基金持有股票集中度有关，可能需要结合持仓比例加权进行更深度的因子权重优化。

- 资金流假设局限：资金流未来预测依赖简单线性模型（历史收益与资金流关系），实际投资者行为可能更复杂，不排除非线性、异质性以及市场情绪因素的干扰。

• 短期驱动复杂长期行为：EFIT解释了短期资金流动推涨效应，长期表现反转但反转机制（如基金偏好转变、市场结构变化）未深入研究，提示后续研究空间。

- 资金流向解释的局限性：虽然EFIT能解释业绩持续性与动量效应，但部分基金业绩持续可能仍受基金经理能力等因素影响，资金流动只是表象之一。

总体而言，报告以严谨逻辑和大量数据实证支持了申赎资金流动作为驱动交易和基金表现重要机制的观点，但仍需关注市场环境变化及模型假设限制。

---

七、结论性综合

本文从资金流角度构建预期资金流驱动交易因子EFIT，创新性地用基金的最新持仓与预测资金流，量化申赎行为对持仓股票买卖强度的影响，形成对股票价格及基金业绩的推动效应解释框架。实证测试显示：

• EFIT因子在股票选股、市值加权及等权组合中均展现显著超额收益和alpha，且快速更新提升表现。

- 基于EFIT的行业轮动策略虽表现波动但亦具备一定操作价值。

• EFIT在基金选基表现亦显著优异，且能稳定识别未来优秀基金。

- EFIT因子能够较好解释公募基金持仓动量效应、聪明钱效应及最重要的基金业绩持续性，后两者多为资金流动驱动买卖行为的经济体现。

• 长期持有EFIT选出的多空组合存在收益反转，提示资金驱动效应短期有效、长期需谨慎对待。

- 报告综合认为，市场对基金业绩持续性的传统解释不足，资金流驱动交易行为提供了更具说服力的解释机制。

风险方面，模型依赖历史数据与资金流预测，有失效可能，且受市场风格变迁及数据误差制约。投资实操中需结合其他考虑，尤为注意长期持有风险。

综上，EFIT因子为公募基金交易行为的动力机制提供了量化衡量工具，拓宽了对基金业绩来源的理解，具有较高学术与实用价值。[page::0][page::3-23]

---

图表示例

• 图1：申赎资金驱动交易的逻辑示意

• 图2：EFIT选股因子等权组合累计净值曲线

• 图3：EFIT选股因子市值加权组合累计净值曲线

• 图4：EFIT选股组合长期累计收益率

• 图5：EFIT选基因子等权组合累计净值

---

总体评价

该研究报告选题前沿，理论联系实际，数据基础坚实，使用的回归模型与条件排序检验丰厚且系统，揭示了申赎资金驱动基金交易行为构成资金面影响业绩表现的重要因子，对理解公募基金市场投资者行为和基金业绩形成机制提供了重要工具，兼具理论创新和实际应用价值，是基金量化研究的高质量范本。

报告