原文章发布时间：2023年10月27日
◆ 投资摘要 ◆
-
传统业绩归因方法与局限性：在纯债基金研究过程中，业绩归因是主动型基金分析的核心内容。核心思想即将基金收益进行拆解，分离出市场收益和主动管理收益，并对分离出的主动管理收益进行分析评价和优选。市场上常用的债券基金业绩归因方法有基于半年报利润表披露的收益分解、基于季报重仓券信息的Campisi模型、基于净值信息的择时择券回归模型和基于基金风格的多因子模型等，上述方法各有利弊，但均无法同时满足有效性、全面性和优选应用性等条件以识别和区分基金经理的管理能力。
-
券种配置法业绩归因模型：本文采用季报中债券券种配置业绩归因方法进行测算，相对于其他传统业绩归因方法，一是基于策略收益分解，描述管理能力更清晰；二是覆盖了季报债券组合数据中所有投资品种，择时收益描述更精准；三是基金经理不局限于单一方面的能力，分解后的收益进行整合可以得到基金经理不同的管理能力，如综合性主动管理能力、择券配置能力和择时能力等。
模型利用公开的季报券种配置占比数据，结合带约束的逐步回归法测算的基金净值久期和收益率曲线数据，将基金业绩进行分解归因。首先基于季度披露的券种配置数据，按照债券投资品种的收益来源分解为：国债、政策性金融债（国开债）、企业发行信用债(企业债AAA)、金融信用债（商业银行AAA)、可转债五个部分投资收益。再根据基金经理管理过程中常使用的策略，将收益分解为市场收益（被动收益）与择券配置收益（票息收益+骑乘收益）、择时收益和券种轮动收益三部分策略收益。最终将债券型基金的总收益拆分为九个部分：票息收益、骑乘收益、利率波动收益、信用波动收益、可转债波动收益、利率债配置收益、信用债配置收益、可转债配置收益和择时收益。
-
券种配置法业绩归因优选：我们将分解出的收益来源根据相关性和普适性原则，将收益来源进行整合，得出基金经理的综合主动管理能力、择券配置能力和择时能力等指标，以描述基金经理对应管理能力的强弱。在实际的投资过程中，通常认为管理能力强的基金经理能够持续创造超额收益，所以在通过管理能力优选债基组合前，我们需要对管理能力是否对业绩的预测性进行有效性分析。
首先对业绩因子的有效性进行分析，排除业绩动量效应的干扰，再对综合主动管理能力、择券配置能力和择时能力进行IC值法检验，观察其相对于业绩因子的收益性、稳定性和一致性的改善程度，从而判断管理能力优选债基的有效性。我们对2019Q3至2023Q2期间的全市场债基进行业绩归因和管理能力评估，将管理能力指标进行有效性检验后发现，综合主动管理能力和择券配置能力IC值明显为正，IC平均值为0.20，IC值胜率0.83，IC值累计值不断向上突破，说明通过两类能力指标选基能持续稳健的带来正收益，持有体验更好。综上，在全市场债基优选时，基金经理中综合主动管理能力或择券配置能力高的基金未来业绩表现更好。
债基分类处理后对管理能力有效性分析发现：短期债基基金经理中择券能力强的未来业绩表现更好；利率债基基金经理中择时能力强的未来业绩表现更好；信用债基基金经理中综合主动管理能力比较强的未来业绩表现更好。
|
◆ 正文 ◆
在纯债基金研究过程中，业绩归因是主动型基金分析的核心内容。为了解基金业绩中由基金经理主动管理带来的收益，通常将组合收益进行拆解，分离出市场部分被动收益和主动管理收益，并对分离出的主动管理收益进行分析和评价，挖掘出基金经理如择券配置能力、择时能力和券种轮动能力等信息，旨在筛选出具有持续超额收益的基金和优秀管理能力的基金经理。
市场上常用的债券基金业绩归因方法有基于半年报利润表披露的收益分解、基于季报重仓券信息的Campisi模型、基于净值信息的择时择券回归模型和基于基金风格的多因子模型等，上述方法各有利弊，但均无法同时满足有效性、全面性和优选应用性等条件以识别和区分基金经理的管理能力。
对此我们基于传统业绩归因方法，创建了季报券种占比信息的业绩归因方式，该方法基于季报披露的各债券品种持仓占比信息、并结合带约束的逐步回归法测算的净值久期和收益率曲线数据，将债券基金收益进行拆解，从基金的不同收益来源得出基金经理的择券配置能力、择时能力和券种轮动能力等信息。
债券基金在半年报的基金利润表中会披露收益来源，由利息收入、投资收益和公允价值变动收益三部分构成。利息收入代表所持资产的票息收入，利息收入高通常代表信用债占比高、信用下沉策略或久期较高；投资收益为基金经理主动调仓带来的损益，一定程度上反映基金经理的波段交易能力；公允价值变动收益代表资产买入价格偏离估值的幅度，且尚未作交易实现的这部分利润。2021年年报后，债券利息收入不再统计在利息收入中，而是合并在了债券投资收益中，最终体现在投资收益里。
收入合计=利息收入（不含债券利息收入）+投资收益（债券投资收益）+公允价值变动收益（债券持仓损益）
图1：基于半年报利润表业绩分解
资料来源：Wind、利得基金，数据截至2023年09月30日
在债券基金业绩归因上，主流研究者采用Campisi模型进行业绩归因。Campisi在2000年发表的《Prime on Fixed Income Performance Attribution》一文中提出了专门用于纯债基金业绩归因分析的Campisi模型。模型将债券基金总收益分解为静态的利息收入构成的收入效应，以及债券价格变动带来的资本利得效应，其中资本利得效应又分为国债效应和利差效应。债券基金持仓中往往包含多只债券，在对整体组合进行超额收益归因时， Campisi又引入了择券效应这一概念，它代表着基金管理人优选债券带来的额外贡献。因此，债券型基金收益最终被分解为收入效应、国债效应、利差效应与择券效应四个部分。
该模型将债券基金和与其自身的业绩比较基准按上述方法拆解，并将二者拆解后得到的效应相减，得到超额收益来源，从而实现对基金管理人的业绩评价。
其中票息率：将季报公开披露的重仓券票面利率依据持仓比例（持仓数量*面值）加权而成。收入效应反映基金经理择券配置的能力。
其中国债收益率：代表无风险利率。国债效应反映市场被动收益的贡献。
其中基准利差变化：组合利率相对于对应基准利率（国债）的变化。利差效应反映期限利差和信用利差配置的能力。
择券效应通常反映基金经理久期、杠杆和券种轮动调整方面的择时能力。
基于CAPM模型理论，在债券基金择时和择券能力评价时，将基金净值的信息与市场因素间进行回归分析，常用的方法包括Jesen单因素模型、T-M模型、H-M模型和C-L模型等，核心思想是当市场上涨时基金经理是否对市场有较高的暴露度来判断其择时能力。
Jensen-alpha模型在CAPM模型基础上加入了常数项alpha，将基准的市场投资组合无法解释的收益率，全部归结于基金经理的择券能力，基金承受的系统性风险βn为定值，并不能反映基金的择时能力：
T-M模型是在CAPM模型的基础上加入二次项来衡量择时能力，即具备择时能力的基金经理，在预测利率下降时会增大投资组合的久期，预测利率上升时会减小投资组合的久期：
α越高代表择券能力越强；β1为基金组合所承担的系统性风险；β2大于0且通过显著性检验则说明基金经理有择时能力，越高代表择时能力越强。
H-M模型是通过增加虚拟项的方式衡量择时能力，即认为基金经理能够预测市场收益高于无风险收益的能力：
其中D为虚拟变量，当rm＞rf时，D=1，否则为0。β2大于0且通过显著性检验则说明基金经理有择时能力，越高代表择时能力越强。
C-L模型将上涨市场和下跌市场的β值明确区分开了，分为牛市中的择时能力和熊市中的择时能力：
其中D1和D2为虚拟变量，当rm＞rf时，二者为1，β=β1；否则为0，β=β2。β1－β2显著大于0，则说明基金经理有择时能力，越高代表择时能力越强。
其中r为基金日收益率，rm为中债新综合财富指数收益率，rf为无风险收益率。
核心思想是在经典Campisi模型分解的维度上进行补充，为了避免依赖持仓信息，以基金净值收益率为因变量，引入市场和持仓风格因子作为自变量进行多因子回归，解释因子所涵盖信息对债券基金收益的贡献。
将债券投资收益拆分为持有收益和价格收益（资本利得），其中持有收益（Alpha）分解为票息收益和价格收敛收益；价格收益分解为利率曲线管理收益和信用利差管理收益，在此基础上将利率曲线管理收益分解为久期管理收益（水平因子）和期限结构配置收益（斜率因子与凸性因子），将信用利差管理收益分解为券种配置收益（信用利差）和信用下沉收益（等级利差）。
除上述效应之外，债券基金中会含有部分可转债持仓，引入可转债因子以考虑可转债价格变化对基金收益的影响；另一方面债券基金在管理过程中可能会有部分现金仓位的情况，又引入了货币因子，最终多因子模型选取了7个风格因子，公式如下：
其中因变量y为基金净值的日收益率，F为标准化的因子值，回归系数反映了基金的因子暴露，α表示基金无法被风格因子解释的超额收益。
注意：暴露系数的绝对数值并没有经济学含义，需当作顺序变量进行分析，将所有基金的风险暴露系数进行排序评价。
1、 Alpha：直接反映票息收益和价格收敛收益对债券基金的贡献。反映了基金经理债券配置的能力。
2、 利率曲线水平因子：直接反映收益率曲线整体水平移动对债券组合的影响，选取中债国债净价总指数的收益率，可以理解为股票市场中的Beta。水平因子一定程度上反映了基金的久期特征。
3、 利率曲线斜率因子：反映利率曲线期限结构变化对债券组合的影响，为了剔除水平因子的影响，采用做多中债中短期债券净价总指数收益率，做空中债中长期债券净价总指数收益率，构建久期中性的组合。斜率因子风险暴露系数一定程度体现了基金经理期限结构的配置和调整能力。
4、 利率曲线凸性因子：凸性因子是对斜率因子的补充，丰富了利率曲线的期限结构。通常采用中债国债1-3年、3-5年、5-7年、7-10年债券净价总指数四只指数两两组合，按照构建斜率因子的方法构建3个久期中性的组合，再分别对三个组合依次按照0.25、-0.5、0.25的权重构建组合。风险暴露系数反映了曲线结构变化基金经理的应对能力。
5、 信用因子：信用利差变化对债券组合的影响，通常采用做多中债企业债AAA净价总指数收益率，做空中债国债净价总指数收益率，构建久期中性的组合。信用因子刻画了为了补偿信用风险而额外提供的收益，风险暴露系数反映了信用利差的管理能力。
6、 违约因子：考虑了不同等级信用利差对债券收益的影响，补充了信用因子在这方面解释上的缺失，通常采用做多中债高收益企业债净价总指数，做空中债企业债AAA净价总指数，构建久期中性的组合。风险暴露系数反映了信用下沉的管理能力。
7、 可转债因子：持仓中会含有部分可转债，通常采用做多中证转债指数，做空中债国债净价指数，构建组合，反映可转债的超额收益率。风险暴露系数反映了可转债投资的能力。
资料来源：利得基金
我们将上述提到的四种传统业绩归因方式的优劣情况和应用场景进行了总结，试图更加清晰准确地在债券基金披露的数据中挖掘出业绩来源，将基金中市场部分的被动收益和基金经理主动调整的收益分离，描述基金经理的主动管理能力，从基金产品维度刻画基金经理的债券配置能力和择时管理能力，从中理解和预测基金收益延续的能力。
公开披露的半年报利润表：基于利润表的收益分解为债券投资收入和公允价值变动损益，由内部测算结果，较为准确，不存在回归法下的残差项，但一是公布频率较低且时效性较差，半年报和年报公布时点滞后实际数据2~3个月，实际投资中应用性较弱；二是收益构成较粗略，2021年年报后，债券利息收入不再单独统计，合并在了债券投资收益中，导致债券投资收益既包含票息收入又包含净价交易收益，持有票息高的信用债基金会放大债券投资收益，无法识别基金经理的波段交易能力和择券配置能力。
基于季报重仓券的Campisi模型：应用较为广泛，基于横截面数据的业绩归因经济学含义更加清晰，识别基金经理择券配置能力和信用配置能力等效果较好。但在实际投资过程中应用场景较少，一是所涵盖的信息量较少，债券基金只公布前5大重仓债券，且大多数情况下前5大重仓债券并不能展现基金的整体特征，在没有内部数据的情况下运用该模型可能存在较大的误差。二是未完全覆盖公开的信息，Campisi模型没有考虑可转债的因素，可转债没有明确的久期且票息收益率较低，不能将可转债收益按照利息收益和交易收益归纳到收益来源中，其价格往往跟随对应股票标的呈现高于债市波动的特性，比例较高的债基也不能简单将其忽略。三是季报披露数据会被“美化”，披露的重仓券可能和平时实际重仓不符，会影响票息率、依据持仓法计算的久期等输入变量的准确性，从而影响模型准确性。
基于净值信息的择时择券回归模型：解决了报表数据业绩归因结果的时效性问题，能快速了解到基金经理的管理能力，对时间窗口选择的依赖度较小。但模型自变量仅为单一的债券指数收益率，能力判定依赖指数的选取，且既含有信用债和利率债持仓的平衡型债基无法完全剔除市场因素；其次模型存在多重共线性问题，导致结果存在较大不稳定性；再次模型未考虑资产配置和持仓的信息，无法区分基金经理的信用和利率管理能力等。
基于基金风格的多因子模型：投资者应用比较多的净值业绩归因方法，数据可得性较高，收益来源覆盖了利率因素、信用因素、可转债因素以及货币等因素，考虑的更为全面，区分基金经理不同能力的效果更好。但回归过程中易出现多重共线性问题，需要通过算法或者构建多空组合的方式对其进行优化，但无法完全剔除其影响，因此分析结果存在一定误差。回归的因子主要为市场风格因子，回归系数仅代表基金的市场风格特征和对应能力，其回归系数解释的管理能力在实际投资中应用较少，如为降低因子间的共线性问题会引入利差的变量，若信用利差前的回归系数为正，代表信用利差收窄时的管理能力较强，但实际投资过程中由于无法做空的限制，其代表的能力与真实投资策略会的解释度较弱。
资料来源：利得基金
本文基于所有业绩归因测算方法，利用公开的季报券种配置占比数据，结合带约束的逐步回归法测算的基金净值久期和收益率曲线数据，将基金业绩进行分解归因。该方法基于横截面数据，一是基于策略收益分解，各项分解后的收益描述的管理能力更清晰；二是覆盖了季报债券组合数据中所有投资品种，择时收益描述更精准；三是基金经理不局限于单一方面的能力，分解后的收益进行整合可以得到基金经理不同的管理能力，如综合性主动管理能力、择券配置能力和择时能力等。
首先基于季度披露的券种配置数据，按照债券投资品种的收益来源分解为：国债、政策性金融债（国开债）、企业发行信用债(企业债AAA)、金融信用债（商业银行AAA)、可转债五个部分投资收益。
再根据基金经理管理过程中常使用的策略，将收益分解为市场收益（被动收益）与择券配置收益（票息收益+骑乘收益）、择时收益和券种轮动收益三部分策略收益。
最终将债券型基金的总收益拆分为九个部分：票息收益、骑乘收益、利率波动收益、信用波动收益、可转债波动收益、利率债配置收益、信用债配置收益、可转债配置收益和择时收益。
债券基金每个季度都会披露大类资产组合情况和债券投资组合情况，各品种间既有相似性又有差异性，如果完全按照披露的券种配置情况进行业绩分解会造成繁杂和理解困难，所以我们根据重要性原则、市场公允性原则以及数据可得性，将券种类型进行重新整合，最终形成国债、政策性金融债、企业信用债、金融信用债和可转债五个部分。
国债和政策性金融债：按照发行主体信用资质可以划分为利率债和信用债，结合季报披露的券种数据，其中利率债仅包含国债、政策性金融债和央行票据，不含地方政府债，统计在其他债券中，由于央行票据已经不发行，我们这里忽略，只分析国债和政策性金融债。而国债由于金融机构投资免所得税25%的特点，其到期收益率会低于政金债，计算票息收益时券种配置比例差异会有较大不同，所以我们在分析具体的收益来源时将二者分开进行处理。债券基金政策性金融债持仓中，国开债比例最高，我们用国开债收益率曲线代替政金债曲线。
企业信用债：包含企业债券、企业短期融资券和中期票据，又统称为企业发行信用债。债券基金由于合同约束和监管要求大部分投资于AAA等级信用债，而从绝对利率水平和历史走势上看，相同评级的不同券种具有极为相似的变化，所以我们将三者合并处理，以企业债AAA收益率曲线代替企业信用债曲线。
金融信用债：从报表中发现，金融债中会含有商业银行、证券公司和保险等金融机构发行的债券，由于其在债券市场中的利率变动规律与政策性金融债存在差异，我们将其分离出来构成了金融信用债，并且同业存单为商业银行发行的存款类凭证，相同期限的发行利率与商业银行一般债相近，我们将二者合并处理。由于数据可得性，我们用商业银行债AAA收益率曲线代替金融信用债曲线。
可转债：可转债一般都有特殊条款，久期特征不明显，且其波动规律与对应股票标的相似，无法将其归纳在企业信用债中。我们这里用中证转债指数波动情况代替所持有可转债带来的收益变化。
债券投资=国债+政策性金融债+企业信用债+金融信用债+可转债
资料来源：Wind、利得基金，数据截至2023年09月30日
资料来源：Wind、利得基金，数据截至2023年09月30日
债券基金从各品种投资过程中获取收益，按照投资品种不同收益来源可划分为：
债券收益=利率收益（国债收益和政策性金融债收益）+信用收益（企业信用债收益和金融信用债收益）+可转债收益+其余收益（择时收益和其他资产收益）
其中其他资产收益（包含其他债券占比和资产支持证券）占比较小，分析时可忽略不计。
在业绩归因过程中，要测算票息收益、骑乘收益和市场波动带来的收益，就需要用到久期工具，我们这里假设各券种的久期与债基的久期相同。
其中券种票面利率我们用到期收益率近似估计，如国债票面利率：
国债票面利率≈国债收益率曲线久期对应的到期收益率
券种的市场波动收益我们用久期和市场利率波动来表示，如国债市场波动收益：
国债市场波动收益=久期×国债利率波动
然而债券基金季报中只披露基于前5大持仓计算的组合久期，与真实久期偏离度较大，我们用1个月滚动测算的净值久期代替组合久期。考虑净值久期的适用性，久期应用上定开类债基用季报组合久期，非定开类债基用净值久期。
净值久期：采用基于基金净值的带约束的逐步回归方式进行测算，自变量选择各期限子段的中债指数，最后将回归系数与中债指数对应的久期进行加权计算。
图7：逐步回归法
资料来源：利得基金
得出与基金日收益相关性较高的期限子段后，我们将其作为解释变量带入到带约束的线性回归模型中，约束条件：
债券基金业绩归因最终的目的是将收益中的被动获取的市场收益和基金经理主动管理的收益分离，观察其主动管理所贡献的贡献，以体现基金经理的管理能力。
主动管理策略=票息策略+骑乘策略+券种轮动策略+波段策略+杠杆策略+其他非债券策略
由于非债券类资产占比较小，我们假设资金不进行投资其他非债券类资产，只投资于债券类资产。久期我们这里用的是含杠杆的加权久期，所以波段和杠杆都是择时策略的一种。主动管理收益分解如下：
主动管理收益=票息收益+骑乘收益+券种轮动收益+择时收益
债券基金是由基金经理管理，其根据宏观经济、货币政策、债市供需关系和资金面等信息会制定不同的策略创造收益。根据收益相似性原则，主动管理收益按照投资策略划分为择券配置收益，择时波段收益和券种轮动收益。
择券配置收益：由于债券基金的债券投资比例不低于80%的限制，在同类型债券基金中，基金经理在购买债券前，倾向选择更高票息的债券持有，提升基金收益或降低回撤风险，最终体现为票息收益的贡献。在相同市场环境下，投资基金经理会采取骑乘策略，即在收益率曲线上寻找更为陡峭的点位进行仓位布局，提升基金收益，最终体现为骑乘收益的贡献。
券种轮动收益：在宏观经济和政策轮动的周期，利率债市场、信用债市场和可转债市场往往具有不同的表现，基金经理往往根据过往经验对当下环境的认知，在不同市场中配置不同比例的资产，以提升收益或降低风险，最终体现为利率债轮动收益、信用债轮动收益和可转债轮动收益贡献。
择时收益：择时收益是根据公开披露的信息无法解释的收益来源，根据我们的业绩分解方法，这部分收益包含基金经理根据债券市场趋势判断对基金久期、杠杆和同券种间不同个券调整的收益，以及小部分非债券资产带来的收益贡献。
将分解后的策略收益率结合之前的券种投资收益，我们将基金总收益最终拆解为：
图8：券种配置法业绩归因
资料来源：利得基金
市场收益：假设基金经理维持期初仓位不变的情况下持有至期末所获得的资本利得收益，根据持仓券种，又可分为利率波动收益、信用波动收益和可转债波动收益。
骑乘收益：假设收益率曲线形态不发生变化，各券种利率跟随时间下移沿着收益率曲线移动所获得的资本利得收益。
图9：各收益来源计算方法
资料来源：利得基金
基于券种配置法的业绩归因，我们得到了债券基金的收益来源，我们将不同收益整合，对所体现出的基金经理管理能力进行评价：
择券配置能力：将票息收益与骑乘收益汇总，收益率越高代表择券配置能力越突出。
券种轮动能力：将利率债轮动收益、信用债轮动收益和可转债轮动收益汇总，收益率越高代表券种轮动能力越强。
择时能力：即剩余的收益来源，收益率越高代表择时能力越强。
综合主动管理能力：基金收益中剔除市场收益后剩余的部分，收益率越高代表基金经理综合管理能力越强。
在对基金进行业绩归因时，债基成立未满6个月仍在建仓期间，非债券资产收益过高会影响择时能力的评价，所以我们只对建仓期满6个月的债基进行业绩归因。
基于季报维度的基金收益分解，在对基金经理能力评价时，由于季度维度时间太短，无法剔除运气成分，我们对1年共4个季度的各收益来源复利计算，得到基金经理近1年的业绩归因结果：
图10：债券基金业绩归因结果节选
资料来源：Wind、利得基金，数据截至2023年09月30日
从业绩归因结果中我们发现，所有债基近1年平均收益率为2.0%，近1年的主动管理收益，平均收益率2.57%，说明基金经理通过主动管理能创造出超额收益。主动管理收益中，近1年择券配置收益为2.38%，其中票息收益2.15%，骑乘收益0.23%；择时收益为0.19%；而券种轮动能力由于债券持仓比例不低于80%的约束，调整幅度较小，收益贡献也较低。说明基金经理主要通过择券配置策略获取收益，骑乘策略和波段交易策略在投资中贡献度虽较低，但也是重要的超额收益来源。
在券种配置法业绩归因模型下，我们得到了所有债券基金的近1年业绩归因情况，通过横截面分析，可以了解到基金经理不同管理能力的强弱。在实际的投资过程中，通常认为管理能力强的基金经理能够持续创造超额收益，所以我们希望通过基金经理能力强弱的判断，对债券基金进行优选，并构建能带来稳定可持续收益的投资组合。
在通过管理能力优选债基组合前，我们需要对管理能力是否对业绩的预测性进行分析。我们收益来源是基于总收益而得，所以首先对业绩因子的表现进行分析，排除业绩动量效应的干扰，再对综合主动管理能力、择券配置能力和择时能力进行IC值法检验，观察其相对于业绩因子的收益性、稳定性和一致性的改善程度，从而判断管理能力优选债基的有效性。
我们选择短期纯债基、中长期纯债基和混合型一级债基作为样本池，以 2019Q3至2023Q3为测试区间，获取该阶段每一季度的所有债基的近1年收益率和下一季度收益率数据，共16期。
通常我们认为表现优异的基金与优秀的基金管理人高度相关，所以在对每期基金近1年业绩归因评价时，剔除未满1年管理经验的基金经理和对应的基金，对剩余的基金进行业绩分解和优选分析。其次为避免异常波动类基金对有效性分析的影响，一年中任意一个季度中，收益率偏离均值3倍标准差以上的债基均剔除处理。
分析的方法本文采用RankIC值检验，并分别用RankIC平均值、ICIR值和RankIC值正的概率指标，对业绩因子进行有效性评价，判断其收益性、稳定性和一致性的情况。
RankIC为T期因子排序值与T+1期基金季度业绩排序值的秩相关系数：
若RankIC值为正，说明因子对于未来业绩有较好的预测性，值越高代表当期因子值选出的基金未来业绩表现更靠前。
收益性检验：求16期的RankIC均值，若数值越高，说明因子长期有效，即因子值排名越靠前的基金下一季度收益表现更靠前。
稳定性检验：ICIR值为RankIC值序列均值与标准差之比，ICIR值越大说明通过该因子排序值筛选出的基金未来一个季度业绩表现好的稳定性越高。
一致性检验：RankIC值胜率为正的RankIC值与总RankIC值数量之比，值越高说明通过筛选因子排序值靠前的基金胜率更大，持有体验越好。
资料来源：Wind、利得基金，数据截至2023年09月30日
从业绩因子IC值表现上看，IC值均值为0.17，债券基金业绩因子对于未来业绩有较高的预测性，且IC累计值不断攀升证明该方法持续有效，IC值正的概率达67%，反映过去1年业绩表现好的债基，有67%的概率下一年表现排名靠前，说明通过业绩因子筛选基金具有有效性。所以在基金业绩分解后的主动管理能力进行有效性分析时，需与业绩因子有效性进行对比验证。
我们分别选择基金的近1年的综合主动管理能力、择券配置能力和择时能力作为因子，与基金下一季度收益情况进行IC值法的收益性、稳定性和一致性检验。结果如下：
资料来源：Wind、利得基金，数据截至2023年09月30日
从收益性上看，主动管理能力因子与择券配置能力因子IC均值分别为0.20和0.19，高于业绩因子的0.17，说明通过业绩归因后的主动管理能力和择券配置能力优选出的基金，能进一步提升在业绩因子下选出基金的下一季度收益。
从稳定性上，主动管理能力和择券配置能力因子ICIR值分别为0.71和0.84，远高于业绩因子的0.47，说明通过主动管理能力因子和择券配置能力因子选出的基金下一季度业绩排名靠前的稳定性更强。
从一致性上，主动管理能力和择券配置能力因子IC值为正的胜率高达83%，高于业绩因子的0.67，说明通过主动管理能力因子和择券配置能力因子选出的基金，有较高的概率业绩表现更强，各行情下该因子选基的有效性较高。
资料来源：Wind、利得基金，数据截至2023年09月30日
从自2019Q3至2023Q2的IC累计值走势上看出，将债券基金季度业绩按照券种配置法的业绩分解后，通过近1年的主动管理能力或择券配置能力能选出的基金不仅业绩优异且能跑赢近1年业绩因子所优选出的基金；二者的IC值累计曲线不断向上，说明该方法目前仍然有效，也说明从任意季度时点进行业绩归因后，通过综合主动管理能力或择券配置能力选出的基金极大概率在下一季度收益表现靠前，持有体验较好。
综上，通过上述分析，我们发现综合主动管理能力和择券能力高的基金经理未来业绩优异的概率更大，投资体验感更好，所以在进行债基优选时，我们倾向选择在基金进行近1年业绩分解后，二者所对应收益较高的债券基金构建组合。
在实际债基投资过程中，通常会剔除非定开债基，或针对某一类别的基金进行优选，我们在仅保留初始基金、非定开基金和无持有期的基金基础上，根据季报的持仓特征，将样本池分为短期纯债基、信用债基和利率债基进行主动管理能力的有效性分析。
资料来源：Wind、利得基金，数据截至2023年09月30日
短期纯债基：具有业绩动量效应，主动管理能力和择券配置能力选基能提升收益性和稳定性，说明短期债基基金经理中择券能力强的未来业绩表现更好。
利率债基：具有业绩动量效应，主动管理能力和择时能力选基有较高的收益性和胜率，说明利率债基基金经理中择时能力强的未来业绩表现更好。
信用债基：具有业绩动量效应，主动管理能力选基有较高的收益性、稳定性以及胜率，说明信用债基基金经理中综合主动管理能力比较强的未来业绩表现更好。
综上，在将债券基金分类后，主动管理能力指标的选基效果进一步提升，但不同类别的债基所适用的管理能力指标并不相同，所以在实际投资时需明确投资目的和方向，再根据适合的主动管理能力指标优选债基。
风险提示
投资有风险。基金的过往业绩并不预示其未来表现。基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证。相关数据仅供参考，不构成投资建议。投资人请详阅基金合同等法律文件，了解产品风险收益特征，根据自身资产状况、风险承受能力审慎决策，独立承担投资风险。
重要声明
阁下/贵方接受、阅读或使用本文件即表明阁下/贵方已事先及无条件接受以下“重要声明”所载之条款和条件：
本文件系为利得基金备制，本文件中的信息仅作参考之用，不构成任何具有法律约束力之产品投资要约或要约邀请，并且不可用于对投资的评估。
本文件所载信息仅为初步提示，利得基金从未表述或保证本文件中的信息的完整性和准确性，接受或使用者亦不得对其完整性和准确性提出要求。即使本文件所有信息系已尽最大的谨慎提供、选择和校验，利得基金对于信息的完整性以及内容的正确性亦不承担任何责任。
本资料仅为宣传用品，本机构及工作人员不存在直接或间接主动推介相关产品的行为，不构成投资建议。
保密条款
本文件中的信息均为保密信息，未经利得基金书面事先同意，不得为任何其它目的，整体或部分地使用、复制或传播本文本中所含信息。
未经事先书面许可，本文件不可被复制或分发，本文件内容亦不可向任何第三者披露，仅供特定范围内的资深专业投资人士使用，不得用作它途。一旦接收或阅读本文件，阁下/贵方应被视为已经接受此项保密条款。
资料来源：利得基金
资料来源：利得基金 
资料来源：Wind、利得基金，数据截至2023年09月30日
