偏股型FOF 是进行大规模权益资产管理的重要工具，而如何稳健的超越偏股基金指数是一项困难且重要的课题。要获得高预期的超额收益一般需要深入做基本面研究，而基金经理是基金最重要的基本面。我们采用基金经理画像模型将基金经理的投资能力解构为绩效管理、组合管理、投资经验三个可以量化的基本面，从多个维度展示所有的基金经理各方面的表现。我们认为所有的基金经理都各具特色，通过组合的方式合理的配置基金经理的各方面能力可以满足一定的投资目标，并能大大提高管理规模上限。实证表明基金经理画像因子具备稳健的超额收益绩效，在不同的规模和参数调整下都具备优良表现。通过一定的组合优化模型，可以有效提高FOF 持有体验。

    　　基金经理画像是基金研究和筛选的重要参考指标通过基金经理来研究基金是最有效的途径，因为决定投资基金的主要因素是背后的基金经理，另外基金本身可能存在历史数据不足等因素，但基金经理的历史数据更为充分。截止到2023 年4 月30 日，成立日期不足1 年的偏股型基金其基金经理管理年限90%超过1 年，超过85%的没有完整公布股票持仓的基金其基金经理具备相对完整的历史股票持仓。

    　　我们提出以基金经理画像为核心因子的偏股型FOF 投资框架我们将基金经理画像作为反映基金基本面的核心因子，通过加权打分的方式筛选未来收益排行靠前的基金，构建以稳定超越中证偏股基金指数年化5%为目标的偏股FOF 策略。为了便于深入的数据分析和对比，我们设定筛选前50 只基金和前100 只基金两个策略版本。为降低跟踪误差和超额收益的回撤，我们构建了风险约束优化模型来确定组合权重，并为此研发出改进版的优化求解算法。

    　　基金经理画像因子具备非常稳健的alpha 并且对参数不敏感基金经理画像指标具备较高的预测性，而且经过合成后的基金经理绩效管理、组合管理和投资经验三个维度因子具有稳健的alpha，在不同的参数上都表现较好。合成的偏股基金综合得分在扩大筛选范围和规模要求下，年初收益下降并不明显，当设定超越基准5%的投资目标时，经测算其理论上管理规模上限为500亿左右。按照前40%的因子筛选标准，可以配置的基金池上限为1.15 万亿左右，总数量达900 多只，可以满足500 亿左右的资金配置需求。

    　　通过改进版的优化模型进行组合优化可以有效提高组合持有体验我们通过对比无风险约束和有风险约束条件下的绩效差异，发现没有做任何风险约束下，会出现较大的跟踪误差和超额回撤。我们构建的非线性的优化函数并且采用天牛须搜索的改进粒子群优化算法来求解，实证表明采用一定的优化模型可以很好的降低跟踪误差和超额收益回撤。无论用什么优化模型，都无法完全规避掉跟踪误差并且可能会出现过拟合问题，即使在严格约束下，超额收益也未必理想。允许适度的风格偏离下组合的超额收益能会更好，我们建议组合权重优化不用过于严格，也不用追求算法的全局最优解，只要alpha 因子本身做的好，适当用一下优化模型约束一定的风格偏离即可。

    　　风险提示

    　　本报告对于基金经理等的研究分析均基于历史公开信息，可能受样本的主观选取、样本数据量不足等产生一定的分析偏差；本报告构建的模型可能存在考虑不周全、结果存在过拟合等问题，模型提出的思想仅供参考，不构成投资建议；此外，基金管理人的历史业绩或某个别产品业绩与表现不代表全部及未来；本报告不涉及证券投资基金评价业务，不涉及对基金产品的推荐。