报告概述
本报告聚焦于公募固收+产品的优选问题，在固收+市场持续扩容、产品业绩分化加剧的背景下，从业绩表现和配置能力两个维度构建选基策略。报告将固收+产品按权益仓位分为保守型、稳健型、激进型三类，分别设计因子体系。业绩维度侧重历史收益率、夏普比率、Calmar比率等指标，配置维度则基于Kalman滤波估测的日频仓位，构建Brinson选择效应、SBS、FRG等因子。通过等权合成综合因子，每月筛选各类型排名前10的基金，并采用线性加权整合双维度，形成攻守兼顾的优选组合。报告为投资者提供了系统化的固收+选基方法论和实证结果。
报告的核心结论
业绩维度选基策略侧重防御，风险控制更精细。
业绩维度综合因子以收益率、夏普比率、Calmar比率等指标为基础，对保守型和稳健型产品的择优效果显著，优选组合在全样本区间内夏普比率和Calmar比率均优于等权组合，且波动和回撤更低，适合风险偏好较低的投资者。
配置维度选基策略进攻性强，收益弹性更高。
基于Brinson选择效应、SBS、FRG等配置能力因子的选基策略，优选组合年化收益率普遍高于等权组合，但波动和回撤也更大，体现出更强的进攻性，适合追求更高收益且能承受一定波动的投资者。
双维度结合优于单一维度，攻守兼顾效果突出。
通过线性加权整合业绩与配置维度（建议业绩权重80%），双维度策略在年化收益率、夏普比率、Calmar比率上均优于等权组合，且在样本外区间表现稳定，实现了收益与风险的较好平衡。
短期收益率因子对保守型有效，长期因子对稳健型和激进型更适用。
对于保守型产品，20日历史收益率RankIC均值达14.43%，选基效果最佳；而稳健型和激进型产品中，240日历史收益率表现更优，RankIC均值分别为9.55%和8.46%，表明不同类别产品适用的业绩回看窗口存在差异。
报告回答的关键问题
固收+产品如何分类？
报告以近8个季度平均权益仓位（股票仓位+转债仓位/2）为分类标准，将固收+产品分为保守型（仓位<10%）、稳健型（10%-20%）、激进型（>20%）。同类产品资配结构相近，但业绩分化明显，分类有助于更精确地评估基金经理能力。
如何通过业绩指标筛选固收+基金？
报告筛选了历史收益率、正收益天数占比、Calmar比率、索提诺比率等指标，根据RankIC、IC-IR和分层测试结果确定参数。例如保守型采用20日短期指标，稳健型和激进型采用240日长期指标。因子等权合成为综合因子，每月选取前10只基金构建优选组合。
配置能力指标如何帮助选基？
配置能力指标基于Kalman滤波估测的日频仓位，包括Brinson选择效应、SBS（静态配置能力）、FDBR（动态追涨能力）等。这些因子从持仓结构角度衡量基金经理的择时与选股能力，与业绩因子互补。例如Brinson选择效应因子对三类产品均有择优效果。
双维度选基策略效果如何？
以业绩权重80%、配置权重20%的双维度策略为例，全样本区间内保守型、稳健型、激进型优选组合年化收益率分别为6.43%、7.39%、9.81%，Calmar比率分别为1.38、0.80、0.75，均优于等权组合。今年以来（截至2026年6月18日）激进型优选组合收益率达17.41%，超额收益12.79%。
报告中的代表性数据
固收+市场总规模
2026年1季度，截至2026年Q1，公募固收+产品总规模创历史新高，基于基金季报披露数据。
保守型双维度优选组合全样本年化收益率
2010-12-31至2026-06-18，以业绩权重80%、配置权重20%的双维度策略在保守型固收+产品上的年化收益率，夏普比率3.16，Calmar比率1.38。
激进型双维度优选组合今年以来收益率
2025-12-31至2026-06-18，激进型双维度优选组合今年以来收益率17.41%，同期等权组合仅4.10%，超额收益12.79%。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 固收+产品分类标准及市场扩容背景分析，包含10年期国债利率走势图和各类型产品规模变化图。
- 业绩维度选基因子的完整筛选流程，包括历史收益率、夏普比率、Calmar比率等指标在样本内外的RankIC、分层测试结果及参数敏感性分析。
- 配置维度选基策略的构建细节，包括Kalman滤波、OLS回归、LASSO回归三种仓位估测方法的对比，以及Brinson、SBS、FDBR、FRG等因子的计算原理与实证表现。
- 双维度选基策略在不同权重（α=0%~100%）下的收益-风险特征全面对比，帮助投资者根据自身需求灵活选择。
- 各类型固收+产品在业绩维度、配置维度及双维度下的月度优选基金列表（最新一期为2026年6月），包含基金代码、名称、分类及近期业绩表现。
- 全样本区间（2010-2026）的净值曲线图，展示优选组合与等权组合的净值走势及超额收益。
- Kalman滤波原理的数学推导与参数设定说明，以及为何该方法在仓位变动趋势准确率上优于传统回归。
- 风险提示：历史结果不能简单预测未来，模型存在失效风险，报告中基金产品不构成投资建议。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
