3. 风格分类体系

在资管产品风格漂移与持仓稳定性分析中,第一步永远不是看净值曲线,而是先回答一个更基础的问题:这只产品“应该”属于什么风格,实际又落在什么风格?没有统一的风格分类体系,后续的漂移判定、持仓稳定性度量都会失去参照系。本节系统梳理三类主流风格划分方法——晨星风格箱、罗素风格分类、Fama-French因子模型,并说明它们各自适合回答什么问题、在实战中如何取舍。

一、核心原理:三种体系回答的是不同层次的问题

风格分类的本质,是把高维的持仓或收益特征压缩到少数几个可解释的维度上。三类主流方法分别从持仓属性、市值规模、收益归因三个角度切入:

  • 晨星风格箱(Morningstar Style Box):以持仓的市值(大/中/小)与估值(价值/平衡/成长)两个维度构建 3×3 九宫格,属于“持仓穿透型”分类,回答“这只基金现在拿的是什么”。
  • 罗素风格分类(Russell Style Classification):以市值与账面市值比(B/P)为主轴,强调指数化、可复制的风格边界,回答“这只产品对标哪条风格基准”。
  • Fama-French 因子模型:以市场、规模(SMB)、价值(HML)等因子暴露刻画收益来源,属于“收益归因型”分类,回答“这只产品的收益到底由什么风格驱动”。
记忆口诀:晨星看“拿了什么”,罗素看“对标什么”,Fama-French 看“赚的是什么钱”。三者不是替代关系,而是互补关系。

二、方法流程:从持仓到风格标签的落地步骤

无论采用哪种体系,实战落地通常遵循以下流程:

  1. 数据准备:获取持仓明细(股票代码、权重、行业)、市值数据、估值指标(PE/PB/PS)或因子暴露数据。
  2. 指标计算:按体系要求计算市值分位、估值分位或因子暴露值。
  3. 风格映射:将指标映射到风格箱、风格指数或因子得分。
  4. 时间序列跟踪:按季/半年滚动计算,形成风格迁移轨迹。
  5. 漂移判定:与合同基准或历史中枢比较,识别异常迁移。

以晨星风格箱为例,其核心计算逻辑可简化为:

# 晨星风格箱简化计算逻辑(伪代码)
market_cap_score = percentile_rank(stock.market_cap, universe)
value_score      = zscore(stock.PB, stock.PE, stock.PS, stock.dividend_yield)

# 市值维度:大/中/小
size_bucket = "Large"  if market_cap_score > 0.7 else \
              "Mid"    if market_cap_score > 0.3 else "Small"

# 估值维度:价值/平衡/成长
style_bucket = "Value" if value_score > 0.5 else \
               "Core"  if value_score > -0.5 else "Growth"

style_box = (size_bucket, style_bucket)  # 九宫格定位

Fama-French 三因子回归则更关注收益端:

R_p - R_f = α + β_mkt·(R_m - R_f) + β_smb·SMB + β_hml·HML + ε

# β_smb > 0 且显著 → 小盘暴露
# β_hml > 0 且显著 → 价值暴露
# α 显著为正 → 存在风格之外的超额收益

三、案例/场景:同一只基金,三种体系给出不同画像

假设某主动权益基金近四个季度持仓显示:市值中枢持续下移,PB 分位从 0.6 降至 0.3,同时回归结果显示 β_smb 由 0.1 升至 0.5,β_hml 由 -0.2 升至 0.4。三种体系的解读如下:

体系 观察结果 风格画像 适用判断
晨星风格箱 由“大盘平衡”迁移至“中盘价值” 持仓端已明显下沉、偏价值 适合识别持仓漂移
罗素风格分类 由 Russell 1000 边界滑向 Russell 2000 价值 基准对标发生实质变化 适合评估基准偏离
Fama-French β_smb、β_hml 同步上升且显著 收益来源转向小盘价值 适合归因与风险拆解

三种体系结论一致,但证据链不同:晨星证明“持仓变了”,罗素证明“基准不再匹配”,Fama-French 证明“收益驱动变了”。在风格漂移报告中,三者同时呈现,说服力最强。

三种风格分类体系:输入维度与输出画像 晨星风格箱 输入:市值 + 估值 (PE / PB / PS) 大 中 小 价值 平衡 成长 输出:九宫格定位 罗素风格分类 输入:市值 + B/P (账面市值比) 大盘成长 大盘价值 小盘成长/价值 输出:风格指数对标 Fama-French 输入:收益序列 因子回归暴露 MKT SMB HML α 输出:因子暴露画像

四、误区与复盘:风格分类最容易踩的四个坑

误区一:把风格箱当成绝对真理。晨星风格箱依赖持仓披露频率,季报之间可能已发生漂移,且不同数据商对“成长/价值”的阈值定义不同,跨平台比较需谨慎。

误区二:用单一体系下结论。只看晨星九宫格,可能漏掉收益端的风格暴露;只看 Fama-French,又无法解释持仓为何漂移。建议“持仓 + 收益”双轨验证。

误区三:忽略因子共线性。规模因子与价值因子在特定市场环境下高度相关,β_smb 与 β_hml 同时上升未必是两个独立信号,需做相关性检验。

误区四:把风格漂移等同于负面。策略迭代、市场环境变化都可能带来合理漂移,关键是判断漂移是否偏离合同约定、是否持续单向、是否伴随超额收益衰减。

复盘建议:建立“风格分类三角验证表”,每季度同时记录晨星定位、罗素对标、Fama-French 因子暴露三项结果。当三者出现方向性分歧时,优先排查数据口径(如市值分位阈值、B/P 计算方式)是否一致,再判断是否构成真实漂移。只有把分类体系用对、用全,后续的持仓稳定性指标才有可靠的比较基准。