华泰金工 | “业绩-配置”双维度固收+选基策略

来源：市场资讯

（来源：华泰证券金融工程）

核心观点

公募固收+持续扩容背景下，如何挑选产品或为市场关注焦点

2025年以来，在股市走强、债市进入低利率时代而收益受限、居民“存款搬家”等多因素催化下，我国固收+产品进入了新一轮的快速扩容阶段，截至2026年1季度，整体市场总规模已达3.28万亿元，创下历史新高。我们从权益仓位出发，将固收+产品划分为保守型、稳健型、激进型三大类，同类产品虽然资配结构相近，但今年以来的业绩表现分化程度依然较大，如何优选产品或成为市场关注焦点。对此，本报告构建了基于业绩表现和配置能力双维度的固收+选基策略，每月针对上述三种类型的固收+基金，挑选历史收益较强、风险控制相对稳健、有一定的仓位管理能力的产品。全样本区间中（2010-12-31~2026-06-18），双维度选基策略构建的保守型、稳健型、激进型优选组合的收益表现均优于同期各类型的等权组合。

业绩为盾：基于业绩表现维度的选基因子体系和策略构建

业绩指标是基金评价体系的基石，各类业绩指标相辅相成，或能帮助投资者更好地识别出实战经验丰富、历史投资水平较高的基金管理人。对于固收+产品，我们主要对与收益能力、风控能力相关的业绩指标进行筛选。入选因子中，历史收益率、夏普比率、索提诺比率等指标对三种类型的固收+产品均有较强的择优能力。在每种类型内部，我们将其业绩维度的选基因子等权合并，得到业绩维度综合因子，并构建业绩维度选基策略。全样本区间内，该策略筛选的保守型优选组合夏普比率达3.20，稳健型优选组合夏普比率达2.01，激进型优选组合夏普比率达1.42，均优于等权组合。业绩维度选基策略对风险的控制可能相对精细，在选基思想上更侧重防御。

配置为矛：基于配置能力维度的选基因子体系和策略构建

如果说业绩指标是基金经理投资能力结出的“果”，那么围绕基金经理持仓结构和仓位变化所构建的配置能力评价指标，或可帮助投资者洞察“果”背后的“因”。考虑到基金仅在季报中披露资产仓位，数据频次较低且有滞后性，因此，我们基于Kalman滤波等方法，对基金日频的大类资产仓位数据进行估测，然后利用估测的仓位，构建和筛选配置能力评价指标。结果显示， Brinson选择效应等因子对保守、稳健、激进三种类型的固收+产品的择优效果尚可，但稍弱于业绩维度的选基因子，且部分配置维度因子在2022年后的分层稳健性有所下降。与业绩维度选基策略的构建流程一致，我们构建的配置维度选基策略，优选组合在全样本区间内的收益表现也强于等权组合，但波动和回撤也更大，组合净值弹性更高，进攻性较强。

攻守兼顾：基于业绩表现与配置能力的双维度选基策略构建

业绩维度和配置维度的选基策略或具有“攻守互补”的特征，我们采用线性加权的方法，构建“业绩-配置”双维度选基策略。从加权系数来看，随着业绩维度权重比例升高，所有类型固收+产品的策略优选组合夏普比率均单调上升，但收益率和Calmar比则未有明显的单调性，整体而言，双维度相结合的选基策略综合表现，优于单一维度的选基策略。我们以业绩维度权重比例占80%、配置维度占20%为例，以此构建的双维度选基策略，在全样本上，保守/稳健/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，均优于同期等权组合。

正文

低利率环境下固收+持续扩容，如何挑选产品或为市场关注焦点

2025年以来，我国固收+产品进入了新一轮的快速扩容阶段，参考前期报告《国内固收+产品的分类、特征和展望》（2025-11-04）中我们对固收+产品的筛选方法，根据2026Q1基金季报披露的数据，我国固收+市场总规模已达3.28万亿元，创下历史新高。与前一轮固收+市场的扩容阶段（2019年~2021年）相比，本轮扩容阶段或受到以下因素催化：

• 自2024年下半年以来，股票权益市场表现较强，收益性价比高于债券，且市场主线较为清晰，2025年由周期资源品行情主导，2026年则进入了科技板块的强势期，受此影响部分权益仓位较高、押注资源品或科技赛道的固收+产品份额和规模增长迅速；

• 随着我国10年期国债利率进入2%以下的“低利率时代”，纯债产品的收益受限，同时叠加资管新规落地、保本理财退出、居民大额存款到期等因素，固收+产品或成为了中低风险投资的重要工具，较好地承接了居民理财资配、“存款搬家”的需求。

前期报告《多维度解码固收+产品发展趋势》（2026-02-09）中，我们基于公募固收+近8个季度的权益仓位（股票仓位+转债仓位/2）平均值，以10%和20%为分界线，将固收+产品划分为保守型（权益仓位小于10%）、稳健型（权益仓位大于10%且小于20%）、激进型（权益仓位大于20%）三大类，这种划分方式可帮助我们更好地识别产品底层资产特征，捕捉产品风险的来源，同时更重要的，同类型产品因为资配特征更为接近，可比性相对更强。下列图表展现了各类型产品今年以来的业绩表现分布特征，结果显示，同类型产品虽然股债仓位比例相近，但今年以来业绩表现也有一定的分化，且分化程度随着产品权益仓位的提升而上升，如保守型产品今年以来收益率最小值和最大值相差9.20%，而稳健型和激进型的差值在60%左右。

综合而言，在公募固收+持续扩容的背景下，产品间的分化可能也在加剧，如何优选固收+产品或成为市场投资者的关注焦点。本篇报告中，我们将围绕业绩表现和配置能力两大维度，沿用前期报告的分类结果，分别针对保守型、稳健型、激进型产品构建选基策略，以供投资者参考。为便于投资者更好地理解相关策略的思路，我们将策略构建中所涉及到的通用设定列举如下，以供参考，后文则不再赘述：

• 样本挑选上，我们的固收+样本池包含混合债券一级基金、混合债券二级基金、偏债混合型基金、滚动8个季度权益仓位平均值小于40%的灵活配置型基金，每次构建策略优选组合时，剔除持有型和定开型产品，剔除成立运行不满半年的产品。按此标准，最新一期（2026-05-31）的入选样本里，共有1197只产品，其中保守型产品243只，稳健型产品564只，激进型产品390只；

• 选基因子及相关策略的业绩表现统计区间为2010-12-31~2026-06-18，其中选基因子筛选流程均在2010-12-31~2022-12-31时间段中完成（后文称为样本内区间），2022-12-31~2026-06-18时间段为选基因子及相关策略的样本外区间；

• 所有策略均为月度调仓，在每月最后一个交易日建立信号，在下个月月初第一个交易日完成调仓，在月初第二个交易日开始计算调仓后新组合的收益率。

业绩为盾：基于业绩表现维度的选基因子体系和策略构建

在基金评价体系中，收益率、夏普比率等业绩指标因其直观易得等特点，往往是多数投资者衡量基金表现的首要参考依据。事实上，与股票、商品等投资品不同，投资基金，尤其是投资主动管理型基金，其内在核心是筛选出具有较强投资能力的基金管理人，而历史业绩指标往往最能直接反映过往一段时间内基金管理人的投资水平，例如，收益率类指标直观展现了过去基金为基民们创造了多少收益，风险类指标（如年化波动率、最大回撤）则在一定程度上揭示了基民持有基金期间需要耐受的波动风险。可以说，业绩指标是基金评价体系的基石，各类业绩指标相辅相成，或能帮助投资者更好地识别出具备持续盈利能力和风控能力的基金管理人。

考虑到固收+基金具有“固收打底、权益增强”的属性，往往需要同时兼顾收益和波动控制，因此，在本章节中，我们主要对收益获取、风险控制两大方面的业绩指标进行筛选，构建基于业绩表现维度的选基因子体系。

业绩维度选基因子筛选：以历史收益率为例

下列图表展现了我们筛选业绩维度选基因子的基本流程：对于每个业绩指标，我们在2010-12-31~2022-12-31的区间内，遍历该指标的外生参数（如回看窗口期等），计算该指标在各类固收+产品中的未来收益相关性、分层稳定性、参数敏感性等与选基有效性相关的特征，每种特征下均有对应的筛选条件，我们将满足筛选条件的业绩指标纳入到对应类型的产品选基因子体系中。值得一提的是，在实际测试时，稳健型和激进型产品的各项特征相对低于保守型产品，因此我们适当放宽了这两类产品的筛选条件。考虑到业绩指标种类繁多，在本小节中，我们以历史收益率为例，具象化展现上述筛选流程。

历史收益率指标的量化定义，为过去K个交易日基金复权净值的涨跌幅，其中K是外生参数回看窗口期。下列图表展现了样本内区间中，当K的取值范围为20日~240日（以20日为间隔步长）时，历史收益率指标在各类型产品中的特征结果。可以看到：

• 三类固收+产品中，历史收益率指标的各项特征对于参数K均相对不敏感，不论是短窗口还是长窗口，其RankIC均值均为正，分层组合中，第一层相对第五层，在年化收益、夏普比率、Calmar比率等指标上均有正超额；

• 对于保守型产品，当K取20日时，历史收益率的RankIC均值和第一层相对第五层的超额收益最高。而对于稳健型和激进型产品，当K取240日时，历史收益率的RankIC均值和分层测试效果达到最优。该结果或表明，短期收益率或更适合作为保守型产品的选基因子，而长期收益率对于挑选稳健型或激进型产品更加适用。

综合RankIC值、IC-IR和第一层相对第五层超额收益的结果，我们将20日历史收益率纳入到保守型产品的选基因子体系中，将240日历史收益率纳入到稳健型产品和激进型产品的选基因子体系中。下列图表展现了上述因子在回测样本外区间内的RankIC均值和分层测试的表现，可以发现，三个因子的选基有效性依然较强，分层测试中，第一层组合的年化收益率、夏普比率和Calmar比率均优于第五层。

业绩维度选基策略构建

下列图表展现了通过指标筛选的各类型固收+产品业绩端选基因子，结果显示：

• 对于保守型产品，入选的业绩端因子共有7个，在因子参数选取上均以短窗口为主，如20日历史收益率，20日正收益天数占比、20日Calmar比率等。7个因子中，多数因子的表现在样本内区间和样本外区间相近，仅有10日夏普比率和10日索提诺比率两个因子，样本外区间中的RankIC均值和IC-IR相比样本内区间有所衰减；

• 对于稳健型产品，入选的业绩端因子共有6个，从因子类别看，相比保守型产品少了连跌天数因子。与保守型产品类似，除10日夏普比率和10日索提诺比率外，其它因子在样本外区间中的表现和样本内区间相近，其中20日正收益天数占比、6个月月度胜率因子在样本外区间内的表现更优；

• 对于激进型产品，入选的业绩端因子共有4个，相比稳健型产品少了Calmar比率和月度胜率两类因子。与保守型产品和稳健型产品不同，激进型产品的4个业绩选基因子，在样本外区间上的RankIC均值和IC-IR均更低，选基有效性有一定的衰减。

获得选基因子后，我们开始构建业绩维度选基策略：对于每种类型的固收+产品，我们先将其入选的业绩维度选基因子转换为排序分位数（即在每个时点上，按同类型基金的选基因子从小到大升序排序，选基因子越大，其排序分位数越大）；然后，我们将每个基金的所有业绩维度选基因子的排序分位数等权汇总，得到业绩维度综合因子；每个调仓日，我们在每种类型的产品里，挑选出业绩维度综合因子最高的前10只产品，作为该类型固收+产品的策略优选组合。

下列图表展现了保守、稳健、激进三类固收+产品中，业绩维度选基策略优选组合与同类型产品等权组合的业绩对比。结果显示：

• 对于保守型产品，优选组合在所有统计的时间区间中，年化收益、夏普比率、Calmar比率均优于等权组合，且样本区间内的最大回撤也低于等权组合。整体而言，业绩维度的选基因子对于权益仓位较低的保守型产品，有相对良好的择优效应。

• 对于稳健型产品，策略优选组合在所有统计的时间区间中，各项收益-风险特征均优于等权组合。全样本区间上，稳健型产品优选组合的年化收益率可达7.21%，夏普比率超过2，Calmar比率超过1，相对而言，等权组合年化收益率仅有5.33%，夏普比率不足1.5，Calmar比率仅有0.71。与保守型产品一样，业绩维度的选基因子对于稳健型产品，也有不错的择优效果。

• 对于激进型产品，策略组合在多数时间内年化收益率、夏普比率和Calmar比率优于等权组合，但在样本内区间内的最大回撤较高，导致Calmar比率低于等权组合。整体而言，激进型产品优选组合呈现出高收益-高波动-高回撤特征，在全样本区间上与等权组合的Calmar比率相差不大，业绩选基因子对激进型产品的择优效果稍弱于保守型和稳健型产品。

下列图表展现了基于业绩维度综合因子，优选出的各类型最新一期（2026年6月）的10只固收+产品，以供投资者参考。从结果上看，6月以来多数优选产品收益较为可观，尤其是稳健型和激进型产品，其中激进型固收+优选产品财通收益增强债券A在6月上涨了7.95%，在混合债券二级基金中排名第一。

配置为矛：基于配置能力维度的选基因子体系和策略构建

工欲善其事，必先利其器：日频估测固收+产品大类资产仓位

正如上一章节开篇所述，与股票、期货等投资品不同，基金的业绩与其管理人息息相关，它的表现不但取决于基础资产的均值-方差结构，还取决于基金管理人的投资能力，而历史业绩指标为我们感知基金管理人投资水平提供一个直观视角。不过，多数业绩指标一般只能反映基金管理人投资水平带来的最终成果，而较难反映投资成果背后基金管理人的管理能力、配置思路等情况。

事实上，目前市场上不乏分析基金管理人配置能力的指标或模型，如Brinson模型，可将基金相对基准的超额收益拆分为大类资产间的配置效应和大类资产内部的选择效应；华泰金工组在过往报告《固收+基金资产配置能力分析与筛选》（2022-10-03）中整理的SBS-DBR模型，可拆分基金管理人在资产上的静态与动态配置能力，帮助刻画基金的左侧布局和右侧追踪能力。不过，上述分析方法往往需要基金的持仓数据披露，而基金相关数据的披露频次较低，且存在延迟，以大类资产仓位为例，该数据仅在季报中会有相对详细的披露，且披露数据往往会有1个月左右的延迟。为解决上述问题，在本章节的开篇部分，我们将通过回归等方法，估测固收+基金大类资产仓位分布和变化，为后续筛选配置能力维度的选基因子、构筑对应的产品优选策略奠定基础。

具体而言，我们按如下步骤进行固收+产品大类资产仓位的估测：

• 确定仓位穿透方法：我们使用三种方法进行基金大类资产的估测，分别为OLS回归，LASSO回归和Kalman滤波，其中OLS回归和LASSO回归较为常见，Kalman滤波的原理可参见附录；

• 确定大类资产种类：考虑到转债收益率和股票收益率相关性较高，在测算时区分难度较大，因此在实际操作时，我们以中证800作为权益资产的表征，中债-国债综合财富指数作为固收资产的表征，在仓位估测时只估计权益和固收两类资产仓位；

• 对大类资产仓位进行估测：确定好大类资产种类后，我们以中证800、中债-国债综合财富指数的日频收益率作为自变量，目标基金的日频回报率作为因变量，基于三类仓位穿透方法，在滚动窗口中估测基金日频回报率在二者收益率上的暴露系数，将该暴露系数作为目标基金对应资产的估测仓位。

下列图表展示了三种方法下，基金的估测仓位和季报披露的实际仓位的均方误差和变动趋势准确率，均方误差主要反映基金估测仓位和实际仓位的误差水平，变动趋势准确率则衡量了估测仓位和实际仓位的变化方向是否一致。对于基金实际仓位，我们进行了一定的调整：固收仓位=债券仓位-转债仓位/2，权益仓位=股票仓位+转债仓位/2。由于在配置能力的评估上，我们主要关注基金管理人的仓位变化情况，因此变动趋势准确率相比均方误差而言更为重要。结果显示，Kalman滤波的变动趋势准确率最高，为59.57%，其次是LASSO回归，OLS回归的变动趋势准确率最低，未超过55%。

配置维度选基策略构建

下列图表展现了在配置维度中我们所使用的候选指标池，配置维度选基因子即从所示指标中筛选。其中Brinson-BF模型和SBS-DBR模型中相关指标的含义如下，详细构造方法可参考往期报告《固收+基金资产配置能力分析与筛选》：

• Brinson-BF配置效应：基金经理在大类资产或板块间仓位分配带来的相对基准的超额收益，反映了基金经理的仓位分配能力；

• Brinson-BF选择效应：基金经理在大类资产或板块内部挑选具体资产带来的相对基准的超额收益，反映了基金经理对个股、个券的选择能力；

• SBS：衡量基金经理能否在截面上判断出各类大类资产未来的相对强弱，是否在收益更高的资产类别上面配置了更高仓位，反映基金经理静态资产配置能力；

• FDBR：衡量基金经理能否通过资产仓位的动态调整获取收益规避下跌；

• RDBR：衡量基金经理的大类资产配置收益是通过左侧投资（即逆向投资或对大类资产走势有独立判断）获得还是通过右侧投资（即采用动量策略追涨杀跌）获得的；

• DBR：为FDBR和RDBR合并的综合指标，反映基金经理动态资产配置综合能力；

• BA：为SBS和DBR合并的综合指标，反映基金经理资产配置综合能力。

候选指标池中还包含基金回报缺口（Fund Return Gap，FRG）和仓位市场一致性（Fund Weight–Market Synchronicity，FWMS），它们的具体构造方法如下。

基金回报缺口指标FRG：

FRG的外生参数是滚动窗口期的长度K，该指标主要衡量基金经理的调仓行为是否有正收益贡献，在本篇报告中，因为我们用指数对具体的个股、个券进行了替代，因此FRG中还会包含基金经理对个股、个券的动态选择能力。

仓位市场一致性指标FWMS

与FRG一样，由于我们并未穿透到个股、个券上，在FWMS的计算过程中，权益资产由中证800替代，固收资产由中债-国债总财富指数替代。FWMS有两个外生参数：主滚动窗口长度K和子滚动窗口长度S，满足K>S。该指标主要衡量基金经理的调仓是否与未来资产的收益率正相关，FWMS越大，表明基金经理对资产价格未来走势的判断越准确，能够较好地在资产价格上涨前加仓，或是资产价格下跌前减仓。

配置维度的选基因子筛选流程与业绩维度一致，在此不做赘述。下列图表展现了通过指标筛选的各类型固收+产品业绩端选基因子，其名称包含因子类别_仓位估测方法_指标参数等信息，如“Brinson选择效应因子_Kalman_20日”，表明该因子的仓位估测方法是Kalman滤波，因子计算的回看窗口期为过去20个交易日。结果显示：

• 对于保守型产品，入选的配置端因子共有4个，除FWM_Kalman_20日外，其它因子在样本外区间中的RankIC均值和IC-IR优于样本内区间，但整体有效性低于业绩端因子；

• 对于稳健型产品，入选的配置端因子共有5个，其中SBS_LASSO_5日因子在样本外区间内的选基有效性相对样本内区间有较为明显的衰减，其它因子在不同时间段中的表现相对稳健；

• 对于激进型产品，入选的配置端因子共有5个，其中FDBR_LASSO_90日和SBS_LASSO_5日在样本外区间中有效性的衰减程度更高，以FDBR_LASSO_90日为例，其在样本外区间中的RankIC均值不足1%，IC-IR仅有3.11%，第一层相对第五层的超额也仅有0.86%。不过，为了避免样本外区间的“后视镜”视角给选基策略带来过拟合风险，我们仍将上述因子全部纳入到选基因子体系中。

与业绩维度策略构建流程一致，获得选基因子后，我们开始构建配置维度基金优选策略：对于每种类型的固收+产品，我们先将其入选的配置能力维度选基因子转换为排序分位数，然后将它们等权汇总，得到配置维度综合因子；每个调仓日，我们在每种类型的产品里，挑选出配置维度综合因子最高的前10只产品，作为该类型固收+产品的配置维度选基策略优选组合。

下列图表展现了保守、稳健、激进三类固收+产品中，优选组合与同类型产品等权组合的业绩对比。结果显示：

• 对于保守型产品，优选组合在所有统计的时间区间中，年化收益均高于等权组合，但在样本外区间的波动和回撤更大，导致该区间内夏普比率和Calmar比率不及等权组合；

• 对于稳健型产品，优选组合获取收益的能力也强过等权组合，但相应的波动风险和回撤风险也更高，夏普比率在所有统计的时间区间内均低于等权组合；

• 激进型产品优选组合的表现与稳健型产品相似，高收益同时伴随着高波动，尤其是在样本内区间（2010-12-31~2022-12-31），优选组合的最大回撤可达21.17%。

下列图表展现了基于配置维度综合因子构建的选基策略，挑选出的最新一期（2026年6月）的固收+产品列表，以供投资者参考。从结果上看，配置维度选基策略选出的产品，6月业绩的分化程度高于业绩维度选基策略选出的产品，以稳健型产品为例，选出的基金中多只6月以来收益率超过5%，Calmar比率在2以上，但也有6月呈现亏损状态的基金入选。

综合而言，业绩维度选基策略与配置维度选基策略相比，前者侧重防御，对风险的控制更为精细，而后者呈现出较强的进攻性，在收益和风险控制的权衡中更看重收益能力。在下一个章节中，我们将把业绩维度优选策略和配置维度优选策略相合并，以业绩为“盾”，以配置为“矛”，构建出“攻守”兼顾的固收+产品优选策略。

攻守兼顾：基于业绩表现与配置能力的双维度选基策略构建

从前文中可知，业绩维度选基策略和配置维度选基策略在防守和进攻属性上有一定的互补效果，这一点从它们最新一期的选基结果重合度比较低也可印证。基于此，我们构建基于业绩表现与配置能力的双维度选基策略，在具体方法上，采用线性加权方式整合业绩维度综合因子和配置维度综合因子，下列图表展现了不同加权比例下，双维度选基策略在各个时间区间内的业绩表现，其中α为业绩维度综合因子的权重，（1-α）为配置维度综合因子的权重。结果显示：

• 对于所有类型的产品，随着α的升高，双维度选基策略优选组合的夏普比率在样本内区间和样本外区间内均呈现一定的单调递增趋势，该特征进一步表明，业绩维度侧重波动控制，防御属性较强，配置维度对波动的容忍度较高，业绩弹性较大；

• 对于保守型产品，在样本内区间中，当α取值在30%附近或80%附近时，优选组合的年化收益和夏普比率相对优异，如果考虑夏普比率的话，α=70%或80%，策略组合可较好的兼顾收益获取和风险控制，事实上，如果同时考量样本外区间，在业绩维度分配80%左右的权重情况下，优选组合的收益、夏普比率和Calmar比率也处于前列；

• 对于稳健型产品，在样本内区间中，优选组合的年化收益与α取值成反比，Calmar比率则与α取值成正比，收益和风险控制难以兼得。考虑到固收+产品本质还是以固收为底仓，投资者对固收+产品的风险控制要求可能比对偏股类产品的风控要求更高，因此我们建议分配比例可适当向业绩维度倾斜。从样本外验证集的角度看，α不同取值下优选组合的收益差异并不高，但Calmar比率随着α增加提升相对明显；

• 激进型产品在样本内区间中的结果与稳健型基本相似，但在样本外区间中，优选组合的年化收益率和Calmar比率随着α的上升，呈现出先增后降的趋势，或表明双维度结合的选基策略，在多数收益-风险特征上，要优于单一维度的选基策略，该结论在另外两种类型的固收+产品中也适用。投资者或可基于自身的实际需求，灵活选取各个维度的分配比例。

下列图表展现了α=80%情况下，双维度选基策略对三种类型固收+产品的优选结果，以供投资者参考。整体来看，双维度选基策略组合相对同类等权组合，超额收益的增长较为稳健。此外，今年以来，激进型产品的策略组合收益率达17.41%，超额收益率为12.79%。

下列图表展现了基于双维度综合因子构建的选基策略，挑选出的最新一期（2026年6月）的固收+产品列表，以供投资者参考。从结果上看，入选基金中稳健型产品和激进型产品6月以来的收益表现在同类（Wind投资二级分类）排名里相对居前，多数保守型产品也有较为不错的夏普比率。

附录：Kalman滤波方法原理

卡尔曼滤波(Kalman Filter)是一种常用于制导和信号处理等领域，对系统隐含状态进行最优估计的算法，由 Rudolf E. Kalman 于 1990 年提出。在基金评价领域，我们可以把基金在各类资产上的仓位看做隐含状态，把基金收益率当做可观测状态，然后用状态空间模型对基金收益率建模，从而识别出基金持仓的变动。与传统基于线性回归的方法相比，卡尔曼滤波是一种基于贝叶斯思想的时序方法，适用于异方差、参数时变等情境。

风险提示

本报告对历史数据进行梳理总结，历史结果不能简单预测未来，模型规律存在失效风险。报告中涉及到的具体基金产品不代表任何投资意见，请投资者谨慎、理性地看待。报告中的模型基于数据和逻辑推演，无法保证一定正确。

文章来源

研究员：应宗珣 S0570525070009

研究员：何 康 S0570520080004 | BRB318