在基金经理与卖方分析师的互动及沟通过程中，卖方分析师带来的信息及观点会对基金经理的决策产生直接或间接的影响；但从之前北方华创的案例来看，
同样面对来自分析师的公共信息，不同基金经理对卖方分析师观点的利用程度却有所分别，部分基金经理对公共信息的依赖较高，而部分基金经理主要依赖于自身的研究和信息挖掘能力，保持了较为独立的投资观点。
通过第二部分的讨论，我们已经对卖方分析师和基金经理的观点及观点变化分别进行了定量的刻画，以基金经理的持股变动衡量基金经理的观点，以卖方分析师过去研报中对于个股的的一致预期净利润变化作为全市场的“公共信息”，即全市场分析师观点形成的“共识”。
本部分我们聚焦于如何定量去刻画基金经理相对卖方分析师的观点独立性以及基金经理观点的独立程度对其未来业绩表现的影响。
参考海外学者MARCIN KACPERCZYK和AMIT SERU(2007)的做法，我们也通过将基金经理持股变动对过去几期分析师对股票观点变动回归的方式构建基金经理观点独立性因子，用以衡量基金经理相对卖方分析师的观点独立性，具体步骤如下：
1、基金样本池的确定：
2、数据初步计算及处理：
-
在每年3月底和8月底公募基金年报和半年报披露之后，基于主动权益基金披露的全持仓数据计算基金当期持股变动。
-
计算分析师在过去半年期对所有有分析师覆盖的股票的观点变化幅度。
-
缺失值处理：
并非所有的基金持股均有分析师覆盖，对于基金持仓中过去没有卖方分析师覆盖的股票（包含A股与港股），我们剔除掉相应的持股变动数据。
-
回归数据预处理：
为避免极端数据在回归时对于回归系数以及自变量解释程度的影响并统一数据量纲，在回归之前对基金持股变动和分析师滚动一致预期净利润变动数据均进行了极端值缩尾和标准化处理。
由于我们使用了基金半年报和年报中披露的全部持仓数据，根据《公开募集证券投资基金信息披露管理办
法》，基金管理人应当在每年结束之日起三个月内，编制完成基金年度报告，在上半年结束之日起两个月内，编制完成基金中期报告，因此我们在每年的4月和9月第一个交易日可以计算新一期的因子值，在其余月份沿用之前最新的因子值。
4、因子构造和有效性测试：
至此，我们通过将基金经理持仓变动对当期、滞后一期和滞后两期的分析师一致预期净利润变动数据回归，并且结合回归系数整体的正负最终得到了经方向调整的R^2来作为基金经理观点独立性因子，
接下来我们将对基金经理观点独立性因子进行有效性检验。
我们在每年的4月和9月第一个交易日更新计算因子值，在其余月份沿用之前最新的因子值。随后在主动股基池中，计算因子取值与未来一个季度基金收益率的相关性，统计RankIC均值和RankICIR。然后，在截面下根据因子取值从小到大分为十档，计算每一档基金组合未来一个季度的平均超额收益。
图18展示的是基金经理观点独立性因子的RankIC测试结果，
观点独立性因子的RankIC均值为-4.7%，年化RankICIR为-1.12。
图19展示的是观点独立性因子的十组分档测试，观点独立性因子第一组（因子得分最低一组）年化超额收益为1.8%，第十组（因子得分最高一组）年化超额收益为-1.54%，多空年化收益为3.34%，分组效果较为单调。可见，观点独立性因子能够显著对基金未来收益产生较强预测能力。
进一步，我们验证了基金经理观点独立性因子在实际投资中的表现。具体来说，我们在每期筛选出基金经理观点独立性因子得分最低和最高的50只基金，分别等权重组成top50多头组合和bottom50空头组合。图20展示了多头和空头组合的历史净值走势和相对强弱。
可以看到，根据基金经理观点独立性得分筛选出的
多头组合长期相对于空头组合具有较为稳健的超额收益，相对强弱曲线呈现出稳定向上的趋势。
在全样本期，多头组合年化收益为11.11%，相对主动股基中位数的年化超额收益为2.67%，年化跟踪误差为3.7%，相对最大回撤为7.3%。
由前面的测试结果可以看到，基金经理观点独立性因子对基金业绩有较强的预测作用，基金经理观点独立性因子得分越低的基金统计上看未来的业绩表现会更好。那么，基金经理观点独立性因子与常见选基因子的相关性如何？是否对于常见选基因子具有增量信息？下面我们将就此进行讨论与检验。
在国信金工团队往期的FOF系列专题中，我们介绍过8大类选基因子，包括隐形交易能力因子、收益类因子、机构关注度因子、基金规模因子、员工信心因子、业绩洞察能力因子、波段交易能力和持仓收益因子（因子的具体构建方式详见附录1）。
关于选基因子，我们在此做简单的回顾，具体内容可参考国信金工团队前期的FOF系列专题报告。
在2020年8月26日发布的报告
《基金经理业绩粉饰与隐形交易能力》
中构造了隐形交易能力因子和业绩粉饰因子。
在2020年10月28日发布的报告
《基金经理前瞻能力与基金业绩》
中介绍了衡量基金经理提前布局超预期股票能力的因子—业绩前瞻能力因子，此外还介绍了收益类选基因子（TM-FF超额收益因子、夏普率因子）、机构关注度因子、基金规模因子和员工信心因子。
在2021年4月21日发布的报告
《基金经理调研能力与投资业绩》
从基金经理调研次数和基金经理调研质量两个维度介绍了基金经理调研能力因子。
在2021年8月18日发布的报告
《基金经理洞察能力与投资业绩—基金经理前瞻能力的改进》
中对前瞻能力因子做了更为全面和细致的改进，构造了收益预测效果更好的基金经理洞察能力因子。
在2022年6月20日发布的报告
《基金经理波段交易能力与投资业绩》
中我们从区间累计买卖交易明细数据中捕获了基金经理的波段交易能力。
在2023年4月18日发布的报告《
基金经理持仓收益与投资业绩
》中我们借鉴了量化选股方面的研究成果，从基本面、技术面以及资金面等多个维度选择出了对股票未来业绩以及基金未来业绩同时具有显著预测效果的因子，构造了基金持仓收益因子。
对于基金经理观点独立性因子的特质，我们将从
基金经理观点独立性因子与常见选基因子相关性、剥离常见选基因子后基金经理观点独立性因子表现、将基金经理观点独立性因子加入到常见选基因子后是否能提升复合因子对基金收益的预测能力
这几个维度进行讨论与测试。
图22展示了基金经理观点独立性因子与8大类因子之间的相关性。可以看到，观点独立性因子与其余选基因子的相关性普遍较低，与收益类因子、隐形交易能力因子、基金规模因子、机构关注度因子、员工信心因子以及波段交易能力因子的
相关性均在0.05以下。因此，观点独立性因子与常见选基因子有很低的相关性，具有明显的信息增量。
接下来，我们将之前研究提出的收益类因子、机构关注度因子、基金规模因子、隐形交易能力因子、员工信心因子、业绩洞察能力因子和波段交易能力因子这8大类合成为一类因子，作为原始综合选基因子，对原始综合选基因子与观点独立性因子进行相关性检验。
经测试，
原始综合选基因子与观点独立性因子的长期相关性很低，仅为-0.05。因此，两大类因子彼此较为独立，各自拥有与彼此异质的独特信息。
如果长期来看相关性较低的两类因子各自对基金未来收益均具有一定预测性的话，那么这两类因子进行线性合成将产生较大增益。
我们尝试将观点独立性因子对常见选基因子进行剥离，即对常见选基因子进行中性化，考察中性化后因子的表现。
从图24可以看出，
中性化后的观点独立性因子仍然维持了明显的单调性，
第一组（因子得分最低组）的年化超额收益为1.44%，第十组（因子得分最高组）的年化超额收益为-1.69%。
从上面的测试可以看出，尽管一些常见选基因子已经具有不错的收益预测能力，但观点独立性因子在剥离了这些因子的影响后，依然具有很好的收益预测效果。从这个角度来看，观点独立性因子相对于常见选基金因子而言也具备明显的增量信息。
最终，我们将基金经理观点独立性因子加入到常见选基因子中，考察先前的8类因子复合后形成的原始综合选基因子与新综合选基因子的表现。
图25所展示的是新综合选基因子与原始综合选基因子的RankIC走势对比，可见新综合选基因子的累计RankIC可以较为稳定地超过原始综合选基因子。原始综合选基因子的RankIC均值为13%，年化RankICIR为2.07；
新综合选基因子的RankIC均值为13.5%，年化RankICIR为2.14，拥有更高的RankIC均值和RankICIR。
从图26所展示的十组分档测试对比可以看到，原始综合选基因子第十组（因子得分最高一组）年化超额收益为5.61%，多空年化收益为10.65%；
新综合选基因子第十组年化超额收益为6.16%，多空年化收益为11.26%。可见新综合选基因子具有更强的多头组合、更高的多空年化收益。
至此我们完成了观点独立性因子的构建与测试，测试结果表明，观点独立性因子能够对基金未来业绩进行有效预测，同时可提供常见选基因子之外的增量信息，
加入观点独立性因子之后，新综合选基因子具有更强的收益预测效果。
