华泰证券_20180531_量化多因子指数增强策略实证：指数增强方法汇总及实例.pdf

谨请参阅尾页重要声明及华泰证券股票和行业评级标准1证券研究报告证券研究报告金工研究/深度研究2018年05月31日指数增强方法汇总及实例指数增强方法汇总及实例量化多因子指数增强策略实证相关研究相关研究金工研究/深度研究|2018 年 05 月 31 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准2指数增强方法简介.4自上而下的指数增强思路：仓位控制、行业轮动与选股.6仓位控制.6行业轮动指数增强策略.6选股指数增强策略.9主动指数增强约 90%仓位完全复制指数，其余部分主动投资.11量化指数增强以多因子模型为主.11量化和主动指数增强公募基金业绩比较.13通过衍生金融工具或其它方式增强.16打新.16买入贴水的股指期货.17融资融券.18备兑卖出看涨期权或收益凭证.18可转债.20指数增强策略实例.22问题背景.22分层抽样策略.22策略概述.22策略表现.23多因子线性优化策略.24风险因子.24策略概述.24策略表现.25小结.26风险提示.27图表目录图表目录金工研究/深度研究|2018 年 05 月 31 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准32018/5/25，节选前 10 名）.14图表 12：最近一年跟踪四种指数的指数增强型基金信息比率排名（2017/5/252018/5/25，节选前 10 名）.14图表 13：2017 年初至今跟踪四种指数的指数增强型基金年化超额收益排名（节选前 10名）.14图表 14：2017 年初至今跟踪四种指数的指数增强型基金信息比率排名（节选前 10 名）.15图表 15：2016 年初至今跟踪四种指数的指数增强型基金年化超额收益排名（节选前 10名）.15图表 16：2016 年初至今跟踪四种指数的指数增强型基金信息比率排名（节选前 10 名）.15图表 17：2017 年 5 月至今各月份 IPO 首发家数统计.16图表 18：2016、2017 年新股上市一字板涨停天数.16图表 19：2018 年各月新股上市一字板涨停天数.16图表 20：股指期货合约参数.17图表 21：2017 年指数增强基金中的股指期货持仓.18图表 22：近三年（20152017）某中证 500 指数增强基金的股指期货持仓.18图表 23：到期时间为 1 年的欧式看涨期权的理论价格计算.19图表 24：沪深 300 备兑策略.19图表 25：中证 500 备兑策略.19图表 26：上证 50 备兑策略.19图表 27：中证 1000 备兑策略.19图表 28：二元式收益凭证.20图表 29：牛市价差收益凭证.20图表 30：鲨鱼鳍收益凭证.20图表 31：特别定制收益凭证.20图表 32：2017 年年报指数增强基金持仓可转债市值与基金资产总值关系.21图表 33：打分法所使用的因子列表.22图表 34：分层抽样指数增强策略示意图.23图表 35：沪深 300 分层抽样指数增强策略的表现.23图表 36：沪深 300 分层抽样指数增强策略的回测净值.23图表 37：沪深 300 分层抽样指数增强策略的超额收益与回撤.23图表 38：中证 500 分层抽样指数增强策略的表现.24图表 39：中证 500 分层抽样指数增强策略的回测净值.24图表 40：中证 500 分层抽样指数增强策略的超额收益与回撤.24图表 41：沪深 300 多因子线性优化指数增强策略的表现.25图表 42：沪深 300 多因子线性优化指数增强策略的回测净值.25图表 43：沪深 300 多因子线性优化指数增强策略的超额收益与回撤.25图表 44：中证 500 多因子线性优化指数增强策略的表现.26图表 45：中证 500 多因子线性优化指数增强策略的回测净值.26图表 46：中证 500 多因子线性优化指数增强策略的超额收益与回撤.26金工研究/深度研究|2018 年 05 月 31 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准4指数增强指数增强方法简介方法简介从投资理念上看，指数增强型基金是主动型基金和指数型基金的有机结合，是“被动投资为主，主动投资为辅”的基金。主动型基金一般追求超越市场的业绩，而指数型基金试图复制选定指数的表现并控制跟踪误差。指数增强型基金的投资目标则是要在控制跟踪误差的前提下追求稳定、持续超越标的指数的表现。指数增强型基金与主动型基金相比具有明确的基准，对投资人而言策略相对更透明、投资风格更平稳、风险把控性更强，而与被动型指数基金相比又存在获取更高收益的可能。国内指数增强型基金正在蓬勃发展的过程中，未来前景可观。图表 1 是指数增强方式的概览。指数增强思路可以从宏观到微观角度进行分解，具体主要指仓位控制（择时）、行业轮动、选股三个方面，这三方面在实践方式上又都可以统一区分成“主动”和“量化”两种，越靠近宏观层面主动与量化的差别越小，越靠近微观层面二者差别越大。图表 2 中我们列出了目前所有跟踪上证 50、沪深 300、中证 500、中证1000 四个宽基指数的公募指数增强产品（根据 Wind 的指数增强基金列表进行整理），共有 36 只，其中只有 4 只采用主动方法增强，可见量化是目前指数增强的主流方式。不论采用以上哪种操作思路，投资管理人都可以考虑配合衍生金融工具或一些其它方式进行增强，如通过打新或借助股指期货、融资融券、期权、可转债等工具进行增强。本报告将简单介绍各个指数增强的方法，分析收益增强的来源以及策略实施的难点，最后一个章节还提供了两个简单的指数增强实例，供投资者参考。图表图表1：指数增强方法汇总指数增强方法汇总资料来源：华泰证券研究所金工研究/深度研究|2018 年 05 月 31 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准5图表图表2：跟踪主要宽基指数的指数增强公募基金列表跟踪主要宽基指数的指数增强公募基金列表及最近一年表现（及最近一年表现（2017/5/252018/5/25）基金代码基金代码基金名称基金名称基金类型基金类型现任基金经理现任基金经理成立日期成立日期基金规模基金规模（亿元）（亿元）最近一年最近一年年化超额收益年化超额收益最近一年最近一年年化跟踪误差年化跟踪误差110003.OF易方达上证 50 指数主动张胜记2004/03/22101.4412.60%5.68%399001.OF中海上证 50量化彭海平2010/03/251.243.96%1.43%163407.OF兴全沪深 300主动申庆2010/11/0217.015.45%3.91%200002.OF长城久泰沪深 300主动杨建华2004/05/216.422.03%1.49%000176.OF嘉实沪深 300 增强主动李欣,张露2014/12/266.023.61%2.91%000311.OF景顺长城沪深 300量化黎海威2013/10/2984.074.97%3.75%050002.OF博时裕富沪深 300量化桂征辉2003/08/2662.393.56%2.47%100038.OF富国沪深 300量化方旻,李笑薇2009/12/1635.369.19%2.83%110030.OF易方达沪深 300 量化量化官泽帆2012/07/0513.554.88%4.19%000312.OF华安沪深 300 量化量化许之彦,孙晨进2013/09/278.315.66%5.18%002310.OF创金合信沪深 300量化程志田,庞世恩2015/12/315.313.16%2.57%310318.OF申万菱信沪深 300量化袁英杰2004/11/294.91-1.56%5.00%001015.OF华夏沪深 300 增强量化宋洋2015/02/104.400.31%2.68%003876.OF华宝沪深 300量化徐林明2016/12/093.063.20%2.18%450008.OF国富沪深 300量化张志强2009/09/032.26-5.21%2.89%162213.OF泰达宏利沪深 300量化杨超2010/04/232.051.45%4.28%167601.OF国金沪深 300量化宫雪,艾翀2017/09/011.63-166007.OF中欧沪深 300量化曲径2010/06/241.560.57%1.33%519116.OF浦银安盛沪深 300量化陈士俊2010/12/101.353.86%2.49%005113.OF平安大华沪深 300 指数量化量化孙东宁2017/12/261.18-004190.OF招商沪深 300量化王平2017/02/100.774.76%2.31%003261.OF安信沪深 300量化龙川2016/10/120.456.88%3.00%003015.OF中金沪深 300量化魏孛2016/07/220.163.85%3.90%000478.OF建信中证 500量化叶乐天2014/01/2732.003.57%2.79%161017.OF富国中证 500量化方旻,李笑薇,徐幼华2011/10/1216.109.13%3.42%002906.OF南方中证 500 增强量化李佳亮2016/11/233.997.00%4.59%002311.OF创金合信中证 500量化程志田,庞世恩2015/12/313.4011.71%3.87%004945.OF长信中证 500量化常松,宋海岸2017/08/303.01-003986.OF申万菱信中证 500 优选量化袁英杰2017/01/101.6221.24%6.30%005062.OF博时中证 500量化桂征辉2017/09/261.39-004192.OF招商中证 500量化王平2017/05/170.963.21%3.51%002510.OF申万菱信中证 500量化俞诚,袁英杰2016/04/210.842.62%5.32%005607.OF华宝中证 500量化丰晨成2018/04/190.56-003016.OF中金中证 500量化魏孛2016/07/220.2310.42%3.48%004194.OF招商中证 1000量化王平2017/03/031.6313.67%3.15%003646.OF创金合信中证 1000量化程志田,庞世恩2016/12/220.4716.93%4.54%资料来源：Wind，华泰证券研究所金工研究/深度研究|2018 年 05 月 31 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准6自上而下的指数增强思路自上而下的指数增强思路：仓位控制、行业轮动与选股：仓位控制、行业轮动与选股投资人通过对市场的判断，在跟踪指数的基础上附加主动头寸。由投资人对市场判断出发层次的不同，可以自上而下区分为仓位控制、行业轮动与选股。仓位控制是基于投资人在宏观层面对市场宏观环境的判断，行业轮动是基于投资人在中观层面对于不同行业表现的判断，选股是基于投资人在微观层面对于个股业绩的判断。仓位控制仓位控制指数增强型基金的仓位在基金合同中都有约定，只能在一个较小的范围内浮动。一般规定股票资产投资比例不低于基金资产的 80%或 90%（成立较早的基金一般规定 80%，近期成立的基金一般规定 90%），而且其中投资于标的指数成份股和备选成份股的资产不低于非现金基金资产的 80%。例如，399001.OF 的基金合同中约定“本基金投资于股票资产占基金资产的比例不低于 90%，投资于上证 50 指数成份股、备选成份股的资产占基金资产的比例不低于 80%”；005062.OF 的基金合同中约定“本基金投资于股票资产不低于基金资产的 80%，投资于中证 500 指数成份股、备选成份股的资产占非现金基金资产的比例不低于 80%”。仓位控制本质上就是中长线择时，其目的是预判大盘走势，在上涨时调高仓位，在下跌时降低仓位，调整频率一般在月频至年频。大盘的走势和宏观经济、微观企业、国家政策、国际形势等因素都密切相关，想要准确判断大盘走势难度很大。主动方法进行中长线择时是宏观研究和策略研究的覆盖范围，主要通过对宏观经济形势的把握以及相关政策的解读进行趋势判断，很大程度上依赖于个人能力。量化方法进行中长线择时的代表案例就是华泰金工周期模型，通过将重要股票市场指数分解为 42 个月、100 个月、200 个月左右的三个周期，结合三周期走势可以对股票市场长期走势做出预判，经两年时间检验，是一个较为成功的量化长线择时模型。我们考察“股票净值占基金资产净值比”这一指标，该指标衡量了基金投资中股票所占的比例，能动态地展现出基金持仓中股票资产的变化，从一定程度上反映投资者对于股票持仓的调整，也即投资者择时的思路。大部分指数增强公募基金的“股票净值占基金资产净值比”还是比较稳定的，也存在若干只基金浮动比较大。例如代码为 001015 的基金在 2016年至 2017 年 1 季度股票仓位维持在 85%左右，2017 年 2 季度到 4 季度增至 90%以上，今年 1 季度又回落至 86%，推测其存在主动调节股票仓位的情况。行业轮动指数行业轮动指数增强策略增强策略行业轮动是利用行业间相对变化趋势而获利的策略。在一个完整的经济周期中，有些是先行行业，有些是跟随行业。把握经济周期中的行业轮动顺序，在轮动开始前进行配置，在轮动结束后进行调整，可以获取超额收益，实现指数增强的目标。量化行业轮动模型没有固定的套路，通常基于长、中、短三个不同周期视角去定量梳理随着目标周期波动所展现的行业轮动规律，或者基于行业的基本面数据及行业指数 K 线进行规律挖掘。需要注意的是，基于行业轮动进行资产配置需要控制投资组合相对基准的行业偏离度，从而达到控制跟踪误差的目的。实际上，较多基于量化多因子模型的指数增强策略是一直保持行业中性控制的，即管理人认为在行业轮动上获取收益难度大、风险高、性价比低，从而放弃行业配置上的收益。主动方法对于行业轮动的把握则是依赖于基金经理对于周期和行业的理解，思路可能多种多样，有些难以确切阐述或量化执行。我们考察图表 2 中列出的 36 只指数增强基金，分析其在 2017 年年报中所公布的持仓明细，按照 29 个一级行业的划分计算出基金在各个行业中的资产配置权重，并与基金所对金工研究/深度研究|2018 年 05 月 31 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准7应指数的行业权重进行对比。我们利用“行业偏离度”这一指标来衡量指数增强基金在行业配置上与标的指数的差异，指标的具体定义为：将基金持仓中每一行业权重占比（所有行业的权重占比之和为 1）减去对应行业在指数中的权重理解为“单一行业偏离”；对于所有 29 个行业，将 29 个“单一行业偏离”的绝对值求和，最后除以 2 即为“行业偏离度”，写成公式如下：行业偏离度=12|行业 i 在基金持仓中的权重占比 行业 i 在基准指数中权重占比|29i=1行业偏离度的定义方式类似单边换手率，其取值范围为0,1，越靠近 0 表示基金的行业权重配比与指数越接近。我们依据跟踪标的指数的不同对 36 只指数增强基金进行分类，统计基金的平均行业偏离度以及最小行业偏离度。其中基金的行业权重采用 2017 年基金年报所公布的基金持仓明细进行计算，指数的行业权重采用 2017 年 12 月 31 日的成份股明细进行计算，结果如下表所示：图表图表3：指数增强基金行业偏离度指数增强基金行业偏离度标的指数标的指数指数增强基金的数目指数增强基金的数目平均行业偏离度平均行业偏离度最小行业偏离度最小行业偏离度沪深 3002013.16%4.20%中证 5001015.10%7.29%中证 100027.23%5.54%上证 50217.00%4.39%新成立暂无数据2-资料来源：Wind，华泰证券研究所除了跟踪标的指数外，大部分指数增强基金在行业的配置上都有自己的调整，比如：在标的指数为沪深 300 的 20 只指数增强基金中，有多达 6 只基金在医药行业中的权重为 0，而沪深 300 在这一行业中的权重为 0.5%；某规模较大的沪深 300 指数增强公募基金在医药、食品饮料、国防军工、农林牧渔、钢铁共 5 个行业的权重均为 0。基金的行业权重配比可以在一定程度上反映实现增强收益的择时和行业轮动思路。但行业的分类标准可以多种多样，除了中信行业分类之外，常见的行业分类标准还有申万行业分类、Wind 行业分类、全球行业分类系统（GICS）等。投资人会根据自身的投资需求选择相对应的行业分类，没有一种行业分类标准具备普适性。因此，上面计算的行业偏离度过大可能是因为投资人采用了不一样的行业分类标准，若在相匹配的行业分类标准下计算行业偏离度可能会比较小。所以我们需要更宽泛的公认度更高的分类标准对行业偏离度进行刻画和分析。于是我们根据华泰金工周期系列深度研究报告行业指数频谱分析及配置模型中的行业指数聚类结果，将 29 个一级行业分为周期、消费、成长三大板块，其中各个板块包含的行业如下表所示：图表图表4：行业指数聚类结果行业指数聚类结果行业行业所属板块所属板块行业行业所属板块所属板块煤炭周期商贸零售消费交通运输周期轻工制造消费房地产周期医药消费电力及公用事业周期纺织服装消费机械周期食品饮料消费有色金属周期家电消费基础化工周期餐饮旅游消费建筑周期农林牧渔消费汽车周期电力设备成长建材周期电子元器件成长资料来源：华泰证券研究所金工研究/深度研究|2018 年 05 月 31 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准8与上面的“行业偏离度”类似，我们定义指数增强基金的“板块偏离度”：板块偏离度=12|板块 i 在基金持仓中的权重占比 板块 i 在基准指数中权重占比|3i=1对跟踪不同标的指数的各个基金，计算其平均板块偏离度和最小板块偏离度，结果如下表所示。结合板块偏离度考察基金的投资思路与策略会更具有参考价值，因为行业偏离度只能给出直观的绝对偏差，但无法判断高配和低配的行业之间的关系。如果行业偏离度较大而板块偏离度明显的小，则说明基金在同一个板块的不同行业之间进行了权重的调整，行业轮动的逻辑体现在了板块内部的权重分配中。图表图表5：指数增强基金板块偏离度指数增强基金板块偏离度标的指数标的指数指数增强基金的数目指数增强基金的数目平均板块偏离度平均板块偏离度最小板块偏离度最小板块偏离度沪深 300204.58%0.53%中证 500103.87%0.73%中证 100023.07%1.59%上证 50212.16%1.04%新成立暂无数据2-资料来源：Wind，华泰证券研究所行业或者板块的偏离度大小并不意味着基金业绩的好坏，偏离度的概念与收益率不直接相关联，但跟踪误差与偏离度应该存在一定的关系。我们分别考虑 2017 年 9 月 29 日至 2018年 3 月 30 日期间各指数增强基金的年化跟踪误差和年化超额收益，以其作为横坐标绘制散点图，纵坐标表示行业偏离度与板块偏离度，如下图所示。图表图表6：行业、板块偏离度与年化跟踪误差行业、板块偏离度与年化跟踪误差资料来源：Wind，华泰证券研究所y=0.0316x+0.016y=0.016x-0.01260.00.10.10.20.20.30.30.4012345678偏离度年化跟踪误差（%）行业偏离度板块偏离度线性(行业偏离度)线性(板块偏离度)r2=0.42r2=0.22金工研究/深度研究|2018 年 05 月 31 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准9资料来源：Wind，华泰证券研究所从图中可以看出，较大的行业或板块偏离度大概率会导致较大跟踪误差，但不一定会带来更大超额收益。选股指数增强策略选股指数增强策略选股是基金管理人非常注重的一个层面，量化选股模型的主流是多因子模型，还有 SmartBeta、基本面量化选股、事件驱动选股等模型，主动方法选股则主要依靠公司研究，选择被错误低估的股票。此外还可以借鉴期货管理策略中的配对交易应用于股票市场进行个股权重配置。根据选股范围的不同，可以分为在基准指数成份股内选股、在成份股以及部分指定股票中选股（例如在中证 800 成份股范围内选股进行沪深 300 指数增强）、在全部 A 股中选股等。三种方式的自由度依次提升，一般在基金合同中会规定采取哪种选股方式，采用全部 A 股当作备选股票池的产品最多。实际上，由于基金公司内部常会有选股范围限制，所以在操作层面上采用第二种股票池的也比较多。量化多因子选股模型的长处其实主要在于科学跟踪误差控制，而主动方法选股方式下跟踪误差难以定量感知，容易造成比较大的波动。根据各个指数增强基金 2017 年年报公布的数据，我们对比了基金持仓的股票与标的指数成份股之间的差异，统计了基金持仓的股票数目、持仓股票池中属于标的指数成份股的股票数目占比、持仓股票池中属于标的指数成份股的股票权重占比、个股权重偏离度，结果如下表所示。其中个股权重偏离度的定义为个股权重偏离度=12|股票 i 在基金持仓中权重占比 股票 i 在基准指数中权重占比|全 A这一定义类似单边换手率，其取值范围为0,1。y=0.0014x+0.1254y=0.0003x+0.04430.00.10.10.20.20.30.30.4-15-10-50510152025偏离度年化超额收益（%）行业偏离度板块偏离度线性(行业偏离度)线性(板块偏离度)r2=0.02r2=0.003金工研究/深度研究|2018 年 05 月 31 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准10图表图表8：2017 年基金持仓与标的指数成份股对比年基金持仓与标的指数成份股对比基金编号基金编号标的指数标的指数持仓股票数持仓股票数持仓股票池中属于标的指数持仓股票池中属于标的指数成份股的股票数目占比成份股的股票数目占比持仓股票池中属于标的指数持仓股票池中属于标的指数成份股的股票权重占比成份股的股票权重占比个股个股权重偏离度权重偏离度1上证 509042.2%83.2%39.7%2上证 505786.0%99.2%4.0%3沪深 30011252.7%86.9%68.8%4沪深 30010950.5%82.9%66.8%5沪深 30016856.5%94.5%61.7%6沪深 30026538.9%86.4%61.5%7沪深 30012199.2%99.1%60.5%8沪深 30011374.3%91.0%59.8%9沪深 30010063.0%83.2%59.0%10沪深 30014755.8%84.7%56.9%11沪深 30015755.4%80.7%53.1%12沪深 30012572.0%89.7%52.7%13沪深 30022544.0%86.4%51.6%14沪深 3008982.0%99.7%49.1%15沪深 30013573.3%86.5%45.9%16沪深 30030456.3%95.7%43.6%17沪深 30019059.5%86.6%42.5%18沪深 30017296.5%99.9%31.5%19沪深 30032374.3%92.5%23.0%20沪深 30033389.8%93.7%14.3%21沪深 30030997.1%99.2%11.6%22沪深 30029692.9%99.2%4.9%23沪深 300-24中证 50014956.4%86.5%82.1%25中证 50018467.4%84.7%81.1%26中证 50014659.6%87.3%79.7%27中证 50017067.6%82.2%77.1%28中证 50016269.1%85.2%75.2%29中证 50023456.8%92.7%75.1%30中证 50019575.4%84.7%70.6%31中证 50026269.8%82.9%67.5%32中证 50034462.5%82.9%63.5%33中证 50038860.3%80.8%62.7%34中证 500-35中证 100016470.7%81.6%88.8%36中证 100042864.5%80.7%82.7%资料来源：Wind，华泰证券研究所从上表中可以看出，大部分指数增强基金持仓股票池中属于标的指数成份股的股票数目占比并不太高，说明大部分基金都是在比较宽泛的范围内选股的，但也有 3 只基金这一占比超过 95%，说明它们的策略基本上是指数成份股内部选股（即通过调节成份股权重进行增强）。虽然持仓股票池中属于标的指数成份股的股票数目占比浮动较大，但这些股票的权重占比均在 80%以上（合同约定必须在 80%以上）。有一只沪深 300 指数增强基金（上表中编号 6）共持仓 265 只股票，属于成份股的数目占比仅 38.9%（即 103 只），但权重却占到了 86.4%，说明其持仓的剩余 162只股票权重之和仅 13.6%，平均每只股票不到 0.1%。从最后一列可以看出，有的指数增强基金个股权重偏离度较大，说明其选股的主观能动性较强，在风险控制方面可能是通过多因子模型或其它量化模型完成的，并非在个股层面严格控制持仓组合与基准指数的一致性。而有的基金个股偏离度很小，说明其操作方式已经非常类似被动指数基金了，通过严格控制持仓组合与基准指数的一致性来控制风险，而增强收益是通过打新或买入贴水的股票期货等其它方式来完成的，这些方法在下一章中有详细介绍。金工研究/深度研究|2018 年 05 月 31 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准11主动指数增强主动指数增强约约 90%仓位完全复制指数，其余部分仓位完全复制指数，其余部分主动投资主动投资主动指数增强的总体方法是“核心-卫星”资产配置策略。具体而言，“核心组合”在整个投资组合占有较大权重，采用被动复制指数的方法，对投资组合的安全和收益起到“保驾护航”的决定性作用；“卫星组合”在整个投资组合中所占的权重略小，以核心组合为基本依托，采用积极、主动、灵活的投资方法，为投资组合“锦上添花”，创造超额收益。“核心组合”的资金占比一般为 80%至 95%，也有个别基金低至 70%左右。而构建“卫星组合”策略的形式可以多种多样，如：根据 GARP 策略选择当前估值被低估但持续增长的股票；根据龙虎榜超配因正面事件而上榜的股票；根据指数成份股及其备选成份股的流动性指标，剔除或低配流动性较差的个股等。这一策略中收益的增强来源于 5%20%仓位的主动投资部分，而投资的关键就在于如何确保这部分的主动投资能为投资组合带来正向收益，并且不致带来过大的跟踪误差。量化指数增强量化指数增强以多因子模型为主以多因子模型为主多因子模型是目前管理较大规模量化产品的主流方法，是量化选股方法中理论体系最丰富的模型之一。多因子模型是由套利定价模型（ArbitragePricingTheory，APT）发展而来的，是对于风险收益关系的定量表达，不同因子代表不同风险类型的解释变量。多因子模型定量刻画了股票预期收益率与股票在每个因子上的因子载荷（风险敞口），以及每个因子每单位因子载荷（风险敞口）的因子收益率之间的线性关系，其一般表达式为：=+=1:股票的收益率:股票在因子上的因子暴露（因子载荷）:因子的因子收益:股票的残差收益率多因子模型本质是将对只股票的收益-风险预测转变成对于个因子的收益-风险预测，将估算个股收益率的协方差阵转化为估算因子收益率的协方差阵，较大程度地降低了预测工作量，提高了准确度。多因子策略的构建大致分为“因子筛选收益预测风险预测组合优化”四步。首先，需要在目标股票池（比如全部 A 股或指数成份股）里进行单因子测试并筛选出有效因子。一般认为有效因子可以大致划分成两类收益因子（Alpha 因子）和风险因子（Beta因子）。能够长期稳定预测个股收益的因子是收益因子，能够对个股收益有强解释能力、但对收益预测正负方向不稳定的因子是风险因子。收益因子和风险因子的划分并不是一成不变的，根据市场有效性原理，当一个收益因子被广泛知晓之后，就会变成一个系统性行为因子，也即转化成为风险因子。在 20072016 年间，反转因子曾经是 A 股市场的收益因子，2017 年之后开始转化成风险因子。在因子库构建完成之后，接下来就需要完成对股票未来收益的预测。一个比较简单的方法是“打分法”，即直接对因子赋静态权重，对个股在所有因子上的暴露值求加权平均值，做为个股下期收益的预测。或者可以通过回归法确定因子动态权重，即在不同的时间截面上，因子权重是变化的。当个股收益预测完成后，下一步是对所有股票在时间截面上的风险预测协方差矩阵进行预测，主流的方法是参考 Barra 风险预测模型。Barra 模型构建细节比较复杂，这里就不赘述了，在最新的中国股票市场模型 CNE5 中，使用的风险因子如图表 9 所示。最后将所有股票的收益预测与风险预测结果输入到优化器中，结合自身对于组合的约束（比如行业中性、风格中性等）优化选股，得到时间截面上的投资组合。待优化目标一般金工研究/深度研究|2018 年 05 月 31 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准12为预测收益减去风险惩罚项，这一目标与指数增强的最终目的是契合的，即在密切跟踪指数的同时追求超额收益。在多因子策略的构建过程中，模型会对票池中所有股票的收益和风险都进行预测，而并不管它们最后有没有被选入投资组合中。本报告最后一章实践了一个简化版的多因子指数增强策略，详见后文。图表图表9：中国市场风险因子中国市场风险因子大大类因子类因子小类因子小类因子计算方法计算方法SizeLNCAP=(_)；个股总市值的对数。BetaBETAri=+rm+ei；利用个股收益率数据对沪深 300 指数收益率进行一元回归，收益率样本为 252 天，采用指数加权，权重半衰期为 60 天。MomentumRSTRRSTR=ln(1+rt)T+Lt=L；其中T=504，L=21，指数加权半衰期为 120 日Earning YieldEPIBS=_/；其中_为个股一致预期每股收益ETOP=_/_；历史 EP 值，用净利润的 12 月跟踪值除以当前市值。CETOP=_/；个股经营活动现金流除以价格VolatilityDASTD=(E()2Tt=1)1/2；个股收益率标准差，收益率序列长度 252 天，指数权重半衰期 42 天CMRA=(1+max()(1 min()；其中()=(1+)=1；表示个股月收益率，取 12 个月HSIGMA=(ei)；其中ei为回归模型ri=+rm+ei中的残差Non-linearSizeNLSIZE非线性市值，将 LNCAP 标准化后三次方对 LNCAP 标准化后的向量回归取残差ValueBTOP=_/_；企业总权益除以市值LiquiditySTOM=(21=1)；是指的当日股票换手率STOQ=(exp(=1)/)；其中=3STOA=(exp(=1)/)；其中=12GrowthSGRO过去 5 年企业营业收入回归增长率EGRO过去 5 年企业净利润回归增长率EGIB未来 3 年企业一致预期净利润增长率。EGIB_S未来 1 年企业一致预期净利润增长率。LeverageMLEV=(+)/；其中表示企业当前总市值，表示企业长期负债DTOA=/;其中 表示总负债表示总资产BLEV=(+)/；其中表示企业当账面价值，表示企业长期负债资料来源：华泰证券研究所除了主流的多因子模型之外，配对交易也常用于量化指数增强基金中。配对交易是最经典的统计套利策略，常见于商品期货，在股票市场里也有不少人开展研究。期货市场的配对交易策略常见处于上下游关系的两个商品期货，常见的组合有大豆与豆油、大豆与豆粕、铁矿石与螺纹钢、焦煤与焦炭。股票市场的两个产品的价格有类似的相关性逻辑。如果两个上市公司存在子母公司关系，那么它们的股票价格往往会存在强相关性；此外，同一个公司在不同交易所（比如 A 股市场和 H 股市场）权益凭证的价格往往具有强相关性。一般而言，配对交易需要做空价格处于高位的关联产品一方，做多价格处于低位的关联产品一方。由于 A 股市场缺乏做空机制，一般的投资者不能获得关联产品价差变动的收益。然而，对于指数增强基金，由于已经拥有了基准指数底仓，可以通过配置个股权重，实现相对于指数基准的多空配对交易组合。配对交易在国外有比较丰富的研究成果，主流方法可以分为五大类：距离法（DistanceApproach）、协整法（CointegrationApproach）、时间序列法（Time SeriesApproach）、随机控制法（StochasticControlApproach）、其他方法（MachineLearning、CombinedForecastsApproach、CopulaApproach,Principal ComponentsAnalysisApproach）。我们只针对利用协整方法进行配对交易的策略进行简单的介绍。首先，基于统计套利原理的配对交易是一种市场中性策略，整体思路是通过买入相对低估的股票，同时卖出相对高估的股票，对冲组合的系统性风险，待买卖股票恢复至合理估值水平时平仓。而“协整”描述了股票之间一种长期稳定的关系。协整的概念与相关性有点类似，但不同于相关性，金工研究/深度研究|2018 年 05 月 31 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准13相关性衡量的是变量之间的变化趋势是否相同或相反，协整则是更进一步在变化趋势相同的两个变量之间，衡量变量在变化的过程中是否保持稳定的“距离”。配对交易可以作为指数增强的一种有效的手段，具体而言，将标的指数的成份股作为股票池，挑选出配对的股票对，监控买入卖出时机进行开仓平仓的操作。值得注意的是，挑选配对股票时，应当将范围限定在指数成份股内同行业的股票中，保证选出的股票对在主营业务上相近。同时，配对的股票需要在历史价格走势上具备一定的正相关性，且股价序列通过协整性检验。常见的协整性检验方法有 Engle-Granger 检验和 Johansen 检验，这里不作具体的理论介绍，实际操作中可以借助软件自带的函数进行计算。进一步地，对于配对交易中多头位置的股票进行超配，而空头位置的股票进行低配，不在配对交易中出现的股票进行标配，则可以实现更大程度的收益增强。统计套利与无风险套利不同，它的收益存在一些不确定性。为了消除这种不确定性，一般采用分散化投资的方式，也即提高投资组合的广度。另外统计套利完全依据对历史数据的统计分析发掘规律进行交易，而历史数据的根本性局限是它只能反映过去，也即套利统计假设中最重要的时间序列稳定性并不是一直存在，市场的变化、股票基本面的改变都有可能让稳定序列条件消失，模型可能会失效。这时候需要及时平仓，不然就面临着风险敞口。同时，回归均衡关系所需要的时间跨度难以准确预知，如果时间太长就会提高套利者的资金使用成本，甚至套利者等不到利润实现就平仓了而导致套利失败。所以，虽然指数增强是配对交易的合适应用场景，但在操作层面还是具有一定难度和风险，并且配对交易策略的资金容量不高，所以实际应用度没有多因子模型广泛。量化和主动指数增强公募基金业绩比较量化和主动指数增强公募基金业绩比较本小节中，我们将目前市场上已有的量化指数增强基金和主动指数增强基金进行对比，下表展示了自 2013 年初至 2018 年 5 月 25 日量化和主动指数增强基金历年的超额收益中位数。图表图表10：量化和主动指数增强基金历年超额收益中位数量化和主动指数增强基金历年超额收益中位数（2013/1/12018/5/25）跟踪指数跟踪指数基金类型基金类型2018 年年2017 年年2016 年年2015 年年2014 年年2013 年年上证 50量化1.38%2.21%-0.11%3.95%-1.18%1.38%主动1.73%16.20%4.78%10.04%-2.99%3.88%沪深 300量化0.54%4.37%7.68%10.10%3.32%0.71%主动0.59%7.76%4.21%3.93%1.48%2.24%中证 500量化2.91%8.21%11.62%12.60%-0.30%-0.28%主动-中证 1000量化5.11%16.05%-主动-资料来源：Wind，华泰证券研究所需要指出的是，上证 50 指数增强基金目前只有 2 只，分属于量化、主动两个不同类型，中证 5