金融工程专题报告：主动权益风头正劲量化仍是一条值得布局和深耕的赛道吗？-20210223-海通证券-25页.pdf

请务必阅读正文之后的信息披露和法律声明 金融工程金融工程研究研究 证券证券研究研究报告报告 金融工程专题报告金融工程专题报告 2021 年年 02 月月 23 日日 相关研究相关研究 Table_ReportInfo 迎接游戏产业的新周期国泰游戏ETF 投资价值分析2021.02.21 在复苏中拥抱核心资产化工50ETF 投资价值分析2021.02.19 拥抱港股中的新经济龙头华安CES 港股通精选 100ETF 投资价值分析2021.02.09 Table_AuthorInfo 分析师:冯佳睿 Tel:(021)23219732 Email: 证书:S0850512080006 分析师:姚石 Tel:(021)23219443 Email: 证书:S0850517120002 分析师:罗蕾 Tel:(021)23219984 Email: 证书:S0850516080002 主动权益风头正劲，量化主动权益风头正劲，量化仍是一条值得仍是一条值得布局布局和和深耕的赛道吗？深耕的赛道吗？Table_Summary 投资要点：投资要点：作为主流作为主流的的投资方式之一，投资方式之一，量化策略有着坚实的理论基础和逻辑支撑，其历史与量化策略有着坚实的理论基础和逻辑支撑，其历史与价值投资、成长投资、价值投资、成长投资、GARP 策略一样悠久。策略一样悠久。量化策略不会过度倾向于某一风格，而是从估值、盈利、投资者行为、市场微观结构等多个维度寻找资产定价偏离，利用均值回复特性，通过分散化投资以降低非系统性风险，获得相对基准指数稳定的超额收益。量化投资对我国资本市场意量化投资对我国资本市场意义重大，有利于提升市场的义重大，有利于提升市场的有效性有效性，降，降低市场的波动低市场的波动率。率。量化基金具有较强的工具属性，风险收益特征鲜明，是机构投资者常用的配臵工具。近年来，随着中国资本市场对外开放步伐加快，多家海外量化巨头进军中国市场，培育能够与海外巨头相抗衡的本土量化力量，对于维护国家金融安全有着重要意义。量化量化基金基金相对其相对其业绩比较基准的超额收益表现突出，业绩比较基准的超额收益表现突出，风险控制能力风险控制能力较较强强。从两类主要的量化基金主动量化和指数增强来看，主动量化基金长期业绩表现优异，2014 年以来，滚动 5 年的超额收益持续为正。指数增强基金则具有较强的风险控制能力，相对业绩比较基准获取正超额收益的可能性大，时间序列稳定性高。在非量化基金相对业绩基准出现回撤时，指数增强基金仍能获得优于基准的超额收益。在不同市场环境下，在不同市场环境下，量化基金量化基金与非量化基金与非量化基金各有优势各有优势，主要主要是是由于由于两者两者的的收益来收益来源源不同不同。这也这也使得使得它们它们相关性低，具有相关性低，具有较较强的强的互补性互补性。量化基金通常持股分散，较多地利用均值回复特性。因此，当市场结构性分化程度较低、博弈程度较高时，量化基金能够发挥其优势。如 2014 年、2016 年、2018 年，非量化基金出现相对回撤，指数增强基金仍能获得正超额收益，跑赢主动股基的主动量化基金占比也较高。若计算指数增强基金与非量化基金 CAPM alpha 的相关系数可发现，2014 年以来，两者呈负相关。由此可见，量化基金与非量化基金可互为补充，在机构投资者的资产配臵中，起到分散风险的作用。量化策略仍然具有广阔的发展前景。量化策略仍然具有广阔的发展前景。量化在风险管理方面有着重要作用，将选股alpha 与风险模型相叠加能够实现更优的收益风险比。在收益预测方面，量化既能充分利用市场的宽度，也能在细分赛道中做出成绩。量化多因子模型可扩展性较强，可以通过不断加入新数据信息、深研投资逻辑，持续提高模型预测能力，增强收益水平。在过去两年二八分化的不利环境下，仍然有部分量化产品表现优异，代表产品如长城创业板指数增强、长信国防军工、易方达量化策略、中欧数据挖掘多因子等。当前处于信息爆炸的大数据时代，量化策略可扩展性强，具备快速高效处理海量数据的能力，并能融合高频、另类、投资者行为、基本面等多个 alpha 源来提高预测精度。A 股去散户化的进程漫长，散户交易占比仍然处于高位，其情绪极易受市场行情和气氛的左右。近期的一些案例表明，即便是成熟市场，也会出现非理性行为。因此，我们认为，基于严格的交易规则、善于从投资者行为中套利的量化策略仍然具有长久存在的基础和广阔的发展前景。综上所述，我们综上所述，我们认为，虽然近两认为，虽然近两年主动年主动权益权益表现出表现出色，但色，但量化量化仍然是一条值得布仍然是一条值得布局局和和深耕的赛道。深耕的赛道。风险风险提示提示。模型误设风险、历史统计规律失效风险。金融工程研究 金融工程专题报告2 请务必阅读正文之后的信息披露和法律声明 目目 录录 1.量化投资介绍与对资本市场的意义.6 1.1 量化投资理论的历史发展.6 1.2 量化投资的业界实践.8 1.3 量化投资对我国资本市场具有重要意义.9 2.量化基金表现及与主动基金的对比.10 2.1 主动量化基金.10 2.1.1 历史表现.10 2.1.2 主动量化基金长期业绩表现优异.11 2.2 指数增强基金.12 2.2.1 历史表现.12 2.2.2 指数增强基金风控能力强，信息比高.13 2.3 相似基准下的量化基金与非量化基金.14 2.4 小结.16 3.量化策略仍然具有广阔的发展前景.16 3.1 量化在风险管理方面有着重要作用.16 3.2 量化在收益预测方面具有一定优势.17 3.3 量化策略能够处理海量数据，模型可扩展性强.18 3.4 基于投资者行为套利的量化策略具有长久存在的基础.19 4.总结.20 5.风险提示.21 mNoNpRzQqRoOqPsRqPnRpOaQbP8OsQmMnPrQeRmMmOfQsQoN9PoMmPvPoMuMNZrMvM 金融工程研究 金融工程专题报告3 请务必阅读正文之后的信息披露和法律声明 图目录图目录 图 1 量化投资理论的发展历程.8 图 2 量化投资实践的演变.9 图 3 主动量化基金相对业绩比较基准的超额收益.11 图 4 主动量化基金相对主动股基的超额收益.11 图 5 跑赢宽基的月均个股比例和行业比例.11 图 6 A 股各年度的反转效应.11 图 7 滚动 5 年收益优于业绩比较基准的主动量化基金占比.12 图 8 主动量化基金滚动 5 年的年化收益.12 图 9 主动量化基金相对沪深 300 指数滚动 5 年的年超额收益.12 图 10 主动量化基金相对非量化基金滚动 5 年的年超额收益.12 图 11 指数增强基金相对业绩比较基准的超额收益.13 图 12 指数增强基金相对主动股基的超额收益.13 图 13 指数增强基金年化跟踪误差的中位数.13 图 14 指数增强基金最大回撤的中位数.13 图 15 指数增强基金年化信息比的中位数.14 图 16 指数增强基金收益回撤比的中位数.14 图 17 相似基准下，主动量化基金与非量化基金超额收益对比.15 图 18 相似基准下，主动量化基金相对非量化基金的超额收益.15 图 19 相似基准下，指数增强基金与非量化基金超额收益对比.15 图 20 相似基准下，跑赢沪深 300 的指数增强基金比例.15 图 21 相似基准下，指数增强基金相对非量化基金累计净值走势.15 图 22 相似基准下，指数增强基金与非量化基金日收益相关系数.15 图 23 基金 A 净值走势.17 图 24 基金 A 持股数目与集中度.17 图 25 基金 A 相对沪深 300 指数的行业偏离.17 图 26 长城创业板指数增强 A 净值（2019.05-2020.12）.18 图 27 长信国防军工 A 净值（2019.01-2020.12）.18 图 28 易方达量化策略 A 净值（2019.01-2020.12）.18 图 29 中欧数据挖掘多因子 A 净值（2018.01-2020.12）.18 图 30 大单成交占比因子多空净值.19 金融工程研究 金融工程专题报告4 请务必阅读正文之后的信息披露和法律声明 图 31 大单成交占比因子沪深 300 多头相对指数超额收益.19 图 32 游戏驿站价格（美元，2021.01.04-2021.02.17）.20 图 33 COMEX 白银期货价格（美元/盎司，2021.01.04-2021.02.17）.20 金融工程研究 金融工程专题报告5 请务必阅读正文之后的信息披露和法律声明 表目录表目录 表 1 管理规模在 1 亿元以上的外商独资私募证券投资基金管理人.10 表 2 大单成交占比因子收益风险特征（2013.01-2020.12）.19 金融工程研究 金融工程专题报告6 请务必阅读正文之后的信息披露和法律声明 量化策略以历史数据为基础，通过模型提炼其中的规律，并在历史规律会延续的假设下进行投资。量化策略主要包括基于基本面逻辑的多因子选股、统计套利、CTA、高频交易等等。在各类量化策略中，股票多因子选股策略容量最大、应用最为广泛。在本文中，如无特别说明，量化策略专指股票多因子选股策略。1.量化投资介绍与对资本市场的意义量化投资介绍与对资本市场的意义 1.1 量化量化投资投资理论的历史发展理论的历史发展 Markowitz 投资投资组合组合理论理论 1952 年，美国经济学家哈里马克维茨（Markowitz）在他的学术论文资产选择：有效的多样化中首次应用资产组合收益率均值和方差的概念，从数学上明确定义了投资者偏好，并用数学化的形式解释投资分散化原理，系统阐述了资产组合和选择问题，奠定了现代投资组合理论（Modern Portfolio Theory，MPT）的基础。Markowitz 理论本质上是基于最大化预期收益率、同时最小化风险的组合选取与构建的投资框架。Markowitz 理论表明，组合的风险可以利用简单的数学形式表示，并且可以通过一系列资产的组合来分散化，从而使得组合的风险低于任意单一资产。“分散化”是 Markowitz理论的重要思想。Markowitz 将投资组合的价格变化视为随机变量，以其均值来衡量组合收益，以其方差来衡量风险因此 Markowitz 理论又称为均值-方差分析。在特定条件下，投资者的组合构建问题可以简化为预期收益率和预期风险之间的平衡。将投资组合各证券之间的比例作为变量，那么收益确定时，要求风险最小的投资组合构建问题可归结为线性约束下的二次规划问题。再根据投资者的偏好，即可进行投资决策。资本资产定资本资产定价模型价模型 1964 年，威廉夏普（William Sharpe）等学者提出了著名的 CAPM 模型。CAPM模型建立在 Markowitz 理论基础上，阐述了在投资者都采用 Markowitz 的理论进行投资管理的条件下，市场均衡状态的形成。在 CAPM 框架下，资产风险包含系统风险和非系统风险两部分，系统风险可通过资产对市场组合的风险贡献 beta 来衡量。资产组合的分散化能够消除非系统风险，而无法消除系统风险。CAPM 模型认为，单个证券的期望收益率由两个部分组成，无风险利率以及对所承担风险的补偿即风险溢价；风险溢价的大小取决于 beta，beta 越高，表明单个证券的风险越高，所得到的补偿也就越高。CAPM 给出了一个非常简单的结论，只有一种原因会使投资者得到更高回报，那就是投资高风险的股票。1990 年，Markowitz 和 Sharpe 共同获得诺贝尔经济学奖。套利定价理论套利定价理论 1976 年，斯蒂芬罗斯（Stephen Ross）提出了套利定价理论（APT），成为资产定价领域的另一里程碑事件。APT 在 CAPM 模型基础上对收益及风险的分解进行了进一步拓展，该理论认为资产收益可以用多因子模型的形式给出，这组因子代表了资产收益率的一些基本因素。当收益率仅与单一因子（市场组合）线性相关时，套利定价理论与资本资产定价理论给出的结果相同。因此，套利定价理论可以被认为是一种广义的资本资产定价模型，为投资者提供了一种替代性的方法，来理解市场中风险与收益率间的均衡关系。Fama-French 因子模型因子模型 1992 年，尤金法玛与肯尼思弗兰奇（Fama&French）对美国股票市场进行研究发现，股票的 beta 值并不能完全解释收益率之间的差异，而上市公司的市值、账面市值比却是最显著的因子。为反映上述两种风险，Fama 和 French 构建了两个因子：金融工程研究 金融工程专题报告7 请务必阅读正文之后的信息披露和法律声明 SMB 反映规模风险，HML 反映价值风险。把原始的市场因子和新拓展的两个因子结合起来，即构成了 Fama-French 三因子模型。类似于 CAPM，该模型展示了资产预期收益率与市场、规模和价值三个因子之间的关系。实际应用中，在确定了因子风险溢价的情况下，该模型可用来估计因子暴露，从而达到简单的业绩归因。若能够确定因子暴露，则可通过预估因子溢价来达到预测股票收益的目的。而 Fama-MachBeth 回归就提供了一种估计因子暴露以及因子溢价的方式。2013 年，Fama 和 French 在三因子模型的基础上添加了盈利水平风险 RMW 和投资水平风险 CMA 因子，构建了五因子模型。Barra 风险因子模型风险因子模型 随着理论研究多年来的发展，风险分析方法变得越来越精细，而多因子模型也逐渐成为分析组合风险的有力工具。多因子模型认为，相似的资产会呈现出相似的收益特征，而资产的相似性主要体现在各种可量化的属性上，例如，市场信息、基本面信息等。证券市场资产收益的多因子模型可被分为三类：宏观因子模型、基本面因子模型以及统计因子模型。宏观因子模型主要使用利率、通胀率等可观测到的宏观变量来度量市场变化对于股票收益的影响；基本面因子模型将组合收益与股票的基本面信息联系在了一起；统计因子模型通过对于股票收益的相关性矩阵进行因子分析来得到统计因子。Barra 的权益风险模型是基本面因子模型。该模型利用一组共同因子和一个仅与该股票有关的特质因子解释股票的收益率，并利用共同因子和特质因子的波动来解释股票收益率的波动。Barra 风险模型经过几十年的不断完善，现已有针对全球多个不同国家和地区的不同版本。中国版本 CNE5 中包括 1 个国家因子、10 个风格因子和 32 个行业因子，CNE6 则将 CNE5 的双层风格因子体系细分为包括 9 类一级因子、20 个二级因子、46 个三级因子的三层风格因子体系。Barra 风险因子模型在业界的应用十分广泛。Grinold&Kahn 与与 Qian&Hua 体系体系 格林诺德（Richard C.Grinold）与卡恩（Ronald N.Kahn）撰写的 Active Portfolio Management为主动量化投资者提供了一个较好的框架。Grinold&Kahn 体系认为，组合管理者在构建组合时应该关注的是组合相对于业绩基准的积极收益与积极风险的平衡，而信息比率（IR）衡量了积极管理的空间。根据积极管理基本定理（Fundamental Law of Active Management），信息比率一方面取决于预测收益的能力，另一方面取决于进行独立收益预测的次数，即IRICBR，其中 IC 为预测收益和实际收益之间的相关系数，体现了投资者预测收益的能力，BR 为投资者能够进行独立收益预测的频率，体现了投资策略的广度。在进行收益预测时，Grinold&Kahn 体系认为：Alpha 由波动率、预测能力和因子暴露所决定，即 Alpha=Volatility*IC*Score。在风险预测中，Grinold&Kahn 体系较为推崇使用 Barra 风险模型。虽然 Grinold&Kahn 体系为积极型组合管理者提供了较为全面的理论框架，但是在模型细节上依旧有所欠缺。钱恩平（Edward E.Qian）和罗纳德 H.华（Ronald H.Hua）等人撰写的Quantitative Equity Portfolio Management为多因子选股的实际应用提供了指导。Qian&Hua 认为量化投资过程至少包括如下五个必要部分：Alpha 模型。模型。量化投资最重要的部分便是 Alpha 模型，即股票超额收益率的预测模型。如果收益率的分布可以被预期收益率和标准差概括，那么预期收益率决定了某资产是该买入还是卖出、多配还是少配，而标准差则是决定配臵的规模。风险模型。风险模型。量化投资需要使用 Barra 等复杂的风险模型来识别风险，包括行业、基本面、宏观等多方面的风险。组合优化。组合优化。组合优化会基于投资经理的风险偏好，结合 Alpha 模型和风险模型，按照自己的需求在特定因子上设臵不同的暴露比例，从而确定组合内股票的权重。模型执行。模型执行。构造组合后的实际投资中需要交易，若换手率较高，投资者需考虑交易成本对模型的影响。相比于 Alpha 预测，交易成本是一个相对确定的数据，因此许多投资者直接在组合优化框架中加入了交易成本的影响。金融工程研究 金融工程专题报告8 请务必阅读正文之后的信息披露和法律声明 收收益益归归因。因。投资者通常会将事后实现的收益对因子暴露做归因，以确定收益来源，从而对模型进行改进。Qian&Hua 体系考虑了 IC 在时间序列上的稳定性，以最大化 IC-IR 来获得多个因子之间的加权权重。图图1 量化投资理论的发展历程量化投资理论的发展历程 1952Markowitz投资组合理论1964Sharpe等等资本资产定价模型（CAPM）1974Barr RosenbergBarra风险因子模型1976Ross套利定价模型（APT）1992Fama-French三因子模型1994Grinold&KahnActive Portfolio Management（APM）2007Qian&HuaQuantitative Equity Portfolio Management（QEPM）资料来源：海通证券研究所整理 1.2 量化投资的业界实践量化投资的业界实践 20 世纪 70 年代，量化投资开始在美国兴起。1971 年，美国富国银行的信托投资平台（Wells Fargo Investment Advisors）发行了世界上第一只指数基金标普 500指数基金。这一平台经不断改进演变成为巴克莱国际投资管理公司（BGI），并于 1977年发行了第一只主动量化基金。1974 年，曾任美国伯克利大学金融学教授的巴尔罗森伯格（Barr Rosenberg）独自一人在地下室成立了巴尔罗森伯格联合公司（Barr Rosenberg Associates），他利用电脑分析大量的数据与资料，创建了投资组合业绩和风险管理模型，就是现在著名的 Barra。1988 年，詹姆斯西蒙斯（James Simons）成立大奖章基金，从事高频交易和多策略交易。基金成立以来，费后收益达到 40%以上。1994 年，约翰梅里威瑟（John Meriwether）成立长期资本管理有限公司（LTCM），并邀请诺贝尔经济学奖得主斯科尔斯和莫顿（Sholes&Merton）加入。该公司专长于相对价值交易，搜寻价格偏离理论均衡水平的证券，并利用超高杠杆放大收益。1998 年，俄罗斯国债违约的黑天鹅事件出现，采用了高杠杆的长期资本管理有限公司破产。1998 年，克里夫阿斯内斯（Cliff Asness）创立 AQR，使用动量和价值因子指导投资。2007 年，伊戈尔 图利钦斯基（Igor Tulchinsky）创立了 World Quant，雇佣大量的基层 Quant 研究员通过数据挖掘的方式来寻找 alpha，再让有投资经验的高级经理筛选出真正有金融意义的信号，并构建投资组合，这套商业运作模式在国内量化私募中也比较流行。2009 年，曾在 BGI 担任大中华主动股票投资总监的李笑薇回国加盟富国基金，开始着手组建量化团队，将海外积累的量化投资经验应用于中国的证券市场。2012 年，同样任职于 BGI 的田汉卿和黎海威也陆续回国进入公募行业，从此 BGI 和多因子模型成为国内公募行业量化策略的主流。在近两年的结构性行情中，部分基金管理人开始将量化与主动相结合，取得了优异的表现。与公募相比，私募受到的限制较少，投资策略更加灵活，近年来涌现出明汯投资、幻方量化、九坤投资、灵均投资等多家管理规模达到百亿乃至千亿的顶级私募。金融工程研究 金融工程专题报告9 请务必阅读正文之后的信息披露和法律声明 图图2 量量化化投资实投资实践的演变践的演变 1971BGI第一只指数基金1974Barr RosenbergBarra风险模型1977BGI第一只主动量化基金1988James Simons大奖章短线统计套利1994John MeriwetherLTCM相对价值1998Cliff AsnessAQR动量&价值2007Igor TulchinskyWorld Quant数据挖掘2009-2012李笑薇李笑薇田汉卿田汉卿黎海威黎海威公募量化多因子2012明汯、幻方、九坤、灵均 资料来源：海通证券研究所整理 综上所述，量化策略有着坚实的理论基础和逻辑支撑，其历史与价值投资、成长投资、GARP 策略一样悠久。量化策略不会过度倾向于某一风格，而是从估值、盈利、投资者行为、市场微观结构等多个维度寻找资产定价偏离，利用均值回复特性，通过分散化投资以降低非系统性风险，获得相对基准指数稳定的超额收益。1.3 量量化投资对我国化投资对我国资资本本市场具有重要意义市场具有重要意义 我们认为，量化投资对我国资本市场意义重大，具体包括以下几点。第一，量化投资有利于提升资本市场的有效性。第一，量化投资有利于提升资本市场的有效性。量化策略与主动策略的超额收益来源不同，主动策略的收益来源是中长期基本面变化趋势和预期差，基金经理覆盖100-200 只股票，进行深入研究。而量化策略在关注基本面的同时，还会在全市场范围内寻找资产中的短期定价偏离，覆盖的范围超过主动策略。量化策略通过全面系统性的扫描，捕捉错误定价带来的投资机会，使资产最终获得了有效定价。资本在不同上市公司之间的分配更为合理，降低了市场的波动率。我们认为，量化投资的最终使命是提高我国资本市场的有效性。随着市场有效性的提升，A 股将向美国等成熟市场靠拢，具有全球竞争力的公司数量增多，指数有望迎来长牛和慢牛。同时，主动基金持续战胜指数的可能性下降，指数化投资或将成为市场的主流。在这种环境下，量化指数增强产品虽也无法取得较高的超额收益，但由于采用了较为严格的风控手段，因而与指数贴得更近。平均意义上，有可能相比主动基金具备一定的优势。第二第二，培育本土量化力量有利，培育本土量化力量有利于维于维护护国家金融安全。国家金融安全。近年来，A 股国际化进程加快，不断被纳入 MSCI、富时罗素、标普道琼斯等国际指数，外资持续流入 A 股。截至 2021年 1 月底，陆股通北上资金持股市值高达 2.46 万亿元，占 A 股流通市值比例为 3.81%。随着中国资本市场对外开放步伐的加快，桥水、DE Shaw、BlackRock 等海外量化巨头参与程度加深。基金业协会数据显示，截至 2020 年底，已有 35 家外商独资私募证券投资基金管理人（WOFE）进军中国市场。2020 年 4 月 1 日，公募基金管理公司正式放开外资股比限制，贝莱德率先拿到首家外资全资公募基金牌照，并于同年 8 月 21 日设立贝莱德基金。继贝莱德之后，路博迈、富达、范达集团、联博香港有限公司等外资机构也递交了设立公募基金公司的申请，先锋领航也曾明确表示将申请公募基金牌照。可以预见，未来公募基金行业即将进入内外资机构同台竞技的新时代，竞争将日益激烈。在公募量化领域，培育能够与海外巨头相抗衡的本土量化力量，对于维护国家金融安全有着重要意义。金融工程研究 金融工程专题报告10 请务必阅读正文之后的信息披露和法律声明 表表 1 管理规模在管理规模在 1 亿元以上的亿元以上的外商独资私募证券投资基金管理人外商独资私募证券投资基金管理人 公司名称公司名称 成立时间成立时间 登记日期登记日期 管理规模区间管理规模区间 元胜投资管理元胜投资管理(上海上海)有限公司有限公司 2012-03-26 2018-06-29 20-50 亿，顾问管理 0-1 亿 瑞银资产管理瑞银资产管理(上海上海)有有限限公司公司 2015-08-19 2016-08-15 20-50 亿 桥水桥水(中国中国)投资管理有限公司投资管理有限公司 2016-03-07 2018-06-29 10-20 亿 德劭投资管理德劭投资管理(上海上海)有限公司有限公司 2010-02-24 2019-04-11 10-20 亿 毕盛毕盛(上海上海)投资管理有限公司投资管理有限公司 2002-11-18 2018-07-17 1-10 亿，顾问管理 0-1 亿 路博迈投资管理路博迈投资管理(上海上海)有限公司有限公司 2016-11-28 2017-11-09 1-10 亿，顾问管理 1-10 亿 富达富达利泰利泰投资管理投资管理(上海上海)有限公司有限公司 2015-09-14 2017-01-03 1-10 亿 英仕曼英仕曼(上海上海)投资投资管管理理有限公司有限公司 2017-05-03 2017-09-07 1-10 亿 惠理投资管理惠理投资管理(上海上海)有限公司有限公司 2017-03-23 2017-11-09 1-10 亿 安本标准投资管理安本标准投资管理(上海上海)有限公司有限公司 2015-09-14 2017-11-29 1-10 亿 贝莱德投资管理贝莱德投资管理(上海上海)有限公司有限公司 2017-09-20 2017-12-25 1-10 亿 施罗德投资管理施罗德投资管理(上海上海)有限公司有限公司 2015-12-21 2017-12-25 1-10 亿 安中投资管安中投资管理理(上海上海)有限公司有限公司 2011-07-14 2018-02-28 1-10 亿 瀚亚投资管理瀚亚投资管理(上海上海)有限公司有限公司 2018-03-05 2018-10-16 1-10 亿 野村投资管理野村投资管理(上海上海)有限公司有限公司 2018-01-08 2019-06-20 1-10 亿 腾胜投资管理腾胜投资管理(上海上海)有限公司有限公司 2018-11-11 2019-09-11 1-10 亿 资料来源：基金业协会，海通证券研究所 第三，量化基金第三，量化基金是机构投资者进行资产配臵的重要工具。是机构投资者进行资产配臵的重要工具。量化基金的投资规则非常清晰，也更尊重基金合同的约定。以指数增强基金为例，一般要求投资于指数成分股和备选成分股的资产不低于基金非现金资产的 80%。日均跟踪偏离度的绝对值不超过0.5%，年化跟踪误差在 7-8%范围内。在成分股比例和跟踪误差两方面的约束下，量化基金不会偏离基准指数过多，更不会出现小盘基金买大盘股、科技基金买白酒股等明显的风格漂移情况。因此，量化基金具有更强的工具属性，风险收益特征鲜明，是机构投资者常用的配臵工具。2.量化量化基金基金表现表现及与主动及与主动基金基金的对比的对比 下文将从分年度收益、长期收益、超额收益稳定性等多个维度分析量化基金的两大主要类型主动量化和指数增强的表现，并与非量化主动权益基金（下简称，非量化基金）进行对比。2.1 主动主动量化量化基金基金 2.1.1 历史历史表现表现 按照 Wind 分类，截止 2020 年底，市场共计 204 只主动量化基金（未包含指数增强基金）。其中，56 只为主动股票开放型基金，69 只为偏股混合型基金，75 只为灵活配臵型基金，其余为港股基金。从 Wind 统计的主动量化基金的业绩来看，既有表现好的时期，也有表现差的阶段。与基金业绩比较基准相比，大部分年份，如 2015-2016 年、2019-2020 年，占比 70%以上的主动量化基金都可获得优于业绩基准的收益。2014 年、2017 年、2018 年，虽然仅 30%左右的主动量化基金跑赢基准，但整体跑输幅度较小（图 3）。与主动股基相比，2014 年、2016 年、2018 年，均有 70%以上的主动量化基金跑赢中证主动股基指数，2015 年跑赢主动股基的占比也接近 60%。从跑赢幅度来看，2014年、2016 年，主动量化基金年收益中位数相对主动股基的超额15%，表现优异。2017年、2019 年、2020 年，主动量化基金表现较弱，跑赢主动股基的占比低于 30%（图 4）。量化策略的持股较为分散，多利用均值回复特性，因此当市场结构性分化程度较低、博弈程度较高时，量化策略表现优异。如 2014-2016 年、2018 年，跑赢宽基的个股和 金融工程研究 金融工程专题报告11 请务必阅读正文之后的信息披露和法律声明 行业比例高（图 5），市场反转效应强（图 6），利于量化优势的发挥，跑赢主动股基的主动量化基金占比高。（注：月反转效应指，前期涨幅最小的 30%股票等权组合相对前期涨幅最大的 30%股票等权组合，下个月的收益差；年反转效应为当年月均反转效应。）目前结构性行情已持续两年，一部分股票的估值也已达到历史顶点，需要较长时间持续良好的业绩予以消化。基于 wind 导出的个股 PE（LYR）数据，统计个股当前估值所处历史分位点可发现，截止 2020 年底，个股估值（PE（LYR）达到近 10 年顶点的个股占比已达 16%，超过 70%历史分位点的个股占比也接近 3 成，因而存在估值收敛的可能。2021 年初，主动量化基金的表现已有所恢复。截止 1 月底，2020 年 10 月前成立的 200 余只主动量化基金，2021 年收益中位数为 3.30%，而非量化基金的中位数为3.11%，主动量化基金小幅跑赢非量化基金。（注：由于 Wind 分类的量化基金包含主动股票开放型、偏股混合型、以及灵活配臵型基金，因此与之对比的非量化基金为剔除了量化基金后的所有主动股票开放型、偏股混合型、以及灵活配臵型基金，下同）。图图3 主动主动量化基金相对量化基金相对业绩比较基准的超额收益业绩比较基准的超额收益 资料来源：Wind，海通证券研究所 图图4 主动主动量化基金相对主动股基的超额收益量化基金相对主动股基的超额收益 资料来源：Wind，海通证券研究所 图图5 跑赢宽基的月均个股比例和跑赢宽基的月均个股比例和行业比例行业比例 资料来源：Wind，海通证券研究所 图图6 A 股各年度股各年度的的反转效应反转效应 资料来源：Wind，海通证券研究所 2.1.2 主动主动量化量化基金基金长期业绩长期业绩表现优异表现优异 在 5 年的考察窗口下，绝大部分的主动量化基金都能获得优于其业绩比较基准的收益表现。2015 年至 2020 年，截止每年年末统计近 5 年战胜基准的主动量化基金占比可发现，这一比例稳定在 70%以上，2015、2016 两年甚至超过 90%（图 7）。由此可见，主动量化基金长期表现整体较为稳定。若以收益中位数来反映主动量化基金的整体表现，则自 2014 年至 2020 年，截止每年年末主动量化基金滚动 5 年的年绝对收益及相对于业绩基准的超额收益都保持为正（图 8）。部分基金连续多年的滚动 5 年超额收益保持在 10%以上。以申万菱信量化小盘为例，该基金自 2016 年至 2020 年，截止每年年末滚动 5 年的年超额收益均高于 10%，金融工程研究 金融工程专题报告12 请务必阅读正文之后的信息披露和法律声明 表现较为突出。以市场宽基指数，如沪深 300 指数作为比较基准，主动量化基金的表现也呈现类似特征。跑赢宽基的量化基金占比高，以收益中位数反映的主动量化基金超额收益时间序列稳定性强。2014 年至 2020 年，滚动 5 年的超额收益始终为正（图 9）。分别以主动量化基金和非量化基金的收益中位数代表两类投资策略的整体表现，对比两者的滚动 5 年收益。在 2014-2020 年的 7 年中，曾经有连续 4 年（2015-2018），主动量化基金的滚动 5 年收益持续优于非量化基金。虽然 2014 和 2019 年，主动量化基金的滚动 5 年收益不如非量化基金，但劣势十分微弱。只有在 2020 年，主动量化基金的滚动 5 年收益才显著低于非量化基金（图 10）。图图7 滚动滚动 5 年年收益收益优于优于业业绩绩比比较较基准的基准的主动主动量化基金占比量化基金占比 资料来源：Wind，海通证券研究所 图图8 主动主动量化量化基金基金滚动滚动 5 年年的的年化年化收益收益 资料来源：Wind，海通证券研究所 注：收益数据均用主动量化基金的收益中位数刻画。图图9 主动主动量化量化基金基金相对相对沪深沪深 300 指数指数滚动滚动 5 年的年超额收益年的年超额收益 资料来源：Wind，海通证券研究所 注：相对沪深 300 的超额收益用主动量化基金的超额收益中位数刻画。图图10 主动主动量化量化基金基金相对非量化相对非量化基金基金滚动滚动 5 年的年的年超额收年超额收益益 资料来源：Wind，海通证券研究所 注：非量化基金统计范围包括主动股票开放型、偏股混合型、灵活配臵型。基金。整体来看，主动量化基金长期业绩表现优异。无论是与基金业绩比较基准相比，还是与市场宽基相比，2014 年至 2020 年间，主动量化基金滚动 5 年超额收益始终为正。2.2 指数指数增强增强基金基金 除 Wind 归类的主动量化基金外，另一类常见的量化基金即为指数增强基金。这类基金力求在对标的指数进行有效跟踪的基础上，实现超越业绩基准的投资收益。2.2.1 历史历史表现表现 指数增强基金相对其业绩比较基准获取正超额收益的可能性大，时间序列稳定性强。如图 11 所示，2014 年至 2020 年，若以收益中位数代表指数增强基金的整体表现，其超额收益始终为正。同时，跑赢基准的指数增强基金占比高，每年均在 60%以上。金融工程研究 金融工程专题报告13 请务必阅读正文之后的信息披露和法律声明 如图 12 所示，与主动股基相比，2014 年、2016-2018 年，均有 65%以上的指数增强基金跑赢中证主动股基指数。分年度来看，2014 年，若以收益中位数代表指数增强基金的整体表现，相对主动股基的年超额逾 30%。但 2015 年指数增强基金表现较差，跑输幅度超过 30%。这主要是由于指数增强基金的跟踪指数以沪深 300 为主，2015 年沪深 300 指数表现不佳，仅上涨 5.58%。而 A 股涨幅中位数高达 61.2%，指数表现显著弱于个股平均涨幅。因此，相对指数约束较为严格的指数增强基金在 2015 年的表现不如约束条件宽松的主动股基。图图11 指数指数增强增强基金相对基金相对业绩比较基准业绩比较基准的超额收益的超额收益 资料来源：Wind，海通证券研究所 图图12 指数指数增强增强基金相对主动股基的超额收益基金相对主动股基的超额收益 资料来源：Wind，海通证券研究所 2.2.2 指数指数增强增强基金基金风风控控能力能力强，信息比高强，信息比高 指数增强基金通常会约束相对基准的偏离，因而风险控制能力较强，跟踪误差和回撤相对较小。绝大部分年份中，指数增强基金相对业绩基准的跟踪误差和最大回撤的中位数，均在 5%以下，显著低于非量化基金的中位数（图 13-14）。从风险调整收益来看，由于指数增强基金的风控能力较强，2014 年至 2020 年的大部分年份中，指数增强基金相对业绩基准的信息比和收益回撤比的中位数，均优于非量化基金的中位数（图 15-16）。图图13 指数指数增强基金年化增强基金年化跟踪跟踪误差的中位数误差的中位数 资料来源：Wind，海通证券研究所 图图14 指数指数增强基金增强基金最大最大回撤的回撤的中中位位数数 资料来源：Wind，海通证券研究所 金融工程研究 金融工程专题报告14 请务必阅读正文之后的信息披露和法律声明 图图15 指数指数增强基金增强基金年化信息年化信息比的中位数比的中位数 资料来源：Wind，海通证券研究所 图图