財經 北京新浪網 目標指數增強類基金的識別及FOF組合構建研究

目標指數增強類基金的識別及FOF組合構建研究

來源:量化先行者

摘要

研究背景

目前指數化投資已成為一種趨勢,然而在A股市場中寬基指數表現並不突出,主動基金仍存在顯著的Alpha收益。如果能將Alpha收益和指數型產品結合,長期投資便可以獲得更高的收益。事實上,指數增強類基金既滿足了投資者對風格穩定基金的偏好,又滿足了投資者對更高收益的追求。然而,傳統的指數增強類基金主要指的是基於量化選股方法的增強指數型基金,而忽略了市場中諸多基於基本面選股方法的主動權益型基金。因此,本報告試圖重新構建指數增強類基金篩選方法,旨在獲取更高的投資收益。

目標指數的增強類基金識別模型

指數增強類基金的篩選關鍵在於對權益類基金業績基準的識別,本報告提出了基於模擬基準的增強類基金識別模型。該模型以基金的模擬基準與目標指數相似度儘可能高為約束條件,以追求未來Alpha收益的最大化為目標,涉及基準指數匹配模型和Alpha收益預測模型兩部分。其中,基準指數匹配模型通過指數走勢、行業偏離、成份股佔比三個維度刻畫模擬基準指數與目標指數的匹配度;Alpha收益預測模型通過隱性信息比率因子打分。

目標指數的增強FOF組合構建

基於目標指數的增強類基金識別模型,本報告進行了增強類基金池的篩選和增強FOF組合的構建研究。與傳統增強指數型基金產品相比,增強FOF組合在小幅增加相對風險的條件下,大幅提升了超額收益和信息比率,長期投資價值更高。截至2020年7月底,各寬基指數的增強FOF組合表現如下:

滬深300指數增強FOF組合的年化收益率為13.50%,年化超額收益率為10.89%,信息比率達到了1.66,除2010年外相對最大回撤均在10%以內。

中證500指數增強FOF組合的年化收益率為17.57%,年化超額收益率為13.70%,信息比率達到了2.02,除2015年外相對最大回撤基本控制在10%以內。

中證1000指數增強FOF組合的年化收益率為13.45%,年化超額收益率為21.74%,信息比率達到了2.65,除2019年外相對最大回撤基本控制在10%以內。

1. 引言

1.1、指數化投資已成為一種趨勢

截至2019年底,美國共同基金市場資產規模接近22萬億美元。近十 年來,美國共同基金髮生了結構性變化,主動股票型基金佔比由82%降為61%,而以指數基金和ETF為代表的指數型產品佔比由18%提升至38%,且指數型產品長期保持著資金凈流入。

截至2020年7月底,中國指數型產品的規模超過了1.4萬億元。近年來,中國指數型產品得到了飛速發展,已成為市場中非常重要的產品類別,指數化投資已經成為一種趨勢。根據中證指數公司的統計,中國指數型產品數量和市場規模的年復合增長率均達到了30%以上。與同期美國和亞太地區相比,中國指數型產品數量與規模實現了快速擴容,但在絕對規模水平上仍然存在較大提升空間。

1.2、A股市場仍存在顯著的Alpha收益

事實上,在美國長期牛市背景下指數化投資的賺錢效應明顯,堅持投資指數型產品是可以獲得很好收益的,例如:過去十 年中標普500指數年化收益率達到了11.50%,納斯達克指數的年化收益率為16.90%,均表現較為優異。然而A股市場中的寬基指數雖然大幅跑贏了上證綜指,但表現並不突出,過去十 年滬深300指數的年化收益率僅為5.05%,中證500指數的年化收益率為4.61%,且A股寬基指數的波動更大。由此可見,在A股市場中長期持有寬基指數並不能獲得較高的收益,這與美股市場存在一定差異。

同時,當我們將寬基指數與主動基金指數比較時,可以發現A股市場中主動基金的投資價值更高。主動基金指數的年化收益率超過了10%,A股市場中依然存在顯著的Alpha收益。主要原因是,中國股市的交易主要是由個人投資者貢獻的。根據2010年至2019年上海證券交易所統計年鑒,2010年以來自然人以約20%持有市值創造了超過80%的交易佔比,其交易量遠超過專業機構投資者。然而機構投資者無論是在信息獲取還是投研能力上都擁有明顯優勢,因而在A股市場目前是存在顯著的Alpha收益的。機構投資者擁有信息優勢和突出的投資能力,能獲取更多的Alpha收益,從而使得管理的主動基金業績表現更加突出。

1.3、指數增強類基金的介紹

指數型產品擁有持倉股票公開透明,費率低等優勢,即投資者希望以低成本投資風格穩定的基金產品,以期獲得良好的投資收益。由於A股市場存在顯著的Alpha收益,如果能將Alpha收益和指數型產品結合,長期投資該類產品便可得到更高的投資收益。

事實上,增強指數型基金產品可以滿足上述要求。增強指數型基金以力爭實現超越目標指數的投資收益為目標,同時會約束跟蹤誤差和股票投資範圍(如投資於目標指數成份股和備選成份股的資產不低於股票資產的80%)。目前,市場上主要採用量化選股方法實現增強指數收益的目標,但也有少部分基金經理採用基本面選股方法管理增強指數型基金。

同時,也有部分主動權益型基金以目標指數為基準,追求穩定的超額收益。目前,市場上主要採用基本面選股方法管理主動權益型基金,但也有少部分基金經理採用量化選股方法。相比於增強指數型基金,放寬了跟蹤誤差和拓展了股票投資範圍,目的是發揮主動選股的優勢獲取更高的超額收益。我們將其與增強指數型基金合在一起,可統稱為指數增強類基金。指數增強類基金既滿足了投資者對風格穩定基金的偏好,又滿足了投資者對更高收益的追求。

1.4、小結

由上文分析可知,目前指數化投資已成為一種趨勢,然而在A股市場中寬基指數表現並不突出,主動基金仍存在顯著的Alpha收益。指數增強類基金將Alpha收益和指數型產品結合,既滿足了投資者對風格穩定基金的偏好,又滿足了投資者對更高收益的追求,長期投資可以獲得更高的收益。然而,傳統的指數增強類基金主要指的是基於量化選股方法的增強指數型基金,而忽略了市場中諸多基於基本面選股方法的主動權益型基金。因此,本報告試圖重新構建指數增強類基金篩選方法,旨在獲取更高的投資收益。

具體的,本報告將構建增強類基金識別模型,對特定目標指數進行增強類基金池的篩選並構建增強FOF組合,並以市場寬基指數進行相關實證研究。目標指數增強基金篩選模型的構建,對篩選特定風格的基金提供了新方法,對探索基金經理行為提供了新思路,對深入開展基金評價和業績持續性的研究提供了依據,對FOF組合構建具有一定的參考意義。

2. 目標指數的增強類基金識別模型

我們知道,前文中定義的指數增強類基金是跟蹤特定目標指數且能獲得一定超額收益的權益類基金。因此,考慮到指數增強類基金的特性,我們可以將其收益分解為Beta收益(β)和Alpha收益(α)兩部分。其中Beta收益代表的是目標指數的基準收益,是基金產品的基礎收益;而Alpha收益代表的是相對目標指數的超額收益,是基金經理通過主動管理獲得的,體現了基金經理的投資能力。

例如,部分基金公司推出的研究精選基金等,該類基金通常依託基金公司強大的研究團隊,由研究員精選各行業的好股票,再由投資決策小組參照目標指數進行均衡配置,力爭實現基金資產的長期穩健增值。

由此可知,針對指數增強類基金的篩選關鍵在於對權益類基金業績基準的識別。基金的業績基準可分為合約披露的業績比較基準和自主構建的業績比較基準。

合約披露的業績比較基準,是基金產品為自己設定的、可實現的預期目標,作為該產品未來業績考核的主要參考目標和標準。然而中國部分公募基金產品在業績比較基準的設定上比較隨意,通常會採用常見的寬基指數(如滬深300指數等),並未考慮產品管理對標的指數,或產品策略變更也沒有及時修改業績比較基準,進而使得諸多基金的凈值與基準指數之間存在較大偏離。

自主構建的業績比較基準,通常可分為指數回歸法、因子擬合法和持倉模擬法等。在此前的《20200610天風證券-基金研究:基金的業績比較基準構建及動態評估研究》報告中,我們對比了不同方法的原理和優缺點,提出了更加有效的模擬基準指數法,可以更好地跟蹤權益類基金的凈值走勢。

模擬基準指數法,是將基金的股票資產、債券資產、現金及其他資產加權合成構建的基準指數。其中股票資產為主要資產,採用重倉股補全法模擬基金季度持倉替代真實持倉;債券資產則直接使用中證全債指數替代,現金及其他資產直接使用一年期定期存款利率替代。

此外,我們會定期會對模擬基準進行更新,調整時點定在每個季度結束後的第15個交易日。相比於合約披露的業績基準,模擬基準可作為基金業績表現參考的錨,緊密跟蹤基金凈值走勢。

基於模擬基準,我們提出了針對特定目標指數的增強類基金識別模型。該模型主要包括基準指數匹配模型和Alpha收益預測模型兩個部分,下面我們將分別展開介紹。

2.1、基準指數匹配模型

針對指數類基金,由於合約會披露跟蹤標的指數,可直接將跟蹤標的指數與目標指數進行匹配;針對主動類基金,由於既無跟蹤標的指數又無有效的業績基準,並不能直接與目標指數進行匹配。因此,我們將構建基準指數匹配模型進行主動類基金的識別。

模擬基準指數匹配模型,是引入基金的模擬基準,與目標指數進行相似度匹配來判別的。在相似度刻畫上,我們選擇了指數走勢、行業偏離和成份股佔比三個指標。具體的:

(1)指數走勢

(2)行業偏離

(3)成份股佔比

2.2、Alpha收益預測模型

Alpha收益是基金相對基準收益的超額收益,體現了基金經理/投研團隊的管理能力,來源包括但不限於資產配置、選股、擇時、交易以及打新等等。

首先,我們對因子進行RankIC檢驗。即在每個月末利用基金過去一年數據計算因子值,並與基金未來半年收益率計算RankIC值。可以發現,隱性信息比率因子均表現較好,RankIC均值達到了0.119,標準差為0.098,勝率在85%以上,RankIC_IR值超過了1。從下面的RankIC序列統計圖可以發現,隱性信息比率因子長期表現較好,且整體而言局部反轉並不明顯。

進一步的,我們在月頻上對因子進行了半年度調倉的分組有效性檢驗。即在某月節點按照因子值降序排序將基金等分成10組並等權重構建組合持有半年再調倉,滾動計算,統計每組相對基金平均業績的年化超額收益,最終得到12個月份調倉策略的分組年化超額收益統計表。我們計算了12個策略年化超額收益均值統計結果,如上圖所示。可以發現,隱性信息比率因子的分組單調性較好,多空年化收益差明顯,多頭年化超額收益平均值達到了3.73%。

同時,分開來看12個月份調倉策略的分組有效性檢驗結果可以發發現,隱性信息比例因子的多頭年化超額收益更高且更加穩定,不同月底調倉策略的多頭年化超額收益均在3%以上。

由此可見,隱性信息比率因子表現較好,對基金未來業績具有非常好的預測能力。因此,我們可以選擇隱性信息比率因子構建Alpha收益模型。同時,我們希望基金的Alpha收益越高越好。因此,我們可以通過設定閾值來確定篩選基金,即當基金的隱性信息比率值超過特定閾值時,則認為其未來具有較好的Alpha收益。

2.3、小結

將前文中的基準指數匹配模型和Alpha收益預測模型結合,便可得到針對目標指數的增強類基金識別模型。增強類基金識別模型,以模擬基準與目標指數相似度儘可能高為約束條件,以追求未來Alpha收益的最大化為目標。示意圖如下所示。其中,基準指數匹配模型通過指數走勢、行業偏離、成份股佔比三個維度刻畫模擬基準指數與目標指數的匹配度;Alpha收益預測模型通過隱性信息比率因子打分。

3. 實證研究

前文中,我們構建了針對目標指數的增強類基金識別模型,本節我們將以A股市場寬基指數為例,進行指數增強類基金池的篩選和增強FOF組合的構建研究。

3.1、滬深300指數增強FOF組合構建

滬深300指數,是由上海和深圳證券市場中市值大、流動性好的300隻股票組成,反映了中國A股市場上市公司整體表現,是中國A股市場走勢的「晴雨表」。我們將針對滬深300指數進行增強類基金池的篩選和增強FOF組合的構建研究。

首先,我們在每年的6月和12月底利用基準指數匹配模型,篩選出過去一年模擬基準指數與滬深300指數匹配度較高的權益類基金;然後利用Alpha收益預測模型,篩選過去一年隱性信息比率為正的權益類基金,最終可得到滬深300指數增強類基金池。基金池每期基金數量如下圖所示。可以發現,基金數量過去長期低於20隻,但近年來有逐年增長的趨勢。

同時,我們在每期基於基金池的基金等權重構建組合持有半年再進行調倉,滾動計算,便可得到基金池組合,結果如下所示。可以發現,基金池組合能夠穩定跑贏滬深300指數,相對強弱曲線平穩增長,展現出良好的業績增強效果。截至2020年7月底,滬深300指數累計收益率31.30%,基金池組合累計收益率為216.66%,累計超額收益率達到了185.35%。

下表中對基金池組合的分年度超額收益進行了統計。可以看到,基金池組合絕大多數年份都跑贏了基準指數,超額收益較為顯著,風險控制較好。截至2020年7月底,基金池組合的年化收益率為11.51%,年化超額收益率為8.90%,信息比率達到了1.46,除2010年外相對最大回撤基本在8%附近。

由此可見,本報告提出的增強類基金識別模型實證效果較好,篩選出的滬深300增強類基金具有顯著的Alpha收益,且風險控制較好。但是,基金池組合依然存在一些不足,例如個別期持倉基金數量過多,且組合超額收益穩定性偏弱等。

為了更好地提升組合超額收益穩定性,我們將在基金池中進一步優選基金,構建滬深300指數增強FOF組合。相關信息設置如下:

回測時間:2009年12月31日到2020年7月31日;

調倉節點:每年6月和12月底的最後一個交易日,每年調倉2次;

研究樣本:在每個調倉節點滿足如下條件的所有基金:

交易費率:申購費率為1%%,贖回費率為0.5%;

持倉數量:每期至多選擇復合因子值最高的10隻基金;

持倉權重:等權重。

比較基準:滬深300指數。

在持倉基金方面,首先利用過去2年的隱性信息比率加權構建復合因子選基金,如果基金數量不足10隻,則選擇利用過去1年的隱性信息比率加權構建復合選基金,如果基金數量為0,則選擇投資滬深300指數。同時,考慮到調倉時基金的可交易性,如果調倉日遇見上期持倉中基金限制贖回時,我們繼續持有該基金,並保持該基金在本期權重不變;考慮轉型基金的調整期(3個月),如果持倉中的基金髮生轉型(普通股票型基金轉為偏股混合型基金除外),則在調倉日賣出該基金。

可以發現,增強FOF組合能夠穩定跑贏滬深300指數,相對強弱曲線平穩增長,展現出良好的業績增強效果。截至2020年7月底,滬深300指數累計收益率31.30%,增強FOF組合累計收益率為281.95%,累計超額收益率為250.65%。

下表中對增強FOF組合的分年度超額收益進行了統計。可以看到,增強FOF組合每年都跑贏了基準指數,超額收益整體較為穩定,風險控制較好。截至2020年7月底,增強FOF組合的年化收益率為13.50%,年化超額收益率為10.89%,信息比率達到了1.66,除2010年外相對最大回撤均在10%以內。

下表中列出了增強FOF組合每期持有基金數量。可以發現,在部分期優選基金的數量是不足10隻的,這在一定程度上會影響增強FOF組合的收益表現;近年來隨著基金數量的增加,優選基金的數量基本可以達到10隻,有效的提升了增強FOF組合的收益表現。

下表中列出了增強FOF組合最近2期的持倉基金信息。

3.2、中證500指數增強FOF組合構建

本小節我們將基於增強類基金識別模型,針對中證500指數構建中證500指數增強FOF組合。相關信息設置如下:

回測時間:2014年12月31日到2020年7月31日;

調倉節點:每年6月和12月底的最後一個交易日,每年調倉2次;

研究樣本:在每個調倉節點滿足如下條件的所有基金:

交易費率:申購費率為1%%,贖回費率為0.5%;

持倉數量:每期至多選擇復合因子值最高的10隻基金;

持倉權重:等權重。

比較基準:中證500指數。

在持倉基金方面,首先利用過去2年的隱性信息比率加權構建復合因子選基金,如果基金數量不足10隻,則選擇利用過去1年的隱性信息比率加權構建復合選基金,如果基金數量為0,則選擇投資中證500指數。同時,考慮到調倉時基金的可交易性,如果調倉日遇見上期持倉中基金限制贖回時,我們繼續持有該基金,並保持該基金在本期權重不變;考慮轉型基金的調整期(3個月),如果持倉中的基金髮生轉型(普通股票型基金轉為偏股混合型基金除外),則在調倉日賣出該基金。

可以發現,增強FOF組合能夠穩定跑贏中證500指數,相對強弱曲線平穩增長,展現出良好的業績增強效果。截至2020年7月底,中證500指數累計收益率26.61%,增強FOF組合累計收益率為246.87%,累計超額收益率為123.26%。

下表中對增強FOF組合的分年度超額收益進行了統計。可以看到,增強FOF組合每年都跑贏了基準指數,超額收益整體較為穩定,風險控制較好。截至2020年7月底,增強FOF組合的年化收益率為17.57%,年化超額收益率為13.70%,信息比率達到了2.02,除2015年外相對最大回撤基本控制在10%以內。

下表中列出了增強FOF組合每期持有基金數量。可以發現,絕大多數期優選基金的數量均可達到10隻,這在一定程度上提升了增強FOF組合的收益表現。

下表中列出了增強FOF組合最近2期的持倉基金信息。

3.3、中證1000指數增強FOF組合構建

本小節我們將基於增強類基金識別模型,針對中證1000指數構建中證1000指數增強FOF組合。相關信息設置如下:

回測時間:2015年12月31日到2020年7月31日;

調倉節點:每年6月和12月底的最後一個交易日,每年調倉2次;

研究樣本:在每個調倉節點滿足如下條件的所有基金:

交易費率:申購費率為1%%,贖回費率為0.5%;

持倉數量:每期至多選擇復合因子值最高的10隻基金;

持倉權重:等權重。

比較基準:中證1000指數。

在持倉基金方面,首先利用過去2年的隱性信息比率加權構建復合因子選基金,如果基金數量不足10隻,則選擇利用過去1年的隱性信息比率加權構建復合選基金,如果基金數量為0,則選擇投資中證1000指數。同時,考慮到調倉時基金的可交易性,如果調倉日遇見上期持倉中基金限制贖回時,我們繼續持有該基金,並保持該基金在本期權重不變;考慮轉型基金的調整期(3個月),如果持倉中的基金髮生轉型(普通股票型基金轉為偏股混合型基金除外),則在調倉日賣出該基金。

可以發現,增強FOF組合能夠穩定跑贏中證1000指數,相對強弱曲線平穩增長,展現出良好的業績增強效果。截至2020年7月底,中證1000指數累計收益率-32.72%,增強FOF組合累計收益率卻達到了157.68%,累計超額收益率為90.40%。

下表中對增強FOF組合的分年度超額收益進行了統計。可以看到,增強FOF組合每年都跑贏了基準指數,超額收益整體較為穩定,風險控制較好。截至2020年7月底,增強FOF組合的年化收益率為13.45%,年化超額收益率為21.74%,信息比率達到了2.65,除2019年外相對最大回撤基本控制在10%以內。

下表中列出了增強FOF組合每期持有基金數量。可以發現,每期優選基金的數量均可達到10隻,這有效提升了增強FOF組合的收益表現。

下表中列出了增強FOF組合最近2期的持倉基金信息。

4. 總結與展望

目前指數化投資已成為一種趨勢,然而在A股市場中寬基指數表現並不突出,主動基金仍存在顯著的Alpha收益。指數增強類基金將Alpha收益和指數型產品結合,既滿足了投資者對風格穩定基金的偏好,又滿足了投資者對更高收益的追求,長期投資可以獲得更高的收益。然而,傳統的指數增強類基金主要指的是基於量化選股方法的增強指數型基金,而忽略了市場中諸多基於基本面選股方法的主動權益型基金。因此,本報告構建了針對目標指數的增強類基金識別模型。

目標指數的增強類基金識別模型,以基金的模擬基準與目標指數相似度儘可能高為約束條件,以追求未來Alpha收益的最大化為目標,涉及基準指數匹配模型和Alpha收益預測模型兩部分。其中,基準指數匹配模型通過指數走勢、行業偏離、成份股佔比三個維度刻畫模擬基準指數與目標指數的匹配度;Alpha收益預測模型通過隱性信息比率因子打分。

本報告還針對A股市場寬基指數進行了增強類基金池篩選和增強FOF組合構建的實證研究。與傳統增強指數型基金產品相比,增強FOF組合在小幅增加相對風險的條件下,大幅提升了超額收益和信息比率,長期投資價值更高。

當然,本報告旨在提供一種指數增強類基金的篩選方法,在研究中依然存在諸多問題。例如,模擬基準的構建並未考慮基金經理變更等問題的影響;基準指數匹配模型仍有待改進;僅採用了一個因子構建Alpha收益預測模型,更多有效因子有待挖掘;等等。因此,在接下來的研究中我們將逐步優化。

相關係列研究報告

1《天風證券-基金研究:基金經理因子評價體系的構建與應用》 2019-12-25

2《天風證券-基金研究:FOF組合的收益模型:長周期因子的構建與應用》2019-09-12

3《天風證券-基金研究:規模因子在FOF組合構建中的應用》 2019-06-11

4《天風證券-基金研究:基金市場存在日曆效應嗎?》 2019-03-12

5《天風證券-基金研究:基金的風格劃分及增強FOF組合構建研究》2018-12-13

6《天風證券-基金研究:基金資產配置的板塊選擇能力評價體系》 2018-08-09

7《天風證券-基金研究:基金資產配置的行業選擇能力評價體系》 2018-05-08

8《天風證券-基金研究:基於風格加權的基金選股能力評價體系》 2018-02-08