指數增強基金優化分析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了指數增強基金優化分析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:指數增強型基金并非純指數基金，它是在指數基金的基礎上對其進行優化，加入積極的投資手段，對基準指數的跟蹤誤差進行控制的前提下，試圖獲得超越基準指數的投資回報。從投資理念上來講，指數增強基金是主動投資與被動投資的結合。就目前國內現有的指數增強策略來看，大多采用多因子模型策略，但其實際業績并沒有達到預期目標。這篇文章總結并反思了指數增強策略表現不佳的原因，并提出可能的改進方向。

關鍵詞:指數增強基金;增強策略;多因子模型;優化研究

近年來，以復制指數作為資產配置的投資策略受到了廣泛的歡迎，導致許多投資者采取了主動投資與被動投資相結合的模式，指數增強基金應運而生。增強型指數基金通常采用一種定性定量的策略，這種策略將投資組合的構成從嚴格遵循某些流行的市場指數，傾斜為一種略有不同的構成，有望在風險水平相似的情況下產生更多回報，因此越來越多投資者青睞于增強型指數基金，增強型指數基金開始迅速發展起來。由于我國指數增強基金進入大眾視野時間短，尚存在許多不足，以2019年指數增強的超額收益來看，多因子模型預測能力降低，不利的市場環境等因素，使得表現不如歷史平均。因此指數增強基金的優化問題成為亟待解決的問題。

1指數增強基金的概念及發展現狀

增強型指數基金是對基準指數的跟蹤誤差進行控制的前提下，以獲取超越基準指數的投資回報，它需要基準指數的跟蹤誤差與持倉組合保持在一定范圍內。從投資理念上來看，增強型指數基金是主動投資和被動投資的有機結合。指數增強基金是對指數基金進行改進的一種投資策略。在對指數增強基金進行管理的時候，基金經理要充分考慮各方面因素，他們在基金操作策略上的小小變動，都有可能或大或小地改變投資者的收益情況，因此基金經理權衡利弊，盡可能地為投資者獲取穩定的超額收益，增加他們認為值得購買的股票的權重，或者減少他們認為可以出售的股票的權重。從wind數據庫中的指數增強基金分類顯示，截止2019年第二季度，股權益類產品約1．8萬億，其中指數與類指數產品6072億，其中交易型開放式指數基金4382億，分級基金960億，LOF基金157億，非上市指數基金572億，指數增強基金878億。根據基金的規模和數量來看，跟蹤滬深300指數的有303．4億，中證500指數的有144．5億，上證50指數的為167．5億，其他189．7億。其中滬深300指數增強和中證500指數增強的競爭力最為激烈，同時也是指數增強的主要品種。在數量上，前者共計33只，后者共計23只。從產品規模看易方達上證50增強規模165億，其次富國滬深300增強90億、景順滬深300增強90億，建信中證500增強60億。從基金公司規模看，規模較大的是易方達、富國和景順長城，指數增強的產品規模分別為177億、174億和104億，占到了全市場的22%、22%和13%。

2、指數增強基金表現回顧

回顧2019，這一年里發生過太多的事，從春節后股票市場大盤的躁動、中美貿易戰從悲觀再到簽下第一階段的協議、豬肉價格暴漲再到年底全國范圍的疫情的爆發。在經歷過種種意外和不安之后，2019年對于基本面量化選股策略來說也是艱難的一年。目前市面上大多數公募指數增強產品以對標滬深300居多，而私募指數增強產品則以對標中證500居多。以2015年－2019年規模最大的5只滬深300、中證500指數增強基金為研究對象，統計其相對基準指數的超額收益。從表中可以看出，2015－2018年，指數增強策略表現優異，大幅跑贏基準指數。然而，進入2019年，在以量化基本面選股策略為主的滬深300、中證500指數增強基金中，但規模最大的5只指數增強基金相對基準指數的超額收益分別為1．66%和4．70%，均低于2015－2018年間的超額收益。由此可見，雖然2019年指數增強策略能繼續獲得正向的超額收益，但表現明顯不如前幾年的水平。為什么以往表現優異的指數增強策略在今年變得不那么有效了?這個問題引人深思，我們對此進行探討。

3指數增強基金表現不佳的原因

指數增強策略在2019年表現不如以往那么有效，可能是源于:不利的市場環境、風險控制模型存在漏洞、模型擁擠。現從這三方面分析其表現不佳的原因。

3．1不利的市場環境

就目前國內現有的指數增強策略來看，大多采用多因子模型策略。多因子模型看似普遍適用，但其適用的環境與市場密切相關。股票收益在整個市場的離散程度、股票上漲的數量以及大小盤風格的穩定性，都會對多因子模型的表現產生影響。我們用市值因子來衡量大小盤風格的穩定性。當市值發生變化時，通過因子來解釋股票截面回報的差異就變得更加困難。許多共同因素在大盤股的集合選股效果相對較弱，而在小盤股的集合選股效果相對較強。因此，市值加權波動率對多因子模型績效的影響要大于普通波動率。較高的市場價值加權波動率表明小市值股票集中個股收益分散度小，多因子模型能發揮的空間有限，模型的表現相對較差。因此，在2019年，市值風格不穩定、收益大于均值的個股數量占比低，市場結構不利于多因子模型。

3．2風險控制模型存在漏洞

事實上，除了不利的市場環境會決定超額收益以外，風險控制模塊也會在一定程度上影響指數增強基金業績的表現。從風險控制模型來看，強化風險約束雖然可以降低短期內的回撤，但增強策略組合的長期業績表現也會受到削弱，因此風險約束變量既是收益來源也是風險來源。在一定范圍內放松約束，指數增強策略在長期內可以獲得較為可觀的風險補償收益。但也需要承擔某些時段內，主動的風險暴露所帶來的虧損。

3．3模型擁擠

一般情況下，我們用指數增強基金日超額收益的平均相關系數來表示模型擁擠的程度。其中有效因子會受到資金追捧，而資金買入過多又會反過來造成模型擁擠，削減收益。這個現象反映指數增強基金所采用的模型策略本質上越來越趨于一致。因此，同質化程度越來越高，模型逐漸擁擠，收益被不斷削弱，這可能是2019年多因子模型指數增強型基金業績下滑的另一個原因。

4指數增強基金優化方向

雖然2019年指數增強策略能繼續獲得正向的超額收益，但表現明顯不如歷史水平。說明市場正在逐步成熟，如果不持續的研發和尋找新的因子，就很難保持一個穩定的超額收益。面對這一困局，我們認為，可以嘗試的改進方向有:機器學習、引入高頻因子、采用“核心—衛星”的配置方式等。

4．1機器學習

由于多因子模型被越來越多的基金經理人廣泛運用，模型擁擠的情況似乎不可避免，也讓傳統多因子模型的生態環境變得愈發艱難。機器學習可以給投資者提供更強的投資信號，一方面可以避免模型擁擠，另一方面可以發現收益和因子間的隱含關系。雖然近年來多因子模型利用計算機技術和簡單的數學模型取得了很大的發展，但是過于簡單的數學模型已經不能很好地適應日益復雜的金融市場環境。機器學習的發展與融入給多因子模型注入了新的活力，機器學習正成為一種新的發展趨勢，而且機器學習算法能夠更好地識別因子間的線性關系。因此，運用機器學習方法或許可以提升收益的預測能力。

4．2引入高頻因子

可以尋找包合新信息的因子，如高頻因子來提高收益能力。高頻因子采用日內交易數據構建指標，可以引入交易行為信息。隨著傳統因子研究的深入，使用日級別數據已經很難發現能夠在傳統技術選股因子之外提供額外選股能力的因子了。近半年來，通過高頻數據的累計效應為低頻選股提供額外信息這種思路受到各大研究團隊的青睞，高頻因子挖掘可以提高整體策略穩定性高頻因子收益的相關性有限，組合多個因子可以有效提高策略收益能力，降低風險。

4．3采用“核心—衛星”的配置方式

核心資產部分投資于指數化產品，用于進行被動投資;衛星資產部分進行主動投資，例如投資于個股或投資其他風格的基金等。與核心資產相比，衛星資產通常相關性較低，回報率較高，在核心資產配置某一市場指數的情況下，衛星資產就構成了“指數增強器”。這種配置的實質在于通過局部的衛星資產的主動投資，來提升核心資產的被動投資的業績，最終提高投資的整體業績。這種配置方式既融合了被動投資低成本、低風險、長期收益穩定的優勢，同時又吸收了超額收益的積極投資機會的優勢，揚長避短，最大限度地提高投資組合的有效性。

5指數增強未來趨勢

指數增強基金是在一定偏離度和跟蹤誤差的約束內，追求相對基準指數超額收益的基金產品。指數增強基金持有人在收獲指數收益的同時，還能夠享受到基金管理人提供的較為穩定的超額收益增厚，相對于被動指數投資，具有極高的性價比。對于指數基金的發展過程來看，國內經歷了從2008年開始的被動指數，到2010年出現的指增強策略。可以認為，指數增強是未來投資創新的重要方向，但目前來說，指數增強仍是被動型投資配置的主要陣地，需要不斷優化，才能在指數基金創新之路上有堅實的積累。相信在經歷此番成交額低迷的行情后，也會使得從業人員不斷反思，模型得到提升，相信在未來數增強基金將會迎來較大的發展空間。

參考文獻:

［3］朱臻．指數基金增強策略創新研究［J］．財會月刊，2012(36):46－48．

［4］葉贇．基于隨機森林量化的滬深300指數增強策略設計［D］．東華大學，2019．

［5］古志婷．增強型指數基金的構造及優化研究［D］．廣州大學，2018．

［6］巴曙松，汪鑫．C－TEV約束下增強型指數基金管理實證研究［J］．財經問題研究，2011(04):53－60．

［7］王冬潔．指數基金的增強機制及其績效研究［D］．鄭州大學，2013．

作者：鄭玥 單位：沈陽工業大學