本报告导读：
　　2020年后中小盘量化基金规模快速上升，本文从截面波动率的角度分析了产生该现象的原因，同时也讨论了风格、规模对量化基金的影响。接下来我们构建了复合评价指标对指数增强基金进行优选，优选组合表现良好。对于未来，我们认为机构在中小盘的布局有望延续，同时印花税降低对量化的利好程度超过市场普遍认知。
　　摘要：
　　2020年后机构投资者加快在中小盘量化基金上的布局。近两年机构与管理人员工对中证1000指增、主动量化基金的配置比例显著上升，而主动量化基金中表现较好的基金多暴露在小市值风格。这主要是由于小市值量化天然具有较高的超额收益：随着市值的减小，股票截面波动率逐渐上升，因此相同模型的小盘量化超额收益理论上高于大盘量化。较高的超额收益吸引了机构的布局，机构资金进一步推高小市值beta，因此近年来小盘量化同时享受到了alpha、beta带来的双重红利。
　　组合通过适当的风格及行业暴露可以提升收益，但过大暴露长期可能损伤基金净值。我们根据半年报及年报持仓，计算出每只基金的风格及行业暴露水平，并按照30分位数、70分位数每期将基金按照不同暴露水平划分为3组，计算不同组别超额收益。结果显示，指数增强基金可以通过适当的暴露提升超额收益，但过大暴露长期看会损伤基金净值。规模也是影响量化基金超额收益的重要因素，投资人买入表现较好的基金导致基金规模上升，但过大的规模会降低基金超额收益。
　　本文的后半部分使用指数增强基金的超额收益计算基金业绩评价指标，并依此对基金进行挑选，构建出的优选基金池表现较好：2018年1月1日至2023年8月25日，优选300指增组合相较于沪深300指数、同类基金平均收益的年化超额收益分别为8.44%、3.45%；优选500指增组合相较于中证500指数、同类基金平均收益的年化超额收益分别为9.30%、2.95%。2021年1月1日至2023年8月25日，优选1000指增组合相较于中证1000指数、同类基金平均收益的年化超额收益分别为9.52%、2.28%。
　　对于未来，我们认为：（1）机构在中小盘量化上的布局有望延续，该趋势会继续推高小市值beta。（2）降低印花税对于量化基金的直接利好体现在降低交易成本上；同时，成本的降低让量化策略可交易信号增加，信号增加后策略可能会通过升频的方式进一步提升alpha。（3）量化交易监管规则对资管类产品整体影响不大，长期看有助于规范市场。
　　风险提示：本报告结论完全基于公开的历史数据进行计算，对基金产品和基金管理人的研究分析结论并不预示其未来表现，也不能保证未来的可持续性，亦不构成投资收益的保证或投资建议。本报告不涉及证券投资基金评价业务，不涉及对基金产品的推荐，亦不涉及对任何指数样本股的推荐。
　　

研究报告全文：基金研基金研究究TableMainInfoTableTitleTableAuthor20230905报告作者孙雨分析师量化策略基金优选思路全解0755-23976934专sunyu025238gtjascom证书编号S0880521090002TableGuide题研本报告导读2020年后中小盘量化基金规模快速上升本文从截面波动率的角度分析王继恒分析师究了产生该现象的原因同时也讨论了风格规模对量化基金的影响接下0755-23976934来我们构建了复合评价指标对指数增强基金进行优选优选组合表现良wangjihenggtjascom好对于未来我们认为机构在中小盘的布局有望延续同时印花税降低证书编号S0880522100003对量化的利好程度超过市场普遍认知摘要TableReport相关报告2020年后机构投资者加快在中小盘量化基金上的布局近两年机构TableSummary多资产FOF组合月报与管理人员工对中证1000指增主动量化基金的配置比例显著上升20230904而主动量化基金中表现较好的基金多暴露在小市值风格这主要是由小微盘股守正出奇配置优势或将延续于小市值量化天然具有较高的超额收益随着市值的减小股票截面20230830波动率逐渐上升因此相同模型的小盘量化超额收益理论上高于大盘多重利好提振布局低位高弹性宽基指数量化较高的超额收益吸引了机构的布局机构资金进一步推高小市20230829值beta因此近年来小盘量化同时享受到了alphabeta带来的双震荡行情阶段的高胜算策略重红利20230824体验至上低风险高胜算基金优选解析证组合通过适当的风格及行业暴露可以提升收益但过大暴露长期可20230819券能损伤基金净值我们根据半年报及年报持仓计算出每只基金的风研格及行业暴露水平并按照30分位数70分位数每期将基金按照不同暴露水平划分为3组计算不同组别超额收益结果显示指数增究强基金可以通过适当的暴露提升超额收益但过大暴露长期看会损伤报基金净值规模也是影响量化基金超额收益的重要因素投资人买入表现较好的基金导致基金规模上升但过大的规模会降低基金超额收告益本文的后半部分使用指数增强基金的超额收益计算基金业绩评价指标并依此对基金进行挑选构建出的优选基金池表现较好2018年1月1日至2023年8月25日优选300指增组合相较于沪深300指数同类基金平均收益的年化超额收益分别为844345优选500指增组合相较于中证500指数同类基金平均收益的年化超额收益分别为9302952021年1月1日至2023年8月25日优选1000指增组合相较于中证1000指数同类基金平均收益的年化超额收益分别为952228对于未来我们认为1机构在中小盘量化上的布局有望延续该趋势会继续推高小市值beta2降低印花税对于量化基金的直接利好体现在降低交易成本上同时成本的降低让量化策略可交易信号增加信号增加后策略可能会通过升频的方式进一步提升alpha3量化交易监管规则对资管类产品整体影响不大长期看有助于规范市场风险提示本报告结论完全基于公开的历史数据进行计算对基金产品和基金管理人的研究分析结论并不预示其未来表现也不能保证未来的可持续性亦不构成投资收益的保证或投资建议本报告不涉及证券投资基金评价业务不涉及对基金产品的推荐亦不涉及对任何指数样本股的推荐请务必阅读正文之后的免责条款部分TablePage专题研究目录1公募量化基金增速加快机构布局小盘量化3112023年公募量化基金规模持续创出新高3122020年后机构投资者加快在中小盘量化基金上的布局32小盘股alpha较高吸引资金进一步推升小盘beta521量化基金在小盘股上更容易获取超额收益522部分主动量化享受了小市值带来的alphabeta双重红利523剔除市值风格后基金间超额收益差距缩小63过大的风格或行业暴露长期可能损伤基金净值731长期具有单边收益的风格被称为smartbeta732量化产品多在成长盈利动量上进行暴露833行业暴露上基金超配的行业累计收益基本为正934组合适当暴露提升收益过大暴露长期可能损伤基金净值94规模也是影响量化基金超额收益的重要因素1141规模及产品超额收益计算方法1142建议选择规模适中的产品进行配置115指数增强策略优选方法1351单因子释义1452复合因子表现较好1553优选组合业绩表现176未来展望2061机构在中小盘量化上的布局有望延续2062降低印花税对量化策略的利好超过市场普遍认知2063量化交易监管规则长期看有助于规范市场217附录21712023年7月优选指增基金基本信息2172单因子测试结果228风险提示25请务必阅读正文之后的免责条款部分2of26TablePage专题研究1公募量化基金增速加快机构布局小盘量化112023年公募量化基金规模持续创出新高股票量化多头基金是通过数理统计分析在某一特定时间点选择那些未来回报可能会超越基准的证券进行投资以期获取超越指数基金的收益其主要采用量化投资策略来构建投资组合关于公募量化基金的分类方式建议参阅国泰君安证券研究2022年报告公募量化基金2022年盘点2016年后公募量化基金发展开始加速在近两年权益型基金整体表现不佳的情况下公募量化基金的数量及规模依旧呈持续上升的趋势2015年12月31日量化基金数量为55只总规模41831亿元其中300指增500指增1000指增主动量化数量分别为21只12只0只22只规模分别为12604亿元4173亿元0亿元25054亿元截至2023年6月30日量化公募数量已经上升到330只总规模为212825亿元其中300指增500指增1000指增主动量化数量分别为61只73只39只157只规模分别为58889亿元62556亿元30433亿元60947亿元指数增强由于1有清晰的对标指数可解释性强2有可使用的对冲工具可以在此基础上构建低风险的中性策略因此发展快于主动量化沪深300中证500对冲工具上市时间较早因此发展也较早在2022年7月22日中证1000股指期货上市后中证1000指数增强数量及规模才开始快速增加目前各个策略的增速方面中证1000指数增强策略因其较高的超额以及完善的对冲工具增速较快图1公募量化基金规模近年来爆发式增长图2公募1000指增数量上升较快300指增规模500指增规模1000指增规模主动增强规模300指增数量500指增数量1000指增数量主动增强数量250035030020002501500200100015010050050002004-12-12008-9-12012-6-12016-3-12019-12-12004-12-12008-9-12012-6-12016-3-12019-12-1数据来源wind国泰君安证券研究数据来源wind国泰君安证券研究数据统计区间2004123120230630数据统计区间2004123120230630122020年后机构投资者加快在中小盘量化基金上的布局公募量化基金中机构投资者占比高于其在主动股票基金中的占比其中300指增中机构投资者占比较高我们使用规模加权的方式计算了量化基金中机构投资者的占比2022年12月31日量化基金中机构投资者请务必阅读正文之后的免责条款部分3of26TablePage专题研究占比约为30个人投资者约为70公募主动股票基金中该数据分别为21477853300指增500指增1000指增主动量化的机构平均占比分别为3883219227673165个人投资者占比分别为6188793272337159员工占比分别为019050053064机构投资者出于配置需求偏好300指增而个人投资者更加喜欢超额收益更高的500指增和1000指增2020年后机构投资者加快在中小盘量化基金上的布局2020年后中证500指增中机构投资者占比逐年下降与此同时近两年机构与管理人员工对1000指增与主动量化型基金的配置比例显著上升这主要是因为随着中证500指增策略赛道的拥挤超额收益下降而中证1000指增目前仍能维持较高的超额收益此外随着中证1000股指期货与期权的上市基于中证1000指数的多元化策略得以蓬勃发展图32021年后公募量化基金占比逐渐提升公募非量化偏股型基金规模亿元左轴公募量化多头规模亿元左轴量化占比右轴300001425000121020000815000610000450002002004-12-12007-8-12010-4-12012-12-12015-8-12018-4-12020-12-1数据来源国泰君安证券研究数据统计区间2004123120230630表1机构投资人在中小盘量化中的占比持续提升统计300指增500指增1000指增主动量化日期个人机构员工个人机构员工个人机构员工个人机构员工2018064143581604057404242018739925940077862212900820181247335242025611338700179839153008816618230112019064769521701362603722018968331000779842005011201912467153050246311366502395684210117501248401520200655814394025669232920169350646004693630410232020125470451801273632622015813018580126415356601820210669403050010720727770177898209101265933385022202112675632350107132285501371882806005597040030272022066401358801077852202013733426420245977399103320221262033787010791720650186471351301660503905045数据来源国泰君安证券研究数据统计区间2018063020221231请务必阅读正文之后的免责条款部分4of26TablePage专题研究2小盘股alpha较高吸引资金进一步推升小盘beta21量化基金在小盘股上更容易获取超额收益股票量化多头策略希望在固定时间点可选样本空间内找到未来一段时间相对较强的股票从而跑赢基准股票池小盘股波动率高于大盘股也就是说小盘量化样本空间中的股票波动率差别较大截面波动率高因此量化策略在小盘股中选股时更容易选择到相对更加强势的股票因此也更容易在小盘中做出较高的超额收益主要宽基指数中随着市值的减小截面波动率逐渐上升因此小盘量化超额收益高于大盘量化我们统计了沪深300中证500中证1000国证2000指数的截面波动率发现随着指数成份股市值的下降宽基指数截面波动率逐渐上升指数增强基金的表现也反映出了截面波动率越大超额收益越高的特点中证1000指增策略累计超额收益远高于中证500指增与沪深300指增图4随成份股市值下降指数截面波动率上升图5公募1000指数增强平均累计超额收益较高沪深300中证500中证1000国证2000300指增超额收益率500指增超额收益率1000指增超额收益率主动增强超额收益率555027254523402135193017152513201115092016-01-292018-01-292020-01-292022-01-292016-1-262018-1-262020-1-262022-1-26数据来源wind国泰君安证券研究数据来源wind国泰君安证券研究数据统计区间2016012920230825数据统计区间201601262023082522部分主动量化享受了小市值带来的alphabeta双重红利主动量化基金中表现较好的基金多暴露在小市值风格小盘量化基金近年来获取了alpha与beta方面带来的双重红利由于没有明确对标基准主动量化基金内部差别较大导致主动量化基金平均超额收益相较于中证全指表现较为一般但近两年部分暴露在小微盘指数上的主动量化基金表现较好收益远高于指数增强这部分基金也受到了市场的关注规模上升较快我们选取了2021年1月1日至2023年8月25日收益率排名前5的中证1000指增与主动量化基金使用夏普模型回归观察基金暴露情况发现表现较好的主动量化基金多暴露在小市值与微盘股上小盘量化的高alpha吸引资金入场入场资金进一步推升小盘股的价格因此暴露在小市值风格的量化基金近年来获取了alpha与beta方面带来的双重收益请务必阅读正文之后的免责条款部分5of26TablePage专题研究表2表现较好的主动量化基金多在小微盘市值风格有暴露上证50沪深300中证500中证1000创业板小市值指数微盘股科创50科创100中证全债货币基金R2建信中证1000指数增强00085500064096万家中证1000指数增强001869001080496招商中证1000指数增强208784020250961000增强LOF002262300076097长城量化小盘0120471102299089金元顺安元启400000630003391招商量化精选005570370001090国金量化多策略03719011716010982华夏智胜价值成长11435221014062694银河定投宝6056002500001385数据来源wind国泰君安证券研究数据统计区间202101012023082523剔除市值风格后基金间超额收益差距缩小2021年来表现较好的主动量化与指数增强在收益上差距较大但收益间的差距主要是由beta的差异带来我们使用上述回归结果重新拟合了基金基准并比较了基金净值与拟合基准间的差异比如建信中证1000指数增强的拟合基准中证1000收益率85创业板指收益率5科创100收益率6中证全债收益率4结果发现虽然排名前五的主动量化产品平均年化收益远高于排名前五的1000指增但在剔除了beta收益后其超额收益相较于1000指增并没有非常明显的优势表3剔除风格暴露后主动量化与1000指增超额差异不大与拟合基准比较年化产品名称年化超额年化跟踪收益率信息比率收益率误差建信中证1000指数增强A4071020393260万家中证1000指数增强A394955413231招商中证1000指数增强A3578943982251000增强LOF174739312237长城量化小盘1687626201231000指增平均300874427215金元顺安元启33391237462268招商量化精选A11721232584211国金量化多策略A10121006711142华夏智胜价值成长A9591132403281银河定投宝507668628106主动量化平均13981055558201数据来源wind国泰君安证券研究数据统计区间2021010120230825请务必阅读正文之后的免责条款部分6of26TablePage专题研究图6采用拟合基准计算的超额收益走势较为稳定建信中证1000指数增强万家中证1000指数增强招商中证1000指数增强1000增强LOF长城量化小盘金元顺安元启招商量化精选国金量化多策略华夏智胜价值成长银河定投宝1401351301251201151101051000950902021-1-42021-4-42021-7-42021-10-42022-1-42022-4-42022-7-42022-10-42023-1-42023-4-42023-7-4数据来源wind国泰君安证券研究数据统计区间20210101202308253过大的风格或行业暴露长期可能损伤基金净值31长期具有单边收益的风格被称为smartbeta股票的风格反映了股票的某个共性通过该种共性选出的股票在收益表现上具有一定的趋同性例如通过行业属性筛选的股票表现具有某种共性通过市值价值成长等筛选的股票在股价表现方面也同样具备相似性作为衡量风格的其中一个维度行业属性较为直观因此在评判风格时被广大投资人广泛认知而市值价值成长等风格由于不那么直观目前市场对其认知不足关于这方面的研究比较典型的有fama-french五因子与barra风格因子具有周期性的风格因子被称为beta而长期具有单边收益的beta被称为smartbeta以成长风格为例成长风格一般是采用盈利增速指标对公司进行分类高成长的公司历史盈利增速较高往往属于初创公司或新兴行业在经济扩张周期中由于投资人较为乐观因此倾向于使用永续经营法线性外推公司的盈利增速对公司的远期业绩较为乐观因此愿意给予较高的估值而当经济开始收缩公司盈利增速下滑投资人不得不重新审视公司从而调低公司估值因此成长类的公司在经济扩张时股价上涨较快而在经济收缩期股价迅速下跌具有较高的弹性我们基于风格制作了市值价值成长盈利流动性动量波动率7个风格因子不同的风格因子在不同周期具有不同的表现1市值风格因子方面小市值股票相较于大市值股票长期具有超额收益但请务必阅读正文之后的免责条款部分7of26TablePage专题研究在2017年供给侧改革2021年抱团股期间大市值风格表现较好这也是beta因子周期性的体现2成长价值因子在不同经济周期往往具有相反的走势2019-2021年扩张周期中成长风格表现较好但随着市场回调2022年后价值因子表现优于成长因子3主观投资的基金经理一般将盈利因子作为衡量企业盈利能力的指标使用其观察行业景气度该指标在2021年前表现较好但随着市场近两年不交易基本面该因子发生了一定的回撤4动量因子衡量了股价的延续性其认为过去涨的好的股票未来涨幅也会更高该因子在2019-2021年初蓝筹股行情期间表现较好2021年新半军行情中动量因子波动开始放大进入2022年行业轮动加快动量因子也出现回撤值得关注的是该因子在2023年初AI中特估的行情中有所上升但随着市场风格切换动量因子又出现了下滑5交易低流动性与低波动的股票长期来看可以获得正向收益关于低流动性带来正收益的解释方面市场倾向于认为这是流动性补偿造成的而关于低波动股票长期优于高波动股票的原因市场上有着不同的假说比较有代表性的有杠杆厌恶彩票偏好委托代理分析师过度乐观等假说图7股票风格因子具有周期波动的属性市值价值成长盈利流动性动量波动率1312111009080706052016-1-82017-1-82018-1-82019-1-82020-1-82021-1-82022-1-82023-1-8数据来源国泰君安证券研究数据统计区间201601012023082532量化产品多在成长盈利动量上进行暴露量化产品多在成长盈利动量风格上进行暴露我们使用基金半年报与年报持仓计算基金详细持仓股票的风格暴露情况并将其与基准进行比较计算量化基金相对基准的风格暴露结果发现量化产品多在成长盈利动量风格上进行暴露2021年9月至今公募量化基金暴露较大的风格因子持续回撤叠加截面波动率震荡下降因此公募量化基金累计超额收益的斜率明显变缓此外500指增与1000指增在流动性和波动两个风格上均有负向暴露低流动性与低波股票长期具有超额收益因此这两个风格的暴露会为基金带来一定的正收益请务必阅读正文之后的免责条款部分8of26TablePage专题研究表4量化产品在部分风格上的暴露具有一致性统计类型市值价值成长盈利流动性动量波动300指增019006011005011013009500指增0020080210150090200001000指增000006025014024008015数据来源wind国泰君安证券研究数据统计区间2018063020221231注红色字体代表负数33行业暴露上基金超配的行业累计收益基本为正行业上量化基金超配的行业累计收益基本为正我们统计了公募指增基金2018年1月1日至2022年12月31日行业暴露情况以及区间内行业累计收益发现指增基金整体超配机械基础化工板块基金超配的行业中除轻工制造外其余行业区间内累计收益均为正低配的行业中累计收益涨跌不一表5整体超配机械基础化工行业暴露前五行业机械食品饮料基础化工建材轻工制造300指增超低配比例063063054040026累计涨跌幅0091110725571131-879行业机械基础化工建材煤炭汽车500指增超低配比例087056054039036累计涨跌幅0092557113149111984行业机械基础化工消费者服务农林牧渔汽车1000指增超低配比例091071043036030累计涨跌幅0092557703013781984行业暴露后五行业电力及公用事业通信有色金属银行非银行金融300指增超低配比例-021-026-040-104-140累计涨跌幅7389-34921808678-1923行业国防军工综合钢铁计算机非银行金融500指增超低配比例-034-042-051-092-111累计涨跌幅3052-3243-1147058-1923行业有色金属传媒计算机食品饮料医药1000指增超低配比例-038-039-053-072-072累计涨跌幅1808-3987058111071581数据来源wind国泰君安证券研究数据统计区间201801012022123134组合适当暴露提升收益过大暴露长期可能损伤基金净值我们根据半年报及年报持仓计算出每只基金的风格及行业暴露水平每期按照30分位数70分位数将基金按照不同暴露水平划分为3组并计算不同组别超额收益具体计算方式如下1计算每只基金当期持仓风格行业相较于基准的暴露水平2加总基金在不同风格行业暴露的绝对值计算当期总暴露水平3每期将同类基金的风格请务必阅读正文之后的免责条款部分9of26TablePage专题研究行业暴露水平进行排序计算暴露排位的分位数4对风格暴露分位数行业暴露分位数求均值计算平均暴露水平5当总暴露水平小于30分位数时认为基金暴露较小当基金暴露水平大于70分位数时认为基金暴露水平较大其余基金认为暴露水平适中在统计时统计开始日为2018年1月1日但因为中证1000指数增强基金数量较少因此对其从2021年1月1日期开始统计指数增强基金可以通过适当暴露提升超额收益但过大暴露长期看损伤基金净值如果基金长期在某些smartbeta风格上进行暴露可能会因此提升超额收益此外放松组合暴露也可以让策略追逐风格的动量效应从而获得部分风格延续带来的超额收益但过大的暴露会在风格切换时因风格转换不及时损伤基金净值随着基金暴露程度的上升指数增强的超额收益波动明显加大在2019年初经济周期转换2021年初抱团股瓦解2021年9月风格切换2022-2023年市场转换期间暴露较大的基金超额收益回撤较大长期来看暴露较大的基金超额收益低于其余组别图8沪深300指增不同暴露水平基金超额收益走势暴露小暴露中暴露大151413121110092018-1-22019-1-22020-1-22021-1-22022-1-22023-1-2数据来源wind国泰君安证券研究数据统计区间2018010120230825注此处暴露为风格暴露分位数与行业暴露分位数的均值图9中证500指增不同暴露水平基金超额收益走势暴露小暴露中暴露大151413121110092018-1-22019-1-22020-1-22021-1-22022-1-22023-1-2数据来源wind国泰君安证券研究数据统计区间2018010120230825注此处暴露为风格暴露分位数与行业暴露分位数的均值请务必阅读正文之后的免责条款部分10of26TablePage专题研究图10中证1000指增不同暴露水平基金超额收益走势暴露小暴露中暴露大13121110092021-1-42021-5-42021-9-42022-1-42022-5-42022-9-42023-1-42023-5-4数据来源wind国泰君安证券研究数据统计区间2021010120230825注此处暴露为风格暴露分位数与行业暴露分位数的均值4规模也是影响量化基金超额收益的重要因素41规模及产品超额收益计算方法在计算产品规模时如果同一管理人在同一分类下有多只基金产品我们认为这几只产品的总规模为基金规模例如创金合信量化多因子002210003865与创金合信中证1000增强003646003647在我们的分类下均属于中证1000指数增强两只基金均由同一人管理2023年6月30日两只基金规模分别为356083亿元针对这种情况我们认为两只基金为同一产品并将两只产品的规模均调整为439亿元进行该调整主要是由于量化产品间同质性强同一管理人在同一分类下的基金差别一般不会太大很多情况下仅仅为模型参数的微调因此不同产品在交易层面会相互影响统计规模时使用总规模计算比较合理此外为了剔除风格暴露对超额收益的影响比较规模对纯alpha的影响我们在计算超额收益时剔除了市值beta对净值的影响剔除beta收益的方式如下1我们参照22部分的方式首先使用夏普模型对基金进行收益归因2采用归因数据重新拟合基金基准例如建信中证1000指数增强的拟合基准中证1000收益率85创业板指收益率5科创100收益率6中证全债收益率43计算基金净值与拟合基准间的差异并将其作为超额收益进行统计42建议选择规模适中的产品进行配置沪深300指增中证500指增平均规模在10亿元左右中证1000指增平均规模略小但头部基金规模上升较快2018年1月1日至今代表大市值风格的沪深300指数增强基金平均规模变化不大均保持在10亿元附近但代表中小市值风格的中证500指增中证1000指增平均规模在2021年抱团股瓦解后迅速上升三大主要指数增强策略头部基金规模均接近100亿元其中中证1000指数增强中规模最大的基金2023年规模增长4569亿元增长幅度超过100请务必阅读正文之后的免责条款部分11of26TablePage专题研究规模对基金的影响体现在交易层面策略不同规模上限也不尽相同策略市场环境的不同导致不同基金在不同时间段的规模上限并没有一个确定的数值策略交易频率越高策略容量越小但高频策略往往配置较好的交易系统并且在交易上进行优化经过优化后的策略规模容量上升也可能超过低频策略同时当市场成交量较大时流动性较好交易滑点低策略容量上限较高但当市场缩量时策略容量上限也会相应下降因此在统计规模对净值的影响时我们采用分位数的方式对基金进行分组投资人买入表现较好的基金会导致基金规模上升但过大的规模可能降低基金超额收益量化基金由于有历史数据进行回测且风格暴露较小因此收益延续性相较于主观基金更好如果基金表现较好收到市场关注基金规模往往会出现大幅上升反之基金如果规模较大一般多由于其历史业绩较好被投资人追捧因此理论上量化基金中规模较大的基金表现应该由于规模较小的基金但我们统计发现当基金规模过大时超额收益会出现衰减的现象而规模排名在50-90分位数的基金超额收益相对表现最优图11沪深300指增规模走势亿元图12沪深300指增不同规模基金超额累计净值平均规模右轴0分位数左轴规模50分位数以下规模50-90分位数50分位数左轴90分位数左轴规模90分位数以上100分位数左轴131401512014121001380111260114010201009092017-12-292019-12-292021-12-292018-1-42019-1-42020-1-42021-1-42022-1-42023-1-4数据来源wind国泰君安证券研究数据来源wind国泰君安证券研究数据统计区间2018010120230825数据统计区间2018010120230825图13中证500指增规模走势亿元图14中证500指增不同规模基金超额累计净值平均规模右轴0分位数左轴规模50分位数以下规模50-90分位数50分位数左轴90分位数左轴规模90分位数以上100分位数左轴151001414801213601012408112061004092017-12-292019-12-292021-12-292018-1-42019-1-42020-1-42021-1-42022-1-42023-1-4数据来源wind国泰君安证券研究数据来源wind国泰君安证券研究数据统计区间2018010120230825数据统计区间2018010120230825请务必阅读正文之后的免责条款部分12of26TablePage专题研究图15中证1000指增规模走势亿元图16中证1000指增不同规模基金超额累计净值平均规模右轴0分位数左轴规模50分位数以下规模50-90分位数50分位数左轴90分位数左轴规模90分位数以上100分位数左轴121001412801060811406420200102017-12-292019-12-292021-12-292021-1-42021-7-42022-1-42022-7-42023-1-42023-7-4数据来源wind国泰君安证券研究数据来源wind国泰君安证券研究数据统计区间2018010120230825数据统计区间20210101202308255指数增强策略优选方法本部分主要介绍了公募量化指数增强策略的优选方法前文将公募量化多头基金按照分类进行了统计及分析发现近年来量化发展速度较快产品数量逐年上升因此需要从中挑选出合适的基金进行配置成为了一项挑战对于指数增强基金与主动量化基金我们采用了不同的评价标准主动量化基金由于没有明确的对标指数因此在评价时我们采用了和主观多头策略类似的框架关于该部分分析详见我们去年发布的系列报告公募量化主动增强策略优选下文主要是对指数增强基金的筛选指标做以梳理值得一提的是2022年12月23日的报告中我们优选了3只主动量化基金国金量化多因子A招商量化精选A农银汇理量化智慧动力截至2023年9月1日3只基金2023年的累计收益分别为11911135725同期中证全指下跌099请务必阅读正文之后的免责条款部分13of26TablePage专题研究图17公募指数增强策略优选框架数据来源国泰君安证券研究51单因子释义因子测试中不同于主观多头与主动量化基金由于指数增强有明确的对标指数因此我们使用基金相对自身基准的超额收益构建因子我们按照评价指标的类型将因子分为收益类风险类风险收益比类alpha类因子由于指数增强策略本身采用多因子框架构建而成优化目标多为组合风险收益比基金收益延续性较好因此基于收益率因子与风险收益比类因子对基金进行分组的表现较好但与此同时由于不同的基金暴露程度不尽相同我们也加入了alpha类指标试图进一步对超额收益进行行业及风格的剥离获得提纯后的基金超额收益并将其用作基金间的比较因子测试结果表明使用窗口期为1年的单因子效果较好因此本文采用窗口期为1年的因子进行复合单因子测试结果详见附录不同于主观多头与主动量化策略因为指数增强策略有明确的对标指数可以直接计算其相对指数的超额收益因此使用基于超额收益计算的业绩评价指标就可以产生较好的效果但是由于超额收益本身如前文讨论的或多或少有一些风格上的暴露因此进一步对超额收益提纯后计算的指标效果有小幅提升请务必阅读正文之后的免责条款部分14of26TablePage专题研究表6优选单因子释义因子类别因子名称释义动量剔除近期收益后基金在的收益率上行捕获率市场上涨时基金累计收益率收益下行捕获率市场下跌时基金累计收益率头部收益基金前10单日收益率的期望值尾部收益基金后10单日收益率的期望值波动率基金收益率的标准差基金收益率为负时基金收益率的标准差下行风险下行风险波动率最大回撤基金亏损的最大幅度投资收益与无风险收益之差的期望值除以收益夏普比率率标准差投资收益与无风险收益之差的期望值除以最大卡玛比率回撤投资收益与无风险收益之差的期望值除以下行索提诺比率风险收益比风险累计收益相同的情况下收益率离散度越小该收益率平滑度指标越大用以衡量基金净值的平滑程度累计收益除以收益率绝对值之和用以衡量极端盈利效率收益对基金的影响头尾部收益比头部收益除以尾部收益使用风格指数对基金收益率进行回归拆解获得风格拆解alpha拆解后时间序列alpha对该时间序列alpha进行动量波动率等计算最终得出单一alpha值alpha使用行业指数对基金收益率进行拆解获得拆解行业拆解alpha后时间序列alpha对该时间序列alpha进行动量波动率等计算最终得出单一alpha值数据来源国泰君安证券研究52复合因子表现较好复合因子IC值较高且对基金的分层效果良好具有不错的选基效果由于公募1000指增基金数量较少因子只在300指增与500指增上进行了测试单因子测试中发现年化收益夏普比率卡玛比率索提诺比率收益率平滑度等使用超额收益率直接计算的因子间相关性较高暴露风险同质化因此将其视作同一类型大类因子适当调低相关因子权重而头尾部收益比与alpha类指标和其它因子相关性较低复合时放大其权重以解决因子风险暴露同质化的问题复合因子计算公式为复合因子年化收益5夏普比率5卡玛比率5索提诺比率5头尾部收益比25收益率平滑度5风格拆解alpha15行业拆解alpha35请务必阅读正文之后的免责条款部分15of26TablePage专题研究图18沪深300指增单因子相关性图19中证500指增单因子相关性年化夏普卡玛索提诺比头尾部收收益风格拆解行业拆解年化夏普卡玛索提诺比头尾部收收益风格拆解行业拆解收益比率比率率益比平滑度AlphaAlpha收益比率比率率益比平滑度AlphaAlpha年化收益年化收益夏普比率089夏普比率091卡玛比率078092卡玛比率081092索提诺索提诺100090079100092082比率比率头尾部头尾部059072073060069069071069收益比收益比收益收益100089079100060100092083100069平滑度平滑度风格拆解风格拆解069071065070052070073076069074052074AlphaAlpha行业拆解行业拆解069072067070057070092077078072077059077088AlphaAlpha数据来源wind国泰君安证券研究数据来源wind国泰君安证券研究数据统计区间2018010120230811数据统计区间2018010120230811复合因子在300指增500指增上表现均较好随着预测周期的增加因子稳定性变好但同时预测效果略有减弱300指增方面因子预测周期3个月6个月的IC值分别为18042156预测周期6个月的情况下前20的基金平均每季度跑赢同类基金061500指增方面因子预测周期3个月6个月的IC值分别为18222605预测周期为6个月的情况下前20的基金平均每季度跑赢同类基金069表7复合因子IC值高t值显著基金类别统计指标预测周期3个月预测周期6个月IC18042156300指增ICIR786110724t值614838IC18222605500指增ICIR879614327t值6871119数据来源wind国泰君安证券研究数据统计区间2018010120230811图20沪深300指增季度超额收益柱状图图21沪深300指增累计超额收益预测周期6个月预测周期3个月预测周期6个月第1组第2组第3组第4组第5组80115季度60超110额40收105益200单100位-20bp095-40-60090第1组第2组第3组第4组第5组2017-12-292019-12-292021-12-29数据来源wind国泰君安证券研究数据来源wind国泰君安证券研究数据统计区间2018010120230811数据统计区间2018010120230811请务必阅读正文之后的免责条款部分16of26TablePage专题研究图22中证500指增季度超额收益柱状图图23中证500指增累计超额收益预测周期6个月预测周期3个月预测周期6个月第1组第2组第3组第4组第5组80120季60115度超40额110收20益1050100单-20位095bp-40-60090-80085第1组第2组第3组第4组第5组2017-12-292019-12-292021-12-29数据来源wind国泰君安证券研究数据来源wind国泰君安证券研究数据统计区间2018010120230811数据统计区间201801012023081153优选组合业绩表现使用复合因子对基金进行筛选选出的基金相较于基准与同类均具有较稳定的超额收益基金组合月度调仓我们每个月对成立满1年的量化基金计算复合因子筛选分类下复合因子排名靠前的基金构建量化基金组合进行次月的交易对于300500指数增强我们每月挑选排名前20的基金构建优选组合对于1000指数增强由于其数量较少我们选取排名前50的产品构建优选组合我们最终优选出的300指增组合相较于沪深300指数同类基金平均的年化超额收益分别为8443452018年1月1日至2023年8月25日沪深300指数年化收益率-146优选基金组合年化收益率686最终的优选组合每年均能大幅跑赢基准与同类平均相较于基准与同类平均的超额收益夏普值可以分别达到280088表8沪深300指增优选组合业绩表现超额收益沪深300同类基金优选基金池基准同类基金2018-2531-2154-19158253062019360737954204438296202027214142520119497492021-5200303609283292022-2163-1915-17824871652023-420-328-216212115年化收益率-146329686844345年化波动率196718111870230165夏普比率-018007026280088最大回撤-3959-3331-3127-256-123数据来源wind国泰君安证券研究数据统计区间2018010120230825请务必阅读正文之后的免责条款部分17of26TablePage专题研究图24沪深300指增优选组合业绩走势同类基金左轴优选基金池左轴沪深300左轴超额收益基准右轴超额收益同类基金右轴2070186050164014301220101008006-102018-1-22019-1-22020-1-22021-1-22022-1-22023-1-2数据来源wind国泰君安证券研究数据统计区间2018010120230825由于持仓市值更小500指增优选组合相较于基准的超额收益更高年化超额收益达到10462018年1月1日至2023年8月25日优选组合相较于中证500指数同类基金平均的年化超额收益分别为930295同期优选基金组合年化收益率为713相较于基准与同类平均其超额收益的夏普比例分别达到198046表9中证500指增优选组合业绩表现超额收益中证500同类基金优选基金池基准同类基金2018-3332-2638-2756863-16020192638321238659704942020208734473818143227620211558187625138265372022-2031-1668-15236381742023-483-327022531360年化收益率-199406713930295年化波动率211518861966369208夏普比率-019011026198046最大回撤-3766-3118-3228-642-228数据来源wind国泰君安证券研究数据统计区间2018010120230825请务必阅读正文之后的免责条款部分18of26TablePage专题研究图25中证500指增优选组合业绩走势同类基金左轴优选基金池左轴中证500左轴超额收益基准右轴超额收益同类基金右轴2070186050164014301220101008006-102018-1-22019-1-22020-1-22021-1-22022-1-22023-1-2数据来源wind国泰君安证券研究数据统计区间2018010120230825中证1000指增基金由于数量较少因此每个月我们选取得分前50的基金构建组合基于此的优选组合依旧具有不错的超额收益2021年1月1日至2023年8月25日最终的优选组合相较于中证1000指数同类基金平均的年化超额收益分别为952228同期优选基金组合年化收益率为454相较于基准与同类平均其超额收益的夏普比例分别达到168007随着中证1000指增数量的增加我们认为组合未来将具有更好的表现表10中证1000指增优选组合业绩表现超额收益中证1000同类基金优选基金池基准同类基金20212052277332259733532022-2158-1627-131110813772023-641-094-216454-122年化收益率-454221454952228年化波动率203817541910447407夏普比率-032001013168007最大回撤-3462-2948-3082-287-420数据来源wind国泰君安证券研究数据统计区间2021010120230825请务必阅读正文之后的免责条款部分19of26TablePage专题研究图26中证1000指增优选组合业绩走势同类基金左轴优选基金池左轴中证1000左轴超额收益基准右轴超额收益同类基金右轴1430132512201115101009508007-52021-1-42021-5-42021-9-42022-1-42022-5-42022-9-42023-1-42023-5-4数据来源wind国泰君安证券研究数据统计区间20210101202308256未来展望61机构在中小盘量化上的布局有望延续机构在中小盘量化上的布局有望延续该趋势会继续推高小盘股beta2021年后小盘股相对大盘股具有一定的超额收益此外小盘股截面波动率更高同样的量化策略在小盘股上的表现优于大盘股在beta与alpha的双重加持下机构加速了在中小盘量化上的布局与此同时交易所与指数公司也协同基金公司成立了科创100ETF与中证2000ETF这两个代表中小市值公司的宽基指数未来也有望成为量化基金的跟踪基准随着市场资金的进入小盘股beta有望延续62降低印花税对量化策略的利好超过市场普遍认知降低印花税对于量化基金的直接利好体现在降低交易成本上同时由于交易成本降低量化策略可交易信号增加信号增加后策略可能会通过升频的方式进一步提升alpha2023年8月28日财政部税务局宣布为活跃资本市场提振投资者信心自2023年8月28日起证券交易印花税实施减半征收过去印花税为单边收取1降低后为单边05以单边换手20倍中低频策略的基金为例本次降费每年将为基金节省1的交易费用节约的费用直接体现在基金净值中成为超额收益的一部分同时由于交易成本降低量化策略可交易信号增加信号增加后策略可能会通过升频的方式进一步提升alpha主流的股票量化策略会定期对股票未来收益率进行预测当预测未来收益可以覆盖交易成本时策略才会进行开仓操作过去由于交易费用较高股票开仓的阈值也较高而随着费用的下降量化策略可以降低开仓阈值从而获取更多的交易信号进而提升交易频率交易频率的提升有望为投资者带来更高的超额收益请务必阅读正文之后的免责条款部分20of26