本文介绍了Abbas Valadkhani于2022年发表在Global Finance Journal的文章“Do large-cap exchange-traded funds perform better than theirsmall-cap counterparts in extreme market conditions”。作者提出了一种新的阈值模型，该模型可以区分大盘股ETF和小盘股ETF对极端市场条件变化方向和幅度的依赖反应。研究结果表明，样本中七个国家的小盘股ETF在极端低迷期的下跌幅度均大于在极端上涨期的上涨幅度。相比之下，9只大盘股ETF中有6只极端上涨时上涨的幅度大于在下跌时下跌的幅度。因此，投资者在投资组合过度配置小盘股ETF权重时应谨慎。
　　文章主要贡献的结论有：
　　作者研究估计了几种具有最佳和非最佳阈值的替代模型，模型允许条件β值根据市场变化的方向与幅度而变化。作者提出了一个三机制模型，用于估计三种不同市场条件下的β值。由于采用单一零或非零阈值，文章中的传统模型仅区分上行和下行市场。然而，作者提出的模型包括三组β系数，其值受到市场变化的符号和幅度的影响：极端上涨（　eu）、极端下跌（ed）和中间变化（）。结果表明，使用非不对称或单阈值模型会掩盖三组β之间的统计显著差异。
　　作者研究发现小盘股ETF极端下跌幅度大于极端上涨时的幅度，大盘股ETF极端上涨时可以有更高的回报。作者研究发现七个国家所有小盘股ETF的极端下行β值均显著且持续大于相应的极端上行β值。相比之下，对于美国、中国、欧洲整体和德国的大盘股ETF的极端上行β值大于极端下行β值。这一发现表明，大盘股ETF在市场上涨时大多享有相对较高的回报，而在市场抛售期间则承受较少的回撤。因此，作者得出结论：在极端下行或上行的市场中，按市值进行投资组合多元化尤其具有挑战性，长期投资者在为其投资组合中的小盘股ETF分配权重时应保持谨慎。
　　作者研究表明，当整个市场横盘整理或表现出相对温和的每日波动时，所有国家（美国的IJR除外）的小盘股ETF对市场的反应都低于其本国的大盘股ETF。根据Sharpe、Sortino和Treynor比率，美国的3只大盘股ETF（即QQQ、MGC和SPY）过去的表现优于所有其它20只ETF（包括IJR和美国本身的总市场ETF）。此外，所有非美国ETF（无论市值大小）的Sharpe比率和Sortino比率均远低于1。
　　思考：文章使用的ETF样本数量相对较小，后续可以使用国内的ETF数据进行更详细的分析。而且，无论是单阈值还是双阈值模型，文中中国市场大盘股ETF对应的最佳阈值的绝对值均大于大多数大盘股样本ETF，背后的原因值得探究。此外，可以将市值风格进一步拆分为大盘、中盘、小盘，以对应沪深300等更为明确的指数，为实际投资提供参考。
　　风险提示：本文内容基于作者对海外基金数据的实证研究，对于中国市场的具体情况，结论可能会发生变化。