量化专题报告系统化指数投资：从完善异象捕捉出发

量化专题报告 系统化指数投资：从完善异象捕捉出发 指数投资：充满潜力的模式。近年指数产品发展迅速，但以公募FOF为代表的机构总体配置比例较低。指数投资相对个股投资大幅降低了非系统性风险，更适合配置型投资者。被动指数相对主动基金具有相似的特质风险水平、更全面的机会集、更强的收益延续性，在有明确配置观点的时候为了达到Beta的更高暴露，是比主动基金更优的选择。当然被动指数投资相对主动产品投资而言需要更为坚实的指数投研框架和更为细致的指数评价体系。本报 告将尝试探索指标简洁、逻辑清晰、效果显著的一般化指数投资模式。 指数投资：从完善异象捕捉出发。个股的异象收益可否在指数上同样有效？ �需要风格中性或者行业中性后才有效的个股异象在指数上大概率无效；②指数的特质收益波动被平滑削弱，特质收益相关的诸如反转等异象在指数上无效；③针对传统异象失效风险，在指数上应用之前还需要进一步完善。我们针对三大传统异象提出了三种基础的捕获方案： “动量生命周期”：采用换手对动量周期进行识别，提升动量收益捕获效果；“质量–价值”：采用Fscore对价值进行改进，提升价值收益捕获效果；“超预期盈余”：采用Jump对SUE进行改进，提升PEAD收益捕获效果。 三类模式对广义指数池都有显著二维线性区分度，所构建的策略都能长期稳定跑赢Wind全A，且三类策略收益来源不同，相关性较低，结合能进一步平滑表现。 系统化指数投资思考。二维指数投资模式的可溯源性为主观与量化结合提供了更多可能。本报告所构建指数投资模式全部采用二维分组方式，组合中每个指数都可以反推出清晰的选择逻辑，可作为主观指数投资的Checkbox。本文论证了三类异象在指数层面依然有效，打破了传统因子选股中为了获取异象收益同时控制风险而进行各种约束带来的收益减弱问题，异象捕获的收 益空间进一步打开。模式未来具有进一步改进的空间，包括对所采用指标的完善和新模式的开发。 风险提示：量化测算基于历史数据，如若市场环境发生变化，不保证规律的延续性。 证券研究报告|金融工程研究 2022年07月28日 作者 分析师叶尔乐 执业证书编号：S0680518100003邮箱：yeerle@gszq.com 分析师刘富兵 执业证书编号：S0680518030007邮箱：liufubing@gszq.com 相关研究 1、《量化分析报告：2022Q2季报扫描：复苏假设下关注地产消费链，科技板块关注二三线细分机会》2022-07-27 2、《量化周报：上证50即将确认日线级别下跌》 2022-07-24 3、《量化专题报告：PEAD.notice：基于预告的盈余惊喜选股策略》2022-07-18 4、《量化周报：继续逢高减仓》2022-07-17 5、《量化专题报告：2022半年度金融工程策略展望》 2022-07-16 请仔细阅读本报告末页声明 内容目录 1.指数投资：充满潜力的模式4 1.1.指数投资VS个股投资5 1.1.1.大幅降低非系统性风险5 1.1.2.更适合配置型投资者6 1.2.指数投资VS主动投资8 1.2.1.相似的特质风险水平8 1.2.2.更全面的机会集8 1.2.3.更强的收益延续性9 1.2.4.更强的潜在超额收益10 2.系统化指数投资：从完善异象捕捉出发12 2.1.从个股异象到指数异象12 2.2.回测指数池选取13 2.3.指数投资模式一：动量生命周期14 2.4.指数投资模式二：质量-价值18 2.5.指数投资模式三：超预期盈余22 2.6.不同指数池效果26 2.7.模式融合与应用30 3.系统化指数投资思考31 风险提示33 图表目录 图表1：国内权益被动基金规模变化4 图表2：全球ETF产品规模占比4 图表3：2021年年报公募FOF持有基金规模4 图表4：2021年年报公募FOF持有基金不同类型比例4 图表5：部分投顾机构2022年7月14日组合5 图表6：个股月频特质收益分布6 图表7：指数月频特质收益分布6 图表8：组合内股票数的增加与波动率的下降关系6 图表9：组合收益来源及其指数化捕捉7 图表10：指数类型及已有ETF对应情况7 图表11：主动股基月频特质收益分布8 图表12：指数月频特质收益分布8 图表13：被动指数与主动股基在Barra风格因子上的平均暴露特征8 图表14：主动股基平均风格因子暴露9 图表15：指数平均风格因子暴露9 图表16：被动指数与主动股基收益完全分解9 图表17：被动指数与主动股基各项收益延续性10 图表18：各收益来源12个月动量对未来1个月收益预测累计IC10 图表19：主动基金剥离赛道指数收益后的平均ALPHA11 图表20：医疗服务指数与医药主题偏股基金（规模平均5亿以上）2020年8月-2021年7月表现11 图表21：近10年A股收益较强的主要异象因子12 图表22：回测指数池13 图表23：指数池基日分布13 图表24：指数池成分数据起始日期分布13 图表25：个股动量收益分解14 图表26：行业动量因子在各地区市场中的表现14 图表27：动量生命周期假说15 图表28：动量生命周期选股回测效果（早期相对晚期收益显著）15 图表29：1988-2013动量生命周期全球综合表现（月频调仓，国家间采用市值加权）15 图表30：不同动量生命周期指数近10年年化收益率16 图表31：双变量分组方式16 图表32：同时分组下“动量生命周期”策略最优组最劣组表现17 图表33：双重排序下“动量生命周期”策略最优组最劣组表现17 图表34：“动量生命周期”最优组合表现17 图表35：“动量生命周期”最优组合分年表现18 图表36：Fscore由三维度九个指标构成18 图表37：A股Fscore截面分布（0分包括数据缺失股票，图表中未展示）19 图表38：指数Fscore分布19 图表39：指数Fscore单维度分组策略结果20 图表40：PBxFscore双分组策略近10年年化收益率20 图表41：PB–ROExFscore双分组策略近10年年化收益率21 图表42：PE-gxFscore双分组策略近10年年化收益率21 图表43：先后分组下“质量–价值”策略最优组最劣组表现22 图表44：先后分组下“质量–价值”策略最优组与Wind全A表现22 图表45：“质量–价值”最优组合分年表现22 图表46：盈余公告漂移现象23 图表47：指数SUE单维度分组策略结果23 图表48：SUExJUMP双分组策略近10年年化收益率24 图表49：先后分组下“SUExJUMP”策略最优组表现24 图表50：双重排序下“SUExJUMP”策略最优组表现24 图表51：SUEx现金总资产比率双分组策略近10年年化收益率25 图表52：“超预期盈利”最优组合表现25 图表53：“超预期盈余”最优组合分年表现26 图表54：三类指数投资策略最新三期持仓27 图表55：“动量生命周期”策略（同时分组）在中信三级行业指数池的表现27 图表56：“动量生命周期”策略（双重排序）在中信三级行业指数池的表现28 图表57：“质量–价值”策略（双重排序）在中信三级行业指数池的表现28 图表58：“超预期盈余”策略（双重排序）在中信三级行业指数池的表现29 图表59：三类指数投资模式在ETF跟踪指数池上的策略年化收益表现29 图表60：三类指数投资模式等权配比后各年相对Wind全A超额收益30 图表61：“动量生命周期”+“超预期盈余”等权配比组合表现30 图表62：“动量生命周期”+“超预期盈余”综合打分组合表现30 图表63：指数一般化投资模式总结31 图表64：2022年4月底各行业指数所属模式分位31 图表65：研究范式：解构与系统化32 1.指数投资：充满潜力的模式 指数产品近年规模增长迅速，2019年以来国内公募指数产品规模年均增速达到41%，在所有权益基金中占比维持在17%的水平，覆盖品种不断丰富。从全球视角来看，占比仍有进一步提升的空间。 图表1：国内权益被动基金规模变化图表2：全球ETF产品规模占比 资料来源：Wind，国盛证券研究所资料来源：ICI，国盛证券研究所 虽然当前指数产品市场持续丰富，但以公募FOF为代表的国内机构投资者偏好主动产品远胜被动产品。从投资者比例来看，国内指数产品的持有人大部分为个人投资者，占比73%。根据公募FOF产品2021的年报持仓，主动股/债基占比91%，被动股/债基占 比仅5%，其中被动权益产品3%。 图表3：2021年年报公募FOF持有基金规模图表4：2021年年报公募FOF持有基金不同类型比例 资料来源：Wind，国盛证券研究所资料来源：Wind，国盛证券研究所 从投顾机构组合来看，同样更偏好主动产品。我们截取了2022年7月14日部分投顾的高风险组合。可以看到除了第一家外资投顾组合配置一定比例上偏好被动指数以外，国 内大部分机构的投顾产品为全主动基金配置。 图表5：部分投顾机构2022年7月14日组合 资料来源：支付宝，国盛证券研究所 指数产品当前在机构投资中的占比相对其在权益基金中的占比处于明显低配水平。对主动产品投资的优势在于效率分工：将选股、部分的配置工作交给主动基金经理，更多的 从总体配置和Alpha评价角度进行优选，专业的人干专业的事，实现了更高效的投资流程。但是我们将在后文展开说明，指数具有潜在高收益，加大对指数产品的投资能从路径最优（效率最优）向全局最优（收益风险比）更进一步。 1.1.指数投资VS个股投资 1.1.1.大幅降低非系统性风险 指数与个股最大的区别在于非系统性风险的分散。我们统计了个股和指数除市场、风格、行业以外特质收益的横截面标准差，可以看到个股的平均标准差为11.1%，而指数的标准差仅为3.5%，指数的非系统性风险远小于个股。 其中指数池的选取方面，考虑到尽可能包含A股各类Beta，及更广泛的测试指数特性，我们采用如下指数池：ETF跟踪指数（除宽基）、中信行业指数（一二三级）、Wind概念指数（除不可交易品种），共1000多只。 图表6：个股月频特质收益分布图表7：指数月频特质收益分布 资料来源：Wind，国盛证券研究所资料来源：Wind，国盛证券研究所 仅需少数股票进行组合就可以将特质收益波动大幅降低，因此即便是成分股较少的指数一般也不会有太大特质风险。对于11%左右波动率的股票收益序列，假设其互不相关，通过等权配置我们发现随着组合中股票数增加到5只即可将波动率下降一半以上，增加 到10只即可将波动率降到3%-4%水平。而一般的指数成分股都在30只及以上，较为 细分的行业或者概念指数成分股一般也在5只以上。 图表8：组合内股票数的增加与波动率的下降关系 资料来源：国盛证券研究所 1.1.2.更适合配置型投资者 非系统性风险压缩后的指数其收益来源将更多的聚焦于各类Beta。从而我们可以更多的从增长、通胀、流动性等宏观逻辑和风格、行业、赛道等中观逻辑进行投资。根据近年实证资产定价理论和指数投资的发展，包括各类行业、风格、策略Beta的收益都可以 通过一定的指数化技术进行相应的捕捉。 图表9：组合收益来源及其指数化捕捉 资料来源：MSCI，国盛证券研究所 目前所有主流宽基、大部分行业与风格都已有ETF产品覆盖。从配置角度来说工具箱已较为完备，有利于配置型投资者进行更为精准的Beta捕捉。当然相对海外市场也还存在继续开发的空间，如：全市场剔除金融、动量、动态市值、均线策略等指数产品。 图表10：指数类型及已有ETF对应情况 宽基 √ 叠加-基本面 √ 行业 大类-科技：电子 √ 跨行业主题 √ 大类-科技：计算机 √ 全市场剔除金融 大类-科技：通信 √ 风格 市值 √ 大类-科技：传媒 √ 成长 √ 大类-科技：电新 √ 价值 √ 大类-科技：军工 √ 红利 √ 大类-消费：食品饮料 √ 低波 √ 大类-消费：家电 √ 质量 √ 大类-消费：医药 √ 基本面 √ 大类-消费：农林牧渔 √ ESG √ 大类-