指数增强策略的舒适区在哪里？

指数增强策略的舒适区在哪里？ 金融工程专题报告 2023年06月27日 证券研究报告|金融工程专题报告 分析师：李亭函 分析师登记编码：S0890519080001电话：021-20321017 邮箱：litinghan@cnhbstock.com 研究助理：张帅 邮箱： zhangshuai564576@cnhbstock.com 销售服务电话： 021-20515355 相关研究报告 1、《如何构建CTA策略的影响因子及监测模型？—金融工程专题报告》2023-03-16 2、《主动暴露的得与失—从Barra框架到私募指增因子分析方法—金融工程专题报告》2022-11-29 3、《寻找具备“反脆弱”能力的主动权益基金—FOF策略专题》2022-10-24 投资要点 从2020年到2023年，公募和私募指数增强产品的平均年化超额收益已经从20%左右降低至10%以内，尤其是进入2023年以来，超额收益整体呈加速下行趋势。除了市场的成熟与策略的内卷之外，近期指数增强超额收益的下滑确实也存在一些客观原因，2022年下半年以来市场成交和波动率整体低迷，2023年AI和中特估板块的强势带来了成交热情，但是又与指数增强的分散选股思想有所背离。利用成交额等简单指标可以为我们提供观察市场环境的视角，但由于忽略了大量信息，难以对指增收益的衰减因素进行进一步拆解。 如果假设因子始终是有效的，再经过组合优化约束，就能较为真实地还原指数增强策略收益的理论上限，以拆分市场环境的影响。本文以真实收益率为预测信号，构建了一个简单的中证500指数增强策略，可以发现即使因子是完全 有效的，在5天的预测维度上，指数增强策略的超额收益中枢同样发生了明显 的下移。用500指增产品的平均超额除以理想化的500指增超额指代现实中因 子的有效性水平，可以发现500指增产品因子的效力存在一定周期性，而且近期有所回暖。经过对冲击成本的估计，本文认为交易量集中的主要影响在于过度拥挤与过度清淡环境下因子的失效。 基本面因子和量价因子阶段性表现如何受到人们的广泛关注。由于公募基金和私募基金的需求和禀赋不同，总体而言公募基金更偏向基本面因子，私募基金更偏向量价因子。用中证500赛道公募和私募指增平均收益的差值变化情况 作为代理变量，可以发现基本面因子整体表现出更强的防守性，而且2022年上半年基本面因子表现优于量价因子的说法基本是成立的。 展望未来，指数增强超额收益的衰减与市场微观有效性的提高还将互为表里，彼此促进，虽然从测算结果来看近期指增因子有效性有所回暖，但对超额收益的预期我们认为还不宜过高。随着超额收益的衰减，如果说过去指数增强策略的核心在于增强，那么之后将逐渐聚焦于指数本身。在超额收益仍存在的窗口期，为了延缓超额收益的衰减，首先在因子层面上差异性将变得更加重要，因为差异性代表了因子失效的速度。其次寻找定价错误虽然稳定但是空间日益狭窄，相比之下追寻贝塔的择时虽然困难，但这可能是未来不得不面对的星辰大海。 风险提示：本报告所载的信息均来源于已公开信息，但本公司对这些信息的准确性及完整性不作任何保证。在任何情况下，本报告所载的信息或所做出的任何建议、意见及推测并不构成所述证券买卖的出价或询价，也不构成对所述金融产品、产品发行或管理人做出任何形式的保证。 内容目录 1.AI与中特估强势是指增超额不佳的首要原因吗？3 1.1.通过低维指标观测市场环境3 1.2.利用选股框架还原指增收益天花板5 1.3.估算冲击成本的影响7 2.如何辨别基本面因子与量价因子的表现？9 2.1.从公募与私募基金的差异入手9 2.2.对不同历史阶段的行情回顾9 3.指数增强策略的舒适区在哪里？10 4.风险提示10 图表目录 图1：公募指数增强产品平均年化超额收益3 图2：私募指数增强产品平均年化超额收益3 图3：沪深A股收益率ANOVA方差分解4 图4：中信一级行业成交拥挤度4 图5：行业加权前后沪深A股截面波动率对比4 图6：行业加权前后沪深A股成交额对比4 图7：指数增强策略一般流程5 图8：以收益率为预测信号的中证500指增日频超额收益5 图9：中证500指增理想化超额与沪深A股收益率ANOVA方差分解对比6 图10：中证500指增理想化超额与中信一级行业成交拥挤度对比6 图11：中证500指增产品因子有效性测算7 图12：2012年以来沪市价格冲击指数8 图13：成交额对冲击成本的影响模型8 图14：中证500指增理想化超额收益考虑冲击成本前后衰减情况（同策略规模1000亿）8 图15：私募500指增对公募500指增收益的差值9 表1：指增产品平均超额收益与市场截面波动率、成交量的相关性4 表2：中证500指增理想化超额收益与市场截面波动率、成交量的相关性6 表3：不同规模下考虑冲击成本前后中证500指增理想化超额收益衰减系数8 在众多量化策略中，指数增强方法论成熟、容量充足，兼具alpha与beta属性，又有天然的业绩比较基准，被各机构广泛布局。截至2023年一季度，公募量化基金中，指数增强型 基金规模达到1966亿元，量化对冲与主动量化基金规模合计796亿元，指数增强占到71%；私募方面量化策略丰富度更高，不过截至2022年底，28家百亿量化私募中核心策略为指数增强的依然能占到一半左右，而且很多中小型量化私募，无论做什么策略起家，都在宣发指数增强产品，希望借此扩充管理规模。 在不确定的市场中，收益的衰减是少有的确定性话题，指数增强策略也面临同样的困境。从2020年以来，公募和私募指增产品的平均年化超额收益已经从20%左右降低至10%以内，尤其是进入2023年，超额收益整体呈加速下行趋势。 图1：公募指数增强产品平均年化超额收益图2：私募指数增强产品平均年化超额收益 资料来源：iFinD，华宝证券研究创新部 注：所有公募指数增强产品只保留A类份额，2023年收益率为截至6月16日的年化值 注：公募基金与私募基金具有不同特点，公募指增虽然在超额收益上整体不占优势，但流动性更好，信息披露更充分，这里的业绩对比不构成投资意见 资料来源：私募排排网，华宝证券研究创新部 注：同一家私募机构相同策略下只保留运行时间最长的产品， 2023年收益率为截至6月16日的年化值 除了市场的成熟与策略的内卷之外，近期指数增强超额收益的下滑确实也存在一些客观原因，2022年下半年以来市场成交量和波动率整体低迷，2023年AI和中特估板块的强势带来了成交热情，但是又与指数增强分散选股的思想有所背离。然而在这些因素掩护之下，又有多少真正的超额空间在悄悄溜走，潮水退去之后我们对指数增强超额收益的预期该有多高，未来指数增强策略的舒适区在哪里，本文主要对此进行简要探讨。 1.AI与中特估强势是指增超额不佳的首要原因吗？ 1.1.通过低维指标观测市场环境 对于指增策略而言，截面波动率和成交额是两个常见的观测指标，截面波动率代表了获取超额收益的可能性，成交额代表了获取超额收益率的流动性成本，但简单的截面波动率和成交额可能会失真，在AI和中特估板块强势时期，市场整体的截面波动率和成交额尚可，但是截面波动率体现在Al、中特估与其他板块的差异，成交额也集中在这两个板块当中，截面波动率和成交额无法惠及分散选股。利用收益率方差分解和行业拥挤度可以刻画这一现象，方差分析的F值代表行业间收益方差与行业内收益方差的比值，F值越大说明市场截面波动率主要来自于行业板块之间的差异，行业拥挤度指标为前5行业成交额对全市场占比。如下图所示， 自2022年9月以来，行业间差异在截面波动率中的占比逐渐提升，成交拥挤度也久居高位。 图3：沪深A股收益率ANOVA方差分解图4：中信一级行业成交拥挤度 资料来源：iFinD，华宝证券研究创新部注：此处为10天滚动平均值 资料来源：iFinD，华宝证券研究创新部 注：此处为10天滚动平均值的3年历史分位数 既然市场环境会影响指增获取超额的难度，为了将指增超额收益衰减的不同因素分离，定义可以将AI与中特估这样的一九行情考虑在内的市场观测指标，把这些指标当作中间变量，评估不同市场环境下指增获取超额收益的理论空间，再与市场上指增产品的业绩进行对比，这是非常直观的想法。 本文尝试对截面波动率和成交额进行改进。风险约束框架下的选股要求不同行业都保持一定占比，因此可以先计算各个中信一级行业剔除ST股后的行业内截面波动率和成交额，再根据沪深300、中证500、中证1000的行业权重分别进行加权，以此规避行业间差异的干扰。然而从测试结果来看，以中证500为例，经过加权后的行业内截面波动率和成交额与原始数据走势仍然呈现了高度的相似性，而且在与指增产品的超额收益相关性方面也并无优势。 图5：行业加权前后沪深A股截面波动率对比图6：行业加权前后沪深A股成交额对比 资料来源：iFind，华宝证券研究创新部注：此处为10天滚动平均值 资料来源：iFinD，华宝证券研究创新部注：此处为10天滚动平均值 表1：指增产品平均超额收益与市场截面波动率、成交量的相关性 超额收益相关系数 截面波动率 成交量 对应指数行业加权结果 沪深A股 对应指数行业加权结果 沪深A股 公募沪深300 21.96% 24.88% 12.39% 12.30% 公募中证500 21.66% 23.20% 6.51% 7.54% 公募中证1000 15.56% 15.57% -13.26% -8.28% 私募沪深300 9.36% 17.29% 7.63% 9.08% 私募中证500 16.58% 14.91% 4.97% 5.09% 私募中证1000 28.24% 27.64% 3.69% 5.51% 资料来源：iFinD，私募排排网，华宝证券研究创新部 究其原因，考虑更复杂的情况，由于做空机制的匮乏，选股模型只能享受涨跌幅处于前列的股票截面波动率，因此用所有股票的截面波动率来衡量失之偏颇。而且改进后的行业加权截面波动率忽略了行业间差异，相当于忽略了指数增强在行业上的偏离。对于成交额而言，成交放量会降低交易成本，但是成交额本身与超额收益并不是简单的正向关系，因为成交放量代表着高换手率，高换手率往往对应了反转预期。因此利用这些简单的低维指标可以知其然，但由于忽略了大量信息，想借此进一步知其所以然有些困难，对指增收益空间的测算还需另辟蹊径。 1.2.利用选股框架还原指增收益天花板 指数增强策略基本都以多因子选股为整体框架，依照因子挖掘-寻找股票代理信息、模型加权-形成股票预期收益、组合优化-确定股票最终权重的流程运作。因子挖掘是指增获取超额收益的源头，我们对指增最大的担忧源于因子预测能力可能发生集体衰减，而AI、中特估强势的影响主要对应了特定环境下组合优化对模型选股的限制，因为假设因子有效性良好，不经历组合优化是可以抓住AI和中特估的行情获取高额回报的。所以判断AI与中特估强势是不是指增超额不佳的“罪魁祸首”，核心在于将因子的预测效果与组合优化限制的影响分离开来。 图7：指数增强策略一般流程 资料来源：华宝证券研究创新部 为了控制变量，我们可以假设因子始终是有效的，再经过组合优化约束，就能较为真实地还原指增收益的理论上限，然后把指增收益上限和指增产品实际收益进行对比，以分解AI与中特估强势的影响。由于因子是用于拟合未来收益率的代理变量，我们不妨从事后的角度，直接把收益率即IC为1的完美因子当作模型加权后的信号输入组合优化模型，从而达到预定假设。 本文以中证500为例，构建一个简单的指数增强策略。股票池选取流通市值大于20亿的非ST沪深A股，预测周期5天，每日换仓，每日单边换手率不超过20%，要求单支股票权重不超过0.5%，行业偏离不超过2%，风格偏离不超过0.2。这里对风险模型进行了简化，严格约束行业风格偏离，省去对股票收益率协方差矩阵的估计。 图8：以收益率为预测信号的中证500指增日频超额收益 资料来源：iFinD，华宝证券研究创新部注：此处为10天滚动