主动基金pkETF:哪些主动基金能够战胜指数? ——《FOF系列研究之七十三》 研究结论 近年主动基金获取alpha的难度增加,从2006年至2024年3月31日,主动权益基金战胜沪深300的年份占52.63%,从频率角度看两者并没有显著差别,尤其是2022年以来,主动权益基金与沪深300之间的收益率差距越来越小,今年以来沪深300超额7.97%。主动超额的衰弱伴随着产品规模的收缩,股票型ETF规模稳步增长,在2024年超越主动规模达到历史顶峰。截止2024年3月31日,股票型ETF总规模39726亿元,主动权益基金总规模31565亿元。 我们对比了跟踪误差与基金相似度算法用于匹配主动基金的真实基准,两种算法相 金融工程|专题报告 报告发布日期2024年06月11日 杨怡玲yangyiling@orientsec.com.cn 执业证书编号:S0860523040002 邱蕊021-63325888*5091 qiurui@orientsec.com.cn 执业证书编号:S0860519020001香港证监会牌照:BSW115 关性比较高,我们在报告中主要基于基金的日度净值计算基金的跟踪误差找到主动基金最接近的基准指数。 通常股票型ETF可以分为5种类型:规模指数ETF、行业指数ETF、策略指数ETF、风格指数ETF以及主题指数ETF,我们根据基金的收益来源将原始的股票型ETF分类进一步简化为3种:宽基类、行业类以及风格类。 我们遍历主动偏股基金池子,计算每个基金与17个指数的年化跟踪误差,选择与指数跟踪误差最小的前50个基金,跟踪误差方面,宽基类和风格类的跟踪误差较小,行业的跟踪误差更大。超额收益方面,以科创50、中证医疗为基准的基金超额收益最显著,拉长周期来看以300成长、上证50、沪深300、中证1000、中证500的基金超额收益也比较明显;以国信价值、证券公司、中证银行、红利低波100、红利指数为基准的基金比较难战胜指数;时间区间拉长到最近五年,主动基金整体超额水平显著提升。 进一步优选基金,在与基准表现最接近的主动基金中根据alpha稳定性的高低优选基金,预测基金未来表现。过去一年的考察期,因子在大部分基准的主动权益基金中具有比较显著的预测效果,随着考察期的拉长,alpha在部分基准中的选基作用会失效;短期的alpha在国证芯片中预测效果不明显,但长期的alpha在国证芯片中较为显著;各周期的alpha在中证医疗、科技龙头中预测效果均不显著;各周期的alpha在中证500、中证1000、有色金属、红利低波100中均有显著预测效果。 主动基金增强组合:1)宽基类指数增强效果较好,例如沪深300增强组合年化超额收益7.17%,信息比率1.27,跟踪误差5.59%,2024年截止到4月30日,组合绝对收益8.33%,相对指数超额3.28%。2)行业类指数增强效果不稳定,部分行业直接配置ETF效率更高,效果相对较好的为有色金属增强组合年化超额收益8.33%,2024年截止到4月30日,组合绝对收益16.22%,相对指数超额3.17%。3)风格类指数增强效果较好,例如300成长增强组合年化超额收益7.05%,信息比率1.00,跟踪误差7.07%,2024年截止到4月30日,组合绝对收益-1.64%,相对指数超额-1.25%。红利指数增强组合年化超额收益6.75%,信息比率0.71,跟踪误差9.85%,2024年截止到4月30日,组合绝对收益12.05%,相对指数超额-0.75%。 风险提示 1.基金历史业绩不代表未来。 2.极端市场环境带来的因子冲击。 景顺长城MSCI中国A股增强产品投资价值分析:——《FOF系列研究之七十二》景顺长城沪深300指数增强产品投资价值分析:——《FOF系列研究之七十一》纳斯达克科技ETF投资价值分析:《FOF系列研究之七十》 中银基金王睿:擅于平衡绝对收益与相对收益的均衡型选手:——《FOF系列研究之六十九》 中证500行业中性低波动指数投资价值分析:——《FOF系列研究之六十八》 中证沪港深红利成长低波动指数投资价值分析:——《FOF系列研究之六十七》鹏华基金伍旋:重视基本面与估值、严控组合风险的价值派投资老将:——《FOF系列研究之六十六》 基于动态调仓的基金分歧度刻画:—— 《FOF系列研究之六十五》 2023-11-02 2023-11-01 2023-08-30 2023-08-24 2023-08-24 2023-08-22 2023-07-20 2023-06-05 有关分析师的申明,见本报告最后部分。其他重要信息披露见分析师申明之后部分,或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 目录 一、主动权益基金alpha的衰弱4 二、匹配主动权益基金的基准5 三、基于ETF视角进行主动基金分类6 四、哪些主动基金能够战胜指数?8 4.1alpha的预测效果8 4.2增强型基金组合9 4.2.1宽基类10 4.2.2行业类11 4.2.3风格类13 总结15 风险提示15 图表目录 图1:沪深300相对万得偏股基金指数历年超额收益、主动权益基金&股票型ETF规模变化4 图2:跟踪误差算法与相似度算法相关性5 图3:股票型ETF分类6 图4:每类具有代表性的跟踪标的(规模数据截止2024年4月30日)6 图5:与指数跟踪误差最小的top50基金跟踪误差统计7 图6:与指数跟踪误差最小的top50基金超额收益统计8 图7:不同基准alpha稳定性预测效果9 图8:增强型基金组合构建流程9 图9:组合表现&最新一期持仓,基准沪深300(持仓为2024年3月31日)10 图10:组合绩效&分年收益,基准沪深30010 图11:组合表现&最新一期持仓,基准中证500(持仓为2024年3月31日)11 图12:组合绩效&分年收益,基准中证50011 图13:组合表现&最新一期持仓,基准中证1000(持仓为2024年3月31日)11 图14:组合绩效&分年收益,基准中证100011 图15:组合表现&最新一期持仓,基准中证银行(持仓为2024年3月31日)12 图16:组合绩效&分年收益,基准中证银行12 图17:组合表现&最新一期持仓,基准800消费(持仓为2024年3月31日)12 图18:组合绩效&分年收益,基准800消费12 图19:组合表现&最新一期持仓,基准有色金属(持仓为2024年3月31日)13 图20:组合绩效&分年收益,基准有色金属13 图21:组合表现&最新一期持仓,基准300成长(持仓为2024年3月31日)14 图22:组合绩效&分年收益,基准300成长14 图23:组合表现&最新一期持仓,基准红利指数(持仓为2024年3月31日)14 图24:组合绩效&分年收益,基准红利指数14 一、主动权益基金alpha的衰弱 近年主动基金获取alpha的难度增加,我们统计了2006年以来沪深300相对万得偏股基金指数超额收益的情况,如图1所示,截止2024年3月31日,沪深300年化收益7.80%,万得偏股基金指数年化收益12.24%,相对沪深300超额4.44%,从年化收益上看主动权益基金战胜了沪深300。若从分年收益的角度统计,主动权益基金战胜沪深300的年份占52.63%,从频率角度看两者并没有显著差别,尤其是2022年以来,主动权益基金与沪深300之间的收益率差距越来越小,今年以来沪深300超额7.97%。 主动超额的衰弱伴随着产品规模的收缩,主动权益基金规模的迅速增长得益于2019年至 2021年显著的超额收益,但2022年开始主动规模不断下滑,而股票型ETF规模稳步增长,在 2024年超越主动规模达到历史顶峰。截止2024年3月31日,股票型ETF总规模39726亿元,主动权益基金总规模31565亿元。(上述主动权益基金定义范围为wind分类中的普通股票型基金、偏股混合型基金和灵活配置型基金,以及最近4期季报股票仓位均大于70%的产品。) 图1:沪深300相对万得偏股基金指数历年超额收益、主动权益基金&股票型ETF规模变化 50% 沪深300相对万得偏股基金指数历年超额收益主动权益基金规模变化股票型ETF规模变化 4.5 40% 30% 20% 10% 4 3.5 3 规 超 额0% 收 2.5模 (万 益 -10% -20% -30% -40% 2亿元 ) 1.5 1 0.5 -50%0 数据来源:Wind,东方证券研究所 根据海外基金发展经验,在超额收益难以获取的市场环境下,指数投资会成为主流产品,指数化产品的优势在于拥有清晰透明的编制规则、较低的管理费、申赎方便快捷等,而主动基金的优势主要就在于alpha,因此在A股目前的市场环境下,指数产品发展更快,投资者的认可度更高。主动基金被诟病有风格飘移的缺点,我们可以尝试去寻找基准较为清晰的、并能够相对基准持续产生超额收益的产品,这样可以同时掌握到产品的风格、并获取alpha,如果对于某类指数,大部分主动基金都不能战胜,配置指数产品是最方便的选择。 二、匹配主动权益基金的基准 若基金紧密跟踪某个指数,以获取alpha为目标管理产品,这类产品通常称为指数增强型基金,这类基金主要考察两个指标:alpha和跟踪误差。虽然主动基金有设置业绩基准,但很多产品会偏离设定的选股范围,产生较大的跟踪误差,这种产品对于FOF投资者而言属于风格飘移的品种,在做实际配置的时候比较难把控。 我们尝试以下两种方法匹配主动权益基金最接近的基准指数: 1)遍历所有股票指数,计算基金与指数的跟踪误差,跟踪误差越小基金越接近指数表现,跟踪误差的计算公式如下: 𝑇�=√ 1 �−1 � ∑(𝑇𝐷�−̅𝑇̅̅𝐷̅̅𝑡)2,其中𝑇𝐷�=𝑅𝑃�−𝑅𝑀� 𝑡=1 𝑇�为基金的跟踪误差,𝑇𝐷�为基金在时间t内的跟踪偏离度,̅𝑇̅̅𝐷̅̅�为基金的跟踪偏离度的样本均值,n为样本数,𝑅𝑃�为基金t时间内的收益率,𝑅𝑀�为基准指数t时间内的收益率。跟踪误差描述的是基金收益率与基准收益率偏离的标准差。 2)遍历所有股票指数,计算与基金相似度最高的指数,相似度得分越高基金越接近指数表现。基金相似度的算法我们在报告《如何刻画基金的相似度》中有过详细介绍,本篇报告主要基于欧式距离进行计算,欧式距离算法如下: � 𝑑(𝑥,𝑦)=√(𝑥1−𝑦1)2+(𝑥2−𝑦2)2+...+(𝑥�−𝑦𝑛)2=√∑(𝑥�−𝑦𝑖)2 𝑖=1 欧式距离衡量的是点�=(𝑥1,...,𝑥𝑛)和�=(𝑦1,...,𝑦𝑛)的直线距离。为了方便理解,我们将欧式距离的原始值进行标准化处理,使得最后的数值在0-100的范围内,标准化方式为: 百分比=𝑑�−min(𝑑1…𝑑𝑛)max(𝑑1…𝑑𝑛)−min(𝑑1…𝑑𝑛) 𝑑�为基金i的欧式距离原始值,min(𝑑1…𝑑𝑛)为测试范围内所有距离的最小值,max(𝑑1…𝑑𝑛) 为测试范围内所有距离的最大值。 另外由于我们需要遍历所有股票指数,而指数的持仓信息并不能全部获得,所以本篇报告主要依靠基金净值进行基准匹配,在测试过程中我们使用基金和指数的日度收益率计算跟踪误差和相似度。我们考察了不同时间区间下两种算法的相关性,结果大部分区间下相关性都能达到0.97以上,因此两种算法其实没有本质差别,我们在后文主要采取计算更为简便的跟踪误差算法。 图2:跟踪误差算法与相似度算法相关性 考察期 过去3个月 过去6个月 过去9个月 过去12个月 过去24个月 过去36个月 过去60个月 相关性 0.97 0.97 0.97 0.98 0.99 0.99 0.99 数据来源:Wind,东方证券研究所 三、基于ETF视角进行主动基金分类 通常股票型ETF可以分为5种类型:规模指数ETF、行业指数ETF、策略指数ETF、风格指数ETF以及主题