指数增强基金优化分析

前言：想要写出一篇引人入胜的文章？我们特意为您整理了指数增强基金优化分析范文，希望能给你带来灵感和参考，敬请阅读。

摘要:指数增强型基金并非纯指数基金，它是在指数基金的基础上对其进行优化，加入积极的投资手段，对基准指数的跟踪误差进行控制的前提下，试图获得超越基准指数的投资回报。从投资理念上来讲，指数增强基金是主动投资与被动投资的结合。就目前国内现有的指数增强策略来看，大多采用多因子模型策略，但其实际业绩并没有达到预期目标。这篇文章总结并反思了指数增强策略表现不佳的原因，并提出可能的改进方向。

关键词:指数增强基金;增强策略;多因子模型;优化研究

近年来，以复制指数作为资产配置的投资策略受到了广泛的欢迎，导致许多投资者采取了主动投资与被动投资相结合的模式，指数增强基金应运而生。增强型指数基金通常采用一种定性定量的策略，这种策略将投资组合的构成从严格遵循某些流行的市场指数，倾斜为一种略有不同的构成，有望在风险水平相似的情况下产生更多回报，因此越来越多投资者青睐于增强型指数基金，增强型指数基金开始迅速发展起来。由于我国指数增强基金进入大众视野时间短，尚存在许多不足，以2019年指数增强的超额收益来看，多因子模型预测能力降低，不利的市场环境等因素，使得表现不如历史平均。因此指数增强基金的优化问题成为亟待解决的问题。

1指数增强基金的概念及发展现状

增强型指数基金是对基准指数的跟踪误差进行控制的前提下，以获取超越基准指数的投资回报，它需要基准指数的跟踪误差与持仓组合保持在一定范围内。从投资理念上来看，增强型指数基金是主动投资和被动投资的有机结合。指数增强基金是对指数基金进行改进的一种投资策略。在对指数增强基金进行管理的时候，基金经理要充分考虑各方面因素，他们在基金操作策略上的小小变动，都有可能或大或小地改变投资者的收益情况，因此基金经理权衡利弊，尽可能地为投资者获取稳定的超额收益，增加他们认为值得购买的股票的权重，或者减少他们认为可以出售的股票的权重。从wind数据库中的指数增强基金分类显示，截止2019年第二季度，股权益类产品约1．8万亿，其中指数与类指数产品6072亿，其中交易型开放式指数基金4382亿，分级基金960亿，LOF基金157亿，非上市指数基金572亿，指数增强基金878亿。根据基金的规模和数量来看，跟踪沪深300指数的有303．4亿，中证500指数的有144．5亿，上证50指数的为167．5亿，其他189．7亿。其中沪深300指数增强和中证500指数增强的竞争力最为激烈，同时也是指数增强的主要品种。在数量上，前者共计33只，后者共计23只。从产品规模看易方达上证50增强规模165亿，其次富国沪深300增强90亿、景顺沪深300增强90亿，建信中证500增强60亿。从基金公司规模看，规模较大的是易方达、富国和景顺长城，指数增强的产品规模分别为177亿、174亿和104亿，占到了全市场的22%、22%和13%。

2、指数增强基金表现回顾

回顾2019，这一年里发生过太多的事，从春节后股票市场大盘的躁动、中美贸易战从悲观再到签下第一阶段的协议、猪肉价格暴涨再到年底全国范围的疫情的爆发。在经历过种种意外和不安之后，2019年对于基本面量化选股策略来说也是艰难的一年。目前市面上大多数公募指数增强产品以对标沪深300居多，而私募指数增强产品则以对标中证500居多。以2015年－2019年规模最大的5只沪深300、中证500指数增强基金为研究对象，统计其相对基准指数的超额收益。从表中可以看出，2015－2018年，指数增强策略表现优异，大幅跑赢基准指数。然而，进入2019年，在以量化基本面选股策略为主的沪深300、中证500指数增强基金中，但规模最大的5只指数增强基金相对基准指数的超额收益分别为1．66%和4．70%，均低于2015－2018年间的超额收益。由此可见，虽然2019年指数增强策略能继续获得正向的超额收益，但表现明显不如前几年的水平。为什么以往表现优异的指数增强策略在今年变得不那么有效了?这个问题引人深思，我们对此进行探讨。

3指数增强基金表现不佳的原因

指数增强策略在2019年表现不如以往那么有效，可能是源于:不利的市场环境、风险控制模型存在漏洞、模型拥挤。现从这三方面分析其表现不佳的原因。

3．1不利的市场环境

就目前国内现有的指数增强策略来看，大多采用多因子模型策略。多因子模型看似普遍适用，但其适用的环境与市场密切相关。股票收益在整个市场的离散程度、股票上涨的数量以及大小盘风格的稳定性，都会对多因子模型的表现产生影响。我们用市值因子来衡量大小盘风格的稳定性。当市值发生变化时，通过因子来解释股票截面回报的差异就变得更加困难。许多共同因素在大盘股的集合选股效果相对较弱，而在小盘股的集合选股效果相对较强。因此，市值加权波动率对多因子模型绩效的影响要大于普通波动率。较高的市场价值加权波动率表明小市值股票集中个股收益分散度小，多因子模型能发挥的空间有限，模型的表现相对较差。因此，在2019年，市值风格不稳定、收益大于均值的个股数量占比低，市场结构不利于多因子模型。

3．2风险控制模型存在漏洞

事实上，除了不利的市场环境会决定超额收益以外，风险控制模块也会在一定程度上影响指数增强基金业绩的表现。从风险控制模型来看，强化风险约束虽然可以降低短期内的回撤，但增强策略组合的长期业绩表现也会受到削弱，因此风险约束变量既是收益来源也是风险来源。在一定范围内放松约束，指数增强策略在长期内可以获得较为可观的风险补偿收益。但也需要承担某些时段内，主动的风险暴露所带来的亏损。

3．3模型拥挤

一般情况下，我们用指数增强基金日超额收益的平均相关系数来表示模型拥挤的程度。其中有效因子会受到资金追捧，而资金买入过多又会反过来造成模型拥挤，削减收益。这个现象反映指数增强基金所采用的模型策略本质上越来越趋于一致。因此，同质化程度越来越高，模型逐渐拥挤，收益被不断削弱，这可能是2019年多因子模型指数增强型基金业绩下滑的另一个原因。

4指数增强基金优化方向

虽然2019年指数增强策略能继续获得正向的超额收益，但表现明显不如历史水平。说明市场正在逐步成熟，如果不持续的研发和寻找新的因子，就很难保持一个稳定的超额收益。面对这一困局，我们认为，可以尝试的改进方向有:机器学习、引入高频因子、采用“核心—卫星”的配置方式等。

4．1机器学习

由于多因子模型被越来越多的基金经理人广泛运用，模型拥挤的情况似乎不可避免，也让传统多因子模型的生态环境变得愈发艰难。机器学习可以给投资者提供更强的投资信号，一方面可以避免模型拥挤，另一方面可以发现收益和因子间的隐含关系。虽然近年来多因子模型利用计算机技术和简单的数学模型取得了很大的发展，但是过于简单的数学模型已经不能很好地适应日益复杂的金融市场环境。机器学习的发展与融入给多因子模型注入了新的活力，机器学习正成为一种新的发展趋势，而且机器学习算法能够更好地识别因子间的线性关系。因此，运用机器学习方法或许可以提升收益的预测能力。

4．2引入高频因子

可以寻找包合新信息的因子，如高频因子来提高收益能力。高频因子采用日内交易数据构建指标，可以引入交易行为信息。随着传统因子研究的深入，使用日级别数据已经很难发现能够在传统技术选股因子之外提供额外选股能力的因子了。近半年来，通过高频数据的累计效应为低频选股提供额外信息这种思路受到各大研究团队的青睐，高频因子挖掘可以提高整体策略稳定性高频因子收益的相关性有限，组合多个因子可以有效提高策略收益能力，降低风险。

4．3采用“核心—卫星”的配置方式

核心资产部分投资于指数化产品，用于进行被动投资;卫星资产部分进行主动投资，例如投资于个股或投资其他风格的基金等。与核心资产相比，卫星资产通常相关性较低，回报率较高，在核心资产配置某一市场指数的情况下，卫星资产就构成了“指数增强器”。这种配置的实质在于通过局部的卫星资产的主动投资，来提升核心资产的被动投资的业绩，最终提高投资的整体业绩。这种配置方式既融合了被动投资低成本、低风险、长期收益稳定的优势，同时又吸收了超额收益的积极投资机会的优势，扬长避短，最大限度地提高投资组合的有效性。

5指数增强未来趋势

指数增强基金是在一定偏离度和跟踪误差的约束内，追求相对基准指数超额收益的基金产品。指数增强基金持有人在收获指数收益的同时，还能够享受到基金管理人提供的较为稳定的超额收益增厚，相对于被动指数投资，具有极高的性价比。对于指数基金的发展过程来看，国内经历了从2008年开始的被动指数，到2010年出现的指增强策略。可以认为，指数增强是未来投资创新的重要方向，但目前来说，指数增强仍是被动型投资配置的主要阵地，需要不断优化，才能在指数基金创新之路上有坚实的积累。相信在经历此番成交额低迷的行情后，也会使得从业人员不断反思，模型得到提升，相信在未来数增强基金将会迎来较大的发展空间。

参考文献:

［3］朱臻．指数基金增强策略创新研究［J］．财会月刊，2012(36):46－48．

［4］叶贇．基于随机森林量化的沪深300指数增强策略设计［D］．东华大学，2019．

［5］古志婷．增强型指数基金的构造及优化研究［D］．广州大学，2018．

［6］巴曙松，汪鑫．C－TEV约束下增强型指数基金管理实证研究［J］．财经问题研究，2011(04):53－60．

［7］王冬洁．指数基金的增强机制及其绩效研究［D］．郑州大学，2013．

作者：郑玥 单位：沈阳工业大学