首页logo右侧文字描述,后台修改!

超6成指数增强基金跑赢业绩基准 创金合信基金董梁:量化模型整体呈现一定的选股能力

未分类 2024-11-04 浏览(5) 评论(0)
- N +

  今年以来指数增强产品的超额收益(指产品实际收益率与业绩基准的差额)整体较好,Wind数据显示,截至11月1日,今年以来257只(不同份额合并计算,排除新基金)指数增强型基金平均超基准回报为0.5%。其中,155只指数增强型基金斩获超额收益,占比超过六成。

  与此同时,指数增强产品的超额收益分化较为明显,最高超基准收益超过25%,部分产品却遭遇显著负回报,今年以来超业绩基准收益率首尾差距超过36%。其中创金合信北证50成份指数增强,今年以来超基准收益高达25%。

超6成指数增强基金跑赢业绩基准 创金合信基金董梁:量化模型整体呈现一定的选股能力

  为什么整体指数增强产品的超额收益较好?为什么北证50、中证1000、沪深300等指数增强产品的超额收益更佳?创金合信基金首席量化投资官、创金合信北证50指数增强基金经理董梁表示,目前大多数指数增强基金采用量化的方式进行投资,每个团队的量化模型不同,但整体还是展现了一定的选股能力。加上量化基金一般会用风险模型和优化器来构建组合,有利于获得超额收益。

  董梁指出,北证50和中证1000均是以小盘股为主的指数,因这类指数的定价有效性较低,即股价相对于合理价格的定价偏差大,量化选股模型有利于实现超额收益。而沪深300指数,则由于今年上半年红利策略走势强劲,沪深300指数增强基金靠超配这些高分红成分股获得不错的超额收益。

  1、 为何今年增强指数型基金整体会获取较好超额收益?

  董梁:目前大多数指数增强基金是用量化的方式来进行投资的。具体来说,基金管理人开发了用来预测未来股价变化的量化模型,然后用模型给全市场的股票打分排序,也包括各个指数的成分股。对于打分高的成分股,会在指数增强型投资组合中相对于指数标准权重多配一点,对于打分低的成分股低配一点,假如量化模型表现较好,那么指增组合就会获得一定的超额收益。今年各个团队的量化模型各异,但是作为一个整体还是展现了一定的选股能力,多数指增基金获得了正超额收益。

  另外,量化指增基金一般会用风险模型和优化器来构建预期风险收益最佳的组合,也有利于获得超额收益。

  2、从超额回报的品种看,主要是北证50、中证1000、沪深300等是热门品种,为何这类产品增强收益会较为靠前?下半年超额收益的持续性如何?

  董梁:北证50和中证1000都是以小盘股为主的指数。在小盘股中,一般来说市场定价的有效性比较低,股价相对于合理价格的定价偏差比较大,量化选股模型的选股能力比较高,有利于做出超额收益。沪深300是大盘股指数,一般来说市场定价有效性高,量化模型的选股能力偏低,不利于做出超额收益。不过今年上半年红利策略走势强劲,而沪深300成分股中有很多高分红股,一些沪深300指数增强基金就依靠超配这些高分红成分股来获取超额收益。

  今年下半年不少指增基金的超额收益都出现了明显回撤,主要原因是9月24号突然启动的反弹行情。9月下旬在一连串政策组合拳的加持下,市场大幅反弹,涨势最突出的是过去一两年跌幅最大的超跌股。而多数指增基金则是超配了过去一段时间较为强势的股票,如高分红股等,同时低配了跌幅较大的个股,这就造成了超额收益的阶段性回撤。

  3、贵司的指数增强型基金今年超额回报显著,业绩归因是怎样的?

  董梁:今年创金合信基金的北证50指数增强基金超额收益显著,同时沪深300指数增强基金也有不俗的表现。创金合信北证50指数增强基金是去年12月29号成立的,当时我们判断北证50指数经过了去年四季度的大幅上涨后有回调的风险,因此在今年1、2月份放慢了建仓节奏,因仓位较低在年初的下跌行情中跌幅较小,获取了一定的超额收益。同时我们的量化选股模型在北交所上市公司中也持续展现出较强的选股能力,给基金带来了更多的超额收益。

  创金合信沪深300指数增强也是创金合信基金的一个重点产品,在模型构建、组合管理参数设置上都投入了较多的精力来进行优化,今年也有较好的表现。四季度创金合信基金量化团队会持续进行模型迭代优化,重点加强在机器学习上的研究和应用,进一步提升模型的选股能力,争取获得更多的超额收益。

  4、目前也有部分指数增强产品的超额收益为负数,今年超业绩基准收益率首尾业绩差距高达35%。据您来看,今年哪些策略因子是负回报?针对因子回报情况,四季度投资会如何调整?

  董梁:今年指增产品也遇到了一些显著的“逆风”,主要包括1月底、2月初的小盘股剧烈下跌行情和9月底、10月初的大幅反弹行情。在这两段时间里快速变化的市况给量化选股模型带来了很大的挑战。具体来看,基于量价的技术类因子在上述时间段遭遇了显著的负回报。基于因子回报情况,近期创金合信基金量化团队适度降低了技术类因子在量化模型中的权重,适度上调了基本面因子的权重。同时对于组合管理参数也进行了一定的调整,降低跟踪误差。

标签: