本报告系统研究了A股市场中ETF相较于主动权益基金的优势,发现ETF规模与交易活跃度持续提升,个人及机构配置比例显著增加。通过资金面、技术面和基本面三类因子构建综合选股模型,优选出的ETF标的组合实现了优异的超额收益。基于该模型构建的“Star-ETF”组合,在不同手续费和行业偏离度约束下,均表现出显著的年化超额收益率和良好的风险调整收益,表明基于量化因子的ETF轮动策略具备实用价值。
核心论点与主要信息:
近年来A股市场行业轮动加速,热点频繁更替,主动股基表现不佳。通过与偏股混合基金指数(885001.WI)收益率的对比,行业轮动速度呈现负相关,尤其自2021年起更为明显(图1)。注册制实行后,A股指数涨幅和大多数个股价格涨幅不一致,指数上涨同时多数个股涨幅未能同步,使得主动权益基金选股难度加大(图2)。统计显示,TMT、制造、金融地产、周期、央国企等七大板块中,除医药和消费外,其他板块主动权益基金长期表现弱于ETF(图3)。这表明被动管理策略在多行业环境中更具优势,尤其在行情风格转向指数化时。此节还突显出主动基金面对加速的市场变化缺乏有效应对能力,导致业绩下滑。
关键数据点:
股票型ETF的日成交金额显著提高,2019年底122亿元到2023年6月9日达436亿元,增幅257%。成交金额占比(ETF日成交额/全A股日成交额)从2.3%提升至5.0%(图4),显示市场交易重心部分转向ETF领域。进一步看持有人结构,个人投资者占比由2014年的14.6%提升至2022年约44.6%(图5),反映ETF日益成为普通投资者购买权益资产的便利渠道。
FOF资产配置趋势明显向股票型ETF倾斜,尤其是行业主题ETF,占股票型ETF的配置比例约70%(图6)。基金投顾产品也增加被动权益产品仓位,被动权益产品持仓占比持续上升(图7),显示机构端同样看好被动ETF投资价值。ETF的交易活跃度和投资者结构变化均指出,ETF已成为资本市场主力配置工具。
自2018年以来,行业主题ETF快速崛起,2023年一季度股票型ETF合计规模达1.43万亿元,其中行业主题ETF和宽基ETF各占约一半(图8)。相较主动权益基金,股票型ETF规模增速更快,特别是自2021年下半年以来,主动权益基金规模趋势震荡下降,而ETF规模持续攀升,二者规模比重提升至30.5%(图9),反映市场投资风格及资金结构转向。ETF作为低费率、透明度高的被动产品,显示出强劲发展潜力。
截至2023年Q1,行业主题ETF达到432只,覆盖TMT、金融地产、制造、医药、消费等核心板块,细分数量及规模详见图10和表1。TMT领先,规模1687亿元,金融地产1371亿,制造1150亿等。布局广泛且深入,满足了投资者多元化需求,也有利于构建细分板块轮动组合。
鉴于行业主题ETF数量增多,如何选出绩优标的?主动权益基金因换手快、持仓漂移大的问题,用持仓补全方法多因子模型误差较大,而行业主题ETF跟踪指数的跟踪误差逐年减小,成为优选标的的理想切入点(图11)。报告提出通过个股层面的三类因子(资金面、技术面、基本面),映射跟踪指数因子得分,继而映射至ETF(图12),形成系统化打分和筛选流程。
资金面因子如北向资金净流入比例、主力交易强度等具备良好预测能力。多头组合年化收益整体优于中证800,年化超额收益12.4%,波动率10.2%,收益波动比1.21(图13、14)。资金面反映资金流向和市场情绪,为选股提供有力信号。
技术面因子包括交易量比、非流动性变异系数、动量指标等,以量价数据构建。2023年技术因子尤为突出,多头组合年化超额20.7%,全区间年化收益14.2%,波动率11.3%,夏普比率1.25(图15、16)。技术面因子反映市场供求和短期趋势,对捕捉市场轮动有效。
基本面因子如毛利率增长、资产收益率等虽量化性能较前两者弱,尤其2023年表现欠佳,年化收益6.9%,波动率13.1%,收益波动比仅0.53(图17、18)。业绩低迷与宏观环境和估值压力有关,但依旧是投资决策的重要维度。
通过施密特正交化消除因子多重共线性,基于过去六期优化权重,合成资金面、技术面、基本面三类因子生成综合因子,实现标的ETF筛选。不同数量(10、20、30只)的优选组合均表现出了持续超越中证800指数的能力,其中10只组合年化收益19.5%,波动率13.5%,收益波动比1.45(图19,表3,表4),2023年累计收益相对中证800高达52.3%。组合回测结果强劲,显示多维因子选基模式对ETF筛选有效。
综合因子映射至ETF,筛选成交均额大且成立时间足够长的个股行业主题ETF。根据综合因子排名取前10只,等权构成“Star-ETF”组合。在不计手续费情况下,相较中证800指数年化超额收益达23.2%,夏普1.67(图20、21)。2023年各期均实现正超额收益(表5)。表明通过系统性因子筛选ETF组合具备较强的超额收益和风险调整后表现。
考虑行业间相关性及板块轮动,采用指数增强方法限制组合行业暴露与基准的偏离,约束行业偏离度(如30%、50%、70%),最大化组合综合因子得分。通过优化计算组合权重,使“Star-ETF”组合在行业配置限制下保持超额收益,降低跟踪误差。
优化后的“Star-ETF”组合兼顾了收益性与行业风险管理,表现稳健。
报告明确指出:所有模型基于历史数据,未来市场可能变化,组合回测结果不等同于产品推荐。投资者应谨慎对待历史业绩的预测信赖。
整体图表分析支撑了报告对ETF轮动组合构建的实证效果及系统方法的有效性。
本报告主要聚焦于ETF因子筛选及组合绩效,未直接涉及传统财务估值方法如DCF、市盈率等。重点在于基于量化因子的标的筛选与组合构建,故估值分析部分未见传统估值模型的应用。
报告中采用的“因子模型”可视作量化风险调整的绩效预测与标的横截面排名工具,综合因子由资金面(资金流动与情绪指标)、技术面(波动率、动量、量价特征)与基本面(财务指标)构成,排序筛选目标ETF。此模型不涉及财务估值的现金流折现,而是通过多因子排序优化标的组合。
此外,报告采用指数增强手段,将组合行业权重限制在基准附近,平衡超额收益与指数跟踪风险,此处可视为风险控制的“约束优化”估值方式。
报告识别的主要风险点:
报告未提供明确缓解策略,但提示投资者需结合自身风险承受能力,谨慎使用。
因此报告具有较强的量化实务参考价值,但投资者应结合自身需求与风险容忍度,避免单纯依赖历史模型。
本报告通过详实的数据分析和严谨的量化模型,揭示了当前中国权益市场主动权益基金与ETF投资表现的显著差异。主动权益基金因加速的行业轮动和注册制改革导致选股难度增加,部分核心板块表现落后于被动ETF,尤其是在行业主题ETF兴起的大环境下。个人及机构投资者正日益青睐股票型ETF,资金流入和成交活跃度显著上升。
行业主题ETF因其细分板块覆盖全面、跟踪误差不断降低,成为理想的投资标的。报告指导通过资金面、技术面及基本面多因子模型,构建综合因子对行业主题ETF进行优选,优选组合在实证中表现优异,年化收益、超额收益率均持续提升,尤其2023年迄今表现卓越。
扩展至“Star-ETF”组合,系统化的因子筛选和行业暴露约束下,组合无论在不计手续费还是模拟手续费条件下均实现了对标普中证800指数以及偏股混合基金指数的稳定超额收益,夏普比率良好,风险调整后表现突出。
图表如(图1-3,图4-7,图8-10,图11-23)和数据表(表1-6)详实支持上述结论,充分验证ETF轮动组合在当前市场环境下具备投资价值和策略可行性。
报告同时谨慎提醒基于历史的模型结果不等同未来表现,市场不可预测因素依然存在,投资者须理性看待超额收益,同时考虑组合风险。
总体而言,本报告不仅提供了丰富的数据分析和策略构建框架,也为市场参与者在关注市场被动化趋势下,结合微观因子模型优化ETF组合配置提供了明确路径与操作参考,代表了当前金融工程领域对于行业主题ETF轮动投资策略的前沿探索与实践。
(全文总字数:约2200字)
20230627-开源证券-开源证券量化评论(78):微观视角下的ETF轮动组合构建.pdf