注：本文所有业绩数据皆为模拟得出，不代表任何私募管理人的实盘业绩

全文综述

市场中性策略作为一种绝对收益策略，以给投资者带来稳定且与大盘相关性低的收益为目标。其原理是通过持有衍生品（如股指期货、融券、收益互换、期权等）头寸对冲掉股票多头持仓带来的市场Beta风险，依靠管理人的Alpha能力获取稳定收益。目前，做空股指期货（尤以中证500股指期货为主）是最主流的对冲方式。在波动较大的A股市场中，市场中性策略为投资者提供了优质的资产配置选项，并备受青睐。

按照定义，严格意义上的市场中性产品应该无多空市值敞口暴露。所谓多空市值敞口，即股票多头端市值与股票衍生品空头端市值的差值。但是，近年来，出现了一些正敞口设计的量化市场中性产品。本文主要探究了对中性产品放敞口将会给产品带来哪些影响。

通过研究发现，在2015年12月至2020年6月的回测区间内，一定范围内的多头敞口可以提升产品的收益率和夏普比率，10%以内的多头敞口甚至可以降低产品的波动率。事实上，2015年12月至2020年6月中证500指数的跌幅达到24.6%，但固定的多头敞口却可以提升中性产品的收益，这是为什么呢？

研究发现，这主要是由于在A股市场，缺乏有效的做空机制，导致对冲手段较为单一、对冲成本较高。因此，适当的多头敞口能通过降低对冲成本、提高资金使用效率达到提升市场中性产品表现的目的。

不过，放固定多头敞口的市场中性产品同样可能在短期暴跌的行情中承受较大的回撤。整体而言，投资者需要理解中性产品的收益来源，结合自身的风险偏好，为自己选择合适的产品。在预期市场没有极端暴跌的行情下，放敞口是具有性价比的投资决策，而对于对回撤敏感，追求稳定收益的投资人来说，无敞口的市场中性产品是更为合适的。固定敞口的调整更多是管理人对产品的商业选择，而管理人核心竞争力还是来自于产生Alpha即超额收益的能力。希望本文能够帮助投资者更好地甄别管理人，以进行资产配置决策。

数据展示

以市场成交量，波动率和经典高频Alpha因子收益等指标为基础，我们拟合出日度多头超额收益。以IC近月合约为空头端数据，假定合约到期日前换月调仓，模拟了2015年12月1日 - 2020年6月5日这段时间内，敞口比例为0%、10%、20%的市场中性产品的净值表现。结果如下：

其中位于最上方的浅蓝色曲线为敞口比例为20%的产品净值曲线；位于中间的蓝色曲线为敞口比例为10%的产品净值曲线；而位于最下方的深蓝色曲线为敞口比例为0%的产品净值曲线。单单从收益角度，从图中可以看出：敞口比例越高，产品在该区间内的收益率越丰厚。

下表展示了三者在该区间内的主要收益风险指标：

从上表中我们可以得出，通过调整敞口，管理人可以有效提升产品的收益率。在10%的敞口下，不仅年化收益有所提升，收益的波动率也更小，夏普率更高。在20%的敞口下，虽然波动率变大，但由于收益的上升明显，产品的夏普率得到了提升。当然，我们观察到的最大回撤会随着敞口的上升而变大，收益回撤比也随着敞口的上升而下降。

如果您有兴趣、有余力，推荐阅览以下内容

收益拆分

该部分中，我们通过收益拆分的方式归纳敞口暴露程度从哪些方面影响了市场中性产品的收益风险特征。

以下为市场中性产品每日涨跌幅估算公式：

通过对上述公式进一步的分析我们可以归纳出敞口暴露为市场中性产品带来的三块或有收益增厚：

1）更高的资金使用效率：

当前A股市场主流的对冲方式是持有股指期货的空头合约，股指期货采用保证金交易，需占用一定的资金头寸。从上式的分母中我们可以看出，敞口比例越大，股指期货保证金在产品中的占比就越低，管理人就可以用更多的资金买卖股票，更大程度地发挥alpha能力。

近年来，随着股指期货不断松绑，保证金要求随之下降。而在2018年之前，较高的保证金比例给予了市场中性策略一定的运作难度。下表展示了近年来IC500保证金调整的几个重要时间节点，以及各个阶段本文所使用的实际IC保证金比例的测算值：

2）指数上涨的红利（Beta * 敞口比例）：

当市场中性产品出现一定的正敞口暴露后，产品多头端持仓的Beta收益便无法完全被对冲。长期来看，持有股票指数可以获得高于无风险收益率的年化回报，因此通过敞口暴露，能够获取部分指数上涨的红利。下表展示A股各大主流指数的长期年化回报率：

3）更低的对冲成本（Basis * 敞口比例）：

由于A股市场缺乏个股做空机制，由套期保值催生出的对于股指期货空头合约的需求强烈，这造成IC500合约长期处于深度贴水状态。假设某一年IC500的年化贴水幅度为15%，则意味着管理人的年化超额水平需在15%以上，其市场中性策略才能获取正收益。通过敞口暴露，管理人能够有效降低贴水成本。

结合2015年12月1日 - 2020年6月5日这段时间的实际市场环境来看，中证500指数增长率为 -24.6%，因此，敞口的Beta因素实际上在此区间内为市场中性产品贡献了负收益。而之所以敞口比例越高，产品在该区间内的收益率越丰厚，是由于：

1）敞口的资金使用效率因素：

A股头部量化管理人在此时间区间内的累计超额收益仅以单利计算便高达152%，若以复利计算则达到了354%，覆盖了指数的跌幅后还远远有余。因此，敞口比例越高，资金使用效率越高，越能发挥出头部量化管理人的超额优势。

2）敞口的Basis因素：

自2015年起，IC由升水转为深度贴水，为对冲产品造成了较高的对冲成本。仅以单利计算，2015年12月1日 - 2020年6月5日期间IC当月连续合约的贴水成本高达69.2%。由于承受了更小的对冲成本，每增加10%的敞口，市场中性产品在这四年半的时间里收益率将会上升7%（仅以单利计算）。

代表年度分析

2016年数据展示与分析

0敞口、10%敞口、20%敞口三类市场中性策略产品在2015年12月1日 - 2020年6月5日期间的最大回撤均是出现在2016年度。尽管2016年度全年中证500指数下跌幅度仅为17.78%，但是指数的走势呈现出了明显的阶段性特征。在1月4日 - 1月28日短短19个交易日内，指数暴跌30.8%，给予了放敞口的市场中性产品净值上的重创。

对比来看，尽管2018年中证500跌幅高达33.2%，但是全年指数走势较为一致，呈现阴跌的行情。因此在2018年，放敞口的产品所承受的最大回撤并不高。下表展示了2016年度与2018年度中证500指数与三类产品的最大回撤情况：

因此，出现短期暴跌的行情是进行敞口暴露的主要潜在风险。

此外，2016年出现了非常罕见的深度贴水。仅以单利计算，2016年IC的贴水幅度高达31.06%；若以复利计算，2016年IC的贴水幅度高达40-50%，因此敞口的Beta+Basis因素整体而言仍然为放敞口的市场中性产品带来了正收益。

2018年数据展示与分析

2018年指数回撤幅度较大，IC500年化贴水幅度约在10%以内，因此无敞口暴露、保持完全多空市值中性的产品表现占优。正是由于2018年股市走熊，A股量化机构借助市场中性策略迅速崛起，在彼时市场情绪较为冷淡的背景下，放敞口的做法尚不流行。

2019年数据展示与分析

2019年，中证500指数上涨约26.3%，同时IC贴水成本高达15%，敞口暴露的Beta+Basis正效应显著。2017年与2020年至今的行情与2019年的情况也较为类似。

总结

从长期来看，A股市场主流指数具有较有吸引力的年化复合回报率；另一方面，A股市场对冲手段还较为单一，对冲成本较高。总体来说，对市场中性产品暴露超过10%的多头敞口，对于能接受较大回撤，追求收益最大化的投资人来说是符合A股市场特点的做法。但是，投资者需要警惕敞口带来的短期市场暴跌可能造成的风险。所以对于对回撤高度敏感，追求稳定收益的投资人来说，无敞口或小于10%敞口的市场中性产品是更为合适的。

本文旨在以敞口为切入点，帮助投资者理解市场中性产品的收益来源，理解不同管理人对于市场中性策略的理解以及管理风格。例如在2018年，当管理人具有相当的Alpha能力时，有多头敞口的管理人会明显跑输严格无敞口的管理人。而在2019和2020年，通过放固定的多头敞口，管理人会获得明显的收益增强。因此，通过理解不同管理人对敞口的选择，剥离掉敞口不同带来的收益差异，或直接关注管理人指数增强产品产生稳定超额收益的能力，有助于投资人甄别量化管理人的投研能力。毕竟，固定敞口的调整更多是管理人对产品的商业选择，而管理人核心竞争力还是来自于产生Alpha即超额收益的能力。

希望本文能够帮助投资者更好地甄别管理人，以进行资产配置决策。

注：本文所有业绩数据皆为模拟得出，不代表任何私募管理人的实盘业绩

全文综述

如今，量化中性策略和指数增强策略受到越来越多投资者的关注。优秀管理人的中性产品收益稳健，在收益率上优于固收类产品，而指数增强产品的超额收益稳定，且能获得指数长期增长带来的收益。投资者在选择量化产品时，更多的关注其年化收益率，本文将为投资者强调另一个不可忽视的重要指标——超额收益的夏普率。

实际投资时，超额收益并不能直接转化为收益。指增产品中，超额收益叠加了市场收益的波动；中性产品中，投资者需要承担股指期货的基差。这里，我们将市场收益的波动与基差统称为市场“噪音”。通过对超额收益与常见的几种市场“噪音”的研究，本文得出了以下结论：

①当策略的长期年化超额收益水平相近时，超额夏普较高的策略具有更小的超额回撤，每年的超额收益更平均，有利于投资人长期持有，分享策略的超额收益，承担更小的投资波动；

②对于市场中性产品，基差噪音缩小了高超额夏普和低超额夏普策略的差距。尽管如此，高超额夏普策略的市场中性产品还是具有回撤更小的优势；

③对于指数增强产品，如果仅仅关注绝对回报，高超额夏普和低超额夏普策略的差距会进一步因为市场“噪音”的波动而缩小；

④随着A股市场的不断发展、对冲工具的不断丰富，高超额夏普策略与低超额夏普策略之间的差距将会被逐渐放大。市场中性的高夏普策略结合适当杠杆将具有极大的优势。

⑤高超额夏普的策略需要叠加更多低相关性策略才能产生，因此高超额夏普的策略往往策略种类更丰富，在未来更不易产生收益衰减。

超额夏普的定义及性质

夏普率衡量的是：投资组合的收益与其波动率的比值，即每承担一定的风险，可以带来多少收益，是不错的风险回报指标。随着国内资管行业的发展和相关知识的普及，夏普率被越来越多的投资者视为衡量金融产品优劣程度的核心指标之一。超额夏普即为指数增强产品中，产品收益跑赢指数收益部分的夏普率。

由于A股市场的个股做空机制尚不完善，国内量化管理人主要以获取相对股票指数的超额收益作为股票策略的核心目标。基于这个目标，量化管理人通过量化模型选出跟对标指数不同的股票多头组合，期望能获取稳定跑赢基准指数的收益。超额夏普代表了量化管理人稳定获取跑赢指数部分收益的能力，是量化管理人研究能力的体现。

以市场成交量，波动率和经典高频Alpha因子收益等指标为基础，我们拟合出两条2015年12月1日 - 2020年6月5日期间的多头端累计超额收益曲线，其中策略A的持仓在各个风险因子上相较于中证500指数的偏离程度较小、而策略B则暴露了一些风格敞口。策略A与策略B的超额净值曲线见下图：

两者具体的收益风险特征如下：

可以看出，在较长的时间维度上，两者的年化超额收益率基本相同，但是策略A的超额夏普是策略B的2.37倍，差距巨大。我们进一步分析两类策略的超额表现，可以发现策略B的超额最大回撤远高于策略A。在2018年9月25日至2018年11月20日这36个交易日中，策略B跑输了中证500约4.72%，同期策略A跑赢中证500。

在相对较短的时间维度上，我们可以发现，策略B的超额收益率十分不稳定。下表列示了策略A与策略B在每一年度中的超额收益水平：

策略B在2018年超额收益水平下滑严重，仅为20.69%，可见，投资者投资于策略B，要想获得较高的超额收益，需要一定的运气成分；而投资于策略A所能获得的超额收益是比较稳定的。

虽然策略A和B的年化超额收益水平相近，但超额夏普较高的策略A具有更小的超额回撤，每年的超额收益更平均。在实际投资中，如果投资于策略B的投资人在2018年观测到了大幅超额收益的回撤，可能会对策略丧失信心，赎回资金，导致无法获得2019年更多的超额收益。反之，投资于策略A的投资人观测到的超额收益回撤小，相对来说更容易长期持有，获得长期持有的超额收益。

后文以策略A与策略B的超额净值作为基础，将市场“噪音”纳入讨论范围。

基差噪音与市场收益

市场中性产品

实践中，A股量化管理人设计出了市场中性产品，同时持有股指期货空头合约对冲掉指数风险，期望获得稳健且与市场涨跌无关的收益。市场中性产品将策略的稳定的超额收益转化为了实实在在的、相对稳定的产品绝对收益。然而，使用股指期货对冲需要付出贴水成本，且股指期货与股指现货之间的基差本身具备较大的波动性，因此大幅降低了产品的夏普比率。

中性产品中的基差噪音

将策略A、策略B作为多头端超额收益，以IC近月合约为空头端数据，假定合约到期日前换月调仓，我们拟合出了两条市场中性产品净值曲线（下称中性A与中性B），净值曲线如下：

两者具体的收益风险特征如下：

可以看出，由于贴水成本和基差噪音的存在，中性A与中性B的夏普比率均显著低于策略A与策略B的超额夏普。值得注意的是，此时中性A的夏普比率仅为中性B的1.44倍。基差噪音的存在缩小了策略之间的差距。

指增产品中的市场噪音

随着量化策略在A股不断被投资者熟知、认可，量化策略的定位也由原来的另类投资逐渐成为主流配置。近年来，量化管理人发行的多头类产品（即指数增强策略）规模急剧上升。在指数增强策略的比较中，由于市场收益本身波动较大，夏普率或超额夏普率等指标很少被关注。

将策略A与策略B的超额收益叠加中证500指数收益，我们拟合出了两条中证500指数增强产品净值曲线（下称指增A与指增B），净值曲线如下：

两者具体的收益风险特征如下：

可以看出，叠加了市场“噪音”之后，指增A与指增B的波动率以及夏普比率的差异已经不显著，指增B甚至具有更小的最大回撤。超额夏普高的策略看起来无法给投资人带来额外的价值。

融券对冲带来的若干启示

基差噪音与市场“噪音”是目前“荼毒”优质超额收益的两大主要因素。令人振奋的是，随着国内金融市场的不断发展，越来越多的衍生品工具正在帮助管理人降低各种噪音的“分贝”。

以市场中性策略中的融券对冲为例：

将策略A、策略B作为多头端超额收益，以市场主流的500ETF（510500）空头涨跌幅作为对冲端收益。假设融券的成本为年化7%，日度计息，我们模拟出两条市场中性产品净值曲线（下称融券对冲中性A与融券对冲中性B），净值曲线如下：

两者具体的收益风险特征如下：

可以看出，融券对冲A的夏普比约为融券对冲B的2.35倍，远高于用股指期货对冲之后二者的夏普比。

因为融券对冲A的最大回撤远小于融券对冲B策略，我们可以对融券对冲A使用约为270%的杠杆（假设资金年化成本为6%），使得两者的最大回撤保持一致。

杠杆后两者具体的收益风险特征如下：

在相同最大回撤下，融券对冲A的收益几乎是中性B的三倍。此时投资于融券对冲A是严格优于投资于融券对冲B的投资决策。实践中，优秀的量化管理人可以利用收益互换等方式提高资金使用效率，充分发挥高夏普策略的优势。

高超额夏普策略的特点与潜力

融券对冲会受到券源的限制，基差“噪音”也可能长期存在，短期内策略拥有高超额夏普给投资人带来的直观体验不够明显，那么，我们应该如何去看待高超额夏普策略的特点与潜力呢？

或许我们可以通过一个简单的统计实验，从高夏普策略的产生中，得出一些思考。在Alpha多因子框架下，理想中每一个因子都是一个和其他因子无相关性的策略。下图分别展示了10条和100条独立单因子策略的回测超额收益，这些单因子策略的超额夏普均在1.0附近，年化超额收益率约25%：

对于上述100个因子做等权线性组合，可以得到一个具有100个Alpha因子的多因子策略1；对于上述10个因子做等权线性组合，并做等权线性组合，可以得到一个具有10个Alpha因子的多因子策略2。策略1与策略2的超额净值曲线如下：

策略1与策略2的超额净值的收益风险特征如下：

这样，我们就得到了夏普为11和夏普为3的两条曲线。显然，叠加更多的低相关性策略可以得到更高的超额夏普。策略的超额夏普越高，代表其策略维度越高，种类越丰富，越具多样性。单个策略很难永久有效，每个策略都会逐渐失效，如果投资组合依赖于少数几个策略，那么一旦策略失效，未来投资收益将会显著减少。投资组合中策略种类越丰富，个别因子的失效对整体组合的影响越小。从这个角度，在竞争日益激烈的A股市场，高超额夏普策略的收益可持续性更强。

总结

尽管国内投资者对于金融产品夏普比率的重视程度不断提升，但是由于市场“噪音”和基差噪音的存在，股票类量化策略之间的差距在市场中性产品与指数增强产品中被缩小，真正代表股票类量化策略优劣程度的指标“超额夏普”没有得到足够的重视。量化策略管理人的核心能力在于制造超额收益，年化超额收益、超额回撤和超额夏普都是衡量管理人能力的重要指标。随着中国金融市场的持续发展，对冲工具进一步完善，资金使用效率不断提升，各种噪音的“分贝”将逐渐降低，高超额夏普策略会持续不断释放它的潜力。

注：本文所有业绩数据皆为模拟得出，不代表任何私募管理人的实盘业绩

全文综述

指数增强策略是A股投资者熟知的一种量化策略。当前A股市场主流的指数增强策略有沪深300指增策略、中证500指增策略以及中证1000指增策略。中证500指增策略尤其在过去两年的牛市中逐渐成为规模最大并且最为投资人所接受的量化指增策略。

由于发行量较小等原因，沪深300和中证1000指数增强策略的投资价值以及他们与中证500指数增强策略的差异并没有被投资人所广泛了解。本文通过对三大指数以及相对应的指增策略展开研究，得出了如下结论：

①从长期来看，沪深300、中证500、中证1000指数本身的回报水平以及最大回撤较为接近，但各年度的走势差异较大；三类指数都是较好的被动投资标的；

②沪深300、中证500与中证1000的风格以及行业分布差异较大；

③沪深300指增、中证500指增、中证1000指增策略的持仓差异较大，三类指增策略的超额收益来源不尽相同；

④由于对标指数的高流动性与高波动性，中证1000指数增强策略的超额收益具有显著优势，策略在中长期具有较高的收益预期。

三大指数走势对比

我们使用全收益指数来代表A股三大头部宽基指数自基日起至2021年3月25日的走势（三大指数的基日均为2004年12月31日，基点为1000点），如图2-1所示：

图2-1  沪深300、中证500、中证1000全收益指数走势

由图2-1明显可以看出，在过去的16年中，三大全收益指数录得了相近的涨幅，年化收益率相差不多，但是分年度来看，三大指数的走势不尽相同。总体而言，中证1000全收益指数波动最大，沪深300指数波动最小，而中证500指数波动率位于两者之间。投资者如果能够分年度在三大指数间进行合理的配置，则能获取可观的回报。

由于中证1000全收益指数自2014年10月17日才开始编制，为了更好地分析三大指数的收益风险特征，我们使用中证1000指数来代替中证1000全收益指数的走势，如图2-2所示：

图2-2  沪深300、中证500全收益指数、中证1000指数

表2-1展示了各指数的收益风险特征：

表2-1  各宽基指数的收益风险特征

由表2-1可以得知，在长期，中证1000全收益指数与中证500全收益指数由于承受了更大的波动，也相应具有比沪深300全收益指数更高的回报率；沪深300全收益指数、中证500全收益指数与中证1000指数的最大回撤差距并不大。这两个结论或许与大多数投资者的直觉相背。

三大指数风格对比

投资者选择不同的指数作为被动投资的标的，本质上是选择投资于不同的市场风格。本文从市值、流动性、波动性风格以及行业的角度对比三大指数的异同。

行业分布

图3-1  三大指数的行业分布及对

上图分别展示了中证1000、中证500、沪深300指数成分股的行业权重分布，可以发现中证1000和中证500指数成分股的行业分布较为接近，并且与沪深300成分股的行业分布有较大的差异。该差异具体体现在中证500和中证1000指数的成分股集中在以原材料、工业、信息技术为主的第二产业上，而沪深300指数的成分股则集中在以金融地产、主要消费为主的第三产业上。

市场风格

表3-1  三大指数的市场风格

从表3-1可以看出，沪深300指数的成分股平均市值较大，指数的年化换手率偏低，成分股的波动相对较小；中证1000指数的成分股平均市值较小，指数的换手频繁，成分股的波动最为剧烈；而中证500指数风格居于前两者之间。市场风格与图3-1展示的行业分布一同描绘出了一副指数画像，这幅画像能够帮助投资者理解指数在某一段时期内的不同走势。

三大指增持仓对比

指数增强策略是A股投资者熟知的一种量化策略，其投资逻辑是在全市场范围内挑选出相较于对标指数具有超额收益的股票，并且在对标指数的成分股中调出具有负超额收益的股票，以此构建投资组合。

由于对标的指数不同，在追求超额夏普（即信息比率）最高这一投资目标的约束下，A股较为主流的三大指增策略的持仓需要分别去贴近其对标指数的行业和风格，以降低其超额波动（关于超额夏普的相关知识，参考《衍复研究系列二——超额收益与市场“噪音”》）。例如，中证1000指数增强策略会持有更多小市值，波动率和换手率高的股票；而沪深300指数增强会持有更多大市值，波动率和换手率低的股票。因此，不同指数的指增策略虽然都是全市场选股，但是其持仓却大相径庭。

以经典alpha因子为基础，并约束行业和各个风格因子的偏离程度，我们分别模拟了沪深300指数增强、中证500指数增强、中证1000指数增强2016年1月4日-2020年12月31日的净值曲线。同时，我们截取上述模拟策略中，2020年的日均个股持仓数据，通过图4-1- 图4-3予以展示：

图4-1  沪深300指数增强（模拟）持仓分布

图4-2  中证500指数增强（模拟）持仓分布

图4-3  中证1000指数增强（模拟）持仓分布

从图4-1 - 图4-3可以看出，三类指增策略的持仓差距非常大，净值走势自然也不尽相同。

因此，在不同的指增产品之间进行均衡配置非常关键。如果把A股市场的超额机会比作弱水三千，那么局限于中证500指数增强策略无异于只取一瓢。通过配置沪深300和中证1000的指增，投资人可以在更广泛的股票标的上获取超额收益。

沪深300/中证500/中证1000

指数增强策略超额对比

目前，在A股量化策略中，量价类策略的超额收益贡献占比较高，而量价类策略的策略频率以中高频为主。股票的流动性与波动性越高，中高频量价策略的交易机会就越多，冲击成本就越低，带来的超额收益也就越高。

假设对标单只股票，中高频量价策略能够获取的超额收益与其波动率以及换手率开根号的乘积正相关。把这个结论推广到指数上，结合前文对沪深300指数、中证500指数、中证1000指数成分股的流动性与波动性统计，我们能够得出中高频量价策略对标三大指数的超额收益的比例关系：

(注：超额收益乘数意味着，中证500指数增强中高频量价策略超额收益是沪深300指数增强的1.88倍，中证1000指数增强中高频量价超额收益是沪深300指数增强的2.59倍。)

由此可见，在上述假设下，中证1000指数增强中的中高频量价策略的超额收益会具有明显的优势，这在一定程度上补偿了中证1000指数本身较大的波动性，使其具有较高的投资价值；沪深300指数增强策略中的中高频量价策略的超额收益部分最低。在此基础上，由于沪深300指数成分股本身机构投资者占比较高以及定价的更合理，超额收益有可能进一步减小。自2016年起，中证1000指数明显跑输沪深300指数，但是由于其更加强劲的超额收益，在产品总收益上，中证1000指增产品可能会实现反超。因此，投资者在投资指数增强产品时，需明晓产品收益来源，即指数的行业分布和风格特征会如何影响指数收益和超额收益，并根据自身投资偏好对指数增强产品进行均衡配置。

总结

量化策略在A股市场的受众不断增多，其定位也从提供资产配置工具的另类策略转变为了财富管理领域的主力部队。伴随着这一过程的必然是指数增强策略在量化策略中占比的不断提高。然而市场过多地将目光集中于中证500指数增强策略上，使得中盘股这一赛道迅速拥挤，而大盘股和小盘股的超额潜力却远未被充分挖掘。经过严谨的分析和论证，本文说明了中证1000指数增强策略和沪深300指数增强策略的投资价值，建议投资者予以关注。

注：本文所有业绩数据皆为模拟得出，不代表任何私募管理人的实盘业绩

全文综述

近几年，量化策略在A股市场高速发展。固然，现阶段量化策略的超额收益率十分亮眼，但是吸引投资者的并非完全是其高收益，还有该策略超额收益的稳定性。在《衍复研究系列二——超额收益与市场“噪音”》一文中，我们已经讨论过，超额收益的稳定性与Alpha策略的多样性挂钩。本文将从量化策略的另一个角度——风险控制的角度对超额收益的稳定性来源进行进一步研究。

本文将投资组合收益进行归因，尝试区分风险收益与alpha收益，经过一系列对比，最后总结出如下结论：

①风险因子与Alpha因子主要以长时间维度（如十年）的超额夏普的高低来区分；

②从基本面出发，常见的股票风险因子可以分为三个层级，根据其对于股价波动的解释效力由强到弱依次是：市场因子、行业因子以及风格因子；

③对风险因子有固定的敞口，投资组合在短期内可能获取超额收益，但在风格切换时会面临明显的回撤；风险控制能够降低投资组合超额收益的波动和回撤，提升超额夏普；

④2021年A股市场出现了明显的行业以及风格的切换，具有代表性的包括食品饮料、医药、钢铁、有色金属四个行业以及市值、价值两个风格。

风险因子与

Alpha因子的定义与区别

风险因子与Alpha因子是一个相对的概念，两者之间的界限实际上是模糊的。通常业界认为，风险因子和Alpha因子在横截面上对于股价涨跌都有良好的解释力，但是在时间序列上，只有能够持续带来稳定超额收益的因子才能称之为Alpha因子；而在时间序列上波动较大、且波动方向难以预测的因子被称为风险因子。我们可以用超额夏普（信息比率）这个指标来评价因子的性价比，通常来说，Alpha因子的超额夏普较高，可预测性强，风险因子的超额夏普较低，可预测性弱。

Alpha因子能在长期带来稳健的收益，在市场上是稀缺的，且通常不容易被发现。而风险因子对股票波动具有强大的解释力，因此在风险因子上的正确偏移能够帮助投资组合在短期内获得很高的收益。但是风险因子的表现波动较大，除非有一种策略能够在长时间维度上持续对风险因子回报有正确的预测，否则进行风险因子暴露性价比不高。下图分别展示了典型的alpha因子和风险因子的收益曲线特征：

图2-1  Alpha因子与风险因子对比图

数据来源：衍复投资

A股市场典型的

风险因子及其特征

A股市场有着众多的风险因子，从基本面出发，本文将股票风险因子分为三个层级，根据其对于股价波动的解释效力由强到弱依次是：市场因子、行业因子以及风格因子。

直观上理解，市场因子指的是市场涨跌对个股收益的影响程度，即个股的β。行业因子指的是行业涨跌对个股收益的影响程度。风格因子为一系列个股风格暴露的统称，如个股市值大小，偏价值还是成长。接下来，本文将介绍三种风险因子的定义以及在A股市场的特征。

1. 市场因子

1.1市场因子简介

根据著名的资本资产定价模型（CAPM模型），个股或投资组合的收益率，可以被市场回报所解释，即：

其中Ri为个股或投资组合收益，RM为市场收益，βi为个股或者投资组合的β值，αi为超额收益。个股的βi由其过去一段时间自身回报与市场回报的回归系数决定。投资组合的β组合由组合内个股的βi和持仓权重决定：

对一个投资组合来说，如果β组合等于0，那么其收益将与市场涨跌无关，例如市场中性产品；纯股票多头产品的β组合值应在1.0附近；若多头产品的β组合值大于1.0，则我们称该产品有额外的市场因子暴露，该产品大概率会在市场上涨的时候获得超额收益，但在市场下跌时跑输大盘；β组合小于1.0则反之。

以下是截止2021年6月30日A股市场上市公司的β值分布图, 可以观察到，A股上市公司的β值在-0.1到2.0的范围内，近似呈正态分布：

图3-1  A股市场个股β值分布

数据来源：衍复投资

下图展示了A股市场不同行业的β值：

图3-2  A股市场各行业β值

数据来源：衍复投资

由图3-2可知，银行、房地产、建筑等行业的β值较低，而基础化工、电力设备及新能源、电子、有色金属、国防军工等行业的β值较高。

1.2 市场因子风险控制

市场因子符合风险因子的特征，即对收益有很强的解释力，但是无法提供稳健的收益。对于投资组合来说，市场因子偏离度是最重要的超额收益风险来源。投资组合对市场因子有正的暴露，则会在牛市时涨幅更大，在熊市同时也跌幅更多。

对于中证500指数增强策略来说，主流的量化策略选股范围为全市场，通常策略的持仓数量能够达到数千只。在这样的情况下，量化机构如何控制市场因子来加强对于中证500指数的对标，以减少超额收益波动的风险呢？答案是让投资组合的β与中证500的β保持一致。

对于市场中性产品来说，如《衍复研究系列一——市场中性与市值敞口》所示，通过放多头市值敞口，可以产生多空敞口暴露。那么，没有多空市值敞口的中性产品，就一定没有市场因子暴露了吗？答案是未必。如果市场中性产品的多头端股票持仓相对于对冲端的中证500指数持有更多的高β值行业，如饮料、半导体等行业，而持有更少的低β值行业，如银行等行业，那么该投资组合仍然会有市场因子的暴露，其表现和市场涨跌会体现出一定的相关性，在市场下跌时承受较大的回撤。

2. 行业因子

2.1 行业因子定义

经过上文的讨论，我们已然得知市场因子是股市中最显著的风险因子，因此需要首先加以控制。但是资本资产定价模型（CAPM模型）在实践中明显较难满足当前量化策略的风险控制需求。下文介绍第二层级的风险因子——行业因子。

作为市场因子的补充，行业因子能够进一步解释股票回报在横截面上的波动。举例来说，贵州茅台与水井坊这两家上市公司同属食品饮料行业，虽然两者之间市值相差数十倍，基本面也有较大的差别，但是贵州茅台与水井坊股价走势的相似程度还是要远高于贵州茅台与中国平安。因此，定义食品饮料行业的行业因子能够进一步解释贵州茅台，水井坊以及其他行业内股票的回报。但是，行业因子在时间序列上的表现是不稳定的，因此行业因子符合风险因子的定义。下图展示了食品饮料行业的收益净值曲线：

图3-3  食品饮料行业因子收益净值曲线

数据来源：衍复投资

区别于市场因子，行业因子收益体现的是该行业相较于全市场的超额收益，而非该行业的绝对收益。图3-3中的净值上升意味着该时间段食品饮料行业跑赢大盘，反之则代表食品饮料行业跑输大盘。

2.2 行业因子风险控制

以中证500指数增强策略为例，若该策略在各行业的持仓权重比例完全与中证500指数的行业权重比例一致，则称此持仓对标中证500指数为行业中性。完全做到行业中性在实践中是较为困难的，但管理人可以通过尽量避免在特定行业上超配或低配有效控制投资组合的超额收益波动。

2.3 行业因子近期表现

2021年春节后，A股市场的行业出现了大规模切换的现象，下图展示了四个行业因子自2019年至今的净值曲线：

图3-4  四个行业因子2019年至今净值曲线

数据来源：衍复投资

图3-4展示了四个行业因子在时间序列上的不稳定性，进而说明了进行行业因子风险控制的必要性。其中，食品饮料、医药这两个行业在2019-2020年均具有明显的超额收益，但是在2021年大幅跑输全市场；钢铁、有色金属这两个行业在2019-2020年整体跑输市场，但是在2021年具有正的超额收益。可见，行业因子并非是高性价比的Alpha因子，这个市场上并不存在永远都能够跑赢市场的行业。

3. 风格因子

3.1 风格因子定义

在剥除掉市场因子和行业因子对股价波动的影响后，风格因子可以进一步解释股票回报在横截面上的波动。

风格是除了市场、所属行业以外的股票其他基本面特征的统称。在A股市场较为显著的风格因子有市值、价值、杠杆、动量、盈利等。在众多风格因子中，市值风格因子具有较强的解释力，因此下图展示了市值风格因子在A股市场自2009年以来的表现，后文也将以此为例拓展说明：

图3-5  市值风格净值曲线

数据来源：衍复投资

接下来，本文对图3-5做进一步说明，以便读者更加准确地理解风格因子收益的计算方式：

①正如行业因子收益体现的是行业的超额收益那样，市值风格因子的净值曲线代表的投资组合β值为0，体现的是大市值股票的超额收益。构造这个投资组合的方式是做多“大市值”股票，做空“小市值”股票。该净值曲线的整体趋势是向下的，意味着在A股市场长期来看小市值的股票表现更好。

②市值风格净值曲线所代表的投资组合不但β值为0，并且也是行业中性的。举例来说，假设组合A中包含贵州茅台的多头持仓和山东黄金的空头持仓，而组合B中包含贵州茅台的多头持仓和五粮液的空头持仓，那么组合B更好地刻画了市值风格因子的收益，因为组合B是行业中性的；此外，市值风格净值曲线所代表的投资组合对于除市值风格之外的其他风格也都保持中性。

3.2 风格因子风险控制

依旧以中证500指数增强策略为例，若该策略持仓的市值因子暴露与中证500指数的市值因子暴露一致，则称此持仓对标中证500指数为市值因子中性。其他风格因子的风险控制方式依此类推。在特定风格因子上过度超配或者低配可能对投资组合带来较大的超额收益波动。从图3-5我们可以看出，持有小市值的股票看似长期能够获取超额收益，但是其波动较大，在2017年至2020年间甚至会承受巨额的超额回撤，其收益和风险完全是不匹配的。下表展示了小市值风格2009年至今的收益风险特征：

表3-1  小市值风格收益风险特征

数据来源：衍复投资

3.2 风格因子近期表现

3.3.1 市值风格

在A股市场，市值风格因子的表现在今年春节前后出现了大幅的反转。自2017年初以来持续了三年以上的大市值风格戛然而止，市场全面转向了中小市值风格。对于市值因子有暴露的投资组合如果在风格切换前获取了风险收益，那么在风格切换后也会承担巨大回撤。下图展示了近期市值风格因子表现：

图3-6  市值风格因子近期表现

数据来源：衍复投资

3.3.2 价值风格

价值风格通常是通过构建市净率因子来描绘的，构建方式是做多“低市净率”的股票，做空“高市净率”的股票。这种构建方式契合格雷厄姆的价值投资思想，即重视股票的安全边际。但是随着市场有效性的不断提升，具有“低市净率”的、更为“便宜”的股票未必会具有稳定的超额收益。因此，市净率因子也随之成为了一个显著的风险因子。下图展示了市净率因子在A股市场自2009年以来的表现：

图3-7  市净率因子净值曲线

数据来源：衍复投资

在2021年年初，市净率因子表现出现了明显的反转，低市净率的股票开始具有明显的超额收益。如果投资组合对于市净率因子有负向的暴露，那么将会在风格切换前获取风险收益，在风格切换后承担巨大回撤。

下图展示了近期市净率因子表现：

图3-8  市净率因子近期表现

数据来源：衍复投资

总结

低风险，高收益和大容量是投资中的不可能三角。同时兼具低风险和高收益的产品是投资人的理想之选，而这样的产品必然是容量小而稀缺的。大容量的资管产品就要面临着风险和收益的权衡。管理人在权衡产品的风险和收益时，既有对自己能力圈的认知，也有自身投资风格和品牌理念的考虑。激进风格的管理人可能会选择对本文所述的各个风险因子进行暴露或择时，短期可能带来收益或亏损，长期会带来更高的收益波动。而稳健风格的管理人会相对严格地控制投资组合对于各项风险因子的暴露，把收益的主要来源限定于个股的“纯Alpha”。这种严格控制风险暴露的做法会损失掉风险因子暴露带来的潜在收益，但长期收益会更加稳健。

全球范围来看，选择了稳健风格的管理人更容易在10年甚至20年的长时间维度上打造优秀的资管品牌。这个结果拥有经济学逻辑和行为金融学依据：高风险的产品往往在一段超高的收益后吸引到大量投资人购买。但在投后经历较大回撤时打破了投资人的高预期，影响了投资体验，损伤了管理人品牌。而稳健风格的产品在各个时间段收益都比较“平庸”。但是正所谓“重剑无锋，大巧不工”，这些产品帮助投资人在长期获得了与预期相符的稳健投资收益，提升了投资体验。

优秀资管品牌的产生必然是一群成熟投资人选择的结果。对投资人来说，找到与自己投资理念相匹配的管理人是十分重要的。高收益无论对于投资者还是对于管理人来说都是无法抗拒的诱惑，但“欲达高峰,必忍其痛”。在我们追求丰厚回报的同时，需清晰地认识到回报来自哪里，在对自己所持有的产品收益来源以及风险特征有深入的了解后，投资才能做到波澜不惊，长久不衰。

注1：本文出现的所有公募基金业绩均作研究用途，不构成任何投资建议

注2：本文中出现的“投资者真实收益率”是我们根据公开数据，使用本文附录部分的计算方法估算出的投资于一只基金产品的所有投资者的持仓平均收益率，如无特别注明，皆为年化收益率；“收益率损失”或“损失的收益率”指“投资者真实收益率“相比于对应的基金产品同时间区间年化收益率的减少值，如无特别注明，皆为年化收益率之差别

注3：感谢嘉实财富为本文提供的帮助

全文综述

2019年至2021年间，A股市场连续三年呈现结构性的牛市行情。在宽基指数持续向上，市场赚钱效应较为明显的背景下，基金投资者跑步进场。由此推动了A股市场资管行业的迅速发展，尤其是公募基金和私募基金的股票类资产管理规模。其中更是诞生出一些业绩和规模双双爆发式增长的“爆款产品”、“明星基金经理”或“顶流管理人”。

然而进入2022年，A股市场迎来了当头棒喝。自2021年内的高点至2022年4月末，沪深300指数、中证500指数和中证1000指数的最大回撤分别达到了30.15%、32.91%和36.10%。市场情绪与基金投资者风险偏好因此显著降低，而股票型基金的发行也不可避免地屡遭“滑铁卢”。

如此现象发人深省：

顺周期的基金申赎行为对投资者的真实收益究竟产生了怎样的影响？

在系统性风险难以控制以及预测的前提下，基金公司应如何改进营销策略，以提高投资者真实收益率？

选择稳健风格的管理人，其产品的收益也许在各个时间段都比较“平庸”，很少出现“爆款基金”。但这些产品是否应了“善战者，无赫赫之功”这句话，在长期能够为投资者带来更好的投资体验呢？

由本文总结或研究得出的结论有：

对于开放式基金而言，受到投资者申购、赎回以及管理人分红对基金份额产生的影响，基金收益率与投资者真实收益率并不相等；

A股公募基金的投资者真实年化收益率普遍低于基金年化收益率本身，两者之间的差距与投资者的基金申赎行为相关，这些申赎行为中包含一些常见的行为金融学偏差，例如以过去的经验直接去推断未来（Representativeness），和设立心理账户带来的处置效应（Mental accounting）等。投资者应该理性看待产品过去收益与未来收益的关系，并通过延长基金持有期限、降低申赎频率等方式，尽可能避免投资中的行为偏差；

在高收益率、高波动率的产品中，投资者更有可能因为行为金融学偏差而损失收益率。如果想要减少收益率的损失，投资者可以选择在波动控制上更有优势的产品。

基金收益率与

投资者真实收益率的区别

在挑选基金的过程中，最受投资者关注的指标通常是基金年化收益率，我们一般使用复权净值来计算年化收益率，以消除分红对产品净值产生的影响。

以一只A股市场上长期业绩较好、影响力较大的公募基金产品Y基金为例，该基金发行于2018年9月，起始复权净值为1.0。截至2022年6月30日，Y基金复权净值为2.3959，为客户创造了139.59%的收益率，其年化收益率高达27.75%。但若我们估算其投资者真实年化收益率，截至2022年6月30日，估计值仅为4.8%。

投资者真实收益率的计算方式较为复杂。我们可以运用计算内部收益率（irr）的方法估算投资者的真实收益率水平，对计算方法感兴趣的投资者可以参考本文附录。

仍然以Y基金为例，图2-1展示了该基金的净值走势以及份额变化，可以看出两者之间存在非常高的相关性，表明投资者整体倾向于追逐短期业绩。

图2-1 基金的净值走势与份额走势

在业绩表现如此优秀的基金上，由于投资人整体呈现的追涨行为，投资者真实年化收益率与基金年化收益率相差甚远，这足以引起我们的深思。

A股市场部分公募基金的

基金收益率与投资者真实收益率的比较

为了进一步探究A股市场基金投资者群体的真实收益率水平，本章节选取了若干样本，并分别计算它们2007年12月31日至2022年9月30日的基金年化收益率和投资者真实年化收益率。

样本中包括股票型基金20只，混合型基金212只，债券型基金17只。这些基金在样本观测期内共同经历了各种各样的市场环境。具体的样本选择标准可以参考本文附录。

图3-1 展示了这些基金在观测期内的基金年化收益率，其均值为3.66%。其中股票型基金的年化收益率均值虽然仅有0.98%，但同期沪深300指数的年化收益率为-2.17%，这表明样本内的股票型基金具有长期的超额收益能力。

图3-1 基金年化收益率分布

在249个样本中，仅有26个样本的年化收益率为负，其他样本均录得正收益。可以看到，在市场优胜劣汰的机制下，能够从2007年存活至今的公募基金，大多具有较为优异的业绩表现。

图3-2 展示了我们估算的这些基金在观测期内的投资者真实年化收益率，其均值为-3.14%，其中投资者真实年化收益率为负的样本有214个。

图3-2 投资者真实年化收益率分布

图3-3 展示了这些样本的投资者真实年化收益率和基金年化收益率的差值（后文简称为“差值”），其均值为-6.8%。其中差值为负的样本有241个，差值为正的样本只有8个。

图3-3 差值分布

至此我们发现，公募基金中投资者真实收益率普遍低于基金收益率。这是由于基金投资中，普遍存在着因行为金融学偏差带来的非理性申赎行为。基金份额高时业绩较差，而份额低时业绩较好，这种相关性虽然不一定具备因果关系，但是会降低投资者的真实收益水平。

投资者真实收益率的影响因素

在本章节，我们将进一步分析样本内的数据，目标是探寻影响基金投资者真实年化收益率的因素，为广大基金投资者提供投资建议。

根据上一章节的分析，我们知道投资者的真实收益率一方面取决于目标基金的表现，另一方面取决于其申赎基金的时点。如果投资者的申赎行为整体是 “聪明的”，例如能够精准地“抄底”或者“逃顶”，那就可以提高自己的收益率，反之就会降低自己的收益率。

因此，我们猜测：

在基金的波动率以及其他条件（包括基金的年化收益率、规模以及运作时长等，下同）不变的情况下，投资者对某一只基金的申赎越频繁，越有可能在该基金上损失收益率；

在投资者申赎的频繁程度以及其他条件不变的情况下，基金的波动率越大，投资者在该基金上越有可能损失收益率。

我们定义了若干变量，如 表4-1 所示：

表4-1 变量的选择与定义

具体的变量定义以及描述性统计等内容，感兴趣的投资者可以参考本文附录。

利用上述变量，本文构建一个横截面回归模型如下：

式4-1

根据上述模型的对所选取的全样本进行实证分析，得到结果如 表4-2 所示：

表4-2 全样本下的实证检验结果

注：***为1%水平下显著、**为5%水平下显著、*为10%水平下显著

从上述回归我们可以得出若干结论：

公募基金的年化波动率每提升1%，投资者的真实收益率估计值会下降0.14%，这与我们分析一致；

公募基金的年化收益率每提升1%，投资者的真实收益率估计值会上升0.39%，这与我们的分析一致。但这同时也意味着，公募基金的年化收益率每提升1%，投资者的真实收益率与基金年化收益率的差值就会扩大0.61%，在收益率越高的基金上，投资者反而越容易损失收益率；

基金年化换手率的系数估计值不显著。尽管从描述性统计中，我们可以看出不同基金的换手率差别非常大。这说明我们需要结合具体情况，对投资者具体的申赎行为做进一步的分析；

投资者在运作时间更长、规模更大的公募基金中容易获得更高的真实收益率水平。需要注意的是，基金规模和基金业绩是相辅相成的。收益率水平更高的基金，规模也会增长更多。同时，读者需注意基金产品运作时间和运作规模在本研究中仅作为控制变量，与投资者真实收益率相关性只存在于样本内，并不代表因果关系。

结论1、2共同说明，在期望年化收益率较高和较低，以及年化波动率较高和较低的两组策略中，即使投资者都是频繁申赎，投资于后一类策略的收益率损失会小于前一类策略。在后一组策略的比较中，这种现象尤为明显。我们可以用一个简单的例子来说明这一点。

如 图4-1 所示，考虑一种极端情况：假设策略A是一个年化波动率为0，年化收益率为20%的产品，无论投资者何时在策略A上申购、赎回，最终获取的年化收益率都必定是20%。而当策略的波动率越高，各种申购、赎回时点对应的区间年化收益率偏离策略长期年化收益率的可能性则越大。

图4-1 一个年化波动率为0的策略净值曲线

假设投资者的申赎行为整体具有行为金融学偏差，那么在波动越高的产品上，投资者预期会损失更多的收益率。这说明高波动的权益类策略要求投资者进行更长期、稳定的持有，才能够获得较好的持有体验。基金管理人也能够以此为参考，为高波动的权益类策略条线产品设置更长的份额锁定期。

总结

综上所述，我们通过实证研究发现，A股市场公募基金的投资者真实年化收益率普遍低于基金年化收益率。事实上，投资者进行择时申赎的初衷是提升自己的收益率水平，然而理想很美好，现实却是残酷的。

除去个别天赋异禀的交易天才，广大投资者应首先考虑如何缩小基金收益率和真实收益率的差距。要想做到这点，投资者还是有很多方法可供参考的。例如一直被业界推崇的“放弃择时，长期定投看好的优质基金”，就被认为是一种避免主观判断，减小收益差的方式。“买入并持有，以时间换空间”也是常见的策略。

此外，本文从各类基金投资策略的收益风险特征出发，归纳出结论：投资于高波动基金产品时，投资者会由于行为金融学偏差产生非理性申赎行为，这使其真实收益率低于基金收益率本身；而投资于业绩表现更加稳定的基金产品可以提升投资者的持有体验。

基金管理人有义务积极引导投资者避免行为金融学偏差，从而使其做出理性的投资行为。因为基金管理人的使命是为投资者提供业绩优秀的基金产品，但仅提供优秀产品，并不意味着投资者能够从这些产品中真正等量获益，管理人为投资者带来的价值也就不能完全体现。管理人以给投资者创造价值为己任，应更加关注提升投资者真实收益率，为投资者创造真实价值，带来优质投资体验。

优秀资管品牌的产生必然是一群成熟投资人选择的结果。从全球范围来看，风格稳健的管理人更容易在10年甚至20年的长时间维度上打造优秀的资管品牌，帮助投资人尽可能地规避行为金融学偏差，在更长周期中获得与其预期相符的投资收益。通过引导投资者放弃高波动风险资产，长期为投资者提高了真实收益率，这类管理人也因此获得了广大投资者的青睐，成为成熟投资者进行资产配置时必定会考虑的“压舱石”。

附录

PART.1

投资者真实收益率的估算方法

假如投资者在基金募集期进行认购，并且在基金运作期间没有任何的申赎行为，那么投资者真实收益率与基金收益率将会是相等的。

事实上，投资者会在不同的时间点上进行基金的申购、赎回等操作，因此该投资者在期末的账户资产相当于是期间一系列现金流随基金净值波动的结果。由于基金的管理规模相当于该基金所有投资者账户资产的总和，因此基金在期末的管理规模也相当于是基金的所有投资者期间一系列现金流随基金净值波动的结果（嘉实财富，2021）。

我们可以用如下公式来描述在某只基金上投资者的平均真实收益水平：

式 6-1

其中

A股市场大多数开放式公募基金都是日度开放的，即投资者在份额锁定期之外每个交易日都能对基金份额进行申购或赎回。而公募基金对管理规模以及基金份额变动的披露频率为季度，在该季度内，基金管理规模的变化由净值的变化、现金分红以及投资者申赎共同决定。

我们先利用公式2，以及公募基金披露的数据估计该季度内投资者在某只基金上的总净申购额

式 6-2

假设某基金在1季度末的规模为100亿人民币，2季度末的规模为130亿，2季度基金净值上涨20%，那么在没有发生分红、也没有发生任何申购和赎回的情况下，2季度末基金的规模应该为120亿。因此我们可以大致估算，在2季度，该基金大约产生了10亿的净申购。

但是，如果我们假设所有的申赎都集中发生在每季度初，或者每季度末，这既与公募基金运作的实际情况不相符，又会造成比较大的估计误差。假设在某季度，某季度的净值大涨50%，如果假设所有的申购都集中在季度末，则会造成投资者的收益率被显著低估，反之亦然。

更加贴近现实的假设是，投资者在一个季度内的每一个交易日均匀地进行申赎。因此，我们先利用 式6-3（式6-1的变形），将每季度的整体申购平摊到当季度的每个交易日，再利用 式6-1，估算出投资者真实年化收益率。式6-3 如下：

式 6-3

其中

PART.2

样本选取标准、变量定义详情与描述性统计

样本选取标准如下：

基金于2007年9月30日之前已经成立；

截至2007年12月31日，基金于募集期认购的份额赎回已不受锁定期限制；

基金存续至今（2022年9月30日）；

基金类型包括股票型、混合型或债券型（基业协分类）；

符合标准的基金共有249只。

首先我们定义代表“投资者申赎频繁程度”的解释变量

在上一部分我们已经得出结论，大多数投资者的申赎操作会致使自己损失收益率，因此我们可以预期，该变量的值越高，投资者的真实收益水平就越低。

其次我们用基金i在样本内的季度收益率序列计算其年化波动率，得到解释变量

接下来我们定义若干控制变量：

变量的选择与定义总体如 表6-1 所示：

表 6-1 变量的选择与定义

相关变量的描述性统计如 表6-2 所示：

表 6-2 变量描述性统计

可以看到：

样本内公募基金的年化换手率平均值为44.4%，最大值为270.2%，最小值也在17.3%，这意味着公募基金的份额变动幅度较大、频率较为频繁；

年化波动率水平均值为24.2%，最大值31.9%，最小值3.1%，说明该样本涵盖了从高波动到低波动的较广泛区间的基金；

样本内基金成立天数的均值为6247.89天，成立时间最短的有5486天，最长的有7631天；

样本内基金季均规模的均值为27.37亿，季均规模最小的为0.96亿，季均规模最大的为304.70亿。

注：若无特别说明，下文所有指数相关的数据均截止至2022年12月30日

全文综述

在A股市场不断发展的大背景下，投资者对股票指数的认知程度越来越高。当前A股市场为人所熟知的股票指数主要有由中证指数有限公司编制的规模指数系列，包括沪深300指数、中证500指数、中证1000指数等。股票宽基规模指数的成分股分布相当分散，从而能够反映市场上具备不同规模特征股票的整体表现，因此宽基指数既是股票型基金天然的业绩比较基准，本身又是不可多得的被动投资标的，能够满足投资者对不同市值风格股票的配置需求。

沪深300指数、中证500指数及中证1000指数的成分股依次占据了A股市场上规模最大、流动性最好的前1800只股票，它们自诞生起就分别被视作A股市场中大盘股、中小盘股以及小盘股的代表指数。但是随着A股市场的不断扩容，当前已经有超过5000只上市公司的股票在沪、深、京三地的交易所流通，而其中超过6成的股票还没有被上述三个股票指数所涵盖。这些股票的个股总市值大多在100亿人民币以下，因此相较于中证1000指数的成分股，它们是更加纯粹的小市值风格。更重要的是，这些股票的自由流通市值占A股市场约2成，日均总成交量更是可以占A股市场总成交量的3-4成，可以说是举足轻重的。

本文寻找到了一个由万得编制的股票规模指数：万得小市值指数，并通过研究这一指数得出了以下结论：

万得小市值指数适合长期作为A股市场的小市值风格代表指数，而中证500指数和中证1000指数应当被视作A股市场的中市值风格代表指数；

万得小市值指数的小市值风格使其具有更高的Beta收益率，并且该指数成分股的高流动性、高波动性风格使对标该指数的量化指数增强策略拥有更高的超额收益乘数；

万得小市值指数的成分股分布非常分散、较为均匀，这一特征降低了该指数的Beta风险，并且使对标该指数的量化指数增强策略拥有更高的超额夏普乘数。

万得小市值指数简介与指数编制方法研究

指数名称：万得小市值指数

指数代码：8841425.WI

指数基日：2010-12-31

指数基点：1000点

指数成分股入选条件：全部A股中市值小于100亿的公司

成分股调整周期：每月底

加权方式：等权重

发布日期：2021-01-19

收益处理方式：价格指数

截止2022年12月31日，指数成分股数量：3453

万得小市值指数的编制方法较为特殊，它采用“日频调权等权重”的编制方法，使该指数的每一只成分股对于指数收益率的影响都是等权的。而沪深300、中证500和中证1000指数则采用“自由流通市值分级靠档加权法”编制，简单来说，它们的成分股对于指数收益率的影响和成分股自身的流通市值成正比。

“等权法”和“自由流通市值分级靠档加权法”这两种编制方法相比较，后者更能够反映成分股整体真实的收益水平，而前者会具有“反转效应”和“小市值风格放大效应”，使得指数收益有偏。

两种编制方法的具体差异在附录中进行了详细的论述，感兴趣的读者可以自行阅读。

为了方便后文对该指数的进一步研究，我们使用自由流通市值分级靠档加权法对A股市场中市值小于100亿的上市公司股票进行编制，得到了“万得小市值指数（自由流通市值分级靠档加权法）”（下文简称为“万得小市值指数（自由流通市值加权））。

在编制该指数时，本文尽可能地接近、还原了沪深300指数、中证500指数、中证1000指数编制时的细节，具体规则不在此过多赘述。接着，本文将万得小市值（等权法）、万得小市值（自由流通市值加权法）、中证500指数、中证1000指数的表现进行了对比，对比结果如以下图表所示：

图2-1 万得小市值指数（等权法）、万得小市值指数（流通市值加权）、中证500指数、中证1000指数走势图

表2-1 万得小市值指数（等权法）、万得小市值指数（自由流通市值加权）、中证500指数、中证1000指数收益风险特征

可以看到，万得小市值指数（自由流通市值加权）相较于原指数的年化收益率下降了约4%，历史最大回撤上升了约5%。尽管万得小市值指数（等权法）的收益风险特征更加具有吸引力，但却并不是一个更合适的被动投资标的，这是因为在实盘交易中，万得小市值指数（等权法）的投资组合难以被复制。

但是，两种不同的指数编制方法并没有对两个指数的年化波动率造成差异。事实上，两个指数的相关性高达0.9986。这说明两种指数编制方法并没有造成两个指数在市场风险、行业风险、风格风险上的差异。因此对于量化指数增强策略来说，对标这两个指数不会造成明显的区别。

对于上述结论，本文同样在附录中进行了详细的论述，感兴趣的读者可以前往本文附录自行阅读。

万得小市值指数与中证500、中证1000指数的对比

在上一章节中，我们通过编制万得小市值指数（自由流通市值加权），从万得小市值指数（等权法）中剔除了由特殊的等权重指数编制方法造成的收益风险特征的“扭曲”，还原了A股市场中市值小于100亿人民币的上市公司股票整体的真实收益风险特征情况。

参考图2-1和表2-1，可以看出万得小市值指数（自由流通市值加权）相较于中证500指数、中证1000指数仍然具有收益率方面的明显优势。这是因为小市值风格在长期具有超额收益，因此小市值风格在长期为万得小市值指数带来了Beta收益的优势。

下图展示了沪深300指数、中证500指数、中证1000指数、万得小市值指数的成分股市值情况：

图3-1 成分股市值中位数

可以看到，万得小市值指数的成分股市值中位数为40亿，代表着非常纯粹的小市值风格，并且由于它的编制方式，其小市值风格特征不会随着时间推移而改变。而随着A股市场的不断发展壮大，中证500指数和中证1000指数已经逐渐偏离了它们原本分别作为中小市值、小市值风格代表指数的定位，从而更应该被视作中市值的代表指数。

如果从量化指数增强策略的角度出发，万得小市值指数的小市值风格意味着其成分股有着较低的机构投资者交易占比，这为量化策略提供了更加丰厚的超额收益土壤。除此之外，该指数还具备高流动性、高波动性的优势，因此更加适合中高频量价策略对标。

下列图表展示了万得小市值与沪深300指数、中证500指数、中证1000指数成分股的流动性、波动性风格特征：

图3-2 指数近三年年化换手率

图3-3 成分股流通市值加权年化波动率

假设对标单只股票，中高频量价策略能够获取的超额收益与其波动率以及换手率开根号的乘积正相关。把这个结论推广到指数上，假设中证500指数的超额收益乘数为1.00，那么中证1000指数的超额收益乘数为1.38，万得小市值指数的超额收益乘数为1.63。有关超额收益乘数的相关内容读者可参考《【衍复研究系列三】指数增强产品配置》，本文不再赘述。

同样参考图2-1和表2-1，万得小市值指数（自由流通市值加权）在收益率具有优势的情况下，波动率与最大回撤水平相较于中证500指数并没有明显劣势，相较于中证1000指数甚至具有一定优势。这一定程度上是由于该指数成分股的分布足够分散、足够均匀造成的。而万得小市值指数的这一特点也让对标该指数的量化指数增强策略的超额夏普具有优势，关于这一点，本文将在下一章节详细论述。

量化指数增强策略的超额夏普乘数

在量化投资中，“超额夏普”是一个备受重视的概念。超额夏普（也称信息比率，information ratio，下文简称IR）是指数增强产品中，产品收益跑赢指数收益部分的夏普率，是衡量管理人投资能力以及投资者投资体验的重要指标。策略的超额收益率和超额波动率共同决定了策略的超额夏普率。

在《衍复研究系列》过往的文章中，我们总结了若干影响超额夏普的因素，例如对标同一指数时，策略的风险因子暴露程度越小、Alpha因子多样性越高，超额波动率就越低，在超额收益率不变的情况下，超额夏普率也就越高。

而对标不同的指数时，指数自身的差异对策略的超额夏普也会造成显著的影响。例如前文提到的，指数成分股的市值、流动性、波动性特征会通过影响中高频量价策略的超额收益率，进而影响策略的超额夏普率。

除此之外，对标指数的成分股分散度也会影响超额夏普率。为了说明这一点，本文引入主动投资基本法则(The Fundamental Law of Active Management)。

主动投资基本法则可以用一个公式来概括：

其中IR是超额夏普，IC是信息系数，读者可以将其理解为策略每一次投资决策的质量，BR则代表投资的广度。

主动投资基本法则告诉我们，在IC保持不变的情况下，投资的广度越广，策略的超额夏普也就越高。

这也是为什么量化策略的超额夏普相较于主观投资具有明显优势的原因：量化投资借助计算机模型高效、准确、不知疲倦的特点，可以尽可能多地捕捉市场上存在的交易机会，策略在一段时间内获取的超额收益实际上是由成千上万次相互独立的投资带来的超额收益累积而成的，其投资广度具有巨大的优势。

在指数增强策略中，超额收益来源于策略持仓与指数成分股之间的“偏离”。而对标指数的成分股越分散，意味着超额收益的来源越分散，即投资的广度越广，超额夏普越高。

本文以一个例子来说明这一点，先做出如下假设：

假设1：策略在中证500指数、中证1000指数和万得小市值指数的每只成分股上具备同等的超额收益获取能力即IC，独立的投资收益和相同的容量；

假设2：对标中证500指数、中证1000指数和万得小市值指数的量化指数增强策略分别只能在对标指数的成分股以内选股；

基于以上2个假设，可令BR（投资的广度）等于策略对标指数的成分股个数，从而根据主动投资基本法则得出各个策略的超额夏普乘数，结果如下表所示：

表4-1 中证500、中证1000、万得小市值指数增强策略的超额夏普乘数

注：超额夏普乘数意味着，中证1000指数增强策略的超额夏普理论上是中证500指数增强的1.41倍，万得小市值指数增强策略的超额夏普理论上是中证500指数增强的2.63倍

实际情况和假设的情况会存在两个差异：

由于指数成分股的自由流通市值、交易量、波动性存在较大差异，投资广度除了和成分股的数量有关，还和成分股上述指标分布的均匀程度有关。举个例子，沪深300指数有300只成分股，每只成分股平均权重为0.33%，但是实际中沪深300指数前十大权重股占指数总权重就高达22.81%，平均每只股票占指数权重高于2%。从沪深300指数、中证500指数、中证1000指数到万得小市值指数，不但指数成分股的数量依次上升，指数成分股上述指标的分散程度也依次上升，进一步带来投资广度的提升。从这个角度来说，如果中证500指数增强策略的超额夏普乘数是1.0，那么中证1000指数增强、万得小市值指数增强的超额夏普乘数还要分别大于1.41和2.63；

指数增强策略大多是全市场选股的，例如中证500指数增强策略，持仓可能远不止500只，有时可以达到2000只以上，上述第2个假设并不成立。但是，策略持仓分散程度仍然会大致和对标指数的成分股分散程度呈正比，因此从中证500指数、中证1000指数到万得小市值指数，因投资广度增加而带来超额夏普乘数依次上升的结论仍然成立，只是会低于纯理论假设的1.41和2.63倍.

总结

从老八股到超过5000家上市公司，A股市场自成立以来发生了翻天覆地的变化。而在注册制全面落地推行之后，变化的速度只会越来越快。作为专业投资机构，我们需要不断思考，适应改变，理解改变，从而在改变中发现机会，设计出更加优秀的资管产品。

本文所讨论的现象：中证500指数和中证1000指数正逐渐偏离小市值风格指数的定位，成为中市值风格代表指数，这是A股市场诸多改变中的一种。

经过严谨的分析和论证，本文说明了万得小市值指数作为A股小市值风格代表指数的定位，以及小市值指数增强策略的投资价值。整体来看，万得小市值指数增强策略的Beta收益长期具有优势，并且Alpha部分的预期超额夏普也更高，建议投资者予以关注。

附录

本文于本章节具体讨论以下问题：

“等权重”的指数编制方法相较于“自由流通市值分级靠档加权法”是如何使万得小市值指数表现产生偏离的？

为什么万得小市值指数（等权法）的收益风险特征比万得小市值指数（自由流通市值加权）更优秀，但却并不是一个更合适的被动投资标的。

为什么万得小市值指数（等权法）和万得小市值指数（自由流通市值加权）两者的收益风险特征存在一定差异，但是两者作为量化指数增强策略对标指数的效果会是一样的？

PART.1

等权重法带来的“小市值风格放大效应”

为了更好的解释问题，本文先将“自由流通市值分级靠档加权”的指数编制方法简化为“自由流通市值加权”法，并将其与“等权重”方法进行比较。

假设某股票市场中仅有两只上市公司的股票流通交易，它们的若干信息如下表所示：

表6-1 股票A、B的信息

现在我们编制一个股票指数X，该指数的成分股为股票A和股票B。下表分别展示了使用“自由流通市值加权”与“等权重”这两种编制方法计算的股票指数X在T+1日的涨跌幅情况，以及其计算过程：

表6-2 指数X在T+1日的涨跌幅

相信读者们不难体会两种编制方法的差异：

当使用自由流通市值加权法编制指数时，自由流通市值较大的上市公司股票涨跌幅将对指数的涨跌幅产生更重要的影响；

而当使用等权重法编制指数时，所有上市公司股票的涨跌幅对指数表现的影响是一致的。

如果说人们编制股票指数的目的是为了衡量股票市场中投资者的整体收益水平，显然使用自由流通市值加权法是更为合理的，而使用等权法的合理性有待商榷。因为一只流通市值1000亿的股票只要上涨1%，持有这只股票流通股的所有投资者就可以通过抛售手上的股份赚取10亿的收益，但是如果投资者想在一只流通市值在10亿的股票上整体赚到相等的收益，则需要等待这只股票的股价翻倍。

换而言之，假设一只股票的流通市值大小与总市值大小成正比，那么等权重法编制的指数放大了小市值股票的表现对指数表现的影响；而在上文我们已经提到过，当两只股票其他方面的特点都一样时，市值较小的股票长期收益率会更高。

综上，我们可以做出推论，对同样的一篮子股票进行指数编制时，采用等权重法相较于采用自由流通市值加权法在长期会提高该股票指数的收益率。

PART.2

等权重法带来的“反转效应”

反转效应指的是，当若干只股票其他方面的特征都一样时，过去一段时间涨幅越大的股票，未来相较其他股票具有负超额收益的可能性也就越大，反之亦然。

利用反转效应获取超额收益的交易方法叫做反转交易策略，即通过买入过去一段时间跌幅较大，卖出涨幅较大的股票以其获取超额收益。反转效应在A股市场中十分普遍并且显著，反转策略在A股市场中也是一种十分经典、有效的量化交易策略。

依旧假设某股票市场中仅有两只上市公司的股票流通交易，它们的若干信息如下表所示：

表6-3 股票C、D的信息

股票C、D在T+1和T+2日的表现体现出了反转效应：股票C在T+1日涨幅远高于股票D，而在T+2日两者的相对表现出现了反转。

现在我们编制一个股票指数Y，该指数的成分股为股票C和股票D。下表分别展示了使用“自由流通市值加权”与“等权重”这两种编制方法计算的股票指数Y在T+1日以及T+2日的涨跌幅情况，以及其计算过程：

表6-4 指数Y在T+1和T+2日的涨跌幅

相信读者们不难体会两种编制方法的差异：

当使用自由流通市值加权法编制指数时，前期上涨更多的上市公司股票的自由流通市值也会上涨更多，因此它们将对指数未来的表现产生更重要的影响；

而当使用等权重法编制指数时，无论上市公司股票前期的涨跌幅如何，它们未来对指数表现的影响都是一致的。

当反转效应较为显著和普遍时，使用自由流通市值加权法编制的指数表现会弱于使用等权重法编制的指数。

PART.3

问题2与问题3

尽管万得小市值指数（等权法）的收益风险特征更加具有吸引力，但却并不是一个更合适的被动投资标的。虽然万得小市值指数（自由流通市值加权）是一个可跟踪的指数，但在现实中无法构建一个复制万得小市值指数（等权法）的股票投资组合。

在万得小市值指数（等权法）的编制过程中，存在对成分股的日频反转交易，也就是以每只成分股的收盘价在收盘后以零费率卖出当日上涨的股票，买入下跌的股票，使得每只成分股在指数中依旧是等权的。但是在现实中这些交易是不可能被完成的，因为在股票市场收盘后没有人能够以收盘价继续买卖股票，就算可以，这些交易也需要付出一定的交易成本，而这些交易成本并不会体现在对指数收益率的影响中。

当然，万得小市值指数不适合作为ETF基金的跟踪标的，并不代表它不适合作为量化指数增强策略的对标标的。因为量化指数增强策略的目标是在“复制”某个指数波动特征的情况下“跑赢”该指数。

我们在《【衍复研究系列四】量化策略风险控制》一文中提到，要想“复制”某个指数的波动特征，本质上是要“复制”该指数的风险因子暴露特征。而万得小市值指数（等权法）和万得小市值指数（自由流通市值加权）的相关性高达0.998，说明两种指数编制方法只是经过日积月累之后使得这两个指数的年化收益率产生了一定的差距，但是对两者的市场风险、行业风险、风格风险特征并没有造成显著的区别。

换而言之，如果有两个分别对标万得小市值指数（等权法）和万得小市值指数（自由流通市值加权）的量化指数增强策略，两者最后构建出的持仓将几乎完全相同，两者的超额波动率将非常接近，两者的整体收益水平也将非常接近。

注：

若无特别说明，下文所有指数相关的数据均截止至2023年12月29日

本文出现的所有业绩均为模拟得出，不代表任何私募管理人的真实业绩

全文综述

在经历了超过两年的下行后，A股市场各大宽基指数的估值已经来到了历史低位，很多专业、理性的投资者开始关注权益类资产的配置价值。在量化指增产品配置过程中，投资者存在普遍的困惑：不知道如何在沪深300、中证500、中证1000和小市值指增中做选择，并且较难在四个策略上做均衡、合理的配置。

长期来看，A股各大宽基指数收益为正、对标四大宽基指数的指数增强策略具有显著超额收益率，并且对标中小市值风格指数的指增策略的超额相较于沪深300指增具有明显优势。但由于A股风格轮动剧烈，不同宽基指数的指增策略在中短期仍然收益存在明显差异，投资者极难做到准确择时与切换。那么管理人是否可以通过策略创新一定程度上解决投资者面临的配置难题呢？本文将试图给出答案。

本文寻找到了一个由中证指数公司编制的宽基指数：中证全指指数（000985.CSI），并通过研究这个指数得出了以下结论：

中证全指指数是一个编制方法合理、可投资性强、大中小市值风格均衡、长期业绩优秀的全A股市场代表指数。配置中证全指指数能够解决投资者短期对市值风格切换的担忧；

中证全指指数的成分股分布非常分散，这一特征使得对标该指数的量化指数增强策略拥有超越沪深300、中证500、中证1000和小市值指增的选股自由度，并使其容易做出较高的超额夏普。哪怕是在2024年1-2月这样的极端行情中，中证全指指增依旧能够保持较高的超额稳定性；

中证全指指增策略是一个在长期有很强生命力的策略。因为中证全指成分股数量多，且成分股的风格迥异，因此各类型的Alpha因子在中证全指指增策略上都能有所表现。

中证全指指数简介以及与

其他A股宽基指数的对比

指数名称：中证全指指数

指数代码：000985.CSI

指数基日：2004-12-31

指数基点：1000点

指数成分股入选条件：从上交所、深交所和北交所的股票和存托凭证中剔除ST、*ST证券、上市时间低于一年的科创板证券和低于两年的北交所证券，或者上市时间低于一个季度的其他证券（除非该证券自上市以来日均总市值排在前 30 位）

成分股调整周期：每半年调整一次

加权方式：自由流通市值分级靠档加权

发布日期：2011-08-02

收益处理方式：价格指数

截止2023年12月29日，指数成分股数量：4895

从指数成分股入选条件以及成分股数量上可以看出，中证全指指数是一个非常分散的指数。从2023年底指数成分股的分布上看，沪深300、中证500、中证1000指数的成分股以及其他股票各占到中证全指指数权重的45.8%、16.9%、16.1%、21.2%。因此，我们可以大致认为在中证全指指数中，大盘股与中小盘股的占比接近50：50，也就是说中证全指是一个大中小市值风格均衡的指数。

从指数表现的结果上来看也的确如此。下表展示了2017-2024.02月这段时间中，A股市场各宽基指数（包括沪深300、中证500、中证1000、万得小市值和中证全指指数）分年度的收益对比。其中，当年表现最好的指数收益率用红色填充，表现最差的指数收益率用绿色填充。

表2-1 2017-2024.2月A股各宽基指数分年度收益对比

可以看出，近7年A股市场经历了一轮完整的大小市值风格切换。其中，在2017-2020年这四年中大市值风格占优：沪深300指数独占鳌头，在每一年都是表现最好的指数，而中证1000和万得小市值指数表现弱势；而2021-2023年是小市值风格占优：万得小市值指数每年都是表现最好的指数，而沪深300指数则每年都是表现最差的指数。

与此同时，我们也可以发现中证全指没有一年成为当年表现最差的指数，因为中证全指指数真正代表了A股市场上市公司的整体表现，充分分散了市值风格风险。

2024年以来，小市值风格表现弱势。当然，仅仅两个月的行情并不能证明A股市场已经彻底切换到了大市值风格上。在市值风格难以把握，但是各大宽基指数均具有较高安全边际的当下，中证全指指数无疑是一个好的投资选择。

量化指数增强的选股自由度与

超额夏普

1. 各指增策略超额收益风险特征

熟悉A股量化策略的投资者大多具有以下认知：指增策略对标的指数成分股市值越小、波动率越高、换手率越高、分散度越高，往往超额夏普越高。这也是尽管当下A股市场切换到大市值风格的概率在不断上升，投资者依旧会犹豫于是否要投资沪深300指数增强策略的原因。即使在未来若干年中，沪深300指数beta收益表现强势，沪深300指数增强策略的超额收益劣势依旧可能会拖累策略的整体表现。（参考《衍复研究系列三——指数增强产品配置》，在2016-2020年中，尽管沪深300指数beta收益大幅优于中证500、中证1000指数，但是其绝对收益没有明显优势）

上文提到过，沪深300指数的成分股占到中证全指指数权重的约50%，这是否意味着中证全指指增的超额收益表现（超额夏普）将会介于沪深300指增与中证500、中证1000、小市值指增之间呢？答案是否定的。

以经典Alpha因子为基础，并约束行业和各个风格因子的偏离程度，我们分别模拟了沪深300、中证500、中证1000、小市值指增与中证全指指增2018年1月5日 - 2023年12月29日的超额收益风险特征，并展示各个策略在每一个指标上的相对排名。其中，“1”代表表现最佳，“5”代表表现最差。超额收益率、超额夏普这两个指标数值越高，排名越靠前；超额回撤、波动两个指标数值越低，排名越靠前：

表3-1 各指增策略超额收益风险特征（2018-2023）

2024年以来，A股市场量化行业整体经历了超额的大幅波动，因此，本文特地运用同样的方法模拟了各策略在2024年1月2日-2024年2月29日的超额表现，并作排序，如下表所示：

表3-2 各指增策略超额收益风险特征（2024.01-02）

可以看出，在2018-2023年这六年中，中证全指指增的超额夏普排名居于榜首。值得一提的是，此处小市值增强的超额表现排名不佳，主要原因是由于其对标的万得小市值指数采用等权法编制，导致指数收益被显著高估，因此超额被低估。如果看指增产品的绝对收益，小市值指增的排名将会居于榜首。

在2024年1-2月，中证全指指增的超额依旧保持稳定。事实上，中证全指指增的超额最大回撤只有中证500指增同期的1/5。以上现象符合主动投资基本法则。（参考《衍复研究系列六——万得小市值指数及指增策略研究》）

2. 超额夏普与对标指数持仓关系

接下来，本文将用一系列例子将指增策略的超额夏普与其选股自由度、风险控制、对标指数的广度等概念建立联系，帮助读者在更加贴近实际情况的假设下理解主动投资基本法则。

金融行业的一个重要原则是：收益与风险成正比。如果在投资过程中不承受任何风险，那么获得的将是无风险收益率（通常用短期国债收益率代表）；如果想获得超出无风险收益率的收益（超出的部分我们称之为风险溢价），那么就需要投资于风险资产，并承担一定的风险。

同样地，量化管理人在指数增强策略的开发过程中，如果不想承担任何超额风险（用超额波动率衡量），那也将无法获取任何超额收益。以中证500指数增强为例，如果量化管理人通过买入500只成分股完美复制中证500指数，那么其获取的超额收益是0，但是也不承担任何超额风险。

例A：图3-1展示了截至2023年12月29日当天收盘中证500指数的成分股权重分布。横轴是成分股序号，从左到右分别代表中证500成分股中权重从大到小排列的第1至500只股票；左轴代表第N只股票在中证500指数中所占的权重（%）；右轴代表第1-N只股票在中证500指数中所占的总权重（%）。如果管理人选择复制中证500指数，那么其持仓也呈现如下分布。

图3-1 中证500指数的成分股权重分布

例B：假设现在该量化管理人希望获得一定的超额收益，并且只能在中证500指数的成分股以内选股，那么管理人就需要对一部分中证500指数的成分股进行超配或者低配。为了获取尽可能高的超额收益水平，并且由于择时难度很大，管理人必然选择满仓运作。因此，管理人在超配股票上的超配权重总和一定是在低配股票上的低配权重总和的相反数。此外，由于A股市场做空个股难度较高，本文假设该中证500指数增强策略在每一只股票上的持仓权重最低为0，而不能是负数。

如图3-2所示，相较于图3-1，图3-2中多出的黄色柱状图代表在第N只股票上管理人选择超配或者低配的权重（数值为正代表超配，反之代表低配），蓝色与黄色柱状图的数值叠加就是该中证500指数增强策略的持仓分布。

图3-2 成分股内选股的中证500指数增强持仓拆分

此时，我们可以发现黄色柱状图部分展示了一个多空市值敞口为0的个股多空组合。因此，我们可以认为：中证500指数增强策略相当于一个复制中证500指数的股票多头组合（该组合的收益就是Beta收益，下文称“β组合”），再加上一个多空市值敞口为0的个股多空组合（该组合的收益就是超额收益，下文称“α组合”）。值得一提的是，α组合的表现完全依赖于管理人的投研能力，具有一定的不确定性。因而，管理人以一定风险，即α组合的波动率为代价期望获得额外的超额收益。

3. 选股自由度

现在，本文引入选股自由度的概念。选股自由度又可以被划分为超配自由度和低配自由度。其中，超配自由度指的是指数增强策略中出现实际持仓占比高于指数成分股权重的股票数量，低配自由度指的是出现实际持仓占比低于指数成分股权重的股票数量。从上一个例子中，不难推测出，当指数增强策略只能在成分股以内选股时：

超配自由度上限=低配自由度上限=对标指数成分股数量-1；

超配自由度+低配自由度<=对标指数成分股数量。

因此，当指数增强策略只能在成分股以内选股时，对标指数成分股数量越多，该策略的选股自由度也就越高。

例C：进一步地，假设现在管理人希望扩大该中证500指增策略的选股自由度，就可以采用全市场选股的方式，来增加超配自由度。而一旦策略持有了成分股以外的股票，就必然在对标指数的成分股中整体呈现低配。并且，低配自由度几乎是没有办法被提升的。因为在上文有提到：在每一只股票上的持仓权重最低为0，而不能是负数。也就是说，在低配的股票一定是指数成分股。

不难推测出，当指数增强策略可以在成分股范围以外选股时：

超配自由度大幅上升。理论上各指增策略的超配自由度上限约等于A股市场流通上市公司数量；

低配自由度上限=对标指数成分股数量。

因此，低配自由度是影响选股自由度的主要因素，而低配自由度主要受限于对标指数的成分股数量。

与此同时，对标不同指数的指增策略，采用通过全市场选股来扩大超配自由度的方式所承受的风险也有差异。以沪深300指增为例，由于α组合的空头端股票池是沪深300指数的成分股，是A股市场上市值最大的一批股票，而多头端是A股市场的所有股票，因此如果风险控制不严，该α组合很容易出现小市值风格的偏离。通常来说，指增策略对标指数的成分股数量越高，低配自由度越高，α组合在风险因子上的暴露程度越小。而中证全指指数基本囊括了A股市场上所有有Alpha交易机会的股票，因此在低配自由度更高的同时，也更容易做到α组合多空两端持仓在风险因子特征上的匹配。

以中证500指增为例，想要获取更大的选股自由度，则需要进行指数外选股。指数外选股对指增策略来说是收益与风险并存的，收益在于其能大大拓宽选股自由度，从来在长期获得更高的超额收益；风险在于，在极端市场条件下，若只有指数成分股在涨，非指数成分股在跌，则指数外选股无疑会造成超额回撤，正如2024年1-2月发生的那样。中证全指指增则不会有这样的问题，因为几乎所有非ST的以及非次新股的A股都在其指数成分内， 其在选股自由度拉满的同时，又避开了指数外选股的风险。

综上，选股自由度：中证全指指增>小市值指增≈中证1000指增>中证500指增>沪深300指增。这也解释了这个策略为何会具有超额夏普的明显优势，尽管在成分股的平均市值、波动率、流动性等指标上该指数相较于中小市值宽基指数缺乏优势。

在长期，中证全指指增也将是一个非常有生命力的策略。中证全指指数的成分股可以称得上是“包罗万象”，因此管理人挖掘的几乎所有种类的Alpha因子都可以在该策略上得到良好的应用。举例来讲，一些另类数据可能在中小市值股票上覆盖度不足，基于这些数据研发的策略很难对中小市值指增的策略多样性作出贡献；而一些中高频量价策略在一些低波动性的大市值股票上表现平平。但是，这些策略在中证全指指增上都能够得到良好的运用。因此中证全指指增的超额收益来源从因子层面来讲也更加分散，有利于其长期保持超额夏普的优势。

总结

本文通过介绍中证全指指数，详细探讨了指增策略超额夏普、选股自由度与对标指数特征之间的关系。我们得出结论：指增策略对标指数的成分股数量越多，选股自由度就越高，理论上在长期能够做出更高的超额夏普；更进一步，在遇到对标指数成分股大幅拉升，非成分股大幅下挫的短期极端行情时，超额回撤更小，超额收益稳定性更强。

“超额夏普”是衍复研究系列长期以来的核心话题和研究对象，对于这个指标的重要性再如何强调也不为过。投资人配置超额夏普高的指数增强产品意味着能在极端行情下拥有更高的超额稳定性。尽管在有市场噪音存在的情况下，高的超额夏普未必能够转化成高的产品夏普（参考《【衍复研究系列二】：市场噪音与稳健超额》），但是投资于高超额夏普的指增策略对投资者仍然具有以下重要好处：

稳健的超额收益的累积可以让投资者更有获得感，增强持有信心，避免投资者因行为金融学偏差而错误择时，错过潜在的投资收益（参考《【衍复研究系列五】：基金投资者真实收益率影响因素》）；

高超额夏普通常意味着策略投资的广度更高。广度包括了选股自由度和Alpha收益来源的分散度，更高的广度会使策略有更强的生命力，更不易受到单因子超额收益衰减的影响；

高超额夏普通常意味着更高的超额收益潜力，给予管理人在超额夏普与超额收益之间寻求平衡的更大空间。

综上，中证全指指数增强策略的理论超额夏普较高，能够为投资者带来额外价值，建议投资者予以关注。