研究背景与目标 [page::0][page::2]

• 主动权益基金整体未表现出显著alpha，理论上可被指数线性表示。

- 采用50ETF、500ETF、300ETF、创业板、中小板五个市场指数，尝试复制中证股票型基金指数（H11021）。

• 目标是用较少数量的ETF组合，实现对股票基金指数的有效复制。

指数收益情况对比 [page::2]

| 指数 | 股票基金指数 | 上证50 | 沪深300 | 中证500 | 中小板 | 创业板 |
|----------------|-------------|--------|---------|---------|--------|---------|
| 2019收益率 | 34.07% | 31.34% | 30.38% | 20.68% | 30.07% | 32.60% |
| 2019年化夏普比 | 2.33 | 2.07 | 1.94 | 1.11 | 1.60 | 1.61 |
| 2019最大回撤 | 12.43% | 11.72% | 13.49% | 21.65% | 21.01% | 20.32% |

• 五个指数在收益和风险指标上整体接近股票基金指数，支持其作为复制标的。

回测表现与跟踪误差分析 [page::3][page::4]

• 模仿组合采用季度调仓，权重上限分别设为40%、60%、100%进行优化。

- 长期回测(2013-2019)累计收益率最高达92.50%，年化收益率10.59%，夏普比0.45，最大回撤45.11%。

• 短期回测(2019年)累计收益率约32%，年化夏普比高达2.28，最大回撤12.43%，表现稳健。

- 跟踪误差较小（约3%），月度胜率超过50%。

优化算法核心思想 [page::5][page::6]

• 目标是构建稀疏组合$\mathbf{w}$满足权重总和为1且权重上限约束，通过最小化经验跟踪误差(ETE)和权重稀疏正则项实现有效跟踪。

- 利用平滑的$\ell_0$范数近似函数控制组合稀疏性，提高模型泛化能力和稳定性。

• 采用迭代优化算法求解凸二次优化问题，无需频繁维护，计算效率高。

- 该方法避免传统多步骤流程，直接结合收益序列进行优化，实现高效指数复制。

应用建议与风险提示 [page::7]

• 报告由浙商证券发布，提醒投资者根据自身情况理性使用本报告结论。

- 该指数增强复制策略适合于被动基金及指数组合管理，提供高效、低维护的跟踪工具。

金融研究报告分析：《用五个指数复制股票型基金指数》

---

一、元数据与概览

• 报告标题：《用五个指数复制股票型基金指数》

- 分析师：包赞（ID: S1230518090006）

• 联系信息：baozan@stocke.com.cn，电话：021-80108127

- 发布机构：浙商证券研究所

• 发布日期：从内容判断，数据截止至2019年9月底，发布时间或为2019年第四季度内

- 研究主题：利用五个ETF指数（50ETF、500ETF、300ETF、创业板、中小板）构建一个组合，用以复制中证股票型基金指数（H11021），针对主动权益基金的超额收益问题及指数复制展开研究。

核心论点：

• 主动权益基金难以持久获得显著的超额alpha，因而其收益表现可用少数指数的线性组合来近似复制。

- 通过设计特定优化算法，采用五个ETF组合即可有效地复制中证股票型基金指数的表现。

• 该方法计算效率高，且无需频繁维护，且回测显示该组合在长期及短期均有较好的跟踪表现。

- 报告重点是提出一种以经验跟踪误差（ETE）为目标函数的优化方案实现指数复制，兼顾实际操作的简便性和效果。

---

二、逐章深度解读

1. 引言

• 关键论点：

- 国内外学界与业界普遍认为主动权益基金难以持续超越指数。
- 从数学层面看，主动基金的超额alpha不显著，意味着它们的收益可以用指数的线性组合来有效解释，即是指数复制的理论依据。
- 报告选择五个指数基金（50ETF、500ETF、300ETF、创业板、中小板ETF）作为基底，用于复制股票基金指数（H11021）。
- 同时，报告简要展示了这些指数及目标指数近年收益表现差异，为后续分析做铺垫。

• 数据解读：

- 表1（2019年各指数收益）：
- 股票基金指数2019年收益34.07%，略超过上证50（31.34%）、沪深300（30.38%）、创业板（32.60%）。
- 年化夏普比股票基金指数为2.33，略高于各指数，表明回报风险优于大多数单一指数。
- 最大回撤股票基金指数为12.43%，同样处于较低水平，显示风险控制得当。
- 表2（2017-2019）：
- 反映市场震荡背景下，股票基金指数期间净收益增长13.96%，表现较中证500、中小板、创业板显著优异，后者均为负收益，显示股票基金指数比部分单个指数更具韧性。
- 但年化夏普比仅0.28，说明收益的风险调整表现较派生成本。
- 表3（2013-2019）：
- 创业板涨幅最大132.29%，年化13.75%，领先其他指数。
- 股票基金指数累计收益95.22%，年化10.76%，表明整体股票基金指数表现不错，中证500、中小板稍弱。
- 图1形象展示2013-2019年各指数累计收益走势，创业板指数涨幅显著高于其他指数，且显示2015年市场泡沫顶峰。

• 逻辑解读：

- 这些数据支持作者的论断，少数指数经过适当组合可以构建出涵盖股票基金指数收益与风险特征的“复制”组合。
- 几个指数表现差异提供了足够资产表现分散，为优化算法提供了素材基础。

2. 回测

• 关键论点：

- 为实现指数复制，作者选定上述五个ETF作为基础资产。
- 回测涵盖时间2013年1月4日至2019年9月27日，严格采用季度调仓，历史截面125个交易日数据窗口。
- 权重设定以“权重上限”为参数，控制组合中个别ETF的最大权重，分别测试40%、60%、100%三档限制。
- 通过经验跟踪误差(ETE)目标函数最小化优化组合，回测表明方法在不同权重约束条件下均较好地跟踪目标股票基金指数，且跟踪误差较低。

• 关键数据点：

- 表4列出五个ETF规模在23到492亿不等，均为成熟大规模ETF，保证流动性及代表性。
- 图2展示2013-2019累计收益曲线，模仿组合在三种权重约束下的表现和股票基金指数走势高度重合，尤其权重上限60%与100%表现几乎一致，40%略有偏离。
- 表5显示：
- 目标指数累计收益92.5%，年化10.59%；
- 模仿组合最大累计收益分别为83.74%（w=40%），85.27%（w=60%, 100%）；
- 年化收益率约9.8%-9.94%，年化夏普比0.40，相比目标指数0.45略低，但差距不大。
- 跟踪误差指标3.3%左右，说明较高的复制精度。
- 最大回撤：略高于目标指数52%左右，模拟组合风险承受略大。
- 图3及表6展现2019年1月到9月的短期回测：
- 累计收益率约32%，夏普比2.28；
- 模仿组合与指数的表现极为接近，跟踪误差维持在3.4%左右；
- 月度胜率约33%，提示收益正负月份占比约为三分之一，基本稳定。

• 逻辑推理：

- 数据和图表均支持“用五个ETF复制股票基金指数”的可行性和有效性。
- 拟合中考虑了权重上限，避免集中投资风险。
- 季度调仓减少交易频率，降低交易成本。
- 模仿组合保持高跟踪精度和较好风险收益特征。

3. 算法

• 算法概述：

- 作者指出，传统指数复制依赖定价因子和beta匹配，通过多步骤统计与优化，流程繁琐且稳定性有限。
- 本文提出直接基于基础资产的组合收益序列与目标指数收益时间序列最小化经验跟踪误差的优化算法。
- 优化问题设定为在权重非负、权重和为1且每个权重不超过上限的约束下，最小化组合收益序列与目标收益序列的均方误差，再通过稀疏性控制使得组合成份数量可控（通过正则项近似ℓ0范数）。

• 数学模型详解：

- 目标是设计组合权重向量w，使得目标指数收益向量r^b和组合收益Xw接近，满足：
$$
\min{w} TE(w) + \lambda \|w\|0 \quad \text{s.t.} \quad w^\top 1=1, 0 \le w \le u
$$
其中TE是跟踪误差，λ是控制组合稀疏性的正则化参数，u为权重上限。
- 使用对ℓ0范数的对数平滑函数近似，保持优化问题可微可解。
- 选用经验跟踪误差（ETE）作为目标函数，即：
$$
\mathrm{ETE}(w) = \frac{1}{T} \|r^b - X w\|2^2
$$
- 利用迭代闭合式公式和凸优化技术，求解上述问题。

• 算法创新与优势：

- 计算效率高；
- 不依赖日常维护，减少调整频率；
- 直接基于收益跟踪误差实现，目标直观明确；
- 可控的组合稀疏性提高实践可行性，便于实施；
- 有效避免传统多步骤统计带来的系统不稳定问题。

---

三、图表深度解读

图 1：2013-2019 各指数累计收益对比(图2页)

• 描述：比较股票基金指数与五个指数ETF（上证50、沪深300、中证500、中小板、创业板）自2013起累计收益的大致走势。

- 解读：
- 创业板（深褐色线）累计收益最高，表现波动也最大，尤其2015年突增后迅速调整。
- 股票基金指数表现第二突出，稳步上涨且相比沪深300与上证50具更好抗跌性。
- 中小板和中证500走势相对平缓，累计收益较低。

• 联系文本：验证了矩阵中的收益表现差异，为使用五ETF组合复制基金指数提供资产分散来源。

图 2：20130104-20190927 ete函数下模仿组合累计收益(图3页)

• 描述：展示不同权重上限（40%、60%、100%）下的模仿组合与目标指数累计收益走势。

- 解读：
- 三条模仿曲线（Q0.4/Q0.6/Q1）均紧密跟踪目标指数曲线，尤其Q0.6与Q1基本重合。
- 指数高峰和调整均被有效捕捉，说明复制组合风险收益匹配良好。

• 联系文本：说明该优化算法高效且实际稳定。

表 5和表 6

• 表5（2013-2019成绩）：

- 累计收益和年化收益均略低于目标指数，但夏普比接近，表明风险调整合理。
- 跟踪误差3.3%左右，凸显复制精准度。
- 最大回撤略大于目标指数，提示复制时存在一定风险溢出。

• 表6（2019年结果）：

- 模拟组合几乎紧贴目标指数，累计收益差异不大，夏普比在2以上显示风险调整业绩较好。
- 最大回撤控制较好，跟踪误差稳定。
- 月度胜率低于50%，但这可能由市场波动结构决定，仍符合稳定复制的要求。

图 3：2019年以股票基金指数为目标的模仿组合累计收益(图4页)

• 描述：同表6所示时间段的动态表现。

- 解读：
- 模仿组合曲线几乎与目标指数重叠，表明高频动态拟合效果佳。

---

四、估值分析

本报告不涉及典型的估值部分（如DCF、市盈率倍数法），属于指数复制策略研究，估值多体现为跟踪误差和收益风险指标层面。

主要通过：

• 目标函数：经验跟踪误差（ETE）最小化。

- 正则化：控制组合稀疏性保证可操作性。

• 约束条件：权重上限保证组合多元化。

- 性能指标：累计收益、年化收益、夏普比、最大回撤、跟踪误差。

这些为判断模型优劣提供定量依据。

---

五、风险因素评估

• 风险因素：

- 指数之间相关性可能发生变化，影响复制效果。
- 权重限制及稀疏性可能导致复制组合无法完全匹配目标表现。
- 市场极端波动时期复制误差可能放大，回撤增加。
- 模型参数（如λ、p、u）选取不当可能导致过拟合或欠拟合，影响未来表现。
- 交易频率为季度调仓，期间可能出现较快波动导致短期偏离。

• 潜在影响：

- 跟踪误差扩大意味着复制组合无法完全对冲风险和捕捉收益，影响投资者收益。
- 超额收益预测存在不确定性，不能确保持续产生。

• 缓解策略：

- 使用正则化调参和权重上限控制组合结构，防止集中风险。
- 采用较长的历史数据窗口提高稳定性。
- 季度调整平衡交易成本和跟踪精度。
- 开发网页端APP，方便客户操作和及时数据监控。

---

六、批判性视角与细微差别

• 报告立足于经验跟踪误差的优化方法，直接且计算效率高，这确实是优势，但未能深入探讨：

- 不同算法目标函数对长期跟踪误差波动的影响，例如下行风险指标是否更符合实际投资偏好。
- 交易成本和市场冲击成本对季度调仓策略的具体影响。
- 权重上限的选择标准及其对复制效果的边际效应分析较少。
- 投资者类型及需求对组合流动性和持仓稀疏度的实际适应性未详细论述。

• 另外，2017-2019年期间多指数收益显著下滑，导致年化夏普比极低或为负，中间可能对模型效用造成影响，但报告中没有针对市场环境变化的稳健性作深入分析。
• 该复制方法本质为基于历史收益的线性回归，可能难以捕捉未来市场结构根本变化，模型假设的平稳性存在隐含风险。

---

七、结论性综合

该份报告系统地论述了利用五个关键ETF指数组合复制中证股票型基金指数（H11021）的理论基础、算法设计、回测检验及应用实例。其核心结论为：

• 主动权益基金普遍难以产生显著稳定的超额alpha，回归到指数线性的组合复制是合理且实用的策略选择。

- 设计基于经验跟踪误差最小化（ETE）的优化算法，可在权重稀疏及上限约束条件下，利用五大主流ETF（50ETF、500ETF、300ETF、创业板、中小板）实现对股票基金指数的高精度复制。

• 长短期均展现较佳的累计收益和风险调整收益（夏普比）表现，跟踪误差控制在3%以上，最大回撤略有扩大，但整体表现稳健。

- 该方法计算简便，周期性（季度）调仓降低交易成本且适应市场变化，拥有较强的实际应用价值。

• 图表支持结论，累计收益曲线高度拟合目标指数，关键业绩指标与目标指数相近，验证了复制组合的有效性。

然而，报告在风险控制、交易成本、参数选择及模型稳健性方面尚有提升空间。整体上，报告为利用有限指数ETF组合高效复刻股票基金指数提供了切实可行的策略工具和实证支持。

---

参考文献与数据溯源：

• 引言及指数收益对比数据，图表1及表1-3 [page::0,2]

- 回测说明及业绩表现，图表2、表4-6 [page::0,1,3,4]

• 算法设计与数学模型推导 [page::5,6]

- 风险提示及声明 [page::7]

报告