Wisdom Tree公司及Modern Alpha产品概述 [page::0][page::3]

• WisdomTree起始于基本面加权指数开发，管理全球ETF规模超900亿美元。

- Modern Alpha结合传统主动管理与被动贝塔优势，实现低费、高透明、系统化规则下的投资组合再平衡。

现代Alpha系列量化策略分类及ETF产品池 [page::5][page::6]

| 产品类别 | 代表ETF名称 | 成立日 | 费率 | 管理规模(亿美元) |
|------------|--------------------------|----------------|--------|------------------|
| 股息加权策略 | U.S. Quality Dividend Growth (DGRW) | 2013-05-22 | 0.28% | 81.75 |
| 盈利加权策略 | U.S. MidCap (EZM) | 2007-02-23 | 0.08-0.38% | 6.62 |
| 多因子策略 | U.S. Multifactor (USMF) | 2017-06-29 | 0.28% | 2.64 |

股息加权策略核心机制与收益表现 [page::6][page::7]

• 通过定期基于未来预期股息和价格变化再平衡权重，提高股利贡献，暴露于质量因子。

- DGRW相较标普等权指数历年表现具超额收益，净值稳健增长。

盈利加权策略选股与加权逻辑 [page::8][page::9]

• 以净利润指标计算权重，降低组合P/E，偏好周期消费，促进市场行情上行阶段表现。

- 采用综合风险评分(CRS)筛选个股，辅以动量与质量因子。

多因子阿尔法驱动策略详述及表现 [page::10][page::11][page::12]

• 结合价值、质量、动量与低相关性四大因子，季度调仓，市值加权，遵循GICS行业中立与权重上限。

- USMF净值表现稳定，体现多因子策略优势。

AI价值增强主动ETF策略及产品表现分析 [page::12][page::13][page::14]

• AIVL产品基于机器学习结合市场、基本面、情绪及ESG数据，主动筛选低P/B、低P/E、高现金流质优股，持仓集中度适度，换手率高。

- 2022年表现优于标普500，但2023年初回撤较大，收益波动明显。

AI量化模型数据输入与策略过程概览 [page::14][page::15][page::16]

• 以市场/宏观指标、基本面、情绪与ESG多维数据构建超过250个特征。

- 策略自下而上筛选因子，虚拟交易验证，人工结合机器学习构建动态投资组合。

• 通过“人在循环”确保交易安全，避免单纯算法风险。

对我国量化投资与AI策略的启示 [page::16]

• 建议结合多因子体系构建Smart Beta，强化量化选股与加权机制。

- 积极探索引入市场/宏观、基本面、情绪及ESG多维度因子，推动AI技术辅助投资研究。

• 关注策略系统化和透明度，警惕模型短期收益波动风险。

申万宏源关于WisdomTree ModernAlpha的研究报告详尽分析

---

1. 元数据与概览

• 报告标题：什么是 WisdomTree 的 ModernAlpha?

- 作者：沈思逸、邓虎

• 发布机构：申万宏源证券研究所

- 发布日期：2023年05月22日

• 研究主题：Wisdom Tree公司及其现代Alpha（Modern Alpha）量化投资策略和产品体系，重点涵盖股息加权、盈利加权、多因子策略，以及基于人工智能的增强策略。

- 核心论点：
- WisdomTree通过独特的基本面加权、量化系统化的投资方法，区别于传统市值加权的指数产品；
- Modern Alpha系列产品结合量化贝塔和阿尔法驱动策略，兼顾低成本、透明且具备超额收益潜力；
- 人工智能（AI）增强型产品代表了新兴创新方向，虽然业绩表现波动，但未来潜力巨大。

• 报告定位：以量化研究视角系统介绍WisdomTree量化产品及策略体系，不涉及基金产品推荐，重点在于策略解读和启示。

---

2. 逐节深度解读

2.1 WisdomTree公司概况[page::0,3]

• WisdomTree前身聚焦于基本面加权指数开发，2006年正式成为ETF发行人，开创了多样化的基本面加权ETF产品。

- 其管理ETF规模截止2023年3月31日超过900亿美元，业务涵盖股息加权、盈利加权、主动管理ETF及衍生品策略（含外汇对冲）。

• 公司积极拥抱科技趋势，与纳斯达克等合作开发人工智能主题ETF，实现量化投资和先进科技的结合。

- 在营销策略上，WisdomTree领先加入金融科技平台Quantilia，实现智能投顾和量化组合构建，精准触达投资者。

2.2 量化团队架构与研究内容[page::3-4]

• 智慧树量化研究部门牵头多个策略核心课题，包括对冲通胀&利率策略、固收回归与Modern Alpha。

- 团队成员涵盖量化研究员、投资策略主管及股票策略专家，聚焦高效筛选因子组合与风险调整。

• 量化产品主要以动量、ROA/ROE基本面指标为选股核心，配合不同权重策略打造Smart Beta产品线。

2.3 Modern Alpha策略定位与优势[page::4-5]

• 明确区分传统主动管理（高费率、不透明、有关键人为风险）与传统被动贝塔策略（低成本、透明但难以超额收益）。

- Modern Alpha结合两者优点，通过基于规则的量化系统实现投资组合再平衡与增强，增强投资体验和收益潜力。

• 图1详细对比了传统阿尔法、传统贝塔与现代阿尔法的费用、透明度、过程可重复性等关键维度，突出现代阿尔法的中间优势。

- Modern Alpha产品涵盖股息加权、盈利加权、多因子、外汇对冲、固定收益和主题投资，重点介绍权益类量化ETF（表2）。

2.4 现代Alpha量化产品线详解

2.4.1 贝塔驱动：股息加权策略[page::6-7]

• WisdomTree认为股息等基本面指标比市值更客观反映公司健康、价值和盈利能力，故采用股息加权法增强组合收益。

- 核心机制：指数成分股根据股价涨跌及未来一年预期现金股息调整权重，鼓励分红增加的公司占比提升，同时控制估值风险。

• 表3展示了股息加权与市值加权在权重分配和股利收入上的逻辑差异，阐释股息加权如何提高现金流获取。

- 图2展示权重再平衡规则，股价与股息双重影响下动态调整权重，获得稳定的质量因子暴露。

• 最大规模ETF产品U.S. Quality Dividend Growth (DGRW)由动量和质量（ROE/ROA）指标筛选组成，定期再平衡权重。

- 表4和图3显示DGRW表现优于标准普尔等权指数及标普500部分年份，股息加权策略具一定超额收益能力。

2.4.2 贝塔驱动：盈利加权策略[page::8-10]

• 盈利加权策略通过净利润指标确定权重，重点是降低组合估值（组合P/E），放大高盈利能力公司对整体收益的作用。

- 表5通过假设案例展示盈利加权策略如何改变权重配置，使组合整体P/E下降（示例中从11.5降至8.16）。

• 以规模最大U.S. MidCap ETF (EZM)为例，展示其筛选流程：

- 依据市值和流动性筛选股票，
- 计算动量和质量综合得分（CRS），剔除风险高个股，
- 排除负收益公司，
- 根据市值分位数进一步剔除极大与极小市值股票，形成约600只中型股样本池。

• 图4和5展示CRS体系构建的质量与动量因子组合，并以梯度形式对个股进行风险筛查。

- 图6-7体现EZM净值表现优于主要市场基准，且行业配置较偏向周期和消费类板块。

2.4.3 阿尔法驱动：多因子策略[page::10-12]

• 多因子策略区别于前两种贝塔策略，采取更主动的阿尔法选股方法，容忍更高跟踪误差（4%-6%），追求超额收益。

- 表8强调策略融合价值、质量、动量及低相关性因子，多因子赋权并辅以市值权重，规避高集中度，追求风险分散。

• 智慧树规模最大多因子ETF为USMF，季度调仓，成分股选自流动性条件下最大800只，筛选得分前25%即200只，并施加波动率修正权重。

- 图9-10揭示多因子ETF净值稳健增长轨迹，表现略优于主要指数。

2.5 AI 量化产品：披上旧壳的新创新[page::12-16]

• AI量化产品为主动管理型ETF，采用Voya的机器智能（EMI）结合基本面驱动的机器学习方法。

- 现有产品包括AIVL（美国AI价值增强ETF）和AIVI（国际版），二者均基于老的红利ETF架构快速转型，策略真实表现从2022年初开始。

• AIVL持股集中于低P/B、低P/E、高自由现金流的中大盘股，行业较为均衡，换手率较高（2022年96%），管理费率为0.38%。

- 图11、12分别展示了AIVL行业配置和市值分布，重工业、金融和医疗保健占据市值较大份额。

• 产品2022年表现强劲对比标普全收益指数超额收益8.19%，但2023年截至5月出现明显回撤，超额收益为-10.72%（图14）。

- AI策略模型结合市场情绪、宏观数据、基本面和ESG等多个维度，涵盖短中长期因子（图15）。

• 策略研究采用自下而上的步骤式流程（图16）：

1. 采集多源数据并预处理（涉及超过1000只股票和超过250个特征指标）；
2. 识别并调优细化因子；
3. 建立动态选股标准，结合虚拟交易模拟；
4. 构建组合并进行风险管理；
5. 人工监督验证交易执行，减少高频交易潜在风险。

2.6 对中国的启示[page::16]

• WisdomTree案例强调Smart Beta产品的三大核心：

- 量化选股因子以动量、价值、盈利和低相关性为基础；
- 基本面加权方法（股息加权和盈利加权）提升组合获得基本面健康敞口；
- 多因子模型采用自下而上构建，持续动态调整风险敞口。

• AI增强型策略未来可期，但仍需更多时间验证相关业绩的稳定性。

- 中国量化投资可借鉴WisdomTree综合指数编制与因子组合策略发展路径，结合本土市场状况探索新型量化产品。

2.7 风险提示与说明[page::0,17-18]

• 报告未涉及具体产品推荐，仅基于公开数据和公司信息研究分析。

- 投资者需注意量化策略可能存在的模型风险、市场波动风险及个别产品流动性风险。

• 风险提示明确强调报告信息不能替代独立投资建议，投资需谨慎。

---

3. 图表深度解读

图1：Modern Alpha的策略优势(图5)

• 内容：对比传统主动管理（Alfa）、传统被动管理（Beta）、现代Alpha三者特性。

- 解读：
- 传统阿尔法成本高，过程不透明，存在人为判断及关键人风险，但潜在超额收益较高。
- 传统贝塔低成本且透明，但不具备超越市场的能力。
- Modern Alpha兼具低费率、透明、系统化、可复制且基于规则的动态资产再平衡，兼容超常表现潜力。

• 联系文本：支持报告关于Modern Alpha能够结合主动与被动优点，实现策略增强的论断。

表2 & 3 & 4：股息加权策略及其对组合收益的提升（页5-7）

• 内容：

- 表2介绍了股息加权、盈利加权与多因子ETF产品目录及基本指标。
- 表3展示股息加权与市值加权下权重及股利收入的区别，显著提升现金流收益。
- 表4显示股息加权策略产品DGRW对标普等权指数近10年大部分年份取得正超额收益。

• 解读：

- 如果用市值加权，大公司权重高但股息贡献低，且未必最大化现金流收入。
- 股息加权通过灵活调整权重，更加重视分红能力强公司的表现，体现实质盈利能力。
- 图3的净值走势验证了股息加权产品兼具收益增长与稳健性。

表5 & 图4-7：盈利加权策略及质量-动量风险筛查（页8-10）

• 内容：

- 表5解释盈利加权如何降低组合P/E结构。
- 图4展示CRS评分体系，综合历史ROE/ROA及其趋势与动量指标。
- 图5为两类市值组别股票风险筛查示意。
- 图6净值走势对比EZM ETF、其跟踪指数和SP MidCap 400指数，表明收益加权策略优于基准。
- 图7行业配置对比，显示策略倾向工业、金融、科技等周期性行业。

• 解读：

- 盈利加权策略通过多维度质量和动量因子识别优质个股，剔除高风险中低效股。
- 结合指数成分股质量综合评分，实现风险控制与收益提升同步。

图8 & 9 & 10：多因子策略定位与表现（页10-12）

• 内容与解读：

- 图8智慧树对ETF产品的分类显示多因子策略偏向阿尔法驱动，跟踪误差较大，追求不同于市场的策略回报。
- 图9多因子组合展示包含价值、质量、动量、低相关性因子，平衡市场风险与个股阿尔法机会。
- 图10 USMF净值走势与相关指数对比验证产品稳定成长性。

图11-14：AI量化产品（AIVL）行业及市值分布、表现（页13-14）

• 图11显示行业配置均衡，工业、金融与医疗保健占比较大，表明相对分散。

- 图12展示AIVL中大盘股票占主导，适合价值类长期投资。

• 图13和14体现策略在不同年份表现差异显著，2022年表现强劲但2023年出现较大回撤，超额收益波动较大。

图15-16：AI策略因子时间窗口与投资过程（页15-16）

• 图15说明AI策略因子覆盖1天至18个月的时间窗口，从市场波动到基本面及ESG多维度全面捕捉。

- 图16投资过程详解，结合人工和机器操作，确保模型预测的合理性及交易执行的稳定性，反映量化策略与人工监督相结合的实践。

---

4. 估值分析

报告主要聚焦于基金和ETF策略的量化方法阐释和绩效表现评价，未涉及传统上市公司估值模型（如DCF、市盈率估值）的详细分析，因此此部分无具体估值模型解读。

---

5. 风险因素评估[page::0,17]

• 报告明确表明仅为研究分析性质，非基金评价与推荐。

- 量化策略依赖历史数据与因子有效性，可能面临模型失效风险。

• AI策略作为新兴领域，业绩波动较大，时间较短难以充分验证。

- 市场波动、流动性风险以及策略透明度可能影响投资者体验。

• 报告未详细披露缓解策略概率，但通过深入多因子应用与人工监督机制，尽量控制风险。

---

6. 批判性视角与细微差别

• 积极面：

- 报告逻辑清晰，层层深入，数据丰富。
- 结合产品实例与指数构建，理论与实践并重。
- AI产品介绍适度提醒业绩代表性不足，保持审慎。

• 局限和潜在偏差：

- AI策略核心模型细节及其有效性未充分披露，难以独立验证；
- 部分收益表现尤其AI策略的波动风险尚需更长期数据支撑；
- 对于市场不同阶段策略表现的弱势期分析较少，未充分探讨极端风险；
- 多数数据来源依赖Wisdom Tree官方和彭博，潜在信息披露偏向。

• 内部细节：

- 报告对于多因子策略和贝塔驱动策略分层介绍清晰但对两类策略实际管理费率对比略显欠缺。
- 图表与正文密切配合，说明准确但图表部分部分页码与表格跨页情况，需核实阅读时注意对应。

---

7. 结论性综合

申万宏源关于Wisdom Tree的研究报告系统全面地揭示了该公司Modern Alpha量化产品体系的结构、应用逻辑和市场表现，体现出其作为指数型与量化投资融合的先锋地位。

主要发现包括：

1. 公司背景与定位：WisdomTree致力于基于基本面加权的指数开发，以创新方式的量化策略提供ETF产品，管理规模逾900亿美元，涵盖多资产类别。
2. Modern Alpha策略体系：

- 以量化贝塔驱动策略（股息加权、盈利加权）提升组合质量和现金流表现；
- 以多因子阿尔法驱动策略追求超额收益，容忍更大跟踪误差；
- 有效利用动量、质量、价值、低相关性等核心因子，结合风险控制剔除劣质标的。

1. AI增强型主动管理基金：

- 探索机器学习与量化选股相结合，利用丰富的市场、基本面、情绪及ESG数据，覆盖多时间维度；
- 目前表现波动较大，2022年表现优异，但2023年有所回落，显示策略仍处于调整期。

1. 图表数据直观体现策略优势：

- 股息加权策略有效带来股利收益优势和超额收益能力；
- 盈利加权策略降低组合估值，提供稳定的风险调整后收益；
- 多因子策略稳健成长，覆盖广泛因子并控制成分股分散度；
- AI策略体现创新应用，但尚需长周期数据验证稳定性和超额能力。

1. 对中国市场的启示：

- 基本面因子加权及多因子定量策略为Smart Beta未来发展主流；
- AI与机器学习结合传统因子，挖掘新的Alpha源泉；
- 中国量化市场借鉴WisdomTree技术框架与严谨的风险筛查体系有重要价值。

1. 风险与注意事项：

- 策略依赖于历史数据及模型假设，存在因子失效和市场周期性风险；
- AI类新策略特别需要警惕模型过拟合和执行风险；
- 报告数据及分析基于公开资料，应结合投资者自身情况审慎使用。

总结来看，WisdomTree的Modern Alpha通过融合传统主动与被动的优势，打造了一套结构清晰、系统量化且不断创新的量化策略体系。其产品线成熟度与创新力并重，为全球投资者尤其是寻求Smart Beta和量化增强策略的投资者提供了不错的选择路径。人工智能策略虽为新兴且尚需磨合，但显示出当下资产管理行业技术驱动转型的前沿趋势。

---

报告中提及的关键表格和图示均明确支撑了上述分析，如图1现代Alpha策略优势对比、表3~5的加权策略示例、图3与10的净值表现、图15-16的AI因子及流程设计等，详见文中对应页面。

[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17]

---

（全文约1900字）

报告