指数增强策略表现稳健且优于被动指数策略 [page::3][page::4]

• 沪深300与中证500指数增强策略长期走势与对应被动指数高度相关，风格无明显漂移。

- 沪深300指数增强策略月度超额收益率为0.16%，录得正超额收益的月份占比达到58.3%。

• 中证500指数增强策略月度超额收益率平均达2.08%，正收益月份占比达71.2%，回撤水平与被动指数策略持平。

- 总体表明指数增强策略可作为被动ETF的有效替代标的。

主动量化策略受大小盘风格影响明显，构建轮动提高组合效率 [page::6][page::8][page::9]

• 主动量化策略与沪深300指数增强策略相关性较低（0.91），表现随大小盘风格轮动波动显著。

- 小盘主导时期主动量化策略多次跑赢沪深300指数增强策略，反之表现逊色。

• 主动量化策略与中证500指数增强策略相关性较强，但长期无显著超额收益。

- 根据市场热点分散程度构建主动量化与中证500指数增强的轮动策略，年化收益率达19.6%，Calmar比率显著提升至1.61。

• 对主动量化基金进行绩效筛选后，策略收益提高，年化收益率提升至20.5%，Calmar比率为2.01。

- 经过筛选的主动量化策略与中证500指数增强策略轮动组合年化收益达22.1%，累计收益率达190.2%，显著优于未筛选组合。

量化对冲策略表现依赖大小盘风格与期货升贴水状况，轮动优化效果显著 [page::11][page::12][page::13]

• 量化对冲策略收益偏好小盘风格，67%小盘风格波段超过长期纯债表现，表现优于纯债主要依赖股票Alpha与期货升贴水收益。

- 升贴水状态强弱显著影响策略表现，升水时量化对冲策略75%超额收益胜率，贴水时仅50%。

• 构建结合大小盘风格及升贴水指标的量化对冲与纯债轮动策略，最大回撤从18.6%缩减至5.2%，Calmar比率提升至3.16。

- 策略组合风险接近纯债但收益更优，适合作为纯债资产的有效补充。

2023年三季度策略展望 [page::14]

• 上半年A股主要宽基指数下跌，导致指数增强与主动量化策略表现不佳。

- 市场趋势预计趋于均衡，小盘股估值及业绩优势显现，主动量化策略具有更高配置价值。

• 量化对冲策略回升取决于期货升贴水情况及大小盘风格轮动，预计配置权重可适当提升但不宜重配。

资深金融分析报告详细解读与分析

报告元数据与总体概览（引言与报告概览）

报告信息

• 标题：中观视角下的 FOF 投资：权益量化策略比较及轮动策略构建

- 机构：华宝证券研究创新部

• 作者：张青（执业证书编号：S0890516100001）、研究助理李亭函

- 报告类型：金融工程专题报告

• 研究主题：对三类权益量化策略——指数增强策略、主动量化策略、量化对冲策略进行比较研究，并构建轮动策略，助力FOF组合资产配置优化。

- 发布时间及研究时间覆盖：主要回测时间涵盖2010年至2018年间，涵盖沪深300、中证500等指数为基准的策略表现对比。

报告核心摘要与投资要点

报告从中观视角探讨FOF资产配置的优化路径，认为FOF组合资产差异不仅源自不同资产类别间的收益与风险差异，更体现在同类资产细分（如大小盘、风格、行业）以及不同量化投资策略的表现差异。基于多因子选股体系，作者将主流公募量化基金分为三类：

• 指数增强策略：紧密跟踪标的指数（沪深300、中证500），追求超越被动指数的Alpha收益，具有稳定的Beta特征。

- 主动量化策略：选股范围全面，更灵活，具有较强的小盘股投资属性。受大小盘风格影响显著，整体收益不显著超越基准，但通过热点轮动策略可提升组合表现。

• 量化对冲策略：加入股指期货对冲操作，追求绝对收益，风险与长期纯债策略相近，可用于部分代替固定收益资产。策略表现与市场大小盘风格及期货升贴水密切相关，通过构建量化对冲与纯债策略的轮动组合，实现收益优化与风险控制。

报告最终观点指示：

• 指数增强策略在收益风险比上优于被动指数策略，可直接替代ETF联接基金。

- 主动量化策略结合市场热点及风格指标，通过构建轮动策略后可实现收益风险优化效果。

• 量化对冲策略在特定市场风格及期货价差条件下表现较佳，轮动策略有助于风险控制。

- 三季度展望中，量化策略有望随着市场风格趋于均衡而表现回升，但量化对冲策略应保持谨慎配置。

• 风险提示：中国量化策略基于历史数据，模型设定可能存在偏差，投资需谨慎。[page::0,2]

---

逐节深度解读

1. 指数增强策略与被动指数策略比较

1.1 沪深300指数增强策略vs被动指数策略

• 研究期限：2010年4月至2018年4月。

- 指数增强策略指数合成基于多只沪深300指数增强基金，剔除成立不足1年、规模小于1亿、暂停申购的基金，季度调仓，等权加权避免规模偏差。

• 对比被动指数策略时，选取易方达沪深300ETF联接基金等代表。

- 核心发现：两类策略走势高度相关（Pearson相关系数0.99，贝塔系数约1.01-1.03），说明指数增强策略无明显风格漂移并能稳定跟随基准指数。

• 指数增强策略获得较高频率的正超额收益（月均超额收益率0.16%，超额收益正月占比58.3%，2015年后达到70%），关键年份（2015-2017）超额收益3%-5%。

- 截面收益表现除2013年小幅跑输，其他年份均跑赢被动策略。最大回撤幅度与被动策略基本持平。

• 因此指数增强策略具备稳定Alpha来源的能力，且不会显著放大风险，适合作为资产配置替代被动ETF联接基金。

图表分析

• 图1展示指数增强策略和被动指数策略累计净值走势，两者基本同步，指数增强略微领先。灰色线为两者强弱指标，显示2015年后指数增强策略持续超越被动策略。

- 图2月度超额收益率柱状图呈现正负交错，正超额收益月较多。

• 表1历年收益率明确多年跑赢，被动策略仅偶尔超越，最大回撤几乎一致。

[page::3,4]

1.2 中证500指数增强策略vs被动指数策略

• 研究期限受限为2012年10月至2018年4月。

- 方法类似沪深300，指数增强策略由多只对应公募基金合成，使用易方达广发中证500ETF联接基金作为被动策略代表。

• 核心发现：两策略相关度极高（0.99），Beta系数约1.01-1.02，未发生明显风格漂移。

- 超额收益表现优于沪深300：月度超额收益正月份约71.2%，平均月超额收益达2.08%，2015年以来正收益月度比更高至82.5%。

• 近7年连续跑赢被动策略，尤其是2015年与2016年超额收益分别达到18.75%和14.66%。

- 最大回撤与被动指数策略基本相当，风险控制良好。

• 结论一致，指数增强策略兼具稳定的Beta和较强Alpha能力，是较优的指数投资标的。增强效果在中证500（中小盘指数）更显著，反映中小盘个股差异大，策略优化空间更大。

图表分析

• 图3显示指数增强和被动策略走势，蓝线持续优于橙线，灰色强弱指标明显上行，增强效果明显。

- 图4月度超额收益率分布，正超额收益率更多且幅度较大。

• 表2历年收益率对比强化了上述结论，特别是2015年大幅超额收益。

[page::4,5]

---

2. 主动量化策略与指数增强策略比较

2.1 主动量化策略vs沪深300指数增强策略

• 主动量化基金规模逾200只，策略多基于多因子选股，与指数增强相似但选股更广和仓位更灵活。

- 策略指数合成剔除以主题/行业指数为基准基金，确保可比性。

• 相关度比之前下降至0.91，突出轮动特征。

- 通过相对强弱指标与申万大盘/申万小盘指数的反向相关表明，主动量化和指数增强策略间轮动与大小盘市场风格紧密相关。

• 历史被分为七个大小盘主导波段，统计显示主动量化策略在小盘主导波段表现优于指数增强策略，反之亦然。

- 小盘偏好符合多因子策略逻辑及分散性特征，量化策略在多热点弱化时表现优越。

图表分析

• 图5两策略走势，主动量化波动较大，量化主动/沪深300指数增强强弱指标波动，反映轮动。

- 图6强弱指标和大小盘指数强弱关系，图中两条线基本相反，体现大小盘风格影响。

• 表3呈现具体波段对比数据，清晰展示大小盘切换时表现差异。

[page::5,6]

2.2 主动量化策略vs中证500指数增强策略

• 两策略相关度较强，同属小盘风格。

- 相对强弱指标长时间震荡趋平，长期未获得明显超额收益。

• 市场区分为4个不同波段，回测显示上行期间指数增强策略表现优越，下行期间主动量化表现略好，主要受仓位灵活性影响。

- 主动量化往往持仓灵活，行情好时增仓小于100%，行情差时减仓程度更明显，导致上行期净值低于指数增强策略，下行期抗跌能力强。

• 市场热点分散度对其影响显著，热点扩散时主动量化优于指数增强，热点集中时表现劣于指数增强。

- 统计显示在热点扩散波段主动量化跑赢次数多于热点收缩期。

图表分析

• 图7两策略走势及强弱指标，显示无显著趋势性超额收益。

- 图8强弱指标与个股超额收益占比（市场热点散布指标）走势对比，正相关性明显。

• 表4和表5波段收益及最大回撤明确热点和行情对策略表现的影响。

构建轮动策略

• 轮动基于超额收益占比指标（平滑后动量良好），于每月末判断持仓策略，配合手续费设置。

- 轮动策略累计收益160.1%，年化19.6%，最大回撤-47.5%，Calmar比率1.61，超越各单策略。

• 说明轮动组合优化了风险调整收益。

基金筛选及优化

• 观察到主动量化策略内部业绩差异较大，月度跑赢比例仅约50%。

- 采用五个绩效指标（夏普、信息比率、Calmar、1年净值表现及波动率）等权评分筛选评级前5基金构建指数。

• 筛选后主动量化策略累计收益171.4%，年化20.5%，最大回撤-44.1%，Calmar提升至2.01。

- 筛选后与中证500指数增强的轮动策略累计收益190.2%，年化22.1%，Calmar 1.89，表现明显优于未筛选轮动策略。

图表分析

• 图9显示成分基金跑赢比例波动，随后的筛选显著提升组合表现。

- 表6、7、8分别展示轮动策略绩效及筛选前后对比统计。

[page::6,7,8,9,10]

---

3. 量化对冲策略与纯债策略比较

• 量化对冲策略追求绝对收益，策略基础为多因子选股加以股指期货对冲，风险收益特征类似长期纯债基金。

- 采用2015年前自建量化对冲组合与2015年后公募量化对冲基金合成指数，规模门槛5000万。

• 对比对象采用Wind长期纯债基金指数。

- 两策略总体走势表现显示量化对冲策略未持续跑赢纯债，2016年后更相对跑输。

影响因素分析

• 多因子选股表现受大小盘风格影响显著，市场小盘主导时更利于量化阿尔法收益。

- 事后划分下3次小盘主导风格中量化对冲2次跑赢纯债；3次大盘主导仅1次跑赢，且部分亏损。

• 风格转换初期调整滞后，可能带来净值回撤风险。

升贴水影响

• 股指期货升贴水率也是核心影响指标，期货升水期间量化对冲策略超额收益胜率达75%，贴水期仅为50%。

- 2015年至2017年期货市场长期贴水，量化对冲多暂停对冲，表现接近货币基金。

构建轮动组合

• 引入大小盘风格模型与期货升贴水率判定，结合趋势跟踪（唐奇安通道线）构建量化对冲与长期纯债策略轮动组合。

- 2012年至2018年回测显示，轮动组合累计收益90.1%，年化11.1%，最大回撤-5.2%，Calmar 3.16，收益与纯债策略相比提升明显，风险控制优于单一量化对冲。

图表分析

• 图10显示量化对冲与长期纯债走势及相对强弱。

- 图11呈现量化对冲策略与大小盘风格指数的匹配。

• 图12展示轮动策略净值提升效果。

- 表9、10、11系统展示了不同风格、升贴水状态下的收益与回撤指标。

[page::10,11,12,13]

---

4. 三季度量化策略表现展望

• 上半年，中美贸易摩擦及信用风险影响下股市大跌，宽基指数跌幅显著（沪深300跌12.9%，中证500跌16.5%）。

- 指数增强和主动量化策略表现弱势；量化对冲策略2-3月小幅回升后走势再度承压，因小盘风格走弱及股指期货升贴水导致对冲成本加大。

• 市场估值处于历史低位（约16倍），公司盈利表现尚稳健，估值与盈利匹配性提升，市场大幅下行空间有限。机构资金呈现流入迹象，有望形成阶段反弹。

- 市场风格预期趋于均衡，小盘股估值和业绩优势虽显现但未具备持续大幅跑赢条件。预计三季度市场以超跌反弹为主，信用风险尚未释放完毕制约情绪。

• 指数增强和主动量化策略预计表现改善，主动量化因热点扩散更具配置价值。量化对冲策略仍需观望贴水情况和大小盘风格变化，预计配置权重可适当提升，但不建议重仓。

[page::13,14]

---

风险提示

• 报告基于历史数据和模型设定，可能存在偏差。

- 信息准确性与完整性不保证，投资者需谨慎决策。

• 报告内容不构成买卖建议或金融产品担保。

- 策略研究不作为基金评价依据，不得擅自用于推广宣传。

[page::15]

---

图表深度解读

（以下仅覆盖重要图表）

• 图1与图3：分别为沪深300和中证500指数增强策略与被动指数策略的累计净值走势对比。图中指数增强策略净值持续稳定优于被动指数，强弱指标显示明显的Alpha贡献。相关系数和贝塔接近1，证明指数增强策略没有明显偏离原指数风格。

- 图2与图4：两策略的月度超额收益率柱状分布，积极月份明显多于消极月份，体现主动管理的优势。

• 图5与图7：主动量化策略与对应的指数增强策略走势对比。表现波动较大，突显两者受市场风格影响的轮动特征。相关系数下降，表现轮动。

- 图6与图8：显示主动量化/指数增强强弱指数与大小盘风格及个股超额收益占比之间的动态关系，体现策略表现与市场风格及热点分布的关联。

• 图9：展示主动量化成分基金中跑赢中证500指数增强策略的占比稳定在50%左右，表现不一，支持筛选优化必要。

- 图10与图11：量化对冲与纯债基金走势及量化对冲策略与大小盘风格指数关系。量化对冲在小盘市场行情中有较优表现。

• 图12：量化对冲与纯债轮动策略净值对比，显示轮动策略显著提升回报及风险调整后表现。

这些图表佐证了文本观点，提供可视化量化展示策略表现、相关性与风险收益情况，关键指标如Calmar比率、最大回撤、年化收益均用以衡量风险调整后收益。

---

估值分析

报告未直接涉及企业估值模型，但在基金策略层面运用多因子投资模型、轮动指标及绩效指标（夏普比率、信息比率、Calmar比率等）进行定量组合构建、基金筛选和收益风险优化。

• 多因子选股模型是该量化策略核心，结合风格指标（大小盘强弱）、市场热点指标（个股超额收益比）、期货升贴水等宏观微观变量，动态调整仓位及策略占比。

- 轮动模型关键输入为事后风格划分、超额收益占比指标和平滑趋势指标，推断未来风格主导方向以调整权重。

• 绩效筛选基于多股健全指标综合打分，对基金成分进行优胜劣汰，提高整体组合的收益稳定性与风险控制。

- 通过Calmar比率（年化收益率与最大回撤的比率）评价策略综合表现，强化策略的收益风险权衡。

---

风险因素评估

报告重点识别并警示数个风险层面：

• 历史数据与模型风险：量化策略研究基于历史回测，模型假设和样本可能缺乏未来适用性，从而存在过拟合及策略失效风险。

- 市场结构与风格变化风险：策略表现强烈依赖于大小盘风格轮动、市场热点分散度和期货升贴水状态，且市场可能出现突发事件导致策略失效。

• 基金管理差异风险：特别是主动量化策略中基金经理能力差异显著，可能导致实际组合表现不稳定，需通过筛选缓释该风险。

- 对冲成本风险：量化对冲策略在期货市场贴水期对冲成本升高，制约策略表现。

• 操作风险：轮动策略依赖择时和指标判断，误判可能导致持仓错误，且交易成本及流动性风险不容忽视。

报告未详细提出缓解措施，但构建多策略、绩效筛选和轮动组合即为分散及风险控制措施。明确说明投资需谨慎，勿过度依赖历史数据和模型输出。[page::0,15]

---

批判性视角与细微差别

• 报告积极强调量化策略优势，但数据选择及模型构建基于历史表现，可能面临数据挖掘偏差，特别是筛选主动量化基金以提升收益的策略，存有过拟合风险。

- 主动量化策略的表现波动大，基金经理差异显著，表示其策略稳定性尚需关注，实际操作中筛选效果依赖于数据频度和准确性。

• 量化对冲策略与纯债策略对比时，模型简化期货风险控制复杂性及对冲滞后性，真实市场上的流动性、交易成本和对冲执行效果可能导致回测结果偏差。

- 报告对于未来三季度展望较为乐观，基于估值和机构资金动向推断，但未对宏观系统性风险（政策变化、全球经济不确定性）深入探讨。

• 轮动策略构建中依赖事后风格划分，实际择时具挑战，策略表现对指标准确度敏感，且交易费用对短期频繁调仓影响未充分评估。

- 报告并未详述量化策略中多因子具体包含指标及调仓方法，模型执行细节及交易机制模糊，不利于完整再现及风险评估。

总之，报告对数据充分利用，论证较为系统合理，但潜在的历史偏差、模型稳健性及择时风险仍需留意。

---

结论性综合

本报告基于中观视角，创新性将投资策略视为资产配置的中间层级，重点分析了公募权益量化基金的三大策略类型表现及其轮动组合构建。

• 指数增强策略以跟踪指数为核心，长期表现稳定，获得稳定超额收益，且风险未显著放大，具备替代被动指数基金的价值，尤其在中证500中表现更佳。

- 主动量化策略体现较强的小盘偏好和灵活仓位管理，表现受市场大小盘风格及热点分散度影响明显。该策略虽整体未显著超越指数增强策略，但通过基于热点指标的轮动策略构建及基金筛选，组合收益风险比明显优化，凸显了策略灵活性优势。

• 量化对冲策略更侧重于绝对收益，类似固定收益产品，表现受大小盘风格及期货升贴水状态影响。其与长期纯债策略结合的轮动策略能够实现更优风险调整回报，最大回撤明显缩小，风险控制良好且收益提升。

- 三季度策略展望显示，随着市场风格趋于均衡，量化策略整体有望回暖，主动量化策略配置价值上升，量化对冲策略在贴水风险缓解及风格切换情况下盈利能力有望改善，但仍需审慎配置。

通过系统的指数合成、绩效筛选、历史波段划分、风格及热点引导的轮动构建，报告充分展示了量化策略中观资产配置的创新路径和实际价值。图表和数据支持了关键逻辑，量化指标如Calmar比率促进投资者理解收益风险权衡。报告揭示了不同量化策略间互补性，提示FOF资产配置可通过策略轮动提升整体表现。

然而，报告也明确指出数量化研究固有的历史数据依赖及模型偏差风险，投资过程中应注重实时调整与风险管理。

综上，报告为权益类策略在FOF框架下的中观轮动投资提供了系统性理论和实践基础，既有较强的学术价值，又具备实操指导意义。[page::0~14]

---

参考图表部分（部分示例，均来自报告）

---

总结

本报告立足于量化策略资产配置的中观层级，深入分析了指数增强、主动量化及量化对冲三大策略的收益风险表现和交叉轮动特性，提出了基于多因子选股、风格和市场热点指标的轮动策略构架及基金筛选优化路径。结合丰富的实证数据和图表支持，论证了策略选择对FOF组合优化效果，非常适合专业投资者参考，提供了量化资产配置的创新思路和实操策略框架，并充分指示了模型风险与投资谨慎的重要性。[page::0~15]

报告