Smart Beta 低波动ETF发展态势 [page::2][page::3]

• 2008年金融危机后，低波动ETF数量和规模高速增长，规模至2018年达282亿美元。

低波动因子策略分类及代表ETF表现 [page::3][page::4][page::8]

• 简单低波动率策略：选取波动率最低的股票构建组合，代表ETF如SPLV（市值69亿美元，Beta 0.71）。

- 优化最小方差策略：通过协方差矩阵优化构建最低波动组合，代表iShares USMV（市值141亿美元，Beta 0.76），该ETF表现优于简单策略。

低波动ETF收益率表现 [page::4][page::5]

• 2017年88%的低波动ETF收益率位于10%-25%，前三大ETF（USMV、SPLV、XMLV）贡献约90%规模，其五年收益率稳健增长。

红利因子与低波动因子相关性强 [page::5][page::6]

• 红利因子占总资金21%，低波动因子占5%，两类因子ETF在资金流和收益率上高度相关（Pearson系数0.937，Spearman系数0.947）。

低波动ETF发行人市场格局及重点产品介绍 [page::6][page::7]

• iShares和Investco PowerShare占据约90%市值，发行的USMV和SPLV是代表产品，USMV以最小方差策略领先表现。

国内低波动因子基金现状及推荐 [page::8][page::9][page::10][page::11]

• 国内已成立8个低波动Smart Beta产品，仅平安大华MSCI中国A股低波动ETF采取纯低波策略，表现突出；其他多为红利主导低波动辅因子组合。

- 推荐两只产品：平安大华MSCI中国A股低波动（512390），采用最小波动策略；上投摩根港股低波红利A（005051），采用红利与低波结合多因子策略。
| 产品名称 | YTD收益率(%) | 跟踪指数收益率(%) | 费率区间(%) |
|------------------|-------------|-------------------|------------|
| 平安大华MSCI中国A股低波动 | -17.46 | -17.46 | 未明示 |
| 上投摩根港股低波红利A | -3.77 | -3.54 | 1.25-3.25 |

• 其他产品如华泰紫金红利低波动、创金合信红利低波动、恒生前海港股通高股息低波动、景顺长城中证500低波动均为红利亮点辅以低波动策略，费率和收益各异。[page::9][page::10][page::11]

美股 Smart Beta 产品巡礼之二：低波动因子 — 深度分析报告

---

1. 元数据与报告概览

• 报告标题：美股 Smart Beta 产品巡礼之二：低波动因子

- 作者及机构：吕思江，安信证券股份有限公司研究中心

• 发布日期：2018年7月10日

- 主题：围绕美股市场中Smart Beta低波动因子产品的市场发展、策略演变、收益表现、发行人布局及国内外相关产品进行全面深入剖析。

• 核心论点：

- 低波动因子ETF受到2008年金融危机后资金大量流入，规模持续高速增长，市场热度持续。
- 低波动策略主要分为两类：单纯的最低波动率选股和经过优化的最小方差策略，后者更普遍且表现更佳。
- 低波动因子产品在2017年获得普遍较高的收益率，且从长期看能稳定实现超额收益。
- 红利因子与低波动因子高度相关，二者产品布局呈现强者恒强的市场格局，尤其以iShares和Investco PowerShare为主导。
- 国内低波动Smart Beta产品则多为红利主导、低波为辅的多因子策略，仅平安大华MSCI中国A股低波动ETF采用纯低波动单因子策略。

• 重点信息传达：

- Smart Beta低波动因子因其独特的风险调整特性和较好的收益表现，成为投资者避险及资产配置优选。
- 发行人规模集中，市场呈现“强者恒强”的特征，顶级基金产品占据绝大部分市场份额。
- 国内市场开始跟进国际趋势，但尚处于起步阶段，产品策略多元且偏重红利因子考虑。

---

2. 各章节深度解读

2.1 本篇报告的独到之处

• 本报告相比前期关于Smart Beta红利因子的报告，聚焦于低波动因子的资金流、产品数量及收益率特性。

- 重点分析了两类主要产品策略，特别关注了红利因子与低波动因子的强相关性及其对基金表现的影响。

• 从发行人角度出发，深入剖析了市场格局和巨头基金的布局。

2.2 Smart Beta 中的低波动因子产品

• 低波动率异象：资本资产定价模型（CAPM）预测风险与收益正相关，但大量实证研究（如Haugen&Baker 1991，Ang 2009）揭示低波动率股票反而可能实现更高风险调整后收益，被称为“低波动率异象”。

- 投资者行为方面，追逐高收益的投资者倾向于高贝塔股票，而导致市场风险溢价被高贝塔股票“挤出”，低波动股票因而获得非理性的高回报。

2.3 低波动ETF的发展规模与策略

• 资金规模快速增长：2008年金融危机后，低波动ETF数量和总资产均快速增大。2010年前不足5000万美元，至2018年已达282亿美元，且市场热度持续高涨。[page::2,3]

- 策略分类：
- 简单低波动策略：直接挑选波动率最低的股票构建投资组合。
- 优化最小方差策略：在风险约束下通过优化算法构造投资组合，考虑股票间相关性，选择风险最小化的组合。

• 市场中以iShares推出的USMV采用优化最小方差策略最为代表，资产规模141亿元，占比51%，偏好防御性高息板块，beta仅0.76。

- 第二大规模的PowerShares SPLV则为简单低波动策略，选取标普500中波动率最低的100只股票，beta为0.71。

• 两大巨头基金USMV和SPLV合计占据超过75%的市场份额，突出低波动策略的主流路径。[page::3,4,6]

2.4 收益率表现

• 2017年，88%的低波动ETF获得介于10%至25%的正收益，表现亮眼。

- 规模前三ETF（USMV、SPLV、XMLV）五年期收益率稳定上升，长期表现出稳定的超额收益特征。

• 收益率排名显示，不同ETF在同一策略框架下表现上存在一定差异，但总体稳定。[page::4,5]

2.5 红利因子与低波动因子的强相关性

• 红利因子和低波动因子都在市场中表现为防御性，规模逐年攀升，且在系统性风险暴露时表现稳定。

- 资金规模对比显示，两者发展轨迹高度重合，Pearson相关系数为0.937，Spearman相关系数为0.947，均表明强烈线性相关。

• 这说明二者或因风险偏好、行业配置等方面的共同特征，在投资者资产配置中经常相辅相成。[page::5,6]

2.6 发行人格局分析

• 市场呈现“强者恒强”格局：iShares占51%，Investco PowerShare占38%。二者合计接近90%。

- iShares旗下USMV代表最小方差策略，规模最大，SMMV规模较小，呈现出细分市场覆盖。

• Investco PowerShare发行9只低波动ETF，种类丰富，其中SPLV最为突出。

- 其他发行人（State Street SPDR、First Trust等）规模相对较小，市场份额有限。[page::6,7]

2.7 国内主要低波动产品

• 国内已有8只低波动Smart Beta产品，但大部分为红利因子主导，低波动为辅的多因子策略。仅平安大华MSCI中国A股低波动ETF采用纯低波动策略。

- 平安大华低波ETF跟踪MSCI中国A股国际最小波动率指数，今年以来表现为-17.46%，明显跑赢多数其他MSCI A股指数。

• 上投摩根港股低波红利A结合红利和低波因子，两者权重大致相当，实现了较佳表现，涨跌幅均优于沪深300及被动指数。

- 其他基金如华泰紫金红利低波、创金合信红利低波、恒生前海港股通高股息低波动等都是红利为主、多因子叠加的结构。

• 多只产品在2017年至2018年初首次发行，因市场波动性较大，基金表现存在一定分化。

- 申报中的新基金较多，表明市场对于低波动Smart Beta的关注正在逐步加深。[page::8,9,10]

---

3. 图表深度解读

图 1 & 图 2：Smart Beta 低波动ETF数量和资金规模（页码2,3）

这两张图表清晰展示了2007年以来低波动ETF的爆发式增长，蓝色柱状反映ETF的数量，橙色/红线反映总资产规模。从2012年开始，数量和资金同比呈加速性上升，到2018年达到顶峰，规模已突破280亿美元。资金的月度增量呈现明显波动，伴随市场环境波动。这说明低波动因子ETF获得了市场广泛认可，吸引了持续资金流入，显示投资者避险需求加强。

---

图 3：USMV价格走势（页码3）

USMV产品价位从2013年接近33美元稳步上涨到2018年50美元以上，整体呈现稳健攀升趋势，短期波动受市场影响明显，但长期稳健，体现了其“低风险+稳定收益”的策略特征。

---

图 4 & 5 & 6：低波动ETF收益率及排名（页码4,5）

蓝色为2017年收益率，红色为2018年至今收益。大部分产品2017年收益率表现不俗，多集中于10%-25%。

2017年产品收益率排名中（图5），XRLV等表现优异，USMV排名中上，资金规模大但未位居首。图6进一步显示USMV、SPLV、XMLV三者近五年总回报曲线稳定上升，表现持久性强。

---

图 7 & 8：红利与低波动因子资金及收益率（页码5,6）

蓝色为红利因子资金，红色为低波因子资金，整体呈协同增长态势。



USMV（低波）、VIG、VYM、DVY（三大红利ETF）五年期收益率曲线走势极为相似，验证了两类因子共同的表现特征。

---

图 9：低波动ETF发行人规模占比（页码6）

图示显示iShares和Investco PowerShare合计占据近90%的市场份额，独占鳌头，体现了发行规模高度集中和市场格局的稳定。

---

图 10：USMV与SMMV三年收益率对比（页码8）

USMV（优化最小方差策略）近三年收益显著高于SMMV（简单低波动率策略），这从侧面验证优化策略的优越性。

---

4. 估值与策略分析

• 本报告主要关注Smart Beta低波动因子的产品发展和策略表现，不涉及具体公司估值模型。

- 低波动策略产品主要分为两类策略：
- 简单低波动率策略：直接筛选历史波动率最低的股票。
- 优化最小方差策略：运用数学优化模型，考虑股票间的协方差矩阵，构建最小组合风险。

• 以USMV为代表的最小方差策略利用优化工具降低组合风险，避免简单策略忽视资产间的相关性，通常带来更优的风险调整收益。

- 国内产品多采用多因子结合策略（红利+低波），以平衡收益与稳健性需求。

---

5. 风险因素评估

• 市场环境变化风险：低波动因子基于历史波动率和风险溢价存在假设，一旦市场剧烈波动或风险溢价结构改变，策略表现可能失效。

- 数据与模型风险：报告中大量数据来源于历史公开市场数据，回测和观察依赖于数据的准确与完整，潜在数据异常可能影响结论。

• 策略同质化风险：市场上显著的资金集中于少数头部产品，策略趋同可能导致风险集中，未来遭遇市场风格切换时，产品整体表现或受波及。

- 国内产品起步风险：国内低波动Smart Beta产品多数成立时间较短，样本不足以全面验证其长期表现，手续费水平及跟踪误差也是考量因素。

• 流动性风险：部分规模较小的低波ETF可能面临流动性不足问题，增加投资者的交易成本和持有风险。

- 报告中特别提醒模型可能因市场环境巨大变化而失效。[page::0,11]

---

6. 审慎视角与细微差别

• 报告主要依赖公开市场数据及历史表现，未来表现存在不确定性，尤其是在市场结构或经济环境发生变化时，低波动因子的超额收益可能难以持续。

- 国内低波动ETF群体相对分散，且多为多因子混合策略，可能掩盖纯低波动策略的真实表现，需谨慎对待其战略稳健性。

• 虽然USMV和SPLV合计超过75%市场占比，但二者策略理念有差异，不能简单视作同质产品。

- 报告中指出红利和低波动ETF相关性极高，但未深入讨论两者是否存在重合成分股，潜在的共性风险需注意。

• 产品费用水平在国内市场存在较大差异，影响净收益，未作深入比较与评估。

- 国内数据反映国内市场波动较大，ETF追踪效果受波动影响明显，未来需要更多长期数据验证。

• 报告保持较为客观，但对低波动因子的长期表现持乐观态度，投资者需结合市场周期调整配置。

---

7. 结论性综合

本报告全面深度剖析了美股市场Smart Beta低波动因子的成长轨迹、策略类型、收益表现与发行机构布局，并将视角延伸到国内对应产品的现状及表现。

• 市场规模与成长：金融危机后低波动ETF数量与资金高速增长，资产规模达到282亿美元，显示市场对风险调整投资的需求持续增强。

- 策略分布与表现：优化最小方差策略（USMV）与简单低波动率策略（SPLV）共占主流，且优化策略的长期表现优于简单策略，体现了风险管理体系的进步。

• 收益特征：2017年低波动ETF获得大多数产品收益率介于10-25%的良好表现，长期五年期收益率也较为稳定，验证低波动因子异象的存在与可持续性。

- 红利因子高度相关：红利与低波动ETF资金与收益走势高度吻合，体现两因子在资产配置中相辅相成的防御性特征，有利于分散风险及稳定回报。

• 发行格局明显集中：iShares及InvestcoPowerShare两大巨头控制近90%市场份额，印证“强者恒强”的特点。

- 国内市场现状：虽低波动Smart Beta产品起步较晚，且多为红利主导多因子结构，平安大华MSCI中国A股低波动ETF为唯一纯低波因子产品，产品多元且发展潜力大。

• 风险提示：市场波动、策略执行、数据局限性及流动性等因素构成风险，需密切关注政策与环境变化。

综上所述，低波动因子作为Smart Beta重要分支，凭借领先的资金规模、领先的策略表现和清晰的经济背景，在全球资产配置领域具备不可忽视的价值。国内市场正积极跟进，未来随着产品持续优化与市场接受度提升，低波动因子策略有望成为稳健投资的重要组成部分。

---

重要图表溯源链接

• 图1:

- 图2:

• 图3:

- 图4:

• 图5: 表格数据见页码4

- 图6:

• 图7:

- 图8:

• 图9:

- 图10:

---

以上分析基于报告内容和数据，涉及的观点均严格依赖报告原文逻辑和数据支撑，力求客观公正、详尽透彻。[page::0,1,2,3,4,5,6,7,8,9,10,11]

报告