1、指數(shù)投資：充滿潛力的模式指數(shù)產(chǎn)品近年規(guī)模增長(zhǎng)迅速，2019 年以來國內(nèi)公募指數(shù)產(chǎn)品規(guī)模年均增速達(dá)到 41%，在所有權(quán)益基金中占比維持在 17%的水平，覆蓋品種不斷豐富。從全球視角來看，占比仍有進(jìn)一步提升的空間。圖表 1：國內(nèi)權(quán)益被動(dòng)基金規(guī)模變化圖表 2：全球 ETF 產(chǎn)品規(guī)模占比Wind，ICI，雖然當(dāng)前指數(shù)產(chǎn)品市場(chǎng)持續(xù)豐富，但以公募 FOF 為代表的國內(nèi)機(jī)構(gòu)投資者偏好主動(dòng)產(chǎn)品遠(yuǎn)勝被動(dòng)產(chǎn)品。從投資者比例來看，國內(nèi)指數(shù)產(chǎn)品的持有人大部分為個(gè)人投資者，占比 73%。根據(jù)公募 FOF 產(chǎn)品 2021 的年報(bào)持倉，主動(dòng)股/債基占比 91%，被動(dòng)股/債基占比僅 5%，其中被動(dòng)權(quán)益產(chǎn)品 3%。圖表 3：2

2、021 年年報(bào)公募 FOF 持有基金規(guī)模圖表 4：2021 年年報(bào)公募 FOF 持有基金不同類型比例Wind，Wind，從投顧機(jī)構(gòu)組合來看，同樣更偏好主動(dòng)產(chǎn)品。我們截取了 2022 年 7 月 14 日部分投顧的高風(fēng)險(xiǎn)組合?？梢钥吹匠说谝患彝赓Y投顧組合配置一定比例上偏好被動(dòng)指數(shù)以外，國內(nèi)大部分機(jī)構(gòu)的投顧產(chǎn)品為全主動(dòng)基金配置。圖表 5：部分投顧機(jī)構(gòu) 2022 年 7 月 14 日組合支付寶，指數(shù)產(chǎn)品當(dāng)前在機(jī)構(gòu)投資中的占比相對(duì)其在權(quán)益基金中的占比處于明顯低配水平。對(duì)主動(dòng)產(chǎn)品投資的優(yōu)勢(shì)在于效率分工：將選股、部分的配置工作交給主動(dòng)基金經(jīng)理，更多的從總體配置和 Alpha 評(píng)價(jià)角度進(jìn)行優(yōu)選，專業(yè)的人干

3、專業(yè)的事，實(shí)現(xiàn)了更高效的投資流程。但是我們將在后文展開說明，指數(shù)具有潛在高收益，加大對(duì)指數(shù)產(chǎn)品的投資能從路徑最優(yōu)（效率最優(yōu)）向全局最優(yōu)（收益風(fēng)險(xiǎn)比）更進(jìn)一步。指數(shù)投資 VS 個(gè)股投資大幅降低非系統(tǒng)性風(fēng)險(xiǎn)指數(shù)與個(gè)股最大的區(qū)別在于非系統(tǒng)性風(fēng)險(xiǎn)的分散。我們統(tǒng)計(jì)了個(gè)股和指數(shù)除市場(chǎng)、風(fēng)格、行業(yè)以外特質(zhì)收益的橫截面標(biāo)準(zhǔn)差，可以看到個(gè)股的平均標(biāo)準(zhǔn)差為 11.1%，而指數(shù)的標(biāo)準(zhǔn)差僅為 3.5%，指數(shù)的非系統(tǒng)性風(fēng)險(xiǎn)遠(yuǎn)小于個(gè)股。其中指數(shù)池的選取方面，考慮到盡可能包含 A 股各類 Beta，及更廣泛的測(cè)試指數(shù)特性，我們采用如下指數(shù)池：ETF 跟蹤指數(shù)（除寬基）、中信行業(yè)指數(shù)（一二三級(jí)）、Wind 概念指數(shù)（除不可交

4、易品種），共 1000 多只。圖表 6：個(gè)股月頻特質(zhì)收益分布圖表 7：指數(shù)月頻特質(zhì)收益分布Wind，Wind，僅需少數(shù)股票進(jìn)行組合就可以將特質(zhì)收益波動(dòng)大幅降低，因此即便是成分股較少的指數(shù)一般也不會(huì)有太大特質(zhì)風(fēng)險(xiǎn)。對(duì)于 11%左右波動(dòng)率的股票收益序列，假設(shè)其互不相關(guān)，通過等權(quán)配置我們發(fā)現(xiàn)隨著組合中股票數(shù)增加到 5 只即可將波動(dòng)率下降一半以上，增加到 10 只即可將波動(dòng)率降到 3%-4%水平。而一般的指數(shù)成分股都在 30 只及以上，較為細(xì)分的行業(yè)或者概念指數(shù)成分股一般也在 5 只以上。圖表 8：組合內(nèi)股票數(shù)的增加與波動(dòng)率的下降關(guān)系資料來源：更適合配置型投資者非系統(tǒng)性風(fēng)險(xiǎn)壓縮后的指數(shù)其收益來源將更多

5、的聚焦于各類 Beta。從而我們可以更多的從增長(zhǎng)、通脹、流動(dòng)性等宏觀邏輯和風(fēng)格、行業(yè)、賽道等中觀邏輯進(jìn)行投資。根據(jù)近年實(shí)證資產(chǎn)定價(jià)理論和指數(shù)投資的發(fā)展，包括各類行業(yè)、風(fēng)格、策略 Beta 的收益都可以通過一定的指數(shù)化技術(shù)進(jìn)行相應(yīng)的捕捉。圖表 9：組合收益來源及其指數(shù)化捕捉MSCI，目前所有主流寬基、大部分行業(yè)與風(fēng)格都已有 ETF 產(chǎn)品覆蓋。從配置角度來說工具箱已較為完備，有利于配置型投資者進(jìn)行更為精準(zhǔn)的 Beta 捕捉。當(dāng)然相對(duì)海外市場(chǎng)也還存在繼續(xù)開發(fā)的空間，如：全市場(chǎng)剔除金融、動(dòng)量、動(dòng)態(tài)市值、均線策略等指數(shù)產(chǎn)品。圖表 10：指數(shù)類型及已有ETF 對(duì)應(yīng)情況寬基疊加 - 基本面行業(yè)大類 - 科技

6、：電子跨行業(yè)主題大類 - 科技：計(jì)算機(jī)全市場(chǎng)剔除金融大類 - 科技：通信風(fēng)格市值大類 - 科技：傳媒成長(zhǎng)大類 - 科技：電新價(jià)值大類 - 科技：軍工紅利大類 - 消費(fèi)：食品飲料低波大類 - 消費(fèi)：家電質(zhì)量大類 - 消費(fèi)：醫(yī)藥基本面大類 - 消費(fèi)：農(nóng)林牧漁ESG大類 - 消費(fèi)：社服地區(qū)大類 - 金融：銀行動(dòng)量大類 - 金融：券商保險(xiǎn)動(dòng)態(tài)市值大類 - 金融：地產(chǎn)均線策略大類 - 周期：煤炭概念機(jī)構(gòu)行為大類 - 周期：有色公司行為大類 - 周期：鋼鐵政策主題大類 - 周期：化工事件主題大類 - 周期：石油石化技術(shù)特征大類 - 制造業(yè)績(jī)特征大類 - 公用事業(yè)產(chǎn)業(yè)鏈細(xì)分疊加 - 龍頭券商金股指數(shù)類型細(xì)分

7、類別是否已有ETF指數(shù)類型細(xì)分類別是否已有ETFWind，指數(shù)投資 VS 主動(dòng)投資相似的特質(zhì)風(fēng)險(xiǎn)水平主動(dòng)基金的主動(dòng)管理行為并沒有將非系統(tǒng)性風(fēng)險(xiǎn)顯著降到更低水平。公募主動(dòng)股基同樣也分散了非系統(tǒng)性風(fēng)險(xiǎn)。一般我們認(rèn)為基金經(jīng)理主觀對(duì)風(fēng)險(xiǎn)的把控和防御能夠進(jìn)一步降低風(fēng)險(xiǎn)。但經(jīng)過我們的計(jì)算，主動(dòng)股基的月度特質(zhì)收益平均標(biāo)準(zhǔn)差為 3.4%，與指數(shù)基本一致。因而從股票特質(zhì)風(fēng)險(xiǎn)角度來看，指數(shù)投資和主動(dòng)投資沒有顯著區(qū)別。圖表 11：主動(dòng)股基月頻特質(zhì)收益分布圖表 12：指數(shù)月頻特質(zhì)收益分布Wind，Wind，從 Beta 風(fēng)險(xiǎn)的角度來說，指數(shù)的 Beta 暴露更為明確和穩(wěn)定，而主動(dòng)的 Beta 暴露更為綜合與靈活。在需

8、要高度暴露某一 Beta 的情況下適合選擇指數(shù)投資，而面對(duì)不確定性時(shí)適合選擇主動(dòng)投資。更全面的機(jī)會(huì)集我們計(jì)算了被動(dòng)指數(shù)和主動(dòng)股基的平均 Barra 風(fēng)格暴露時(shí)間序列，其異同在于：圖表 13：被動(dòng)指數(shù)與主動(dòng)股基在Barra 風(fēng)格因子上的平均暴露特征被動(dòng)指數(shù)主動(dòng)股基市值中市值階段性偏離Beta近年較低近年較高動(dòng)量長(zhǎng)期為正不穩(wěn)定成長(zhǎng)負(fù)正波動(dòng)正正流動(dòng)性正正價(jià)值負(fù)負(fù)盈利負(fù)負(fù)杠桿負(fù)負(fù)Wind，主動(dòng)股基由于基金經(jīng)理作為人的趨同效應(yīng)以及相同的激勵(lì)規(guī)則，風(fēng)格具有系統(tǒng)性的偏離。比如在 2014-2017 偏中小市值，2018 年以來偏大市值，在動(dòng)量和成長(zhǎng)上長(zhǎng)期高暴露。而被動(dòng)指數(shù)沒有主觀成分，因而反映的是全市場(chǎng)各細(xì)

9、分板塊的平均水平，其包含的標(biāo)的范圍和風(fēng)格跨度更廣，對(duì)于主動(dòng)股基階段性低配的冷門板塊，指數(shù)可以作為很好的補(bǔ)充。圖表 14：主動(dòng)股基平均風(fēng)格因子暴露圖表 15：指數(shù)平均風(fēng)格因子暴露Wind，Wind，更強(qiáng)的收益延續(xù)性被動(dòng)指數(shù)與主動(dòng)股基都是個(gè)股的動(dòng)態(tài)組合，因而可以采用同一套框架進(jìn)行收益的分解。我們采用報(bào)告基金 ALPHA 進(jìn)化史：公募基金究竟賺的是什么錢？中的收益分解方法對(duì)被動(dòng)指數(shù)和主動(dòng)股基進(jìn)行同樣的分解，即將收益完全分解為：市場(chǎng)、風(fēng)格配置、行業(yè)配置、已知 Alpha、未知Alpha、動(dòng)態(tài)這幾項(xiàng)，其中已知 Alpha 和未知 Alpha 加總即為總體特質(zhì)收益。圖表 16：被動(dòng)指數(shù)與主動(dòng)股基收益完全分

10、解資料來源：其中的區(qū)別在于指數(shù)具有更高頻率的持倉披露，從而分解更為準(zhǔn)確，同時(shí)指數(shù)持倉在披露期基本保持不變，幾乎不會(huì)有基金的動(dòng)態(tài)調(diào)倉帶來的收益項(xiàng)。在此分解下我們測(cè)試了各項(xiàng)收益來源的延續(xù)性。具體的，我們根據(jù)各項(xiàng)收益來源過去 1個(gè)月、12 個(gè)月的收益動(dòng)量預(yù)測(cè)下 1 個(gè)月的收益，計(jì)算截面 IC 均值與 ICIR?？梢缘玫絻蓚€(gè)顯著的結(jié)論：12 個(gè)月動(dòng)量的延續(xù)性高于 1 個(gè)月；指數(shù)各項(xiàng)收益的動(dòng)量延續(xù)性高于基金。圖表 17：被動(dòng)指數(shù)與主動(dòng)股基各項(xiàng)收益延續(xù)性ICIR_風(fēng)格_1m ICIR_風(fēng)格_12m ICIR_行業(yè)_1m ICIR_行業(yè)_12m指數(shù)0.751.410.531.47基金0.601.010.23

11、0.98ICIR_特質(zhì)_1m ICIR_特質(zhì)_12m ICIR_動(dòng)態(tài)_1m ICIR_動(dòng)態(tài)_12m指數(shù)0.151.95-基金-0.701.03-0.060.89Wind，對(duì)于第一個(gè)結(jié)論，最為顯著的是主動(dòng)基金的特質(zhì)收益和動(dòng)態(tài)收益。其 1 個(gè)月收益基本呈現(xiàn)反轉(zhuǎn)特征，而 12 個(gè)月收益的動(dòng)量延續(xù)性大幅提升。對(duì)于第二個(gè)結(jié)論，風(fēng)格收益、行業(yè)收益和特質(zhì)收益都十分顯著。從更直接的角度表述，一般我們認(rèn)為基金的各項(xiàng)收益延續(xù)性是來自能力的延續(xù)性，也就是說基金經(jīng)理因?yàn)榫哂酗L(fēng)格配置能力、行業(yè)配置能力、選股能力、動(dòng)態(tài)交易能力，從而各項(xiàng)收益過去較高的基金未來收益大概率也高。但上述測(cè)試表明，過去較強(qiáng)的指數(shù)風(fēng)格、行業(yè)、選股延

12、續(xù)性都要高于主動(dòng)基金。也就是說，市場(chǎng)中（被動(dòng)指數(shù)池中）動(dòng)量天然就無處不在，而基金經(jīng)理的收益延續(xù)性很大程度上也可能與這種異象有關(guān)。圖表 18：各收益來源 12 個(gè)月動(dòng)量對(duì)未來 1 個(gè)月收益預(yù)測(cè)累計(jì)ICWind，更強(qiáng)的潛在超額收益另一個(gè)例子同樣可以說明指數(shù)具有潛在較強(qiáng) Alpha。我們?cè)?2021 年撰寫了報(bào)告基思廣益：跑贏賽道 ETF 容易嗎？。其中我們通過用主動(dòng)基金凈值與賽道指數(shù)的回歸剝離發(fā)現(xiàn)，主動(dòng)基金 2019 年-2021 年相對(duì)其配置的各個(gè)賽道平均而言具有明顯超額收益。圖表 19：主動(dòng)基金剝離賽道指數(shù)收益后的平均ALPHAWind，但由于主動(dòng)基金配置一般較為均衡，當(dāng)我們想要獲取某個(gè)細(xì)分

13、Beta 收益時(shí)，可能找不到相匹配的主動(dòng)基金。舉例來說，2020 年下半年到 2021 年上半年醫(yī)藥中的細(xì)分賽道：醫(yī)療服務(wù)行業(yè)表現(xiàn)突出。從配置角度來說，如果以主動(dòng)股基產(chǎn)品為標(biāo)的，可以看到很難獲得同樣的彈性。平均規(guī)模大于 5 億的 38 只主動(dòng)醫(yī)藥主題基金區(qū)間收益分布于-1%到 23%之間，平均 11%，遠(yuǎn)小于醫(yī)療服務(wù)指數(shù)的 50%。究其原因在于主動(dòng)股基很難高倉位的重倉單一賽道，一般會(huì)采取均衡配置，從而難以捕捉到某些更為細(xì)化的 Beta 收益。圖表 20：醫(yī)療服務(wù)指數(shù)與醫(yī)藥主題偏股基金（規(guī)模平均 5 億以上）2020 年 8 月-2021 年 7 月表現(xiàn)Wind，因而，當(dāng)我們有明確配置目標(biāo)的時(shí)候

14、，主動(dòng)基金并不一定為最優(yōu)選擇，進(jìn)行指數(shù)投資或?yàn)楦鼉?yōu)選擇，指數(shù)投資具有廣闊空間。然而指數(shù)投資所需的明確配置觀點(diǎn)需要更為堅(jiān)實(shí)的指數(shù)投研框架和更為細(xì)致的指數(shù)評(píng)價(jià)體系。本報(bào)告將嘗試對(duì)其進(jìn)行探索，以獲得指標(biāo)簡(jiǎn)潔、邏輯清晰、效果顯著的一般化指數(shù)投資模式。系統(tǒng)化指數(shù)投資：從完善異象捕捉出發(fā)從個(gè)股異象到指數(shù)異象通過上一節(jié)分析我們發(fā)現(xiàn)，指數(shù)具有較強(qiáng)的截面動(dòng)量效應(yīng)。因此一個(gè)自然而然的問題是：類似動(dòng)量，個(gè)股的各類異象在指數(shù)配置上是否都同樣有效，還是變得無效？個(gè)股異象的研究汗牛充棟，在 Hou, Xue, Zhang 的經(jīng)典論文“Replicating Anomalies”當(dāng)中搜集了 447 個(gè)異象及其代表因子，并進(jìn)

15、行了系統(tǒng)性的測(cè)試。其將各種論文提出的異象主要?jiǎng)澐譃?6 類：Momentum、Value-vs-growth、Investment、Profitability、Intangibles、Trading frictions。個(gè)股異象在指數(shù)上的復(fù)刻可能會(huì)遇到如下問題：1、很多個(gè)股上的異象要進(jìn)行風(fēng)格中性或者行業(yè)中性后才有效，那這樣的異象在指數(shù)上就大概率無效；2、指數(shù)的特質(zhì)收益波動(dòng)被平滑削弱，那么個(gè)股的一些如短期反轉(zhuǎn)異象可能無效，上一節(jié)測(cè)試中也可看到指數(shù) 1 個(gè)月特質(zhì)收益既沒有明顯反轉(zhuǎn)也沒有明顯動(dòng)量效應(yīng)；3、單個(gè)的異象在個(gè)股上就有失效風(fēng)險(xiǎn)，e.g.動(dòng)量崩潰、價(jià)值陷阱等。因此在指數(shù)上應(yīng)用之前，傳統(tǒng)異象的捕

16、捉還需要進(jìn)一步完善。Lucy F. Ackert 和Richard Deaves 所著Behavioral Finance: Psychology, Decision-making, And Markets總結(jié)了完善傳統(tǒng)異象捕捉的一些方法：用交易量完善動(dòng)量投資 “動(dòng)量生命周期”用會(huì)計(jì)指標(biāo)完善價(jià)值投資 “質(zhì)量-價(jià)值”除此之外近 10 年 A 股收益較強(qiáng)的主要異象因子為 SUE、殘差波動(dòng)率、殘差動(dòng)量等，其他的諸多有效因子也原理相近，其異象收益來源大致相同。圖表 21：近 10 年A 股收益較強(qiáng)的主要異象因子Wind，本報(bào)告作為系列開篇，將首先重點(diǎn)關(guān)注三類主要異象：動(dòng)量、價(jià)值、PEAD?；販y(cè)指數(shù)池選

17、取為了擴(kuò)大機(jī)會(huì)集以及考慮到指數(shù)的可交易性，我們選取如下三類指數(shù)：ETF 跟蹤指數(shù)、中信行業(yè)指數(shù)、Wind 概念指數(shù)，剔除不可投資及成分過少的，剩余共 1142 個(gè)。圖表 22：回測(cè)指數(shù)池Wind，指數(shù)的基日和成分?jǐn)?shù)據(jù)起始日各有不同，有些指數(shù)雖然量?jī)r(jià)數(shù)據(jù)較全，但成分股數(shù)據(jù)早年會(huì)有所缺失，因而量?jī)r(jià)信息（自基日起）和持倉信息（自成分股起始日起）的樣本長(zhǎng)度有一定區(qū)別。所有的指數(shù)我們都按照其數(shù)據(jù)（量?jī)r(jià)/持倉）可得時(shí)間開始加入指數(shù)池。其中中信行業(yè)指數(shù)的基日和成分?jǐn)?shù)據(jù)起始日期基本都在 2004 年，因此在我們后文進(jìn)行回測(cè)采用的 2010 年-2022 年區(qū)間，指數(shù)池總能將全 A 進(jìn)行覆蓋。只是隨著時(shí)間推移，

18、會(huì)有更多的細(xì)分指數(shù)和另類維度指數(shù)加入到指數(shù)池中。圖表 23：指數(shù)池基日分布圖表 24：指數(shù)池成分?jǐn)?shù)據(jù)起始日期分布Wind，Wind，指數(shù)投資模式一：動(dòng)量生命周期在解釋“動(dòng)量生命周期”假說之前，我們首先回顧行業(yè)動(dòng)量的概念。Moskowitz & Grinblatt在 1998 年的“Do Industries Explain Momentum？”一文中發(fā)現(xiàn)個(gè)股動(dòng)量策略在控制了行業(yè)動(dòng)量后收益銳減，而行業(yè)動(dòng)量在控制了市值、BP、個(gè)股動(dòng)量等因素下依然具有顯著的超額收益。個(gè)股動(dòng)量大多來源于行業(yè)動(dòng)量。圖表 25：個(gè)股動(dòng)量收益分解Moskowitz & Grinblatt(1998)，MSCI 同樣統(tǒng)計(jì)過行

19、業(yè)動(dòng)量因子在不同地區(qū)市場(chǎng)中的收益表現(xiàn)，都為長(zhǎng)期顯著。特別是2020 年的2 月-4 月，表現(xiàn)突出。新一代中國市場(chǎng) Barra 模型中同樣添加了行業(yè)動(dòng)量因子。圖表 26：行業(yè)動(dòng)量因子在各地區(qū)市場(chǎng)中的表現(xiàn)MSCI，可見行業(yè)/板塊動(dòng)量可能是比較容易捕獲的指數(shù)收益之一。接下來我們解釋“動(dòng)量生命周期”假說。Lee & Swaminathan 在 1998 年的“Price Momentum and Trading Volume”一文中對(duì)行為金融學(xué)中的“動(dòng)量生命周期(Momentum Life Circle)”假說進(jìn)行了實(shí)證，發(fā)現(xiàn)股票的動(dòng)量異象受到成交量的影響。早期狀態(tài)“低成交-高動(dòng)量”相比晚期狀態(tài)“高成

20、交-低動(dòng)量”具有顯著的超額收益。圖表 27：動(dòng)量生命周期假說圖表 28：動(dòng)量生命周期選股回測(cè)效果（早期相對(duì)晚期收益顯著） Lee & Swaminathan(1998)，Lee & Swaminathan(1998)，F(xiàn)rank Weikai Li & K.C. John Wei 在 2016 年的“Momentum Life Cycle around the World and Beyond”一文中對(duì) 21 個(gè)發(fā)達(dá)國家/地區(qū)和 15 個(gè)發(fā)展中國家/地區(qū)進(jìn)行了測(cè)試，包括采用美國市場(chǎng) ETF，模型在絕大多數(shù)市場(chǎng)中都具有有效性。全球綜合來看，1988-2013平均月度超額收益（早期-晚期股票組合）

21、0.91%，顯著性 t 值達(dá)到 3.79。圖表 29：1988-2013 動(dòng)量生命周期全球綜合表現(xiàn)（月頻調(diào)倉，國家間采用市值加權(quán)）Frank Weikai Li & K.C. John Wei(2016)，我們?cè)谒兄笖?shù)剔除 ETF 寬基指數(shù)中進(jìn)行“動(dòng)量生命周期”的回測(cè)。指標(biāo)使用 12 個(gè)月動(dòng)量和 1 個(gè)月?lián)Q手對(duì)所有指數(shù)進(jìn)行月度分組，并統(tǒng)計(jì)不同分組下 2011.01-2022.05 的年化收益率。從結(jié)果來看，指數(shù)未來的收益率與當(dāng)下動(dòng)量排名、換手排名都有著明顯的單調(diào)關(guān)系。低成交-高動(dòng)量組合未來都具有最高的年化收益，高成交-低動(dòng)量組合未來都具有較差的年化收益。動(dòng)量生命周期在 A 股指數(shù)上同樣有效，

22、且最優(yōu)區(qū)間相對(duì)其他區(qū)間超額顯著。圖表 30：不同動(dòng)量生命周期指數(shù)近 10 年年化收益率Wind，以上回測(cè)結(jié)果采用的是對(duì)動(dòng)量和換手率同時(shí)分組取交集的方式構(gòu)建。對(duì)雙變量分組可以有三類方式，各有優(yōu)劣：先后分組：比如先選取動(dòng)量最高組，再選取其中的換手最低組，好處是總能取到標(biāo)的，但局部換手最低組未必為全局換手最低組，若因子收益線性程度不高，會(huì)降低效果；同時(shí)分組：比如同時(shí)采用動(dòng)量和換手對(duì)樣本分三類，取高動(dòng)量和低換手的交集，好處是要求較為嚴(yán)格，可能的問題是沒有標(biāo)的滿足要求；雙重排序：采用兩個(gè)指標(biāo)分別排序再將排序等權(quán)加總再排序，可綜合考慮兩個(gè)變量，問題是除了最優(yōu)組和最劣組，中間的無法區(qū)分。圖表 31：雙變量分

23、組方式資料來源：對(duì)于“動(dòng)量生命周期”來說，同時(shí)分組和雙重排序效果相似，但最優(yōu)組的表現(xiàn)特征并不完全相同，具有一定的互補(bǔ)作用。圖表 32：同時(shí)分組下“動(dòng)量生命周期”策略最優(yōu)組最劣組表現(xiàn)圖表 33：雙重排序下“動(dòng)量生命周期”策略最優(yōu)組最劣組表現(xiàn)Wind，Wind，最終我們可選擇兩種分組方式的并集作為“動(dòng)量生命周期”下的最優(yōu)組合。-年化收益率：22.3%-年化換手率：648.1%-相對(duì) Wind 全 A 指數(shù)信息比率：1.03圖表 34：“動(dòng)量生命周期”最優(yōu)組合表現(xiàn)Wind，從分年表現(xiàn)上來看，“動(dòng)量生命周期”最優(yōu)組合年勝率 73%，相對(duì) Wind 全 A 回撤最大的年份為2014 年，回撤-10.5%

24、，相對(duì)Wind 全A超額最高的年份為2020 年，超額50.0%，相對(duì) Wind 全 A 的年勝率也在 73%。圖表 35：“動(dòng)量生命周期”最優(yōu)組合分年表現(xiàn)Wind，指數(shù)投資模式二：質(zhì)量 - 價(jià)值第二類投資模式我們重點(diǎn)關(guān)注價(jià)值異象。價(jià)值因子通常按照估值指標(biāo)高低選股，無論對(duì)于 A 股還是美股長(zhǎng)期來說便宜的股票確實(shí)比貴的股票預(yù)期收益高，但便宜只是價(jià)值的必要條件而非充分條件。便宜的股票有可能本來就不值錢，也即所謂的“價(jià)值陷阱”。Piotroski 在 2000 年的論文“Value Investing: The Use of Historical Financial Statement Inform

25、ation to Separate Winners from Losers”提出了 Fscore 來改進(jìn)價(jià)值因子選股的效果。在美股市場(chǎng) 1976 年到 1996 年的測(cè)試集中，F(xiàn)score 能夠?qū)Ω連P 的股票組合有年化 7.5%的增強(qiáng)，而 Fscore 多空組合年化收益甚至達(dá)到 23%，證明了健壯的財(cái)務(wù)報(bào)表能夠?qū)r(jià)值因子投資有所增益。圖表 36：Fscore 由三維度九個(gè)指標(biāo)構(gòu)成因子投資：方法與實(shí)踐，F(xiàn)score 由盈利能力、償債能力、運(yùn)營效率三大維度的九個(gè)指標(biāo)構(gòu)成。每個(gè)指標(biāo)都從財(cái)務(wù)質(zhì)量角度給公司打分 0 或 1，最終 Fscore 將在 0-9 的區(qū)間取值。圖表 37：A 股 Fscore

26、 截面分布（0 分包括數(shù)據(jù)缺失股票，圖表中未展示）Wind，指數(shù)的 Fscore 通過個(gè)股的 Fscore 根據(jù)其在指數(shù)當(dāng)中的權(quán)重進(jìn)行加權(quán)，最終的分布主要在 2-7 分間，集中分布于 4-5 分。指數(shù) Fscore 與個(gè)股 Fscore 的區(qū)別在于指數(shù) Fscore 分布更為連續(xù)，區(qū)分度相比離散的分?jǐn)?shù)更高。圖表 38：指數(shù) Fscore 分布Wind，我們首先按照 Fscore 對(duì)指數(shù)進(jìn)行單獨(dú)分組。從分三組的情況下來看，確實(shí) Fscore 越高指數(shù)表現(xiàn)越好，但是隨著分組的變多可以發(fā)現(xiàn) Fscore 分組并非完全線性，而是有明顯的非線性特征。采用 Fscore 進(jìn)行股票的分組存在同樣的現(xiàn)象。因而

27、 Fscore 對(duì)指數(shù)進(jìn)行質(zhì)量維度的分組只能做到“模糊的正確”，僅分 3 組即可。圖表 39：指數(shù) Fscore 單維度分組策略結(jié)果Wind，價(jià)值的刻畫角度，我們分別采用 PB、PB-ROE、PE-g 三個(gè)價(jià)值類因子對(duì) Fscore 三分組進(jìn)行再分類。回測(cè) 2010.01-2022.05 的策略年化收益率，可以得到如下結(jié)論：PB 分組：高估值-高 Fscore 表現(xiàn)最好，而低估值-高 Fscore 表現(xiàn)一般，這與“質(zhì)量 價(jià)值”邏輯相悖。其主要原因?yàn)?A 股近年價(jià)值因子失效，與低 PB 策略本就表現(xiàn)較弱有關(guān)，再怎么強(qiáng)調(diào)質(zhì)量因素也無效果。因而 PB 不適宜作為指數(shù)價(jià)值投資的代表指標(biāo)。圖表 40：P

28、B x Fscore 雙分組策略近 10 年年化收益率Wind，PB-ROE 分組：PB-ROE 對(duì) Fscore 并無進(jìn)一步區(qū)分作用，因而不適合作為指數(shù)價(jià)值投資模式的代理變量。圖表 41：PBROE x Fscore 雙分組策略近 10 年年化收益率Wind，PE-g 分組：PE-g 對(duì) Fscore 有進(jìn)一步區(qū)分作用，且低估值-高 Fscore 組最優(yōu)，高估值-低 Fscore 組最劣，與“質(zhì)量 價(jià)值”的邏輯一致。PE-g 適宜作為指數(shù)價(jià)值投資的代理指標(biāo)。圖表 42：PE-g x Fscore 雙分組策略近 10 年年化收益率Wind，我們選擇 PE-g x Fscore 的低估值高質(zhì)量組

29、作為“質(zhì)量 價(jià)值”最優(yōu)組合。-年化收益率：13.3%-年化換手率：362.1%相對(duì)PE-g x Fscore 中最劣組的信息比率：0.80相對(duì) Wind 全 A 指數(shù)信息比率：0.82。圖表 43：先后分組下“質(zhì)量 價(jià)值”策略最優(yōu)組最劣組表現(xiàn)圖表 44：先后分組下“質(zhì)量 價(jià)值”策略最優(yōu)組與Wind 全A 表現(xiàn)Wind，Wind，從分年度表現(xiàn)來看，“質(zhì)量 價(jià)值”最優(yōu)組合相對(duì)最劣組合年勝率為 91%，相對(duì) Wind全 A 年勝率為 73%。組合相對(duì) Wind 全 A 最大回撤年份為 2011 年，回撤-2.70%，相對(duì) Wind 全 A 超額最高年份為 2010 年，超額 38.86%。其強(qiáng)弱年份

30、與“動(dòng)量生命周期”策略相關(guān)性較低，回撤也相對(duì)小得多，具有一定的互補(bǔ)作用。圖表 45：“質(zhì)量 價(jià)值”最優(yōu)組合分年表現(xiàn)Wind，指數(shù)投資模式三：超預(yù)期盈余關(guān)于盈余慣性（PEAD，Post-earnings-announcement-drift）最早由 Ball & Brown（1968）提出。Rendleman, Jones & Latane 在 1982 年的論文“Empirical anomalies based on unexpected earnings and the importance of risk adjustments”中構(gòu)造并實(shí)證了 SUE 因子的效果，也即未預(yù)期盈利因子。其

31、中()由時(shí)間序列回歸得到。其測(cè)試了 1972-1980年 1000 家公司的數(shù)據(jù)得到了連續(xù)的漂移趨勢(shì)，也就是說上市公司業(yè)績(jī)超預(yù)期信息在財(cái)報(bào)公布后股票仍有持續(xù)超額收益，是對(duì)有效市場(chǎng)假說的重要挑戰(zhàn)。 = ()圖表 46：盈余公告漂移現(xiàn)象Rendleman, Jones & Latane(1982)，PEAD 自從提出以來，被學(xué)界和市場(chǎng)廣泛討論，提升收益捕獲的方式主要有：對(duì) SUE的改進(jìn)，包括采用財(cái)務(wù)信息預(yù)測(cè)、采用時(shí)間序列信息預(yù)測(cè)、采用分析師數(shù)據(jù)修正、采用 Earning Calls 信息修正、采用快報(bào)預(yù)告等信息修正，從市場(chǎng)反應(yīng)反推超預(yù)期屬性，包括事件前后異常收益率 EAR、財(cái)報(bào)公布后市場(chǎng)跳空 JU

32、MP。由于指數(shù)池涵蓋范圍較廣，包括了冷門和熱門板塊，分析師數(shù)據(jù)覆蓋不全，因而我們首先從最基礎(chǔ)的 SUE 因子（以過去八個(gè)季度平均盈利為預(yù)測(cè)）出發(fā)進(jìn)行指數(shù)策略的回測(cè)。指數(shù)的 SUE 因子由個(gè)股按照權(quán)重加權(quán)得到。圖表 47：指數(shù) SUE 單維度分組策略結(jié)果Wind，從 SUE 單分組結(jié)果來看，SUE 對(duì)指數(shù)具有穩(wěn)定的線性區(qū)分度。且所分組數(shù)越多，高 SUE組的年化收益率越高，三分組下高 SUE 組的年化收益率僅為 11.5%，十分組下可達(dá)到 13.1%。由于基礎(chǔ) SUE 采用過去八個(gè)季度平均盈利為預(yù)測(cè)，反映的并非實(shí)際市場(chǎng)的未預(yù)期盈利，因而我們可以通過疊加JUMP 的方式進(jìn)一步驗(yàn)證財(cái)報(bào)數(shù)據(jù)的超預(yù)期性。

33、JUMP 因子為財(cái)報(bào)公布后第二天的股票開盤跳空幅度，帶有 JUMP 的高 SUE 股票超預(yù)期性更甚。我們對(duì) SUE和JUMP 采用先后分組的方式，測(cè)算 2010.01-2022.05 的策略年化收益率結(jié)果如下。JUMP確實(shí)進(jìn)一步增強(qiáng)了策略收益，相比純高 SUE 組 13.1%的年化收益率增強(qiáng)到了 19.1%。圖表 48：SUE x JUMP 雙分組策略近 10 年年化收益率Wind，更近一步的，如果我們采用雙重排序的方式構(gòu)建 SUE x JUMP 綜合打分最高的組合，策略收益有進(jìn)一步的提高，年化收益可以達(dá)到28.7%，且其相對(duì)高SUE 組的增強(qiáng)更為穩(wěn)定。原因在于 SUE 和 JUMP 是以兩個(gè)

34、截然不同的角度刻畫未預(yù)期盈余，一個(gè)是單季度 EPS 相對(duì)歷史水平，一個(gè)是以市場(chǎng)反應(yīng)維度刻畫，各抓住了部分超預(yù)期標(biāo)的，如果以先 SUE 再 JUMP 來分，那么會(huì)錯(cuò)失 SUE 不那么高但 JUMP 很高的標(biāo)的，而以雙重排序這樣等權(quán)的方式結(jié)合，將抓住更多有效標(biāo)的。圖表 49：先后分組下“SUE x JUMP”策略最優(yōu)組表現(xiàn)圖表 50：雙重排序下“SUE x JUMP”策略最優(yōu)組表現(xiàn)Wind，Wind，除了 JUMP 以外，另一個(gè)因子同樣對(duì)于 SUE 有進(jìn)一步的增強(qiáng)，就是現(xiàn)金總資產(chǎn)比率。現(xiàn)金占比越高的公司總體抗風(fēng)險(xiǎn)能力更強(qiáng)，對(duì)于景氣波動(dòng)的抵御能力更強(qiáng)，即便未來景氣回落其也有更多的籌碼去平滑利潤?，F(xiàn)金

35、總資產(chǎn)比率 =現(xiàn)金總資產(chǎn)圖表 51：SUE x 現(xiàn)金總資產(chǎn)比率雙分組策略近 10 年年化收益率Wind，由于是 SUE x JUMP 策略效果已經(jīng)比較極致，再疊加現(xiàn)金總資產(chǎn)比率的指數(shù)策略效果難以進(jìn)一步的提升，因而我們?nèi)圆捎?SUE x JUMP 作為“超預(yù)期盈余”的最優(yōu)組合。-年化收益率：28.70%-年化換手率：524.1%-相對(duì) Wind 全 A 的信息比率：1.42。圖表 52：“超預(yù)期盈利”最優(yōu)組合表現(xiàn)Wind，從分年度表現(xiàn)來看，“超預(yù)期盈余”最優(yōu)組合相對(duì) Wind 全 A 年勝率為 100%。組合相對(duì) Wind 全 A 最弱年份為 2012 年，超額 0.38%，相對(duì) Wind 全

36、A 超額最高年份為 2015年，超額 139.26%。近三年收益都在 50%左右。圖表 53：“超預(yù)期盈余”最優(yōu)組合分年表現(xiàn)Wind，不同指數(shù)池效果以上所有指數(shù)投資策略的回測(cè)都在所有可投資指數(shù)剔除寬基（下文簡(jiǎn)稱廣義指數(shù)池）后 進(jìn)行，然而這樣雖然最大限度的拓寬了可選范圍，但是首先策略選到的指數(shù)可能具有高 度的重疊性；其次在實(shí)操中可能沒有相應(yīng)的基金標(biāo)的而只能采用一籃子股票購買的方式，具有一定的不便性。因而我們?cè)诒竟?jié)就指數(shù)池的選取進(jìn)行一定的討論，主要兩類：廣度重疊度平衡性：僅采用中信三級(jí)行業(yè)指數(shù)實(shí)操便捷性：僅采用 ETF 指數(shù)（包括寬基）從廣義指數(shù)池最新的三期測(cè)算的持倉來看，單期持倉指數(shù)之間確實(shí)存在

37、一定的重疊度，且大部分都為 Wind 概念指數(shù)，難以以基金的方式進(jìn)行投資操作。圖表 54：三類指數(shù)投資策略最新三期持倉持倉期“動(dòng)量生命周期”“質(zhì)量 - 價(jià)值”“超預(yù)期盈余”2022.3IGBT指數(shù) 太赫茲指數(shù)水電指數(shù)超級(jí)電容指數(shù)氟化工(中信)純堿指數(shù)細(xì)分化工國企一帶一路航運(yùn)(中信)鋰電電解液指數(shù)顯示面板指數(shù)乳制品(中信)石油開采(中信) 鐵礦石(中信)石油石化(中信)氟化工指數(shù) 石油開采(中信) PTA指數(shù)中國建材集團(tuán)指數(shù)石化產(chǎn)業(yè)有機(jī)硅指數(shù)甲醇指數(shù)鈦白粉指數(shù)石化指數(shù)聚氨酯(中信)農(nóng)用化工(中信)化學(xué)纖維指數(shù)工業(yè)金屬指數(shù)草甘膦指數(shù)預(yù)增指數(shù)半導(dǎo)體封測(cè)指數(shù)地?zé)崮苤笖?shù) 氫氟酸指數(shù)航運(yùn)港口(中信)股權(quán)激

38、勵(lì)指數(shù)500成長(zhǎng)估值化學(xué)原料指數(shù)磷化工指數(shù)煉油(中信)國證有色水產(chǎn)養(yǎng)殖(中信)鋰電正極指數(shù)酒店及餐飲(中信)酒店(中信)草甘膦指數(shù)2022.4IGBT指數(shù) 太赫茲指數(shù)半導(dǎo)體設(shè)備指數(shù)石油開采(中信) CS稀金屬煤炭開采指數(shù)煤炭化工(中信)石油開采(中信) 鋰電電解液指數(shù)稀土指數(shù)新能源汽車氟化工(中信)乳制品(中信)工業(yè)金屬指數(shù)陸股通月買入前二十指數(shù)鋰礦指數(shù)動(dòng)物保健指數(shù)鋰電池鈦白粉指數(shù)有機(jī)硅指數(shù)鹽湖提鋰指數(shù)乘用車(中信)其他石化(中信)石油石化(中信)地?zé)崮苤笖?shù)乘用車(中信)新能源車PTA指數(shù)新能電池氫氟酸指數(shù)CS新能車草甘膦指數(shù)民爆用品(中信)焦炭(中信)化學(xué)纖維指數(shù)氟化工指數(shù)動(dòng)物疫苗及獸藥(中

39、信) 預(yù)增指數(shù)寧德時(shí)代產(chǎn)業(yè)鏈指數(shù)水產(chǎn)養(yǎng)殖(中信) 兵器兵裝(中信)兵器兵裝(中信)漁業(yè)(中信)金屬非金屬新材料指數(shù)2022.5IGBT指數(shù) 水電(中信)太赫茲指數(shù)大央企重組指數(shù)水電指數(shù)頁巖氣指數(shù) 長(zhǎng)江存儲(chǔ)指數(shù)鋰礦指數(shù)鋁(中信)氟化工指數(shù)鋁空氣電池指數(shù)鋰電電解液指數(shù)酒店及餐飲(中信)稀土產(chǎn)業(yè)有色金屬酒店(中信)鈷礦指數(shù)中證新能煉焦煤(中信)CS稀金屬超硬材料指數(shù)新能源細(xì)分有色草甘膦指數(shù)寧德時(shí)代產(chǎn)業(yè)鏈指數(shù)稀土指數(shù)中證有色手機(jī)電池指數(shù)鋰電池汽車銷售及服務(wù)(中信) 國證有色白酒指數(shù)白酒汽車銷售及服務(wù)(中信) 體外診斷氫氟酸指數(shù)農(nóng)藥(中信)無線充電指數(shù)新能源稀有金屬指數(shù)工業(yè)金屬指數(shù)鹽湖提鋰指數(shù)服裝家紡指

40、數(shù)鋰礦指數(shù)兵器兵裝(中信)黃金(中信)兵器兵裝(中信)貴金屬(中信)Wind，接下來我們首先采用中信三級(jí)行業(yè)指數(shù)池進(jìn)行回測(cè)，指數(shù)池共包含指數(shù) 86 個(gè)?！皠?dòng)量生命周期”回測(cè)：中信三級(jí)行業(yè)指數(shù)池在策略下，同時(shí)分組年化收益率達(dá)到 28.6%，效果好于廣義指數(shù)池。由于同時(shí)分組下，在沒有符合條件指數(shù)時(shí)策略保持空倉，因而會(huì) 有零收益月。而雙重排序年化收益率為 17.7%，策略效果略弱于廣義指數(shù)池，但在 2022年表現(xiàn)較強(qiáng)，截至 5 月實(shí)現(xiàn)了 2.86%的正向收益。圖表 55：“動(dòng)量生命周期”策略（同時(shí)分組）在中信三級(jí)行業(yè)指數(shù)池的表現(xiàn)Wind，圖表 56：“動(dòng)量生命周期”策略（雙重排序）在中信三級(jí)行業(yè)指數(shù)

41、池的表現(xiàn)Wind，“質(zhì)量 - 價(jià)值”回測(cè)：先后分組年化收益率達(dá)到 12.0%，效果略弱于廣義指數(shù)池，但相差不大。圖表 57：“質(zhì)量 價(jià)值”策略（雙重排序）在中信三級(jí)行業(yè)指數(shù)池的表現(xiàn)Wind，“超預(yù)期盈余”回測(cè)：先后分組年化收益率達(dá)到 20.2%，效果弱于廣義指數(shù)池，且超額收益穩(wěn)定性有所下降。圖表 58：“超預(yù)期盈余”策略（雙重排序）在中信三級(jí)行業(yè)指數(shù)池的表現(xiàn)Wind，總結(jié)來說，采用中信三級(jí)行業(yè)指數(shù)，“動(dòng)量生命周期”策略效果大幅提升，可見減少總樣本數(shù)，在沒有機(jī)會(huì)的時(shí)候不“硬性”配置是更好的選擇。其他兩類模式表現(xiàn)都有一定的折扣，特別是“超預(yù)期盈余”。原因可能在于指數(shù)編制沒有覆蓋到特定細(xì)分賽道或者交

42、叉賽道。從上一節(jié)的分析可看出“超預(yù)期盈余”策略的收益非常集中于最優(yōu)組，如果沒有找到刻畫超預(yù)期程度最高賽道的指數(shù)，收益就會(huì)受到影響。我們?cè)俨捎?ETF 跟蹤指數(shù)池進(jìn)行回測(cè)，指數(shù)池共包含指數(shù) 247 個(gè)。從分組收益來看，每類策略線性區(qū)分度都下降了，最優(yōu)組最劣組不再呈“對(duì)角”特征?？赡艿脑蛟谟冢?ETF 所跟蹤指數(shù)總體對(duì)市場(chǎng)的覆蓋仍不足，且對(duì)于熱門板塊的重復(fù)覆蓋較多；ETF 底層數(shù)據(jù)并非從所跟蹤指數(shù)基日開始，而是以接近 ETF 發(fā)行期開始，因而指數(shù)真正進(jìn)入候選池時(shí)點(diǎn)與 ETF 發(fā)行期相關(guān)性很高，如若 ETF 在板塊最熱階段發(fā)行，會(huì)明顯影響策略收益。三類投資模式在純 ETF 上的應(yīng)用還需更精細(xì)化的處

43、理。圖表 59：三類指數(shù)投資模式在ETF 跟蹤指數(shù)池上的策略年化收益表現(xiàn)Wind，模式融合與應(yīng)用三種模式收益來源于不同異象，相互結(jié)合能夠?qū)_波動(dòng)平滑收益。從模式融合的方法上來看，策略加權(quán)（按比例分配策略資金）、綜合打分（單策略使用雙重排序后再綜合排序）相對(duì)合理，而共同交集的方式相對(duì)較難實(shí)現(xiàn)。原因在于“動(dòng)量生命周期”、“質(zhì)量 價(jià)值”、“超預(yù)期盈余”三者分別偏向于右側(cè)冷門、左側(cè)冷門、熱門，交集天然較少?？梢钥吹较啾葐我徊呗?，復(fù)合策略各年的超額收益更加穩(wěn)定，策略的年度勝率有所提高。年最大回撤明顯下降，策略之間進(jìn)行了有效的對(duì)沖。圖表 60：三類指數(shù)投資模式等權(quán)配比后各年相對(duì) Wind 全A 超額收益“

44、動(dòng)量生命周期” “質(zhì)量 - 價(jià)值”“超預(yù)期盈余”+201120122013201420152016201720182019202020212022.0532.3-2.723.914.828.110.617.8-6.42.80.4-1.8-3.01.6-1.114.13.621.08.917.612.312.9-10.5-2.417.1-6.43.37.41.427.435.2139.331.383.3 87.267.3-2.36.810.82.24.28.85.142.81.418.122.130.59.720.826.4-2.15.912.216.21.910.14.311.915.38.1

45、9.813.610.550.0-2.124.923.937.411.424.324.419.540.121.932.329.828.0-2.28.51.73.2-0.25.12.7Wind，我們以“動(dòng)量生命周期”+“超預(yù)期盈余”的等權(quán)配比組合與綜合打分組合為例，2013年以來（考慮雙邊 0.3%費(fèi)用）：-年化收益率：29.66%、31.86%相對(duì) Wind 全 A 信息比率：1.40、1.36相對(duì) Wind 全 A 年勝率：90%、90%圖表 61：“動(dòng)量生命周期”+“超預(yù)期盈余”等權(quán)配比組合表現(xiàn)圖表 62：“動(dòng)量生命周期”+“超預(yù)期盈余”綜合打分組合表現(xiàn)Wind，Wind，系統(tǒng)化指數(shù)投資思考

46、本報(bào)告以指標(biāo)簡(jiǎn)潔、邏輯清晰、效果顯著為目標(biāo)，探索了一般化的指數(shù)投資模式。綜合來看以“動(dòng)量生命周期”、“質(zhì)量 價(jià)值”、“超預(yù)期盈余”為代表的基礎(chǔ)策略即可有效捕捉存在于各類指數(shù)間的動(dòng)量、價(jià)值、PEAD 收益。圖表 63：指數(shù)一般化投資模式總結(jié)Wind，二維指數(shù)投資模式的可溯源性為主觀與量化結(jié)合提供了更多可能。不同于多因子策略，本報(bào)告所構(gòu)建指數(shù)投資模式全部采用二維分組方式，組合中每個(gè)指數(shù)都可以反推出清晰的選擇邏輯，可作為主觀指數(shù)投資的 Checkbox。在主觀邏輯看好的情況下，作為對(duì)買點(diǎn)的檢驗(yàn)清單：是否在左側(cè)？是否被低估？是否超預(yù)期？圖表 64：2022 年 4 月底各行業(yè)指數(shù)所屬模式分位Wind，三類指數(shù)投資模式突破約束獲取了 Beta 異象。個(gè)股異象的獲取存在各種風(fēng)險(xiǎn)因素的考量，因而需要加入不同約束（風(fēng)格行業(yè)中性、跟蹤誤差控制）以提純暴露并規(guī)避不可控風(fēng)險(xiǎn)，但這樣的做法同時(shí)縮減了收益空間。本文論證了三類異象