指数增强策略的市场表现究竟如何

　　指数增强策略是一种跟踪基准指数并追求超额回报的投资策略，是被动投资+主动管理的完美结合。从实现方式来说，指数增强投资没有统一的模式，但量化投资定量化、系统性、纪律性的特征与之吻合，成为业内广泛采用的主流策略。过去的几年中，量化指数增强策略无论是超额收益还是绝对收益，都相当可观。

　　尽管业绩不俗，但指数增强产品真正兴起也就是这几年的事情，尤其集中在近2-3年，缘由有二：其一是2014-2015年的A股牛市，催生出大量产品发行的需求；其二，得益于量化投资的迅猛成长，指数增强产品的队伍也就随之壮大。

　　关注该策略的基民发问，去年指数增强基金业绩普遍不好，是不是策略不稳定？今天我们就来复盘过去这五年市场特征的变化，观察该策略的表现，最后扒一扒如何挑选好的产品。

　　2013-2017年：小市值风格统治 > 一九分化 > 回归均衡

　　2013-2016年，整体市场风格偏向小市值股票，从纯化后的因子收益率曲线可以看到，市值因子的收益率是单调下行的，说明在这4年间，小市值股票相对大市值有持续显著的超额收益。许多量化策略在这几年内硕果累累，很重要的一点原因就是其对小市值风格的暴露。

　　从2016年末段开始，市场出现了明显的风格切换，小市值股票显著跑输大市值的股票，价值蓝筹风格崛起。2017年全年，价值蓝筹风格的纯化因子收益呈现单调上升的走势；大市值+价值风格的极致演绎，表现为市场的“一九分化”，“漂亮50”和“要命3000”的故事上演，终于在2018年1月的19连阳行情中走向了终结。经历了2、3月份的剧烈切换后，市场风格在目前趋向均衡。

数据来源：财通基金，2012年1月1日至2018年6月29日。

　　指数增强策略业绩分化：小市值因子的失效与启示

　　考察市场上成立最早的几款指数增强产品，它们的成立年限多在10年以上，跟踪的指数多为上证50、沪深300、深100这样的蓝筹指数（在当时可能对市场整体的覆盖度和代表性更高）。数据显示，绝大部分产品都实现了中长期的超额收益，平均年化在1.8%-4.1%之间，表明指数增强的策略在A股市场上确实奏效。

数据来源：wind，截至2017年12月31日。

　　在大众普遍认为量化策略遭遇滑铁卢的2017年，这些指数增强产品的表现却没有明显下滑。许多产品仍然实现了正的超额收益，且幅度与前几年没有太大差异。这是因为所谓量化策略的失效很大程度上是小市值因子的失效，而这些产品在跟踪误差约束下大多控制了对市值的暴露敞口，主动风险相对可控，受到的影响较小。

数据来源：wind，2017年1月1日至2017年12月31日。

　　与此同时，市场上其他一些量化策略在2017年就遭遇了不小的困难，这当然也有A股市场本身的原因，因为量化策略往往基于历史的统计规律，所以不可避免的具有某种“历史局限性”。而A股的历史本身不长，市场结构在06年股改前后又有较大的变化，因此小市值因子很容易被当成Alpha因子来使用。因此，在2017年的市场环境下，基准是沪深300指数的产品出现超额收益回撤是必然的结果，由此被放大为对量化指数增强策略甚至是指数增强策略的质疑，其实是以偏概全了。

　　以上列举的指数增强产品在契约中约束了跟踪误差，大多也规定产品投资于基准指数成分股的最低比例。值得一提的是，量化指数增强家族中还有一支特种部队：不限于指数成分股，而是放眼全市场选股。广义上讲，只要运用风险模型预测并控制跟踪误差（一般在8%以内），即满足“指数增强”的实质。由于产品设计上的原因，这类产品对指数成分股的投资比例并没有明确的限制，但本身并没有明显的小市值暴露，能在较好的风控前提下增加获得超额的机会。这类策略在极端的“一九分化”行情下，超额收益也会受到一定的影响，但总体表现依然突出。

　　量化指数增强产品评价指南

　　至于如何衡量指数增强产品（乃至所有主动管理产品）的优劣，财通基金量化投资二部负责人苏俊杰先生介绍了两个维度。最为普遍认知的是超额收益的维度，第二个是相对更为专业的信息比率（即超额收益与跟踪误差的比值）的维度。

　　在一些简化的假设下，超额收益的决定公式：

　　Alpha=Volatility*IC*Score

　　Alpha指超额收益；Volatility指横截面上股票收益率的离散程度；IC指信息系数，表示每次的预测收益与真实收益的相关程度，衡量模型的选股技能；Score指组合的预期收益打分。

　　这个公式告诉我们，超额收益由三方面决定：股票收益离散度、模型预测能力和组合的预期收益打分。股票收益离散度衡量了获取超额收益的机会大小，离散度越小，说明股票之间收益相差不大，可获得的Alpha越小。模型的预测能力，体现了量化团队的工作成果，是可以通过努力去提升的。组合的预期收益打分，相对于比较基准的预期收益打分越高，可获得的Alpha也越大。

　　信息比率不但考虑了超额收益，还考虑了为获得超额收益所承担的风险，它的决定公式：

　　IR=IC*(BR)^0.5

　　IR指信息比率；IC指信息系数，表示每次的预测收益与真实收益的相关程度，衡量模型的选股技能；BR指策略的宽度，表示每年可以进行的对超额收益的独立预测次数。

　　从公式看，信息比率的提高受到模型预测能力和策略宽度两方面的影响，一个投资策略宽度增加50%（预测能力不变时）相当于预测能力提高22%（策略宽度不变时）。对实际操作的启示是，要提高组合的信息比率，一方面要不断优化自身的模型，提升模型的IC；另一方面，尽可能扩大股票的投资域，在更广的范围内选股，或者在保持模型预测能力的情况下，提高调仓频率。

　　综上所述，指数增强效果在不同市场环境中有所分化，Alpha因子的选择及权重设置是关键，也是量化团队的核心实力之一。如何在获取超额收益的同时控制风险，则决定了策略能走多远。

　　风险提示：基金有风险，投资需谨慎。量化投资需关注策略模型失效风险。

2018年8月10日