《万家沪深300指数增强投资价值分析》由会员分享，可在线阅读，更多相关《万家沪深300指数增强投资价值分析（31页珍藏版）》请在金锄头文库上搜索。
1、目录.当下沪深300的配貉机会51.1. A股观察：战略看多，左侧布局5海外增量资金：偏好大盘蓝筹71.2. 沪深300指数：价值洼地 8.基本信息与投资理念91.3. 基本信息9投资目标与投资范围91.4. 投资策略9.产品业绩分析121.5. 绩效表现：连年位居头部12Brinson 归因： 选股超额显著 131.6. BARRA归因：个股精选突出 14指数内、外选股收益比照 151.7. 增强收益与各指数表现的相关性16.产品持仓分析171.8. 市值分布：超配小市值 17板块分布：超配金融、消费 171.9. 行业分布：近期超配非银、商贸、农牧等 18持仓集中度：近期下降、相对同类略高
2、211.10. 换手率：位于同类中上游23规模及投资者结构分析231.11. 基金重仓股分析24.基金管理人介绍271.12. 基金经理介绍27基金经理比拟优势271.13. 基金公司介绍29.风险提不29盈利质量、成长、市场情绪、分析师预测、技术面、大数据分析等多维度积累了数 百个Alpha因子，涵盖各类公开信息，以求在各种类型市场下都能利用有效因子； 同时在因子择时方面，万家量化团队利用线性与非线性方法对市场进行跟踪分析， 对当前与未来一段时间预期更有效的因子赋予更大权重，以追求更适应市场的阿尔 法收益。图8：万家量化团队因子来源数据来源：万家基金，整理图9：万家量化团队因子择时模型除了积
3、累有效因子库与因子择时经验，在基金经理乔亮先生的投资思路中，出色的 Alpha （选股）模型也应当围绕挑选正确的因子、赋予因子合理的权重两方面，具备 有别于一般产品的三个特征：动态算法、自主优化、自适应性。具体来说，基于大 数据运算挖掘有效因子、动态匹配最优因子权重的动态因子与权重，应替代传统凭 借基金经理的经验偏好确定因子、设定固定不变的因子权重；自动判别无效数据、 不断修正优化因子组合以提高胜率，应取代传统精细程度低、无法自动识别、处理 无效数据的模型；最后通过洞察市场状态、主动适应不同市场风格来改变小盘配络 过多权重、无法适应风格切换等困境。除了积累有效因子库与因子择时经验，在基金经理乔
4、亮先生的投资思路中，出色的 Alpha （选股）模型也应当围绕挑选正确的因子、赋予因子合理的权重两方面，具备 有别于一般产品的三个特征：动态算法、自主优化、自适应性。具体来说，基于大 数据运算挖掘有效因子、动态匹配最优因子权重的动态因子与权重，应替代传统凭 借基金经理的经验偏好确定因子、设定固定不变的因子权重；自动判别无效数据、 不断修正优化因子组合以提高胜率，应取代传统精细程度低、无法自动识别、处理 无效数据的模型；最后通过洞察市场状态、主动适应不同市场风格来改变小盘配络 过多权重、无法适应风格切换等困境。图10 ：万家沪深300指数增强Alpha模型特征数据来源：万家基金，整理3.产品业绩
5、分析3.1. 绩效表现：连年位居头部基金在2018年7月正式转型为指数增强产品，但实际于2017年底即开始调整建仓, 故我们选取业绩回测范围为2018年1月1日以来。根据我们的统计，基金在同类沪深300增强产品中排名连年靠前（2018年至2020/4/3 排名第一）。截至2020年4月3日，基金总收益10.24%，相对基准超额18.12%。表4 ：基金在同类中业绩排名（截至2020年4月3日）数据来源:年份同类中排名同类产品数2018至今118201851920196262020至今436表5 ：基金2018年以来绩效分析（数据截至2020年4月3日）图11 ：基金2018年以来相对业绩基准超
6、额净值图11 ：基金2018年以来相对业绩基准超额净值图12：基金2018年来相对业绩基准月度超飙% ）1.3 净值累计一基准累计 超额累计1.3 净值累计一基准累计 超额累计0.7-6%0.92018-12018-72019.12019-72020-12018-12018-72019.12019-72020-12018-1 2018-7 2019-1 2019-7 2020-1数据来源：，Wind数据来源：，Wind数据来源：，Wind数据来源:年份年化收益年化超额年化波动年化夏普最大回撤相对最大回撤2018-20.09%5.90%19.80%-1.01-26.43%-3.31%201944
7、.72%7.56%18.81%2.38-12.51%-4.65%2020至今-16.97%21.76%28.75%-0.59-14.82%-1.24%2018至今4.55%7.89%20.66%0.22-27.34%-5.30%表6 ：万家沪深300指数增强基金与同类基金的年化跟踪误差（% ）年份年化跟踪误差万家沪深300指数增强A同类沪深300指数增强20183.633.4320195.103.532020至今3.583.65数据来源:3.2. Brinson归因：选股超额显著Brinson, Hood和Beebower提出Brinson模型，将投资组合的超额收益分解为行业 配珞收益、选股收
8、益和交互收益三个局部。我们用该框架对万家沪深300指数增强 基金中的股票资产组合做分析，基准为沪深300指数，行业分类采用申万一级行业。 并假设在年报和半年报的财报日（每年的6月30日和12月31日）前后各一个月 的时间内，基金的持仓不变。从结果看自2018年下半年以来，万家沪深300指数增强表现出了显著的正向选股 能力，超额收益主要来自选股。由于指数增强基金相对基准的行业偏离会有一定控 制，故依靠精选个股来创造超额回报正表达了该产品的价值。图13 ：基金股票持仓相较沪深300指数超额收益分解结果图13 ：基金股票持仓相较沪深300指数超额收益分解结果-1.0%2018Q22018Q42019
9、Q22019Q4数据来源：，Wind表7 :基金相对沪深300指数Brinson归因明细（2019年报持仓）数据来源：，Wind行业名称基金权重基准权重基金收益基准收益行业配辂选股收益交互项超额收益农林牧渔3.84%1.97%-8.08%-6.35%-0.119%-0.034%-0.032%-0.185%采掘1.04%1.72%3.01%-0.50%0.003%0.060%-0.024%0.040%化工3.36%2.32%15.84%5.75%0.060%0.234%0.105%0.399%钢铁0.00%0.73%0.00%-1.86%0.013%0.013%-0.013%0.013%有色金属
10、0.24%2.51%7.43%17.32%-0.393%-0.248%0.224%-0.417%机械设备0.39%1.78%7.02%6.52%-0.091%0.009%-0.007%-0.089%电子6.57%6.26%31.92%27.16%0.084%0.298%0.015%0.398%家用电器5.19%5.24%4.04%7.73%-0.004%-0.193%0.002%-0.196%食品饮料8.60%9.71%-1.55%-1.65%0.018%0.010%-0.001%0.027%纺织服装0.00%0.07%0.00%-3.12%0.002%0.002%-0.002%0.002%轻
11、工制造0.01%0.24%9.08%11.36%-0.026%-0.005%0.005%-0.026%医药生物6.98%7.20%10.25%4.99%-0.011%0.379%-0.012%0.356%公用事业2.08%2.49%6.18%-3.66%0.015%0.245%-0.041%0.220%交通运输2.45%3.05%6.77%-2.03%0.012%0.268%-0.052%0.228%房地产4.28%4.75%1.04%3.81%-0.018%-0.132%0.013%-0.137%商业贸易2.96%0.60%2.64%2.12%0.050%0.003%0.012%0.065%
12、休闲服务0.00%0.83%0.00%-1.99%0.016%0.016%-0.016%0.016%建筑材料0.94%1.21%7.71%7.28%-0.020%0.005%-0.001%-0.016%建筑装饰4.41%2.55%1.06%2.27%0.042%-0.031%-0.022%-0.011%电气设备3.99%2.01%17.24%4.56%0.090%0.254%0.252%0.597%国防军工0.00%1.28%0.00%3.27%-0.042%-0.042%0.042%-0.042%计算机0.00%2.19%0.00%15.92%-0.348%-0.348%0.348%-0.3
13、48%传媒1.69%2.29%8.79%18.18%-0.108%-0.215%0.056%-0.267%通信0.05%1.59%11.65%11.00%-0.169%0.010%-0.010%-0.169%银行17.13%16.31%-1.30%-0.68%-0.006%-0.101%-0.005%-0.112%非银金融19.20%16.51%5.47%5.29%0.142%0.030%0.005%0.177%汽车4.38%2.58%-0.48%7.70%0.138%-0.211%-0.147%-0.220%33 BARRA归因：个股精选突出我们利用基金半年报、年报完整股票持仓做了 BARR
14、A风格暴露分析与超额收益分 解。其中，因子值的计算范围是全市场，收益分解分解时假设半年报、年报披露的 前后各一个月内股票持仓不变，在每个报告披露节点计算两个月收益的超额收益分 解（例：2018Q2为6、7月的收益，依此类推）。首先从风格暴露角度看,基金在2018Q4与2019Q2两个节点上相对沪深300的风格 配路有明显不同。基金上在低估值、中等市值与盈利上有显著的超配，而在贝塔、 流动性风格因子上那么明显地低配。其次，我们看到这两个时点上基金也都取得了显 著的超额收益，其中2018年12月至2019年1月的超额收益更是主要来源于对风 格的选择。最后，从整体结果上看基金的超额主要来源于选股与风格，这表达出基 金经理突出的个股优选与风格把握能
