结合主动型、被动型权益基金实现宽基指数增强。
本文中，我们基于主动型权益基金历史净值、持仓构建选基因子，基于指数历史走势、成分股明细构建指数因子，以此作为定量筛选主动型权益基金、被动型权益基金的依据；而后，我们筛选有效选基因子及指数因子，并分别对于主动型权益基金、被动型权益基金进行打分；最后，我们结合主动型、被动型权益基金，构建宽基指数增强组合。
主动型权益基金优选。
我们从不同维度出发对于主动型权益基金进行定量打分，并根据得分筛选基金构建组合。具体来看，我们主要分3步来构建策略：首先，我们以季度作为换仓周期，初步筛选主动型权益基金；而后，我们分别从基金的历史业绩、历史持仓，以及其它相关信息出发构建基金因子度量基金各方面的特征；最后，我们在基金因子筛选中选择历史上有效性、稳定性较强的若干个因子，并以此作为基金优选以及组合构建的依据。
被动型权益基金优选。
由于被动型权益基金的主要收益形式为复制跟踪指数的表现，因此我们从权益指数轮动策略出发，并进一步采用场内被动型权益基金对于筛选出的权益指数进行配置。我们从6个维度出发构建指数因子，分别为：历史基本面、资金流、一致预期、宏观、动量以及风格，并测试不同因子的有效性及因子之间的相关性，最终根据多个因子的综合结果构建指数轮动策略。在此基础上，我们通过场内被动型权益基金(ETF)实现指数轮动策略的具体配置。
结合两类权益型基金构建宽基指数增强组合。
我们将主动型权益基金、被动型权益基金的优选方式相结合，通过两类权益型基金构建宽基指数增强组合，即在控制组合在风格、板块方面与基准指数偏离幅度的基础上，最大化组合的因子得分。从回测结果来看，基于沪深300指数、中证500指数、中证800指数、中证1000指数的增强组合在回测区间内均获得了较为可观的超额收益。
风险提示：（1）本文仅在合理的假设范围讨论，文中数据均为历史数据；（2）基于模型得到的相关结论并不能完全准确地刻画现实环境以及预测未来；（3）本文中基于模型得到的打分结果不代表任何投资建议。
近年来，主动型权益基金市场迎来了快速发展，总规模从2016Q4的1.22万亿元上升至2021Q4的5.53万亿元，随后出现了一定幅度的回落。截至2024Q1，当前主动型权益基金的总规模为3.48万亿元。(此处定义主动型权益基金为：普通股票型、偏股混合型、平衡混合型以及灵活配置型基金，其中平衡混合型以及灵活配置型基金要求当期权益资产占比超过60%。)![]()
2019年以来，A股市场权益ETF同样迎来了快速发展，总规模从2018Q4的0.34万亿元上升至2024Q1的1.83万亿元。(本文中的权益ETF为：被动指数型基金、指数增强型基金，不包含债券型基金、商品型基金、货币型基金及QDII基金。)![]()
本文中，我们基于主动型权益基金历史净值、持仓构建选基因子，基于指数历史走势、成分股明细构建指数因子，以此作为定量筛选主动型权益基金、被动型权益基金的依据；而后，我们筛选有效选基因子及指数因子，并分别对于主动型权益基金、被动型权益基金进行打分；最后，我们结合主动型、被动型权益基金，构建宽基指数增强组合。本章中，我们从不同维度出发对于主动型权益基金进行定量打分，并根据得分筛选基金构建组合。具体来看，我们主要分3步来构建策略：首先，我们以季度作为换仓周期，初步筛选主动型权益基金；而后，我们分别从基金的历史业绩、历史持仓，以及其它相关信息出发构建基金因子度量基金各方面的特征；最后，我们在基金因子筛选中选择历史上有效性、稳定性较强的若干个因子，并以此作为基金优选以及组合构建的依据。![]()
基于基金因子测试的结果，此处我们筛选出以下7个因子，分别代表基金在收益风险比、板块超额收益获取能力、持有体验、交易能力、选股能力、机构投资者认可度等方面的具体特征，具体因子构建方法如下：![]()
从各个基金因子的相关性来看，除了历史1年索提诺比率、历史1年WS板块剥离超额收益稳定性的相关性较高，其余因子之间两两的相关性均处于相对较低的水平。因此，在因子加权的问题上，我们给与历史1年索提诺比率、历史1年WS板块剥离超额收益稳定性这2个因子共计1/6的权重，并分别给予其它5个因子各自1/6的权重。在具体基金得分的计算上，我们根据将因子的Z值作为得分，并根据对应因子的权重加权求和。![]()
![]()
本节中，我们基于上节中筛选出的7个基金因子的综合打分结果构建主动型权益基金组合。此处，我们在每个换仓时点根据基金因子的综合得分将所有样本基金分为10档，并计算由每档中基金所构成组合的业绩表现。从计算的结果来看，不同分档组合呈现出较为明显的单调性，得分较高的基金所构建的组合长期具有较为明显的超额收益。样本基金筛选：
（1）基金类型：普通股票型、偏股混合型、平衡混合型、灵活配置型；
（2）权益仓位：近4个季度报告期权益仓位均高于60%；
（3）基金规模：最新合并规模超过2亿；
（4）存续时长：存续时间超过450天；
（5）业绩基准：业绩基准非行业主题指数；港股投资比例不存在下限；
（6）其它：非定开、不存在最短持有期、开放申购；
换仓时点：每年1、4、7、10月末；
基金加权：等权；
![]()
在主动型权益基金组合的具体构建上，我们在每个季度换仓时点筛选10只得分最高的样本基金等权配置构建组合。为了进一步提升组合的分散程度，此处我们要求在组合中单个基金经理产品的权重占比不超过10%、单个基金公司产品的权重占比不超过20%。从回测结果来看，在2012.1.31-2024.4.30的时间区间内，主动型权益基金组合的累计收益率为466.82%，同期偏股混合型基金指数的累计收益率为159.59%。长期来看，主动型权益基金组合的超额收益较为稳定。![]()
本章中，我们通过以定量的视角构建场内被动型权益基金组合。由于被动型权益基金的主要收益形式为复制跟踪指数的表现，因此我们从权益指数轮动策略出发，并进一步采用场内被动型权益基金对于筛选出的权益指数进行配置。此处，我们从6个维度出发构建指数因子，分别为：历史基本面、资金流、一致预期、宏观、动量以及风格。对于不同的考察维度，我们将根据不同的数据出发构建具体因子，并测试不同因子在指数筛选问题上的有效性以及因子之间的相关性，最终根据多个因子的综合结果构建指数轮动策略。在此基础上，我们通过场内被动型权益基金(ETF)实现指数轮动策略的具体配置。![]()
基于指数因子测试的结果，此处我们筛选出以下7个因子，分别代表指数在历史基本面、资金流、一致预期、宏观、动量、风格等维度的具体特征，具体因子构建方法如下：![]()
从各个指数因子的相关性来看，除了历史基本面中的ROETTM环比变化、净利润增速TTM因子环比变化的相关性较高，其余因子之间两两的相关性均处于相对较低的水平。因此，在因子加权的问题上，我们给与ROETTM环比变化、净利润增速TTM环比变化这2个指标共计1/6的权重，并分别给予其它5个指标各自1/6的权重。在具体指数得分的计算上，我们根据将因子的Z值作为得分，并根据对应因子的权重加权求和。![]()
![]()
本节中，我们基于上节中筛选出的7个指数因子的综合打分结果构建权益指数轮动组合。此处，我们在每个换仓时点根据指数因子的综合得分将所有样本权益指数分为10档，并计算由每档中权益指数所构成组合的业绩表现。从计算的结果来看，不同分档组合呈现出较为明显的单调性，得分较高的权益指数所构建的组合长期具有较为明显的超额收益。样本权益指数筛选：
（1）跟踪产品：存在指数产品跟踪；
（2）指数资产：以A股投资为主；
（3）其它：公开成分股明细；
换仓时点：每月末；
指数加权：等权；
![]()
从回测结果来看，在2013.1.31-2024.4.30的时间区间内，权益指数轮动组合的累计收益率为609.76%，同期样本权益指数组合的累计收益率为91.32%。长期来看，权益指数轮动组合的超额收益较为显著。![]()
![]()
进一步地，我们将通过场内被动型权益基金，实现权益指数轮动策略的具体配置。由于此处我们希望以月度的频率构建场内被动型权益基金组合，以实现大类资产配置中对于权益资产的动态调整，因此在场内被动型权益基金的筛选上，我们对于其规模以及流动性均设置一定的阈值。具体来看，首先我们筛选规模、流动性、存续时间满足一定条件的场内产品，并将这些产品的跟踪指数作为可投资指数；而后，我们计算各个可投资指数的指标，并筛选综合得分在前20%的指数；最终，我们在选择这些指数的对应场内基金标的构建组合，同时对于组合中基金数量的上限，相同宽基指数、同类行业主题、SmartBeta指数所对应的产品数量进行约束。此处，我们在每个月度换仓时点要求场内基金的最新规模大于2亿、近1月日均成交额大于0.1亿、存续时间大于180天、且不为转型基金，并约束组合中相同宽基指数、同类行业主题、SmartBeta指数所对应的产品数量上限。![]()
样本基金筛选：
（1）基金类型：被动指数型基金；
（2）运作模式：ETF；
（3）基金规模：最新规模超过2亿；
（4）场内流动性：近1个月日均成交额大于0.1亿；
（5）存续时长：存续时间超过180天；
换仓时点：每月末；
基金加权：等权；
从回测结果来看，在2016.12.31-2024.4.30的时间区间内，被动型权益基金组合的累计收益率为172.05%，同期可投资权益指数组合的累计收益率为15.92%。长期来看，被动型权益基金组合的超额收益较为显著。![]()
本章中，我们将第二章、第三章中对于主动型权益基金、被动型权益基金的优选方式相结合，通过两类权益型基金构建宽基指数增强组合。具体来看，在根据选基因子、指数因子得分筛选基金的同时，我们同样考虑基金组合与基准指数之间在风格、板块等方面的偏离幅度，即在控制组合在风格、板块方面与基准指数偏离幅度的基础上，最大化组合的因子得分。具体测试细节如下：主动型权益基金样本基金筛选：
（1）基金类型：普通股票型、偏股混合型、平衡混合型、灵活配置型；非FOF；
（2）权益仓位：近4个季度报告期权益仓位均高于60%；
（3）基金规模：最新合并规模超过2亿；
（4）存续时长：存续时间超过450天；
（5）业绩基准：港股投资比例不存在下限；
被动型权益基金样本基金筛选：
（1）基金类型：被动指数型基金；
（2）运作模式：ETF；
（3）基金规模：最新规模超过2亿；
（4）场内流动性：近1个月日均成交额大于0.1亿；
（5）存续时长：存续时间超过180天；
（6）业绩基准：行业主题指数、SmartBeta风格指数；主动型权益基金换仓时点：每年1、4、7、10月末；
被动型权益基金换仓时点：每月末；
偏离控制：与基准的单个板块偏差小于5%、单个风格得分的偏差小于0.1；
持仓集中度控制：单一基金不超过5%；主动型权益基金单一基金经理不超过5%；主动型权益基金单一基金公司不超过10%；
基金加权：通过优化模型计算权重；
![]()
风格方面，我们参考巨潮以及中证风格指数的编制方法，取以下因子构建指标度量基金及指数在规模、价值、成长风格上的暴露水平。对于规模风格，我们取基金持仓个股或指数成份股的对数流通市值；对于价值风格，我们取基金持仓个股或指数成份股的账面净值/市值、盈利ttm/市值以及经营性现金流ttm/市值；对于成长风格，我们取ROEttm、近3年主营业务收入增长率平均值，以及近3年归母扣非净利润增长率平均值。进一步地，我们计算每只个股的各个因子在全市场A股中的标准化值(Z值)，并根据对应权重进行加权，得到个股的规模、成长/价值得分，其中成长/价值风格得分为成长得分-价值得分；而后，我们将个股的得分结合其在基金或指数中的权重进行加权，最终得到基金或指数的风格得分，以此定量刻画基金或指数的风格特征。![]()
在板块层面，我们将31个申万一级行业分类为TMT、消费、上游周期、中游制造、大金融，以及医药共计6个板块，并研究基金持仓个股及指数成分股在各个板块中的权重分布。![]()
在宽基指数增强组合的具体构建流程上，我们在每个季频调仓时点，筛选主动型、被动型权益基金构建组合；同时我们在每个月度换仓时点，在保持主动型权益基金持仓不变的情况下，重新筛选被动型权益基金构建组合。下文中，我们将分别针对沪深300指数、中证500指数、中证800指数、中证1000指数构建指数增强组合，并对于超额收益的来源进行归因分析。![]()
从回测的结果来看，在2019.10.31-2024.4.30的时间区间内，沪深300指数增强组合获得了较为稳定的超额收益，年化超额收益率为10.96%。分年度来看，在回测区间内的不同年份中，沪深300指数增强组合均跑赢了同期沪深300指数的表现。![]()
![]()
![]()
此外，相比于同期沪深300指数增强基金的整体表现，沪深300指数增强组合获得了更高的累计收益。分年度来看，在回测区间内的不同年份中，沪深300指数增强组合均跑赢了同期沪深300指数增强基金的整体表现。![]()
![]()
从回测的结果来看，在2019.10.31-2024.4.30的时间区间内，中证500指数增强组合获得了较为稳定的超额收益，年化超额收益率为12.09%。分年度来看，在回测区间内的不同年份中，中证500指数增强组合均跑赢了同期中证500指数的表现。![]()
![]()
![]()
此外，相比于同期中证500指数增强基金的整体表现，中证500指数增强组合获得了更高的累计收益。分年度来看，在回测区间内的不同年份中，中证500指数增强组合均跑赢了同期中证500指数增强基金的整体表现。![]()
![]()
从回测的结果来看，在2019.10.31-2024.4.30的时间区间内，中证800指数增强组合获得了较为稳定的超额收益，年化超额收益率为11.92%。分年度来看，在回测区间内的不同年份中，中证800指数增强组合均跑赢了同期中证800指数的表现。![]()
![]()
![]()
从回测的结果来看，在2019.10.31-2024.4.30的时间区间内，中证1000指数增强组合获得了较为稳定的超额收益，年化超额收益率为16.32%。分年度来看，在回测区间内的不同年份中，中证1000指数增强组合均跑赢了同期中证1000指数的表现。![]()
![]()
![]()
此外，相比于同期中证1000指数增强基金的整体表现，中证1000指数增强组合获得了更高的累计收益。分年度来看，在回测区间内的不同年份中，中证1000指数增强组合均跑赢了同期中证1000指数增强基金的整体表现。![]()
![]()
从超额收益业绩归因的结果来看，在2019.10.31-2024.4.30的时间区间内，不同宽基指数增强组合中，主动型、被动型权益基金均贡献了正向的超额收益。其中，沪深300、中证800指数增强组合中主动型权益基金的超额收益贡献幅度相对较高，而中证500、中证1000指数增强组合中被动型权益基金的超额收益贡献幅度相对较高。
本文中，我们基于主动型权益基金历史净值、持仓构建选基因子，基于指数历史走势、成分股明细构建指数因子，以此作为定量筛选主动型权益基金、被动型权益基金的依据；而后，我们筛选有效选基因子及指数因子，并分别对于主动型权益基金、被动型权益基金进行打分；最后，我们结合主动型、被动型权益基金，构建宽基指数增强组合。主动型权益基金方面，我们从不同维度出发对于主动型权益基金进行定量打分，并根据得分筛选基金构建组合。具体来看，我们主要分3步来构建策略：首先，我们以季度作为换仓周期，初步筛选主动型权益基金；而后，我们分别从基金的历史业绩、历史持仓，以及其它相关信息出发构建基金因子度量基金各方面的特征；最后，我们在基金因子筛选中选择历史上有效性、稳定性较强的若干个因子，并以此作为基金优选以及组合构建的依据。被动型权益基金方面，由于被动型权益基金的主要收益形式为复制跟踪指数的表现，因此我们从权益指数轮动策略出发，并进一步采用场内被动型权益基金对于筛选出的权益指数进行配置。我们从6个维度出发构建指数因子，分别为：历史基本面、资金流、一致预期、宏观、动量以及风格，并测试不同因子的有效性及因子之间的相关性，最终根据多个因子的综合结果构建指数轮动策略。在此基础上，我们通过场内被动型权益基金(ETF)实现指数轮动策略的具体配置。我们将主动型权益基金、被动型权益基金的优选方式相结合，通过两类权益型基金构建宽基指数增强组合，即在控制组合在风格、板块方面与基准指数偏离幅度的基础上，最大化组合的因子得分。从回测结果来看，基于沪深300指数、中证500指数、中证800指数、中证1000指数的增强组合在回测区间内均获得了较为可观的超额收益。（1）本文仅在合理的假设范围讨论，文中数据均为历史数据；
（2）基于模型得到的相关结论并不能完全准确地刻画现实环境以及预测未来；
（3）本文中基于模型得到的打分结果不代表任何投资建议。
《如何结合主动型、被动型权益基金实现宽基指数增强》本微信号推送内容仅供广发证券股份有限公司（下称“广发证券”）客户参考，其他的任何读者在订阅本微信号前，请自行评估接收相关推送内容的适当性，广发证券不会因订阅本微信号的行为或者收到、阅读本微信号推送内容而视相关人员为客户。
完整的投资观点应以广发证券研究所发布的完整报告为准。完整报告所载资料的来源及观点的出处皆被广发证券认为可靠，但广发证券不对其准确性或完整性做出任何保证，报告内容亦仅供参考。
在任何情况下，本微信号所推送信息或所表述的意见并不构成对任何人的投资建议。除非法律法规有明确规定，在任何情况下广发证券不对因使用本微信号的内容而引致的任何损失承担任何责任。读者不应以本微信号推送内容取代其独立判断或仅根据本微信号推送内容做出决策。
本微信号推送内容仅反映广发证券研究人员于发出完整报告当日的判断，可随时更改且不予通告。
本微信号及其推送内容的版权归广发证券所有，广发证券对本微信号及其推送内容保留一切法律权利。未经广发证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用，否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。
