国金金融产品研究 | 公募指增产品量化标签数据库（截至2024年9月）
文摘
财经
2024-10-10 09:00
上海
本报告分析师：
高鹤文 分析师 SAC编号：S1130523070002
张慧 分析师 SAC编号：S1130515080002
于婧 分析师 SAC编号：S1130519020003
张剑辉 分析师 SAC编号：S1130519100003
![]()
1.由于9月末的“爆发式”行情，Beta上行空间较大，对超额Alpha空间形成一定挤压，超90%以上的宽基指增呈现负超额。市值分布上呈现一定的“哑铃型”特征，以上证50、科创50为代表的大盘指增和以国证2000、中证1000为代表的小盘指增超额表现相对较优。
2.占优策略类型上则呈现相反特征，极致风格（AI主策略、主观框架）超额收益表现相对落后，相对均衡性策略（算法量价文本、量化小指标）则更具优势。由于均衡型策略，往往在传统多因子框架的基础上，或结合主观团队策略观点，快速把握市场变化，或结合机器学习模型，通过价量因子对市场情绪进行快速分析和反馈，或两者兼具，故而呈现相对较优的收益表现。从超额环比变化来看，主观成分较多的指增基金收益排名有所提升，结合AI类策略则相应收益排名普遍有所下滑。
3.换手率方面，除中证1000外，其他主流宽基指增普遍呈现换手率较低的品种，超额收益表现更佳的特点，这一特征也与上述结论有所呼应。
为了全面、详尽地跟踪公募宽基指数增强策略，国金金融产品研究搭建了《公募指增产品量化标签数据库》。该数据库涵盖指数增强策略风险收益表现概览、沪深300、中证500、中证1000指数增强策略超额相关性、指数增强基金量化标签等模块，其中量化标签数据包含但不限于：风险收益特征、仓位特征、股指期货特征、行业偏离特征、个股偏离特征、主动配置特征、交易换手特征、因子暴露特征、因子贡献特征、因子收益稳定性、行业配置特征、个股选择特征、成分股内外收益贡献特征等，较为全面的构建了针对指数增强策略的量化标签指标体系，每一模块下记录着每只宽基指数增强产品的时序标签数据变化，为投资者提供更为清晰的分析视角。风险收益部分分别从图片形式和表格数据形式，对公募宽基指增的超额收益、信息比率、超额最大回撤等情况进行持续跟踪，同时也基于量化特征标签进行统计，试图说明具备哪类特征的指增基金今年以来风险收益表现更优，此处标签不仅包含公募指增基金总体情况，更根据细分指数进行统计，试图说明是否不同市值、风格的宽基指数（上证50、沪深300、中证500、中证1000、创业板指）在标签上风险收益特征有所分化。该部分对沪深300、中证500、中证1000宽基指数增强策略产品近三年日度超额收益相关性进行测算，并输出超额相关性矩阵，以便于投资者评估不同基金产品之间的策略相似性，可以更好的实现资产分散配置。部分沪深300指数增强策略日度超额收益相关性矩阵：![]()
量化标签数据主要基于基金半年度持仓数据对基金特征进行分析，分析维度包含但不限于：风险收益特征、仓位特征、股指期货特征、行业偏离特征、个股偏离特征、主动配置特征、交易换手特征、因子暴露特征、因子贡献特征、因子收益稳定性、行业配置特征、个股选择特征、成分股内外收益贡献特征等，较为全面的构建了针对指数增强策略的量化标签指标体系。标签数据总览表总结了考察期以来上述各个维度的均值标签数据特征，其中考察期根据基金成立日期、转型日期、基金经理任职日期、建仓期来界定，时序数据明细则展示了每只宽基指数增强产品的时序标签数据变化，为投资者提供更为清晰的分析视角。我们创新性的开发了指增基金Alpha模型分类框架，并跟踪各类Alpha模型近期的收益表现。公募宽基指增的分类框架为：AI主策略、AI卫星策略、多因子体系、量化结合主观四个一级分类，其中多因子体系和量化结合主观可分别继续细分为5个（算法挖掘量价、AI处理文本、传统多因子、学结果、学过程）、2个（量化小指标和主观框架）二级分类，如图所示。公募指增基金行业偏离特征时序数据明细（部分数据为例）：以上为国金证券金融产品研究中心公募指增产品量化标签数据库的部分内容，完整数据请联系对口销售或研究员获取，国金证券金融产品研究中心将持续、努力地提供更完整、更高效、更具深度的研究，请大家多多关注，感谢！![]()
