2023年FOF配置金融产品专题报告之八 超额环境评估模型分析

一、追本溯源：指增策略收益来源

指数增强策略是一种在 Beta 的基础上捕捉 Alpha 的策略，其投资目标是在 控制跟踪误差的基础上追求稳定、持续超越基准指数的业绩表现。量化投资中， 超额收益是各家基金管理人的核心竞争目标，这自然也成为了我们分析策略以 及筛选基金管理人的重要依据之一。 随着市场有效性的不断提升，超额收益的获取难度在不断提高。然而，超 额收益所面临的衰减现象并不是一个线性递减的过程。相较于海外成熟市场， 在国内市场有效性仍然较低的大背景下，超额整体仍有一定空间，但不可否认 的是超额收益阶段性的表现会受到市场环境中诸多因素的影响。本篇报告旨在 探究影响指数增强策略超额收益的相关因素，以期构成对市场整体超额环境相 对状态的判断，为投资决策提供一定的参考价值。

（一） 业绩表现回顾

首先，我们对指数增强策略的历史业绩表现进行简单回顾，以“万得增强 型基金指数”和“朝阳永续指数增强细分策略指数”分别作为公、私募业绩的 代表，可将其大致分为三个时期：1）2016 年初至 2018 年末，受 2015 年股指期 货政策收紧等不利因素影响，指增策略表现总体来看较为平淡，尤其是 2018 年 受到 A 股大跌影响，业绩表现明显受挫；2）2019 年初至 2021 年中，受到股指 期货政策限制放松、资管新规以及投资者扩容等多重因素影响，指增策略迎来 了迅速发展期，同时机器学习模型的运用和实践进一步扩大了超额收益来源， 业绩表现一度十分强劲；3）2021 年末以来，前期管理规模的迅速扩张以及因子 频段重合度的提高共同催化了量化策略的拥挤现象，叠加 2022 年以来 A 股的震 荡表现，指增策略遭遇了 Beta 和 Alpha 双弱局面的考验。

（二） 超额收益来源

纵观上述时期，在市场有效性较低的大背景下，指数增强策略经历了业绩 和规模的爆发期，然而过度集中的仓位和日趋同质化的策略方法也在一定程度 上导致策略阶段性失效以及踩踏情况的发生。基于此，在分析策略市场环境适 应性以及筛选优秀管理人的过程中，深入了解指增策略的超额收益来源是较为 关键的环节。

在量化选股层面，多因子模型是目前较为主流的做法，模型通常涵盖量价 因子、基本面因子和另类因子，公、私募管理人在各类因子上的数量和占比不 一。在专题报告《取势、明道、优术：指数增强策略——FOF 配置金融产品专题 报告之六》中，我们对公、私募指数增强策略的异同进行了对比分析。相较而 言，公募指增策略依托于自身较为完善的行业研究平台及团队，在多因子模型 中多采用基本面因子，其换手情况也与基本面因子相对较低的信号频率相对应。 私募指增策略则通常以中高频量价因子为主，随着人工智能的迅速发展，多种 多样的机器学习模型在因子挖掘和组合优化环节中不断被运用和实践。在此基 础上，越来越多的私募管理人在高性能计算集群等软硬件设施上持续大力投入， 以期在因子挖掘速度、模型优化效率等角度实现突破。此外，基本面因子、另 类因子作为量价因子的补充，能够有效缓解策略拥挤度上升带来的因子失效现 象，因此该类因子的挖掘也是私募管理人的布局重点之一。

（三） 相关跟踪指标

正如上一节中我们对公、私募管理人量化选股模型特点的对比分析，就不 同管理人而言，其量化策略的表现会受到例如模型特色、持仓周期和风格暴露 等诸多因素影响，难以通过单个指标简单线性外推超额环境的整体情况。因此 我们尝试以量化模型自身特征为源头，寻找与之相关的超额环境跟踪指标，并 通过综合考虑多项跟踪指标的趋势及共振情况，来更为合理地对超额环境进行 判断。

（四） 市场超额表现

上一节中，我们根据量化策略的选股特征罗列了若干潜在跟踪指标，接下 来我们将对超额环境评估模型的评估对象进行阐述。由于公、私募基金指增产 品在持仓范围、模型构建等方面存在差异，反映到各自对应的收益特征层面有 一定的区别，我们分别构建了相应的细分产品池作为分析基准。 公募方面，指增产品池主要基于万得信息：1）根据万得“增强指数型”公 募基金名录，在主基金中以关键字“300”、“500”和“1000”进行分策略筛 选；2）以 66 家管理人的 143 只产品构成公募指增产品池，其中 300、500 和 1000 指增产品数量分别为 56、60 和 27 只。

私募方面，指增产品池需综合考虑多方数据来源：1）根据最新一个季度基 金业协会官方披露的私募基金信息，筛选规模为 5 亿以上的管理人；2）根据朝 阳永续信息，筛选二级分类标签为“指数增强”且近 3 年净值完整度大于 70%的 基金产品；3）以关键字“300”、“500”和“1000”进行分策略筛选，若无相 关信息则取各产品相关性最大的指数作为辅助标签，当相关性均小于 0.7 时不计 入样本范畴；4）将辅助标签结果与私募排排网信息进一步交叉验证，对于同一 家私募管理人，仅保留成立期最久的基金产品作为代表性产品；5）确认最新净 值情况后，以 86 家管理人的 107 只产品构成私募指增产品池，其中 300、500 和 1000 指增产品数量分别为 18、75 和 14 只。

根据上述公、私募细分产品池，我们分策略计算了指增产品的超额收益， 并以其平均值分别构建了公、私募超额指数。年 度来看，2021 年三季度超额有一段较为显著且持续的正向表现，超额环境整体 偏强。进入四季度之后受到量化策略拥挤、因子反转剧烈等因素影响，超额环 境明显转弱。2022 年公、私募的超额获取情况出现明显分化，私募超额在三季 度表现出较强的业绩弹性，并且此后基本维持了正向表现，而公募超额则经历 了阶段性的回撤现象。进入 2023 年，近期私募超额再次迎来强势表现，公募超 额也有所起色。

二、见微知著：超额环境跟踪指标

本篇报告的第一部分中，我们从指增策略的收益来源和模型特征出发，罗 列了若干潜在跟踪指标，并进一步构建了基于细分产品池的公、私募超额指数。 接下来我们将对各项跟踪指标进行逐一检验，并分析对比公、私募的差异。在 逐一检测跟踪指标的基础上，我们对指标所表征的意义进行划分，以期从 Alpha 的显著性和稳定性这两个特征来对当前超额环境的相对状态进行评估。 在详细介绍各项跟踪指标前，我们首先对指标检验方法和流程进行阐述。 为了各项指标在后续复合环节的统一性，我们对跟踪指标采取了滚动 3 年缩尾和 归一化处理，使各项指标值均处于 0 至 1 之间。基于此，我们通过分组检验来对 指标进行初步分析。具体而言，我们将各指标由大至小等分 5 组，以各组对应的 公、私募超额收益是否存在一定的分层效果作为初步检验依据。

在此基础上，我们对呈现出一定分化效果的指标采取简单线性回归检验， 通过回归结果对其进行调整和筛选，并划分指标影响 Alpha 特征的角度。具体检 验方法为：1）将回测区间设定为 20200103 至 20230531；2）以上文构建的公、 私募超额指数的周度收益率和滚动 1 个月波动率代表 Alpha 显著性和 Alpha 稳定 性特征，并分别作为线性回归的因变量；3）以数据处理后的跟踪指标作为线性 回归的自变量；4）分别对各项跟踪指标进行两次线性回归，并对比回归结果中 的 p 值和模型拟合优度 R2，评估指标影响超额表现的角度。 通过以上两次检验后，我们对有效跟踪指标进行拐点识别，尝试寻找具有 一定领先性的信号。拐点识别过程主要运用了 Bry-Boschan 算法（简称 B-B 算 法），此算法能够以程序化方式高效找到序列拐点。具体构建方法为：1）根据 指标前后 1 个月区间识别出局部极值点；2）通过设定峰-谷、峰-峰（谷-谷） 之间的最小间隔周期来对局部极值点进行筛选。 根据上述流程，我们发现：综合而言，多项指标对私募指增策略超额收益 的解释力相对更强，一定程度上说明偏中高频、持仓较广的私募在捕捉市场不 合理定价机会上更具优势，然而指标也从侧面表明私募在行业和风格上或存在 更多暴露。

（一） 市场层面：成交额

量化策略整体追求胜率，需通过足够多的交易频次来实现模型期望收益， 因此易受到市场交易机会和交易成本的影响。一般而言，偏暖的市场情绪通常 能够提供更多的不合理定价机会，且在市场流动性较好时，相对更小的买卖盘 价差能够为量化策略提供更低的交易成本。我们采用 Wind 全 A 指数成交额作为 市场交投活跃度的跟踪指标。回溯近年表现，成交额在 2021 年上半年呈现中枢 波动向上的趋势，进入三季度后指标明显转弱；2022 年指标整体延续转弱态势， 中枢趋势向下；2023 年以来指标触底回升，近期有一定程度的修复。

成交额指标对Alpha显著性和稳定性特征均较为有效，对量化策略获取超额 收益有正面影响，且对私募解释力相对更强。线性回归结果显示，成交额指标 与公、私募超额收益率回归的 p 值分别为 0.0716 和 0.0401，前者在 10%水平下 显著，后者在 5%水平下显著；与公、私募超额波动率回归的 p 值分别为 0.0015 和 0.0001，均在 1%水平下显著。从回归系数来看，成交额指标对应的公、私募 超额特征的系数均为正值，这意味着成交额的提高有利于量化策略获取显著、 稳定的超额收益。模型拟合优度方面，私募的线性回归 R2 相对更高，即指标对 其解释力相对更强。

成交额指标的拐点与超额环境的强弱切换节点较为同步。通过指标有效性 检验后，我们希望进一步探究成交额指标拐点与超额环境强弱切换节点之间是 否存在领先滞后关系。首先，我们根据前文所述的 B-B 算法对成交额指标的拐点 进行确认，并以此划分指标的上行、下行区间。在成交额指标上行区间内，对 应公、私募超额指数多有较为强势的表现。例如 2021 年 4 月至 9 月、2022 年 2 月和 6 月，成交额上行与超额指数上行相对应，且指标上行拐点与超额强势表现 的起始点较为一致。

（二） 个股层面：个股收益分化度

量化策略持股分散，数量大约为 100 至 2000 只不等，较广的持仓使得模型 对于个股层面的表现和结构较为敏感。当仅有少数个股取得独立行情时，对应 的极致一九、二八行情往往使得量化策略难以取得亮眼表现。我们以 Wind 全 A 成分股日涨跌幅标准差构建收益分化度指标，从个股收益表现差异的视角对市 场个股层面的状态进行剖析。自 2022Q2 以来指标中枢明显下移，于 2023 年初达 到局部低点后触底回升，近期修复明显。 个股收益分化度指标对超额收益的分化效果较为明显，大致呈下降趋势。

个股收益分化度指标较为有效地刻画了Alpha显著性和稳定性特征，个股层 面较大的收益差异对超额获取形成利好。线性回归结果显示，个股收益分化度 指标与公、私募超额收益率回归的 p 值分别为 0.0419 和 0.0545，前者在 5%水平 下显著，后者在 10%水平下显著；与公、私募超额波动率回归的 p 值分别为 0.0328 和 0.0015，前者在 5%水平下显著，后者在 1%水平下显著。从回归系数来 看，指标对应公、私募超额特征的系数均为正值，表明个股间收益表现差异的 加大能够为量化策略提供更多捕捉不合理定价的机会，对超额获取和超额表现 的稳定性有正面影响。

（三） 行业层面：行业轮动速度

量化策略由数据驱动，投资逻辑是基于历史规律发掘投资机会。当市场状 态切换频繁、脱离统计规律时，如果量化模型捕捉信息的能力偏弱，其收益表 现会受到一定程度的影响。行业轮动速度指标衡量了行业相对强弱关系，一般 而言行业轮动速度越慢、市场主线越明确，Alpha 的稳定性也随之提高。 本篇报告中，行业轮动速度指标的构建方法为：1）根据中信一级行业周收 益率，统计每周排名情况；2）滚动计算各行业近一季度排名的标准差；3）计 算所有行业的标准差均值。从近几年表现来看，2021 年市场整体以碳中和为投 资主线，专精特新、元宇宙等概念板块阶段性领涨，指标较多处于偏低水平运 行；进入 2022 年，受美联储紧缩、俄乌黑天鹅事件以及国内疫情等多重因素影 响，指标持续处于高位波动；2023 年以来，行业轮动速度有所下降。 行业轮动速度指标对超额收益分化效果明显，行业间相对强弱的频繁切换 对超额稳定性有负面影响。

行业轮动速度对 Alpha 稳定性特征的刻画更为有效。线性回归结果显示，行 业轮动速度与公、私募超额波动率的线性回归 p 值为 0.0426 和 0.0004，前者在 5%水平下显著，后者在 1%水平下显著。结合回归系数来看，行业轮动速度所对 应公、私募的系数均为负值，即行业轮动速度的提高对超额获取情况存在一定 的负面影响。

（四） 风格层面：大小盘相对强弱、价值成长相对强弱

量化模型一般对标特定指数，将指数作为基准进行个股偏离，以期获得稳 定超越指数的收益。在这一过程中，部分管理人会对特定行业、板块或风格进 行更多敞口的暴露。本篇报告中，我们对大小盘和价值成长的相对强弱状态进 行刻画，具体而言： 1）以巨潮小盘、大盘指数的周度收益率差值构建大小盘相对强弱指标，所 涉及指数的具体编制方式为：在国证 1000 指数中，将前 6 个月平均总市值占市 场比重、平均自由流通市值占市场比重以及平均成交金额占市场比重加权，排 名前 200 为巨潮大盘指数、后 500 为巨潮小盘指数； 2）以国证成长、价值指数的周度收益率差值构建价值成长相对强弱指标， 所涉及指数的具体编制方式为：在国证 1000 指数中，计算成长因子（主营业务 收入增长率、净利润增长率和净资产收益率）和价值因子（每股收益与价格比 率、每股经营现金流与价格比率、股息收益率和每股净资产与价格比率）并分 别选取排名前 332 只股票。

价值成长相对强弱指标对公、私募超额收益有一定程度的分层效果，风格 层面指标总体呈正面影响。价值成长相对强弱方面，指标由大至小分组后，g1 至 g5 的公、私募超额收益大 致呈下降趋势，公募方面分化更为明显。这一现象意味着成长风格占优的环境 下，量化策略的超额获取情况更佳。通过初步检验后，我们以简单线性回归进 一步对指标有效性进行检验。

风格层面跟踪指标对超额显著性特征相对有效，成长风格和小盘风格的走 强分别对公、私募的超额获取情况形成利好。线性回归结果显示，大小盘相对 强弱与公、私募超额收益率的线性回归p值分别为0.0630和0.0370，前者在10% 水平下显著，后者在 5%水平下显著；价值成长相对强弱与公募超额收益率的线 性回归 p 值为 0.0127，在 5%水平下显著。风格层面跟踪指标主要从显著性特征 的角度影响超额表现，同时所对应的正向回归系数意味着成长风格和小盘风格 的走强分别对公、私募的超额获取情况形成利好。

风格层面跟踪指标的合力共振对超额环境切换有一定的预示意义。通过指 标有效性检验后，我们希望进一步探究风格层面跟踪指标拐点与超额环境强弱 切换节点之间是否存在领先滞后关系。由于风格层面跟踪指标波动较大，我们 首先对其进行 HP 滤波处理。基于此，我们根据前文所述的 B-B 算法对风格层面 跟踪指标的拐点进行确认，并以此划分指标的上行、下行区间。

（五） 因子层面：因子稳定性

我们根据 Barra CNE6 模型中每日因子处于不稳定状态的占比构建了因子稳 定性指标。因子稳定性指标上行意味着因子收益波动同时加大，表明市场环境、 风格切换变得更为频繁。本篇报告中，因子稳定性的具体构建方法为：1）因子 范围涵盖 Barra CNE6 三级因子和中信一级行业因子；2）计算各个因子收益序列 滚动 60 个交易日的标准差；3）每个交易日将其值与滚动 60 日标准差的 90 分位 数对比，前者偏大则记作 1，否则记为 0；4）每个交易日统计样本因子中取值为 1 的因子占比。

因子稳定性指标对公、私募超额收益分化效果不明显，但对Alpha稳定性有 一定的刻画效果，检验结果的差异表明私募或在风格因子方面存在相对更大的 暴露。

三、超额环境评估模型

（一） 特征划分：Alpha 显著性与稳定性

上一节中，我们依次对市场层面、个股层面、行业层面、风格层面和因子 层面的跟踪指标进行了分析。检验结果显示：1）以成交额为代表的交投活跃度 指标对 Alpha 显著性和稳定性均较为有效，偏暖的市场情绪通常能够提供更多的 不合理定价机会，且在市场流动性较好时，相对更小的买卖盘价差能够为量化 策略提供更低的交易成本；2）个股层面的收益分化度同样对超额特征有较大影 响，个股间收益表现差异的加大能够为量化策略提供更多捕捉不合理定价的机 会，对超额获取情况和超额表现的稳定性有正面影响；3）行业轮动速度的提高 对超额稳定性存在一定的负面影响，迅速的热点切换和轮动不利于量化策略获 取超额；4）风格层面跟踪指标主要从显著性特征的角度影响超额表现，正向的 回归系数意味着成长风格和小盘风格的走强分别对公、私募的超额获取情况有 一定程度的利好；5）因子稳定性对超额波动情况进行了较好的刻画，因子收益 波动同时加大，表明市场环境、风格切换变得更为频繁，不利于量化策略表现， 指标解释力的差异也从侧面说明私募或存在相对更大的风格因子暴露敞口。

在逐一检测跟踪指标的基础上，我们对指标所表征的意义进行划分，以期 从 Alpha 显著性和稳定性这两项特征来对当前超额环境进行评估。

根据 Alpha 显著性和稳定性特征，我们将它们各自对应的滚动半年移动平均 线作为基准，尝试划分时序上两项特征处于相对强/弱的状态。

（二） 四象限指标：以二维视角刻画超额所处的相对状态

为了进一步探究 Alpha 两项特征之间的关系，我们以移动平均线为界构建了 超额环境四象限指标，以便从更直观的视角对超额环境所处的相对状态进行评 估。下文中，我们将对划分区域含义、指标运行轨迹规律以及指标共振强度等 方面进行逐一探究。

1. 四象限区域含义差异明显

为了探究各个区域的含义，我们首先统计了四象限指标位于不同区域时， 公、私募超额收益在未来一周、两周、三周和一个月期间大于 0 的概率。

2. 超额切换过程存在一定的运行轨迹规律

对区域含义进行分析后，我们希望进一步探究四象限指标的运行轨迹特征。 我们以具有代表性的 2021 年为例，所选区间包括市场超额整体表现由强势期 （2021Q2）到回撤期（2021Q4）的变化情况。

3. 指标共振强度有一定的预示意义

在前文分析指标运行轨迹的过程中，我们发现相邻散点存在不同的变化幅 度，而此项运行特征对于判断下一期超额的相对状态有一定意义。因此，我们 通过各项指标基于B-B算法划分的上行、下行区间构建了“跟踪指标共振强度”， 以此来对四象限指标的变化幅度进行刻画。共振强度的构建方式为：1）根据 BB 算法识别各项跟踪指标拐点，划分指标上行、下行区间，前者记为 1，后者记 为-1；2）在同一时间截面上对各指标求和，以此作为共振强度，其值越大说明 越多的指标同时处于上行区间，反之亦然。

跟踪指标共振强度对判断四象限指标的相对位置有一定的预示意义，能够 助力指标进入更强区域，也能够在指标反转阶段提供参考。 一方面，共振强度在 2021 年 6 月、2022 年 8 月以及 2023 年 3 月较为强势， 在较长一段时间内至少有四项指标同时处于上行区间，达成了一定的共振效果。 回溯上述时期四象限指标信号，我们发现指标多处于黄色、红色的相对偏强区 域。综合考虑指标位置和共振因素，较强的共振效果为指标偏移到更佳位置提 供了助力，这也与同期市场超额的出色表现相一致。 另一方面，2021 年 8 月至 2022 年 1 月，以及 2022 年 11 月至 2023 年 2 月， 共振强度均处于偏弱水平，底层的跟踪指标上行、下行区间分化明显，共振强 度多处于 0 附近波动。指标在 2021 年 8 月处于红色区域，但较弱的共振强度未 能助力指标向更佳位置移动，指标随即转弱至蓝色区域，同期市场超额明显走 弱。2022 年 11 月，指标处于偏弱的蓝色区域，较弱的共振强度使指标在此区域 持续停留，同期市场超额表现较弱，公募方面有一定程度的回撤现象。

（三） 指标近期表现：超额环境总体回暖

根据超额环境评估模型，2023 年初四象限指标由灰色区域逐渐向右偏移， 于 2 月初进入红色区域，短暂停留后指标于 3 月初再度切换回灰色区域。这一现 象与同期公、私募超额指数表现较为一致，超额整体并未形成稳健偏强的态势， 相邻周之间的收益表现连续性较差。进入 4 月，得益于成交额、个股收益分化度 等指标的强势回暖，Alpha 显著性提升明显，且跟踪指标共振强度处于较高水平， 强势助力指标由灰色区域进入到红色区域较深位置。此阶段，公、私募超额周 度均有较为亮眼的表现，并且整体稳定性较高。

编辑：ABC旺旺旺