beta?alpha?我全都要!——行业主题基金的进阶之路

（以下内容从海通证券《beta?alpha?我全都要!——行业主题基金的进阶之路》研报附件原文摘录）
　　重要提示：《证券期货投资者适当性管理办法》于2017年7月1日起正式实施，通过本微信订阅号发布的观点和信息仅供海通证券的专业投资者参考，完整的投资观点应以海通证券研究所发布的完整报告为准。若您并非海通证券客户中的专业投资者，为控制投资风险，请取消订阅、接收或使用本订阅号中的任何信息。本订阅号难以设置访问权限，若给您造成不便，敬请谅解。我司不会因为关注、收到或阅读本订阅号推送内容而视相关人员为客户;市场有风险，投资需谨慎。 01 引言 在海通量化团队的前期报告《Why，Which，How：打造行业主题基金的三项法则》中，我们以军工和半导体行业为例，分析了（主动）行业主题基金的发展现状和业绩特征，并发现，其中规模较大的产品通常都具备较为突出的beta或alpha优势。 本文将继续从量化角度出发，寻找行业主题基金的构造思路。首先，我们梳理行业指数增强产品的布局现状、beta和alpha表现；随后选取半导体、光伏、有色和高端装备四个代表方向进行测试，重点探索如何打造一款兼具beta和alpha优势的行业主题产品。 02 行业指数增强产品梳理 1 布局现状 自2018年底以来，A股行业分化显著，行业指数增强产品以此为契机迎来快速发展，数量突破20只，年化复合规模增速高达113.09%。从持有人结构来看，个人投资者的平均占比在90%-95%之间波动。截至2022.03.31，全市场共有171只指数增强股票型基金，合计规模1494.70亿元。其中，行业指数增强基金24只，占比14.04%；合计规模72.50亿元，占比4.85%。 我们将行业指数增强基金进一步分为板块增强和细分行业增强两个品类。板块方面，现有产品主要覆盖消费、医药、高端装备、新能源、科技五大方向。细分行业方面，管理人的选择呈多样化态势。上游资源，如农业、细分化工、有色（稀有）金属等；中游制造，如半导体、光伏、消费电子等；下游需求，如娱乐、食品饮料等，均有对应的增强产品。 从大的板块来看，消费、医药和高端装备的增强产品规模较大，分别为24.61亿元、7.95亿元和4.09亿元，且各自都对应3只产品。从细分行业来看，半导体、有色（稀有）金属和农业的增强产品规模较大，分别为7.01亿元、4.94亿元和6.63亿元。 不过，行业指数增强基金内部的规模差异较大，平均值仅为3.02亿元。排名前两位的是招商中证消费龙头指数增强A和前海开源中证大农业增强A，最新合计规模分别为23.11亿元和6.63亿元。 2 产品的业绩、beta和alpha 由下表可见，2019年至今，除2021年下半年成立的部分产品外，其余行业指数增强基金均实现正向超额收益。从风险指标来看，剔除成立时间较短的产品，行业指数增强基金的年化跟踪误差在3-11%之间，其中4只超过6%；平均相对回撤5.16%，最大值为16.95%。 从满仓还原后的弹性指标来看，汇添富中证光伏产业指数增强A、富国中证医药主题指数增强A等4只产品的beta大于1.04，规模占比57.27%。而且，这4只产品在市场上涨和下跌阶段都表现出较高的业绩弹性，即上涨和下跌捕获比例均大于1。 从年化alpha来看，富国中证高端制造指数增强A、天弘国证消费100指数增强A等8只产品大于6%，平均值10.66%，规模占比37.02%，平均beta为0.995。由此可见，虽然这些产品整体的业绩弹性略低，但alpha优势突出。而且，在市场下行阶段具备较好的防御性，平均下跌捕获比例小于1。 由上表可见，具备beta或alpha优势的产品数量占比68.75%，规模占比84.70%。我们推测，对于行业指数增强产品，只要具备beta和alpha中的一种优势，就有可能受到投资者的关注。既然如此，我们不妨“得寸进尺”，看看能否将beta和alpha这两个优势进一步结合，力争在日趋激烈的竞争中脱颖而出。 03 选择合适的行业及基准指数 选择合适的行业及基准指数是构造行业主题基金的第一步，也是相当重要的一步。 首先，所选的行业本身应当具备较好的发展前景和上涨空间。具体而言，或是符合当前的经济周期，如有色金属；或是受益于国家的经济转型，如半导体和高端装备；或是与新兴产业共同成长，如光伏和新能源。 其次，对应的行业基准指数的成分股数量不能过少，编制方案要稳定。否则，既不利于历史数据的回测，也会给模型的维护和更新带来很大的困扰。 基于以上两点考虑，我们选择有色金属、半导体、光伏和高端装备这四个方向（3个行业+1个板块）作为测试对象，并以中证有色、中华半导体芯片、光伏产业和中证高装作为相应的基准指数，尝试构建行业指数增强组合。 之所以选择这四个指数，主要是因为，第一，它们的成分股数量至少为50个；第二，已有被动指数基金或指数增强产品将它们作为基准，代表了一定的市场认可度。 我们的目标是借助量化方法，设计一个兼顾beta和alpha的行业指数增强方案。如果可以通过同一套多因子模型，同时实现较高的beta和alpha，无疑是最理想的结果。但遗憾的是，根据我们的测试，很多因子对beta和alpha的作用方向完全是相反的。例如，A股市场存在较为显著的低流动性和低波动异象，即前期换手率低或者波动率低的股票，后期表现更好。但这类股票的弹性往往不足，beta通常不会很高。 因此，我们退而求其次，不追求同时解决两个优化问题，而是分两步走。首先，从行业指数成分股中优选高beta个股，确定基准组合。其次，继续优化该组合的权重分配，以实现组合alpha的提升。 04 优选高beta个股，确定基准组合 1 直接用历史beta选股面临的问题 要选出未来beta较高的个股，最容易想到的办法就是直接使用历史beta作为筛选标准。例如，将行业内所有股票按照过去3个月相对行业指数的beta从大到小排序，选取排名靠前的若干个。 但是，这样做可能面两个问题：1）如图4-7所示，多数行业的个股平均beta在时间序列上的波动较大，即，beta的延续性较差。2）想获得较高的beta，似乎只能选择较少数量的股票，如，历史beta最高的前20%个股。但这又不利于进一步提升alpha，尤其是对那些只包含50个成分股的指数。 我们认为，用历史beta预测未来beta可能存在一定的逻辑缺陷。beta虽然反映的是个股相对市场或行业指数的弹性，但它只是结果。个股呈现高beta的特征，并不一定是因为它历史上弹性更大，而更可能是和公司所处的外部环境及本身的属性密切相关。以新能源中的光伏产业链为例，在“碳中和”的大背景和国家政策的支持之下，整个行业都迎来了快速且空间巨大的发展契机，其中的龙头或是掌握关键技术的公司，天然就具备了实现更大弹性的基础；另一方面，光伏产业链较长，上中下游供需结构的变化并不完全同步。这就可能导致利润随产业发展的不同阶段而出现转移，从而使上一阶段受益或盈利能力较强的公司无法持续到下一阶段。 从这个角度出发，我们认为，要解决beta预测问题可能有两种思路。1）借鉴行业研究员或主动基金经理的深度研究经验，寻找当前受益最大的细分赛道，适度集中配置。具体案例可以参考前期报告《Why，Which，How：打造行业主题基金的三项法则》中，我们构建的军工赛道组合（beta为1.04）。2）基于经典的量化多因子思维，将传统的通过因子预测收益转变为预测beta，寻找中长期维度下能稳定区分股票未来beta的有效因子。下文着重介绍第二种思路。 2 利用风格因子预测股票beta 下表展示了常见因子与股票下个月beta之间的IC。我们发现，1）对于所有行业，估值、波动、换手这三个量价因子都与beta显著正相关，月均IC大都在0.2-0.3之间。其中，在半导体和光伏行业上的空头效应，即识别低beta个股的能力尤为突出。此外，动量与beta之间的IC在多个行业上也呈显著正相关。2）盈利和成长因子适用的行业有所差异。从IC来看，光伏行业高ROE个股未来更具弹性，有色行业高盈利增速个股下个月的beta可能更高，而半导体和高端装备行业的营收同比增速会对未来beta有显著正向影响。 结合上述发现，我们认为，针对这4个行业，可以尝试如下方法筛选高beta个股。首先，反向剔除一部分低估值、低波动和低换手的股票。随后，等权加总动量和成长/盈利因子，正向筛选一部分得分较高的股票。每一个行业用到的因子如下表所示。 图8-9展示了不同筛选阈值组合下，月均高beta个股数量和个股平均beta。筛选时，因子均按照升序排列。横向来看，高beta个股数量越少，个股平均beta越高。纵向来看，有色和高端装备行业在不同阈值组合下的个股平均beta更高，在1.0-1.1之间波动。 在选出高beta个股后，我们采用市值加权的方式构建组合，并约束单只股票的权重不超过10%。图10-11展示的是组合的beta和跟踪误差。由于半导体、光伏和有色行业指数的成分股数量相对较少，为将跟踪误差控制在8%以内，正向筛选的分位点阈值不能超过40%。 根据每个行业提升beta的难易程度，我们在优选高beta个股的同时（组合beta大致锁定在1.06-1.10之间），还需兼顾可交易的股票数量及跟踪误差，才能最终确定每个行业合适的阈值（图中标红数字）。 如图12-15所示，从60天滚动beta来看，半导体、光伏、有色和高端装备的高beta组合都展现了较好的业绩弹性。80%以上的交易日，beta都大于1.0，超过1.1的时间占比分别为14.61%、25.54%、23.50%和52.28%。相对而言，光伏、有色和高端装备行业的beta提升效果更加显著。 分年度来看（表8），仅有高端装备行业的高beta组合在2019年的beta小于1，其余行业及年份上，组合的beta均≥1。值得注意的是，上述构建高beta组合的方法并未过多考虑alpha表现。而且，较高的beta意味着无论是在市场上行还是下跌阶段，组合都会表现出更大的业绩弹性，因此未必能实现理想的alpha。但我们发现，各行业的高beta组合在大部分年份上均获得了正向alpha。尤其是半导体和高端装备，在回测区间内的每一年，alpha都大于0。相对而言，有色行业的高beta组合不仅alpha的水平较低，波动也较大。 05 优化个股权重，提升组合alpha 本节将在第一步得到的高beta基准组合的基础上，测试两种方法，以继续提升组合的alpha表现，其一是基于alpha因子得分的权重倾斜，其二是组合优化。 1 方法一：基于alpha因子得分的权重倾斜 表9展示的是alpha因子在不同行业上的选股效果。我们在每个行业中挑选3个IC较高的因子，以供下一步的权重倾斜。 1）半导体行业，成长和分析师覆盖因子的月均IC在5%-8%之间。 2）光伏行业，盈利和成长因子的月均IC突出，均为10%左右。 3）有色行业，盈利、成长和分析师预期EP因子的选股效果相对较好，月均IC在3-7%之间。 4）高端装备板块，盈利、成长和分析师覆盖因子的月均IC较为突出，均为7%左右。 接着，我们对表9中每个行业标红的3个alpha因子zscore，进行正态分布映射，得到三个0-1之间的系数，并通过累乘方式对高beta基准组合的权重予以倾斜调整。alpha因子zscore越高，权重提升的幅度越大，同样约束单只股票的权重不超过10%。 如表10所示，个股权重经过alpha因子倾斜后，4个组合的年化alpha均较原组合有显著提升，幅度至少在1倍以上。半导体、有色和高端装备行业的alpha因子倾斜组合的beta均较原组合有微弱下降。但是光伏行业较为特殊，与原先市值加权的高beta组合相比，alpha因子倾斜组合不仅显著提升了alpha，组合beta也从1.06上升至1.09。 考察光伏行业上各类因子与下个月beta和收益的IC，我们发现，以ROE为代表的盈利因子是个股beta和alpha的共同来源。而其他行业上，beta和alpha的预测因子较为不同，即beta和alpha共振的现象相对较弱。因此，对于光伏行业，我们或许可以尝试同时优化组合的beta和alpha表现。 表11展示了扣除单边3‰的费用后，4个行业beta+alpha组合的最终业绩表现。从弹性指标来看，当行业基准指数上行时，4个组合的上涨捕获比例都在1.06以上。其中，光伏和高端装备行业的上涨弹性更为突出，上涨捕获比例超过1.1。当行业基准指数下行时，四个行业的下跌捕获比例也都大于1，即承担了一定的风险。 从收益指标来看，由于上涨弹性更加突出，4个组合在回测区间内均能取得显著的正向超额收益，年化值在6%-16%之间波动。从超额收益的风险指标来看，除有色行业的波动较大以外，其余三个行业的最大相对回撤保持在12%左右。 2 方法二：组合优化 由表11可见，尽管通过因子倾斜的方法可以有效提升组合alpha，但是无法较好地控制跟踪误差。如果想要实现这个目标，我们可以考虑引入传统的宽基指数增强优化体系。不过，由于我们的目标依然是尽可能地保持较高的beta，因此基准被设定为第一步得到的高beta组合，而非相应的行业指数。我们希望在尽量跟踪高beta组合的基础上，进一步获取较为理想的alpha，以达成更好的业绩表现。 整个优化体系与传统宽基增强的做法完全一致，目标仍为最大化组合的预期收益。由于是行业指数增强，行业中性似无必要。同时，考虑到beta优选后的基准组合包含的股票数量较少，我们仅约束个股偏离，未做其他风格上的控制。 在预测收益时，同样是由于部分指数的成分股数量偏少，单独建模可能误差较大。因此，我们建立了全市场股票的多因子回归模型，即所有行业采用的因子都是相同的。并且，我们只将每个行业指数成分股的预测值作为输入，即最终的优化组合不包含非指数成分股。 下表展示了不同的个股偏离约束下，各行业优化组合的业绩表现。从alpha提升的幅度来看，有色和高端装备行业的改善效果最为明显。当跟踪误差保持在8%以内时，年化alpha分别从0.96%和5.64%提升至7.02%（3%偏离）和11.77%（1%偏离），对应的beta分别为1.05和1.09。可见，在这两个行业上，我们通过beta优选及组合优化，实现了对高beta和高alpha的兼顾。 然而，对于另外两个行业，beta优选及组合优化的效果并不理想。特别是半导体行业，经过组合优化后，不仅跟踪误差超过8%，而且在放大个股偏离后，年化alpha还出现了下降。光伏行业上，尽管年化alpha提升显著，但跟踪误差没能控制在8%以内。因此，我们猜测，这种方法并非对每个行业都适用。 我们认为，可能的原因是，1）对于半导体和光伏行业，组合beta的提升难度相对更高。因此，第一步优选高beta个股时，就需适度放宽跟踪误差，从而影响第二步的alpha提升效果。2）我们建立的是全市场股票的多因子模型，即所有行业采用相同的因子，预测效果在不同行业之间可能存在较大分化。以半导体行业为例，通过这种方式获得的股票预期收益与下个月真实收益的月均IC不到2%，而另外三个行业都在10%附近。 进一步扣除单边3‰的费用后，我们得到了组合优化方式下，beta+alpha组合的收益风险特征及弹性指标。除半导体行业外，光伏、有色、高端装备行业的优化组合上涨捕获比例都大于1.05，但也承担了较高的下行风险。有色行业的年化超额收益最低，最大值仅为3%；高端装备的年化超额收益表现相对较好，最高可达14%。 3 两种方法的对比与小结 我们在相似的跟踪误差下，进一步对比因子倾斜和组合优化两种方法的效果（表15、图16-19）。除高端装备板块上，两者不相伯仲外，半导体、光伏和有色行业的因子倾斜组合都优于组合优化方法，具体表现为更高的beta、年化alpha和超额收益。 我们推测，出现这一现象的原因可能在于，因子倾斜方法考虑到了每个行业有效因子的共性和个性，选择了有一定差异化的倾斜因子。而组合优化方法则是对全市场股票采用了相同的因子进行收益预测，未能更好地体现出这几个热门行业的独特性和差异性。 我们认为，对于像高端装备这样成分股数量较多的板块，本文介绍的两种方法均可尝试。但如果偏好组合优化方法，可以考虑采用行业专属因子并单独建模的方式。而对于像半导体、光伏等成分股数量较少的细分行业，alpha因子倾斜或许是更好的方法。当然，如果对跟踪误差有更为明确的控制要求，组合优化也不失为一种选择。 05 总结 本文在海通量化团队的前期报告《Why，Which，How：打造行业主题基金的三项法则》基础上，继续从量化角度出发，寻找行业主题基金的构造思路。首先，我们梳理行业指数增强产品的布局现状、beta和alpha表现；随后选取半导体、光伏、有色和高端装备四个代表方向进行测试，重点探索如何打造一款兼具beta和alpha优势的行业主题产品。 自2018年底以来，A股行业分化显著，行业指数增强产品以此为契机迎来快速发展，数量突破20只，年化复合规模增速高达113.09%。从持有人结构来看，个人投资者的平均占比在90%-95%之间波动。截至2022.03.31，全市场共有171只指数增强股票型基金，合计规模1494.70亿元。其中，行业指数增强基金24只，占比14.04%；合计规模72.50亿元，占比4.85%。 我们将行业指数增强基金进一步分为板块增强和细分行业增强两个品类。板块方面，现有产品主要覆盖消费、医药、高端装备、新能源、科技五大方向。细分行业方面，管理人的选择呈多样化态势。上游资源，如农业、细分化工、有色（稀有）金属等；中游制造，如半导体、光伏、消费电子等；下游需求，如娱乐、食品饮料等，均有对应的增强产品。 考察期内，具备beta或alpha优势的产品数量占比68.75%，规模占比84.70%。我们推测，对于行业指数增强产品，只要具备beta和alpha中的一种优势，就有可能受到投资者的关注。既然如此，我们不妨“得寸进尺”，看看能否将beta和alpha这两个优势进一步结合，力争在日趋激烈的竞争中脱颖而出。 第一步：优选高beta个股，确定基准组合。基于经典的量化多因子思维，将传统的通过因子预测收益转变为预测beta，寻找中长期维度下能稳定区分股票未来beta的有效因子。根据IC测试结果，我们认为，可以尝试如下方法筛选高beta个股。首先，反向剔除一部分低估值、低波动和低换手的股票。随后，等权加总动量和成长/盈利因子，正向筛选一部分得分较高的股票。 第二步：优化个股权重，提升组合alpha。我们测试了两种方法，以继续提升组合的alpha表现，其一是基于alpha因子得分的权重倾斜，其二是组合优化。在相似的跟踪误差下，除高端装备板块上，两者不相伯仲外，半导体、光伏和有色行业的因子倾斜组合都优于组合优化方法，具体表现为更高的beta、年化alpha和超额收益。当然，如果对跟踪误差有更为明确的控制要求，组合优化也不失为一种选择。 06 风险提示 模型误设风险，因子失效风险，历史统计规律失效风险。 联系人 冯佳睿 021-23219732 黄雨薇 021-23154387 本公众订阅号（微信号：海通量化团队）为海通证券研究所金融工程运营的唯一官方订阅号，本订阅号所载内容仅供海通证券的专业投资者参考使用，仅供在新媒体背景下的研究观点交流；普通个人投资者由于缺乏对研究观点或报告的解读能力，使用订阅号相关信息或造成投资损失，请务必取消订阅本订阅号，海通证券不会因任何接收人收到本订阅号内容而视其为客户。 本订阅号不是海通研究报告的发布平台，客户仍需以海通研究所通过研究报告发布平台正式发布的完整报告为准。 市场有风险，投资需谨慎。在任何情况下，本订阅号所载信息或所表述的意见并不构成对任何人的投资建议，对任何因直接或间接使用本订阅号刊载的信息和内容或者据此进行投资所造成的一切后果或损失，海通证券不承担任何法律责任。 本订阅号所载的资料、意见及推测有可能因发布日后的各种因素变化而不再准确或失效，海通证券不承担更新不准确或过时的资料、意见及推测的义务，在对相关信息进行更新时亦不会另行通知。 本订阅号的版权归海通证券研究所拥有，任何订阅人如欲引用或转载本订阅号所载内容，务必联络海通证券研究所并获得许可，并必注明出处为海通证券研究所，且不得对内容进行有悖原意的引用和删改。 海通证券研究所金融工程对本订阅号（微信号：海通量化团队）保留一切法律权利。其它机构或个人在微信平台以海通证券研究所金融工程名义注册的、或含有“海通证券研究所金融工程团队或小组”及相关信息的其它订阅号均不是海通证券研究所金融工程官方订阅号。

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）