量化模型与构建方式 1. 模型名称：公募指数增强基金等权组合模型[6][17][20][21][26] 模型构建思路：通过等权重配置同一指数增强基金类别下的多只产品，构建一个能够代表该类基金整体平均表现的组合[17][22]。 模型具体构建过程： * 基金筛选：根据Wind投资类型二级分类，筛选出跟踪特定指数（如沪深300、中证500、中证1000、中证A500）的指数增强型基金[29]。 * 成立时间过滤：在每次再平衡时点，仅纳入成立已满2个月的基金，以排除建仓期影响[17][22][30]。对于中证A500指增，由于存续时间较短，在统计本年收益时放宽要求，不要求满2个月[8][30]。 * 组合构建与再平衡：将筛选出的基金进行等权重配置，形成组合。组合采用月度频率进行再平衡，即每月调整一次，使各成分基金恢复等权重[17][22]。 * 净值计算：计算该等权组合的净值走势，用于观察该类基金整体的累计超额收益表现[6][17][20][21][26]。 2. 模型名称：公募主动量化产品等权组合模型[6][17][25][27] 模型构建思路：通过等权重配置多只主动量化基金，构建一个能够代表主动量化基金整体平均表现的组合[17]。 模型具体构建过程： * 基金筛选：根据基金名称、投资目标、基金经理、招股说明书的投资策略、股票仓位等，从Wind投资类型为普通股票型、偏股混合型、灵活配置型的基金中定义并筛选出主动量化基金[29]。 * 成立时间过滤：在每次再平衡时点，仅纳入成立已满2个月的基金[17]。 * 组合构建与再平衡：将筛选出的基金进行等权重配置，形成组合。组合采用月度频率进行再平衡[17]。 * 净值计算：计算该等权组合的净值走势，用于观察主动量化基金整体的累计绝对收益表现[6][17][25][27]。 3. 模型名称：公募市场中性产品等权组合模型[6][17][24] 模型构建思路：通过等权重配置多只股票市场中性策略基金，构建一个能够代表市场中性基金整体平均表现的组合[17]。 模型具体构建过程： * 基金筛选：根据Wind投资类型二级分类，筛选出投资类型为“股票多空”的基金，定义为股票市场中性策略基金[29]。 * 成立时间过滤：在每次再平衡时点，仅纳入成立已满2个月的基金[17]。 * 组合构建与再平衡：将筛选出的基金进行等权重配置，形成组合。组合采用月度频率进行再平衡[17]。 * 净值计算：计算该等权组合的净值走势，用于观察市场中性基金整体的累计绝对收益表现[6][17][24]。 模型的回测效果 1. 公募沪深300指增等权组合模型，近一年跟踪误差3.07%[8]，近一年信息比率(IR)未直接给出，可通过“近一年均值0.29%”与“近一年跟踪误差3.07%”估算。 2. 公募中证A500指增等权组合模型，本年跟踪误差5.94%[8]。 3. 公募中证500指增等权组合模型，近一年跟踪误差4.35%[8]，近一年信息比率(IR)未直接给出，可通过“近一年均值2.85%”与“近一年跟踪误差4.35%”估算。 4. 公募中证1000指增等权组合模型，近一年跟踪误差4.37%[8]，近一年信息比率(IR)未直接给出，可通过“近一年均值9.70%”与“近一年跟踪误差4.37%”估算。 5. 公募主动量化产品等权组合模型，近一年最大回撤13.10%[8]。 6. 公募市场中性产品等权组合模型，近一年最大回撤3.42%[8]。 量化因子与构建方式 1. 因子名称：超额收益因子[1][2][3][8] 因子构建思路：衡量指数增强基金相对于其跟踪基准的超额收益能力[29]。 因子具体构建过程： * 基准确定：以基金所跟踪的标的指数对应的全收益指数作为比较基准[29]。 * 计算：在指定时间窗口内（如本周、本月、本年等），计算基金净值增长率与基准指数增长率之差，即为该时间窗口的超额收益。 $超额收益 = R_{fund} - R_{benchmark}$ 其中，$R_{fund}$ 为基金收益率，$R_{benchmark}$ 为基准全收益指数收益率。 2. 因子名称：跟踪误差因子[8] 因子构建思路：衡量指数增强基金投资组合收益率与基准指数收益率之间的偏离程度，即投资组合的风险控制能力[8]。 因子具体构建过程： * 数据准备：获取基金和基准指数在近一年内的日度收益率序列。 * 计算：计算基金日收益率与基准日收益率之差的年化标准差。 $年化跟踪误差 = \sqrt{242} \times Std(R_{fund, daily} - R_{benchmark, daily})$ 其中，$Std$ 表示标准差，年化交易日数采用242天[29]。 3. 因子名称：最大回撤因子[8] 因子构建思路：衡量基金净值从前期高点下降到后期低点的最大幅度，用于评估基金的历史下行风险[8]。 因子具体构建过程： * 数据准备：获取基金在指定时间窗口内（如近一年）的净值序列。 * 计算：对于净值序列中的每一个时点，计算从该时点之前的历史最高点到该时点的回撤率，所有时点回撤率中的最大值即为该时间窗口的最大回撤。 $回撤率(At\ Time\ t) = \frac{Peak_t - NAV_t}{Peak_t}$ $最大回撤 = Max(回撤率_1, 回撤率_2, ..., 回撤率_T)$ 其中，$Peak_t$ 为时点 $t$ 之前的历史最高净值，$NAV_t$ 为时点 $t$ 的净值。 因子的回测效果 1. 超额收益因子（沪深300指增），本周均值0.21%[1][8]，本月均值0.33%[2][8]，本年均值-0.24%[3][8]，近一年均值0.29%[8]。 2. 超额收益因子（中证A500指增），本周均值-0.04%[1][8]，本月均值-0.03%[2][8]，本年均值1.04%[3][8]。 3. 超额收益因子（中证500指增），本周均值-0.44%[1][8]，本月均值-0.11%[2][8]，本年均值0.64%[3][8]，近一年均值2.85%[8]。 4. 超额收益因子（中证1000指增），本周均值-0.24%[1][8]，本月均值0.25%[2][8]，本年均值7.52%[3][8]，近一年均值9.70%[8]。 5. 超额收益因子（主动量化），本周均值-0.12%[1][8]，本月均值0.58%[2][8]，本年均值26.64%[3][8]，近一年均值21.68%[8]。 6. 超额收益因子（市场中性），本周均值-0.12%[1][8]，本月均值-0.10%[2][8]，本年均值1.03%[3][8]，近一年均值1.40%[8]。 7. 跟踪误差因子（沪深300指增），近一年均值3.07%[8]。 8. 跟踪误差因子（中证A500指增），本年均值5.94%[8]。 9. 跟踪误差因子（中证500指增），近一年均值4.35%[8]。 10. 跟踪误差因子（中证1000指增），近一年均值4.37%[8]。 11. 最大回撤因子（主动量化），近一年均值13.10%[8]。 12. 最大回撤因子（市场中性），近一年均值3.42%[8]。