Workflow
中证1000指增基金
icon
搜索文档
量化基金业绩跟踪周报(2025.10.13-2025.10.17):近2周指增超额收益显著回升-20251018
西部证券· 2025-10-18 21:15
根据研报内容,该报告主要对各类公募量化基金的历史业绩进行了统计和展示,并未涉及具体的量化模型或量化因子的构建、测试与评价[1][2][3][8][9][30]。报告的核心是基金业绩的跟踪与分析。 因此,本总结将重点放在报告中所统计的**量化基金类型**及其**业绩指标**上。 量化基金业绩统计 报告对以下六类公募量化基金进行了业绩统计[9][30]: 1. **沪深300指数增强基金**:以沪深300指数为基准的增强型产品。 2. **中证A500指数增强基金**:以中证A500指数为基准的增强型产品。 3. **中证500指数增强基金**:以中证500指数为基准的增强型产品。 4. **中证1000指数增强基金**:以中证1000指数为基准的增强型产品。 5. **主动量化基金**:采用量化方法进行主动管理的股票型产品。 6. **股票市场中性基金**:采用量化对冲策略的市场中性产品。 业绩指标与计算说明 报告采用了统一的业绩计算原则[30][31]: - 采用日频数据进行计算,年化采用242个交易日,几何年化[30] - 超额业绩计算的比较基准为产品所跟踪的标的指数对应的全收益指数[30] - 统计时一般仅考虑成立满2个月的基金,中证A500指增因存续时间较短,在统计本年收益时不作此要求[31] 基金的回测效果 以下为截至2025年10月17日的各类基金业绩指标统计结果(均值)[9]: | 基金类型 | 本周超额/收益 | 本月超额/收益 | 本年至今超额/收益 | 近一年超额/收益 | 近一年跟踪误差 | 近一年最大回撤 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | **沪深300指增** | 0.01% | 0.24% | -0.93% | -1.79% | 3.23% | - | | **中证A500指增** | 0.25% | 0.62% | 0.94% | - | 6.27% | - | | **中证500指增** | 0.79% | 1.26% | 0.31% | 0.02% | 4.64% | - | | **中证1000指增** | 0.55% | 1.03% | 7.11% | 10.93% | 4.81% | - | | **主动量化基金** | -2.88% | -3.12% | 23.73% | 30.71% | - | 13.68% | | **市场中性基金** | -0.12% | 0.11% | 0.96% | 0.83% | - | 3.39% | *注:指增基金主要展示超额收益和跟踪误差,主动量化和市场中性基金展示绝对收益和最大回撤[9]*
量化基金业绩跟踪周报(2025.09.15-2025.09.19):指增超额收益持续承压-20250920
西部证券· 2025-09-20 15:51
这篇研报主要跟踪了各类公募量化基金的业绩表现,并未涉及具体的量化模型或量化因子的构建、测试与评价。报告内容集中于基金产品的业绩统计,而非底层模型或因子[1][2][3][9][10]。 因此,根据您的要求,本次总结将跳过“量化模型与构建方式”、“模型的回测效果”、“量化因子与构建方式”及“因子的回测效果”等部分。
量化基金业绩跟踪周报(2025.07.21-2025.07.25):300指增超额收益连续5周回落-20250726
西部证券· 2025-07-26 20:08
根据提供的量化周报内容,以下是核心量化模型与因子的结构化总结: --- 量化模型与构建方式 1. **沪深300指数增强模型** - 构建思路:通过多因子选股模型超越沪深300指数基准[10][30] - 具体构建: 1) 采用日频数据计算超额收益,年化基准为242个交易日[32] 2) 组合采用月度再平衡,仅包含成立满2个月的基金[24] 3) 超额基准为标的指数对应的全收益指数[32] 2. **中证500/1000/A500指数增强模型** - 构建思路:针对中小盘风格优化因子暴露,捕捉超额收益[10][30] - 具体差异: - A500指增允许成立满1个月的基金进入组合[24] - 中证1000指增跟踪误差范围2.86%-8.18%[10] --- 量化因子与构建方式 1. **超额收益因子** - 构建过程: $$超额收益 = \frac{基金日收益 - 基准日收益}{基准日收益}$$[32] 采用几何年化计算,窗口期包括周/月/年等[10][32] 2. **跟踪误差因子** - 构建过程: $$跟踪误差 = \sqrt{242 \times \frac{\sum_{t=1}^n (超额收益_t - \overline{超额收益})^2}{n-1}}$$[32] 其中n为计算周期内交易日数量 --- 模型回测效果 | 模型 | 本年超额收益 | 近一年IR | 最大回撤 | |---------------------|-------------|----------|-----------| | 沪深300指增 | 0.66% | -1.99% | 9.78%[10] | | 中证500指增 | 2.17% | -1.51% | 12.22%[10]| | 中证1000指增 | 5.59% | 6.64% | 6.91%[10] | | 主动量化 | 13.63% | 35.24% | 31.80%[10]| --- 因子回测效果 | 因子 | 沪深300指增 | 中证500指增 | |--------------|------------|------------| | 周度超额收益 | -0.02% | -0.14%[10] | | 年度跟踪误差 | 3.51% | 4.95%[10] | --- 关键图表结论 - 中证1000指增近1年超额收益显著高于其他宽基指数(散点图右上方聚集)[16] - 市场中性策略年化波动率最低(最大回撤4.29% vs 主动量化14.88%)[10][21] 注:所有数据截至2025年7月25日[10][24][30]