沪深两市ETF两融余额总体情况 - 截至11月21日，沪深两市ETF两融余额为1212.89亿元，较上一交易日增加3.7亿元 [2] - ETF融资余额为1142.66亿元，较上一交易日增加9.86亿元 [2] - ETF融券余额为70.23亿元，较上一交易日减少6.16亿元 [2] ETF融资净买入情况 - 11月21日有279只ETF获融资净买入 [2] - 易方达创业板ETF融资净买入额居首，净买入3.29亿元 [2] - 融资净买入金额居前的ETF包括华泰柏瑞沪深300ETF、国泰中证全指证券公司ETF、南方中证500ETF、华夏上证科创板50ETF、富国上证综指ETF、华夏中证1000ETF [2]

沪深两市ETF两融余额总体情况 - 截至11月21日，沪深两市ETF两融余额为1212.89亿元，较上一交易日增加3.7亿元 [1] - ETF融资余额为1142.66亿元，较上一交易日增加9.86亿元 [1] - ETF融券余额为70.23亿元，较上一交易日减少6.16亿元 [1] ETF融资净买入情况 - 11月21日有279只ETF获融资净买入 [1] - 易方达创业板ETF融资净买入额居首，净买入3.29亿元 [1] - 融资净买入金额居前的ETF包括华泰柏瑞沪深300ETF、国泰中证全指证券公司ETF、南方中证500ETF、华夏上证科创板50ETF、富国上证综指ETF、华夏中证1000ETF等 [1]

报告行业投资评级 未提及 报告的核心观点 - 报告构建多个ETF组合，包括宏观行业组合、宏观+动量行业组合、核心 - 卫星组合和三位一体风格轮动ETF组合，各组合依据不同策略配置，且每月调仓，当前经济前瞻指标回升、流动性略偏紧、信用向好，组合配置有相应调整[5][8] 根据相关目录分别总结 1. ETF组合构建方法 1.1 基于宏观方法的ETF组合构建 - 根据经济、流动性、信用三个维度宏观变量，对宽基、行业主题、Smart Beta三大类ETF跟踪指数计算宏观敏感性，结合动量指标构建宏观行业、宏观+动量行业、核心 - 卫星行业3个ETF组合并每月调仓[8] - 传统周期行业对经济敏感，TMT对流动性敏感，消费对信用敏感，国企、ESG相关主题对流动性和信用低敏感[8] 1.2 三位一体风格轮动ETF组合构建 - 以宏观流动性为核心构建中长期风格轮动模型，与沪深300指数对比，综合胜率和赔率表现，筛选宏观、基本面和市场情绪因子构建成长/价值轮动、市值、质量三类模型，综合结果得到最终风格偏好指向[9] - 筛选目标风格暴露多的ETF，控制行业暴露，设置3% - 20%配置上下限得到配置模型[9] 2. 宏观行业组合 - 筛选成立1年以上、规模2亿以上行业主题ETF跟踪指数，计算经济、流动性、信用敏感性得分并加总，取排名前6指数对应规模最大ETF等权配置[10] - 当前经济前瞻指标回升、流动性略偏紧、信用向好，组合转向均衡，消费比例提升，10月持仓包括博时中证成渝地区双城经济圈成份ETF等6只ETF[14] - 2025年组合波动较大，9月超额收益恢复为正[15] 3. 宏观+动量行业组合 - 结合宏观与动量方法，动量方法先聚类行业主题，每组选过去6个月涨幅最高产品等权配置，两种方法筛选结果合并[16] - 10月持仓包括华宝中证银行ETF等12只ETF，医药板块权重降低，稀土、电池在动量端被选中[18] - 2025年组合表现出色，8月超额回撤后9月回正[19] 4. 核心 - 卫星组合 - 因行业主题ETF波动高、行业轮动快，设计以沪深300为底仓的核心 - 卫星组合[20] - 用宏观敏感性测算方法构建宽基、行业、Smart Beta 3个股票组合，按50%、30%、20%权重加权得到最终组合[21] - 10月持仓包括华泰柏瑞沪深300ETF等15只ETF，2025年表现稳健，几乎每月战胜指数，9月继续跑赢[24][25] 5. 三位一体风格轮动ETF组合 - 本期模型偏向小盘成长 + 高质量，展示了模型因子暴露与历史表现[26] - 2025年组合月度收益有波动，10月持仓包括南方中证1000ETF等8只ETF[30][31]

基金经理变更 - 富国基金于7月23日发布公告，为“富国致弘量化选股”和“富国致航量化选股”两只产品增聘苗富为基金经理 [1] - 这两只产品分别成立于2023年9月和2023年12月，原由基金经理王保合管理，截至公告日累计收益率分别为9.79%和13.12% [1] 基金经理背景与管理概况 - 王保合为博士学历，自2006年7月加入富国基金，现任公司总经理助理、量化投资部总经理，拥有超过10年基金经理经验 [1] - 王保合目前在管产品12只，合计管理规模为107.58亿元 [1] - 其管理产品以被动指数型基金为主，自2020年后开始尝试管理主动管理型产品，并在2023年和2024年卸任了多只被动指数型基金，其中2024年卸任4只 [3] 主动管理型产品表现与规模变动 - 王保合管理的主动管理型产品业绩表现中规中矩，“富国致弘量化选股”和“富国致航量化选股”在同类型产品中排名分别为387/864和467/893，处于中游水平 [4] - 但上述两只产品遭遇投资者持续赎回，截至二季度末管理规模仅剩0.47亿元和0.55亿元，较成立初期的3.75亿元和4.5亿元分别缩水87.47%和87.78% [4] - 其管理的唯一一只偏股混合基金“富国新兴成长量化精选A”管理规模为0.22亿元，较成立初期的6.32亿元缩水96.51%，累计任职回报仅为0.37% [4] 被动指数型基金规模变动 - 王保合管理的被动指数型基金同样面临规模缩减，代表性产品“富国上证综指ETF”截至2025年二季度末基金份额为40.46亿份 [5] - 该基金份额已连续三个季度大幅缩减，近三个季度分别净赎回41.37亿份、18.66亿份和18.54亿份，较2024年三季度末的119.03亿份减少近三分之二 [5] - 个人管理总规模下降至107.58亿元，相比2024年三季度末的194.94亿元下滑44.84%，相比2020年9月峰值265.94亿元缩水59.45% [5] 产品业绩与费率分析 - 尽管规模萎缩，但部分产品业绩表现稳健，“富国上证综指ETF”今年以来收益率10.55%，显著跑赢同期上证综指6.88%的涨幅，且在多个时间维度上超额收益明显 [7] - 管理费率偏高被认为是份额下滑主因，“富国上证综指ETF”管理费率为0.5%，高于市场平均水平 [10] - 王保合在管产品中，股票型基金管理费率多为1.2%，部分被动指数基金管理费率高达1.0%，仅有2只产品管理费率为0.5% [11] 行业费率趋势与竞争压力 - 近两年在监管引导下，市场主流产品特别是被动指数基金管理费率出现大幅调降，多家基金公司在2024年11月将大型宽基股票ETF管理费率统一调降至0.15%，托管费率调降至0.05% [12] - 王保合在管产品的管理费率和托管费率未见调整，削弱了市场竞争力，其管理的基金在去年四季度行业降费后出现明显份额流失 [12]

量化模型与构建方式 1. 跳跃不平衡指标模型 1.1 模型名称：跳跃不平衡指标模型 **模型构建思路**：通过识别个股股价跳跃行为，构建衡量股票价格向上跳跃与向下跳跃力量差的指标，用于指数择时[1][2] **模型具体构建过程**： 1. 使用Jiang and Oomen(2008)的跳跃统计量识别股价跳跃： $$JS=N\frac{\hat{V}_{(0,1)}}{\sqrt{\hat{\Omega}_{SW}}}(1-\frac{RV_{N}}{SWV_{N}})\sim N(0,1)$$ $$RV_{N}=\sum_{k=1}^{N}r_{k}^{2}\;;\;SW_{N}=2\sum_{k=1}^{N}(R_{k}-r_{k})$$ $$\hat{V}_{(0,1)}=\frac{1}{\mu_{1}^{2}}\sum_{k=1}^{N-1}|r_{k+1}||r_{k}|$$ $$\mu_{p}=2^{p/2}\,\Gamma\left(\frac{p+1}{2}\right)/\sqrt{\pi}$$[9] 2. 构建三种跳跃不平衡指标： - 跳跃不平衡指标： $$D_{i,t}^{N J}=\frac{\mathrm{No.of~Pjumps}_{i}^{d}\mathrm{\-~No.of~Njumps}_{i}^{d}}{\mathrm{No.of~Tjumps}_{i}^{d}}$$ - 跳跃数量不平衡指标： $$J D_{i,t}^{N J}={\frac{\mathrm{No.of~Pjumps}_{i}\,\mathrm{-~No.of~Njumps}_{i}}{\mathrm{No.of~Tjumps}_{i}}}$$ - 跳跃幅度不平衡指标： $$J R_{i,t}^{N J}={\frac{\mathrm{R.of~Pijumps}_{i}\ -\ R.\mathrm{of~Njumps}_{i}}{R.\mathrm{of~Tijumps}_{i}}}$$[15] 3. 计算指数层面跳跃不平衡指标变化值∆D、∆JD和∆JR[16] **模型评价**：跳跃不平衡指标对指数未来收益有一定预测能力，但解释能力不算高[17] 1.2 模型名称：隐含/暴露跳跃不平衡指标模型 **模型构建思路**：将个股跳跃分为受市场跳跃影响的暴露跳跃和不受市场跳跃影响的隐含跳跃，分别构建不平衡指标[23] **模型具体构建过程**： 1. 暴露跳跃不平衡指标： $$D_{i,t}^{EJ}=\frac{\text{No.of Pjumps}_{i}|\text{Market Jump-No.of Njumps}_{i}|\text{Market Jump}}{\text{No.of Tjumps}_{i}|\text{Market Jump}}$$ 2. 隐含跳跃不平衡指标： $$D_{i,t}^{IJ}=\frac{\text{No.of Pumps}_{i}|\text{No Market Jump-No.of Numps}_{i}|\text{No Market Jump}}{\text{No.of Tumps}_{i}|\text{No Market Jump}}$$ 3. 同样构建数量不平衡和幅度不平衡指标[27] 4. 计算指数层面指标变化值∆D、∆JD和∆JR[28] **模型评价**： - 隐含跳跃不平衡指标与未来指数收益正相关，可能反映市场参与者预期 - 暴露跳跃不平衡指标与未来指数收益负相关，可能反映市场情绪过热[28] 1.3 模型名称：跳跃不平衡离散度指标模型 **模型构建思路**：通过个股隐含跳跃不平衡指标的标准差衡量市场跳跃不平衡离散度，反映市场情绪分化程度[38] **模型具体构建过程**： 1. 计算个股当月的隐含跳跃不平衡指标标准差_ 2. 计算变化值∆_ 3. 当离散度收敛(∆_<0)时看多市场[39] **模型评价**：离散度指标能有效反映市场情绪分化程度，对指数择时有较好效果[39] 1.4 模型名称：复合指标择时模型 **模型构建思路**：结合隐含跳跃幅度不平衡指标和跳跃不平衡离散度指标构建复合择时模型[42] **模型具体构建过程**： 1. 当∆JR>0且∆JR_Std<0时持有上证指数 2. 当∆JR<0且∆JR_Std>0时空仓 3. 其他情况空仓[42] **模型评价**：复合指标择时效果显著优于单一指标[42] 2. 成长-价值风格轮动模型 2.1 模型名称：国证成长指数择时模型 **模型构建思路**：将跳跃不平衡指标应用于国证成长指数择时[51] **模型具体构建过程**： 1. 识别国证成长指数股价跳跃 2. 计算成分股隐含跳跃收益等权平均 3. 根据隐含跳跃收益变化值∆JR判断持仓[51] 2.2 模型名称：成长-价值风格轮动模型 **模型构建思路**：基于国证成长指数隐含跳跃收益变化构建成长-价值风格轮动策略[55] **模型具体构建过程**： 1. 当国证成长指数隐含跳跃收益增加超过阈值时持有国证成长指数 2. 当隐含跳跃收益减少超过阈值时空仓 3. 其他情况半仓持有国证价值指数[55] 模型的回测效果 1. 跳跃不平衡指标模型 - ∆JD_NJ模型：年化收益6.23%，夏普比0.57，盈亏比1.46，年化超额4.48%[20] - ∆JR_IJ模型：年化收益9.93%，夏普比0.82，卡玛比0.75，盈亏比2.05，年化超额8.46%[32] - ∆JR_Std_IJ模型：年化收益9.41%，夏普比0.74，卡玛比0.70，盈亏比1.50，年化超额7.91%[39] - 复合指标模型：年化收益16.5%，夏普比1.28，卡玛比2.41，年化超额15.49%[45] 2. 上证综指ETF择时策略 - 年化收益12.10%，夏普比0.89，卡玛比1.49，年化超额9.78%，最大回撤6.32%[47] 3. 国证成长指数择时 - 正向策略：年化收益12.94%，夏普比0.75，卡玛比0.69，盈亏比1.43[54] - 负向策略：年化收益-9.92%，盈亏比1.36[54] 4. 成长-价值风格轮动 - 年化收益11.34%，夏普比0.64，卡玛比0.77，年化超额10.53%[62]