中证A500指数增强基金引发市场关注，沪深300指增产品表现分析

中国证券报记者发现，以沪深300指数为例，经过今年一三季度两轮快速反弹，指数产品跑输指数的情况并不少见，不少指数产品跑输指数的情况屡见不鲜。甚至表现不佳。超过十个百分点。

业内人士告诉记者，今年的风格偏差对量化策略产生了影响。例如，小盘股春节前大幅回落，低贝塔值股票9月份缺乏反弹动能。如果当时投资组合出现过多的负偏差，那就是不利的。投资组合回报会成为拖累。

第一个和最后一个相差近20个百分点

今年一季度和三季度，A股市场经历了两波触底反弹。剧烈波动的市场环境，给那些基于追踪指数来寻求超额收益的指数增强型基金带来了巨大的考验。以沪深300指数为例，数据显示，截至12月4日，今年以来沪深300指数累计上涨14.56%。然而，沪深300指数产品（2024年之前成立）跑赢大盘的比例不足60%。荣获沪深300指数。

其中，海富通沪深300指数增强A、华安沪深300增强策略ETF等优质产品年内涨幅超过20%。易方达基金、国泰基金、安信基金、华夏基金、创金合信基金旗下的沪深300指数新产品年内增速也超过18%，在同类产品中名列前茅。

自9月24日本轮行情启动以来，华夏沪深300指数加强了A级快速反应。本轮反弹甚至小幅跑赢沪深300指数，大幅提升了投资组合年内收益。

但长城九泰沪深300A、国金沪深300指数增强A、先锋沪深300指数增强A等表现不佳。年内回报率不到5%，最低的甚至不到1%，大幅跑输沪深300指数。由此来看，今年以来沪深300指数产品首尾表现相差近20个百分点。

长城九泰沪深300A基金经理在定期报告中表示，一季度，小市值股票流动性风险突出。受市场尾部风险影响，因子和模型短期表现不佳，带来了alpha和beta暴露。负贡献；二季度，基于中小股票认知变化，模型优化了股票池基础建设中的价值筛选因素；三季度，A股市场触底反弹，投资组合适度暴露价值风格。第三季度大部分时间表现相对稳定，但从季末开始出现下滑。反弹和强劲的贝塔市场缺乏上升动力，导致表现逊于业绩基准。

警惕风格过度暴露的风险

富国中证500指数增强基金经理徐友华对中国证券报记者表示，今年的风格偏差会对量化策略产生影响。比如，春节前小盘股出现大幅回调。此时，如果有太多市值因子出现负偏差，则投资组合可能会在市值因子上遭受较大损失。此外，9月份市场情绪出现明显转向，低贝塔值股票缺乏反弹动力。此时，如果投资组合出现过多的负偏差，则可能会出现重大损失。

对于今年沪深300指数基金的收益表现相对滞后，国金基金量化投资中心透露，该产品的投资运作目标是在满足成分股比例、跟踪的前提下追求超额收益。误差限度。这一管理目标可能是极端的市场条件会导致大幅的超额波动。 “因此，从10月份开始，我们按照法律法规和基金合同的规定，统一调整了指数增强产品线的管理目标，严格限制风格行业的敞口，同时努力来优化相应的alpha模型。”

某年表现不错的沪深300指数成长基金经理告诉记者，今年之所以能够取得更好的超额收益，可能是因为在风格上没有暴露太多。 “通过最大化量化模型获得的超额收益属于我的能力范围，但主动加码风格和行业则超出了我的能力范围。我们更愿意将投资组合交给市场和数据，并保持相对稳定。偏差更低。”

由于大多数量化模型都是建立在长期存在的规律和经验的基础上，并根据市场环境的短期变化动态更新和调整，徐友华表示，量化模型很难在短期内适应市场的剧烈反转。一段时间。

“9月份之前，一些相对有效的因素在市场转换后出现了较大幅度的回调，而一些此前表现相对较弱的因素则出现了逆转的迹象。因此，当市场情绪或风格出现明显转变时，如果仅依赖单一模型或信号，将会带来更大的风险。 “徐友华认为，稳健的策略应该能够适应各种可能的环境，根据市场变化做出必要的调整，并能够识别极端的市场环境进行必要的人工干预。

此次调整后，西部增益基金基金经理翟子建向记者分享了他对后续量化策略的改进思路。一方面，提高战略阿尔法回报来源的多样性，包括迭代因子库、开发新模型、形成低相关性多策略配置等；另一方面，重视风控模型的运用，包括迭代风控模型、调整风险暴露等。

借鉴沪深300指数增长经验

近期，中证A500掀起了一股指数投资热潮。除了市场上中证A500ETF竞争激烈之外，场外中证A500指数的涨幅也吸引了超过40家公募机构报到。从跟踪同一指数的指数成长型基金数量来看，目前已上报的中证A500指数成长型基金数量仅次于中证500指数成长型、沪深300指数成长型、中证1000指数成长型现有产品数量。

记者在与多家即将发行中证A500指数成长基金的机构沟通时了解到，过去积累的沪深300指数成长策略将为中证A500指数成长的投资管理提供重要参考。未来。

上海一家公募量化基金经理告诉记者，他们管理的沪深300指数的部分收益来自于指数成分股，这方面主要采用传统的线性模型；另一部分收入来自于全市场选股，这方面的主要应用是机器学习等非线性方法，包括CatBoost、XGBoost等传统模型，以及深度神经网络学习。两种策略的综合运用，既可以把握市场的长期规律，又可以动态适应市场的中短期变化。

对于未来沪深A500指数上涨的量化策略，基金经理介绍，指数成分股将延续沪深300指数上涨采用的线性和非线性方法，并进行相应的行业中性控制。 “线性模型可以清晰地展现要素收益来源，非线性方法可以通过要素轮换来适应市场变化。但在实际应用中，我们可能更喜欢更清晰的非线性方法，而复杂的深度学习仍然需要时间的积累。”实际验证。”

对比沪深300和沪深A500，徐友华表示，沪深A500股票数量较多，平均市值相对较小。无论是覆盖个股数量还是市值下沉空间，都增加了中证A500指数。提供了更多的提升空间。虽然两个战略框架不一定会有很多新的变化，但徐友华表示，更多的差异体现在战略集合中各个模型的选择和融合上。