风格暴露成“双刃剑” 中证A500指增产品需先向前辈取经

　　近期，公募机构大面积参与中证A500指数增强基金布局，指增产品成为行业热议所在。从沪深300指增等代表性产品今年的表现来看，中国证券报记者梳理发现，今年以来的行情大幅波动，指增产品跑输指数的情况并不少见，甚至有指增产品跑输指数10几个百分点。

　　业内人士分析，今年春节假期前小微盘品种明显回撤，四季度低贝塔品种反弹动力不强，如果投资组合当时在这些方向有太多的暴露，都会对组合收益形成拖累。稳健的量化策略应该适应各种可能的环境、根据市场变化进行必要调整，在极端市场环境下，应进行必要的人工干预。

　　首尾业绩相差较大

　　今年一季度与三季度，A股市场经历了两次大幅波动行情，剧烈变化的市场环境给那些在跟踪指数基础上谋取超额收益的指增产品带来巨大考验。以沪深300指增这一代表性品种为例，Wind数据显示，截至12月4日，沪深300指数今年以来上涨14.56%，然而仅有不到六成的沪深300指增产品（成立于2024年之前）跑赢了指数。

　　其中，海富通沪深300指数增强A、华安沪深300增强策略ETF等产品年内回报率达20%以上，易方达基金、国泰基金、安信基金、华夏基金、创金合信基金等公募旗下沪深300指增产品年内涨幅也超过18%，位居同类产品前列。9月24日新一轮行情启动以来，华夏沪深300指数增强A等产品净值迅速上行，在这轮行情中小幅跑赢指数。

　　与此同时，长城久泰沪深300A、国金沪深300指数增强A、万家沪深300指数增强A等表现不尽如人意，年内回报率不足5%，低者甚至不足1%，大幅跑输指数。如此看来，今年以来沪深300指增产品首尾业绩相差已接近20个百分点。

　　长城久泰沪深300的基金经理“复盘”表示，一季度，小微市值个股流动性风险表现突出，受市场尾部风险影响，因子与模型短期表现不佳，阿尔法和贝塔暴露同时带来负向贡献；二季度，基于对中小股票的认知变化，模型在股票池的基础构建中优化了价值性的筛选因子；三季度，A股市场触底反弹，组合在价值风格上适度暴露，三季度大多时间表现相对稳健，但季度末开始的反弹强贝塔行情下，上涨动力不足，导致跑输业绩基准。

　　警惕风格过度暴露

　　富国中证500指数增强的基金经理徐幼华对中国证券报记者表示，今年风格偏离给量化策略带来较大影响，比如春节假期前小微盘品种出现明显回撤，这时候量化策略如果在市值因子方面出现负偏离，投资组合可能会承受较大的损失；9月下旬市场出现明显变化，部分低贝塔品种反弹动力不足，此时如果投资组合出现负偏离，也可能会出现明显损失。

　　对于今年部分沪深300指增产品相对落后的表现，国金基金量化投资中心解释，产品投资运作的目标是在满足成份股占比和跟踪误差限制的前提下追求超额收益，该管理目标可能在市场环境较为极致的情况下带来较大的超额波动，“因此从10月份开始，在符合法律法规的规定及基金合同的约定前提下，我们统一调整了指数增强产品线的管理目标，严格限制风格行业暴露敞口，同时力求优化相应的阿尔法模型”。

　　某年内成绩较好的沪深300指增产品的基金经理告诉中国证券报记者，今年能够做出较好的超额收益，可能就在于没有在风格上进行过多的暴露。“主动超配风格和行业在我的能力圈之外，我们更希望把组合交给市场、交给数据，整体保持相对较低的偏离度。”

　　由于多数量化模型是建立在历史规律和数据之上，并根据市场环境的短期变化进行动态更新和调整，在徐幼华看来，短时间内量化模型较难适应市场出现大幅波动行情。

　　“9月之前相对有效的一些策略因子，在行情切换后均出现明显回撤；而一些此前表现相对较弱的策略因子，反而出现了向好迹象，所以当市场风格出现明显切换的时候，如果仅依靠单一模型或信号，就会出现较大的风险。”徐幼华认为，稳健的量化策略应该适应各种可能的环境，根据市场变化进行必要调整，在极端市场环境下，还应进行必要的人工干预。

　　西部利得基金的基金经理翟梓舰表示，后续量化策略应该进一步完善：一方面提升策略阿尔法收益来源的多样性，包括迭代因子库、开发新模型、形成低相关性的多策略配置组合等；另一方面要重视风控模型的使用，包括迭代风控模型、调整风险敞口等。

　　中证A500指增要吸取经验教训

　　近期，中证A500掀起指数投资浪潮。除了场内竞争激烈的中证A500ETF之外，场外的中证A500指增产品吸引了多达40多家公募机构上报。中证A500指增产品的上报数量目前仅次于中证500指增、沪深300指增、中证1000指增的现有产品数量。

　　中国证券报记者和多家即将发行中证A500指增产品的公募机构交流时了解到，过往积累的沪深300指增策略，未来或将为中证A500指增产品的投资管理带来重要参考。

　　沪上某公募量化基金经理介绍，他们管理的沪深300指增产品一部分收益来自指数成份股，这方面主要采取传统线性模型；另一部分收益来自于全市场选股，这方面主要采取机器学习等非线性方法，包括一些传统模型以及深度神经网络学习。两种策略综合运用不仅能抓住市场长期规律，也能动态适应市场的中短期变化。

　　未来在中证A500指增产品的管理上，该基金经理表示，指数成份股方面将延续沪深300指增使用的线性与非线性方法，并进行相应的行业中性控制。“线性模型能够清晰展现因子收益来源，非线性方法可以通过因子的轮动适应市场的变化。不过，在实际应用时，非线性方面我们可能更倾向于更清晰的传统方法，复杂的深度学习还需要时间积累和实盘验证。”

　　对比沪深300和中证A500两大指数，徐幼华表示，中证A500的股票数量更多且平均市值相对较小，无论是从覆盖的股票数量或是市值下沉的空间来看，都为中证A500指增产品提供了更多的增强空间。两者的策略框架不一定有很多新变化，更多差异体现在策略集合中各类模型的选择与融合。