【信达金工于明明团队给您拜年啦】春节特辑：深度报告合集
信达证券金融工程与金融产品团队创建于2021年6月，团队内包括卖方经验丰富的资深分析师、曾在相关细分领域内颇有建树的中生代力量，也有后起之秀、新生主力军，已经逐渐发展成为了行业内团队人数最多、覆盖领域最全的团队之一。我们将致力于在覆盖面广的基础上给出各细分领域的精品之作，为整个金融市场提供最前瞻的量化方法论、最切合买方投资需求的研究成果。
当前团队已覆盖资产配置、基金研究、量化选股以及衍生品等方向，在跨领域、跨方向的研究上联系紧密。资产配置驱动基金组合构建，衍生品研究促进产品设计；而资产配置中的风格轮动与量化选股选基，则是在时间序列维度与时点截面维度形成了强有力的结合。多个研究领域的相辅相成，组成了我们团队在市场上不可替代的核心竞争力。
资产配置：大类资产方面，我们构建了包含战略配置、战术择时、资金管理等过程在内的全流程大类资产配置框架；中观行业方面，我们基于截面动量、券商金股、分析师一致预期、景气度、拥挤度、绩优行业轮动基金等信息逐步丰富行业轮动框架，构建了三维一体行业轮动模型，力争在中观层次贡献更恰当的择时观点。
选股研究：在多因子选股的框架下，我们从海量的数据挖掘各类因子，并利用多种方法优化选股模型。在丰富的因子库支撑下，进一步深化因子评估标准，并利用机器学习等方法在中低频和高频的选股与组合优化等领域中取得了傲人的成果。
衍生品研究：针对市场上规模扩张速度最快的雪球产品，我们领先于其他团队，深入研究了其价格影响因素与风险情况的分析，从数据与量化模型证实了雪球对权益市场的影响。在股指期货方面，持续跟踪基差变动，及时解析市场变动。我们是市场上对于衍生品的研究最深最广的团队之一。
基金研究：我们将定量分析与定性调研相结合，拥有市场上独树一帜的竞争力。定性方面，我们组织了数次大型基金经理线上线下调研会。定量方面，团队已经搭建权益基金的全轮廓标签库，其中涉及基金经理和基金产品档案、多元分类标签、收益风险特征、投资行为与业绩归因等多个方面，基于此构建的实力稳定性/黑马基金组合表现优异。他山之石，可以攻玉，在海外基金研究方面，我们深度梳理了海外养老基金与指数基金的发展历程，对于国内未来资管行业的发展格局进行了启发性的探讨。我们致力于打造市场上最全面精准的基金产品刻画方案与最优秀的基金投资策略。
目录
一、资产配置：
1. 资产配置研究系列之一：基于目标风险的固收+产品设计
2. 资产配置研究系列之二：基于行业动量的固收+产品设计
3. 资产配置研究系列之三：股票长期收益率分解与预测
4. 资产配置研究系列之四：基于拥挤度判断的行业轮动策略
5. 资产配置研究系列之五：基于行业景气度和机构持仓倾向的行业轮动策略
6. 资产配置研究系列之六：公募基金行业配置能力全解析
7. 资产配置研究系列之七：再谈基于目标风险的固收+产品设计
二、选股研究
1. 选股系列之一：券商金股明珠金股组合
2. 选股系列之二：基于分钟线的高频选股因子
3. 选股系列之三：基于强选股绩优基金持仓的中证1000增强策略
7. 选股系列之七：初探IBES分析师预测数据在A股量化选股领域的有效性
8. 选股系列之八：券商金股失效了吗？
9. 选股系列之九：红利策略宝典：从经验逻辑到可落地的增强方案
三、衍生品研究
1. 衍生品系列研究之一：雪球结构定价与风险深度分析
2. 衍生品系列研究之二：股指期货分红点位预测
3. 衍生品系列研究之三：股指期货基差收敛研究与对冲优化策略
4. 衍生品系列研究之四：解构基差变动的驱动因素
5. 衍生品系列研究之五：基差为何转正，后续将何去何从
6. 衍生品系列研究之六：IH、IF合约大幅贴水为哪般
7. 衍生品系列研究之七：雪球集中敲入压力几何
8. 衍生品系列研究之八：雪球敲入是否给市场带来压力
四、基金研究
1. 基金研究系列之一：指数增强基金如何选？
2. 基金研究系列之二：“北交所”设立背景下的基金投资机会
3. 基金研究系列之三：基于模拟组合的公募基金仓位测算
4. 基金研究系列之四：如何更精准地实时跟踪基金的行业与风格仓位
5. 基金研究系列之五：打新基金如何选？
6. 基金研究系列之六：新股破发后，公募基金打新收益如何？
7. 基金研究系列之七：基金标签体系，资产配置与行业主题配置
8. 基金研究系列之八：基金标签体系，主动股混基金的风格刻画
9. 基金研究系列之九：偏股基金的多因子体系，如何评价基金经理调仓换股的“实力”
10. 基金研究系列之十：基金标签体系，如何进行同类基金的业绩比较
11. 基金研究系列之十一：基金业绩归因全解析：投资港股的基金怎么做归因
12. 海外机构研究系列之一：美国养老体系研究
13. 海外机构研究系列之二：海外指数基金的发展与布局
（文章链接见每篇摘要末尾）
资产配置
1. 资产配置研究系列之一：基于目标风险的固收+产品设计
本文是大类资产配置系列报告第一篇。本文试图给出一个波动低、回撤小，风险调整后收益可观的“固收 + 权益”产品设计思路，策略包含：
（1）战略配置：使用均值方差模型实现战略配置。
（2）战术择时：使用股权风险溢价ERP、红利风险溢价DRP作为择时信号调整战略基准权重。
（3）资金管理：使用时间不变性投资组合保险策略（TIPP）管理组合回撤需要牺牲收益和换手，设置有效回撤、有效偏移权重等参数能够有效降低日频资金管理带来的换手损耗。
2. 资产配置研究系列之二：基于行业动量的固收+产品设计
本文是大类资产配置系列报告第二篇。本文试图从动量的角度揭示行业轮动的规律。
（1）动量能否在行业轮动中奏效：不同时间窗口下，中期（比如过去250个交易日）动量长期效果更佳。
（2）基于中期动量与交易情绪预警机制构建行业组合：使用过去250个交易日动量回测。2009-2021年，逐日再平衡、逐月再平衡的行业组合全区间年化收益率分别为16.64%、17.42%，年化超额收益率分别为3.85%、4.45%。
（3）行业动量组合在固收加产品设计的应用：相比未结合行业动量的组合，目前的组合在风险调整后收益上有更好的表现，实际波动率相比目标波动率的向上偏离幅度更小，2009年以来年化收益不逊色甚至略高于配置偏股混的相应组合。
3. 资产配置研究系列之三：股票长期收益率分解与预测
本文是大类资产配置系列报告第三篇。本文试图探索权益类资产未来长期收益率的合理估计方法。
（1）分部加总法在个股及指数收益分解上的应用：为明确长期收益的驱动因素，本文借鉴Ferreira &Santa-Clara (2011)框架拆分个股及指数区间总收益。原FS框架将全收益指数收益分解到估值变化、盈利增长、BA缺口、现金股息及再投资四项。
（2）沪深300、中证500、中证800、中证全指未来10年收益预测：以2022/3/31为起点，估计沪深300、中证500、中证800、中证全指全收益指数未来10年年化收益率依次为8.4%、10.4%、8.3%、7.0%；以2022/4/26为起点，估计沪深300、中证500、中证800、中证全指全收益指数未来10年年化收益率依次为9.3%、11.8%、9.3%、8.3%。
4. 资产配置研究系列之四：基于拥挤度判断的行业轮动策略
本文是资产配置系列报告第四篇。在《资产配置研究系列之二：基于行业动量的固收加产品设计》的基础上，从市场微观结构出发，从单行业拥挤度和全市场拥挤度两个维度着手，致力于降低动量崩溃对因子长期收益的负面影响。
（1）单行业拥挤度：本文使用主成分分析（PCA）方法，构建行业层面的资产集中度因子，并在多头组合中剔除最拥挤行业（如有），成功降低了多头组合的持仓风险。
（2）全市场拥挤度：本文使用行业拥挤度分散度因子SDC和换手率TurnOver形成复合择时信号，成功优化了组合在2015年6月、2021年9月等关键风格转变时点动量策略的表现。
5. 资产配置研究系列之五：基于行业景气度和机构持仓倾向的行业轮动策略
本文是资产配置系列报告第五篇。在《资产配置研究系列之四：基于拥挤度判断的行业轮动策略》中，我们提出了一种基于价量因子的行业轮动思路。价量信息有其高频性、直观性的好处，但并不能刻画行业轮动的全貌。一方面，在价值投资趋势下，脱胎于行业基本面，且与动量息息相关的盈利因子是主动与量化两大利器结合的关键靶点。另一方面，在A股机构化趋势下，公募基金贡献了十分亮眼的表现，部分绩优产品在板块和风格轮动上有持续的前瞻性见解，反映机构风格偏好的高频持仓亦具备宝贵的参考价值。
（1）基于财报的已实现盈利对行业收益率的预测效果显著。
（2）分析师一致预期在非财报披露月多空区别力更强，在业绩真空期带来增益效果。
（3）行业轮动绩优基金的高频行业仓位对未来行业收益预测存在指导意义。
6. 资产配置研究系列之六：公募基金行业配置能力全解析
本文是资产配置系列报告第六篇，尝试抽丝剥茧，去繁取精，深挖基金因子中的最有效信息。在基金超低配的维度上：我们从朴素的半年报、年报行业持仓，然后通过“季度模拟组合”+“Lasso回归”+“信达金工基金标签”等多种工具加持下得到月频的行业轮动基金的行业配置，再以改进版Brinson挑选了全行业轮动绩优基金，每步之间效果提升显著。多头超额年化收益从3.93%提升至7.48%最后达到9.41%，多头超额收益波动比从0.42提升至0.7最后达到0.96，并在此基础上挖掘了其他构建方式的全行业轮动绩优基金因子，并进行了合成。
本文也探索了单行业绩优基金经理的行为模式：在类似的模型构建方式下，单行业绩优基金因子（减法）多头超额、多空超额的年化收益分别为7.22%与12.16%，收益波动比分别为0.76与0.7。用单行业绩优基金进行行业择时，在超额收益呈周期性波动震荡的周期行业上效果较好。
7. 资产配置研究系列之七：再谈基于目标风险的固收+产品设计
本文是资产配置系列报告第七篇。到目前为止，本系列第一篇报告《基于目标风险的固收+产品设计》所提出的“战略配置-战术择时-资金管理”的产品设计大框架仍旧维持了较强普适性，但个中细节值得深挖之处仍有许多。本文基于2年多的沉淀反思再谈“固收+”产品设计，既是对上述通用范式的全面回顾，也结合了当下市场环境，就战略配置路径选择/周期择时/动态化风控等话题作以讨论。
考虑到赔率信号只贡献“位置感”，欠缺“方向感”，本文结合A股特征，从收益分解的角度提出了一种非线性思考方式，即更重视估值周期的演化，但不忽视盈利主导的行情。如此，胜率信号赋予“中赔率”位置方向感，赔率信号弥补宏观指标滞后性问题，二者相辅相成，共同佐证长周期方向判断。此外，本文提出的新择时体系尤其侧重策略的经济逻辑和可解释性，并不纠结误判特殊行情对样本内结果的影响，从落地角度为样本外可复制性增添了信心。
选股研究
1. 选股系列之一：券商金股明珠金股组合
（1）本文是寻找散落的明珠系列报告第一篇。券商月度金股是各大券商研究所集聚各行研团队精华成果形成的股票组合推荐，金股组合的表现是彰显研究实力的最直接量化指标，受到越来越多的关注。精雕细琢的金股池是选股研究中一颗不可遗漏的明珠。
（2）金股池的截面与时间序列特征：参与推荐金股的券商数量与日俱增；金股推荐独立性强，独家券商推荐比例平均约70%；新进金股表现突出。
（3）金股组合同时具备选股能力和行业配置能力，其中选股能力更突出：全部金股、新进金股相对中证全指的超额收益中选股和行业配置均有正贡献，选股贡献为主，贡献率80%以上。
（4）明珠金股组合构建思路的核心是集合各行业最优秀分析师团队的选股能力。在2021年2月及以后收益更高。回测区间2018/7/2-2022/1/17内，明珠金股组合、明珠金股优选组合分别取得了31.87%、31.54%的年化收益率，其中，明珠金股组合在2018H2、2019年、2020年、2021年均能战胜偏股混基金指数。
文章链接：选股系列之一：券商金股明珠金股组合
2. 选股系列之二：基于分钟线的高频选股因子
本文是因子选股系列第一篇。量化选股的是从包括量价数据、基本面数据、文本数据或是另类数据等一系列中提炼出具有预测效果的信息，进而对股票未来收益率进行预测，并基于该预测构建股票组合的过程，其中因子选股模型是量化选股版图中的一个非常重要的组成部分。
本文试图从高频分钟线数据入手，挖掘在日内具有高信息增益的因子，在不同的频率(30分钟，日度)上检测因子的预测效果。从结果来看，改进后的高频因子有很强的收益预测效果，由于A股难以做空，通常会造成多头和空头力量的不匹配，从这个角度出发，我们可以对分钟收益进行一个划分，将分钟线收益分为大于0和小于0的情况分别测算，发现基于成交量改进后的因子在多头和空头两种情形下分别呈现了反转和动量两种情形。
在回测区间2013/01/01~2022/02/28内：
加上成交量和收益筛选后的改进正收益反转因子中性化后在日度频率上RankIC均值可达5.99%，ICIR为0.74。
加上成交量和收益筛选后的改进负收益动量因子中性化后在日度频率上RankIC均值可达4.60%，ICIR为0.62。
加上成交量筛选后的改进波动率因子中性化后在日度频率上RankIC均值为6.52%，ICIR为0.70。
尾盘成交额占比因子中性化后在日度频率上RankIC均值为5.45%，ICIR为0.50。
文章链接：选股系列之二：基于分钟线的高频选股因子
3. 选股系列之三：基于强选股绩优基金持仓的中证1000增强策略
基金选股四步走：近年公募的崛起主要伴随着“茅指数”、“宁指数”等核心资产崛起，背后包含着公募基金整体定价能力和定价权的提升。在此背景下，我们发现了部分优秀公募基金在中证1000内也具备较为优秀的选股能力，我们希望把握这些优秀基金经理深度的选股逻辑，来辅助我们的投资。在本篇中我们构建了1.基金因子选绩优基金2.绩优基金持仓构建选股因子3.各行业内选取多头股票等权构建行业组合4.约束行业配比与指数相同 的基金选股增强的四步走流程，构造了中证1000的指数增强策略。
跟踪具备优秀选股Alpha基金持仓的选股策略，效果较优：2015年1月5日至2022年7月22日，跟随绩优基金持仓的行业中性化选股策略年化超额中证1000指数11.14%，信息比为2.32，而未经过筛选跟踪全部基金持仓比例较高的行业中性化1000增强策略仅达到7.52%的年化超额和1.35的多头信息比，可见强选股能力的绩优基金是十分优秀的参考对象。
我们利用绩优基金截面持仓构造了多个选股因子，包括基金持仓占比因子、持有基金数量因子、基金相对超配因子、多空基金相对配置因子：通过截面基金持仓信息的再构造，我们构建了多个具有较强可操作性的基金选股因子，其中多空基金相对配置因子年化超额收益率13.87% (20150105-20220722)，信息比为3.43。
相较传统选股因子信息增量高：经过测试构造的基金选股因子与传统基本面因子相关性较低，正交传统基本面因子后，跟随绩优基金持仓的行业中性化选股策略年化超额中证1000指数10.12% (20150105-20220722)，信息比为2.09，具有较多的增量信息。
4. 选股系列之四：1000指数增强中的基金持仓因子与基本面特色因子
基金选股因子在各个行业选股超额均为正：通过对于选股组合的Brinson归因分析，基金持仓占比因子基本在各个行业上选股均为正超额收益，选股超额贡献总额为73.05%，在各个年度均保持着稳定的收益率。
加入业绩预报快报且平滑后的基本面特色因子相较传统基本面因子提升明显。本文尝试从财务数据中挖掘在中证1000指数成分股内表现优异的基本面因子，改进了成长、价值以及盈利质量三大类因子。在回测区间2015/01/01 ~ 2022/12/30，相较中证1000指数：
单季度净利润同比差分平滑因子 年化超额收益23.31%，超额信息比为7.08。
单季度净利润环比差分平滑因子 年化超额收益18.22%，超额信息比为5.10。
BP因子年化超额收益12.26%，超额信息比为1.65。
EP因子年化超额收益16.97%，超额信息比为2.93。
季度ROE平滑因子年化超额收益20.13%，超额信息比为5.96。
季度EPS平滑因子年化超额收益20.18%，超额信息比为6.04。
5. 选股系列之五：基于基金持仓、特色基本面因子以及高频价量因子的1000指数增
相较中证1000指数基于高频价量的因子在中证1000成分股内选股表现优于沪深300和中证500。本文将信达金工因子选股系列《基于分钟线的高频选股因子》报告中构造的部分价量因子应用于1000指数成分股中，并对因子进行了降频处理，在回测区间2014/12/31 ~ 2022/12/30，表现较为优秀。相较中证1000指数：
日频改进波动率因子（Ret_Std_Imp_D）年化多空收益为68.74%，多空信息比为7.08。
日频尾盘成交额占比（TTV_Ratio_D）因子年化多空收益为71.68%，多空信息比为7.21。
周频改进波动率因子（Ret_Std_Imp_W）年化多空收益为34.32%，多空信息比为3.26。
周频尾盘成交额占比因子（TTV_Ratio_W）年化多空收益为34.03%，多空信息比为1.60。
中证1000指数增强组合在不同调仓频率以及单边0.15%的调仓手续费下相较中证1000指数仍有较高超额收益。在回测区间2014/12/31 ~ 2022/12/30，组合相较中证1000指数：
日度调仓频率下基本面基金量价剔除组合年化超额收益22.75%，超额信息比5.23。
周度调仓频率下基本面基金量价剔除组合年化超额收益18.17%，超额信息比4.38。
月度调仓频率下基本面基金组合年化超额收益14.35%，超额信息比3.46。
6. 选股系列之六：多维度提炼机构调研信息
调研域×绩优主题型基金：绩优主题型基金选股因子实现了对调研域的有效精简。2019年以来，3个月调研域内主题型基金选股因子多头收益率年化约25.89%，同期样本池收益率年化约24.00%。
调研域×分析师预测：测试 (1) 分析师一致预测归母净利润相较4周前变化率、(2) 分析师盈利上调组合、(3) 标准化分析师预期调整因子在调研域的表现。建立机构映射后的调研域×盈利上调组合多头组收益率年化约14.95%，相对基准中证全指的超额收益率年化约14.13%，且除2017年以外每年均可战胜基准。
券商金股×调研域：券商深度考察金股效果突出，1个月窗口下多头组合年化收益率可达约25.25%，同期深交所全部金股年化收益率仅13.85%。
调研域×其他因子：传统基本面、量价因子在调研域仍有较高适配度。2015年以来，机构热度、估值、成长、反转因子多头收益率年化约12.32%、12.10%、18.42%、14.37%。
调研明星50组合推荐。调研明星50组合收益率年化约22.79%，相对中证全指的超额收益率年化约21.30%。从Brinson归因结果来看，以中证全指、调研域为基准，该组合均存在长期稳健超额，贡献可观的选股收益。
文章链接：选股系列之六：多维度提炼机构调研信息
7. 选股系列之七：初探IBES分析师预测数据在A股量化选股领域的有效性
8. 选股系列之八：券商金股失效了吗？
从超额持续性：2022年以来，随着市场从增量市向存量市转换，金股超额持续性下降。
从Brinson归因：2022年以来，券商金股的行业、选股超额收益均不及以往。2022年、2023H1券商金股组合选股收益分别为0.14%、-0.09%，较以往水平有较大幅度下滑。
从风格暴露：券商金股具备稳定且突出的风格属性，整体偏向于大市值、高动量、高成长、高估值。以2021年为分水岭，2021年以前，券商金股暴露风格恰好为市场优势风格；2022年及以后，优势风格扭转，投资者视线向小票迁移，反转、BP因子相对强势，这导致券商金股在风格暴露上有所亏损。
在存量市条件下，市场有效性加强，风格、行业轮动加速，或可借助组合优化剔除风格、行业负贡献，对券商金股的选股能力实现提纯。具体而言，将是否属于本月推荐券商金股作为哑变量打分（是=1，否=0），用于中证全指域内选股。通过控制组合相对基准的风格、行业偏离削弱暴露弱势风格、行业及快速轮动的影响。
剔除风格、行业负贡献后所形成的券商金股优化组合具备长期稳健的选股能力。优化后，组合中券商金股成份股权重占比在97%以上，风格偏离在±1%范围内波动，风格收益年化在±0.2‰以内。测算区间2018/1/1-2023/7/31内，该组合年化收益率约15.60%，相对中证全指的超额收益率年化约15.31%，每年都能战胜中证全指。
9. 选股系列之九：红利策略宝典：从经验逻辑到可落地的增强方案
衍生品研究
1. 衍生品系列研究之一：雪球结构定价与风险深度分析
（1）雪球如何定价：我们使用了蒙特卡洛模拟法和PDE方法对雪球的价格进行了测算，着重介绍了两种方法的原理及实现。
（2）影响雪球价格的因素：本文定量分析了股指期货贴水对雪球价格的影响，在年化11%贴水的背景下，雪球做市商在卖出时即存在大于3%的利润，根据雪球对冲原理，我们判断若雪球规模足够大，雪球卖方的对冲操作会加快股指期货的基差收敛速度。
（3）雪球的Greeks：通过计算，我们得到雪球在期初各Greeks值的分布，分析了雪球投资者面临的风险敞口。
（4）雪球的风险：其收益为典型尖峰肥尾且左偏分布，当出现极端行情时，需要承担较大亏损，比较适合低波动或温和上涨的市场环境。
（5）其他类雪球结构型产品：简要介绍了目前市场比较受欢迎的小雪球、不追保雪球和阶梯雪球的合约条款与收益规则。
2. 衍生品系列研究之二：股指期货分红点位预测
（1）中证500、沪深300与上证50股息点长期上升。在所有报告期分红中，中证500、沪深300与上证50指数成分股年报分红影响最大：股息点有长期上升趋势，最近几年走势有所分化；成分股年报分红在所有分红中占比最大。
（2）对中证500、沪深300与上证50指数成分股，我们参考过去三年的分红情况预测其年报分红。我们参考指数成分股历史分红金额、股息率与派息率预测成分股年报分红；对经过资产重组或者上市较晚的成分股特殊处理。
（3）中证500、沪深300与上证50指数预估点位与股息点指数在半年内比较一致；股指期货近月合约存续期内分红点位的预测比较准确。指数预估点位与股息点指数在预估时段半年内走势一致；回测结果显示，指数在股指期货近月合约存续期内分红预测较准，远月合约存续期内预估的分红点位存在一定差异。
文章链接：衍生品系列研究之二：股指期货分红点位预测
3. 衍生品系列研究之三：股指期货基差收敛研究与对冲优化策略
（1）排除分红影响后，我们发现基差收敛速度还受到当前合约年化基差、指数未来收益率以及当前全部合约基差期限结构的影响。
（2）我们对股指期货的基差收敛速度进行归因分析，并通过历史统计数据做出线性回归，量化了在不同市场条件下股指期货合约的基差收敛速度，并据此做出期现对冲策略：连续对冲策略；最低贴水策略；多变量回归策略。
我们持续跟踪中证500、沪深300、上证 50 股指期货期现对冲策略与跨期套利策略。
4. 衍生品系列研究之四：解构基差变动的驱动因素
基差收敛因素的研究：排除分红影响后，我们发现基差收敛速度还受到当前合约年化基差、指数未来收益率以及当前全部合约基差的期限结构的影响。
5. 衍生品系列研究之五：基差为何转正，后续将何去何从
近年来基差变动受到多种因素影响，雪球、Alpha产品对冲盘的交易需求成为近两年的增量因素，且呈现越来越重要的趋势：中证500股指期货IC合约基差主要影响因素包括：1）成分股分红因素影响；2）基差到期收敛性；3）市场行情引发的投资者情绪；4）基差期限结构的均值回复；5）交易盘的规则操作，包括雪球对冲盘、alpha策略对冲端等。前四个原因持续存在于全周期，而随着雪球等产品以及量化对冲产品规模的扩容，交易盘的规则操作成为近两年基差变化原因的边际增量，甚至成为某些阶段最重要的因素。
复盘过去两年中证500股指期货（IC合约）基差变化原因，大致可划分为四个阶段：第一阶段（2021年7月至2022年1月）雪球对冲端“高抛低吸”及alpha策略对冲需求主导基差变动；第二阶段（2022年2月至2022年4月）投资者博弈情绪主导基差变动：市场波动加大，尤其是3月至4月市场大幅下跌，负基差程度大幅提升；第三阶段（2022年5月至2022年10月）市场大幅下跌后，作为博反弹工具的雪球扩容，基差随着雪球对冲盘的操作而变化：雪球对冲端在市场下跌时会买入IC对冲，反之卖出IC对冲，使得基差走势与行情再次呈现负相关；第四阶段（2022年11月至2023年1月）市场情绪有所修复，春季躁动初显，乐观的市场情绪叠加收益互换新规过渡期到期出现集中期货买入平仓使得基差大幅收敛甚至转正，此外alpha策略表现转差后IC对冲盘出现陆续减仓，进而加剧基差转正。
基差高位难以为继，将重回负基差时代：相对期现对冲策略，跨期套利策略表现最优且较为稳定，今年以来IC合约跨期套利策略收益率5.98%，IF跨期套利收益率2.81%，IH跨期套利收益率0.78%。
6. 衍生品系列研究之六：IH、IF合约大幅贴水为哪般
进入成分股密集分红期，基差贴水现象明显：指数成分股在期货合约存续期内的分红会拉低合约基差。目前已经进入年报分红期，各品种合约股指期货基差均为贴水状态。IH当月、次月、当季、下季合约基差分别为-0.61%、 -1.75%、 -1.74%、 -1.32%，IF基差分别为-0.43%、 -1.05%、 -1.11%、-0.92%，IC基差分别为-0.36%、 -0.63%、 -0.99%、 -1.72% ，IM基差分别为-0.24%、 -0.55%、 -0.90%、 -1.65%。
7. 衍生品系列研究之七：雪球集中敲入压力几何
雪球的集中敲入尚有空间：根据我们的假设和测算，按照2023年10月27日中证500与1000指数收盘价计算，目前中证500雪球尚存在的进入集中敲入区间的缓冲空间为5%，当指数下跌4600点时，敲入规模增量将达到顶峰，中证1000雪球尚存在的进入集中敲入区间的缓冲空间为10%，当指数下跌至4900点时，敲入规模增量将达到顶峰。
文章链接：衍生品系列研究之七：雪球集中敲入压力几何
8. 衍生品系列研究之八：雪球敲入是否给市场带来压力
集中敲入已经发生：根据信达金工团队的假设和测算，此轮跌幅造成约70亿的中证500雪球和50亿的中证1000雪球发生敲入，雪球敲入带来的风险得到了一定程度的释放。
基金研究
1. 基金研究系列之一：指数增强基金如何选？
指数增强型基金自2015 年以来快速发展，2021 年上半年发行加速，新发规模超过200 亿。从结构来看，沪深 300、上证50、中证500 为主流跟踪指数。我们认为，选取历史业绩优秀、规模较为适中的指数增强基金，是当前较好的投资选择。
（1）整体而言，指数增强基金增强效果显著。
（2）从风格暴露来看，指数增强基金的风格暴露约束不同，但因子方向有一定的趋同性。
（3）指数增强基金维持高仓位运作，多数基金的中信一级行业偏离与个股偏离限制在1%-3%之间，且近年来偏离度呈降低趋势。
文章链接：基金研究系列之一：指数增强基金如何选？
2. 基金研究系列之二：“北交所”设立背景下的基金投资机会
（1）事件背景与政策环境：2019 年 10 月开始，新三板进行了一轮全面深化改革，在近一年多的时间里对交易制度、融资制度等逐步完善。基于此轮改革达到成熟期，9 月2 日习总书记在国贸会上致辞表示，将设立北京证券交易所。
（2）新三板市场结构与历史行情表现：截至9 月3 日，精选层、创新层和基础层的挂牌公司分别有 66 家、1250 家、5983 家。精选层推出一年多以来，整体收益表现相对强劲，而PE 估值大多在10-30倍水平。
（3）公募基金产品对新三板精选层股票的投资情况：覆盖新三板精选层投资范围的公募基金产品仅 35 只。绝大多数基金对新三板挂牌公司持有市值占比、对本产品资产净值占比有较为严格的双向限制，公募基金对新三板股票的实际参与度相对有限。
3. 基金研究系列之三：基于模拟组合的公募基金仓位测算
近几年间，公募基金的仓位变动受到了广泛的关注，成为了市场的‘风向标’。基金仓位变动，反映了基金经理对于市场走势的判断，同时投资者根据公募基金仓位变动的情况，也能一定程度上跟踪市场主流机构资金的流向。
（1）目前市场上仓位测算方法有待提升：现有市场测算基金仓位使用的回归元一般为规模指数或行业指数，主要使用行情数据；部分方法采用了基金持仓信息的测算，但对于持仓的估计精度不足，测算仓位的准确度也较低。
（2）我们构造了结合持仓信息的模拟组合回归法：在每季度末，我们结合基金持仓信息，构建了基金模拟组合，并以基金模拟组合作为回归元对于基金仓位使用时间加权最小二乘法进行估计，相比于规模指数回归法有了大幅度的提升。
（3）基于换手率对于两种方法进行筛选结合，结果更优。对于高换手率的基金，持仓变动频繁，模拟组合难以跟踪其真实组合，规模指数回归法在高换手率下具有相对优势。
（4）比较而言，我们推荐使用基于模拟组合并进行换手率筛选后的仓位测算方法。在上期基金年化换手率小于阈值8时，构造该基金的模拟组合，在回归窗口期使用基金日收益率序列对于模拟组合收益率进行时间加权的最小二乘回归，估计基金仓位；在上期基金年化换手率大于阈值8时，在回归窗口期使用基金日收益率序列对于沪深300、中证500、中证1000日收益率进行时间加权最小二乘回归，估计基金仓位。
4. 基金研究系列之四：如何更精准地实时跟踪基金的行业与风格仓位
公募基金是股票市场的重要参与者，其行业与风格仓位的变动反映了其在各行业与风格上资金配置情况的变化，体现了其对各行业风格走势的判断。本文重点对基金的行业仓位进行测算，并对不同方法进行比较。
（1）目前市场上行业仓位测算方法有待提升：现有市场测算基金仓位使用的回归元一般为行业指数，主要使用行情数据。
（2）我们构造了结合持仓信息的持仓行业回归法：我们构造了基金模拟组合，并以基金在某行业持仓的股票组合替代该行业指数进行回归，对行业仓位进行估算。结果显示，相比于传统仅利用行情信息的行业指数回归法，该方法的估计误差大幅降低。
（3）比较而言，我们推荐使用持仓行业回归法：总结如下，在每一期，我们构造该基金的模拟组合，并计算基金在各个行业下的持仓股票组合收益率，在回归窗口期使用基金日收益率序列对于基金在各个行业下的持仓股票组合收益率（若在某行业下没有持仓，则使用对应行业指数收益率）进行时间加权Lasso回归，估计基金的行业仓位。
5. 基金研究系列之五：打新基金如何选？
我们总结介绍了公募基金网下打新规则。根据网下发行的配售原则，公募基金参与新股网下发行的获配比例在所有配售对象分类中最高。主板、科创板和创业板的网下询价新股对公募基金参与网下询价的市值要求、报价个数、回拨机制和限售期有不同的规定。
（1）网下询价新股的收益可观：在科创板注册制和创业板注册制之后，每月新股数量提升。2018年以来，创业板新股涨跌幅中位数为228%，科创板新股涨跌幅中位数为142%，主板新股涨跌幅中位数为125%。
（2）基金在各板块新股的参与率和入围率有所差异：2018年以来，公募基金对各市场网下询价新股的参与率与入围率有所不同，主板市场入围率和参与率较高，而科创板与创业板的参与率与入围率较低。
（3）我们对公募基金网下打新收益进行了测算：2018年以来，科创板网下询价新股对收益的贡献最高，其次为创业板，最后是主板。
（4）我们对打新基金进行了分类筛选：将打新基金规模限制在1亿至10亿之间，入围率限制在80%以上，同时参考基金历史业绩和历史打新收益率，分别筛选出了优秀固收+、主动偏股型基金及指数增强型基金，供投资者配置参考。我们筛选出打新收益率较高的固收＋基金有前海开源裕和、招商睿逸和鹏华尊惠18个月；指数增强基金有银河沪深300指数增强、上银中证500和新华沪深300；偏股型基金有东方主题精选、国投瑞银境煊和鹏华睿投。
文章链接：基金研究系列之五：打新基金如何选？
6. 基金研究系列之六：新股破发后，公募基金打新收益如何？
（1）2021 年 10 月下旬以来，科创板与创业板多次出现新股上市首日破发现象。在新的打新规则影响下，新股有效报价区间宽度与网下 A 类投资者中签率都有所上升，新股上市首日表现产生了巨大分化。新规主要变化在于网下剔除比例与定价预警；新股有效报价区间宽度变大；新股网下 A 类投资者中签率有所上升。新股上市首日成交均价相对于发行价格涨跌幅中位数大幅降低。
（2）受新股上市首日表现的影响，2021 年公募基金打新收益在新规落地前后变化较大。个股的公募基金入围率降低；基金打新入围率降低；个股贡献打新收益大幅下滑。
（3）对比新股上市首日成交均价涨跌幅与发行市盈率水平，我们发现估值水平较低的新股不容易出现破发现象。结合港股市场的新股破发率，我们认为在新规影响下创业板与科创板新股出现的破发现象是市场化发行机制的体现。
7. 基金研究系列之七：基金标签体系，资产配置与行业主题配置
（1）基金标签的研究对象：我们提供“基金产品”、“基金产品+基金经理”、“基金经理”三种研究样本维度。首先，基于“主动股混基金”产品池进行样本初筛；考虑基金经理一贯性，构建“基金产品+基金经理”维度研究对象。后续将从“基金经理”维度构建基金经理指数，从“人”的角度进行深度刻画。
（2）基金的权益资产配置行为：以基金历史权益资产占基金净资产比例总结构建基金的权益仓位标签。我们分别构建了短期仓位标签与长期仓位标签，并进一步从时间序列维度，基于基金过去三年的短期标签情况与权益仓位极差(range)水平，总结基金的长期择时行为特征。
（3）基金的行业配置行为：我们采用信达金工产业板块分类、中信产业板块分类、中信上下游产业链板块分类和中信风格板块等多种分类方式，以期匹配不同基金经理或基金投资人对行业的划分标准。
8. 基金研究系列之八：基金标签体系，主动股混基金的风格刻画
（1）基金风格特征的刻画：本文借鉴并融合了晨星风格箱与MSCI Barra CNE5 模型，构建了市值、成长、价值、盈利与动量五种股票风格因子， 进而按照基金持股数据计算基金的风格因子值。
（2）全市场公募主动股混基金整体风格特征：长期偏好高盈利、高成长和大盘股；近期（2021Q3）来看，基金整体对小市值、高估值的偏好有所增强。
（3）指数匹配度特征的刻画：以基金日度收益与不同宽基指数的收益计算跟踪误差，构建基金的指数匹配度标签。
（4）市场敏感度特征的刻画：基于CAMP模型，以基金日度收益与不同宽基指数的收益计算Beta系数，构建基金的市场敏感度标签。
9. 基金研究系列之九：偏股基金的多因子体系，如何评价基金经理调仓换股的“实力”
（1）我们构建了有百余细分因子的因子池，对市场上常规的选基因子进行了统一测试，同时构建了信达金工特色因子：基金经理调仓换股实力因子。
（2）基金经理实力因子表现优秀：我们对于因子池中的百余细分因子进行了回测，基金经理实力因子表现优异。2014年初至2022年初约8年间，基金经理实力因子，Top组（前20）年化收益率为22.78%，年化超额收益率达到6.76%，年化超额信息比达到1.30；多空信息比率为8.56%，多头年化超额信息比达到2.51，表现优异。此外，其余表现较为较为优秀的因子有选股Alpha_日、基金规模、基金管理人员工持有比例。
（3）通过多因子模型复合，我们构建了信达金工黑马FOF组合：信达金工黑马FOF组合表现良好。2014年初至2022年初约8年间，信达金工黑马FOF组合年化收益率为25.36%，年化超额收益率达到了8.59%，信息比为1.99，且各年度相对于偏股混合型基金指数均有正超额收益率，2021年超额收益率为16.78%，2022年初至报告测算截止日近两月间已取得1.39%的超额收益率。
10. 基金研究系列之十：基金标签体系，如何进行同类基金的业绩比较
（1）考虑业绩可比性下的十五大类型基金池划分：基于前续报告中关于基金标签体系的仓位、行业与风格等多元分类标签的制定，本文基于长期标签结果划分了十五类基金池。
（2）传统收益风险特征刻画：本文从收益能力、风控能力与收益风险比三个方面进行基金传统的业绩特征刻画，且均从短期、中期和长期不同时间区间全面总结。
（3）持有人体验标签制定：本文从周度胜率、滚动区间年化收益平均值、创新高天数与最大回撤修复期四个方面进行刻画。
（4）结合牛熊市阶段划分下的市场环境适应度标签刻画：牛熊市的定义属于相对概念，其中隐含了对市场涨跌幅度的假设。本文通过给定涨跌幅阈值30%，寻找局部最高点与最低点，对应市场顶点与底点。
11. 基金研究系列之十一：基金标签体系，如何进行同类基金的业绩比较
（1）传统Brinson模型将投资组合的超额收益分解为配置、个股选择和交互收益，便于直观判断基金的收益来源。然而在实际使用过程中，传统模型仍存在一定的局限，我们对于传统模型进行了优化，将投资组合的超额收益分解为大类择时收益（包括A股、港股、债券）、行业配置收益（A股、港股）、行业内选股收益（A股、港股）。
（2） 对于传统Brinson模型，我们进行了5个方向的优化，使基金绩效归因的层次更加丰富、结果更为完善：
1、对传统模型交互收益项处理：将交互收益合并到选股收益；
2、扩展层级，增加资产配置能力评估：通过构建双层模型，纳入对择时收益的考虑；
3、扩展市场，增加港股投资部分评估：近年来公募基金持仓港股的普遍性提升，22Q4有1/3 的主动偏股基金有港股投资仓位，我们在归因框架中加入对于港股部分的考虑，对基金经理在AH股两个市场的配置、 AH股内的行业配置与选股能力进行辨别；
4、拓展频次，进行季频归因：基于半年频的全部持仓的基础上，纳入季报信息，构造了基金的季度模拟组合，从而实现了季频的业绩归因；
5、拓展基准，增加以885001.WI为基准的归因结：当前基于持仓的绩效归因多以沪深300、中证800等为基准，而公募基金的实际持仓偏好与宽基指数存在一定差异，我们构造了相对885001.WI的绩效归因体系，更加契合公募基金的“相对”特性。
（3） 市场基金截面上的Brinson归因结果：我们对全市场基金各区间的业绩进行了截面归因，由于Brinson归因的估算误差绝对值与换手率呈现高度正相关的特性，低换手组别的基金分解结果具有更高的置信度，因此我们在结果分析时剔除了单边年化换手率高于4倍的基金。整体而言，交易（报告期之间的调仓）、行业配置、行业内选股均对公募基金行业整体跑赢宽基指数有较高贡献，而公募基金整体并未体现出择时能力。
（4）选股能力是绩优基金相对于劣后基金最为重要的超额收益来源：将每年度收益排在前1/3的基金定义为绩优基金，中间1/3的基金定义为普通基金，后1/3的基金定义为劣后基金。我们发现，行业内选股对于绩优基金的超额收益贡献更为显著，绩优基金的选股能力大幅强于劣后基金。在2018-2022年连续五年中，选股在每个年度均为绩优基金提供了正向的超额收益；近五年，选股平均每季度可以为绩优基金提供2.14%的超额收益，相较于劣后基金平均每季度可以为绩优基金多提供2.55%的超额收益，相较于在行业配置上绩优基金与劣后基金的差值1.91%高出0.64%。考虑基金经理的一致性时，近3年、近5年绩优基金与劣后基金的选股能力差异也高于行业配置能力。
（5）代表基金时间序列上的Brinson归因：我们将观察时间区间拉长，分别选取换手率较低、且长期来看具有择时能力、行业配置能力、个股选择能力的代表基金进行分析。
12. 海外机构研究系列之一：美国养老体系研究
（1）美国养老金“三支柱”体系构建初期，主要以第一支柱联邦社保基金为基础，第二、三支柱为辅助。随着三支柱体系的不断发展和完善，体系的重心逐渐由第一支柱转向第二、三支柱。第二支柱（雇主赞助的养老 计划，20.1 万亿）规模最大，第一支柱（美国社保基金，2.91 万亿） 覆盖人群最广，第三支柱（12.21 万亿）满足了自由职业者、中小企业的雇员以及有更多养老金储蓄需求的人群诉求。
（2）共同基金在美国养老体系中扮演着重要的角色，尤其是目标日期基金。DC 计划中的共同基金资产共计 5.67 万亿美元，占总投资的 59%，IRAs 计划中的共同基金共计 5.45 万亿美元，占总投资的 45%。目标日期基金是 401(k)计划的投资者默认选项，自 2006 年后规模快速扩张。DC 计划中的目标 日期共同基金于 2020 年高达 1.06 万亿美元，在 IRAs 中也有 2930 亿美元的资产。
文章链接：海外机构研究系列之一：美国养老体系研究
13. 海外机构研究系列之二：海外指数基金的发展与布局
（1）全球 ETF 产品发展基本情况：近年来 ETF 基金广受投资者欢迎，规模及只数扩张较快，自 2003 年以来呈逐年递增的态势。从 2003 年至 2021年 11 月，全球 ETF 总只数由 291 只增加至 8428 只；规模从 2120 亿美元增长至 9.68 万亿美元。
（2）美国基金市场的发展情况：规模及只数均全球领先；资金由主动管理共同基金流向 ETF 和指数型共同基金；基金费率较低。
（3）海外基金公司产品布局分析——Vanguard 为例
（4）海外指数公司的发展布局：布局全面，指引 ETF 投资的风向标——以 MSCI 为例
报告来源
发布报告机构：信达证券研究开发中心
报告作者：于明明 S1500521070001
★
分析师声明
★
负责本报告全部或部分内容的每一位分析师在此申明，本人具有证券投资咨询执业资格，并在中国证券业协会注册登记为证券分析师，以勤勉的职业态度，独立、客观地出具本报告；本报告所表述的所有观点准确反映了分析师本人的研究观点；本人薪酬的任何组成部分不曾与，不与，也将不会与本报告中的具体分析意见或观点直接或间接相关。
★
风险提示
★
证券市场是一个风险无时不在的市场。投资者在进行证券交易时存在赢利的可能，也存在亏损的风险。建议投资者应当充分深入地了解证券市场蕴含的各项风险并谨慎行事。
本报告中所述证券不一定能在所有的国家和地区向所有类型的投资者销售，投资者应当对本报告中的信息和意见进行独立评估，并应同时考量各自的投资目的、财务状况和特定需求，必要时就法律、商业、财务、税收等方面咨询专业顾问的意见。在任何情况下，信达证券不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任，投资者需自行承担风险。
信达金工与产品研究
长按关注我们获取更多更多金融工程优质报告与信息~
本篇文章来源于微信公众号: 信达金工与产品研究
