內容目錄公募指數增強基金，規模提升進行時 4公募指數增強基金簡介 5公募指數增強基金過去三年業績及策略特點回顧 5公募指數增強基金分類體系與實例 8分類流程 8分類結果分析——以滬深300指增為例 9分類合理性驗證 9非嚴格約束型基金行業和風格因子暴露特征 基金分類綜合打分評估 不同策略類型代表性指增產品分析 13SmartBeta類代表產品——華夏中證500指數增強（張弘弢孫蒙） 13輪動類代表產品——萬家中證500指數增強（喬亮） 15嚴格約束類代表產品——中金滬深300增強（耿帥軍、王陽峰） 174.總結 18風險提示 18圖表目錄圖1：公募指增產品線中寬基指增產品規模穩步增長 4圖2：代表性公募指增基金歷年超額收益（年化） 6圖3：代表性公募指增基金歷年跟蹤誤差（年化） 6圖4：代表性公募指增基金指數內選股占比 6圖5：代表性公募指增基金換手率 6圖6：代表性公募指增基金近三年最大行業偏離 7圖7：代表性公募指增基金近三年最小行業偏離 7圖8：代表性公募指增基金近三年最大風格偏離 8圖9：代表性公募指增基金近三年最小風格偏離 8圖10：公募指增產品分類劃分流程 9圖滬深300指增基金分類超額收益累計凈值表現 10圖12：非嚴格約束型滬深300指增基金相對指數在各行業上最大暴露占比 圖13：非嚴格約束型滬深300指增基金相對指數在各風格上最大暴露占比 圖14：華夏中證500指數增強單期行業偏離 14圖15：華夏中證500指數增強單期風格偏離 14圖16：華夏中證500指數增強近兩年風格因子歸因 14圖17：華夏中證500指數增強換手率 15圖18：萬家中證500指數增強成立以來行業偏離（單期） 16圖19：萬家中證500指數增強成立以來風格偏離（單期） 16圖20：萬家中證500指數增強換手率情況 16圖21：萬家中證500指數增強機構投資者占比 16圖22：中金滬深300增強最大與最小行業偏離單期考察 17圖23：中金滬深300增強最大與最小風格偏離單期考察 17圖24：中金滬深300增強近兩年風格因子歸因 18表1：2020-2023年以來歷年收益排名前五的滬深300指增基金 4表2：代表性公募指增基金近三年風格和行業偏離 7表3：滬深300指增基金分類超額績效 10表4：滬深300指增基金分類超額收益累計凈值相關性 10表5：公募指增基金分類打分權重表 12表6：嚴格約束型滬深300指增基金打分前五名 12表7：SmartBeta型滬深300指增基金打分前五名 12表8：輪動型滬深300指增基金打分前五名 12表9：華夏中證500指數增強績效表現 13表10：萬家中證500指數增強績效表現 15表中金滬深300指數增強績效表現 17公募指數增強基金，規模提升進行時截至2023年3月31日，公募指數增強基金規模達到1974.49億元，占股票型基金的比例為8.27%。公募指增產品是公募量化產品中的重要產品線，自2016年后以寬基指增產品為主的公募指增產品規模穩步增長。2008年李笑薇，2012年田漢卿、黎海威等海外量化人才回國組建量化團隊，國內的公募2016201420162015年的期2016年后，指數化投資理念逐步風靡，公募指數增強產品的規模持續增長。2017年，大盤價值類個股走強，量化基本面因子表現優異，一批寬基指增產品獲取優異收益，促使規模增長；2018beta風險的管理，5001000Beta圖1：公募指增產品線中寬基指增產品規模穩步增長資料來源：，300年-2022300指增基金對市場行情的適應性及配置風格上存在一定差異，有必要進一步對同指數下的指增基金在投資風格上做進一步的細分。表1：2020-2023年以來歷年收益排名前五的滬深300指增基金2023年以來202220212020長信滬深300指數增強A萬家滬深300指數增強A富榮滬深300增強A富榮滬深300增強A中信建投滬深300指數增強A鵬華滬深300指數增強A財通滬深300指數增強西部利得滬深300指數增強A2023年以來202220212020興全滬深300LOF興全滬深300LOF銀河滬深300指數增強A安信量化精選滬深300指數增強A國金滬深300指數增強A財通滬深300指數增強天弘滬深300指數增強A浙商滬深300指數增強A長江滬深300指數增強A富榮滬深300增強A平安滬深300指數量化增強A華安滬深300量化增強A資料來源：，華寶證券基金投研平臺，截至2023年6月27日FOF組合管理的精髓。公募指數增強基金簡介公募指數增強基金，是公募量化產品線中的重要組成部分，通常采用主動或量化的方法輔助一定的另類手段對跟蹤的指數進行增強。量化增強的方式通常以多因子模型為核心，使用基本面因子或量價因子通過收益預測、風險控制、組合優化、業績歸因流程來完成組合構建，有的還會使用機器學習或非線性模型，這類產品占公募指增產品的主流。主動增強的方式通常包括自上而下進行宏觀分析、行業比較、擇時選股等來完成組合構建，這類產品占比相對較少。對收益進行增強還有一類另類手段，主要包括打新、融資融券、定增、大宗交易、投資可轉債、投資股指期貨和其他衍生品等，這類手段也能給基金的收益帶來一定的增厚。90%300500100071%3005001000指數增強基金，對它們在整體上做一定的特征刻畫。公募指數增強基金過去三年業績及策略特點回顧（2）配置特征，從持倉角度來分析的成分股占比及行業、風格偏離度；（3）交易特征，主要是換手率。超額收益：30050010002020年達300500100015%，2021、2022年呈現了一定衰減趨勢，今年以來又明顯降低，2023300增強基金的平均收益未跑贏對應指數。這背后的原因除了當年注冊制帶來的打新紅利已經下降，近兩年公募量化規模提升、高頻策略內卷之外，也跟市場的行情特征有關，今年市場行情呈現過于追求高勝率和高賠率的兩頭極端主題行情，不利于量化一攬子選股策略的發揮。跟蹤誤差：0.5%，7.75%3005001000指數增強基金的平均跟蹤誤差保3.5%-5.5%5001000指增3005%4%上下。圖2：代表性公募指增基金歷年超額收益（年化） 圖3：代表性公募指增基金歷年跟蹤誤差（年化）資料來源：，300500指數和中10002023627日，各基金之間取均值

資料來源：，注：數據截至2023年6月27日，各基金之間取均值80%300>0%00和中證00（5-9%換手率：指增基金屬于一類量化基金，量化基金由于其策略特點普遍換手率高于主觀選股基金。較高的換手率就導致規模會對產品的業績存在一定的限制，規模過大則可能限制換手率較高的基金繼續獲得過去水平的超額收益。因此對換手率的監控對于觀察量化基金的容量和業績持續性來說比較必要。20221000指增（10X）>500指增（8X）>滬深00（X003年較穩4X（202210001000指增的新發數量明顯增多，且這些新發基金有相當一部分使用的是高頻因子。圖4：代表性公募指增基金指數內選股占比 圖5：代表性公募指增基金換手率資料來源：，華寶證券基金投研平臺注：同類基金之間數據取均值

資料來源：，華寶證券基金投研平臺注：同類基金之間數據取均值80%以上，其實際持倉和指數成分股在風格和行業上一般會有一定的偏離，來獲取配置的超額收益。我們對這部分偏離進行跟蹤。行業偏離度算法：基金權益持倉的分行業配置比例，較之該基金所跟蹤的指數成分股分行業配置比例的差值，最大行業偏離指標值為各行業偏離度的最大值。當選取的區間類型為多期時，指標值為每期行業偏離度最大值的均值。AA股百分位，計算兩者的差值，最大風格偏差指標值為各風格因子偏差的最大值。當選取的區間類型為多期時，指標值為每期風格因子偏差的最大值的均值。3001000指增，由于數量相對較少，樣本代表性或不足，風格和行業偏離極端值較少，風格和行業暴露較均衡。表2：代表性公募指增基金近三年風格和行業偏離滬深300指增中證500指增中證1000指增最大行業偏離度最小行業偏離度最大風格偏差最小風格偏差最大行業偏離度最小行業偏離度最大風格偏差最小風格偏差最大行業偏離度最小行業偏離度最大風格偏差最小風格偏差數量515151515454545413131313均值3.01%-2.65%17.30%-4.99%3.40%-2.74%20.76%-7.14%3.34%-3.06%18.67%-7.62%標準差2.46%1.68%5.85%3.55%1.92%0.93%5.10%3.48%1.53%1.38%4.33%3.66%最小值0.81%-9.59%1.41%-13.46%1.45%-5.28%8.03%-17.10%1.42%-5.50%10.65%-14.30%25%1.71%-3.01%13.62%-5.93%2.22%-3.29%16.61%-8.94%2.59%-3.66%16.14%-9.10%50%2.40%-2.24%18.03%-3.53%2.96%-2.66%20.75%-6.25%2.99%-2.66%20.21%-7.65%75%3.17%-1.63%21.59%-2.65%3.98%-1.96%24.50%-5.00%4.12%-2.24%22.26%-6.98%最大值16.57%-0.75%28.31%-0.65%13.95%-1.18%32.90%-1.88%7.59%-1.01%23.59%-1.50%資料來源：，華寶證券基金投研平臺注：截至2022年底，采用全部持倉數據計算，下同圖6：代表性公募指增基金近三年最大行業偏離 圖7：代表性公募指增基金近三年最小行業偏離資料來源：，華寶證券基金投研平臺 資料來源：，華寶證券基金投研平臺圖8：代表性公募指增基金近三年最大風格偏離 圖9：代表性公募指增基金近三年最小風格偏離資料來源：，華寶證券基金投研平臺 資料來源：，華寶證券基金投研平臺公募指數增強基金分類體系與實例評價指數增強策略的核心指標是超額收益，而超額收益可以通過行業、風格輪動、多因子選股、衍生品及其他另類策略來獲取。除了衍生品和另類策略，其他幾類收益獲取方式基本可以從股票持倉中反映，持倉結果與指數成分股的差異，基本決定了產品的超額收益來源。利用每一只基金的持倉數據，我們基于指增基金在行業和風格上較跟蹤指數偏離度，以及偏離度的變動情況，將指增基金劃分為嚴格約束型、SmartBeta型和輪動型三類，來細分不同投資策略型是指在行業和風格配置上較基準偏離較多，且偏離的變化相對較為穩定的指增基金，輪動型指的是在行業和風格配置上較基準偏離較多，且偏離值頻繁變動的指增基金。分類流程下面，我們以滬深300指增基金的類別劃分為例，展示我們分類的具體過程：1Barra300指增基金各只基金每一報告期（半年報和年報）的行業和風格因子超額暴露。2（1）計算每只基金行業因子超額暴露的絕對值之和，并進行多期求和。為了分類的穩定性，每個時（2）計算每只基金行業、風格因子超額暴露的絕對值的最大值，將每一期的最大值同樣的方法進行多期求和。32的基礎上選擇區分嚴格約束和非嚴格約束基金的閾值。通過直方圖，直觀給出通過行業和風格超額暴露區分的最佳閾值。如采用絕對值求和方式，經過檢驗我們選擇的一個較好的閾值組合是行業超額暴露和<30%且風格超額暴露和大值方式，我們選擇的一個較好的閾值組合是行業超額暴露和最大值<3%且風格超額暴露和<20%，符合這個標準的劃分為嚴格約束類。不符合標準的則為非嚴格約束類。4、對非嚴格約束類做進一步的劃分，根據基金行業和風格超額暴露的變動幅度，來考察（1）計算每只基金每期與上一期之間的行業、風格超額暴露變動的絕對值之和，并向前四期按半衰期加權求和。即計算行業、風格暴露漂移54SmartBetaSmartBeta基金是指暴露漂移相對小的，輪動型基金是指暴露漂移較大的。如按照行業、風格暴露漂移劃分時，我們選擇的一個較好的閾值組合是行業超額暴露切換總和<30%且行業超額暴露切換總和SmartBeta型，不符合的則為輪動型。最后，對分類后的結果進行分類效果觀察。第一個方面是考慮分類的穩定性。因為涉及到多期的類別劃分，我們設計了驗證分類穩定性的函數，驗證上一期分類的結果在下一期分類的300指增基金中非嚴格約束暴露類85%以上，認為分類基本穩定。第二個方面是考慮分類的準確性。這一是可以通過相關性來考察，我們認為如果分類效果較好，應該出現不同類別之間的相關性較低，而同一類別（主要是嚴格約束型）之間的相關性較高的結果。二是可以通過不同類別擬合指數超額表現的方法來判斷分類效果。具體做法，我們使用各類別基金分類時點到下一個分類時點前的凈值數據，并將多個時間段的序列進行拼接，并減去基準形成一條完整的反映該類基金超額收益獲取情況的曲線。圖10：公募指增產品分類劃分流程資料來源：300指增為例分類合理性驗證3002021630日，每半年重新進行SmartBeta通過觀察，三類基金各自都具有較為鮮明的特點。統計區間內，嚴格約束型的超額收益、超額最大回撤控制和超額波動率控制均好于其他兩組，超額卡瑪和夏普比率也最優。這說明了SmartBeta型具有高彈性的特點300指增超額收益整體上行的區間中，SmartBeta300SmartBeta型指增SmartBeta輪動型指增具有獲取穩定超額收益的特征1Alpha的能力。從超額收益累計凈值的相關性統計上來看，嚴格約束型和其它兩類的相關性分別為0.83和0.81，SmartBeta和輪動型的相關性為0.72，相關性較低，符合這三類基金的策略特點。表3：滬深300指增基金分類超額績效嚴格約束型SmartBeta型輪動型累計超額收益率3.29%1.51%3.10%超額最大回撤-2.35%-3.19%-2.60%年化超額收益率1.62%0.74%1.52%年化超額波動率1.40%1.76%2.06%滾動1年平均超額最大回撤-2.02%-2.73%-2.00%滾動1年平均超額波動率1.29%1.68%1.91%超額Calmar比率0.800.270.76滾動1年平均超額收益率1.51%1.18%1.64%滾動1年最大超額收益率3.24%3.30%3.53%滾動1年最小超額收益率-0.59%-0.60%-0.22%滾動1年超額勝率73.17%70.73%95.53%超額夏普比率0.08-0.430.01超額最大連續上漲天數11910超額最大連續下跌天數101010超額日勝率56.47%53.18%53.18%資料來源：，，時間區間為2021年6月30日-2023年6月30日圖11：滬深300指增基金分類超額收益累計凈值表現資料來源：，，時間區間為2021年6月30日-2023年6月30日表4：滬深300指增基金分類超額收益累計凈值相關性SmartBeta型輪動型嚴格約束型SmartBeta型1.000.720.83SmartBeta型輪動型嚴格約束型輪動型0.721.000.81嚴格約束型0.830.811.00資料來源：，，時間區間為2021年6月30日-2023年6月30日非嚴格約束型基金行業和風格因子暴露特征在非嚴格約束型（SmartBeta及輪動型）中，觀察其在哪些行業和風格上有較大超額暴露（指絕對值，可能比對整體指增基金觀察更有意義。以滬深30指增基金為例，非嚴格約束型基金在基礎化工、食品飲料、非銀行金融行業有較大超額暴露的基金占比較大，在成長、動量、盈利風格上有較大超額暴露的基金占比較大。圖12：非嚴格約束型滬深300指增基金相對指數在各行業上最大暴露占比資料來源：，圖13：非嚴格約束型滬深300指增基金相對指數在各風格上最大暴露占比資料來源：，基金分類綜合打分評估因為三類基金存在著不同的投資風格和超額獲取特征，對三類基金如果采取統一的打分體系，會模糊掉各自的特點，不能較好的反應各個基金的收益獲取能力。因此，我們針對每類基金的投資風格，基于績效、選股能力、風格和行業配置能力構建了差異化的打分體系。嚴格約束類基金會加大在選股能力上的打分比重，輪動型會加大在行業和風格配置能力上的打分比重。表5：公募指增基金分類打分權重表嚴格約束型SmartBeta型輪動型績效50%績效70%績效50%選股能力30%選股能力10%選股能力10%風格配置能力10%風格配置能力10%風格配置能力20%行業配置能力10%行業配置能力10%行業配置能力20%資料來源：Barra率指標求得。20221231表6：嚴格約束型滬深300指增基金打分前五名基金名稱成立日期基金經理總分000312.OF華安滬深300量化增強A2013/9/27許之彥,張序58.90008238.OF中泰滬深300指數增強A2020/4/1鄒巍,李玉剛57.73002670.OF萬家滬深300指數增強A2016/9/26喬亮57.23003015.OF中金滬深300指數增強A2016/7/22耿帥軍,王陽峰57.13005113.OF平安滬深300指數量化增強A2017/12/26俞瑤57.10資料來源：，注：總分由2020年、2021年、2022年和2023年上半年的打分結果半衰期加權而來，權重的半衰期為2年表7：SmartBeta型滬深300指增基金打分前五名基金名稱成立日期基金經理總分007143.OF國投瑞銀滬深300量化增強A2019/6/11殷瑞飛63.77008592.OF天弘滬深300指數增強A2019/12/27楊超56.23010872.OF博時滬深300指數增強A2020/12/30桂征輝,劉釗55.40005248.OF新華滬深300指數增強A2019/12/18鄧岳55.05004513.OF海富通滬深300指數增強A2017/5/10朱斌全49.32資料來源：，注：總分由2020年、2021年、2022年和2023年上半年的打分結果半衰期加權而來，權重的半衰期為2年表8：輪動型滬深300指增基金打分前五名基金名稱成立日期基金經理總分004788.OF富榮滬深300增強A2018/2/11郎騁成67.54003884.OF匯安滬深300指數增強A2017/1/25朱晨歌54.06005530.OF匯添富滬深300指數增強A2020/11/3吳振翔,許一尊53.22003957.OF安信量化精選滬深300指數增強A2017/3/16徐黃瑋49.85005870.OF鵬華滬深300指數增強A2018/5/25蘇俊杰49.66資料來源：，注：總分由2020年、2021年、2022年和2023年上半年的打分結果半衰期加權而來，權重的半衰期為2年不同策略類型代表性指增產品分析基于上述分類，我們分別選取不同策略下的代表性產品進行分析，以進一步驗證該策略劃分的合理性。SmartBeta500指數增強（張弘弢孫蒙）基金經理：300ETF及聯接基50ETF202311570億。張紅弢先生管理5050ETF，指數研究和投資經驗豐富。孫蒙，北大物理學學士，加州大學洛杉磯分校電子工程系碩士，20177月加入華夏基500增強等基2023191選股框架及特色：從“多因子”到AI20002017夏基金開始組建“AI+”投資團隊，孫蒙先生此時作為新銳，在團隊當中發揮了重要力量。這個團隊也是公募量化領域里研究機器學習比較久，做的時間比較長的量化團隊。傳統的多因子策略，背后的驅動是基于對金融市場的認知，通過基本面或量價因子，采用AI+投資團隊是AI，Alpha的穩定性和策略壁壘。產品風險收益情況5005.99%，在公募5005.99%20212022年的表現都處在領先水平。表9：華夏中證500指數增強績效表現時間區間區間超額收益率年化超額收益率年化超額波動率超額最大回撤跟蹤誤差今年以來5.99%12.38%-1.84%-2.25%0.0434任職以來49.00%13.93%-0.86%-5.36%0.047320229.91%9.91%-0.38%-2.35%0.0406202114.49%14.49%-0.59%-5.36%0.0524資料來源：，華寶證券基金投研平臺，截至日期2023年6月29日因子暴露及貢獻：產品在配置上體現了明顯的SmartBeta特征，風格因子暴露控的不算太嚴格，各項風格因子偏離相對較大。行業配置上在非銀行金融、煤炭有著較穩定的負偏離，風格配置上在流動性、波動因子上有著穩定的負偏離。最近一期在動量、杠桿風險因子上有較多正暴露，在波動和貝塔風險因子上有較多負暴露。說明投資組合傾向于選擇過去表現較好，債務率偏高的低波動、小市值股票。相比同類500指增產品，其在成長因子上的暴露較小，處25%左右分位，或說明產品挖掘到了傳統風格因子之外的超額收益來源。從近兩年風險因子歸因來看，在波動上的負暴露帶來了較多的正收益，煤炭行業的負暴露帶來了一定的正收益。圖14：華夏中證500指數增強單期行業偏離資料來源：，華寶證券基金投研平臺注：行業偏離度算法為基金權益持倉的分行業配置比例，較之該基金所跟蹤的指數成分股分行業配置比例的差值圖15：華夏中證500指數增強單期風格偏離資料來源：，華寶證券基金投研平臺注：風格偏離算法為指數增強基金風格因子暴露度在全部A股的百分位，較之所跟蹤指數成分股在全部A股百分位的差值。圖16：華夏中證500指數增強近兩年風格因子歸因資料來源：，華寶證券基金投研平臺換手率：換手率在同類產品中位于中等，近兩年穩定在6X水平。雖然產品較多的使用深AI17500指數增強換手率資料來源：，華寶證券基金投研平臺500指數增強（喬亮）基金經理：喬亮擁有16年證券投資經驗，豐富的海外頂尖金融機構投資經驗。現任萬家量化睿選、100020231184億。擅長多因子量化建模、多策略量化投資，主動適應不同市場風格；追求長期、穩健的超額收益。策略框架及特色：成熟完善的多因子流程，注重策略的獨立性500Alpha策略構建投資組合-定制化改進的風險預測-組合優化-定期業績歸因。其步驟是經典的多因子模型流程，但是區別就在于對策略Alpha這也導致其產品體現出較強的輪動特點。產品風險收益情況：在上述成熟的投資理念指導下，產品近年來做到了較為穩定的超額收益。基金經理任職以來年化超額收益接近10%，2020-2022每年超額收益率均在10%上下。表10：萬家中證500指數增強績效表現時間區間區間超額收益率年化超額收益率年化超額波動率超額最大回撤跟蹤誤差今年以來1.56%3.22%-0.98%-2.06%0.0347任職以來42.08%9.28%-0.95%-3.36%0.038120229.88%9.88%-1.42%-2.56%0.039120217.24%7.24%0.11%-3.36%0.0387202012.84%12.84%-1.25%-2.40%0.0386資料來源：，華寶證券基金投研平臺，截至日期2023年6月29日因子暴露特征：行業偏離上，20220630報告期在有色金屬和電力設備新能源上有較多正在基礎化工和食品飲料上有較多正圖18：萬家中證500指數增強成立以來行業偏離（單期）資料來源：，華寶證券基金投研平臺注：行業偏離度算法為基金權益持倉的分行業配置比例，較之該基金所跟蹤的指數成分股分行業配置比例的差值圖19：萬家中證500指數增強成立以來風格偏離（單期）資料來源：，華寶證券基金投研平臺注：風格偏離算法為指數增強基金風格因子暴露度在全部A股的百分位，較之所跟蹤指數成分股在全部A股百分位，計算兩者的差值產品運作特征：500500指數增強換手率處在中等偏高水平。其產品頗受機構投資者認可，最近一期機構投資者占比超過70%。圖20：萬家中證500指