北向资金视角下的ETF轮动.docxVIP

研究背景 本部分首先简要阐述 ETF 在 A 股市场的发展，并指出 ETF 已成为市场较为认可的一种投资方式；其次对 2021 年绩优主动型基金进行回顾并进行业绩归因，区分出绩优基金的 Alpha 收益和 Beta 收益贡献，指出基金经理选对行业的能力对基金整体收益的重要性；最后根据模型，筛选出不同行业对应的 ETF，作为不同行业的代表性投资工具，构建投资标的池。 ETF 发展与回顾 在 2004 年我国成立第一支 ETF——华夏上证 50ETF 后，ETF 在我国发展迅猛。非货币型 ETF 历年新成立数量与历年累计规模逐年上升，非货币型 ETF 占所有非货币型基金的数量和规模也呈现出上升趋势。从 2020 年到 2021年，当年新成立非货币型 ETF 占当年新成立非货币型基金的比重从 3.81%上升到 7.40%；近两年，非货币型 ETF 累计规模占所有非货币型基金累计规模的比重维持在 1%上下，说明近两年 ETF 已成为市场较为认可的一种投资方式（图 1、图 2）。 在 2012 年，新增非货币型 ETF 数量仅为 8 只，相较于 2011 年，在新增 ETF 占比上，从 7.87%下降到了 3.92%；但 2012 年 ETF 的累计规模占比，相较于 2011 年从 0.30%上升到了 3.84%，出现该“反常”情形的主要原因在于 2012年新成立的 8 只基金中有 3 只 ETF 为沪深 300ETF、2 只为恒生 ETF，这 5 只宽基 ETF 在成立当年即获得了较大的规模，导致所有 ETF 的规模占比不降反升。 图 1、历年非货币型 ETF 新成立数量与占比 图 2、历年非货币型 ETF 累计规模与占比 资料来源：Wind， 资料来源：Wind， 2021 年绩优主动型基金回顾与业绩归因 我们分别筛选出 2021 年一、二、三、四季度及全年收益排名 Top10 及 Top50 的绩优主动型基金，在 Brinson 业绩归因框架、与多因子模型下的因子暴露，来测度不同基金在不同时期下的收益来源。 Brinson 业绩归因 Brinson 业绩归因作为基金评价中较为主流的归因方式，在业界得到了广泛的应用。由于我们只能在基金的年报与半年报中获得其所有持仓、在季报中只能获得前十持仓，并且基金经理在非报告期内的调仓明细我们不得而知，使得在归因分析时会产生一些误差，但考虑到前十重仓股往往占比较高，所以我们认为该误差不至于影响结论。 我们选定沪深 300 作为比较基准，行业分类采用申万 2021 年以前的 28 个一级行业，将基金的收益来源分为行业配置、个股选择以及二者交互效应。图 3、Top10 主动型基金的 Brinson 业绩归因结果 资料来源：Wind， 由图 3 可见，对于绩优主动型基金，行业配置在 2021 年四个季度均能提供正收益，且行业配置所提供的收益持续高于个股选择与二者的交互效应。 多因子模型 考虑到在季报数据中只能获得基金的前十大持仓、以及不能随时获取基金经理的调仓信息，会给 Brinson 归因带来误差，所以我们通过多因子模型进 一步对绩优主动型基金进行业绩归因，该方法能获得相对较为准确的结果。同样选取申万 2021 年以前的 28 个一级行业作为行业基准，构建如下的多因子模型： 为 t 时期基金 P 的收益率； 为 t 时期基金 P 的 收益； 为 t 时期基金 P 在第 i 个行业上的因子暴露； 为 t 时期第 i 个行业的收益率； 为 t 时期的误差项； 我们将基金的收益区分为以行业配置为代表的 Beta 收益，对应模型中的 ，其中 为单个行业配置收益，以及以 为代表的 Alpha 收益。相较于 Brinson 业绩归因框架，多因子模型的优点在于不用关注基金经理的调仓信息与持股信息，直接从整个期间的收益率出发，虽然各行业因子之间会存在较为严重的多重共线性的问题，但通过显著性检验、剔除冗余变量后，在逐步回归的方法下，各基金均能取得较好的统计检验结果，具体的统计检验与变量剔除过程在此不做赘述。 图 4、2021 年绩优主动型基金的多因子归因结果 资料来源：Wind， 在 2021 年的 Top10、Top30 与 Top50 的主动型基金中，Beta 收益平均贡献率分别为 84.63%、85.45%和 86.49%，Beta 收益均显著高于 Alpha 收益（图 4）。在 2021 年 Top50 主动型基金中，Beta 收益几乎均在 50%以上，部分基金的 Beta 收益贡献率甚至达到 90%以上（图 5）。 图 5、2021 年 Top50 主动型基金的多因子归因结果 资料来源：Wind， 通过上述对绩优基金的两种业绩归因方式的结果，我们发现，在 2021 年绩优的主动型基金主要