主动量化研究系列：0924指增超额回撤再回顾，贝塔的优化.docxVIP

正文目录

TOC\o1-2\h\z\u回归指增本质：优化贝塔敞口管理 4

0924指增超额回撤：问题在哪里 4

解决思路：优化贝塔管理 5

为什么贝塔很重要：从指增策略本质出发 5

贝塔的不同：基准是什么 6

预测贝塔：风险的精细化管理 7

优化贝塔管理可提升超额回撤控制能力 8

小结 9

风险提示 11

图表目录

图1：组合敞口和对应收益贡献：行业 5

图2：组合敞口和对应收益贡献：风格 5

图3：仅考虑行业敞口，遗漏了较多可用信息 5

图4：各行业风格偏离，汇总得到组合整体偏离 5

图5：贝塔在风格中解释度贡献最大(均值) 6

图6：收益超出均值±3sigma之外情形：贝塔最多 6

图7：股票A标准化贝塔敞口：基准不同，结果差异较大 7

图8：贝塔因子溢价：宽基指数 7

图9：贝塔因子溢价：行业 7

图10：股票A预测贝塔拆分示例 8

图11：所属行业不同，对贝塔贡献存在较大差别 8

图12：股票A预测贝塔：不同基准 8

图13：基准选择对预测贝塔的影响较大 8

图14：指增组合区间最大回撤对比 9

图15：指增组合对比：沪深300 9

图16：指增组合对比：中证500 9

图17：指增组合对比：中证1000 9

图18：贝塔优化组合较基准敞口：基准为中证1000 10

图19：组合单日超额回撤对比：基准为中证1000 10

图20：指数贝塔收益：中证1000波动性更大 10

图21：贝塔收益滚动波动率：2024年出现放大 10

表1：模型解释度：行业重要性大于风格，风格大于指数 6

表2：贝塔优化组合较基准组合，超额回撤得到较好控制 9

回归指增本质：优化贝塔敞口管理

指数增强策略，不论信号如何形成，交易频率高或低，本质都是从指定维度偏离基准，以获取超额收益。这带来如下问题：一，偏离会引入风险；二，因子之间相关性，使得目标敞口和部分风险相关；三，无法做到将所有风险因子纳入模型，即天然地无法具备完备性。

本报告我们从贝塔管理入手，对贝塔预测及拆分项进行约束。从结果看，2024年的两次较大回撤均得到较好控制，收益风险比也得以提升。风险管理已进入精细化时代，对其进行更新迭代，或才能更好地稳定获取收益。

0924指增超额回撤：问题在哪里

前期报告《指增超额回撤：风险端的缺失和优化》中，我们就2024/09/24-2024/11/08区间内指数增强类策略超额回撤情况进行了讨论，认为：现有风险模型对超额回撤的解释存在缺口，纳入阿尔法因子本身，也无法填补；贝塔风格对此轮超额回撤影响较大；优化风险因子对提升策略超额收益表现或更重要。报告中，从主题视角提出了多个风险因子，不过经过回测发现其对此轮回撤的控制效果并不算好。针对已发生事件进行事后总结，对于应对可能发生的下一轮回撤或帮助较小。或可以重新审视现有风险模型框架，以发现可改进或优化的点。下面重新回顾此轮回撤的特点。

构建如下量价高频中证1000指增组合：成分限制80%，行业1%，个股1%，市值/贝塔/波动率/动量/流动性0.1。2024/10/08组合超额收益-1.15%，行业和风格收益贡献分别为0.30%和-0.36%；阿尔法因子敞口1.22，收益贡献-0.39%；残差收益-0.76%。即考虑了现有已知风险和阿尔法因素，仍有较大的解释缺口。从另一个维度对超额收益-1.15%进行拆

分：分别计算组合和基准在各行业上的收益（个股配置权重乘以收益，按行业加总），计算组合较基准的收益之差（行业配置超额），与风险模型中各行业收益（行业收益贡献）进行对比。医药、电子、电力设备及新能源、基础化工、国防军工，行业配置收益绝对值远大于行业收益贡献。

如何理解这一差别？行业敞口约束，对应的是组合在各行业上的仓位控制。仓位约束对所带来的各行业内风格偏离，并无指引价值。例如电子和建筑，行业敞口分别为1.00%和0.98%，市值敞口分别为-0.048和0.001，贝塔敞口分别为-0.034和-0.001，动量敞口分别为-0.133和0.006。

行业属性将全市场股票划分为了无交集的子集，指增策略即在控制行业偏离的基础上，行业内进行标的筛选。基于这一逻辑，组合超额收益即由各行业内超额累加所得。现有组合优化敞口约束设置，针对的是行业敞口汇总后的整体值。例如贝塔，组合整体敞口为-0.011，分行业敞口最大值为0.044，最小为-0.038，分化较大。这一结果似乎表明，仅约束整体风险敞口，或不足以应对市场波动对超额收益的影响，需进行更为精细化的风险管理。

图1：组合敞口和对应收益贡献：行业 图2：