持仓风格缘何而起？

对于一个500指增策略，在遭遇春节前成分外挤兑的行情后，投资者看到策略单周回撤后的第一反应往往是：既然叫500指增策略，为何不直接在500指数成分内选股呢？

为了回答这个问题，我们首先需要一条主动管理定律（Grinold），它将投资经理的信息比率（IR，可以近似理解为超额的夏普比率）近似表示如下：

● IC代表模型做出的预测和实际结果之间的相关程度，可以理解为管理人模型的水平高低；

● BR表示广度，在量化策略里面代表做出预测的数量，也就是选股的自由度。

通俗来讲，一个只在500指数内选股的指增策略的自由度就是500，你构建的组合相对500指数本身，只能选在这500只个股上进行超低配来获取alpha。

而在同一个预测水平下，如果策略能在全市场选股，以4000-5000的选股域计算，那么自由度就将大幅提升至8-10倍，理论上的超额夏普也会提升2-3倍，长期能做出更高的超额夏普。

尽管由于市场噪音存在的情况下，高的超额夏普未必能够转化成高的产品夏普，但更高的广度仍会使得策略更加分散，有更强的生命力和更高的超额收益潜力。

为何适得其反？

我们简单复盘一下今年春节前的行情。下图是极端行情爆发的两周内（1/29 – 2/8）四大宽基指数成分股的收益分布曲线：

数据来源：好买基金研究中心

数据区间：2024/1/29-2024/2/8

中证1000和中证2000成分股的涨跌中枢严重偏离中证500。

以中证500成分的中位数来作为基准，成份外的个股由于缺少ETF资金的推动，中证800以外的个股能跑赢的寥寥无几，因此即便在此期间选中的1000和2000内最强的一批个股，也战胜不了中证500指数，导致持仓分布的差距被成倍放大。

大家会发现，不论策略的预测能力如何，持仓分布几乎完全决定了策略的超额表现。

数据来源：好买基金研究中心

数据区间：2023/1-2023/12

而在常态化的行情下，各个指数成分的分布的中位数，偏度等统计指标并不会有太大差异。

理论上中证1000和2000的个股由于有更高的波动率，因此两侧及尾部的分布会更大一些，表现为更加“肥尾”。

这也使得量化策略在更高的自由度下能充分发挥模型的预测能力，选出一篮子能跑赢基准的个股。

如何正确打开Alpha？

从国内的股票alpha多头策略看，在没有人为干预的情况下，整体偏中低频为主的alpha策略的持仓分布具有相对的稳定性，主要是由于时序上的预测有比较强的序列相关性。

那么如果能够得到策略在某一区间内的持仓分布数据，我们就能对指增的收益进行进一步拆解：

这里的pure alpha才是策略真实能力的体现，反应了策略在剥离掉持仓风格后，在每个选股域内的真实alpha，短期可能某些策略由于持仓分布的影响，括号内的部分显著为负，导致呈现出来的超额收益较弱，但有可持续的pure alpha，只看超额收益可能会导致完全相反的评价结论。

举个简单的例子，我们以某500指增近一年左右的超额拆分为例：

数据来源：好买基金研究中心

数据区间：2023/8/31-2024/6/28

策略在今年2月的极端行情下遭遇了较大的回撤，但从拆分来看，基本都是由持仓跑输基准所致，超额回撤5.5%左右，但pure alpha仅有1.5%的回撤；同理，4月国九条当周，持仓相对基准也出现了较大回撤，但pure alpha是一路新高的，策略也快速修复了回撤并创下了新高。

如果仅仅看超额，在这两个时点上都容易给出负面的评价，从而得出并不准确的结论。

所以，对于股票多头类策略，超额并不能反应其真实的alpha能力，剥离掉持仓分布影响后的pure alpha才是模型能力的真实体现，只要这部分没有出现明显衰减，那么就可以认为策略的能力并没有出现问题。

持仓分布更多是投资者的选择，比如选择500/1000/量化多头，但pure alpha上的衰退，对于普通投资者而言难以感知，更难在出现衰退时及时调整，那么如何降低pure alpha衰退的风险呢？

指增FOF

Pure Alpha的配置工具

pure alpha反应管理人最纯粹的策略能力，为了降低这个风险，有两条路径可选：

 1  分散配置多个管理人的策略，不同管理人的pure alpha之间相对独立，分散配置可以很大程度上降低策略衰退的影响；

 2  及时发现衰退的迹象并做适时调整；

FOF最显著的优势莫过于风险的分散和调整的灵活性，指增FOF平均配置10-15支底层标的，单个标的的alpha衰减对于FOF的印象可控。

另一方面，FOF作为机构投资者，下投底层标的能获取的信息颗粒度更细，新方程的指增FOF会对底层所有标的的超额进行系统性归因，研究员高频跟踪策略alpha的衰减，对于出现问题的策略进行及时调整，从储备的标的池中选取更具优势的策略替换。

pure_alpha定量化跟踪

数据来源：好买基金研究中心

而对于持仓分布的风险，指增FOF会基于底层管理人持仓分布的变动定期调整，基于定量化的模型来优化组合的超额夏普：

FOF优化模型示例

数据来源：好买基金研究中心

通过模型优化，使得FOF长期维持一个相对均衡的持仓分布，大致分布上：沪深300（20%），中证500（25%），中证1000（20%），中证2000（20%），其余个股（15%），保持相对均衡的持仓分布既可以保证足够的自由度，也可以控制在极端行情下持仓的beta相对基准的回撤。

这和控制Barra风格的暴露异曲同工，力求在控制持仓风险的前提下，追求长期稳定的pure alpha。

风险提示：投资有风险。基金的过往业绩并不预示其未来表现。相关数据仅供参考，不构成投资建议。投资人请详阅基金合同，并自行承担投资基金的风险。高端合格投资者要求：符合中国证监会规定的私募证券投资基金的“合格投资者”条件。即：具备相应风险识别能力和风险承担能力，投资于单只私募基金的金额不低于100万元。且个人金融资产不低于300万元或者最近三年个人年均收入不低于50万元。好买提醒：本文版权为好买财富所有，未经许可任何机构和个人不得以任何形式转载和发表。