林晓明 S0570516010001 研究员
SFC No. BPY421
黄晓彬 S0570516070001 研究员
源洁莹 S0570119080125 联系人
报告发布时间:2021年1月12日
摘要
四季度 ETF数量增速明显放缓,交易活跃度下降,市场规模达历史新高
截至2020年末,我国ETF市场共有342只产品(不含货币型),单季度新成立ETF6只,同比和环比均出现明显减少。全市场总规模达8428.56亿元,较上一季度末增加近919亿元,环比增加12.21%,创历史新高。ETF日均成交额328.74亿元,环比下降13.08%,交投活跃度有所下降。股票型ETF中,四季度单位净值涨幅排名前三的均为新能源ETF;酒类、新能源ETF表现优秀,年度涨幅均超100%。我们统计发现近几年来行业、主题、策略ETF规模逐年增长,在股票型ETF中的规模占比稳步上升,截至2020年末已略高于宽基ETF规模,未来有望成为ETF市场的新主角。
股票ETF收益显著,行业主题类产品热度持续上升,头部效应仍较明显
截至2020年12月31日,股票型ETF规模较上一季度末增加922.40亿元,存量规模占ETF总规模的九成。当前ETF市场头部集中度仍然较高,前十五大基金公司的ETF总规模占据市场近92%。业绩方面,四季度延续了二、三季度的复苏趋势,股票型ETF收益明显,平均涨幅10.33%,宽基与主题ETF涨幅均超过11%。行业、主题类ETF热度不断上升,规模占比上逐渐与宽基ETF平分秋色,或将成为ETF市场主角。
酒类、新能源表现优异,黄金ETF均获负收益,债券ETF平均涨幅0.98%
四季度国内复产复工稳步推进,国外市场也逐步企稳,境内外股票市场明显回暖。股票型ETF中,酒类、新能源和创业板ETF单位净值涨幅表现优秀,全年度涨幅高达125.31%、108.16%、88.75%。豆粕、能化和有色ETF涨幅居前,单季度均超过10%,而黄金ETF均为负收益,一定程度上拖累了商品型ETF的表现。四季度债券型ETF均为正收益,平均涨幅达0.98%。
行业主题类ETF规模逐年增长,其相较宽基增速与市场涨跌显著相关
近几年来行业主题类ETF规模逐年增长,在股票型ETF中的规模占比呈现稳步上升趋势,截至2020年末略高于宽基ETF规模,未来有望成为ETF市场的新主角。通过统计检验我们发现,投资者对于行业主题与宽基ETF的投资偏好与股市涨跌显著相关。当市场上涨时,投资者希望获取高于特定投资热点的超额收益,往往更倾向于投资行业、主题、策略类ETF;而当市场下跌时,投资者则倾向于追求确定性更高的市场收益,大概率转向更为稳健的宽基ETF,规避可能的大幅亏损。
风险提示:本报告对历史数据进行梳理总结,历史结果不能简单预测未来,规律存在失效风险,投资需谨慎。报告中涉及到的具体基金产品不代表任何投资意见,请投资者谨慎、理性地看待。基金过往业绩并不预示其未来表现,基金管理人管理的其它基金的业绩并不构成对基金业绩表现的保证。
整体分析:四季度ETF成立速度显著减缓,总规模创历史新高
增速减缓:新成立ETF6只(其中股票型5只),单季增量显著下滑
据Wind数据统计,截至2020年12月31日,我国交易型开放式指数证券投资基金(Exchange Traded Fund,简称ETF)已成立342只(不包含货币型),占全部被动指数型基金总数的38.05%。2020年Q4新成立的ETF数量为6只,去年同期为39只,2020年Q3为29只,Q2为28只,Q1为30只,ETF增量同比和环比均出现明显减少。需要指出,本报告对于ETF数量及规模的统计均以2020年12月31日Wind提供的数据为基准,暂停申购赎回的产品均不纳入统计,部分产品数据披露略有滞后,实际市场情况或略有偏差。
2019年至今,新成立ETF共182只,占当前ETF存量的53.69%,成立数量明显多于2018年及以前。整体而言,2020Q4的ETF新成立的数量较为显著地减缓,一定程度上反映了ETF发行成立短期降温的市场情况。
从各类型ETF四季度存量占比与2020年度增量占比来看,股票型ETF无疑是市场主角。截至2020年第四季度末,我国已成立股票型ETF为279只,较上一季度末增加5只,较上一年末增加69只;债券型ETF与商品型ETF较上一季度末无增加,当前为18只、14只,较上一年末均增加7只;已成立跨境ETF为31只,较上一季度末增加1只,较上一年末增加10只。特别地,股票型ETF数量存量占比为81.58%,2020年度增量占比74.19%,跨境型ETF数量较2019年增加125%。由此可见,2020年股票型和跨境型ETF的市场热度较高。
规模创新高:ETF份额与净值规模同步上升,净值规模达8428.56亿元
根据Wind数据,截至2020年12月31日,我国已成立ETF规模达8428.56亿元(不含货币型),较上一季度末增加近919亿元。被动型指数基金的低成本、高效率且投资较为分散化等特点,加之目前我国A股市场机构投资者占比逐步提升,被动型指数基金的场内规模已出现明显攀升。四季度ETF份额和规模同步上升,从总份额来看,从上季度末4381.41亿份上升至4550.00亿份,环比增加9.70%;从总规模来看,2020年第四季度环比增加12.21%,总规模8428.56亿元创历史新高。
股票ETF四季度增加188.20亿份,债券、商品、跨境ETF份额规模均下滑
各类型ETF中股票型ETF份额最大,占全部ETF份额的93.11%。从各类型ETF的份额变化情况来看,股票型ETF在经历二季度的份额下滑后,三四季度都有一定程度的恢复,四季度份额增长188.20亿份,增幅为4.65%;随着债券市场表现下滑,债券型ETF份额大幅减少,由三季度末的11.05亿份减少至4.62亿份,份额降幅58.15%;商品型ETF份额在经历连续三个季度强劲增长后,四季度份额下滑5.85亿份,降幅为8.99%;四季度跨境ETF份额也有所下滑,相较于三季度末减少7.34亿份,降幅为2.95%。
股票ETF四季度净值规模增加922.40亿元,债券、商品型减少,跨境型增加
截至2020年四季度末,我国已成立股票型ETF规模为7632.69亿元,较上一季度末增加924.83亿元;债券型ETF规模为192.64亿元,较上一季度末减少9.84亿元;商品型ETF规模为243.95亿元,较上一季度末减少25.36亿元;跨境ETF规模为359.28亿元,较上一季度末增加29.36亿元。其中,股票型ETF规模最大,占全部ETF规模的90.55%。
ETF产品多样化不断提高、规模集中度不断降低,头部效应略有减弱,竞争越趋激烈
根据Wind数据,截至2020年第四季度末,规模在100亿元以上的ETF数量为18只,数量仅占已成立非货币型ETF总数的5.31%,但规模占比达49.98%。自2018年四季度以来,这一规模占比从71.65%逐步缩减至49.98%,虽然当前规模占比依然较高,但减弱趋势明显,体现出ETF市场产品多样化不断提高、规模集中度不断降低的同时,也带来了愈加激烈的竞争。
截至2020年第四季度末,各类型ETF规模排名前十的产品如下:
市场持续上行,股票型ETF四季度收益优势明显,净值平均上涨10.33%
2020年四季度国内复产复工稳步推进,国外市场也逐步企稳,境内外股票市场持续回暖。2020年四季度延续了二、三季度的复苏趋势,股票ETF平均涨幅10.33%,债券ETF平均涨幅0.98%,跨境ETF平均涨幅10.67%。商品ETF平均涨幅为0.52%,黄金ETF均录得负收益。
2020年度,股票型ETF平均涨幅34.36%,债券ETF平均涨幅2.16%,商品ETF平均涨幅13.62%,跨境ETF平均涨幅11.33%,体现出2020年度A股整体表现在全球市场相对占优。
交投降温:各类ETF交易活跃度均降低,日均成交额环比下降13.08%
从日均成交额来看,2020年四季度的ETF日均成交额为328.74亿元,同比增长121.5%,相较三季度的378.19亿元下降13.08%。2020 年四季度股票型 ETF的日均成交额为262.21亿元,占ETF整体日均成交额的79.76%;债券型 ETF日均成交额为2.44亿元,相较于三季度有所下降;商品型ETF四季度日均成交额为32.67亿元,环比减少29.80%;跨境 ETF日均成交额为 31.41亿元,环比减少24.60%。
从日均换手率来看,各类型ETF日均换手率均有所降低,由此反映出ETF市场的交投活跃程度下降:股票型ETF的平均日均换手率由三季度的4.25%降低至3.19%,债券型ETF日均换手率由3.07%降至1.73%,商品型ETF日均换手率由13.13%降至9.43%,跨境ETF日均换手率由7.29%降至5.14%。
具体类别分析:股票型ETF表现最优,商品、债券型大体上涨
股票ETF:各细分类型皆获较高年收益,其中酒类ETF年涨幅高达125.31%
截至2020 年12月31 日,市场上共有279 只已上市股票型ETF,其中包括111 只宽基类ETF、85只行业类ETF、48只主题类ETF、35只策略类 ETF。其中宽基ETF 基金总规模3762.38亿元,明显大于其他几类ETF,占股票型ETF的49.29%,策略类 ETF 规模最小。
对股票型基金在2020 年四季度和全年的业绩表现进行回顾:以算术平均的方法来计算,第四季度宽基ETF的平均涨幅11.26%,主题ETF的平均涨幅最高,为12.31%,所有类型ETF平均涨幅均超过7%。2020年度,宽基、行业、主题ETF表现亮眼,涨幅分别为37.98%、35.60%、31.30%,其中,创业板50ETF年度涨幅为88.75%、白酒ETF年度涨幅达125.31%,国防和消费ETF年度涨幅均超过95%、新能源车ETF年度涨幅高达108.16%。可见,2020 年各类型股票ETF回报表现良好。
2020年第四季度业绩排名前十的ETF产品如下表,其中排名前3均为新能源主题ETF。
债券ETF:规模连续5个季度下降,四季度收益均为正,平均涨幅0.98%
2020年四季度无新成立债券型ETF,截至2020 年12 月31 日,国内共有18 只债券ETF,总规模为192.64亿元,数量和规模均远小于股票型ETF。整体来看,债券型ETF 的总规模在四季度下降了9.84亿元,下降幅度约4.86%,债券型ETF规模已连续5个季度下降。有别于三季度-0.62%的平均净值跌幅,四季度所有债券型ETF的单位净值均上涨,平均净值涨幅0.98%。
商品型ETF:四季度豆粕、能化和有色ETF收益超10%,黄金ETF负收益
2020年四季度无新发商品型ETF,截至2020年末,国内市场已上市商品ETF共有14只,总规模为243.95亿元,其中11只为黄金ETF,3只商品期货ETF,投资的品种分别为有色金属期货、豆粕期货和郑商所能源化工期货。
从业绩表现来看,2020年四季度,豆粕ETF表现最优,区间净值涨幅达16.49%。随着全球工业生产的进一步复苏,能源化工原料和有色金属的期货价格也有所上涨,对应ETF净值涨幅为15.89%、10.49%。而全球经济复苏以及疫苗利好消息对黄金价格不利,短期内黄金上行动力不足,经历二、三季度的上涨后,黄金价格在2020年四季度表现不佳,11只黄金ETF在四季度均为负收益。
行业格局:华夏、国泰、易方达规模居前三,占全市场四成比例
纵观我国 ETF 市场,虽然近年来产品多样化不断提高、规模集中度不断降低,但仍具有明显的头部效应。截至2020年12月31日,国内市场(除货币型ETF外)共成立342只ETF,分别来自48家基金公司。其中华夏基金已成立31只ETF,位居首位,易方达基金、广发基金和南方基金分别以22只、21只和20只ETF成立数量紧随其后。上述四家基金公司的ETF产品数量占据全市场的28.02%,而产品数量前十的基金公司均超过了12只。
从近期成立的ETF来看,华夏基金2020年成立了7只ETF,新成立数量最多,富国基金和博时基金各成立了6只ETF,易方达基金和国泰基金各成立了5只ETF,产品以股票型ETF和跨境型ETF为主。
从ETF规模来看,华夏基金以1895.03亿元的总规模,占据市场的22.51%,国泰基金与易方达基金规模总计856.44亿元、779.06亿元,位居第二、第三。前三大基金公司共占据市场规模的41.94%,而前十五大基金公司规模占市场规模的92%,可见我国ETF市场的头部效应仍然十分明显。
截至2020年12月31日,华夏基金在宽基、行业主题和商品期货多方面进行布局后,新成立了华夏纳斯达克100ETF(513300.SH),进一步在跨境类ETF中进行布局,基金规模为5.25亿元。2020年12月,广发基金新成立了广发中证创新药产业ETF(515120.SH),规模16.65亿元,进一步布局行业主题类ETF。银华基金和富国基金则专注农业主题ETF的布局,分别成立了银华中证农业主题ETF(159827.SZ)和富国中证农业主题ETF(159825.SZ),基金规模分别为6.80亿元、13.46亿元。天弘基金于四季度新成立天弘中证银行ETF(515290.SH),规模高达96.97亿元。
行业主题类ETF规模增速快于宽基,目前其规模与宽基旗鼓相当
股票型ETF的发展主要经历三个阶段,2018年以来规模快速大幅增长
在报告《2020年三季度中国ETF市场回顾》(20201021)中,我们指出国内ETF市场在发展初期规模往往伴随牛市迅速增长,但2018年以来,ETF市场规模出现跨越式发展,主要表现在ETF规模的增长逐渐脱离牛市背景,在A股市场投资者结构和投资范式的逐步转变下得到进一步扩张。
在本文中,我们将针对股票型ETF进行更为细致深入的分析。作为国内ETF市场的主角,股票型ETF的发展经历三个重要的阶段:2012年以前,我国ETF市场仍处于萌芽阶段,截至2011年底,股票型ETF的总规模不足1000亿元;2012年至2016年,股票型ETF规模稳步增长,在2014年底总规模高达2022亿元,达到阶段性高点;2018年以后,股票型ETF如雨后春笋,规模快速大幅增长。截至2020年四季度,股票型ETF总规模已达到 7632.69亿元,相较2017年末涨幅290%。
2018年以来行业主题ETF规模占比逐年增加,渐成国内ETF市场新主角
国内股票型ETF市场在2004年由宽基ETF开创纪元,至今已16年有余,当前宽基ETF依旧占据股票型ETF的重要地位。截至2020年末,规模排名前五的股票型ETF中,宽基占据4席,排名首位的华夏上证50ETF规模超过560亿元。随着ETF市场的蓬勃发展,除宽基产品外,股票型ETF产品在投资范围上逐步细化、差异化,以满足投资者对行业、主题、策略等细分领域的投资需求。
股票型ETF总规模自2018年起呈现稳步增长的趋势,其中宽基ETF的规模平稳增长,非宽基ETF的规模在2018年后迅速增长,这里非宽基ETF指代行业、主题、策略类ETF。2018年之前,宽基与非宽基ETF规模在股票型ETF中的占比相对稳定,宽基ETF占据绝对优势,但2018-2020三年间二者的规模占比格局有了明显改变。2017年末,宽基ETF仍占据主要地位,非宽基ETF总规模仅占股票型ETF规模的不足15%。然而截至2020年四季度,行业、主题、策略类ETF总规模已与宽基ETF平分秋色,非宽基总规模占比约52%。可见行业主题ETF越发受到广大投资者的青睐,有望取代宽基ETF成为国内ETF市场的主角。
行业主题ETF与宽基ETF规模增速之差与市场涨跌相关性更高
ETF市场发展初期,股票型ETF曾被认为是“牛市品种”,其规模变化与市场的涨跌高度相关。我们统计了2007年以来各个季度股票市场的表现以及股票型ETF总规模变化,当股票市场与股票型ETF总规模同向变化时,我们认为股票型ETF规模变化大概率依赖于股票市场表现,其中股票市场涨跌以上证综指涨跌作为表征。特别地,以2018年作为分界线,考虑2007-2017、2018-2020两个时间段的统计特征。
从上述表格可以看出,2018年之前股票市场与股票型ETF总规模同向变化的概率达到65.9%,两者走势相关度较高。而在2018年之后,这一比例下降至33.3%。更科学地,计算上述表格的卡方统计量为4.13,大于95%卡方值3.84,因此我们有超过95%的把握认为2018年前后股票市场与股票型ETF总规模之间的关系发生了明显变化。2018年之前股票型ETF总规模的变化较为依赖股票市场走势,而近几年来股票型ETF逐渐脱离牛市背景,实现跨越式发展。
进一步地,我们考察股票型ETF内部宽基与行业主题ETF的规模变化情况。统计分析2007年第一季度至2020年第四季度共56条数据可以发现,市场的涨跌对于宽基ETF与行业、主题、策略类ETF规模的影响有所差别。当股票市场上涨时,宽基ETF与非宽基ETF的规模分别会有70%、74%的概率实现增长;而当股票市场下跌时,宽基ETF与非宽基ETF则分别有38%、55%的概率规模减少。直观来看,非宽基ETF,即行业主题策略ETF的规模对市场涨跌的反应更敏感,或在一定程度上反映了不同行情下投资者情绪的变化。
我们定义非宽基ETF与宽基ETF规模增长率之差为两者的相对规模增长率,当相对规模增长率为正,意味着非宽基ETF规模的涨幅大于宽基ETF规模的涨幅,或非宽基ETF规模的跌幅小于宽基ETF规模的跌幅。整体而言,相对规模增长率指标能有效指示不同类别ETF的投资热度。
具体来看,当股市上涨时,行业主题ETF规模涨跌幅有70%的概率大于宽基类。相似地,当股市下跌时,在66%的时间里,行业主题ETF规模涨幅小于宽基类。这符合我们的主观认知,当市场行情向好时,投资者往往更倾向于投资更具有特质的ETF,如某行业ETF或某主题ETF,以寻求高于市场的超额收益;而当市场行情不理想时,投资者往往会转向更为稳健的宽基ETF,追寻确定性更高的市场收益,规避可能出现的大幅亏损。
为了从统计学上给出更为严谨的支撑,我们利用2007年第一季度至2020年第四季度的56条数据进行了卡方检验,以非宽基ETF相对宽基类ETF规模增长率是否为正以及股票市场是否上涨作为类别划分,得到如下的四格表,并进行卡方检验。
从上述卡方检验结果可以看出,卡方统计量为5.79,大于95%置信度的卡方值3.84,所以在统计学意义上,我们有至少95%的把握认为两者具有显著的关联,也即行业主题ETF相对宽基ETF的规模增长率与市场涨跌相关。
总体来看,近几年来行业、主题、策略类ETF规模逐年增长,在股票型ETF中的规模占比呈现稳步上升趋势,截至2020年末略高于宽基ETF规模,未来有望成为ETF市场的新主角。统计检验发现,投资者对于行业主题与宽基ETF的投资偏好与股市涨跌显著相关。当市场上涨时,投资者希望获取高于特定投资热点的超额收益,往往更倾向于投资行业、主题、策略类ETF;而当市场下跌时,投资者则倾向于追求确定性更高的市场收益,大概率转向更为稳健的宽基ETF,规避可能的大幅亏损。
风险提示
本报告对历史数据进行梳理总结,历史结果不能简单预测未来,规律存在失效风险,投资需谨慎。报告中涉及到的具体基金产品不代表任何投资意见,请投资者谨慎、理性地看待。基金过往业绩并不预示其未来表现,基金管理人管理的其它基金的业绩并不构成对基金业绩表现的保证。
免责声明与评级说明
公众平台免责申明
本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求,本公众号内容仅面向华泰证券客户中的专业投资者,请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者,请取消关注本公众号,不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限,若给您造成不便,烦请谅解!本公众号旨在沟通研究信息,交流研究经验,华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。
本公众号研究报告有关内容摘编自已经发布的研究报告的,若因对报告的摘编而产生歧义,应以报告发布当日的完整内容为准。如需了解详细内容,请具体参见华泰证券所发布的完整版报告。
本公众号内容基于作者认为可靠的、已公开的信息编制,但作者对该等信息的准确性及完整性不作任何保证,也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期,华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。
在任何情况下,本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断,应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料,有可能会因缺乏解读服务而对内容产生理解上的歧义,进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果,华泰证券及作者均不承担任何法律责任。
本公众号版权仅为华泰证券股份有限公司所有,未经公司书面许可,任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失,华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格,经营许可证编号为:91320000704041011J。
华泰金工深度报告一览
金融周期系列研究(资产配置)
【华泰金工林晓明团队】2020年中国市场量化资产配置年度观点——周期归来、机会重生,顾短也兼长20200121
【华泰金工林晓明团队】量化资产配置2020年度观点——小周期争明日,大周期赢未来20200116
【华泰金工林晓明团队】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法
【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增,待趋势明朗把握或更大20191022
【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826
【华泰金工林晓明团队】如何有效判断真正的周期拐点?——定量测度实际周期长度提升市场拐点判准概率
【华泰金工林晓明团队】基钦周期的长度会缩短吗?——20190506
【华泰金工林晓明团队】二十载昔日重现,三四年周期轮回——2019年中国与全球市场量化资产配置年度观点(下)
【华泰金工林晓明团队】二十载昔日重现,三四年周期轮回——2019年中国与全球市场量化资产配置年度观点(上)
【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究
【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告(上)
【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(四)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(三)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(二)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(一)——华泰金工周期系列研究
【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索
【华泰金工林晓明团队】金融经济系统周期的确定(下)——华泰金工周期系列研究
【华泰金工林晓明团队】金融经济系统周期的确定(上)——华泰金工周期系列研究
【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列
【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探
周期起源
【华泰金工林晓明团队】周期在供应链管理模型的实证——华泰周期起源系列研究之六
【华泰金工林晓明团队】周期是矛盾双方稳定共存的结果——华泰周期起源系列研究之四
【华泰金工林晓明团队】周期是不确定性条件下的稳态——华泰周期起源系列研究之三
【华泰金工林晓明团队】周期趋同现象的动力学系统模型——华泰周期起源系列研究之二
【华泰金工林晓明团队】从微观同步到宏观周期——华泰周期起源系列研究报告之一
FOF与金融创新产品
【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究
【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一
因子周期(因子择时)
【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三
【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二
择时
【华泰金工林晓明团队】波动率与换手率构造牛熊指标——华泰金工量化择时系列
【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用
中观基本面轮动
【华泰金工林晓明团队】行业配置落地:指数增强篇——华泰中观基本面轮动系列之十
【华泰金工林晓明团队】行业全景画像:投入产出表视角——华泰中观基本面轮动系列之五
【华泰金工林晓明团队】行业全景画像:改进杜邦拆解视角——华泰中观基本面轮动系列之四
行业轮动
【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二
【华泰金工林晓明团队】基于投入产出表的产业链分析 ——华泰行业轮动系列报告之十一
【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十
【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九
【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八
【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七
【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六
【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五
【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四
【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三
【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二
【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一
Smartbeta
【华泰金工林晓明团队】重剑无锋:低波动 Smart Beta——华泰 Smart Beta 系列之四
【华泰金工林晓明团队】投资优质股票:红利类Smart Beta——华泰Smart Beta系列之三
【华泰金工林晓明团队】博观约取:价值和成长Smart Beta——华泰Smart Beta系列之二
【华泰金工林晓明团队】Smart Beta:乘风破浪趁此时——华泰Smart Beta系列之一
【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一
多因子选股
【华泰金工林晓明团队】华泰单因子测试之历史分位数因子——华泰多因子系列之十三
【华泰金工林晓明团队】桑土之防:结构化多因子风险模型——华泰多因子系列之十二
【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一
【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十
【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九
【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八
【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七
【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六
【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五
【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四
【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三
【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二
【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一
【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二
人工智能
【华泰金工林晓明团队】WGAN生成:从单资产到多资产——华泰人工智能系列之三十八
【华泰金工林晓明团队】舆情因子和BERT情感分类模型——华泰人工智能系列之三十七
【华泰金工林晓明团队】相对生成对抗网络RGAN实证——华泰人工智能系列之三十六
【华泰金工林晓明团队】WGAN应用于金融时间序列生成——华泰人工智能系列之三十五
【华泰金工林晓明团队】再探AlphaNet:结构和特征优化——华泰人工智能系列之三十四
【华泰金工林晓明团队】数据模式探索:无监督学习案例——华泰人工智能系列之三十三
【华泰金工林晓明团队】AlphaNet:因子挖掘神经网络——华泰人工智能系列之三十二
【华泰金工林晓明团队】生成对抗网络GAN初探——华泰人工智能系列之三十一
【华泰金工林晓明团队】从关联到逻辑:因果推断初探——华泰人工智能系列之三十
【华泰金工林晓明团队】另类标签和集成学习——华泰人工智能系列之二十九
【华泰金工林晓明团队】基于量价的人工智能选股体系概览——华泰人工智能系列之二十八
【华泰金工林晓明团队】揭开机器学习模型的“黑箱” ——华泰人工智能系列之二十七
【华泰金工林晓明团队】遗传规划在CTA信号挖掘中的应用——华泰人工智能系列之二十六
【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五
【华泰金工林晓明团队】投石问路:技术分析可靠否?——华泰人工智能系列之二十四
【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三
【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二
【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一
【华泰金工林晓明团队】必然中的偶然:机器学习中的随机数——华泰人工智能系列之二十
【华泰金工林晓明团队】偶然中的必然:重采样技术检验过拟合——华泰人工智能系列之十九
【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八
【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七
【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六
【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五
【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三
【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二
【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一
【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十
【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九
【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八
【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七
【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六
【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五
【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四
【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三
【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二
指数增强基金分析
【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告
【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证
基本面选股
【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究
【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究
【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究
【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究
基金定投
【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四
基金评价
【华泰金工林晓明团队】基金评价及筛选全流程研究框架——股票型与债券型基金多种维度定量与定性评价法
【华泰金工林晓明团队】基金选股择时能力的定量分析法——我国公募基金大多具有较强选股能力
【华泰金工林晓明团队】基金业绩持续性的规律与策略构建——采用有效影响因子筛选出持续性较好的绩优基金
其它
【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二