主動權益的痛點——Alpha很難賺，Beta不太會賺

優秀不代表未來優秀，這是導致負債端缺乏信任的根源

數據來源：Wind，國聯證券研究所。注：全部樣本涵蓋2015年之前發行的靈活配置型、偏股混合型，以及普通股票型基金，超額基準選擇滬深300。圖：過去的業績是否能代表未來？——主動權益基金當年超額收益率&次年收益率的相關系數圖：單年度跑贏基準并不難，難的是每年都跑贏，連續5年連續跑贏基準的基金經理占比不到11——不同時間長度，跑贏基準的主動型基金占比

總體來看業績的延續性很弱，超額或許只是“運氣”帶來的偶然事件

弱相關性

連續跑贏基準非常困難數據來源：Wind，國聯證券研究所。注：全部樣本涵蓋2015年之前發行的靈活配置型、偏股混合型，以及普通股票型基金；此處以2016和2020年收益率排名前30%基金示例。圖：2016年收益率排名前30基金未來的收益率排名流向8.4%15.4%14.6%61.5%28.7%28.7%15.4%27.2%4.5%9.8%14.3%71.3%12.1%22.2%18.5%47.2%圖：2020年收益率排名前30基金未來的收益率排名流向1.4%13.5%20.5%64.6%2.8%11.0%19.9%66.3%圖：2017年-2020年各年度收益率排名前30

基金的3年年化收益率排名流向來源占比基本等分數據來源：Wind，國聯證券研究所。注：全部樣本涵蓋2015年之前發行的靈活配置型、偏股混合型，以及普通股票型基金。來源占比基本等分7.8%8.2%12.5%15.7%來源占比基本等分20.3%0.8%2.2%3.8%來源占比基本等分7.6%12.4%10.7%13.2%12.1%11.0%3.4%0.0%圖：3年期收益率排名前30

基金的3年間收益率排名流向2018-2020年3年期收益率排名前30基金2019-2021年3年期收益率排名前30基金2020-2022年3年期收益率排名前30基金2017-2019年3年期收益率排名前30基金數據來源：Wind，國聯證券研究所。注：全部樣本涵蓋2015年之前發行的靈活配置型、偏股混合型，以及普通股票型基金。圖：3年期收益率排名前30

基金的3年間夏普比分位數一覽數據來源：Wind，國聯證券研究所。注：全部樣本涵蓋2015年之前發行的靈活配置型、偏股混合型，以及普通股票型基金。2018-2020年年度夏普比分位數2018年2019年2020年3年期收益率排名：前10%57%61%61%3年期收益率排名：前10%~30%48%57%54%3年期收益率排名：前30%~50%48%51%58%3年期收益率排名：后50%51%37%33%2020-2022年年度夏普比分位數2020年2021年2022年3年期收益率排名：前10%57%63%44%3年期收益率排名：前10%~30%57%64%52%3年期收益率排名：前30%~50%55%48%50%3年期收益率排名：后50%38%45%49%2019-2021年年度夏普比分位數2019年2020年2021年3年期收益率排名：前10%60%59%54%3年期收益率排名：前10%~30%57%54%57%3年期收益率排名：前30%~50%55%57%42%3年期收益率排名：后50%36%37%50%2017-2019年年度夏普比分位數2017年2018年2019年3年期收益率排名：前10%69%57%57%3年期收益率排名：前10%~30%60%54%59%3年期收益率排名：前30%~50%54%55%52%3年期收益率排名：后50%36%42%41%

不容易，主動跑贏基準變得愈發困難

圖：A股主動型基金很難在熊市打敗基準，美股不到一半的主動權益產品能打敗指數74%74%49%87%23%45%93%22%95%31%55%33%90%96%72%26%27%-100%-50%0%50%100%150%200%0%10%20%30%40%50%60%70%80%90%100%20072008200920102011201220132014201520162017201820192020202120222023中國A股跑贏基準的主動型基金產品比例A股跑贏基準的主動型產品比例Avg3Y滬深300收益率（RHS）數據來源：Wind，國聯證券研究所數據來源：BlackRock，Bloomberg，Barra，Morningstar，國聯證券研究所整理總回報(-89bps)風格因子(51bps)基金經理(-140bps)擇時(20bps)選股(-160bps)總回報(112bps)風格因子(105bps)基金經理(7bps)擇時(24bps)選股(-17bps)基金全體正收益基金風格因子貢獻了基金經理大部分超額收益圖：2005-2015年美國主動管理型基金的績效歸因分析風格因子貢獻了基金經理大部分超額收益數據來源：

Wind，國聯證券研究所。注：績優專業投資者選取基金經理為公募偏股中年限超過10年，同時任基金經理期間年化超額收益率排名前50的基金經理為樣本，主動權益基金經理樣本選取指數基期早于2013年12月31日的偏股型基金經理指數，以此表征基金經理的投資表現。各項貢獻結果為整體情況的中位數。總回報(205bps)風格因子(136bps)基金經理(69bps)總回報(606bps)基金經理(423bps)主動權益基金經理績優專業投資者圖：2010年以來，A股主動權益基金經理及績優專業投資者的績效歸因分析(以萬得全A為基準)低估值

(-67bps)紅利

(33bps)低波動

(23bps)質量

(14bps)景氣

(101bps)大盤

(-112bps)小盤

(-68bps)動量

(47bps)風格因子(183bps)紅利

(-6bps) 低估值

(-48bps)低波動

(-2bps) 動量

(49bps)質量

(6bps) 景氣

(100bps)大盤

(-74bps) 小盤

(-63bps)紅利低波因子貢獻的差異性較大α優勢更為明顯一級 市行 場業 因因 子子一級 市行 場業 因因 子子圖：2010年以來，A股主動權益基金經理的半年度業績拆解一覽數據來源：

Wind，國聯證券研究所。注：主動權益基金經理樣本選取指數基期早于2015年1月1日的偏股型基金經理指數，以此表征基金經理的投資表現。各項貢獻結果為整體情況的中位數。各項貢獻結果為整體情況的中位數。分區間來看，主動基金經理的α表現并不穩定，更多依靠β2014H2的收益負貢獻主要來自于低估值因子、中證800市場因子2015H1的收益負貢獻主要來自于景氣因子和中證800市場因子數據來源：Wind，國聯證券研究所。注：選取基金經理為公募偏股中年限超過10年，同時任基金經理期間年化超額收益率排名前50的基金經理為樣本。圖：長周期來看，A股績優專業投資者的從業年限及年化超額收益率一覽績優專業投資者和“基金經理整體”的差異在哪？——更穩定的α

+

β的風險管理優勢圖：2010年以來，

A股績優專業投資者和主動型基金經理之間半年度Alpha和Beta的差異性一覽分區間看，績優專業投資者的α和β都強于“普通基金經理”，共同構成了兩者間收益率的差異2014H2的β負貢獻主要來自于低估值因子數據來源：

Wind，國聯證券研究所。注：績優專業投資者選取基金經理為公募偏股中年限超過10年，同時任基金經理期間年化超額收益率排名前50的基金經理為樣本，主動權益基金經理樣本選取指數基期早于2015年1月1日的偏股型基金經理指數，以此表征基金經理的投資表現。各項貢獻結果為整體情況的中位數。數據來源：Wind，國聯證券研究所。注：選取基金經理為公募偏股中年限超過10年，同時任基金經理期間年化超額收益率排名前50的基金經理為樣本。圖：2010年以來，牛市弱市周期下A股績優專業投資者投資者的半年度業績拆解一覽績優專業投資者的β貢獻大多數時候高于α貢獻圖：長周期來看，A股績優專業投資者的業績拆解圖：長周期來看，A股主動權益基金經理的業績拆解β在逐漸增強α和β的貢獻結構變化不大數據來源：

Wind，國聯證券研究所。注：績優專業投資者選取基金經理為公募偏股中年限超過10年，同時任基金經理期間年化超額收益率排名前50的基金經理為樣本，主動權益基金經理樣本選取指數基期早于2015年1月1日的偏股型基金經理指數，以此表征基金經理的投資表現。各項貢獻結果為整體情況的中位數。圖：2019年以來，不同風格類型基金經理的業績拆解數據來源：Wind，國聯證券研究所。注：根據基金的凈值表現及持倉變化等維度綜合評定基金經理類型。Beta強弱：行業集中型=穩健型>勝率型Alpha強弱：勝率型>穩健型>行業集中型圖：2019年以來，不同風格類型基金經理的業績拆解α和β波動變化非常極端相較于激進型而言，表現更為中庸牛市周期下可以獲得穩定正貢獻的α和β牛市弱市周期下α和β的貢獻情況變化不大弱市周期下綜合表現較其他類型更好數據來源：Wind，國聯證券研究所。注：根據基金的凈值表現及持倉變化等維度綜合評定基金經理類型。數據來源：《富可敵國》，ICI

Research，國聯證券研究所圖：美國對沖基金一般管理費率2

+20

業績提成，并設有high

water

mark

條款（HWM）圖：美國資產管理業的百年發展史，逐漸分離出了cheap

β（Mutual

fund，費率低）和high

α（對沖基金，費率高）圖：中美公募基金管理費率對比發展軌跡人物地位事件和業績旗下知名基金經理19世紀40年代末至70年代初對沖基金的初創時代阿爾弗雷德·溫斯洛·瓊斯對沖基金業的鼻祖·1949年創立了對沖基金歷史上第一只對沖基金。·到1968年，他的累計回報率幾乎高達5000

，遠遠超過了他的競爭對手。·他開創了對沖基金的新模式，他的基金具有四個特點：有績效費、投資方式靈活、對潛力股的做多和對沒有潛力的股票的做空。開創了“多經理人競爭結構”邁克爾·斯坦哈特短線殺手大額交易·1967年與霍華德·博考維奇、杰羅爾德·范恩創立斯坦哈特-范-博考維奇公司。·1970年，弗蘭克·席魯夫加入公司，他的貨幣分析模型為公司帶來了豐厚的利潤。·從1967年7月開創以來，公司獲得了361的收益，這個業績比同時期的紐約證券交易所好36倍。在市場上打拼的28年里，斯坦哈特只有3次虧損，這種情況發生的概率是八萬二千分之一。弗蘭克·席魯夫19世紀70年代初至90年代初喬治·索羅斯金融大鱷三巨頭·1969年創立雙鷹基金，1978年更名為量子基金。·他綜合運用了傳統的股市分析、大量的價格圖表分析以及卡爾·波普爾的哲學思想。他從貨幣交易中牟取暴利，但他同時又是個慈善家。·作為索羅斯的首席交易官，斯坦利·德魯肯米勒帶領量子基金對英鎊和泰銖進行了漂亮的狙擊，這次的英鎊交易為量子基金賺取了超過10億美元的利潤，而泰銖狙擊戰也成為亞洲金融危機導火索的一部分。斯坦利·德魯肯米勒宏觀對沖基金時代朱利安·羅伯遜選股高手·1980年創立老虎基金。·他挑戰了學術界關于選股者不能戰勝市場的論斷，在20世紀80至90年代創造了傳奇般的收益，他所培養的一批老虎基金員工紛紛創立了自己的對沖基金。·他的得力助手約翰·格里芬，在經營自己的基金后仍然與他保持密切的聯系。約翰·格里芬海默·威瑪開創者·1970年與保羅·庫特勒、弗蘭克·萬納森創立商品公司。·他先后招募了邁克爾·馬庫斯和布魯斯·科夫勒加入公司。通過超越經濟計量，將重點轉到趨勢分析，威瑪體現了不斷在對沖基金歷史上出現的實用主義。·僅在1980年，商品公司就賺了4200萬美元，這簡直是個天文數字。因此，即使在對140名員工發放了1300萬美元的獎金后，威瑪這家名不見經傳的公司在世界500強企業中仍然排名58。邁克爾·馬庫斯布魯斯·科夫勒20世紀80年代末至90年代中期新一代對沖基金的成長期布魯斯·科夫勒宏觀商品流派三新秀·1983年創立卡克斯頓對沖基金。·他在商品公司開始了他的職業生涯，開創了一種被稱為“貨幣套利”的交易形式。·1977年，他與威瑪和邁克爾·馬庫斯的相遇創造了他最輝煌的職業生涯，在之后10年的平均年收益率達到了80

。保羅·都鐸·瓊斯·1983年創立都鐸投資公司。·從棉花交易所走出的他，學會了將交易當做心理和虛張聲勢的一種游戲，每次他進場時，整個市場都會害怕。·他成功地預測到華爾街的崩潰，在1987年市場崩盤時賺了一大筆，而這得益于他的首席經濟學家彼得·波里什的股市圖表分析。路易士·培根·1989年創立摩爾資本管理公司。·他也運用商品公司推行的交易方式進行宏觀投資。·他投機于商品與貨幣，在1987年的崩潰中大賺一筆，他還成功地預測到了第一次伊拉克戰爭之后的市場走勢。約翰·梅里韋瑟債券基金·1994年創立長期資本管理公司。·他聘請教授加入公司，對風險進行量化分析，長期資本管理公司成為第一批將風險進行數理量化的對沖基金之一。·1994年，即使在減去2的管理費和超出一般水平的25的績效費之后，公司當年10個月的交易中回報率達到19.9

，1995年達到42.8，1996年則是40.8。但是在1997年的債券危機中，他的風險管理模型失效了，而失敗的真正原因不在于衡量風險的方法過于簡單，而是想要對風險準確衡量。埃里克·羅森菲爾德大衛·斯文森捐贈基金·1985年開始接管耶魯捐贈基金。·他最先開始將耶魯大學捐贈基金投資于對沖基金，隨后，其他大學開始競相模仿。·2005年，耶魯大學140億美元的捐贈基金中有78億來自于他的投資。20世紀90年代對沖基金的蓬勃發展期湯姆·斯泰爾事件驅動型對沖基金·1985年創立法拉龍資本管理公司。·他開創了“事件驅動型”對沖基金，從導致現有市場價格錯誤的事件中獲益。法拉龍是第一只從耶魯吸引投資的對沖基金，機構投資的涌入，開始逐步改變對沖基金對社會的影響力。·法拉龍的資產從2002年的80億美元激增至2006年的160億美元，吸引了眾多的模仿者，然而事件驅動型對沖基金的勝利并沒有消除風險。詹姆斯·西蒙斯·文藝復興科技公司的旗艦產品—大獎章基金創立于1988年。·他招募了數學家、密碼破譯者和翻譯專家加入公司，使大獎章基金成為迄今為止最成功的一只對沖基金。·在2008年危機的時候，大獎章基金上漲了160

，西蒙斯本人的年收入超過10億美元。彼得·布朗羅伯特·默瑟戴維·肖量型對沖基金·1988年創立肖氏對沖基金。·他也聘請數學家和科學家加入公司，并將計算機科學應用于市場，在他的團隊里的數學家比任何其他市場參與者都更擅長建模。·他們創建了一臺機器來找出股票價格的一場，很快，戴維·肖的增長超過了格林威治的前輩。到1994年，他的公司雇員已達135人，每日成交額占到紐約證券交易所的5

。21世紀初肯尼斯·格里芬多策略基金·1990年創立大本營投資集團。·他在2006一2007年從其他倒閉的基金中購買資產，這表明在市場混亂的時候對沖基金能穩定金融系統。·到2007年公司的資產就從2000年的20億美元迅速增至130億美元，格里芬的個人收人據說在業界排名第二，僅次于詹姆斯·西蒙斯。·在2008年的金融危機中，該公司瀕臨破產，但它沒有靠納稅人的幫助而渡過了難關。大本營投資集團已經證明：也許對沖基金有時可能引發火災，但它們也可能是消防員。·2000年創立不凋花基金公司，它是現代“阿爾法值工廠”的榜樣。·在開業的前3年，不凋花基金公司的回報率分別為22

、11、17。而這段時間，標準普爾500指數大部分時間在下降。·馬奧尼斯認為，多種戰略的混合可以分散風險，但是在2005年，不凋花基金的很多策略表現都不佳，這使得從事天然氣交易的布萊恩·亨特脫穎而出，并受到重用。但是隨著新的“阿爾法值工廠”的建立，從事能源交易的對沖基金越來越多，不凋花基金正面臨著崩漬的危險。“阿爾法值工廠時代”尼克·馬奧尼斯布萊恩·亨特危機之后信貸對沖基金約翰·保爾森對沖基金之王·1994年創立保爾森公司。·21世紀初，宏觀對沖基金的鼎盛時期可能已經過去，但信貸對沖基金的鼎盛時期已經到來。約翰·保爾森就是新時代的喬治·索羅斯。·2005年，保爾森預感到經濟要轉頭向下了，于是，他開始對這個泡沫下注。截至2007年底，保爾森旗下的抵押貸款基金扣除費用后累計上漲了700

，產生了大約150億美元的利潤，保爾森本人賺了30-40億美元。圖：β的部分更多可以通過一些smart

β工具來做風險管理，需要回答“我們賺什么錢”的問題每個人應該根據自己的需要去選擇營養成分投資者也應該根據自己的偏好選擇適合的因子通過標簽查看食物中的營養成分穿透資產類型，查看其背后的風險和收益來源數據來源：《SMART

BETA

GUIDE》，國聯證券研究所整理組合管理的前提——波動率控制復盤來看，A股偏股基金承擔更大的波動風險，并未獲得更高的風險溢價補償圖：A股權益基金波動率提高的同時，收益率并不一定能同時提高數據來源：FactSet，國聯證券研究所-15%-10%-5%0%5%10%15%20%10.0%15.0%20.0%25.0%圖：過去10年，美股主動權益基金的波動與收益負相關，波動越低，收益越高過去10年，美股權益共同基金風險收益分布橫軸：年化波動率30.0%縱軸：年化收益率納斯達克指數(20.9%，17.3%)標普500(17.7%，12.9%)數據來源：FactSet，國聯證券研究所基金經理的“風險VS收益”甚至呈反比，“低波動”對應“高收益”

圖：2021年開始，A股主動權益基金的波動與收益負相關，波動越低，收益越高數據來源：FactSet，國聯證券研究所圖：美國代表性基金的風險收益回報數據來源：FactSet，國聯證券研究所圖：不同時間區間下，各因子歷史波動率與未來收益率并未表現出穩定關系低波動低波動數據來源：Wind，國聯證券研究所。注：橫軸為各因子日度漲跌幅過去6個月的區間年化波動率，縱軸為各因子未來3個月的區間年化收益率。低波動低波動圖：不同時間區間下，各因子歷史波動率與未來夏普比均呈現出穩定負相關各時間區間，歷史波動率和未來夏普比間的負相關性較為穩定數據來源：Wind，國聯證券研究所。注：橫軸為各因子日度漲跌幅過去6個月的區間年化波動率，縱軸為各因子未來3個月的夏普比。圖：牛市和弱市周期下，高波動性因子和低波動性因子的表現出現分化數據來源：Wind，國聯證券研究所。注：因子數據樣本起始于2010年初。弱市周期下，因子漲跌幅和波動性表現出極強的負相關性牛市周期下，因子漲跌幅和波動性表現出極強的正相關性圖：歷輪牛市周期下，風格因子的風險收益特征“

高波動高收益”“

高波動高收益”“

高波動高收益”數據來源：Wind，國聯證券研究所“

高波動高收益”圖：歷輪弱市周期下，風格因子的風險收益特征數據來源：Wind，國聯證券研究所數據來源：Wind，國聯證券研究所。注：依據統計特征，此處選擇動量因子代表高波動性因子，紅利因子代表低波動性因子。圖：牛市和弱市周期下，高波動性因子和低波動性因子的趨勢表現一覽牛市周期下，高波動性因子上漲優勢明顯，但牛市結束時跌幅也更大數據來源：Wind，國聯證券研究所。注：橫軸為各因子日度漲跌幅過去6個月的區間年化波動率，縱軸為各因子日度漲跌幅未來3個月的區間年化波動率。圖：不同時間區間下，各因子歷史波動率與未來波動率均呈現出穩定正相關任一時間區間，歷史波動率和未來波動率間的正相關性十分穩定年份紅利因子低估值因子低波動因子大盤因子小盤因子景氣因子質量因子動量因子全A滬深300中證10002010年21%22%19%23%30%31%27%28%23%25%29%2011年15%16%15%17%26%25%22%22%19%21%25%2012年14%15%13%16%27%23%20%21%19%20%26%2013年17%20%15%18%24%22%17%24%22%22%24%2014年20%21%20%20%21%20%16%21%19%19%21%2015年38%39%35%39%50%43%38%44%48%39%46%2016年18%19%16%21%33%30%25%27%29%22%33%2017年9%9%9%9%18%15%15%13%11%10%16%2018年19%19%17%20%25%23%28%27%22%21%25%2019年16%17%15%20%28%23%25%21%21%20%25%2020年17%17%18%21%26%27%25%28%24%23%27%2021年13%13%13%17%18%23%27%28%16%19%19%2022年16%17%17%20%27%27%26%33%21%20%25%2023年14%15%12%13%16%16%16%19%13%14%15%波動率中位數16.5%17.1%15.8%19.5%26.0%23.2%24.8%25.3%20.7%20.6%25.1%波動率標準差6.6%6.7%6.1%6.7%8.3%7.0%6.3%7.3%8.6%6.5%7.7%[中位數±0.5*標準差]-區間概率64%64%57%71%57%50%43%50%64%71%50%【中位數±標準差]-區間概率86%86%86%79%79%71%64%79%86%79%71%數據來源：Wind，國聯證券研究所圖：各因子的季度波動率指標特征一覽各因子的波動率大體均在1倍標準差范圍內變動數據來源：Wind，國聯證券研究所。注：此處中位數和標準差為因子季度波動率指標的統計行特征。圖：動量因子的季度波動率指標特征一覽圖：紅利因子的季度區間波動率指標特征一覽2016年以來，紅利因子的波動率保持在0.5倍標準差范圍內變動動量因子的波動率大體只在1倍標準差范圍內變動統計指標紅利因子低估值因子低波動因子大盤因子小盤因子景氣因子質量因子動量因子全A滬深300中證1000收益率中位數3%5%8%-3%11%11%8%15%3%-5%6%標準差18%22%21%22%31%25%29%40%24%24%31%最大值55%70%66%59%80%44%59%87%57%54%74%最小值-18%-24%-18%-21%-38%-36%-25%-39%-30%-28%-38%波動率中位數16%17%16%20%26%23%25%25%21%21%25%標準差7%7%6%7%8%7%6%7%9%6%8%最大值38%39%35%39%50%43%38%44%48%39%46%最小值9%9%9%9%16%15%15%13%11%10%15%數據來源：Wind，國聯證券研究所。注：數據自2010年1月1日以來。圖：2010年至今，各因子年度收益率與年度波動率的統計指標對比波動率指標具有較好的特征延續性，相較于收益率指標或更易預測收益率指標的歷史區間范圍較大，較難捕捉特征價，要低于預期收益率的錯誤估計

數據來源：Wind，國聯證券研究所。注：模擬情景中因子A的參數設置參照全A歷史指標給定，因子B參照所有Smart

Beta因子歷史指標的中位數給定。特殊情景下，錯誤預測波動率不僅具有更小的潛在損失，同時具有更大的潛在意外收獲，預測波動率更具“性價比”圖：不同相關性情景下，錯誤預測預期收益率或波動率對于組合表現的影響盡管存在好運氣的特例，但大部分情景下，錯誤預測收益率帶來的“代價”遠高于錯誤預測波動率我們希望去完美預測因子未來的真實數據，然而實際上總會有所偏差。在不同相關性情景下，依次對收益率和波動率設置不同維度的偏差擾動，對比組合收益率結果的變化。數據來源：Wind，國聯證券研究所。注：每季度優選過去3個月波動率最高的3個因子等權構造高歷史波動率組合，過去3個月波動率最低的3個因子等權構造低歷史波動率組合。圖：歷史復盤——基于歷史波動率構建投資組合策略，低歷史波動率組合輕松跑贏基準，高歷史波動率組合表現平平低歷史波動率偏股混合型基金全A高歷史波動率低歷史波動率/全A高歷史波動率/全A偏股混合型基金/全A低歷史波動率組合輕松跑贏基準資產的多元化——保證組合資產間的低相關性，而不是單邊暴露風險

簡單，通俗易懂

SmartBeta動量小盤價值紅利追漲追求絕對增速g低估值進攻性防御性具體構建方法（樣本為全A市值50億以上，非ST個股）過去10天漲幅前100個股，月度換倉景氣質量大盤市值小，追求彈性追求長期經營質量市值大，更穩定高分紅低波低波動過去一年波動率最低的前100個股，每次財報披露后換倉數據來源：Wind，國聯證券研究所市值排名最小的前100個股，每次財報披露后換倉(凈利潤增速分位數+凈利潤增速環差分位數)/2的前100，每次財報披露后換倉(ROE分位數+毛利率分位數)/2的前100，每次財報披露后換倉估值最低的前100股，每次財報披露后換倉市值最大的前100個股，每次財報披露后換倉股息率最高的前100個股，每次財報披露后換倉圖：8個Smart

Beta風格因子

的暴露程度VS股價表現越一致，則這個因子越有效 圖：不同動量分位數組合的凈值表現（[0

,10

）為動量最低的一組，[90

,100

)為動量最高的一組)數據來源：Wind，國聯證券研究所圖：非財務因子、ROE、ROA、和毛利率的風險收益比和暴露程度通常較為一致，但大多數財務因子的這種一致性并不明顯數據來源：Wind，國聯證券研究所圖：Smart

Beta因子的風險收益比、最大回撤與風格暴露程度均較為正相關數據來源：Wind，國聯證券研究所融轉向信息技術轉向可選消費圖：景氣因子的市值分布圖：景氣因子的數量分布數據來源：Wind，國聯證券研究所

期制造轉向必選消費和醫藥

圖：質量因子的市值分布圖：質量因子的數量分布數據來源：Wind，國聯證券研究所圖：紅利因子的市值分布圖：紅利因子的數量分布數據來源：Wind，國聯證券研究所圖：2010年至今，Smart

Beta因子的風險收益分布圖：Smart

Beta因子的凈值曲線數據來源：Wind，國聯證券研究所數據來源：FactSet，國聯證券研究所圖：相關性越低，Smart

Beta兩兩組合后的收益越高數據來源：Wind，國聯證券研究所

【質量】風格是較好的搭配方式

數據來源：Wind，國聯證券研究所圖：2010年至今，Smart

Beta絕對收益的相關系數絕對收益相關系數景氣質量動量紅利價值低波大盤小盤超額收益相關系數景氣質量動量紅利價值低波大盤

小盤景氣景氣質量86%質量28%動量77%72%動量10%4%紅利63%61%59%紅利-16%11%2%價值63%60%60%97%價值-18%4%1%96%低波66%66%62%95%95%低波-17%14%2%94%92%大盤81%80%71%91%90%92%大盤2%29%3%87%83%85%小盤84%76%71%52%55%57%64%小盤4%-16%-6%-43%-39%-42%-62%圖：2010年至今，Smart

Beta超額收益的相關系數圖：Smart

Beta兩兩等權混合后的風險收益分布數據來源：Wind，國聯證券研究所圖：Ultra

Beta（質量低波動量）無論是收益率、波動率、風險收益比、最大回撤均明顯優于單一因子數據來源：Wind，國聯證券研究所圖：兩個因子成分股取交集會使風格暴露的更極端，但隨著成分股的減少，收益提高的同時，也會帶來風險的提升。成分股取交集方式的波動率和最大回撤高于等權配置9.5%5.5%.5%.5%.6%54410.2數據來源：Wind，國聯證券研究所年化波動率成分股交集等權配置交集-等權最大回撤成分股交集等權配置交集-等權風險收益比成分股交集等權配置交集-等權年化收益率成分股交集等權配置交集-等權13%8%5.1%5%6%-0.9%13%6%6.8%15%6%9.1%5%5%0.4%15%6%14%9%13%8%14%9%12%7%18%8%%6%6%0.1%7%7%0.0%5%5%0.0%19%6%13.6%8%6%1.0%6%5%1.3%6%6%0.7%6%5%0.6%10%6%3.7%4.1%2.3%16.1%-4.6%6.0%-12.7%5.9%-9.5%18.9%1.0%1.4%37.5%-7.6%-0.2%-0.5%2.3%3.8%3.0%29.4%18.9%5.8%2.2%6.3%-6.4%11.8%16.1%7.5%2.3%3.4%14.1%0.6%31.1%-0.6%-0.3%3.7%0.1%-0.1%0.1%0.3%0.3%0.0%1.4%2.7%7.1%40.7%-8.8%-0.1%0.2%6.0%6.1%2.7%2.6%6.9%-14.8%5.4%景氣+質量景氣+紅利景氣+價值景氣+低波景氣+大盤景氣+小盤質量+紅利質量+價值質量+低波質量+大盤質量+小盤紅利+價值紅利+低波紅利+大盤紅利+小盤價值+低波價值+大盤價值+小盤低波+大盤低波+小盤27%27%27%23%26%30%22%25%21%24%29%19%18%19%29%18%20%28%18%26%25%21%21%22%23%26%18%19%18%21%26%19%18%19%21%19%19%21%19%22%-0.3%3.7%47%19%47%67%21%51%65%53%67%49%61%33%38%28%68%41%33%23%33%38%31%28%28%29%21%22%46%41%51%35%30%33%38%28%27%35%27%27%29%28%-4.2%3.9%10.2%-55%-58%-44%-55%-50%-52%-35%-44%-34%-45%-56%-35%-33%-35%-55%-33%-36%-60%-35%-63%-50%-45%-45%-47%-49%-57%-37%-38%-41%-45%-55%-35%-34%-38%-47%-36%-38%-45%-40%-51%-12.3%平均值2.9%12.4%-1.8%因子組合方式圖：Smart

Beta兩兩取交集后的風險收益分布數據來源：Wind，國聯證券研究所圖：金融（銀行、非銀）和制造行業（電力設備、機械設備、國防軍工）的超額收益明顯負相關、食品飲料和周期行業（基礎化工、有色金屬、鋼鐵）的超額收益明顯負相關2021年至今超額收益相關系數數據來源：Wind，國聯證券研究所煤炭 石油石化

基礎化工

鋼鐵

有色金屬

建筑材料

建筑裝飾

交通運輸

電力設備

機械設備

國防軍工

環保汽車 家用電器

輕工制造

紡織服飾

社會服務

美容護理

商貿零售

農林牧漁

食品飲料

醫藥生物 銀行 非銀金融房地產電子計算機傳媒通信60%29%51%34%46%40%31%34%58%49%14%11%7%25%-3%41%45%33%36%30%30%-1%-5%26%-3%-5%22%42%26%-24%-37%-41%32%-10%7%0%3%-11%37%31%44%22%17%-11%28%12%22%18%30%18%10%5%20%-5%-23%13%-17%41%33%-32%-31%29%-21%-21%26%-24%20%-27%0%-18%-8%41%23%38%-32%-35%34%47%56%9%-1%-10%-21%24%14%10%8%39%30%40%44%11%8%-16%-15%-6%-2%-7%-14%13%19%-19%-22%5%0%-5%-19%-22%-10%-9%-19%14%10%-4%-21%-10%-12%4%17%-26%-13%-9%-14%-20%-18%-7%10%19%4%13%11%6%13%16%4%-36%-36%-35%-46%-32%-39%35%-21%-7%-7%17%-12%-1%3%16%-22%-22%6%8%-22%-29%-21%2%-8%13%-16%-1%5%18%-16%-18%-4%11%-18%-21%-19%-28%-33%10%3%-4%20%4%7%-7%-28%0%24%28%-13%-26%23%7%-23%-23%21%3%-6%-12%0%-29%-21%-16%-11%-25%-16%-15%-14%-15%-11%-7%-12%-15%-12%-17%-23%9%18%-6%6%20%-20%4%28%24%10%29%22%43%44%11%12%-2%14%9%27%31%29%-25%17%-20%30%34%41%-50%-45%-35%-3%-39%32%5%12%-7%-5%7%14%22%-7%28%28%24%-40%-35%-20%-30%1%54%9%18%9%9%-29%-9%6%20%-21%-17%56%48%31%-38%-20%-24%-5%20%-29%25%17%38%-2%21%-4%3%-7%-7%10%30%1%4%14%-2%-15%-11%45%39%-33%-36%-10%-29%-6%-32%-33%-43%15%25%27%-17%19%-21%-18%-24%-9%-11%-20%-25%-24%-12%-50%-30%-32%-34%-9%-11%44%-26%-15%-13%-2%9%13%57%-26%-12%-10%-25%-13%-12%-19%-19%-21%-20%-10%-13%-18%-20%-16%-22%-5%-24%-6%10%6%-24%-1%-11%-19%-29%-19%19%4%21%18%-9%16%5%13%7%0%-13%1%-22%-11%-14%6%26%-2%3%26%8%6%21%-9%-11%0%-20%3%29%-3%-12%3%-13%-31%-9%-4%-17%-23%-14%-11%40%67%44%石油石化基礎化工鋼鐵有色金屬建筑材料建筑裝飾交通運輸電力設備機械設備國防軍工環保汽車家用電器輕工制造紡織服飾社會服務美容護理商貿零售農林牧漁食品飲料醫藥生物銀行非銀金融房地產電子計算機傳媒通信公用事業42%33%8%33%1%6%44%38%-13%-3%-4%55%-12%-3%2%29%-23%-23%8%14%-24%-16%27%5%14%-32%-24%-8%-3%宏觀環境下，風格因子間擁有比行業間更穩定的相關性矩陣，是重要原因

圖：不同經濟周期下，正相關因子的比例圖：不同經濟周期下，負相關因子的比例數據來源：Wind，國聯證券研究所圖：經濟上行，通脹上行時期，風格因子比行業因子相關性更穩定宏觀環境下，風格因子間擁有比行業間更穩定的相關性矩陣，是重要原因

數據來源：Wind，國聯證券研究所圖：經濟上行，通脹下行時期，風格因子比行業因子相關性更穩定宏觀環境下，風格因子間擁有比行業間更穩定的相關性矩陣，是重要原因

數據來源：Wind，國聯證券研究所圖：經濟下行，通脹下行時期，風格因子和行業因子相關性較為接近圖：經濟下行，通脹上行時期，風格因子比行業因子相關性更穩定慢工出細活——組合權重的Rebalance收益并不只來自于換倉：在持倉不變的情況下，組合的權重優化也可以增厚收益數據來源：《Volatility

Harvesting:WhyDoesDiversifying

andRebalancing

Create

Portfolio

Growth?》，國聯證券研究所圖：再平衡理論的數學證明 圖：定期再平衡使收益和波動分布更集中，減小了尾部風險CapitalGrowthTheory對權重的再分配可以減少波動，從而增厚復利收益1）CAP：CapitalWeighted（市值加權）2）EWD：EqualWeighted（等權）3）EWR：EqualWeightedRebalanced

Monthly（月度等權再平衡）Buy&Hold

Rebalancingδ:

Buy&Hold-RebalancingBuy&Hold

Rebalancingδ:

Buy&Hold-RebalancingBuy&Hold

Rebalancingδ:

Buy&Hold-RebalancingBuy&Hold

Rebalancinδ4%2%14%5%2%15%-63%-52%10%3%3%1%3%2%28%65%51%60%30%3%1%3%2%14%50%41%50%16%43%30%5%2%4%2%4%5%29%26%20%21%22%20%22%30%30%28%27%4%4%27%24%19%19%20%18%20%28%28%26%25%23%22%4%48%17%10%12%7%10%10%15%7%19%17%9%9%10%8%8%84%12%8%10%3%8%6%10%3%14%13%5%5%6%4%5%4%5%景氣因子質量因子紅利因子橫向低估值縱向低估值低波動因子大盤因子小盤因子高營收增速高毛利率高ROA高庫存周轉率高資產周轉率低資產負債率高資本開支增速高經營性現金流入增速高籌資現金流入增速高投資現金流入增速高存貨增速高凈資產增速高資產年化收益率年化波動率收益率/波動率最大回撤2010年至今表現圖：再平衡能夠明顯提升凈值表現圖：不同因子再平衡前后的風險收益回測，再平衡會提高風險收益比，同時降低最大回撤再平衡如何操作？定期（如周頻、月頻、季頻）調整權重至初始值（如重新按照市值加權或重新恢復等權）數據來源：Wind，國聯證券研究所權重“再平衡”的對手方是追漲殺跌，事實證明在A股高拋低吸式的“再平衡”優于追漲殺跌數據來源：Wind，國聯證券研究所2010年至今未來1個月漲跌幅未來3個月漲跌幅未來6個月漲跌幅滾動3年PE分位數[0%-10%)1.3%9.5%24.3%[10%-20%)4.2%8.5%9.4%[20%-30%)0.7%2.0%3.6%[30%-40%)2.6%3.7%5.8%[40%-50%)0.8%2.3%3.8%[50%-60%)0.9%2.5%4.5%[60%-70%)0.7%2.2%3.9%[70%-80%)0.6%2.2%4.1%[80%-90%)0.7%2.8%4.9%[90%-100%]2.2%3.9%8.0%2010年至今未來1個月漲跌幅未來3個月漲跌幅未來6個月漲跌幅滾動3年PB分位數[0%-10%)3.0%11.4%24.1%[10%-20%)1.0%2.2%3.0%[20%-30%)0.5%1.5%3.1%[30%-40%)2.6%3.6%5.6%[40%-50%)0.6%2.2%3.9%[50%-60%)0.7%2.5%4.6%[60%-70%)0.9%2.7%4.7%[70%-80%)0.9%2.9%4.8%[80%-90%)0.6%2.9%4.8%[90%-100%]2.8%4.3%8.8%圖：2010年至今，不同PE分位數下，未來收益率情況 圖：2010年至今，不同PB分位數下，未來收益率情況最簡單地，我們以估值來衡量位置的“高”和“低”。由于高位后的風險收益比明顯降低，因而長期大樣本地“高拋低吸”式的rebalancing一定能增厚組合收益2021年至今未來1個月漲跌幅未來3個月漲跌幅未來6個月漲跌幅滾動3年PE分位數[0%-10%)1.5%21.9%64.5%[10%-20%)8.4%17.5%19.3%[20%-30%)0.5%1.0%1.5%[30%-40%)0.4%1.3%1.2%[40%-50%)0.6%1.1%1.1%[50%-60%)0.4%1.1%1.4%[60%-70%)0.2%1.0%1.4%[70%-80%)0.0%0.3%0.6%[80%-90%)0.0%0.0%0.2%[90%-100%]-0.7%-1.1%-1.6%數據來源：Wind，國聯證券研究所2021年至今未來1個月漲跌幅未來3個月漲跌幅未來6個月漲跌幅滾動3年PE分位數[0%-10%)6.5%28.8%71.2%[10%-20%)0.7%1.8%3.1%[20%-30%)0.6%1.6%2.5%[30%-40%)0.2%0.5%0.3%[40%-50%)0.1%0.4%-0.1%[50%-60%)-0.2%-0.2%-0.3%[60%-70%)-0.2%0.1%-0.2%[70%-80%)0.1%-0.2%-0.3%[80%-90%)-0.4%-0.9%-0.7%[90%-100%]-1.3%-1.8%-3.4%圖：2021年至今，不同PE分位數下，未來收益率情況 圖：2021年至今，不同PB分位數下，未來收益率情況最簡單地，我們以估值來衡量位置的“高”和“低”。由于高位后的風險收益比明顯降低，因而長期大樣本地“高拋低吸”式的rebalancing一定能增厚組合收益組合管理框架下的落地策略圖：有效前沿和風險平價思想的范例展示最大夏普：在給定組合收益率或風險限制下，使得組合夏普比最大；最小波動：放松對于組合收益率的限制，使得組合波動率最小；風險平價：按照風險對底層資產分配權重，使得各資產的風險貢獻相同。數據來源：Wind，國聯證券研究所。注：此圖僅為示意圖。年化收益率5.48%3.25%9.22%8.21%年化波動率20.2%23.3%18.0%19.6%6.46% 7.20%17.9%夏普比0.270.140.510.42年化收益率↑年化波動率夏普比相比與偏股混數據來源：Wind，國聯證券研究所。注：此處樣本為申萬三級行業因子，有效前沿加權中，選用過去兩個月收益率以及過去1年波動率，調倉時點為每年財報實際披露完全的節點，具體而言：5月初、9月初，以及11月初。圖：基于Smart

Beta因子，各加權策略的凈值曲線一覽2010-2023年

偏股混合型基金

全A

等權加權

類動量-收益率TOP3

最小波動(絕對)

最小波動(超額)最大夏普(絕對)最大夏樣本外——純波動率被動策略均能戰勝偏股，從夏普比來看，最大夏普(絕對)策略占優②類動量-收益率TOP3③等權加權④最大夏普(超額)⑤最小波動(超額)⑥最小波動(絕對)⑦偏股⑧全A①最大夏普(絕對)圖：基于Smart

Beta因子——最小波動(超額)和偏股的相對全A凈值曲線對比圖：基于Smart

Beta因子——最大夏普(超額)和偏股的相對全A凈值曲線對比起點終點類似——最小波動(超額)策略優選了更平緩的路徑波動幅度類似——最大夏普(超額)策略優選了更高的趨勢水平數據來源：Wind，國聯證券研究所。注：此處樣本為Smart

Beta因子；有效前沿加權中，選用過去兩個月收益率以及過去1年波動率；在等權加權中，選用過去兩個月收益率TOP3的因子進行等權配置。兩種加權方式中調倉時點均為每年財報實際披露完全的節點，具體而言：5月初、9月初，以及11月初。圖：基于Smart

Beta因子——2010-2023年各年度不同指數和組合的收益率表現圖：基于Smart

Beta因子——2010-2023年各年度不同指數和組合的波動率表現弱市周期下——相對于偏股，最大夏普(絕對)和最小波動(絕對)策略可以實現更高收益率&更低波動率經濟周期

年度波動率偏股混合型基金 全A等權加權

類動量-收益率TOP3最小波動(絕對)

最小波動(超額)最大夏普(絕對)最大夏普(超額)牛市 2010年弱市 2011年弱市 2012年牛市 2013年牛市 2014年牛市 2015年牛市 2016年牛市 2017年弱市 2018年牛市 2019年牛市 2020年牛市 2021年弱市 2022年弱市 2023年20%23%18%20%18%22%24%22%16%15%19%16%19%14%19%19%19%19%22%19%15%17%13%15%14%18%21%21%17%16%19%19%29%21%48%22%15%16%19%17%17%38%48%29%34%36%38%39%40%26%20%18%22%26%22%23%11%11% 11%8%9%8%12%13%25%23%20%22%21%17%16%16%21%18%17%17%18%13%17%12%15%22%22%22%24%18%17%22%21%24%19%16%12%17%15%18%17%20%13%21%17%22%21%19%21%13%11%13%12%13%16%17%數據來源：Wind，國聯證券研究所。注：此處樣本為Smart

Beta因子；有效前沿加權中，選用過去兩個月收益率以及過去1年波動率；在等權加權中，選用過去兩個月收益率TOP3的因子進行等權配置。兩種加權方式中調倉時點均為每年財報實際披露完全的節點，具體而言：5月初、9月初，以及11月初。經濟周期年度收益率偏股混合型基金全A等權加權類動量-收益率TOP3最小波動(絕對)最小波動(超額)最大夏普(絕對)最大夏普(超額)牛市2010年5.9%-6.2%-4.3%-6.9%-0.3%-0.3%-1.7%6.9%弱市2011年-23.6%-23.6%-17.5%-19.7%-14.5%-21.3%-24.3%-24.0%弱市2012年5.6%6.4%18.8%15.8%19.4%16.9%52.3%36.0%