2022年中期金融工程策略展望

1、2022 年前 5 个月基金市场回顾量化基金回顾根据 Wind 统计数据，截至到 2022 年 5 月 31 日，2022 年前 5 个月新成立了 59 只量化基金；剔除同类基金后，共新成立了 24 只量化基金，截至 2022年 5 月 31 日，市场上共存在 403 只量化基金；其中百亿规模（合并同类基金的规模）以上的量化基金有 2 只，10 亿规模以上的量化基金有 52 只，所有量化基金的规模中位数为 2.0282 亿元。2022 年 1 月至 2022 年 5 月 31 日，取得正收益的量化基金共有 20 只，所有量化基金的收益率中位数为-15.65%，同期沪深 300 指数收益率为-1

2、6.86%，中证 500 指数收益率为-17.57%，中证 1000指数收益率为-19.83%，Wind 全 A 收益率为-16.94%，所有量化基金跑赢主要指数 1 到 2 个百分点。2022 年前 5 个月收益较好的基金主要体现在指数增强策略及量化对冲策略（表 1）。表 1、 2022 年前 5 个月收益前 20 量化基金基金代码基金简称基金成立日基金经理（2022 年 5月底）2022 年 1 到5 月回报基金规模（亿元）519212.OF万家宏观择时多策略2017-03-30黄海43.8455%2.6673014854.OF嘉实中证半导体增强 A2022-04-22刘斌14.7500%

3、0.2225501059.OF西部利得国企红利指数增强 A2018-07-11盛丰衍,陈元骅7.9793%2.2218007178.OF浙商港股通中华预期高股息指数增强A2019-10-30贾腾6.4193%7.9302006658.OF财通中证香港红利 A2019-04-26顾弘原6.2135%0.2042005051.OF上投摩根港股低波红利 A2017-12-04胡迪,何智豪,张军4.0478%4.0190015495.OF景顺长城中证 1000A2022-04-27黎海威,徐喻军2.5100%5.8190014805.OF国金量化精选 A2022-03-18马芳1.6300%2.184

4、0002804.OF华泰柏瑞量化对冲2016-05-26田汉卿,曾鸿,笪篁1.3549%0.4061001073.OF华泰柏瑞量化收益2015-06-29田汉卿,盛豪0.9086%1.9522008895.OF申万菱信量化对冲策略2020-03-25刘敦,夏祥全,孙晨进0.8572%8.5714014691.OF中加量化研选 A2022-04-11钟伟0.7100%2.6778008835.OF富国量化对冲策略三个月 A2020-02-25方旻0.4459%12.3001015466.OF太平中证 1000A2022-04-29张子权0.2400%2.0825015453.OF中欧中证 500

5、 指数增强 A2022-05-06钱亚婷0.2200%5.5477014139.OF易方达高质量增长量化精选 A2022-05-06杜才鸣0.1700%4.6783014556.OF富荣量化精选 A2022-05-06邱紫华0.1400%0.1068014305.OF华泰柏瑞中证 500A2022-04-27田汉卿0.1400%3.0161014701.OF中欧量化动能 A2022-05-24曲径0.0100%11.4951008851.OF景顺长城量化对冲策略三个月2020-02-27黎海威0.0097%5.0540资料来源：Wind，主动型量化基金回顾剔除掉同类基金后，截至到 2022 年

6、 5 月 31 日，市场上共有 232 只主动型量化基金，其中 10 亿规模以上的基金有 20 只，所有主动型量化基金的规模中位数为 1.5304 亿元。2022 年 1 月至 2022 年 5 月 31 日，取得正收益的主动型量化基金共有 6 只，所有主动型量化基金的收益率中位数为-16.48%，稍跑赢同期主要市场指数；在 2022 年前 5 个月收益前 10 的主动型量化基金中，有 6 只基金为 2022 年前 5 个月内新成立（表 2）。表 2、 2022 年前 5 个月收益前 10 主动型量化基金基金代码基金简称基金成立日基金经理（2022年 5 月底）2022 年 1 到5 月回报基

7、金规模（亿元）519212.OF万家宏观择时多策略2017-03-30黄海43.8455%2.6673014805.OF国金量化精选 A2022-03-18马芳1.6300%2.1840014691.OF中加量化研选 A2022-04-11钟伟0.7100%2.6778014139.OF易方达高质量增长量化精选 A2022-05-06杜才鸣0.1700%4.6783014556.OF富荣量化精选 A2022-05-06邱紫华0.1400%0.1068014701.OF中欧量化动能 A2022-05-24曲径0.0100%11.4951015006.OF中欧量化动力 A2022-03-02曲径-

8、1.0900%3.2407002561.OF东吴安鑫量化 A2016-06-03周健-1.2072%5.1678010957.OF九泰久安量化 A2021-07-02李响-1.9363%0.0112006195.OF国金量化多因子2018-10-31马芳-2.2832%0.0884资料来源：Wind，指数型量化基金回顾剔除掉同类基金后，截至到 2022 年 5 月 31 日，市场上共有 146 只指数型量化基金，其中百亿规模以上的基金有 1 只，10 亿规模以上的基金有 26只，所有指数型量化基金的规模中位数为 2.7789 亿元。2022 年 1 月至 2022年 5 月 31 日，取得正收

9、益的指数型量化基金共有 9 只，所有主动型量化基金的收益率中位数为-15.51%，跑赢同期主要市场指数 1 到 2 个百分点，2022 年前 5 个月指数增强类量化基金的表现相对较好；在 2022 年前 5 个月收益前 10的指数型量化基金中，有 6 只基金为 2022 年前 5 个月内新成立（表 3）。表 3、 2022 年前 5 个月收益前 10 指数型量化基金基金代码基金简称基金成立日基金经理（2022年 5 月底）2022 年1 到5 月回报基金规模（亿元）014854.OF嘉实中证半导体增强 A2022-04-22刘斌14.7500%0.2225501059.OF西部利得国企红利指数

10、增强 A2018-07-11盛丰衍,陈元骅7.9793%2.2218007178.OF浙商港股通中华预期高股息指数增强 A2019-10-30贾腾6.4193%7.9302006658.OF财通中证香港红利 A2019-04-26顾弘原6.2135%0.2042005051.OF上投摩根港股低波红利 A2017-12-04胡迪,何智豪,张军4.0478%4.0190015495.OF景顺长城中证 1000A2022-04-27黎海威,徐喻军2.5100%5.8190015466.OF太平中证 1000A2022-04-29张子权0.2400%2.0825015453.OF中欧中证 500 指数

11、增强 A2022-05-06钱亚婷0.2200%5.5477014305.OF华泰柏瑞中证 500A2022-04-27田汉卿0.1400%3.0161014587.OF华安中证 500 指数增强 A2022-05-24马韬,朱宝臣-0.0100%3.0976资料来源：Wind，截至到 2022 年 5 月 31 日，市场上共有 49 只沪深 300 指数增强基金，其中 10 亿规模以上的基金有 14 只，所有沪深 300 指数增强基金的规模中位数为 4.2469 亿元。2022 年 1 月至 2022 年 5 月 31 日，所有沪深 300 指数增强基金的收益率中位数为-15.94%，跑赢同

12、期沪深 300 指数 0.92%（表 4）。表 4、 2022 年前 5 个月收益前 10 沪深 300 指数增强基金基金代码基金简称基金成立日基金经理（2022年 5 月底）2022 年1 到5 月回报基金规模（亿元）015387.OF中欧沪深 300 指数增强 A2022-03-29钱亚婷-2.6600%4.5801005870.OF鹏华沪深 300 指数增强2018-05-25苏俊杰-11.4479%3.5327002670.OF万家沪深 300 指数增强 A2016-09-26乔亮-11.5596%9.2216005530.OF汇添富沪深 300 指数增强 A2020-11-03吴振翔

13、,许一尊-13.5384%4.0828007143.OF国投瑞银沪深 300 量化增强 A2019-06-11殷瑞飞-13.6970%8.1933012206.OF中泰沪深 300 指数量化优选 A2021-07-05邹巍,李玉刚-13.9314%1.0422010872.OF博时沪深 300 指数增强 A2020-12-30桂征辉,刘钊-14.0483%0.2229008238.OF中泰沪深 300 指数增强 A2020-04-01邹巍,李玉刚-14.1693%2.1289007275.OF银河沪深 300 指数增强 A2019-08-29罗博,黄栋-14.2857%2.1689001015

14、.OF华夏沪深 300 指数增强 A2015-02-10宋洋,袁英杰-14.3875%18.4449资料来源：Wind，截至到 2022 年 5 月 31 日，市场上共有 53 只中证 500 指数增强基金，其中 10 亿规模以上的基金有 11 只，所有中证 500 指数增强基金的规模中位数为 3.0161 亿元。2022 年 1 月至 2022 年 5 月 31 日，所有中证 500 指数增强基金的收益率中位数为-15.34%，跑赢同期中证 500 指数 2.23%（表 5）。表 5、 2022 年前 5 个月收益前 10 中证 500 指数增强基金基金代码基金简称基金成立日基金经理（202

15、2年 5 月底）2022 年1 到5 月回报基金规模（亿元）015453.OF中欧中证 500 指数增强 A2022-05-06钱亚婷0.2200%5.5477014305.OF华泰柏瑞中证 500A2022-04-27田汉卿0.1400%3.0161014587.OF华安中证 500 指数增强 A2022-05-24马韬,朱宝臣-0.0100%3.0976560100.OF南方中证 500 增强策略 ETF2022-01-26崔蕾-6.9900%2.0689014344.OF鹏华中证 500 指数增强 A2022-01-11苏俊杰-8.1800%1.9878014155.OF国泰君安中证 5

16、00A2021-12-15胡崇海-10.7695%10.4414004790.OF富荣中证 500 指数增强 A2018-02-13邱紫华-11.0931%0.0584561550.OF华泰柏瑞中证 500 增强策略 ETF2021-12-02田汉卿,柳军-11.5315%9.6835005607.OF华宝中证 500 指数增强 A2018-04-19王正,庄皓亮-11.9702%0.4510003986.OF申万菱信中证 500 优选增强 A2017-01-10刘敦-12.7556%23.2930资料来源：Wind，截至到 2022 年 5 月 31 日，市场上共有 10 只中证 1000

17、指数增强基金，其中 10 亿规模以上的基金有 1 只，所有中证 1000 指数增强基金的规模中位数为 4.2822 亿元。2022 年 1 月至 2022 年 5 月 31 日，所有中证 1000 指数增强基金的收益率中位数为-14.98%，跑赢同期中证 1000 指数 4.85%（表 6）。表 6、 2022 年前 5 个月中证 1000 指数增强基金回报基金代码基金简称基金成立日基金经理（2022年 5 月底）2022 年1 到5 月回报基金规模（亿元）015495.OF景顺长城中证 1000A2022-04-27黎海威,徐喻军2.5100%5.8190015466.OF太平中证 1000

18、A2022-04-29张子权0.2400%2.0825014831.OF兴银中证 1000 指数增强 A2022-01-26李哲通-8.6300%2.5380014201.OF天弘中证 1000 指数增强 A2022-01-04杨超-10.7900%6.5026005313.OF万家中证 1000 指数增强 A2018-01-30乔亮-14.8382%9.0113161039.OF富国中证 1000 指数增强 A2018-05-31徐幼华,方旻-15.1188%26.5682014125.OF华夏中证 1000 指数增强 A2021-12-07袁英杰-15.6878%7.0307004194.

19、OF招商中证 1000 指数增强 A2017-03-03王平,蔡振-15.8962%1.7582006165.OF建信中证 1000 指数增强 A2018-11-22叶乐天,赵云煜-16.4616%2.7453003646.OF创金合信中证 1000 增强 A2016-12-22董梁,孙悦-17.5952%1.4164资料来源：Wind，量化对冲基金回顾剔除掉同类基金后，截至到 2022 年 5 月 31 日，市场上共有 25 只量化对冲基金，其中百亿规模以上的基金有 1 只，10 亿规模以上的基金有 5 只，所有量化对冲基金的规模中位数为 2.8686 亿元。2022 年 1 月至 2022

20、 年 5 月 31日，取得正收益的量化对冲基金共有 5 只，所有量化对冲基金的收益率中位数为-1.86%，大幅跑赢同期主要市场指数，2022 年前 5 个月量化对冲基金的表现较好；2022 年前 5 个月收益前 10 的量化对冲基金均在 2022 年以前成立（表 7）。表 7、 2022 年前 5 个月收益前 10 量化对冲基金基金代码基金简称基金成立日基金经理（2022 年 5月底）2022 年1 到5 月回报基金规模（亿元）002804.OF华泰柏瑞量化对冲2016-05-26田汉卿,曾鸿,笪篁1.3549%0.4061001073.OF华泰柏瑞量化收益2015-06-29田汉卿,盛豪0.

21、9086%1.9522008895.OF申万菱信量化对冲策略2020-03-25刘敦,夏祥全,孙晨进0.8572%8.5714008835.OF富国量化对冲策略三个月 A2020-02-25方旻0.4459%12.3001008851.OF景顺长城量化对冲策略三个月2020-02-27黎海威0.0097%5.0540860010.OF光大阳光对冲策略 6 个月 A2020-03-25李禄俊-0.0763%4.1724000844.OF南方绝对收益策略2014-12-01李佳亮,冯雨生-0.1857%1.5010008856.OF华夏安泰对冲策略 3 个月定开2020-06-05孙蒙-0.235

22、8%2.8686920012.OF中金汇越量化对冲策略3 个月定开A2020-09-17方圆-0.3108%0.5544002224.OF中邮绝对收益策略2015-12-30王高-1.1163%1.9654资料来源：Wind，非货币ETF 回顾根据 Wind 统计数据，截至到 2022 年 5 月 31 日，2022 年前 5 个月成立了 54 只非货币 ETF；在 54 只 2022 年新成立的非货币 ETF 中，有 19 只基金取得正收益，有 35 只基金取得负收益，收益率中位数为-2.82%，较明显的跑赢同期主要市场指数；在 54 只 2022 年前 5 个月新成立的非货币 ETF 中有

23、 3只 ETF 的规模在 5 个月内的募集规模达到 10 亿元以上，规模中位数为 2.3859亿元。截至 2022 年 5 月 31 日，市场上所有非货币 ETF 中，百亿规模（合并同类基金的规模）以上的非货币 ETF 有 25 只，10 亿规模以上的非货币 ETF有 151 只，所有非货币 ETF 的规模中位数为 2.3402 亿元。2022 年 1 月至 2022年 5 月 31 日，取得正收益的非货币 ETF 共有 60 只，所有非货币 ETF 的收益率中位数为-17.43%，跑输同期沪深 300 指数收益率，跑赢同期中证 500 与中证 1000 指数收益率。煤炭与能源的 Beta 收

24、益在 2022 年前 5 个月所有非货币ETF 中有较为明显的体现（表 8）。表 8、 2022 年前 5 个月收益前 10 非货币 ETF基金代码基金简称基金成立日基金经理（2022 年5 月底）2022 年1 到5月回报基金规模（亿元）159985.OF华夏饲料豆粕期货 ETF2019-09-24荣膺35.5721%3.7018515220.OF国泰中证煤炭 ETF2020-01-20徐成城27.4262%32.8761159930.OF汇添富中证能源 ETF2013-08-23过蓓蓓24.1646%2.1209159945.OF广发中证全指能源 ETF2015-06-25夏浩洋20.48

25、18%0.5276159981.OF建信易盛郑商所能源化工期货 ETF2019-12-13朱金钰20.4370%5.4742159618.OF华安中证光伏产业 ETF2022-04-08刘璇子14.4200%3.9939513960.OF博时中证港股通消费主题 ETF2022-03-03万琼11.2900%2.1256159625.OF嘉实国证绿色电力 ETF2022-04-21王紫菡10.3800%10.5609159980.OF大成有色金属期货 ETF2019-10-24李绍9.6280%5.4302513380.OF广发恒生科技 ETF2022-04-27刘杰9.1600%2.1716资

26、料来源：Wind，固收+基金回顾根据 Wind 统计数据，截至到 2022 年 5 月 31 日，2022 年前 5 个月新成立了 128 只固收+基金；在 128 只 2022 年新成立的固收+基金中，有 85 只基金取得正收益，有 37 只基金取得负收益，收益率中位数为 0.26%，较明显的跑赢同期主要市场指数；在 128 只 2022 年前 5 个月新成立的固收+基金中有26 只基金在 5 个月内的募集规模达到 10 亿元以上，规模中位数为 2.6094 亿元。截至 2022 年 5 月 31 日，市场上所有固收+基金中，百亿规模（合并同类基金的规模）以上的固收+基金有 32 只，10

27、亿规模以上的固收+基金有 539只。2022 年 1 月至 2022 年 5 月 31 日，取得正收益的固收+基金共有 490 只，所有固收+基金的收益率中位数为-1.46%，跑赢同期主要市场指数收益率（表 9）。表 9、 2022 年前 5 个月收益前 10 固收+基金基金代码基金简称基金成立日基金经理（2022 年5 月底）2022 年1 到5月回报基金规模（亿元）008809.OF安信民稳增长 A2020-01-14张翼飞,黄琬舒8.2712%15.0888012250.OF安信平衡增利 A2021-12-10张翼飞,李君6.5263%1.7865009849.OF安信稳健聚申一年持有

28、A2020-09-30张翼飞6.0813%12.3306002138.OF泓德裕泰 A2015-12-17赵端端4.2572%22.9257012701.OF安信民安回报一年持有 A2021-09-07张翼飞,李君4.0114%8.4546004913.OF聚瑞 A2017-11-29白冰洋,吕文晔3.7836%0.0959008488.OF华商恒益稳健2020-02-20周海栋3.6290%2.0342012609.OF安信稳健汇利一年持有 A2021-08-10张翼飞,李君3.5899%24.5620009100.OF安信稳健增利 A2020-04-01张翼飞,李君3.5494%181.6

29、294006150.OF招商添利两年定期开放2018-09-20马龙,李家辉3.4994%2.8068资料来源：Wind，ESG 主题基金回顾由于近年来 ESG 概念较为火热，所以我们对 2022 年前 5 个月的 ESG 主题基金的规模及市场表现进行了回顾。根据 Wind 统计数据，截至到 2022 年 5 月 31 日，2022 年前 5 个月新成立了 6 只 ESG 主题基金；在 6 只 2022 年新成立的 ESG 主题基金中，有 2 只基金取得正收益，有 4 只基金取得负收益，收益率中位数为-1.65%，较明显的跑赢同期主要市场指数；在 6 只 2022 年前5 个月新成立的 ESG

30、 主题基金中有 1 只基金的规模在 5 个月内的募集规模达到 10 亿元以上，规模中位数为 3.9313 亿元。截至 2022 年 5 月 31 日，市场上所有 ESG 主题基金中，百亿规模（合并同类基金的规模）以上的 ESG 主题基金有 1 只，为农银汇理新能源主题（002190.OF），10 亿规模以上的 ESG 主题基金有 20 只，所有 ESG 主题基金的规模中位数为 3.1317 亿元。2022 年 1月至 2022 年 5 月 31 日，取得正收益的 ESG 主题基金共有 9 只，所有 ESG 主题基金的收益率中位数为-15.10%，跑赢同期主要市场指数收益率 2 到 3 个百分点

31、（表 10）。表 10、 2022 年前 5 个月收益前 10ESG 主题基金基金代码基金简称基金成立日基金经理（2022 年5 月底）2022 年1 到5月回报基金规模（亿元）008809.OF安信民稳增长 A2020-01-14张翼飞,黄琬舒8.2712%15.0888012250.OF安信平衡增利 A2021-12-10张翼飞,李君6.5263%1.7865009849.OF安信稳健聚申一年持有 A2020-09-30张翼飞6.0813%12.3306002138.OF泓德裕泰 A2015-12-17赵端端4.2572%22.9257012701.OF安信民安回报一年持有 A2021-0

32、9-07张翼飞,李君4.0114%8.4546004913.OF聚瑞 A2017-11-29白冰洋,吕文晔3.7836%0.0959008488.OF华商恒益稳健2020-02-20周海栋3.6290%2.0342012609.OF安信稳健汇利一年持有 A2021-08-10张翼飞,李君3.5899%24.5620009100.OF安信稳健增利 A2020-04-01张翼飞,李君3.5494%181.6294006150.OF招商添利两年定期开放2018-09-20马龙,李家辉3.4994%2.8068资料来源：Wind，资产配置展望弹性资产配置策略我们在弹性资产配置（FAA）在 ETF 市场

33、上的应用一文中详细介绍了如何应用弹性资产配置策略进行大类资产的配置。所谓弹性资产配置策略 (即 FAA 策略)是指通过综合考虑各资产的收益率、波动性和相关性，构建一个投资评价体系，通过对比不同资产的损失函数遴选出综合值最优的几类资产进行重点配置。本策略主要以 ETF 为研究对象，根据 ETF 上市周期、规模和流动性三个方面筛选出待投资的权益、债券、跨境、商品和货币共 5 种 ETF。经过筛选，最终确定将上证 50ETF、创业板 ETF、国债 ETF、银华日利 ETF、标普 500ETF 和恒生 ETF 作为本策略投资标的。我们首先定义了策略损失函数，损失函数采用简单的一阶线性函数，即 L=W(

34、r)*Rank(r)+W(v)*Rank(v)+W(c)*Rank(c)。其中 Rank 表示排序函数，即对资产相对于不同因子进行排序，如 Rank(r)=1 表示第一类资产的收益率在所有资产中是最高的，而 Rank(v)=1 表示第一类资产的波动率在所有资产中是最低的，Rank(c)=1 表示第一类资产与其他资产的相关性在所有资产中是最低的。因此损失函数越小，综合评价越高，即资产的表现越好。策略每期选取损失函数从小到大排序前 3 的资产进行配置，配置比例分别为 50.00%、33.33%和 16.67%；同时对资产配置组合设置一个保护机制，在出现大部分资产均下跌的情况时将资产转换为货币；将计

35、算收益率、波动率和相关性的时间周期设定为过去 20 个交易日的范围内；每月月初调仓。同时，将六只基金等权重配置作为基准策略，每月月初再平衡。FAA 策略自 2021 年 1 月以来（202101-202205）的期末净值为 0.97，年化收益率为-2.17%，月度最大回撤为 11.38%；同期，基准策略期末净值为 0.93，年化收益率为-4.81%，月度最大回撤为 13.20%；FAA 策略相对基准策略超额收益为 3.68%。FAA 策略自 2021 年 1 月以来净值表现如图 1 所示，FAA 策略在 2022 年 1 月至 5 月的表现如表 11。图 1、2021 年以来 FAA 策略表现

36、资料来源：Wind，表 11、 FAA 策略在 2022 年各月份收益情况区间FAA 策略基准策略超额收益2022 年 1 月-5.72%-4.56%-1.16%2022 年 2 月-0.90%-1.18%0.27%2022 年 3 月1.04%-1.78%2.83%2022 年 4 月-2.41%-3.52%1.11%2022 年 5 月0.66%1.33%-0.67%2022 年前 5 个月-7.33%-9.71%2.38%资料来源：Wind，根据资产收益率、波动性和相关性数据排名计算出的损失函数，策略选取创业板 ETF、恒生 ETF 和国债 ETF 作为 2022 年 6 月份的配置组合

37、，具体配置比例为：创业板 ETF 配比 50%、恒生 ETF 配比 33.33%、国债 ETF 配比 16.67%。从 2022 年 5 月至 6 月，大类资产配置策略从以配置货币和债券类资产配置为主逐渐转向配置权益类资产为主。基于有效前沿与基金评级的基金配置策略我们在研究报告基于评级转移概率矩阵的股票型基金研究和基于有效前沿与基金评级的基金配置策略中分别提出了对于货币型基金、债券型基金以及股票型基金的选基方法，并定期跟踪。对于债券型基金，通过对基金规模、成立时间等条件进行初筛后，再对所有满足初筛条件的基金作出有效前沿，在有效前沿上挑选 3 至 5 只基金作为入选基金。债券型基金月度更新，我们

38、以中债综合指数作为债券型基金的基准；在 2022 年年初至 2022 年 5 月，债券型基金组合的收益率为-3.95%，基准收益率为 0.62%，超额收益率为-4.57%（图 2）。对于货币型基金，同样通过对基金规模、成立时间等条件进行初筛后，再对所有满足初筛条件的基金的七日年化收益率、近一年净值增长率、近三年净值增长率和近五年净值增长率均较高的基金进行挑选，作为最终选出的货币型基金组合。货币型基金组合同样月度更新，我们以中证货币型基金指数作为基准；在 2022 年年初至 2022 年 5 月底，货币型基金组合的收益率为 0.94%，基准的收益率为 0.86%，货币型基金组合超额收益率为 0.

39、08%（图 3）。对于股票型基金，我们通过基金规模、成立时间等进行初筛后，考虑市场各主流评级机构对于基金的评级结果；通过验证各评级机构的结果是否满足马尔可夫性，进而通过评级转移概率矩阵对股票型基金的后续评级进行预测，挑选出后续预测评级结果大于 4.5 分或者 4.8 分的基金作为最终入选的股票型基金组合。股票型基金组合月度更新，我们根据基金投资风格将各股票型基金区分为大盘型基金、中盘型基金和小盘型基金，根据不同风格基金的个数对沪深 300、中证 500 和中证 1000 进行加权构建股票型基金基准。在 2022年 1 月至 2022 年 5 月，股票型基金组合的收益率为-15.24%，基准的收

40、益率为-17.59%，超额收益率为 2.35%（图 4）。我们将股票型基金、债券型基金以及货币型基金按照 7:2:1 的比例配置为基金组合，同样月度更新持仓。在 2022 年年初至 2022 年 5 月底，基金组合的收益率为-11.37%，沪深 300 指数收益率为-17.18%，基金组合相对于沪深300 指数的超额收益率为 5.81%。说明在 2022 年前 5 个月市场整体出现较大回撤的情况下，基金组合未能避免下跌，特别是债券型基金的表现欠佳，但由于股票型基金及货币型基金的表现较好，在一定程度上控制了回撤的扩大；在 2022 年 5 月份，市场开始回暖的情况下，债券型基金组合与股票型基金组

41、合相对于基准均表现出了较为明显的超额收益（图 5）。图 2、2022 年以来债券型基金组合表现图 3、2022 年以来货币型基金组合表现资料来源：Wind，资料来源：Wind，图 4、2022 年以来股票型基金组合表现图 5、2022 年以来基金组合表现资料来源：Wind，资料来源：Wind，我们在最新的跟踪报告中给出了 6 月份的推荐基金组合，共包括 3 只债券型基金、3 只货币型基金及 32 只股票型基金。在股票型基金中包括 8 只中盘型基金和 24 只大盘型基金，目前对于中盘型基金的比重有所上升，但更偏重于大盘型基金。北向资金视角下的ETF 轮动策略我们在研究报告北向资金视角下的 ETF

42、 轮动中提出了基于北向资金视角下的 ETF 轮动策略。我们首先对 2021 年绩优主动型基金进行了回顾，并分别采用 Brinson 业绩归因与多因子模型的方式，对绩优主动型基金进行了业绩归因分析。研究发现，在 2021 年的 Top10、Top30 与 Top50 的主动型基金中，Beta 收益平均贡献率均在 80%以上，Beta 收益均显著高于 Alpha 收益。在 2021 年 Top50 主动型基金中，部分基金的 Beta 收益贡献率甚至达到 90%以上。在 2021 年各季度及全年，主动型基金业绩靠前的主要原因在于在行业配置上较为成功，突出了行业轮动的重要性，基于此背景，我们提出了 E

43、TF轮动策略。其次，我们从持股个数、陆股通标的股的市值属性以及行业属性上，对北向资金的特征进行了研究，研究认为，北向资金持股对于 A 股具有一定的代表性，能较好的作为 A 股行业选择的依据。在北向资金的视角下，我们主要构建了两类 ETF 轮动策略，第一类为基于历史北向资金等权下的的ETF 轮动，第二类为指数衰减加权下的 ETF 轮动。在 2017 年至 2021 年的回测期，第一类的基于历史四个月北向资金的 ETF 轮动的效果较好，年化收益率为 17.19%，年化超额收益率为 9.13%，最大回撤率为 27.93%，仅在 2019 年相对于沪深 300 跑输 0.07%，其他年份均稳定跑赢基准

44、，在有效降低了最大回撤率的前提下，实现了较为可观的超额收益；该策略更偏向于长期策略。第二类指数衰减加权下的 ETF 轮动策略的年化收益率为 22.51%，相对于沪深 300 的超额收益率为 14.45%；最大回撤率为 27.19%，信息比率为 0.7525，夏普比率为 0.7210；该策略更偏向于短期策略。从 2022 年年初至 2022 年 5 月底，第一类策略的收益率为-17.90%，沪深300 指数的收益率为-17.18%，第一类策略的超额收益率为-0.72%；第二类策略的收益率为-5.19%，超额收益率为 11.99%。在 2022 年前 5 个月市场出现较大回撤的情况下，第二类策略在

45、 1 月份跑输沪 300 指数，但在后续的四个月较稳定的跑赢沪深 300 指数，在一定程度上控制了策略的回撤力度（图 6、图 7）。图 6、2022 年以来第一类 ETF 轮动策略表现图 7、2022 年以来第二类 ETF 轮动策略表现资料来源：Wind，资料来源：Wind，根据我们的轮动模型，给出了 2022 年 6 月份的推荐 ETF；第一类偏长期策略所给出的推荐行业及 ETF 为电力设备（广发中证环保产业 ETF）、公用事业（广发中证全指电力公用事业 ETF）、银行（华宝中证银行 ETF）、有色金属（南方中证申万有色金属 ETF）和煤炭（国泰中证煤炭 ETF）；第二类偏短期策略所给出的推

46、荐行业及 ETF 为电力设备（广发中证环保产业 ETF）、银行（华宝中证银行 ETF）、公用事业（广发中证全指电力公用事业 ETF）、交通运输（嘉实物流产业 A）和煤炭（国泰中证煤炭 ETF）；两类策略的差距在于有色金属和银行，在长期策略中持有有色金属，而在短期策略中持有交通运输。行业资产配置策略我们在综合评价模型在 ETF 行业配置上的应用一文中详细讲述了采用动量+估值+营收增长的综合评价模型对行业 ETF 进行遴选，每月选出最优的三个行业 ETF 进行配置的行业配置策略。为了对一个行业做出更为全面的评价，在以动量效应作为参考依据的行业轮动策略的基础上，我们引入了行业估值和营收增长因素，作为

47、对行业进行综合评价的依据。综合评价得分=W（动量）*R（动量）+W（估值）*R（估值）+W（基本面）*R（基本面），R 为各行业在对应指标下的排名，排名越靠前的行业表现越好。我们每月选取综合评价得分最靠前的三个行业作为投资对象，其行业 ETF 配置比例分别为 50.00%、33.33%和 16.67%。由于本策略是以动量策略为基础，因此本方案建议 W（动量）为 0.6，W（估值）为 0.2，W（基本面）为 0.2。其中，动量因素我们用过去一个月的行业指数收益率作为评价依据。对于估值因素，由于我们无法拿不同行业的估值进行比较排名。我们这里引入估值偏离度的概念，对各行业的市盈率估值进行标准化。市盈

48、率估值偏离度=（本月某行业相对市盈率估值-近三年某行业相对市盈率估值均值）/近三年某行业相对市盈率估值标准差。在考虑行业基本面因素时，我们主要把行业的成长情况作为评价的依据，因此选取了行业营收增长率作为评价指标。同理，我们对营收增长也做了标准化处理，引入了营收增长偏离度。由于营收增长率数据是每个季度更新一次，且最早的数据为 2019 年 9月 30 日的数据，因此营收增长偏离度的计算公式为：营收增长偏离度=（本季度某行业营收增长率-近 6 个季度该行业营收增长率均值）/近 6 个季度该行业营收增长率标准差。根据前文描述的动量+估值+营收增长综合评价策略，我们选取 2021 年 1月初至 202

49、2 年 5 月底为回测区间对策略进行收益和风险情况评估。基准策略为等权重投资 20 只行业 ETF 的策略，此策略作为基准用来和综合评价策略进行比较。图 8、2021 年以来动量+估值+营收增长策略净值走势图资料来源：Wind，如上图所示，基于动量+估值+营收增长的综合评价策略收益优于基准策略，但策略月度最大回撤略高于基准策略。从 2021 年 1 月初至 2022 年 5 月底，基准策略期末净值为 0.976，年化收益率为-1.72%，月度最大回撤为 17.10%；综合评价策略期末净值为 1.084，年化收益率为 5.85%，月度最大回撤为 23.41%。综合评价策略与基准策略相比，超额收益

50、为 10.81%。2022 年 1月初至 2022 年 5 月底，行业资产配置策略收益率为-11.28%，基准收益率为区间策略收益率基准收益率超额收益率2022 年 1 月-8.12%-8.85%0.72%2022 年 2 月8.17%3.90%4.27%2022 年 3 月-9.11%-6.18%-2.93%2022 年 4 月-4.55%-7.93%3.37%2022 年 5 月2.33%5.22%-2.89%2022 年前 5 个月-11.28%-13.83%2.55%-13.83%，超额收益率为 2.55%（表 12）。表 12、 行业资产配置策略 2022 年各月份收益情况资料来源：

51、Wind，综合评价策略根据各行业动量、行业估值和行业营收增长情况给各行业进行综合打分，根据各行业 5 月份的情况，计算出综合评价最优的三个行业为石油石化、基础化工和电力设备，因此策略建议 6 月份配置能源 ETF、化工 ETF 和碳中和龙头 ETF，配置比例分别为 50.00%、33.33%和 16.67%。其中，5 月份动量排名前三的行业依次为汽车、石油石化和电力设备；估值相对被低估的前三个行业依次为有色金属、通信和医药生物；营收增长排名前三的行业依次为石油石化、电力设备和煤炭。资产配置策略总结与展望在 2022 年 1 至 5 月，市场震荡下行的环境下，4 个资产配置策略及对应的子策略几乎

52、均取得了较为稳定的超额收益，其中北向资金视角下的短期资产配置策略取得了 11.99%的超额收益。基于模型结果，同时考虑到行业基本面与政策因素，对于后续市场作出如下展望：由于创业板已经跌幅较大，同时基于弹性资产配置策略的结果，我们建议关注创业板 ETF 以及恒生 ETF。对于各类申万一级行业，受益于疫情后复工复产，我们建议关注电力设备与煤炭等上游原材料行业；公用事业和交通运输则受益于基建发力；银行业受疫情后政策刺激的影响，同时在北向资金下也得到一定的青睐，建议适度关注。择时策略回顾与展望自适应均线择时策略在研判市场趋势走势时，技术分析派人士通常采用 MA 和 MACD 指标。通过观察短期均线和长

53、期均线的走势，以及他们互相击穿的时点来进行买入和卖出的操作，长期来看是可以战胜指数的。但均线指标的弊端在于总有一个固定的天数，比如 5 日均线、10 日均线、60 日均线。不论市场的走势如何，短期均线始终反应灵敏，在市场震荡期频繁转向；长期均线始终反应缓慢，在市场加速上升和下跌时反应缓慢；至于短期长期互相击穿的交易策略，在市场震荡时频繁交易，不仅得不到正收益而且付出高额的交易成本。因此，我们引入考夫曼创立的自适应均线。该均线考虑到市场价格变动的效率，在市场处于震荡时变化慢；在市场加速向上、向下突破时反应快。从而反应市场真实的趋势，便于快速抓住趋势性上涨、下跌的时点，规避市场来回震荡的影响。在该

54、择时策略下，需要对滞后天数以及买入卖出阈值进行参数调优；我们通过对 2005 年至 2020 年的市场进行回测，将参数设定为滞后 18 天，买入卖出绝对阈值为 0.6%，在该参数设定下，构建考夫曼自适应均线择时策略。从 2005 年 1 月 4 日至 2022 年 5 月 31 日， 沪深 300 指数的增长率为322.15%，最大回撤率为 72.30%；考夫曼自适应均线择时策略下的单向买入策略累计收益率为 1499.56%，最大回撤率为 34.61%；考夫曼自适应均线择时策略下的双向多空累计收益率 2631.24%，最大回撤率为 41.77%。最近一个月单向买入策略超额收益率为-1.87%，

55、双向多空策略超额收益率为-3.97%。从 2022 年年初至 2022 年 5 月 31 日，沪深 300 指数的增长率为-17.18%，考夫曼自适应均线单向择时策略保持空仓策略，所以该策略的超额收益率为 17.18%；考夫曼自适应均线双向多空策略的收益率为 18.14%，超额收益率为 35.32%（图 9）。图 9、自适应均值均线择时策略资料来源：Wind，支持向量机择时我们在支持向量机在股票择时中的应用一文中详细讲述了采用支持向量机的机器学习模型对证券市场进行择时的策略。支持向量机模型是一种有监督的机器学习模型，可以用来分析线性和非线性数据。大量实证研究表明支持向量机算法在股票择时中具有一

56、定的有效性，因此可以采用支持向量机对沪深 300 指数进行择时。有监督的机器学习模型是指通过已有的训练样本去训练得到一个最优模型，再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现预测和分类的目的。本策略采用了换手率、ADTM、ATR、CCI、MACD、MTM、ROC、SOBV、STD26、STD5、两融交易额占 A 股成交额（%）、前一周收益率 12 个指标作为特征向量，用训练集数据训练出的模型对未来市场趋势进行预判。当策略结果显示为买入时，单向做多策略和双向多空策略都买入指数；当策略结果显示为卖出时，单向做多策略空仓，双向多空策略卖出指数。单向做多策略和双向多空策略自

57、 2020 年（2020-01-02 至 2022-06-02）以来的表现如图 10、图 11 所示。单向做多策略：扣除交易成本后，策略在测试集的累计收益 25.90%，期末净值为 1.26，同期沪深 300 指数累计收益为 1.68%，期末净值为 1.02；策略相对沪深 300 指数累计超额收益为 24.22%；策略最大回撤为 17.56%，低于沪深 300 指数的最大回撤 32.70%。双向多空策略：策略在测试集的累计收益 55.85%，期末净值为 1.56，同期沪深 300 指数累计收益为 1.68%，期末净值为 1.02；策略相对沪深 300 指数的累计超额收益为 55.85%；策略最

58、大回撤为 17.60%，低于沪深 300 指数的最大回撤 32.70%。2022 年年初至 2022 年 5 月 31 日，沪深 300 指数的增长率为-17.18%，支持向量机单向择时策略收益率为-16%，所以该策略的超额收益率为 1.18%；支持向量机双向多空策略的收益率为-14%，超额收益率为 3.18%。图 10、单向做多策略与沪深 300 累计收益比较图 11、双向多空策略与沪深 300 累计收益比较资料来源：Wind，资料来源：Wind，择时策略回顾与展望2022 年 1 月至 5 月，自适应均线择时策略较为明显的跑赢沪深 300 指数，并且在双向多空策略下，持续保持做空状态，在避

59、免策略回撤的前提下，取得了较高的超额收益；但该择时策略目前处于做空状态，提示市场后续可能下跌的风险。支持向量机择时策略在 2022 年取得负绝对收益，但相对于沪深300 指数，仍获得了正的超额收益，双向多空策略的超额收益大于单向择时策略，双向多空策略目前同样处于做空状态。自适应均线择时与支持向量机择时策略均提示了市场后续可能继续的下跌风险，对于后续市场仍然偏谨慎。多因子策略回顾与展望风格因子策略在多因子的系列研究中，我们挑选出具有代表的风格因子，跟踪风格因子的表现。对于单个因子，我们对其进行行业及市值中性化，计算因子的多空收益作为该风格因子的收益率。同时，为了衡量因子的风险，我们构建了因子的拥

60、挤度指标，具体计算方式为因子过去 3 个月的多空换手率比值。风格因子表现规模类因子：总资产因子在 2022 年 4 月收益较高，说明当月市场风格明显偏向规模较大的股票，其他时间段总资产因子表现一般。截止到 2022 年 5月末，总资产因子的收益率为 1.90%，表现较差。估值类因子：市净率因子在今年来表现较好，2022 年 1 至 4 月均有正的收益，市场风格整体偏向低估值类股票。截至到 2022 年 5 月末，市净率因子的收益率为 12.60%，表现较好。财务质量类因子：ROE_单季度因子在 2022 年 1 至 3 月表现较好，近两个月收益为负。截至到 2022 年 5 月末，ROE_单季