幻方量化：不可不知的中证1000指数增强策略
前言
宁波幻方量化目前为国内量化策略第一梯队的私募管理人之一，百人以上的团队，两百亿以上的管理规模，依靠人工智能技术进行量化投资，过去几年中取得了不俗的超额业绩水平，也逐步在量化投资的战场中构建起较强的竞争优势和技术壁垒。
最近，幻方量化梁键总分享了“中证1000量化指数增强策略”，很多投资者可能不太了解这种策略，我们将在本文中由浅及深做以说明。
01 什么是量化？
机器决策：有人认为量化投资是程序化下单，是采用数量化方法研究，或是不看基本面的投资，都不全对。量化投资区别于主观投资最关键区别是投资决策过程是由人还是机器作出。买什么，买多少，什么时候买？主观的投资可能是由人来做的，而量化投资的决策过程是由机器来做的。量化的主观投资最大的差别可能还是在投资决策过程。量化是用大量数据求得一个最优解，对于量化投资并没有一位严格意义上的基金经理。整个量化投资对单个个人的能力的依赖是很小的。
特点一：理性 由于量化投资是由机器作出，因此量化投资具有高度纪律性。对于普通个人投资者而言，情绪受行情影响起起落落，在贪婪和恐惧之间进退失措，上涨时怕回调，下跌时舍不得及时止损。其实，即使经验丰富的基金经理都无法做到真正理性，人难免都会受到无意识偏向或者自身情绪的干扰。量化投资通过机器决策，完全克服贪婪或者恐惧的影响。
特点二：效率 量化投资另一大特点就是高效率。由于量化交易是通过既定预设方法，由计算机做出投资决策，因此它可以极大的利用计算机科学的发展成果，就是数据处理量大，计算效率高，从而做出各种尝试和筛选，同时机器还能快速把握住稍纵即逝的交易机会，积小胜为大胜。
资料来源：幻方量化，2020.08.06
02 什么是指数增强？
股票指数：我们采用股票指数来反映“一揽子股票”的整体涨跌情况。例如沪深300反映了A股“最大”的300只股票的走势，中证500大致反映了A股“规模第300至800间”的500只股票的整体情况，中证1000大致反映A股“规模第800至1800间”的1000只股票的整体情况。
指数增强：如果我们买入构成指数的这“一揽子股票”（成分股），也就相当于买入了指数本身。这时，如果我们通过适当的优化调整：包括在合适的时机降低或剔除一些我们认为“不好”的股票，加仓或加入一些我们认为“更好”的股票，如果我们的判断正确，我们的组合就会在基本跟踪住指数的情况下，获得一部分增强收益，也就是指数增强。
α和β收益：对于指数增强型组合，我们把指数涨跌带来的收益部分叫做β收益，他反映我们承担市场风险带来的回报；而我们对指数作“优化”这部分收益叫做α收益，实际上也是反映我们策略水平的超额收益。
资料来源：幻方量化，
数据和图片因为示意图，不做任何收益保证
α的复利累积：由于α收益的存在，指数上涨时，我们涨的比指数多一点；在指数下跌时，我们跌的比指数少一点，长期来看就能累积不菲的超额收益，其实，如果我们每天作出0.1%超额收益，一年就能做到大约25%的超额收益，达到A股优秀的指数增强基金的收益率水平。长期来看，由于A股市场尚未达到弱有效，各种专业机构很容易相对指数跑出超额收益，而这些超额收益长期累积，就能发挥巨大的复利效应。如下图所示，3年左右的时间里，中证1000指数本身录得-5.6%的负收益，倘若指数增强每年能跑赢指数5%，20%和30%，则累积的投资回报分别为9.2%，63.1%和107.3%。
资料来源：幻方量化，2020.07.10
指数历史收益不代表未来，超额收益仅作为示意，不代表任何保证
03 为什么是1000指数增强？
相比中证500指数和中证1000指数，中证1000指数增强的潜在超额收益率可能更高，我们将分别从量化指数增强α收益和β收益这两部分收益来源来予以说明：
β收益部分长期更高：下图对比了三大指数（沪深300、中证500、中证1000）的指数收益回报，可以看出中证1000的长期年化复合收益率最高，从指数基日（2004.12.31）至今年化收益为13.76%，高于沪深300指数的10.70%和中证500指数的13.17%；同时中证1000指数近三年年化收益率为-1.59%，低于另外两大指数。说明中证1000指数长期收益比较高，长期配置能获得更好的β收益，此外近3年涨幅最小也具有一定的向上弹性潜力。
资料来源：幻方量化，截止时间2020.07.30
α收益部分更有利：对于量化投资来说，如果股票的换手率越高，波动性越强，量化策略就容易获得更高的超额收益。股票换手率越高，流动性就越好，交易过程冲击损耗就越小。股票波动性越大，量化投资就越容易在波动中赚取超额收益，倘若个股完全没有波动性，量化指数增强的超额收益也就无从做起。
小盘指数无论是换手率，还是波动性，都要明显高于中盘指数和大盘指数。而中证1000作为小盘指数，拥有着比沪深300和中证500更容易创造超额α收益的土壤。
资料来源：幻方量化，截止时间2020.06