etf-analysis

# ETF 分析 Skill ## 定位 ETF（交易所交易基金）是被动投资与资产配置的核心工具。本 skill 覆盖 ETF 产品分析、选择方法论、策略应用、中国市场特色以及数据驱动的量化分析方法，为构建基于 ETF 的量化策略与组合提供完整框架。 --- ## 1. ETF 产品分类 ### 1.1 按标的资产分类 | 类型 | 代表产品 | 特点 | |------|---------|------| | **宽基 ETF** | 沪深300ETF (510300)、中证500ETF (510500)、创业板ETF (159915)、科创50ETF (588000) | 流动性最好，交易成本最低，适合核心仓位 | | **行业 ETF** | 消费ETF (159928)、医疗ETF (512170)、半导体ETF (512480)、银行ETF (512800) | 行业轮动工具，持仓集中度高 | | **主题 ETF** | 新能源ETF (516160)、碳中和ETF、元宇宙ETF | 主题炒作属性强，生命周期短 | | **策略ETF / Smart Beta** | 红利ETF (510880)、低波ETF、质量ETF、动量ETF | 因子暴露明确，费率通常略高于宽基 | | **商品 ETF** | 黄金ETF (518880)、豆粕ETF (159985)、原油ETF (162411) | 实物/期货支撑，注意展期损耗 | | **债券 ETF** | 国债ETF (511010)、信用债ETF、可转债ETF (511380) | 利率敏感，久期管理关键 | | **跨境 ETF (QDII)** | 纳指ETF (159632)、标普500ETF (513500)、日经225ETF (513880) | 汇率风险+溢价风险双重叠加 | | **货币 ETF** | 华宝添益 (511990)、银华日利 (511880) | T+0 申赎，流动性管理工具 | ### 1.2 结构类型 - **普通 ETF**：场内交易，实物申赎（一篮子股票换购），折溢价有套利机制自动收敛 - **LOF（上市开放式基金）**：场内外均可交易，折溢价套利路径相同但效率略低 - **ETF 联接基金**：场外渠道购买的 ETF 替代品，T+1 申赎，无折溢价，适合定投 - **杠杆/反向 ETF**：日内恒定杠杆，长期持有有衰减效应（见第 3.4 节） --- ## 2. ETF 核心指标 ### 2.1 跟踪误差（Tracking Error） 衡量 ETF 复制指数能力的最核心指标。 ``` 日跟踪误差 = std(ETF日收益率 - 指数日收益率) 年化跟踪误差 = 日跟踪误差 × √252 ``` **评级标准（A股宽基ETF）**： - 优秀：年化跟踪误差 < 0.2% - 合格：0.2% ~ 0.5% - 较差：> 0.5% **跟踪误差来源**： 1. 管理费和托管费（持续拖累，每日计提） 2. 分红处理时机（分红再投资延迟） 3. 成分股纳入/剔除时的买卖冲击 4. 现金仓位（申赎带来的暂时性现金拖累） 5. 停牌股处理（用替代品或现金替代） 6. 指数编制方法（全复制 vs 抽样复制） ### 2.2 信息比率（Information Ratio） ``` IR = (ETF年化收益率 - 指数年化收益率) / 年化跟踪误差 ``` 对 ETF 来说 IR 通常为负（因费率拖累），IR 越接近 0 越好。 ### 2.3 折溢价率 ``` 折溢价率 = (ETF市价 - ETF净值IOPV) / ETF净值IOPV × 100% ``` - **正溢价**：市价 > 净值，套利者卖出 ETF / 申购一篮子股票换购，溢价收敛 - **负折价**：市价 < 净值，套利者买入 ETF / 赎回一篮子股票，折价收敛 - **异常溢价场景**：跨境 QDII ETF（额度限制导致持续溢价）、停牌股比例高的行业 ETF ### 2.4 流动性指标 | 指标 | 含义 | 参考阈值 | |------|------|--------| | 日均成交额 | 买卖方便程度 | 宽基 > 1亿，行业 > 2000万 | | 买卖价差（Spread） | 即时交易成本 | < 0.05% 为优质 | | 盘口深度 | 单笔大额交易冲击 | 买卖各5档累计 > 500万为佳 | | 换手率 | 活跃程度 | 过低则流动性风险高 | ### 2.5 费率体系 ``` 综合费率 = 管理费 + 托管费 + 指数使用费 （不含交易佣金、印花税、申赎费） ``` **长期费率影响公式**： ``` N年费率复利损耗 = (1 - 年费率)^N 例：年费率0.5% vs 0.15%，10年差距 ≈ 3.5%，20年差距 ≈ 6.8% ``` 主流宽基 ETF 费率对比（2025年）： - 华夏/易方达/南方 沪深300ETF：0.15%（管理）+ 0.05%（托管）= 0.20% - 部分小规模宽基：0.5%+，长期持有劣势明显 ### 2.6 规模与流动性评估 - **规模门槛**： - < 2亿：清盘风险较高，流动性差 - 2~10亿：可正常交易，大额资金受限 - > 10亿：流动性充足，做市商活跃 - > 100亿：旗舰 ETF，机构首选 - **清盘风险信号**：规模持续下滑、连续90天日均规模 < 5000万 --- ## 3. ETF 选择方法论 ### 3.1 同类 ETF 比较框架 同一指数往往有多只 ETF，选择步骤： ``` Step 1: 规模筛选 → 剔除 < 5亿的小规模产品 Step 2: 费率比较 → 同等条件下选费率最低 Step 3: 跟踪误差 → 近1年/近3年双维度比较 Step 4: 流动性 → 日均成交额、买卖价差 Step 5: 基金公司 → 指数化投资能力、历史口碑 ``` **量化评分模型**： ```python def etf_score(etf_data: dict) -> float: """ ETF 综合评分（越高越好，满分100）。 Args: etf_data: 包含 scale, fee, tracking_error, avg_volume, spread 的字典 Returns: 综合评分 0~100 """ score = 0.0 # 规模得分（30分） scale = etf_data['scale_billion'] score += min(30, scale / 10 * 30) # 费率得分（25分）：费率越低越高分 fee = etf_data['total_fee_pct'] # 年费率百分比 score += max(0, 25 - fee * 50) # 跟踪误差得分（30分）：误差越小越高分 te = etf_data['tracking_error_annual_pct'] score += max(0, 30 - te * 60) # 流动性得分（15分） vol = etf_data['avg_daily_volume_million'] score += min(15, vol / 10 * 15) return round(score, 2) ``` ### 3.2 费率影响长期收益的量化分析 ```python import numpy as np def fee_drag_analysis(annual_return: float, years: int, fee_rates: list[float]) -> dict: """ 分析不同费率对长期收益的拖累效果。 Args: annual_return: 指数年化收益率（小数，如0.08） years: 投资年限 fee_rates: 待比较的费率列表（小数，如[0.002, 0.005, 0.015]） Returns: 各费率下的终值倍数和相对拖累字典 """ results = {} base_value = (1 + annual_return) ** years for fee in fee_rates: net_return = annual_return - fee end_value = (1 + net_return) ** years drag = (base_value - end_value) / base_value * 100 results[f'{fee*100:.2f}%'] = { 'end_value_multiple': round(end_value, 4), 'drag_pct': round(drag, 2) } return results # 示例：8% 指数收益，20年期 # fee_drag_analysis(0.08, 20, [0.002, 0.005, 0.015]) ``` ### 3.3 做市商质量评估 优质做市商体现在： - **价差稳定**：波动期价差扩大幅度小（< 3倍正常水平） - **深度充足**：盘口各档位金额均匀 - **报价连续性**：不频繁撤单重报 - **大单应对**：大额交易后价差快速恢复 评估方法： ```python # 通过Level2数据计算有效价差 effective_spread = (ask_price - bid_price) / mid_price * 100 # 单位 % # 价格冲击成本（Impact Cost） # 买入N万元所需均价相对于中间价的偏离 impact_cost = (avg_buy_price - mid_price) / mid_price * 100 ``` ### 3.4 基金公司实力评估 | 维度 | 评估要点 | |------|---------| | ETF 管理规模 | 全市场排名，指数化投资专业度 | | 跟踪误差历史 | 长期维度（3年+）稳定性 | | 产品线完整性 | 宽基、行业、跨境覆盖广度 | | 申赎效率 | T+0 实物申赎处理能力 | | 做市商合作质量 | 与头部券商做市商的合作稳定性 | 国内 ETF 管理头部公司（规模口径）：华夏、易方达、华泰柏瑞、南方、嘉实、博时 --- ## 4. ETF 策略应用 ### 4.1 核心-卫星策略（Core-Satellite） ``` 总组合 = 核心仓位（70~80%）+ 卫星仓位（20~30%） 核心仓位：宽基ETF（沪深300/中证500/全A） → 获取市场beta，低费率，长期持有，减少交易摩擦 卫星仓位：行业ETF/主题ETF/Smart Beta ETF → 增强收益，主动暴露特定因子，允许更高换手 ``` **再平衡触发条件**： - 时间触发：每季度/每半年 - 偏离触发：单一资产偏离目标权重 > 5% ### 4.2 行业轮动 ETF 策略 **动量轮动**： ```python def sector_momentum_rotation(etf_returns: pd.DataFrame, lookback: int = 20, top_n: int = 3) -> list[str]: """ 基于动量的行业ETF轮动选择。 Args: etf_returns: 各行业ETF日收益率 DataFrame，列为ETF代码 lookback: 回看窗口（交易日数） top_n: 持有ETF数量 Returns: 本期持有的ETF代码列表 """ momentum = etf_returns.tail(lookback).sum() selected = momentum.nlargest(top_n).index.tolist() return selected ``` **宏观周期轮动**： | 经济周期 | 推荐行业 ETF | |---------|------------| | 复苏期（低增长→高增长，低通胀） | 消费、科技、中小盘 | | 过热期（高增长，高通胀） | 能源、材料、工业 | | 滞胀期（低增长，高通胀） | 能源、公用事业、消费 | | 衰退期（高增长→低增长） | 医疗、公用事业、债券ETF | ### 4.3 Smart Beta ETF 因子暴露分析 主要因子及对应ETF： | 因子 | 代表ETF | 历史有效性（A股） | |------|--------|--------------| | 价值（低估值） | 沪深300价值ETF | 中等，受风格切换影响 | | 红利（高股息） | 红利ETF (510880) | 较强，尤其熊市防御 | | 低波动 | 中证低波ETF | 较强，夏普比优于宽基 | | 质量（高ROE） | 中证质量ETF | 较强，长期复合效果好 | | 动量 | 目前A股产品少 | 中短期有效，长期均值回归 | | 小盘 | 中证1000ETF (512100) | 强，但流动性风险高 | **因子暴露分析代码**： ```python import pandas as pd import numpy as np from scipy import stats def factor_exposure_analysis(etf_returns: pd.Series, factor_returns: dict[str, pd.Series]) -> pd.DataFrame: """ 分析ETF对各因子的暴露程度（单因子回归）。 Args: etf_returns: ETF日收益率序列 factor_returns: 各因子收益率字典 {因子名: 收益率序列} Returns: 包含 beta, t_stat, r_squared 的 DataFrame """ results = [] for factor_name, factor_ret in factor_returns.items(): aligned = pd.concat([etf_returns, factor_ret], axis=1).dropna() x = aligned.iloc[:, 1].values y = aligned.iloc[:, 0].values slope, intercept, r_value, p_value, std_err = stats.linregress(x, y) results.append({ 'factor': factor_name, 'beta': round(slope, 4), 't_stat': round(slope / std_err, 2), 'r_squared': round(r_value ** 2, 4), 'p_value': round(p_value, 4) }) return pd.DataFrame(results).set_index('factor') ``` ### 4.4 杠杆/反向 ETF 的衰减效应 **Beta 衰减（Volatility Decay）原理**： ``` 每日恒定杠杆 N 倍 → 复合效应导致长期收益 ≠ N × 指数收益 衰减量（近似）= N²(N-1)/2 × σ² × T 其中 σ 为指数日波动率，T 为持有天数 ``` **数值示例**： - 指数年化波动率 20%，日波动率 ≈ 1.26% - 2倍杠杆ETF，持有1年：衰减损耗 ≈ 2² × (2-1)/2 × (0.2)² × 1 ≈ 4% **适用场景**： - 杠杆ETF：强趋势行情中的短期工具（持有 < 1个月） - 反向ETF：市场对冲、短期下跌押注（不适合长期持有） - **严禁**：用杠杆/反向ETF做长期配置仓位 ### 4.5 ETF 套利策略 **折溢价套利**（需要有实物申赎资格，通常门槛100万份）： ``` 溢价套利： ETF市价 > IOPV + 交易成本 → 买入一篮子成分股 → 申购ETF份额 → 卖出ETF → 套利利润 ≈ 溢价率 - 冲击成本 - 佣金 折价套利： ETF市价 < IOPV - 交易成本 → 买入ETF份额 → 赎回一篮子成分股 → 卖出成分股 → 套利利润 ≈ 折价率 - 冲击成本 - 佣金 ``` **跨市场套利（ETF vs 期货）**： ``` IF（沪深300股指期货）基差 = 期货价格 - 沪深300指数 当基差 > 合理基差（无风险利率×剩余期限）时： → 卖期货 + 买ETF（正向套利） 当基差 < 合理基差时： → 买期货 + 卖ETF（反向套利，需融券） ``` **统计套利（配对交易）**： ```python # 同类ETF（如不同公司发行的沪深300ETF）之间的价差均值回归 # 价差 = 价格差 或 价格比 # 当价差偏离历史均值2个标准差时建仓，回归时平仓 spread = etf_a_price / etf_b_price z_score = (spread - spread.rolling(60).mean()) / spread.rolling(60).std() signal = pd.Series(0, index=z_score.index) signal[z_score > 2] = -1 # ETF_A 相对贵，卖A买B signal[z_score < -2] = 1 # ETF_A 相对便宜，买A卖B ``` --- ## 5. 中国 ETF 市场特色 ### 5.1 场内 ETF vs 场外联接基金 | 维度 | 场内 ETF | 场外联接基金 | |------|---------|-----------| | 购买渠道 | 证券账户，实时交易 | 银行/基金直销，T+1申赎 | | 申赎方式 | 实物申赎（机构）或二级市场（个人） | 现金申赎 | | 折溢价 | 存在（有套利机制） | 不存在 | | 最小交易单位 | 100份（约10~100元） | 1元起投 | | 费率 | 较低（管理费+交易佣金） | 略高（申购费+管理费） | | 适合场景 | 波段操作、大额配置 | 定投、小额长期持有 | ### 5.2 跨境 ETF（QDII）特殊考量 **溢价形成原因**： - QDII 额度限制：基金公司 QDII 额度用完后暂停申购，套利机制失效 - 汇率影响：人民币贬值时，持有境外资产的 ETF 净值上升，引发追涨 - 时差影响：A 股收盘时海外市场尚未开盘，IOPV 参考价滞后 **溢价率警戒线**： - < 2%：正常范围，可正常配置 - 2%~5%：溢价明显，入场需谨慎，等待回落 - > 5%：高溢价，存在显著买入风险（净值回落但溢价收窄双杀） **汇率对冲**： - 部分 QDII ETF 提供对冲版本（如标普500对冲ETF） - 对冲成本 ≈ 中美利差（2025年约1.5~2.5%/年），显著降低收益 ### 5.3 LOF 与分级基金历史经验 **LOF（上市开放式基金）**： - 场内外均可交易，折价套利路径：场内折价买入 → 转托管 → 场外赎回 - 转托管时间 T+2~T+3，存在净值变动风险 **分级基金（已全面转型，2020年前历史参考）**： - A 份额：约定收益型，类似债券 - B 份额：杠杆型，与A约定收益挂钩 - 重要教训：下折机制导致B份额大幅亏损；高溢价套利被轧空 - 现状：监管要求全部转型为普通ETF，不再有新发 ### 5.4 中国主要 ETF 指数体系 **宽基指数**： | 指数 | 成分股 | 特点 | |------|-------|------| | 沪深300 | 沪深两市市值最大300只 | 大盘蓝筹，衍生品丰富（IF期货/300期权） | | 中证500 | 300~800名中盘股 | 中盘成长，与300互补 | | 中证1000 | 800~1800名小盘股 | 小盘因子，波动较大 | | 上证50 | 沪市最大50只 | 超大盘，金融地产权重高 | | 创业板指 | 创业板前100名 | 科技成长，波动大 | | 科创50 | 科创板前50名 | 硬科技，上市时间短 | | 北证50 | 北交所前50名 | 新兴市场，流动性弱 | | 中证全指 / 万得全A | 全市场 | 最宽泛的基准 | **指数调整规律**： - 沪深300/中证500：每年6月和12月调整一次 - 调整前后：纳入股票涨、剔除股票跌（短期），提供事件驱动机会 --- ## 6. ETF 组合构建 ### 6.1 基于 ETF 的资产配置实现 **经典配置框架（可用ETF实现）**： ``` 股债 60/40 中国版： 沪深300ETF 30% + 中证500ETF 20% + 中债ETF 40% + 黄金ETF 10% 全天候组合（中国版）： 股票ETF（沪深300）25% 长期国债ETF 40% 中期国债ETF 15% 黄金ETF 7.5% 商品ETF 12.5% 哑铃策略： 宽基ETF（低风险核心）50% 行业/主题ETF（高弹性进攻）50% ``` ### 6.2 全球化配置的 ETF 工具选择 ``` A股：沪深300ETF 510300 / 中证500ETF 510500 美股：纳指ETF 159632 / 标普500ETF 513500 港股：恒生ETF 159920 / 恒生科技ETF 513130