久久一日本道色综合久久_国产最爽的av片在线观看_精品成人Av一区二区三区_94久久国产乱子伦精品免费_国产三级网站在线观看_和女邻居做爰在线观看_wymfw最新免费_国产强奷在线免费阅读_95在线观看视频

1國泰基金在行業(yè)、主題ETF領(lǐng)域布局較多，重點(diǎn)標(biāo)的均有覆蓋
　　在全市場ETF管理人中，國泰基金是較早發(fā)行ETF的管理人之一，也是管理規(guī)模最大的ETF管理人之一。至2022年10月底，國泰基金旗下股票ETF產(chǎn)品數(shù)量達(dá)到42只，規(guī)模合計(jì)899億元。
　　2國泰基金ETF產(chǎn)品(續(xù))
　　3多維度尋找影響指數(shù)漲跌分化的核心因子
　　指數(shù)基金的配置策略核心在于標(biāo)的指數(shù)的選擇，根據(jù)華西金工對于行業(yè)/板塊輪動(dòng)的研究，影響行業(yè)/板塊漲跌分化的原因有很多：
　　宏觀層面，經(jīng)濟(jì)周期是重要因素之一；中觀層面，景氣改善是驅(qū)動(dòng)行業(yè)/板塊漲跌的重要推手，歷史業(yè)績的邊際變化具有較強(qiáng)的指導(dǎo)意義；微觀層面，資金流入流出、微觀交易結(jié)構(gòu)也在一定程度上影響行業(yè)和板塊分化。
　　我們通過歷史業(yè)績、一致預(yù)期、微觀交易結(jié)構(gòu)、資金流向多維度構(gòu)建ETF產(chǎn)品輪動(dòng)組合。
　　4歷史業(yè)績：指數(shù)盈利邊際改善能夠貢獻(xiàn)超額收益
　　ROE_TTM環(huán)比變動(dòng)、營業(yè)利潤TTM環(huán)比增長率、歸母凈利潤TTM環(huán)比增長率三個(gè)因子表現(xiàn)出色，在不同標(biāo)的指數(shù)間均有較好的區(qū)分能力。
　　5一致預(yù)期：分析師預(yù)期可作為基本面景氣度的有效補(bǔ)充
　　歷史業(yè)績因子雖然表現(xiàn)較好，但由于數(shù)據(jù)更新頻率較低，滯后較為明顯，特別是三季報(bào)披露后留有較長的空窗期，分析師預(yù)期數(shù)據(jù)可以作為有效的補(bǔ)充。
　　我們對標(biāo)的指數(shù)成分股一致預(yù)期凈利潤、一致預(yù)期ROE按照流通市值加權(quán)合成，得到指數(shù)一致預(yù)期指標(biāo)，進(jìn)而通過環(huán)比變化來觀察分析師預(yù)期景氣度的邊際變化。
　　6微觀交易結(jié)構(gòu)：指數(shù)層面動(dòng)量效應(yīng)存在、且持續(xù)時(shí)間較長
　　在指數(shù)層面，動(dòng)量效應(yīng)更為顯著。緩慢的累積式上漲的行業(yè)，后續(xù)延續(xù)性可能更強(qiáng)。我們在夏普比率的基礎(chǔ)上，剝離掉區(qū)間最大漲幅來進(jìn)一步刻畫動(dòng)量延續(xù)性。
　　最近6個(gè)月動(dòng)量延續(xù)性與最近12個(gè)月動(dòng)量延續(xù)性因子的長期區(qū)分能力較為突出。
　　7資金流向：北向資金凈流入因子具有較好的區(qū)分能力
　　我們計(jì)算北向資金在各標(biāo)的指數(shù)成分股中最近一個(gè)月/最近一周凈流入金額，進(jìn)而可以得到在各指數(shù)上的邊際流入流出幅度。我們發(fā)現(xiàn)該指標(biāo)在不同行業(yè)指數(shù)、主題指數(shù)甚至寬基指數(shù)之間都具有非常明顯的區(qū)分能力。
　　8前10個(gè)月ETF輪動(dòng)組合超額收益16.70%
　　我們基于上述歷史業(yè)績、一致預(yù)期、微觀交易結(jié)構(gòu)、資金流向4個(gè)維度，構(gòu)建了基于國泰基金A股股票ETF標(biāo)的指數(shù)的ETF輪動(dòng)策略，從歷史表現(xiàn)來看，該策略表現(xiàn)較為出色。
　　2022年10月，國泰ETF輪動(dòng)組合下跌0.85%，對滬深300指數(shù)超額收益為6.93%。2022年1-10月國泰ETF輪動(dòng)組合對滬深300指數(shù)超額收益為16.70%。
　　911月份建議關(guān)注國泰煤炭ETF等產(chǎn)品
　　我們根據(jù)最新數(shù)據(jù)，對各標(biāo)的指數(shù)進(jìn)行打分，綜合得分排名靠前的指數(shù)和產(chǎn)品如下所示。
　　11月份建議關(guān)注國泰煤炭ETF、國泰光伏50ETF、國泰養(yǎng)殖ETF、國泰新能源車ETF、國泰汽車ETF。
　　風(fēng)險(xiǎn)提示
　　量化模型基于歷史數(shù)據(jù)計(jì)算，未來可能存在失效風(fēng)險(xiǎn)。