如何在大V们的定投组合基础上获得增强收益
红利基金篇（上）
空想终为浅，实践出真知。
今天我们来举一个小小的例子，如何应用这套追求确定性的思想，亲手制作一个基金组合。
一、一个小目标
个什么例子好呢？从2016年开始，随着知识付费和自媒体的爆发，越来越多财经大V带着大家做定投。这是好事，普及了投资常识，避免大家追高购买不划算的资产。
其中，我看到几乎所有大V（比如“银行螺丝钉”、“ETF拯救世界”）推荐的指数基金中，都包括“中证红利”指数。理由是：估值低、成分股分红率高、潜在收益好。
我们先假设这些大V给出的基金选择、买卖点择时信号都足够好了。但在这里，你会不会有这样的“妄想”：有没有一种比较确定的方法，在跟投持有“中证红利”指数基金期间，可以实现显著的超额收益，额外帮你赚更多钱呢？
比如说，过去半年如果持有典型的中证红利基金，收益是这样的：
有没有可能把它变成这样：
梦想总是要有的，万一实现了呢？那我们就姑且把它定为一个小目标，来做实验看看，是否存在这样
的方法。
二、基础知识：什么是因子？
同样是定投，大V之间也有各自的分歧，比如同样对全市场宽基的指数，有些人看好“沪深300”，有些人看好“中证500”。但大家有没想过，为什么在选择中证红利上大V们却出奇一致呢？
我的理解是，“红利”是一个全世界范围内都被历史验证有效的选股策略，根据高分红这套规则筛选出来的股票组合，稳定盈利、而且财务风险低，股息率本身也代表了估值不太高，所以大概率长期能够跑赢市场的平均值和代表性的指数。这样的组合我们称为“SmartBeta”，直译是“聪明的贝塔”，是说它可以在普通市场的beta收益以上，聪明得多赚那么一丢丢~
而创造这点“小聪明”的选股逻辑——红利（高股息率），我们就称为一个“量化因子”。通俗说，中证红利指数，可以看成沪深300指数的一个“红利增强指数”。
那么这样的因子还有哪些呢？如果你自己动手，在搜索引擎上搜“指数因子增强”，翻两页就足够总结出来，这样的因子一共有六个，它们分别是：
红利、价值、低波动、质量、动量、小市值
我们现在不一一去解读它们的含义，你只需要知道，从长期来看这些因子中的每一个，都大概率跑赢市场宽基指数。但这里所说的“长期”，要以10年为统计单位，在此期间，几乎每一个因子都会有“失效”的阶段，可能是几个月，也可能是几年……
同样通过搜索，你不难知道，因子是微观统计和实证出来的，对此的宏观解释，大概是这样的。经济上，我们把央行印钞票的多少（货币周期）、企业借钱投资的意愿和能力强弱（信用周期），都按宽、紧两种可能组合出共四种情况，每个情况都会有相应的因子受益。具体哪个阶段对应哪些因子，不需要展开，因为其实你也不可能准确预判接下来会处于哪个宏观经济周期。
好了，基本知识够了。现在让我们把眼光从“红利”因子拓展到所有因子，观察一下它们有没有什么共性的特点？
三、到理想的工具
对大多数个人投资者，研究方法，最终是要落实到买基金的。不到基金研究再多也没用。
现在打开任何一个基金网站（如“天天基金网”、“蛋卷基金”等等），分别用以上几个因子作关键词进行搜索，范围限于“指数型”基金。最后，我们发现动量、小市值这两个因子很难到对应的基金，但是其他四个因子都有不少对应的基金，其中有一个系列包括四大因子的基金，它们的基础股票池还是一致的——中金MSCI。
它们都来自中金公司，四只基金分别是价值、低波动、红利、质量都是在MSCI明晟国际通指数（先把他们近似看成沪深300范围吧）的股票池里，用这四个因子来筛选股票，并定期调仓。
这很符合科学实验的一般要求——要研究一个变量，尽量固定其他变量。虽然选股范围不如全部中证股票那么多，但是还是有一定代表性的。那就选它来当工具，先试试吧？
四、观察和统计
先用肉眼观察一下，这四只基金过去几年的走势，尤其是每个网站都会统计的过去3个月、半年、1年、2年、3年收益率数据。有没发现什么特点？
哎呀，你发现这几只基金上市才1年多，时间不够长。
但这不妨碍，毕竟是指数基金嘛，它们都有自己跟踪的指数，你只需要把对应的指数名称输入搜索引擎，自己动手，不难到MSCI发布的这些指数的历史数据。当然，我会用Python 编程，使用爬虫来动态爬取更细的数据，很多专业财经软件也可以导出这类数据的高阶版本。但没有这些高级武器也不妨碍你做实验，甚至还有更简单的方法：比如你发现“蛋卷基金”APP直接把这个指数列为了对应基金的业绩比较基准，这说明它们家有这个指数数据啊。你作为它们的上（KE）帝（HU），直接给他们发邮件要，他们也会把历史数据发个EXCEL给你。
具体数据的方法就不展开了，总之但凡做研究、做实验，执行力是肯定需要的，不是我们探讨的重点。
好了，你拿到EXCEL后，先粗略瞄一眼从2016年这4个指数全部发布以来的完整年度收益情况：
得出以偏概全的结果，我们称为“过度拟合”陷阱。关于这一点，以后说到真正的量化投资回测时再具体讨论，这里先专注做实验。
那我们就想办法增加数据点。比如很容易想到，我们把以年为单位的数据拆成月，看看会得到什么结论？于是你在Excel里加了几行公式，我这里直接说结果——
1.在过去的36个月中，上个月收益排名第一的因子，在下个月继续排在第一位的概率为39%，凭常识你应该也能想到，这远远高于随机情况下25%的概率值；
2.而上个月第一的因子，下个月继续排在前2位的概率为63%。
到了这里，掩卷思考，你有啥洞见吗？
五、一个思路
我觉得每一个普通人都能想到，根据以上结论，假如我始终持有上个月表现最好的因子指数，每个月固定某一天判断，一旦出现新的最佳就换过去。这样做，会不会跑赢始终拿着同一个红利指数呢？
我们继续用数据做回测验证。假如2017年开始，每月1日判断是否轮换，那么在不考虑所
看起来除了2017年小幅度跑输了红利指数外，其他两个年度都明显跑赢了，其中2018年还出现了一个神奇的结果，由于轮换产生的超额收益，甚至跑赢了4个因子中最强的那一个。
再来个更直观的：假如我从2017年初开始，持有100万红利基金，到2019年末本金将变为125.8万；而如果采用轮动策略，最终将变成167.2万。
六、意义和可行性
统计得到的数据，需要反过来思考一下其金融学上的本质意义。
以上思路的本质，是基于行为金融学上4个增强因子的“动量”择强，也就是相信强者恒强的马太效应。换言之，我们在4个因子之上，叠加上了第5个长期实证有效的因子——“动量”因子，构成了一个双因子增强模型。关键是经过统计，因子强者恒强的效应，至少在过去3年也确实是存在的。
此外，这个策略也并没有背离红利投资的初衷，那就是宽基指数之上的“因子增强”。而且当红利因子占优的阶段，策略是可以100%暴露给红利因子的。
有意义，那接下来就要看看这个策略可不可以实际执行了。首先，初中物理实验就告诉我们，真实的世界并不是没有摩擦的理想世界，买指数基金也不等于买指数，买、卖都需要交费的，而且一般的开放式基金买卖（申购、赎回）费率还不低。
但是进一步查阅我们发现，我们选中的中金四支因子增强指数基金，它们都有对短期持有比较友好的C类基金份额。比如中金MSCI红利C（006352），收费规则是买入免手续费，卖出规则是持有7天以上为0.1%、30天以上则降为0%。这也就是说，按我们上面说的一个月最多一次的轮换规则，手续费摩擦成本可以是零。
C类基金当然也不是白白给你短期轮换的，它的收费方式不同，增加了一个每年0.25%的销售服务费。但由于你都是在中金的4个基金之间轮换，所以全年这0.25%的服务费是固定的，只收一次，相对于三年41.4万的超额收益，这加权每年约3000元的额外成本，几乎可以忽略不计了。
其次，通过搜索你可以知道一个基础知识，那就是同一个基金公司基金之间的转换，不需要卖出再赎回，采用转换的方式可以确保净值是“无缝衔接”的，也就是申购、赎回确认净值用同一天的收盘价。这样全年的净值曲线就是没有断点的，可以实现理论上的回测结果。如何买基金定投
最后，别忘了这个小实验的初衷是为了在跟大V定投基础上的基金增强，仓位管理和风险择时还是要听大V的。所以，还要看看能不能配合大V的定投节奏。考虑到大V基本是每月定投的，那么这个附加策略每月最多一次的调仓，在节奏上也是可以匹配的。
有了这几步论证，基本可以得出上述小策略“可行”的结论。我们再来回顾和总结一下，这个策略的做法是：
每月第一个交易日，轮动持有中金红利、质量、低波动、价值四个C类基金中，上个月涨幅最高的那一个。
它旨在一定程度上减弱前文所说的因子长期失效的风险，长期获取4个因子的平均收益率。但其实论证到这里，如果你仔细思考，会发现这个策略还是有漏洞和完善空间的。
不知道你想到了吗？且听下回分解。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论