诺德基金:低谷期投资太磨人?这类产品不妨了解一下!
熟悉的感觉好像又回来了! 券商、房地产、汽车、旅游等热点不停变换,市场好像又进入了涨跌涨跌跌的“磨人”模式。而伴随投资主动型基金的难度不断加大,伙伴们对投资的热情也正在逐渐褪去。 但即便如此,诺德基金小编还是想说,当前权益市场正处于相对底部区域,具备长期投资价值(wind数据显示,截止2023/8/10,沪深300 PE为11.99倍)。这里,小伙伴们就要问了,究竟如何才能度过磨人的投资低谷期呢? 那伙伴们不妨可以了解一下指数增强型产品! 指数增强型基金:被动基底,主动增强 指数基金,相信很多小伙伴都有过接触,即跟踪某个特定指数,通过购买这个指数中所包含的成分股来复制指数的波动,所以相关基金净值的表现和指数走势基本吻合。因此,指数投资虽然看似简单,却少有收益弹性。 那么,指数增强型基金究竟是什么样的产品呢? 以指数化投资为基底,并通过一定的主动管理来对组合进行收益增强,即指数基金的“PLUS”版。 简单来说,就是在被动跟踪指数的同时,也加入了部分主动管理的策略。在标的指数上涨时,通过主动管理策略让组合力争多涨一点;在标的指数下跌时,通过主动管理策略让组合力争少跌一些。 因此,相较于被动指数化投资,指数增强型基金不仅能赚到指数上涨带来的贝塔收益,同时大概率也能获得一定主动管理策略所带来的阿尔法收益。 指数增强型基金:收益增强如何体现? 到这儿,大伙基本了解了指数增强类基金的收益组成:一是由目标指数决定的基准收益,二是依靠基金经理主动管理所得的阿尔法收益。 其实,跟踪同一目标指数的基准收益部分基本不分上下。所以,不同指数增强型基金的收益差距主要还是体现在不同的增强策略上。 这里,诺德基金小编就来和大家聊一聊指数增强基金的收益增强策略部分。一般来说,常见的收益增强策略主要分为两种:基本面增强和量化增强。 1)基本面增强 基本面增强的原理,主要是基于宏观分析、行业比较、精选个股的方式来构建投资组合。简单来说,就是超配一些基本面优秀的个股,从而提高优质指数成分股的配置比例,进一步扩大指数增强型产品的整体收益。
以上信息来源于公开数据整理,基金有风险,投资需谨慎。 2)量化增强 量化增强最大的特色,便在于机器模型选股和量化投资。 通过数据模型计算,收集宏观、中观、微观等不同层级的因子,建立投资模型(如多因子模型)来构建组合。通过计算机模型量化一切可能影响到股票价格变动的因素,如量价因子、基本因子、事件驱动因子等。 凭借着机器强大的计算能力,不仅能辅助基金经理及时快速地跟踪市场变化,同时也能较为高效的找到为组合提供超额收益的机会。 除了这两种主流的增强策略外,指数增强型基金也可以通过参与新股打新、可转债、融资融券、股指期货以及其他金融衍生品等投资方式,来进一步提高组合整体的超额收益。 值得注意的是,在投资指数增强型基金时,伙伴们也需要建立一个相对合适的预期收益。 一般来说,指数增强类产品的基金合同中会对投资范围、股票仓位、跟踪误差等做出相应的标准。这就意味着指数增强型基金并不能“随意进行增强”,其收益弹性也是有一定限度的。 指数增强型基金:长周期视角下的复利之道 和小伙伴们说了那么多,不妨让诺德基金小编直接带大伙来看看,指数增强型基金在市场中究竟有何表现? 1)长周期下超额收益较为稳定 以万得偏股混合型基金指数为例,对比过去十年,万得偏股混合型基金指数与其对应增强基金指数的表现。我们可以发现,随着时间的拉长,指数增强型产品的曲线长期高于基准指数,这说明其获取超额收益的能力相对稳定且持续。过去十年之间,万得偏股混合型基金增强指数累计收益为97.96%,远超万得偏股混合型基金指数的60.69%,长期超额收益显著。
数据来源于wind,时间区间为2013/8/10-2023/8/10. 指数的历史业绩不预示其未来表现,基金有风险,投资需谨慎 2)长周期下主动策略发挥出正向作用 统计过去五年,万得偏股混合型基金增强指数及其基准指数(万得偏股混合型基金指数)单年度的表现,并观察不同周期下指数增强型基金的主动策略部分的效果。 由下图可知,在市场下跌阶段,万得偏股混合型基金增强指数通过主动管理确实能够一定程度上降低组合的整体回撤;而在市场上涨阶段,万得偏股混合型基金增强指数也能通过一定的主动管理大概率跑赢基准指数,从而获取更多的超额收益。
数据来源于wind,时间区间为2018/1/1-2023/6/30. 指数的历史业绩不预示其未来表现,基金有风险,投资需谨慎 总结: 诺德基金小编认为,市场向上的过程总是曲折而漫长。当前,市场上绝大部分指数的估值均处于历史低分位,我们不妨瞄定一个合适的指数标的,并选择相应的指数增强型产品来进行投资。我们不仅收获低估指数均值回归的估值收益、指数背后优质公司的成长红利以及主动管理所带来的超额收益,这三重收益的buff加成,而且能够享受一场“有小盼头”的投资之旅。
|
|||||||||||