指数增强基金的优化研究

指数增强型基金并非纯指数基金,它是在指数基金的基础上对其进行优化,加入积极的投资手段,对基准指数的跟踪误差进行控制的前提下,试图获得超越基准指数的投资回报。从投资理念上来讲,指数增强基金是主动投资与被动投资的结合。就目前国内现有的指数增强策略来看,大多采用多因子模型策略,但其实际业绩并没有达到预期目标。这篇文章总结并反思了指数增强策略表现不佳的原因,并提出可能的改进方向。

衍生证券在投资中的应用——BEA公司增强型股票指数基金案例

衍生证券(Derivative Security)是一种其价值依赖于其他基本标的证券(即原生证券)价值的证券,我们耳熟能详的远期合约、期货和期权等都是衍生证券。最近几十年来,衍生证券的蓬勃发展使其在金融市场及金融创新中占据越来越重要的地位。世界上许多交易所和OTC市场每天都进行大量的期货和期权交易。

增强指数型基金对股票市场风险溢出效应的实证分析研究

为探究我国增强指数型基金与股票市场之间的风险溢出效应,本文引入了三种增强指数型基金作为研究对象,并以2015年9月30日-2020年9月25日股票市场的日度数据作为研究基础,实证分析了我国增强指数型基金与股票市场之间的关系。研究结论显示,要想实现增强指数型基金和股票市场的协调健康发展,需要统筹协调好股票金融市场的内部结构以及拓展基金多样性。同时,通过分位数模型方法进行了稳健性检验,实证结果均验证了研究结论。依据研究结论本文提出了三项建议:一是合理规划股票市场的结构发展;二是多样化发展基金,降低股票市场风险,强化股票市场的稳定性,实现股票市场和增强指数型基金的协调健康发展;三是鼓励和支持机构资金对增强指数型基金的投资,促进股票市场平稳健康发展。

基于深度森林的指数增强策略研究

增强型指数基金是在指数基金的基础上进行优化,加入积极的投资方式,在控制基准指数的追踪误差的前提下,试图获得超过基准指数的投资收益。指数增强基金采用定性和定量策略,该策略将投资组合的构成从严格遵循某些受欢迎的市场指数转变为略有不同的构成策略,预计该组合将在相似的风险水平下产生更多的回报。本文引入深度森林的选股策略,选取排名靠前的30只股票进行实证分析,利用中证500指数成分股进行回测。研究结果表明,深林算法具有较好的超额收益和较低的回撤率,该模型对量化投资策略的设计具有重要的现实意义。

基于随机因子模型的增强型指数基金

创新性的假设传统的Fama-French三因素模型中的三因素为服从正态分布的随机变量,进而获得了股票收益随机变量的分布信息.采取部分复制的原则建立增强型指数基金随机投资组合优化模型,通过引入投资组合风险概率约束给出增强型指数基金的绝对风险上限,针对增强型指数基金建立基于VaR的超额收益概率约束.引入最买入门槛限制降低增强型指数基金的管理费用,增强其流动性.最后,根据股票收益的概率分布特征,获得基于上述约束的指数基金和增强型指数基金的确定性优化模型,并同时基于上证A股进行了实证分析.

基于LASSO变量选择与多因子模型的增强型指数基金的构造研究

本文以沪深300指数为研究对象,应用LASSO变量选择方法与多因子模型来研究增强型指数基金的构造。实证结果表明,在样本数据内,基于LASSO变量选择方法与多因子模型所构造的增强型指数基金均能够在追踪基准指数的同时获取超额收益。并且发现基于LASSO变量选择方法构造的增强型指数基金优于多因子模型构造的增强型指数基金。