资产配置（三）：收益来源类别划分下的ETF策略.pdf

资产配置（三）：收益来源类别划分下的ETF策略。

以个股成分股重合度和指数相对收益相关性作为距离定义，以迭代 K-means 聚 类方法对 ETF 跟踪指数池进行类别划分

以行业指数成分股权重重合占比，宽基和风格指数的暴露区间，确定初始标签，以指数之 间的权重重合度得到初步聚类结果，得到 K-means 可迭代的类别划分；  以指数之间的超额收益相关性为距离定义，以前聚类簇中规模最大 ETF 跟踪指数为初始 点，得到 K-means 可迭代的类别划分；

以跟踪指数聚类结果下的类别簇的成分股平均权重为中心点，做每个指数相对该点的最 高重合度聚类，并对行情聚类和权重重合度确定类别有差异的部分，以人为逻辑调整。 最终本文对 ETF 跟踪指数池聚类为 26 个一类标签。

结合 ETF 聚类标签控制风险，以预期收益构建 ETF 多头组合策略

通过因子综合打分得到 ETF 跟踪指数的排序，选择头部指数并限制每一类标签的持有个数； 根据指数类别分配权重，按照选择的大类指数占其总数百分比排序，作为大类间的加权方式， 大类内指数等权，相比直接的头部等权组合可以提高收益，并在绝对收益和相对收益均降低风 险，策略 2019 年以来多头组合策略的年化收益 20.30%，最大回撤-35.07%，相对大类等权基 准年化超额收益 10.27%，相对最大回撤-10.42%。

ETF 组合收益主要来自 Beta 端，不适合指数增强策略

ETF 收益层面在行业、风格端，以 Beta 收益来源作为增强策略的配置维度性价比并不 高，增强仍应该以 Alpha 为主；但结合 ETF 跟踪指数池的一类标签在指数大类配置上给 出约束，可以适当降低波动。

ETF 区别在行业、风格端，所以不同板块在进行跟踪时风险收益特征不同，如沪深 300 的跟踪难度较大，风险端较难控制，中证 500 的收益增厚难度较大，收益端较难增强。

以红利做底仓，以风格做配置，以行业做收益增厚，构建 ETF 绝对收益策略

权益中绝对收益策略以红利为主，利用 ETF 跟踪指数池一类标签组合的划分将收益拆解到红 利、风格、行业三个维度，可以兼顾风险和收益，实现 Beta 收益来源没有大变动的情况下， 获得行业风格上的超额收益，从而增加绝对收益组合的风险收益比，在最小化 Beta 和最大化 打分的目标下，ETF 绝对收益组合年化收益 18.44%，最大回撤 20.28%，年化波动率 18.05%， 2019 年以来仅 2022 年收益为负，年度上仅 2022 年和 2023 年收益低于中证红利全收益。