|
近期創(chuàng)業(yè)板注冊制改革落地,公募基金加速創(chuàng)業(yè)板主題基金布局,為普通投資者分享改革紅利提供便捷途徑。記者從創(chuàng)金合信基金獲悉,公司旗下首只創(chuàng)業(yè)板主題基金——創(chuàng)金合信同順創(chuàng)業(yè)板精選股票基金將于5月14日公開發(fā)行。
公開信息顯示,創(chuàng)金合信同順創(chuàng)業(yè)板精選股票基金主要通過量化多因子模型擇優(yōu)精選出符合行業(yè)發(fā)展方向,基本面優(yōu)秀、成長性好、估值合理等具有良好預期收益的創(chuàng)業(yè)板上市公司股票,力爭獲取超越業(yè)績比較基準(創(chuàng)業(yè)板綜合指數收益率*90%+人民幣活期存款利率(稅后)*10%)的投資回報。
創(chuàng)金合信同順創(chuàng)業(yè)板精選股票擬任基金經理王林峰介紹,在現階段布局創(chuàng)業(yè)板,主要是看中了創(chuàng)業(yè)板的高成長屬性,也是基于創(chuàng)金合信量化團隊本身的歷史積累。創(chuàng)金合信基金2016年發(fā)行了聚焦中小市值股票的創(chuàng)金合信中證1000指數增強和創(chuàng)金合信量化多因子兩只基金,長期超額收益顯著。
量化產品長期超額收益顯著
創(chuàng)金合信基金量化團隊目前管理主動量化公募基金7只,分別是3只指數增強型基金和4只主動量化基金,在上證50指數、滬深300指數、中證500指數和中證1000指數上均有布局。
創(chuàng)金合信量化投資團隊目前成員9人,其中基金經理(投資經理)6人,均具備豐富的量化投資經驗。團隊負責人董梁擁有16年量化投資經驗,曾在全球最大資管公司之一的美國巴克萊環(huán)球投資(BGI)任基金經理。董梁曾指出,量化投資最吸引人的地方,在于致力于獲得長期的超額收益。
創(chuàng)金合信基金旗下量化產品超額收益明顯。除2019年12月底成立的創(chuàng)金合信超大盤量化基金外,其余6只公募基金運作時間均為3年以上不到5年。根據海通證券基金超額收益排行榜,截至4月30日,6只量化產品A類份額近3年的平均超額收益率為%。
值得一提的是,創(chuàng)金合信基金旗下的指數增強基金超額收益率排名領先。根據海通證券基金超額收益排行榜,截至4月30日,創(chuàng)金合信中證份額和C份額近3年排名分別為4/49和5/49;創(chuàng)金合信中證500A份額和C份額近3年排名分別為和9/49;創(chuàng)金合信滬深300A份額和C份額近3年同類(滬深300指數增強)排名分別為5/18和4/18。
評價指數增強基金的業(yè)績表現除了超額收益率之外,還有另一個指標叫信息比率。信息比率指的是單位跟蹤誤差所獲得的超額收益率,可以理解為指數增強基金多承擔一單位的與對應指數偏離的風險所能獲得的相對指數的超額收益率。Wind數據顯示,創(chuàng)金合信滬深300指數增強A基金2019年的信息比率為2.44;創(chuàng)金合信中證500指數增強A基金2019年的信息比率1.70。
看好創(chuàng)業(yè)板新經濟屬性
Wind數據顯示,截至5月12日,今年以來創(chuàng)業(yè)板漲幅為%,資金熱度一直不減,而同期滬深300指數虧損3.33%。王林峰介紹,創(chuàng)業(yè)板的新經濟屬性非常明顯,其中醫(yī)藥生物、計算機、電子及電氣設備板塊合計占比達60%,且有很多公司屬于所屬細分行業(yè)的龍頭,具備非常強的競爭力。在創(chuàng)業(yè)板改革的推動下,其新經濟屬性會進一步得到強化。
此外,“新基建”正成為新的投資布局方向。相比主板,創(chuàng)業(yè)板行業(yè)分布更偏向新興成長,醫(yī)療保健、信息技術、工業(yè),或將成為“新基建”的主要受益者。
創(chuàng)業(yè)板實施注冊制,將有利于推動優(yōu)質新興科技類企業(yè)登陸資本市場,通過市場化的方式調動資金,助力經濟轉型與科技創(chuàng)新,投資者可以更早地分享這些企業(yè)的成長紅利。另一方面,注冊制開啟后,創(chuàng)業(yè)板內部分化會更為嚴重,精選個股尤為重要。
王林峰介紹,創(chuàng)業(yè)板個股與主板個股差異比較大,目前創(chuàng)業(yè)板個股共800多只,但賣方分析師覆蓋程度較低,有一半的股票賣方分析師不研究,這意味著有大量的信息沒有被充分挖掘利用,這正是量化選股的長處。“具體到創(chuàng)金合信同順創(chuàng)業(yè)板精選股票基金的多因子量化模型,我更注重成長類指標的選;輿情也是比較重要的信息,將輿情分析轉化為量化指標;同時會從股票的高頻交易數據中發(fā)掘部分有效的因子!
(責任編輯:
任剛) |
本帖子中包含更多資源
您需要 登錄 才可以下載或查看,沒有帳號?立即注冊
x
|