深度报告——金融工程[Table_Title]如何从ETF的提纯Alpha中学习信息[报Ta告bl日e_期Ra：nk]2024年01月22日王冬黎金融工程首席分析师[★Ta被ble动_S指um数m化ar投y]资是未来的趋势从业资格号：F3032817随着近年来市场波动加剧，主动管理的难度不断加大，在近三[Table_Analyser]年、近两年和近一年的统计区间内，主动权益产品和指增产品相较行业板块和宽基指数的平均超额收益衰减显著。相比之下，被投资咨询号：Z0014348Tel:8621-63325888-3975Email:dongli.wang@orientfutures.com动ETF产品的规模逐渐增加，自2017年的1817亿元增长至2023联系人年的13998亿元，平均保持着40%的年化增长率，同期公募机构在ETF产品上的持仓权重也从0.04%增长至5.12%，由此可见，[Table_Analyser]徐凡金融工程助理分析师从业资格号：F03107676被动指数化投资的增长趋势显现。Tel:8621-63325888-3975金★截面打分模型构建Email:fan.xu@orientfutures.com本文以自下而上的视角构建ETF组合，从全市场ETF产品（剔融除宽基指数）映射至标的指数，在该标的指数池上训练模型，再回溯至（某一时期内）成交量最大的跟踪产品。在模型构建细节[Table_Report]工上，我们分别从标的指数和成分股两个维度提取66个特征，以各个标的经风格因子回归后的Alpha为目标，滚动训练前馈网络程以拟合特征与目标间非线性关系。就标的指数回测而言，我们分别测试了四种构建组合的方式以及对应的四个不同调仓周期，结果显示等权模型不同周期的预测值和短周期（五日）调仓结果最优。★在不同ETF标的池下的回测结果我们构造ETF组合的方式为五日调仓，以等权不同周期预测值生成标的指...
发表评论取消回复