20220111-国信证券-学术文献研究系列第30期_主导跟随模型_利用因子模型进行指数跟踪_20页_1mb

报告摘要

本报告提出了一种基于因子模型的指数跟踪方法，称为“主导跟随”（Follow-the-Leader）。该方法通过识别能够完全代表指数因子结构的主导个股，构建一个部分复制的指数投资组合，以降低交易成本和流动性风险，同时保持较低的跟踪误差。

被动管理基金的挑战：完全复制指数的策略由于交易成本和流动性问题，往往不经济。因此，部分复制策略被广泛采用。
主导跟随方法的优势：
- 通过因子模型选择主导个股，能够有效代表指数的因子空间。
- 相较于其他方法，如CM-2006和简单选择，具有更低的跟踪误差和换手率。
- 计算简单，参数灵敏度低，适用于大样本和有限样本情况。
实证表现：
- 在跟踪标准普尔500等权重指数时，主导跟随方法平均选择28只主导个股，跟踪误差和换手率优于对照组。
- 在跟踪MSCI美国小盘股指数时，主导跟随方法平均使用38只主导个股，MSE比CM-2006降低约20%，换手率降低约40%。
蒙特卡洛模拟：
- 模拟结果显示，主导跟随方法在样本内和样本外均表现优异，且能够准确估计因子数量。
- 该方法在样本内和样本外的跟踪误差和相关性指标均优于CM-2006，尤其在样本外表现更稳定。
- 该方法在样本外的MSE最低，达到0.0071，且相关性高达0.9998。
弱因子测试：
- 弱因子对跟踪性能影响不大，主导跟随方法仍能准确估计因子数量，并保持较低的跟踪误差。
- 即使有弱因子，主导个股数量减少不显著，且跟踪性能指标（如MAD和MSE）没有明显下降。

方法实现步骤：
1. 估计指数回报的系统性因子数量。
2. 使用主成分方法估计因子载荷。
3. 通过迭代过程选择主导个股集，以构建跟踪投资组合。
资产选择过程：
- 根据资产与因子的相关性进行排序。
- 通过回归残差测试，判断是否能够完全代表因子空间。
- 如果残差中仍存在因子结构，则继续添加相关性最高的资产。
权重估计：
- 使用最小化平方和误差的方法，对跟踪投资组合进行权重估计。
- 权重估计方法基于以前的文献，且不作为本文重点。

跟踪标准普尔500等权重指数：
- 时间区间为2015年至2016年，使用滚动窗口进行样本外分析。
- 每个窗口包含1年数据，样本外为1个月。
- 使用421只成分股构建投资组合。
- 主导跟随方法平均选择28只主导个股，跟踪误差较低，且换手率低于CM-2006和简单选择方法。
跟踪MSCI美国小盘股指数：
- 时间区间为2016年至2019年，每期样本区间为2年，样本外为1个月。
- 指数成分股数量为1391只，流动性较低。
- 主导跟随方法平均使用38只主导个股，MSE和换手率均优于CM-2006。