金工海外量化研究系列之五:什么是WisdomTree的ModernAlpha?-20230522-申万宏源-19页_1mb
报告摘要
智慧树 Modern Alpha 量化策略及 AI 量化产品分析总结
核心内容
智慧树(Wisdom Tree)是一家以 ETF 和 ETP 为主营业务的资产管理公司,其量化产品主要基于 Smart Beta 策略,结合基本面和量化技术,旨在提供比传统被动投资更好的风险调整后收益。公司旗下产品主要分为 Modern Alpha 系列和 AI 量化系列。
主要观点
- Modern Alpha 系列:属于 Smart Beta 产品,通过量化规则进行再平衡,结合传统贝塔和阿尔法策略的优点,以增强组合收益。
- AI 量化产品:以 AIVL 和 AIVI 为代表,使用人工智能模型进行选股和加权,结合市场、情绪、宏观数据、基本面数据和 ESG 数据,强调投资逻辑,但产品收益表现尚不稳定。
- 策略分类:
- 贝塔驱动策略:包括股息加权和盈利加权策略,分别以股息和盈利为权重标准,旨在优化组合的估值和收益表现。
- 阿尔法驱动策略:采用多因子策略,结合价值、质量、动量、低相关性等因子,构建系统化的选股模型。
- 产品特点:
- 低费用、高透明度、系统化再平衡。
- 部分产品采用动态调整的权重机制,以增强组合的稳定性。
- AI 产品强调数据多样性和投资逻辑,但目前尚处于早期阶段,业绩表现需进一步观察。
关键信息
1. Wisdom Tree 公司概况
- 前身为指数开发公司,专注于基本面加权指数。
- 截至 2023 年 3 月 31 日,管理规模超过 900 亿美元。
- 产品以自主开发的指数为标的,采用基本面因子加权,如股息、盈利等,区别于市值加权。
- 产品包括主动管理型 ETF 和使用衍生品的策略产品。
- 与纳斯达克和消费者技术协会合作,探索人工智能主题的 ETF 产品。
2. Modern Alpha 系列策略
2.1 贝塔驱动策略
-
股息加权策略:
- 成分股权重根据未来一年预计支付的股息总额进行调整。
- 通过定期再平衡,增强质量因子暴露,提升组合收益。
- 代表产品包括 DGRW、USMF 等,规模较大,如 DGRW 管理规模达 81.75 亿美元。
- 2022 年表现相对较好,但近年表现波动。
-
盈利加权策略:
- 采用净利润指标计算个股权重,控制组合 P/E,放大收益对组合的贡献。
- 代表产品包括 EZM、EPS 等,管理规模较小,但具有较好的市场适应性。
2.2 阿尔法驱动策略
- 多因子策略:
- 结合价值、质量、动量、低相关性等因子,构建系统化的选股模型。
- 指数成分股季度调仓,采用综合得分和波动率进行权重分配。
- 管理规模较小,跟踪误差较高(4-6%),但具有较强的阿尔法潜力。
3. 智慧树 AI 量化产品
-
产品概况:
- 以 AIVL 和 AIVI 为代表,使用旧红利ETF的壳进行创新,提升效率。
- 产品类型为主动管理型 ETF,费率较低(0.38%),组合持有 100 只成分股,每只权重不超过 6%。
- 2022 年表现优于标普 500,但 2023 年表现不佳。
-
产品策略:
- 引入第三方 AI 模型,使用市场、情绪、宏观、基本面、ESG 等数据源。
- 通过 AI 模型进行预测,强调数据的稳健性和多样性。
- 选股模型包含多个特征维度,如市场/宏观、基本面、情绪、ESG,时间窗口覆盖短期和长期。
- 投资过程分为五个阶段:数据输入、特征识别、选股标准、组合构建、验证运行。
- 采用“人在循环”机制,避免算法崩溃,确保交易执行。
4. 对我国的启示
- 智慧树的 Modern Alpha 产品体现了 Smart Beta 策略的成熟应用,可为我国 ETF 产品提供参考。
- 多因子策略和 AI 量化策略的结合,展示了未来量化投资的发展方向。
- AI 策略强调数据多样性和投资逻辑,为我国在构建 AI 投资产品时提供了思路。
- 产品设计需考虑市场适应性和长期表现,避免短期波动对策略的负面影响。
5. 风险提示
- 本报告基于公开信息撰写,不涉及基金产品推荐或评价。
- 产品收益表现受多种因素影响,需谨慎评估。
- AI 产品尚处于早期阶段,收益表现不稳定,需进一步观察。
- 投资需考虑自身风险承受能力和投资目标,不应仅依赖本报告做出决策。
产品分类与策略
Modern Alpha 系列产品
| 产品名称 | 代码 | 是否主动管理 | 跟踪指数名称 | 指数代码 | 成立日期 | 费率 | 管理规模(亿美元) |
|---|---|---|---|---|---|---|---|
| U.S. High Dividend | DHS | - | WisdomTree U.S. High Dividend Index | WTHYE | 2006-06-16 | 0.38% | 13.43 |
| U.S. LargeCap Dividend | DLN | - | WisdomTree U.S. LargeCap Dividend Index | WTLDI | 2006-06-16 | 0.28% | 35.05 |
| U.S. MidCap Dividend | DON | - | WisdomTree U.S. MidCap Dividend Index | WTMDI | 2006-06-16 | 0.38% | 31.84 |
| U.S. SmallCap Dividend | DES | - | WisdomTree U.S. SmallCap Dividend Index | WTSDI | 2006-06-16 | 0.38% | 18.30 |
| U.S. Total Dividend | DTD | - | WisdomTree U.S. Dividend Index | WTDI | 2006-06-16 | 0.28% | 10.84 |
| U.S. Quality Dividend Growth | DGRW | - | WisdomTree U.S. Quality Dividend Growth Index | WTDGI | 2013-05-22 | 0.28% | 81.75 |
| U.S. SmallCap Quality Dividend Growth | DGRS | - | WisdomTree U.S. SmallCap Quality Dividend Growth Index | WTSDG | 2013-07-25 | 0.38% | 2.18 |
| U.S. Multifactor | USMF | - | WisdomTree U.S. Multifactor Index | WTUSMF | 2017-06-29 | 0.28% | 2.64 |
| Emerging Markets | EMMF | YES | - | - | 2018-08-10 | 0.48% | 0.02 |
AI 量化产品
| 产品名称 | 产品代码 | 产品类型 | 是否主动管理 | 成立日 | 管理规模(亿美元) |
|---|---|---|---|---|---|
| U.S. AI Enhanced Value | AIVL | 主动 ETF | 是 | 2006-06-16 | 3.95 |
| International AI Enhanced Value | AIVI | 主动 ETF | 是 | 2006-06-16 | 0.78 |
量化团队与研究内容
| 主要成员 | 所属部门 | 成员职位 | 研究内容 |
|---|---|---|---|
| Jeremy Schwartz | 总部 | 全球首席投资官 | 高效核心策略 |
| Pierre Debru | 量化研究部 | 量化研究主任 | 对冲通胀&利率提升,质量选股策略 |
| Florian Ginez | 量化研究部 | 量化研究副主任 | - |
| Elvira Kuramshina | 量化研究部 | 量化研究副主任 | - |
| Ayush Babel | 量化研究部 | 量化研究员 | - |
| Kevin Flanagan | 量化研究部 | 固收组主管 | 固收回归策略,对冲通胀&利率提升 |
| Liqian Ren | 量化研究部 | 现代阿尔法策略组主管 | 现代阿尔法策略 |
| Brian Manby | 投资策略部 | 副主任 | 发展中市场策略 |
| Jeff Weniger, CFA | 股票策略部 | 主管 | 发展中市场策略,ESG 投资策略 |
AI 策略特征因子
| 特征维度 | 细分指标 | 与传统因子对比 |
|---|---|---|
| 市场/宏观特征 | 流动性、波动性、资金流向、成交量;动量因子、反转因子;宏观经济指标 | 使用动量、反转等非传统因子刻画市场走势;使用宏观经济指标捕捉整体市场和经济表现 |
| 基本面特征 | 同行业和整体行业的相对基本面特征;基本面动量;股票回购、现金流 | 考虑行业因素对企业基本面的影响 |
| 情绪特征 | 情绪、投机、扩散特征;分析师预期、指引、修正 | 加入情绪扩散的影响 |
| ESG*特征 | 环境、社会、公司治理;每股收益(EPS)操纵、薪酬、温室气体排放 | 考虑企业的非财务因素 |
总结
智慧树的 Modern Alpha 产品通过量化策略实现了传统贝塔与阿尔法的结合,降低了成本,提高了透明度和可重复性。AI 量化产品则代表了未来投资趋势,但尚处于早期阶段,收益表现需进一步观察。对于我国的 ETF 和量化投资产品开发,智慧树的策略提供了有益的参考,尤其是在多因子策略和 AI 应用方面。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载