指数基金：今天的深蓝 明天的master

　　2016年已经过去，过去吃过的苦回忆起来也不怎么苦，化作未来宝贵的经验财富。回头看，发现情况远比我们印象中的要乐观。先说一个数字，沪深300指数2016年的跌幅其实仅为-11.28%。自去年2月至年末，沪深300指数已经默默上涨12.36%，可以称得上是实实在在的慢牛行情。但是有多少投资者跑赢了指数呢？其实在牛市行情中，能跑赢指数的人非常少。2016年的慢牛行情下亦是如此，在指数层面上涨的这段时间里，能超越指数收益的主动管理型基金并不多。而在此前的专栏中也和大家说过，展望2017年，分散配置是王道。以A股为例，2016年10月以来，沪深300指数涨幅超过7%，而私募基金的平均业绩相去甚远。根本原因是基金产品持仓集中，配置太偏，而市场又不具有持续的热点行情与板块。在这样的行情下，看到热点追进时，转眼被套，而且不知何时解套；若不追进，也容易追悔莫及。所以分散配置，指数基金才是生存王道。

　　指数基金分为两种，被动指数型基金和指数增强型基金。被动跟踪指数型基金，志在控制跟踪误差，通过复制指数的成分、权重，紧跟对标指数；而指数增强型基金在被动跟踪指数的基础上，加入增强型的积极投资手段，如超配看好的行业或个股，对投资组合进行适当调整，力求在控制误差的同时获取积极的市场收益。

　　指数增强产品既有公募的，也有私募的，二者不仅在募资来源上有差异，在面临的监管规定上也有很大不同，导致二者的策略、业绩有很大不同。而私募指数增强产品相对灵活很多，并不太强调跟踪误差的概念，对于成分股重叠度的要求更加宽松，能否提供超过基准指数的超额回报才是最重要的。很多私募指数增强策略是从他们的阿尔法策略转化而来，其核心都是量化选股模型。

　　简单而言，指数增强+股指对冲=市场中性or阿尔法策略。

　　在很长一段时间内，由于股指期货处在正基差状态，阿尔法策略不仅收益可观，还能规避市场系统性风险。从风险收益性价比的角度看，阿尔法策略比指数增强更有优势，所以市场上做阿尔法策略者众多，指数增强策略冷寂了很长一段时间。而自从2015年9月股指期货被限制开始，股指期货长期处在深贴水状态，选股收益无法覆盖基差成本，加上交易手续费的提升和交易手数的限制，阿尔法策略的收益、规模都大受影响。此外，几轮股灾之后，市场风险充分释放，再次出现系统风险的可能性已经比较小，指数增强策略处在一个比较安全的运行位置。并且，指数增强策略在获取超额收益上能力显著，所以2016年以来，很多基金管理人和机构投资者都从阿尔法策略转向指数增强策略。

　　在好买走访对冲基金的过程中，我们发现2016年无论是市场中性基金还是指数增强基金，业绩表现突出的不少是用到了技术面量化模型。众所周知，国内最早一批市场中性基金主要采取的方法是多因子模型。尽管一些多因子模型也会加入诸如动量因子这类技术面因子，但更多的因子是基本面因子，例如估值、盈利、行业、成长等。这样的多因子模型虽然具有较好的经济学解释，而且模型有效周期较长，但是采用此类模型的基金较多，超额收益空间有限。而技术面量化模型主要基于对全市场股票过去价格走势以及成交量的分析，从中提炼技术面因子和重复出现的价量规律。

　　过去这种对于技术面的分析更多依赖图形观察或是一些经典指标，例如KDJ和MACD。如果直接分析历史价格变动，则会面对数据过于庞大和繁杂的问题。然而，伴随计算机的发展尤其是机器学习领域的突飞猛进，对冲基金开始将人工智能算法与股票量价分析结合在一起。

　　具体来看，人工神经网络（Artificial Neural Network）是对冲基金运用较多的一种机器学习算法。人工神经网络是20世纪80年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同连接方式组成不同网络。我们在现实生活中使用到的手写输入法、语音识别以及在美图软件或安防系统中用到的面部识别都可能应用了人工神经网络或是其他人工智能算法。私募基金里面，某只采取机器学习算法的指数增强基金自2016年1月底成立以来上涨约50%，表现甚为抢眼。

　　谷歌的围棋人工智能AlphaGo早在2016年3月就战胜了世界顶级围棋棋手李世石，近期又以60胜0负1平的战绩横扫围棋界，证明了人工智能的压倒性优势，以及未来的无穷可能。而在金融界，人工智能的运用尚浅，处于“深蓝阶段”，但是相信随着投入的加大，技术的完善，人工智能的指数基金将大放光彩。