为什么要构建指数基金标签体系

指数基金便凭借其费率低、流动性强、不会出现风格漂移等受到越来越多投资者的青睐。在指数化投资的浪潮下，指数基金产品种类日益丰富，数量与日俱增。同一类型的产品投资风格及风险收益特征差异较大，随着指数产品市场细化程度不断加深，对指数化投资提出了一定的挑战。为了更好地刻画各基金的产品定位、投资风格及特征，比较各基金产品的多维度表现，以及更为合理地进行基金优选，搭建基金各个维度标签分类体系的重要性与日俱增。当前市场上指数产品分类较为主观，现有的分类方式颗粒度较大，无法展现基金产品完整的持仓特征，叠加部分基金的产品名称可能存在一定误导性。通过对基金实际配置情况在量化维度的细分，我们能够更好地挖掘产品真实信息。

指数标签框架：追根溯源，探果寻因

指数产品主要以跟踪指数为基础，因此对指数成分股特征的挖掘非常关键，跟踪同一指数的基金产品具有相同的指数标签。首先从资产配置维度对指数进行划分。由于股票指数种类繁多，差异较大，因此在基于资产配置的维度对指数进行标签分类后，我们还将在底层资产维度对股票指数各类标签进一步细化，在行业、持仓、风格、估值和业绩方面对其进行标签细分。在量化细分各类标签时，我们使用指数的实际成份进行判断。

► 资产配置维度：根据指数成份的资产类型对指数进行分类。根据各资产类别现有产品的布局及细化程度，我们将资产类型分为三级标签：1）一级标签按照资产类型分为股票指数、债券指数、商品指数、多资产指数、货币指数及其他指数；2）股票二级标签细分为宽基指数、行业主题指数、Smart Beta指数和跨境指数；3）宽基指数按照大小盘和成长价值风格差异细分，行业主题指数按照投资板块和产业链细分，Smart Beta指数按照构建指数的策略或因子细分，跨境指数按投资标的上市地点细分。

► 底层资产维度：相对于指数名称而言，指数的底层资产信息能更真实地反映指数的各类特征，便于投资者比较同类指数，或在赛道投资中筛选最优跟踪标的。在股票底层资产维度，主要围绕指数的行业分布、成分股集中度、各市场占比、风格分类、估值维度、财务指标、风险收益七个方面对股票型指数进行标签分类。其中，由于现有主流指数估值和财务指标算法相对局限，我们提出了改进后的计算方式以更准确衡量结果。

产品标签框架：因地制宜，量体裁衣

通过指数标签，我们可以初步将指数基金分类，但当前指数产品数量较多，种类丰富，跟踪同一指数的产品数量不在少数，各产品在类型、费率、流动性、折溢价、跟踪误差等维度存在差异。为了解决同一跟踪指数有多只产品的选择问题，提高标签分类的精细度，需要进一步的在产品维度对基金进行标签分类，以更好地刻画基金各方面特征。我们分别从1）基金类型、2）投资类型、3）是否为增强指数基金、4）是否为互联互通基金、5）基本信息和6）投资考量维度对基金进行标签分类。

指数基金标签体系的应用场景

在投资组合的构建中，对于通过自上而下的方法基于资产配置敞口筛选合适标的的管理人，或者对于某赛道Beta有着明确观点的管理人，指数型基金是一个非常合适的工具。当前，Beta投资在国内发展潜力巨大，股票指数基金在公募股票总规模中的占比持续上升，但从持股市值占比角度来看，较海外市场仍有非常大的空间。

在被动基金产品筛选方面，可以使用本报告提出的指数基金标签体系，分别从1）指数维度和2）产品维度筛选相应的指数基金：

► 在指数维度上，首先可使用指数资产类型的三级标签筛选相应的细分指数类型，对于股票指数而言，还可以从底层资产维度上进一步筛选指数的投资特征。

► 在产品维度上，可以通过基金类型标签和投资类型标签筛选合适的产品类型，并按投资需求筛选反映基金类别的多个二元标签。接着可查看基金的基本信息，并基于投资维度的横向考量筛选出合适的指数基金。

此外，指数基金标签体系还有多种应用场景，将在报告中展示其相关的三个应用场景，分别为1）市场跟踪：根据产品标签查看细分领域资金流向，帮助投资者把握市场动向，评估市场情绪，更好地做出投资决策；2）产品筛选：在确定目标基金的风险暴露、收益特征、行业主题和风格等特征后，可从横向+纵向维度对比同类产品、分析产品的投资价值，以筛选合适的基金；3）组合构建：被动产品由于其稳定不漂移的风格以及低廉的产品费率，逐渐在组合投资中充当愈加重要的角色。我们尝试将四象限风格轮动策略应用在含现行ETF的指数上，组合年化收益为15.02%，年化超额收益为6.39%，信息比率为0.88，整体表现较好，超额收益也较为稳定。

产品数量激增提升指数化产品筛选难度。自第一只指数型基金华安上证180指数增强基金2002年成立以来，指数基金便凭借其费率低、流动性强、不会出现风格漂移等特征受到越来越多投资者的青睐。伴随着指数化投资的浪潮，指数基金产品种类日益丰富，数量与日俱增。截至2022年底，共有1463只指数型基金，规模共计2.39万亿元，数量上相较2010年末增长近20倍，规模上增长近10倍。由于同一类型的产品投资风格及风险收益特征差异较大，随着指数产品市场由宽基指数向行业主题指数逐渐细化的发展，对指数化产品的投资提出了一定的挑战。为了更好地刻画各基金的产品定位、投资风格及特征，比较各基金产品的多维度表现，以及更为合理地进行基金优选，搭建基金各个维度标签分类体系的重要性与日俱增。

现有主观分类方式无法客观刻画指数产品特征。当前市场上指数产品分类较为主观，基于基金招募说明书及基金合同的分类方式颗粒度较大，无法展现基金产品完整的持仓特征。同时，当前产品分类较为宽泛，对于行业主题指数而言，仅从名称和描述上较难区分其差异。叠加部分基金的产品名称可能存在一定误导性，如上证周期指数（000063.SH）的名称中虽然包含“周期”，但其实际成分股以金融地产板块为主，占比高达70%，与部分投资者对于周期板块的理解存在差异。不同机构与产品对风格定义上的差异也可能带来产品名称的差异，如上证中盘指数（000044.SH）的指数由上证180指数成分股中剔除上证50指数成分股后的标的组成，虽然公司规模明显小于上证50，但成分股构成很多仍为沪深300指数成分，在部分投资者的风格认知中会偏向于大盘风格。整体来看，基于量化角度的产品统一维度标签可以更客观的为产品构建画像，具有切实的操作意义。

通过对基金实际配置情况在量化维度的细分，能够更好地挖掘产品真实信息，在资产配置、底层资产分布、持仓风格、估值及业绩表现、产品形式、产品特点和产品表现等方面区分各类基金产品。在比较同赛道相应产品时，投资者可根据自身投资策略、行业赛道偏好、风格偏好及风险收益偏好等，通过各类细分指数标签筛选合适的基金产品，为投资提供参考。

本文中，我们将从指数维度和产品维度出发，搭建指数基金标签分类体系，并展示多方面的应用场景。

指数产品主要以跟踪指数为基础，因此对指数成分股特征的挖掘非常关键，跟踪同一指数的基金产品具有相同的指数标签。底层资产不同的指数风险收益特征及投资方式大不相同，因此需要在资产配置的维度对指数进行标签分类。此外，由于股票指数种类繁多，差异较大，因此在基于资产配置的维度对指数进行标签分类后，我们还将在底层资产维度对股票指数各类标签进一步细化，在行业、持仓、风格、估值和业绩方面对其进行标签细分。

在量化细分各类标签时，我们使用指数的实际成份进行判断。在股票指数的底层资产维度上，我们使用指数披露的成分股及其权重聚合对指数进行标签分类，若指数无成分股数据披露，则使用最新ETF的全部持仓数据聚合对指数进行标签分类。

在资产配置维度，我们根据指数成份的资产类型对指数进行分类。根据各资产类别现有产品的布局及细化程度，我们将资产类型分为三级标签。

一级标签为资产类型分类，包括股票指数、债券指数、商品指数、多资产指数、货币指数及其他指数。指数基金中股票指数基金数量较多，在指数型产品中占比逾八成，细分产品类型分布也较广，对标签细分需求较大，因此我们将对其进行二级和三级标签分类。除了股票指数基金，债券型和商品型产品也同样较为丰富，我们对其进行二级标签分类。

► 股票指数二级标签可细分为宽基指数、行业主题指数、Smart Beta指数和跨境指数。若指数成分股涉及中国大陆以外市场，则被划分为跨境指数；若指数聚焦于特定行业或特定主题，则被划分为行业指数；若指数使用Smart Beta策略，则被划分为Smart Beta指数；若指数仅涉及中国大陆市场且不能被划分为特定行业或特定策略，则为宽基指数。股票型指数基金中，宽基类产品规模较大，行业主题类产品数量较多，为更好地剖析产品特征，我们还对这些指数做了进一步的细分。

对于宽基指数，我们可分别从大小盘风格和成长价值风格方面对其进行三级标签分类，我们将在底层资产维度详细介绍风格标签分类工具箱。该风格工具箱亦可用于其他各类股票指数。

对于行业主题指数，我们可从板块和产业链方面对其进行三级细分指数标签，在板块方面，我们基于指数的行业持仓分布，将其分为金融地产、科技、消费、医疗、制造和周期六种标签，若指数单个板块占比大于50%，则被标记为该板块标签，板块相关行业参见图表10；在产业链方面，我们将其分为上游、中游和下游三种标签类型，产业链相关行业参见图表11。

对于Smart Beta指数，我们从构建Smart Beta指数所基于的策略或因子对其进行三级标签分类，并基于主要使用的因子，将Smart Beta指数分为十种标签类型，分别为红利、基本面、成长、价值、质量、低波、等权、贝塔、多因子和其他。

对于跨境指数，我们按照成分股标的的上市地点对其进行三级标签分类，将其分为八种标签类型，分别为中国香港、沪港深、大中华、境外、美国、欧洲、全球和其他，具体界定方式参见下表。

► 不同债券在发行主体、偿还期限、付息方式等方面有所不同，此处我们以指数成分券类型划分债券指数二级标签，可将债券指数细分为利率债指数、信用债指数、可转债指数、综合指数及其他指数。

► 不同商品之间供需情况、运输存储方式和未来价格波动预期差别较大，且各类间走势相对贴近，因此商品指数二级标签以商品类型进行划分，可将其细分为农产品指数、能源指数、贵金属指数和基础原材料指数。具体界定方式如下图所示。

相对于指数名称而言，指数的底层资产信息能更全方位的反映指数的各类特征，便于投资者比较同类指数，或在赛道投资中筛选合适标的。在股票底层资产维度，我们主要围绕指数的行业分布、成分股集中度、各市场占比、风格分类、估值维度、财务指标、风险收益情况七个方面对股票型指数进行标签分类。

底层资产标签一：行业分布

我们基于中信一级行业分类标记指数底层资产在各行业的占比，进而判断指数的行业分布。如上文所述，我们将聚焦于投资特定行业或特定主题的指数划分为行业主题指数，并依据指数的行业板块分布特征将指数归入不同板块之中。具体而言，若指数在金融地产、科技、消费、医疗、制造或周期板块的单个板块中的占比过半，则被标记为该板块标签。此外，根据成分股行业所属的产业链位置，我们还可标记指数在产业链上游、中游和下游的占比。

通过行业、板块及产业链标签，可分析各指数的行业占比，并对比指数间行业超配与行业低配关系。以沪深300指数为例，我们可以看到，宽基指数的各行业、各板块占比较为平均。

底层资产标签二：成分股集中度

成分股集中度衡量指数成分股的分布特征，持股分散能减少个股异质波动带来的影响，但更为集中的持股可以在风险的暴露上更为集中，在头部持仓个股行情到来时获得更好的收益。对于聚焦于特定赛道的投资者而言，还可通过行业集中度和板块集中度判断指数在特定行业和板块上的暴露度和集中程度，减少被指数名称误导的情况。在筛选和配置指数基金时，可根据投资偏好和投资理念选取相应的指数基金。

个股层面集中度标签包括前5大持仓比标签、前10大持仓比标签和赫芬达尔指数标签，行业板块层面标签包括行业集中度标签和板块集中度标签。前N大持仓比即权重最大N只股票的占比；赫芬达尔指数（HHI）为各资产占总体比例百分比的平方和，基于个股、行业和板块的占比可分别衡量指数的持股集中度、行业集中度及板块集中度，具体公式如下所示。赫芬达尔指数越接近1表明指数集中度越高，越接近0则表示指数分布越分散。

以资产类型分类标签中非跨境股票指数为例，截至2023年3月末，大部分指数的HHI在0.02到0.07之间。也有部分指数持股集中度整体较高，HHI指数大于0.1，如中证白酒指数、300非银指数和保险主题指数等，这些指数的前五大成分股占比均超过60%。在行业集中度上，超过100只的HHI高于0.7，这些指数多为行业主题指数，有71只指数HHI低于0.1，以宽基指数和Smart Beta指数为主，如上证指数、中证800指数、300等权指数等，也有少量行业主题指数，如500ESG指数、国企改革指数、国企一带一路指数等。各指数在板块集中度上呈现两极分化，比较容易理解的是，行业主题指数板块集中度整体较高，宽基指数和Smart Beta指数板块集中度整体较低。

底层资产标签三：市场占比

近年来，双创板块和港股市场逐渐成为指数化投资的重要方向。科创板关注尚未进入成熟阶段但具有增长潜力、且符合相关规范、技术和创新特征的中小企业；创业板关注进入早期成长阶段的成长型高新技术企业，板块内企业成长性较好；港股市场具备估值优势，同时汇聚了一批国内的新兴技术企业。三个市场投资风格各有优势，可适应不同的投资需求。同时，同一市场间标的往往也会在一定程度上共振。我们将指数在各市场的占比纳入标签体系中，标记各个指数在创业板、科创板和港股的成分股比例，便于投资者了解市场的暴露情况。

截至2023年3月末，超8成指数含有在创业板上市的成分股，超7成指数含有在科创板上市的成分股，近1成指数成分股中包含港股。具体，成分股涉及创业板的指数中，多数指数创业板占比在10%到50%，成分股涉及科创板的指数中，多数指数科创板占比低于5%，成分股涉及港股的指数中，多数指数港股占比高于50%，涉及港股市场的指数多数聚焦于港股市场。

底层资产标签四：风格界定

对于股票指数而言，可标记其风格类型以适应不同的投资需求。我们参考晨星风格工具箱对指数进行风格分类，主要依据指数的成分股情况，从规模和价值成长两个维度判断指数的风格。在规模方面，将其分为大盘、中盘和小盘三种类型；在价值成长方面，将其分为价值型、平衡型和成长型三种类型。

首先需判断股票的规模和价值成长风格分类，再根据指数成分股加权以判断指数的风格。此处我们关注指数的A股部分，并将各指数成分股权重按照其占指数A股总权重的比例复原股票权重，具体步骤如下。

► 第一步，浮动阈值判断股票规模。对全市场A股总市值进行降序加总，排名前55%的股票为大盘股，55%到75%之间的股票为中盘股，75%以后的股票为小盘股。为便于统一比较，我们使用公式对个股大小盘风格打分，打分后中小盘门限值为100，中大盘门限值为200。

► 第二步，判断股票的价值成长风格。在价值方面，我们使用预期的每股收益价格比、净资产价格比、收入价格比、现金流价格比和红利价格比五个财务因子综合判断其价值得分，若股票无一致预期数据，则使用其最新财务数据及其历史增长率计算其预期值。因子数值越大表明股票的风格越偏向价值。在成长方面，我们使用历史的每股收益增长率、收入增长率、收入增长率和净资产增长率四个财务因子综合判断其价值得分。因子数值越大表明股票景气度较高。之后，我们对其财务指标缩尾和百分化处理，并按照各指标权重将其加权。最后，将成长得分与价值得分相减，并对其进行标准化处理得到股票的价值成长分数。由于不同规模的股票在财务方面表现有所差异，在判断股票价值成长风格时，仅在同一规模分类内比较股票的价值成长风格。得到股票价值成长风格分数后，价值和平衡风格门限值为100，平衡和成长风格门限值为200。

► 第三步，判断基金的风格，将其成分股规模和价值成长得分按其披露的权重聚合以得到基金的规模和价值成长得分，按照门限值判断基金的规模和价值成长风格分类。得到基金规模风格分数后，中小盘风格门限值为100，中大盘风格门限值为200。对于基金价值成长风格，我们使用所有股票基金的价值成长风格均值来设定浮动门限值。如下公式所示，其中为平衡风格基金的范围参数，此处采用常用取值0.5。

截至2022年底，被动指数型基金共有1033只，整体来看，以大盘平衡风格为主。按照其规模分类，大盘、中盘和小盘基金分别有776只、222只和35只，数量占比分别为75.1%、21.5%和3.4%；按照其成长价值分类，成长、平衡和价值型基金分别有201只、510只和322只，数量占比分别为31.2%、49.3%和19.5%。

从历史数据来看，在大小盘风格维度，被动指数型产品整体以大盘风格为主，历史占比在60%到70%之间，中盘风格产品占比从2013年的20%上升到2019年的40%，达到高位。自2019年以来大盘风格产品占比呈上升趋势，截至2022年底，大盘风格产品数量占比达到75.1%。

从价值成长风格维度来看，被动指数型产品整体以平衡和成长风格为主。前期被动指数型基金中以平衡风格为主，2016年到2017年间价值风格属性产品占比提升，2019年至2020年间成长及平衡风格占优，产品数量占比共计超9成。截至2022年底，被动指数型产品平衡和成长风格产品占比超8成。

底层资产标签五：估值情况

穿透底层衡量指数估值。在投资的过程中往往会衡量标的的估值情况，虽然高估值往往反映出人们对标的未来盈利的信心，但由于市场往往并不理性，如果市场过热可能也伴随着更高的波动与投资风险。这一点对股票如此，对指数亦然。在估计指数当前投资价值时，我们穿透指数的成分股，将其市盈率与市净率估值按成分股真实权重聚合到指数维度，以真实地反映指数的估值状况。市盈率即股价收益比率，衡量企业的盈利能力和未来发展前景，估值越高表明市场对其未来价值增长较有信心。由于市盈率估值较为动态，为了指标的连续性，我们使用滚动市盈率，即PE(TTM)。市净率即股价净资产比率，从资本盈利能力方面体现公司价值，能较好地评估企业当下运营风险。市净率估值相对静态，因此我们使用最新公布市净率，即PB(LF)。

当前主流指数估值算法相对局限。当前主流估值算法有二：1）简单加总后计算比率，如在计算指数市盈率时将指数成分股的总市值除以成分股的总净利润，在计算市净率时将指数成分股的总市值除以成分股的总净资产。由于各指数的编制方法各有不同，该计算方法仅在指数使用市值加权法编制时能相对正确反映成分股对指数点位变化的影响程度，而若指数采取其他编制方法，成分股的真实权重不同于成分股的市值占比；2）成分股权重与个股估值比率之积的加总，该方法虽然解决了上种计算方式的权重问题，但往往会受到个股极端值的影响。

为解决当前主流算法存在的问题，我们基于成分股权重和个股市值的比例计算权重因子，用以调整成分股的总市值和财务指标大小，并在加总后将二者相除以反映指数的估值水平。例如，调整后的指数市盈率为成分股市值乘以权重因子的加总与成分股归母净利润乘以权重因子的加总之比。

截至2023年3月末，各指数调整后加权PE(TTM)大多分布在11到40之间，调整后加权PB(LF)大多分布在1到4之间，其中，科技、医疗、制造和消费板块指数估值较高，周期和金融地产板块估值较低。从过去三年历史分位来看，当前指数估值整体处于偏低水平，大部分指数调整后加权PE(TTM)处在历史30%分位以内，大部分指数调整后加权PB(LF)处在历史10%到40%分位之间。

除了市盈率PE与市净率PB，还可以对比各指数的PEG估值情况，用于弥补市盈率对指数各成份公司动态成长性估计的不足，衡量企业的估值与发展潜力，其中PE为调整后指数市盈率，G为未来两年预期盈利复合增长率，衡量企业的合理市盈率。若当前市盈率低于合理市盈率，即表明其股价被低估。PE估值相同的情况下，PEG估值越小则其成长性越好；G相同的情况下，PEG估值越小则其投资回报速度越快；PEG估值相同时，G越大则其成长性越好。

对比不同板块指数PEG估值情况，可以看到科技板块指数预期盈利增长相对较快，但PE估值也相对较高，制造板块预期盈利增长较快且PE估值相对居中，PEG估值与科技板块相比较低。PEG估值适用于成熟行业，因其增长速度区间较为稳定，而周期板块和高财务杠杆的金融地产板块不适用于PEG估值。

底层资产标签六：财务表现

在衡量指数成长性及景气度时，可以通过各财务指标考察指数各成份股的业绩状况。常见的业绩指标包括营业收入、净利润、ROE以及资产负债率等，其中营业收入和净利润衡量指数成份公司的营收能力和利润情况，净资产收益率ROE衡量指数成份公司自有资本获利能力，ROE越高表明其资产利用率越高，资产负债率衡量指数成份公司债务风险状况，资产负债率越低表明其债务风险较小。

主流的指数财务指标算法相对局限。当前主流的指数财务指标计算方式为简单加总各成分股指标，如在计算指数营业收入时，将指数所有成份股的营业收入加总得到指数的营业收入。这种计算方式有一定的弊端，如某一权重较小成分股的营业收入较为极端（如为较大的正值或较大的负值），仍会对指数财务指标结果产生较大的影响，从而使结果偏离真实值。

指数维度下的财务指标调整。为了解决此问题，我们在计算指数营业收入时，应当使用指数的最新成分股权重计算指数财务指标的加权历史和加权预期值。对于指数营业收入和净利润而言，与估值指标类似，使用成分股权重计算该指标可能会出现市值较大但权重较小的成分股对指数的影响大于市值较小但权重较大的成分股的影响，导致指数财务指标失真。为了剔除成分股市值对指数指标及其增速的影响，我们将成分股权重除以成分股当前市值得到成分股权重因子，接着其计算指数加权营业收入及加权净利润，此时该指标的增速更能反映指数的真实情况。

指数加权ROE、加权预期ROE和指数加权资产负债率为比值指标，不受其成分股市值影响，因此我们使用最新披露的成分股权重计算其指标，具体计算方式如下。

从2022年末预期数据来看，制造板块指数加权营业收入增速及加权净利润增速较高，周期板块的加权营业收入增速也较高。消费板块指数加权ROE较高，资本获利能力较好。医疗和消费板块指数2021年加权资产负债率较低。通过比较其业绩指标，可以更好地筛选营收能力强、利润率高、资产利用率好、债务风险低的指数。

除了单独查看各指标，还可以结合各指标更为综合地分析指数状况，如指数PB与ROE，以及指数G与ROE，其中PB为调整后指数市净率，ROE衡量企业盈利能力，G为未来两年预期盈利复合增长率，衡量企业增长状况。

通过G与ROE之比可以考察各指数成份公司盈利能力及盈利增速状况，亦可理解为“速度”与“加速度”情况，盈利增速越大，则其盈利能力提升较快。当指数ROE相同时，G越大越好。可以看到，制造板块指数ROE在5%到25%之间，而其G在40到60之间，盈利增速较快，相对而言成长速度较快，板块景气度较高。

通过PB与ROE之比可以选取盈利能力较强的指数中被低估的指数，亦或选取同等估值水平下资产利用率较高的指数。可以看到，科技板块指数ROE在5%到20%左右，但其PB估值相对较高，同等PB估值水平的医疗板块ROE在15%到30%左右。

底层资产标签七：风险收益情况

在组合构建的过程中，风险收益特征往往决定了资产在组合中的角色。对于指数基金而言，由于基金表现直接与跟踪指数挂钩，跟踪指数的风险收益属性会直接反应在产品上。由于指数的风险收益属性响度客观，不会像基金一样受到偶然外在因素的影响（如大额申赎），用指数的风险收益情况来刻画相关基金更为稳定。在筛选相关指数时，可以结合指数的其他标签，对比不同分类下各指数的风险收益表现情况，为资产配置和赛道选择提供投资参考。例如，在“核心+卫星”基金的组合构建方式中，用于充当“核心”的基金往往选择收益较为稳健，风险相对有限的指数产品以控制组合的整体风险，而“卫星”可以选择使用弹性较强，虽然波动较大，但能够帮助提升组合收益的产品。

当然，在投资的过程中，还可以对指数的风险收益做进一步考量，如同一指数对不同市场环境下的风险暴露，又如不同指数间风险收益的相关性。

通过指数标签，我们可以初步将指数基金分类，但当前指数产品数量较多，种类丰富，跟踪同一指数的产品数量不在少数，各产品在类型、费率、流动性、折溢价、跟踪误差等维度存在差异。为了解决同一跟踪指数有多只产品的选择问题，提高标签分类的精细度，需要进一步的在产品维度对基金进行标签分类，以更好地刻画基金各方面特征。

我们分别从基金类型、投资类型、是否为增强指数基金、是否为互联互通基金、基本信息和投资考量维度对基金进行标签分类。

基金类型

基金类型决定了基金的交易方式。按基金类型可将指数基金分为ETF、场外指数基金（OTC）和LOF。其中ETF即交易型开放式基金，是在交易所上市交易的、基金份额可变的开放式基金。投资者既可以在二级市场买卖ETF份额，也可以像购买开放式基金一样，向基金公司申赎ETF份额。LOF常常无投资方向的约束，可以跟踪指数，也可以由基金经理主动管理。对于跟踪被动指数的LOF而言，其与ETF的区别在于ETF“实物申赎”的机制，跟踪效率和投资门槛往往更高，且参考净值披露频率更高。场外指数基金只可通过基金公司、银行、券商或第三方销售平台申购赎回交易，投资门槛较低，但交易效率也较低。

特别注意的是，ETF联接基金为购买ETF的基金，一般以LOF或场外指数基金的形式存在，我们将其作为单独的二元标签“是否为联接基金”。

统计基金类型分布，指数型基金最早以场外指数基金为主。2012年后，ETF受益于其跟踪指数紧密、运作成本低、交易便利、成分透明和费率较低的优势迅速发展，逐步成为最受欢迎的指数型基金类型。2010年底时，场外指数基金（OTC）占据主要地位，此后ETF产品发展迅速，截至2022年底，ETF产品规模占指数型基金过半比例。

投资类型

基金投资类型可以细化为基金三级标签分类，以更精确地区分各类产品的底层资产、主动交易程度和交易特征。一级标签包括股票型基金、债券型基金、另类投资基金、国际(QDII)基金和混合型基金，其界定方式为区分基金持仓的资产类型。由于当前无混合型指数基金产品，我们暂时不将其纳入标签体系内。在一级标签的基础上，我们继续对基金进行分类，其中股票型和债券型基金可以分为被动指数基金和增强指数基金，其界定方式为是否通过有限的主动交易以增强产品收益。国际(QDII)基金可以分为国际(QDII)股票型基金和国际(QDII)另类投资基金。另类投资基金二级标签当前仅有商品型基金，其资产主要投向大宗商品。对于国际(QDII)基金而言，我们还可对其细分三级标签，分别为国际(QDII)被动指数型股票基金、国际(QDII)增强指数型股票基金和国际(QDII)REITs。

是否为指数增强产品

随着中国指数投资进入快速发展时期，指数增强产品近年来相对标的指数的超额收益显著，长期配置价值凸显。与被动指数型基金主要被动跟踪指数表现、追求减少跟踪误差不同，作为主动与被动投资有机结合的指数增强产品在追求赛道Beta收益的同时，通过有限的主动交易来寻求Alpha收益。当前，股票指数基金在公募股票总规模中的持股市值仍保持快速增长，发展空间广阔，可见Beta投资在国内发展潜力巨大。同时，A股市场并非完全有效，Alpha相比于海外成熟市场没有那么稀缺，指数增强产品发展前景广阔。截至2022年末，共有208只指数增强产品，规模共计1713亿元。我们将“是否为指数增强产品”列为二元标签，便于投资者按照投资需求筛选基金产品。

是否为互联互通基金

2022年6月24日，中国证监会正式发布《关于交易型开放式基金纳入互联互通相关安排的公告》，ETF正式纳入互联互通。此后在2022年7月4日，首批纳入互联互通的ETF正式开始交易。ETF的互联互通为境外投资者提供了投资这些产品的渠道，同时我们也认为，ETF的互联互通有望为ETF市场引入更多的专业资金，改善投资结构，并提供更多的流动性。

互联互通ETF产品覆盖度较高。截至2022年末，共有97只陆股通ETF。其中行业主题产品数量最多，为57只，其次为宽基产品。在产品规模上，这些产品计合计7580亿元，以宽基和行业主题产品为主，分别占比53.6%和43.6%。相较ETF全市场而言，各类别互联互通ETF均占市场过半规模，产品覆盖度较高。我们将“是否为互联互通基金”列为二元标签，便于完善基金标签体系。

基本信息

在基金的基本信息方面，不同的基金公司在产品布局上存在差异，同时在产品的运营上也存在区别。这一点不仅体现在对指数的跟踪和产品管理能力上，同时也体现在对基民的投顾服务上，于是在产品标签中加入了基金公司。

除了基金公司外，我们同时也对产品的基金经理、基金成立日和上市日期进行了标记，以帮助更好的定位相应产品。

投资考量

在对被动指数型基金进行投资时，投资者往往会考量产品的规模、流动性、跟踪误差、信息比率、折溢价率和费率六个方面。基金规模反映了市场对其认可程度，规模越大，其交易性和流动性越好，大额申赎对其净值的影响也会相对较小，基金流动性我们主要用区间日均成交额反映，该指标往往与基金规模呈正相关关系。被动指数基金目的为被动跟踪指数的表现，因此跟踪误差是衡量基金表现的重要维度，跟踪误差越小，基金表现越接近指数表现。对于指数增强产品而言，除了被动跟踪指数表现以获取Beta收益，还通过有限的主动交易来寻求Alpha收益，我们可通过信息比率衡量其超额风险带来的超额收益情况。折溢价率表示基金场内场外的价格差异，若ETF交易价格大于净值，则ETF出现溢价，反之则折价。ETF的折溢价一定程度上反映了场内外获取ETF的成本差异，决定了投资者的投资方式，同时也为套利带来空间。此外，不同基金在认购费率、管理费和托管费上有所差异，持有成本也是投资者关心的指标之一，也被纳入基金标签维度。

管理人组合的构建流程往往由以下五部分组成：1）设定投资目标；2）选取实施途径；3）基金筛选；4）分散化方法选择；5）组合绩效评估。在投资组合的构建中，对于通过自上而下的方法基于资产配置敞口筛选合适标的的管理人，或者对于某赛道Beta有着明确观点的管理人，指数型基金是一个非常合适的工具。当前，Beta投资在国内发展潜力巨大，自2018年以来，中国指数投资经历了快速发展的五年，股票指数基金在公募股票总规模中的占比持续上升，但从持股市值占比角度来看，较海外市场仍有非常大的空间。

在被动基金产品筛选方面，可以使用本报告提出的指数基金标签体系，分别从指数维度和产品维度筛选相应的指数基金。在指数维度上，1）首先可使用指数资产类型的三级标签筛选相应的细分指数类型；2）对于股票指数而言，我们还可以从底层资产维度上进一步筛选指数的投资特征，包括指数的行业分布、集中程度、各市场占比、风格分类、投资价值（通过估值指标标签）、业绩及成长状况（通过财务指标标签）以及风险收益情况。在产品维度上，1）可以通过基金类型标签和投资类型标签筛选合适的产品类型；2）按投资需求筛选反映基金类别的多个二元标签，包括“是否为联接基金”、“是否为指数增强产品”和“是否为互联互通基金”；3）接着可查看基金的基本信息，并基于投资维度的横向考量筛选出合适的指数基金。

此外，指数基金标签体系还有多种应用场景，下文将展示其相关的应用场景，分别为使用指数标签分类跟踪各类指数资金流向及判断产品发展趋势以辅助投资、应用估值维度标签对基金产品进行投资价值判断，以及在赛道投资下筛选表现优秀的基金产品。

在市场跟踪的应用中，通过指数基金的各类标签，我们可以查看各类型产品及其细分标签的资金流向，以判断当前市场风格和流动性水平，帮助投资者把握市场动向，更好地做出投资决策。ETF作为其中的代表，由于其数据频率相对较高及披露稳定易获取的特性，在结合行业、板块、产业链、风格等标签后，往往可作为信号被用于市场热点的判断。

同样的，基于标签衍生的产品类别的市场变化统计数据，可以帮助了解市场风格的发展与研究，从而更好地判断基金的发展趋势，并辅助产品布局。

横向+纵向对比确定产品投资价值。组合构建中，在基于投资目的确定了目标基金的大致画像后，往往便到了基金的筛选流程。该阶段下，投资者往往对于目标基金的风险暴露、收益特征、行业主题和风格等有着一定的限制。但是同一品类下的基金往往数量较多，筛选出组合中合适的标的需要进一步从横向和纵向维度对比同类产品、分析产品的投资价值。

其中，对于特定行业主题的投资者而言，如何在相应赛道中挑选合适的指数基金产品为投资重点。我们以ESG主题为例，选取该主题下的中证环保（000827.SH）、内地低碳（000977.CSI）和SEEE碳中和指数（931755.CSI）三只指数以展示指数估值情况及财务表现标签在指数基金横向对比中的应用。

在估值方面，中证环保指数和内地低碳指数调整后加权PE(TTM)估值低于历史中枢，但相较于相似主题指数及中证全指仍然较高，SEEE碳中和指数调整后加权PE(TTM)估值较低，与中证全指相近。内地低碳和中证环保指数调整后加权PB(LF)估值高于SEEE碳中和，远高于中证全指。

业绩方面，内地低碳指数加权营业收入及加权归母净利润增速较快，成长性较好，中证环保指数加权营业收入增速紧随其后。中证环保和内地低碳指数预期加权ROE相对较高且稳定增长，景气度较好。同时，三只ESG指数加权资负债率均较低，财务状况良好。

对比各指数行业占比标签可以发现，SEEE碳中和指数在有色金属和建材行业相较中证环保和内地低碳亦有明显行业超配，在电力设备及新能源、有色金属、电力及公共事业、基础化工及建材行业相较于沪深300有明显超配。而内地低碳和中证环保在电力设备及新能源和电力及公用事业行业有明显超配，对于偏好电力设备及新能源的投资者而言，内地低碳和中证环保指数可作为参考。

在行业集中度上，内地低碳和中证环保在板块及行业集中度上较高，与其他指数有明显区分度，SEEE碳中和指数介于沪深300和同类指数之间，资产分布相对分散。投资者可根据风险收益偏好及行业偏好配置相应的指数产品。

随着被动指数产品市场的飞速发展，市场布局逐渐得到完善，有着不同风格、行业或因子暴露的产品层出不穷。差异化的产品为组合的构建提供了便捷与可能，在市场对被动指数产品的认识逐步加深下，越来越多的投资者选择去基于该类产品构建组合。行业轮动与风格轮动作为广泛应用的典型量化策略，在配置的过程中以资产的行业和风格暴露为基础。被动产品由于其稳定不漂移的风格以及低廉的产品费率，能够实现和这两类策略的有机结合。以下将从风格轮动的角度尝试构建ETF组合配置策略：

我们在报告《如何捕捉四象限的风格轮动？》中，从市场状态、市场情绪、宏观环境三个维度寻找有经济学意义的候选指标，采用格兰杰检验和相关性检验对指标有效性进行测试，旨在筛选出既对四象限风格收益有预测效果，且符合经济学逻辑的轮动指标，最终选出共15个指标。其中：

►     成长/价值维度的有效指标包括：新增投资者数量、中国波指、PPI月同比和M2M1增速差等。

►     大盘/小盘维度的有效指标包括：大小盘相对换手率、全A换手率分位数、创新高个股占比、期权认沽认购比等。

►     重合指标（即对大盘/小盘和成长/价值维度均有效）包括：偏股基金募资额、期限利差等。

使用通过显著性检验后的入选指标，我们构建了大盘/小盘和成长/价值两个维度的复合指标。除了将指标标准化和调整极性以外，我们通过叠加滚动胜率信息纳入了指标近期趋势的信息。我们认为当指标在过去一段时间内，各时点的变化趋势均符合极性预期时，当前时点的信息的重要性更高，反之亦然。回测结果表明，叠加滚动胜率信息有助于增强模型的轮动效果，且表现最为稳定的是滚动4期胜率信息。

我们进一步将所得二维复合得分指标，通过坐标法搭建四象限风格的仓位调整轮动策略：重仓推荐风格，低配相邻风格，不配相反风格。

我们尝试将风格轮动策略应用在含现行ETF的指数上。指数的筛选考虑了风格相符性以及是否有相关ETF产品。

对于大盘价值、大盘成长、小盘价值和小盘成长风格，我们分别使用跟踪沪深300价值（000919.CSI）、沪深300成长（000918.CSI）、智选1000价值稳健（931588.CSI）和智选1000成长创新（931591.CSI）指数的产品构建组合。这些指数当前都已有跟踪产品，但由于产品成立时间相对较短，短期的历史业绩导致能够回测时间较短。因此我们直接使用指数代表资产收益情况，测试了四象限轮动策略。

我们将4个风格指数的等权平均作为基准收益，策略应用于这些指数上可在样本期内持续跑赢基准，分年收益除2012、2013和2015年小幅跑输以外，均能战胜基准。四象限轮动策略在指数应用上的年化收益为15.02%，年化超额收益为6.39%，信息比率为0.88，整体表现较好，超额收益也较为稳定。

本文摘自：2023年4月24日已经发布的《基金研究系列（21）：指数基金标签体系及应用》

朱垠光 联系人 SAC 执业证书编号：S0080121070455

胡骥聪 分析师 SAC 执业证书编号：S0080521010007 SFC CE Ref：BRF083

刘均伟 分析师 SAC 执业证书编号：S0080520120002 SFC CE Ref：BQR365

周萧潇 分析师 SAC 执业证书编号：S0080521010006 SFC CE Ref：BRA090

陈宜筠 联系人 SAC 执业证书编号：S0080122080368