Ø   十年发展稳居公募行业top20

平安基金成立于2011年1月，是中国平安旗下投资业务板块的关键一环。作为国内第63家公募基金公司，平安基金历时十余年即建立起覆盖固收、权益、货币、ETF等完善的产品线，业务规模持续高速扩张。截至22年底，平安基金的产品数量为181只；管理规模合计5077.5亿元，近10年年均复合增速为76%，现已稳居公募行业第20位。指数产品方面，平安基金秉持股债并重的发展思路，指数产品规模至23Q1已达272.8亿元。其中指数债基规模为163.23亿元，股票被动基金规模为106.42亿元。

1.2. 平安ETF业务：创新驱动发展，股债并举争优

Ø   股债并举争优，持续创新突破

平安ETF部门通过智能指数投资提质增效，股、债ETF业务齐头并进。依托上级组织“金融+科技”的强大实力，平安基金ETF业务部门利用海神系统不断提升产品的精细化运营水平，扩大管理规模、提升投资坪效。截至23Q1，平安基金的ETF产品规模共计170亿元。其中股票ETF产品规模为101.2亿元，债券ETF的产品规模为68.7亿元。

产品研发不断创新，营造优质的指数投资生态圈。在指数编制和产品设计上，平安基金超前研判市场需求，在股债ETF业务上均持续创新突破。债券ETF方面，平安基金于2018年底先后推出国内首只国债活跃券指数产品——活跃国债ETF（511020.SH）和首只信用债产品—公司债ETF（511030.SH）；在股票ETF上，2018年6月国内首只低波策略ETF—平安MSCI低波ETF（512390.SH）成立；同年7月， 国内首只人工智能ETF—AI人工智能ETF（512930.SH）成立；同年9月，国内首只深港通跨境ETF—恒生中国企业ETF（159960.SH）成立。这些产品现均已成为同类中的佼佼者。

Ø   ETF产品覆盖全面，跟踪指数误差小

平安基金的ETF产品覆盖权益和债券指数多个领域，跟踪误差大都低于行业平均水平。自2017年开始布局ETF产品以来，平安基金沿着重点领域和热门赛道持续拓展产品矩阵，现已形成覆盖宽基、策略、行业主题和跨境指数的权益产品矩阵和横跨长久期/短久期利率债、信用债指数的债券产品系列。截至23Q1，平安新能汽车ETF（515700.SH）规模为59.67亿元，在新能源车赛道位居首位；平安中债-中高等级公司债利差因子ETF（511030.SH）、平安5-10年期国债活跃券ETF（511020.SH）的规模分别为52.79亿元和9.59亿元，也都在同类产品中居首。

超过85%的平安股票ETF跟踪误差位于同类产品前列。得益于覆盖ETF投资管理全流程的海神系统，平安基金的ETF产品跟踪误差均处于较低水平。截至23Q1，在14只有数据的平安股票ETF产品中，12只产品的跟踪误差在同类产品中均处于前50%的水平。其中平安新能车ETF的跟踪误差为0.47%，在同类产品中处于前1/4的水平；平安沪深300ETF（510390.SH）和平安中证500ETF（510590.SH）的跟踪误差均为0.05%，在同类产品中分别处于前12%、11%的水平。

1、搭建网络销售平台

在近年来A股热点题材快速轮动的背景下，聚焦特定主题的指数投资成为了投资者把握机会的重要抓手。在指数基金中，ETF凭借费用低廉、规则透明、高效交易的优势成为了投资者首选的投资工具。近几年来，ETF的种类不断丰富，标的范围覆盖股票、商品和债券等大类，因而随着宏观环境、中观行业的变化动态配置ETF的策略就彰显出旺盛的生命力。

根据投资者的风险偏好、投资期限和能力禀赋的差异，可将ETF的投资策略分为套利型、交易型和配置型策略。配置型策略的投资期限长、风险适中，往往对投资能力的要求较低。常见的配置型策略有股票ETF定投、大类资产配置和目标风险配置策略等。套利型策略的投资期限短、风险小，但机会难得，对投资者的能力要求高，常见的有ETF期现套利、事件套利和组合套利策略等。交易型策略的风险较大，对投资者的能力要求较高，网格交易、行业轮动策略皆属此类。

ETF的择时配置、交易型策略更能抓住A股市场的脉搏。在近两年A股持续震荡的背景下，宽基ETF的股债风险平价配置固然能稳坐钓鱼台，而融入择时观点却能更好的转危为机、拔高收益；对于主题型ETF，A股市场上热点题材不断轮动使得中短期的交易性机会更加常见，基于行业主题的ETF轮动策略就成为战术性资产配置的最优选择。如果投资标的仅限于单只ETF，网格策略也可获得不错回报。

网格交易是根据资产价格的波动高抛低吸赚差价的策略，非常适合频繁震荡的A股市场，但传统网格策略易错过趋势行情。传统的网格策略将标的的某一价格区域划分为若干个等距的“网格”，在价格每跌破一个“网格”时买入一份标的，涨超一个“网格”时则卖出一份标的。该策略在震荡行情中可反复收割获利，但当出现单边行情时，传统网格策略常会因过早平仓而踏空、过早满仓而套牢。

Ø   兼顾波段、趋势行情的动态网格策略

根据标的价格的变化构建动态网格交易策略。鉴于固定的间距、边界造成了传统网格策略的笨重和低效，本文接下来即由此入手构建动态网格策略。首先，我们根据标的价格的变化和历史波动率来动态调整网格，以避免出现“脱网”现象。其次，本文将策略的调仓信号改为“突破网格”+拐点确认，即在价格突破一个网格并反转达到一定阈值后才开始调整标的持仓，这样策略就能在趋势行情中跟上节奏。

具体而言，我们以标的近3年价格的10%（90%）分位数作为网格下界（上界），网格间距则设定为价格年波动率的1/16，确认反转拐点的价格系数为间距的1/2。以P0为网格初始价格，P-n~ Pn为网格上各格价格，PH和PL分别为当前的最高价、最低价，α为反弹/回落的价格系数，M为一格的交易金额，Nn为在第n格上的交易数量。动态网格策略先在初始点半仓买入标的资产，随后当标的价格满足以下条件下，即触发卖出交易：

即当标的价格在上穿1个或多个网格后，一旦回落超过α个百分点即开始卖出，卖出数量Nn为：

而当标的价格满足下述条件时，则触发买入交易：

即当标的价格在下穿1个或多个网格后，一旦反弹超过α个百分点即触发买入操作，买入数量N-n为：

在每次买卖操作后，就将基准价格P0赋值为买入/卖出价格P*n。然后按此基准价和既定间距重新设置网格并开启新一轮的交易。

本文回测检验了2020年至2023年3月底期间平安股票ETF的动态网格策略业绩，策略的初始投资总额为1000万元，交易手续率为万分之四。从净值曲线来看，养殖ETF（516760.SH）的动态网格策略捕获到过去3年里标的指数的趋势和波段行情，并很快跑赢买入持有策略。而在近期热门的人工智能板块，AI ETF也能够抓住持续上涨的行情，且在前期的震荡行情中持续获利。

整体来看，除了上行趋势很陡的赛道外，平安股票ETF的动态网格策略业绩均较买入持有有所增厚。其中养殖ETF的策略年收益为8.13%，超出基准11.74个百分点；最大回撤为37.03%，也比基准减少1/6强。AI ETF的策略年收益为9.53%，相较基准也有7.1%的年化超额。在宽基产品上，平安500、平安300的策略年化超额分别为3.86%和3.64%，最大回撤也都较基准减少50%左右，业绩整体大幅改善。

2.3. 基于AVIX择时的平安股债ETF动态组合

Ø   AVIX指数捕获沪深300指数的价格低点

SVIX指数界定标的预期收益率的下限，在标的价格低点时信号信用强。Martin（2017）指出资产收益的风险中性方差（贴现值）是该资产预期收益率的下界，这意味着风险中性方差可以告诉我们资产未来至少能赚多少钱，且它可以由衍生自期权市场的SVIX指数计算得出。一般而言，当股指价格大幅下跌时SVIX指数就会同步飙升，后者的涨幅越大则意味着股指的预期收益越高。

AVIX指数高效捕获到沪深300指数的价格低点。与SVIX指数类似，本文采用针对A股市场推出的AVIX指数来度量沪深300指数的价格水平，并发现AVIX指数能够高效的揭示沪深300指数价格的低点。如在2020/2/3、2020/7/6、2022/4/25和2022/10/24等时点，AVIX指数的单日涨幅均处于15%以上的较高水平，同期沪深300指数的价格也都处于周期的低点。

Ø   基于AVIX择时的平安股债ETF动态组合

基于AVIX指数逢低布局，构建宽基ETF择时+股债ETF的风险平价组合。鉴于近两年A股市场震荡频仍，而AVIX对标的价格的涨跌颇为敏感，本文即着手构建基于AVIX择时的股、债ETF动态组合。平安基金在股票、债券ETF产品上布局全面，其中平安沪深300ETF与活跃国债ETF因以下特点而适合构建该组合策略：

1、两只产品净值的近3年相关性为-0.29，构建组合可有效分散风险；

2、两只产品的当前规模均在7-10亿元左右，产品流动性好、便于投资；

3、两只产品所处的赛道宽，资金承载量大。

具体而言，每当AVIX指数的单日涨幅超过20%就all in沪深300ETF，然后在浮盈达到25%后止盈退出；其他时候，则在每个月末交易日根据风险平价模型在股、债ETF间动态配置资金。策略的初始资金为1000万元，交易手续费为万分之四。由于计算AVIX指数所需的沪深300ETF期权在2019年底上市，策略的回测期间定为2020/01/01至2023/03/31。

基于AVIX择时的平安股债ETF动态组合业绩大幅跑赢基准。为更好度量和比较AVIX择时组合的业绩，本文还构建了沪深300指数的买入持有策略和相同两只ETF的股债六四组合。从结果来看，20年以来AVIX择时组合的总回报为71.58%，年化收益达18.9%，远超六四组合的5.85%和沪深300买入持有组合的-2.78%；而在风险方面，AVIX择时组合的最大回撤为21.6%，比六四组合还小1个百分点。综合来看，AVIX择时组合的夏普比率为0.94，同样大幅超越基准。

2.4. 基于Black-Litterman模型的平安ETF轮动策略

Ø   Black-Litterman模型能够集成不同维度的投资观点

均值-方差模型开启了资产量化配置的时代，但对参数的敏感使得其并不稳定。Black-Litterman模型（简称BL模型）采用贝叶斯方法将不同维度的主观、量化投资观点结合起来，然后再使用均值-方差模型优化求解。这很好地解决了均值-方差模型的参数敏感问题，并为资产配置提供了综合、稳健的解决方案。

在ETF组合投资时，宽基和行业/主题指数的价格驱动逻辑常会有显著的差异。特别是在结构化行情盛行的A股市场，战略层面的宽基择时信号常常无法有效地指导主题投资。Black-Litterman模型可较好兼容宽基、主题ETF的不同策略观点，并通过多元策略分散风险、提升业绩。

Ø  平安ETF轮动策略—行业轮动+宽基AVIX择时的BL模型

行业轮动和宽基择时融入BL模型来打造平安ETF轮动组合。在产业经济周期和市场情绪的共同作用下，A股市场呈现出明显的行业轮动特征。本文即以股息率、预期利润增速和30日价格动量来反映平安ETF各行业/主题产品赛道的基本面和情绪面情况，然后基于此构建行业轮动策略。另外，我们还引入了宽基产品的AVIX择时策略，并将二者共同融入BL模型以提升资产配置方案的稳健性和资金容量。

具体而言，BL组合策略的初始资金为1000万元，在行业轮动、宽基择时子策略上的资金分配权重为9:1。其中宽基择时策略仍采用前述的AVIX指标对股、债ETF进行动态配置。行业轮动策略的实施步骤则为：

1.在每个月末交易日，按照30日动量、预期利润增速、股息率指标对平安行业/主题ETF的标的指数进行综合排序；

2.将综合得分最高即动量高、股息率高、预期利润增速高的指数相关ETF作为投资标的，投资权重设为大于等于50%；

3.将综合得分最低的指数相关ETF剔出投资范围，投资权重设为0。

为便于比较，我们还构建了新能车ETF、光伏ETF平安（516180.SH）、创业板ETF平安（159964.SZ）、新材料ETF平安（516890.SH）等4只绩优ETF的等权组合与中证800指数的买入持有组合。从20年以来的回测结果来看，BL组合的总回报为85.08%，年化收益为21.85%,较绩优ETF组合仍高出1个百分点；最大回撤为30.51%，不仅较绩优ETF组合下降1/4以上，也小于中证800的买入持有策略。整体来看，BL组合的夏普比率为0.87，比两个基准策略高出50%以上。

BL组合净值表现更稳健，持有体验更佳。分时段来看，BL组合在各年的净值表现均比较靠前，在22年以来更持续大幅跑赢基准。22年、23Q1平安ETF的BL组合收益分别为-7.34%、11.26%，相较绩优ETF组合的超额为19.08%和13.05%。在风险层面，BL组合和绩优ETF组合均在21Q4-22Q2出现大幅回撤，其中BL组合回撤的幅度为20.13%，持续时长为4.3个月；而绩优ETF组合的回撤幅度为41.7%，持续期达5.2个月。对于右侧布局的投资者来说，BL组合的持有体验显然更优。

2.5. 平安ETF交易策略总结

基于种类丰富的平安ETF产品，本文构建了上述动态网格、宽基择时和Black-Litterman资产配置策略。概括来看：

1、基于AVIX指数择时的股债ETF组合策略以风险平价模型为底，并在A股市场上逢低布局。在未加杠杆的情况，策略年化收益为18.9%，夏普比率0.94，业绩表现远超基准；

2、动态网格策略能够在波段、趋势行情均获得收益，多数平安股票ETF都可通过动态网格策略获得更高的回报和更低的风险。如养殖ETF的网格策略年收益为8.13%，超额达11.74%。

3、在结构性行情的背景下宽基、主题指数的驱动逻辑常不一致，行业轮动愈发突出。本文据此构建出宽基择时+行业轮动的Black-Litterman资产配置策略，年化回报21.85%，夏普比率0.87，业绩表现优于绩优ETF的等权组合。

1、搭建网络销售平台