中证1000指数（000852）发布于2014年10月17日，由中证指数公司编制，是一只综合反映了A股市场内中小市值公司股票价格表现的代表性宽基指数，市场关注度颇高。而根据指数的编制说明，中证1000指数是由全部A股中剔除中证800指数成分股之后，剩余规模偏小、且流动性较好的1000只股票所组成的，在成分上与沪深 300 指数和中证 500指数形成了互补（中证800指数由中证500和沪深300指数成份股组成）。中证1000指数的样本股每半年调整一次，调整时间为每年6月和12月的第二个星期五的下一交易日。

1.1. 成分股“小而专精”，行业分布分散

从成分股的分布情况来看，中证1000指数的成分布局均衡且多元。截至2022年12月，中信行业口径下，指数前5大权重的一级行业分别为医药、基础化工、电力设备及新能源、电子和机械，占比分别为13%、11%、9%、9%和8%，分别含成分股130只、94只、70只、88只和82只。集中度方面，中证1000指数前5行业的合计权重占比为49%、前10行业的合计权重占比为72%，整体上分布均衡，并且在所有一级行业中均有所涉及，涵盖范围广泛。

而从时间序列角度看，中证1000指数的板块配置比例也较为稳定。我们分别统计了中证1000指数在各个板块下的成分股占比时间序列情况，自2014年以来，指数在TMT、中游制造、消费、医药、周期和金融地产板块上的长期占比约为24%、28%、13%、10%、20%和5%，其中TMT和中游制造的占比相对更高。从时序变化上看，中证1000指数在上述各个板块上的权重占比一直维持在较为稳定的水平，单次成分股调整所带来的变化小，总体分散度较强，可以为投资者全面把握全市场所有板块的投资机会。

从市值和风格维度看，中证1000指数主要突出中小市值属性，整体风格偏平衡和成长。最近截面数据显示，指数的1000个成分股中，有超过880只个股的总市值位于50亿元到200亿元区间内，其中50到100亿元的个股数量为482只，100到200亿元为407只，分别占据了指数34%和49%的权重比例，而在总市值200亿元及以上个股数和占比都较小。风格层面，中证1000指数共含有价值型、平衡型和成长型个股232只、379只和380只，权重分别为21%、36%和42%，可以看到，指数的成分股属性相对更倾斜于平衡与成长风格。

近年来，随着国家和市场对中小企业发展的愈发重视，各类“专精特新”、“小巨人”涌现，中证1000投资价值提升。我国大力支持中小企业发展的历史由来已久，最早在 2011 年，工信部发布的《中国产业发展和产业政策报告(2011)》和《“十二五”中小企业成长规划》（工信部规〔2011〕434 号）中首次提到了“专精特新”的概念。自此以后，关于“专精特新”的相关政策陆续出台，围绕着培育专精特新 “小巨人”企业进行展开，意在促进我国中小企业在国际市场开拓、经营管理水平、智能转型等方面的能力。而截至2022年12月底，在中证1000的成分股中，有219只为“专精特新”企业，权重占比接近四分之一，特色鲜明突出。下表展示了目前指数中权重最高的10只“专精特新”成分股，包括有菲利华、东方日升、明泰铝业、金博股份、科华数据等股票，主要来自于国防军工、电力设备及新能源、以及基础化工等一级行业，市值规模均在200亿元左右。

1.2. 盈利能力较强，具备横向比较优势

中证1000指数的盈利能力较强，且盈利预期具备一定横向比较优势。从历史财报数据披露看，自指数发布以来，中证1000指数的营收增速一直较为稳定，在2018年的股票熊市环境下仍维持住了正增长，成长性较好。且横向比较来看，其营收增速在多数年份内都领先于同期的上证50、沪深300等各宽基指数表现。而从指数的ROE、ROA和EPS角度看，自2018年以来，中证1000的盈利能力也同样呈现出稳定的逐年增长趋势，ROE读数从2018年的4.55稳步提升至2021年的8.44。

截至2022年年末，分析师一致预测下的中证1000指数营收增速为8.59%，净利润增速为28.58%，ROE为9.89，可以看到，中证1000的营收增速和ROE的预期值要高于中证500，但低于其他宽基，其净利润增速的表现则显著领先各个基准指数，达到其他指数预期值的2倍以上。而如果我们将视野拓宽至未来的2个财年，则中证1000指数的营收和净利润2年复合增速将分别提升至16.53%和 38.27%，进一步拉开了明显的横向比较优势。因此，从分析师情绪角度看，中证1000指数目前相比其他宽基指数而言具有更强的盈利增长潜力。

1.3. 收益突出高BETA特性，具有分散化配置价值

从长期业绩表现来看，中证1000指数主要突出高弹性特征，且具有一定的分散化配置价值。收益维度，自2010年以来，中证1000指数的年化收益率约为3.46%，略高于上证50、沪深300、中证500等主流宽基指数同期表现；风险方面，中证1000的年化波动率为26.8%，最大回撤为71.79%，同样也高于其他宽基指数；折算至风险调整后收益维度，中证1000的收益波动比为0.13，收益回撤比为0.05，总体上和其余基准指数持平。

我们进一步统计了自2018年以来权益市场牛、熊市下的中证1000指数表现。从测算结果来看，中证1000指数在市场上行、下行的区间内都具备更强的已实现BETA，例如在2022年4月至6月的牛市区间内，万得全A指数累计上涨25%，而同期的中证1000指数上涨幅度为35%，BETA值达到144%，具有高弹性特征，投资者可以配合自身的择时观点，通过投资中证1000指数获取更强的BETA收益。

此外，中证1000的收益表现与多数宽基有着较大的差异性，可以提供一定的分散化配置价值。自2011年以来，中证1000指数的月度收益率表现和上涨50、沪深300、中证500、中证800以及创业板指数的相关系数分别为50%、69%，97%、81%和88%。可以看到，其业绩表现同上证50以及沪深300的相关性较弱。相比较而言，中证1000和中证500指数的业绩表现最为接近，相关系数高达97%，但实际上，由于中证1000指数内剔除了中证800指数的成分股样本，其持仓和中证500指数之间存在较强的互补性。同时，进一步观察其细分项，可以发现中证500指数和其他宽基指数的相关性普遍要高于中证1000指数，因此，如果单从投资组合的分散化配置角度看，中证1000指数的投资价值会相对更突出。

2.1. 两维度观察小盘指数的投资赔率

我们尝试从估值和投资者关注度两维度来观察小盘指数的投资赔率机会：

一方面，我们尝试跟踪小盘和大盘指数的估值差异，包括成分股PB中位数差和PE中位数差。从历史数据可以看到，在中长周期，小盘相对大盘指数的估值差异存在均值回归的特征。2005-2010区间小盘指数的估值优势逐步凸显，2011-2016区间小盘相对大盘占据估值优势，估值差异呈现高位震荡状态，2017-2020区间则出现了大盘相对小盘指数板块估值的修复，而自2021年起再度迎来小盘指数估值修复的周期。截止到当前，小盘相对大盘的估值差异回归到历史17%分位数，虽然相对2021年年初的极值相比有所修复，但估值差异的绝对水平来看，小盘指数仍具备赔率机会，因而在中长期视角具备更高的预期收益。

另一方面，我们尝试从投资者关注度角度来观察小盘指数的投资赔率机会。具体来说，我们尝试用小盘指数和大盘指数的成交占比差额作为投资者关注度的差异代表。原则上，指数的成交占比越高反映当前市场投资者的关注度更高，指数享受的估值溢价会更占据优势。从历史长期来看，小盘指数的关注度平均意义上低于大盘指数，而从最新数值来看，小盘指数相对大盘指数的关注度差异额为-11%，处于历史29%分位数。因此，从投资者关注度角度来看，小盘指数仍未被市场充分定价，进而估值修复的机会大于下行的风险，指数投资的赔率优势仍然存在。

2.2. 四周期视角观察小盘指数的投资胜率

指数的赔率往往对未来2-3年中期的相对走势具备较好的指导意义，但是对于年度层面相对收益的走势方向，往往指导意义较弱，因而年度投资层面我们更关注胜率视角的指数投资机会。本文中，我们尝试从盈利周期、利率周期、政策周期和波动率周期，四个不同的周期视角观察小盘指数年度的投资机会。

盈利层面，我们建议关注PPI的走势。从历史数据经验来看，小盘相对大盘的业绩表现与通胀水平呈现显著负相关。我们认为核心逻辑在于通胀数据对指数盈利节奏的影响，高通胀时期往往周期上游公司更为受益，而从市值角度则由于大企业更具备议价能力进而抗通胀能力更强，因此综合来看高通胀时期周期股、大盘价值风格占优，而低通胀时期则小盘公司更具备盈利弹性。跟踪观察通胀数据的走势趋势和宏观一致预期数据，可以观察到2022年国内通胀数据呈现前高后低的状态、海外则维持高通胀水平状态，而宏观分析师预期2023年国内通胀水平维持低位，同时海外通胀伴随紧缩货币政策背景下会逐步下行，因此宏观环境而言对小盘指数的盈利有正向影响，有效提升小盘指数的投资胜率。

利率层面，我们建议观察货币市场利率的水平。从历史数据经验来看，小盘与大盘指数相对收益走势，与货币市场利率走势呈现典型负相关的状态。我们认为核心逻辑在于利率数据影响指数的估值定价，而小盘指数具备更显著的成长属性，因而低利率环境下小盘指数的估值定价更加受益。

经济政策层面，建议跟踪经济政策不确定性指数。从历史经验来看，若经济政策不确定指数出现趋势上行，则小盘指数容易跑输，反之则小盘指数超额收益的机会更大。逻辑上来理解，我们认为中小市值公司抗风险能力较低，因而在经济政策不确定性上升时，盈利能力的稳定性更差，因而投资者给予的定价会更为谨慎。展望2023年，我们认为伴随防疫政策的优化调整，经济政策的不确定性相对2022年会有明显下降，在此过程中小盘指数的定价优势会逐步显现，投资者关注度和估值容忍度都会有所提升。

最后市场波动率层面，可以观察到小盘指数的超额收益与市场波动率呈现正相关。与海外成熟市场的投资经验不同，美国市场往往在波动率上行周期出现市场的下跌，而国内无论在牛市还是熊市都会出现波动率的上行，波动率的上行更多反映出当前市场定价效率的下降、投资者分歧度的上升，其背后逻辑在于散户投资者交易参与占比的提升，从交易习惯来说，往往散户投资者更青睐于小盘股的投资，因而在市场波动率上行周期，小盘指数获取相对收益的概率更大。从当前角度观察，市场各宽基指数的历史波动率、隐含波动率在2022年都呈现震荡下行的状态，当前达到近三年波动率低位的状态，考虑到波动率数据自身的均值回归特性，未来市场波动率上行机会更多，提升了小盘指数相对收益的胜率。

除此之外，若跟踪机构投资者行为，我们通过回归估计股票型基金的投资风格特征，可以看到两点规律：一方面，长期视角公募机构投资者重视小盘风格的配置，在各类投资风格中长期对小盘风格的配置比例较高；另一方面，公募基金对小盘风格的配置比例也受到小盘指数的相对收益节奏的影响，2017年之前呈现显著超配的特点，2017-2020区间则明显降低了小盘指数的配置，而增加了成长和质量风格的配置，但自2021Q4开始，我们重新观察到公募基金在增配小盘风格。

2.3.年内小盘指数的演绎节奏

从小盘指数的演绎节奏来看，我们更倾向于认为春节后A股市场或迎来小盘占优局面。

一方面，从历史经验来看往往业绩披露期小盘股的波动率会有所增加。从2010年至今的业绩表现统计来看，每当市场进入业绩披露高峰期，业绩预告便成为左右影响市场的重要因素，A股市场整体表现趋弱。每年的1月11日至1月31日的区间内，万得全A的上涨概率为31%，其中，中证1000的波动也可能会增大。

但随着业绩披露结束以后，市场风格多出现逆转。历史13年中有12年，中证1000逆袭上涨，相对WIND全A的胜率为100%，而上证50尽管上涨的概率也比较大，但是跑输WIND全A的概率为92%。这是由于中小企业的业绩披露落地，再次进入业绩真空期和下一年的新预期形成阶段，市场又开始重新憧憬新一年的高增长，利空出尽后形成反弹，也因此，短期视角下，中小盘风格在有望在春节后出现不错的表现。

3.1. 中证1000指增产品业绩表现

从过去几年中证1000相关产品的发展情况看，2022年无疑是中证1000指数增强产品的发行元年。过去1年时间里，我国共计上市有14只中证1000指增基金产品，合计规模达到70亿元。截至最新，全市场共上市有中证1000指数增强产品20只，其中含3只指数增强ETF基金，市场合计总规模约为150亿元。

我们以月度为调仓披露，通过规模加权的方式编制中证1000指数增强产品指数。从历史6年间的业绩表现看，中证1000指数增强产品的超额收益显著，指增产品指数的年化收益率为6.82%，同期的中证1000指数收益录得-4.05%，指增产品指数的超额收益达到10.87%。而从风险波动看，指增产品指数的年化波动率为42.4%，最大回撤为33.35%，两项均低于基准指数表现，其中，指增产品指数的最大回撤优化了约17%，并在收益回撤比上领先基准约0.28。

中证1000指增产品的超额收益主要得益于中证1000指数广泛的选股空间优势。由于指数成分股行业分布较为分散，企业间的同质化程度偏低，因此更易发挥出基金管理人的选股优势，获取超额收益。我们计算了中证1000指数成分股之间历史半年内的两两相关性中位数，并统计其在上升、下降区间内的指增产品业绩表现差异。如下表所示，可以看到，在相关性走高的时段内，指增产品的平均年化超额收益约为8.3%，而在相关性走弱的时段内，超额收益达到11.68%，在成分股表现差异化增大的环境下，指增产品越易于做出超额表现。而从最新的边际变化上看，自22Q3以来，中证1000指数的成分股两两相关性从高位回落，目前仍处于下行趋势中，对中证1000指增产品的后市表现较为有利。

3.2. 中欧基金量化增强产品特色

在当前众多布局指增产品的基金公司中，中欧基金量化团队是以主动量化见长的管理人之一，由资深量化投资基金经理曲径带队，研究团队背靠中欧基金强大的权益投研平台和IT支持，产品特色鲜明。截至2022年12月，中欧量化产品线目前共布局有12只产品，其中包括10只主动量化产品和2只增强指数型产品，对标的基准指数包括沪深300、中证500、Wind偏股混合型基金指数等不同标的，为投资者在不同的风格市场中提供多元化的选择。

中欧基金量化团队以基本面量化为核心，与基本面研究深度耦合。传统的基本面研究更加注重研究的深度，比如对于个股的财务数据、竞争格局、渠道等信息进行深度研究，但是只能覆盖少部分的重点个股，也容易受到研究人员主观情绪的影响，并且不会给出具体的交易信号。而由于计算机可以快速的处理大量数据，更加注重研究的广度，量化工具可以大面积覆盖全市场的上市公司，并且策略可回测检验，因此，能够为处理更复杂的基本面信息提供技术手段。

而基本面量化，则是基本面分析和量化投资的理想融合。它可以针对各行业板块运行特点构建，纳入财务数据、多元的行业另类数据等，先逻辑后数据，量身定做的模型带来了更高的针对性和可理解性。其优势在于：1）相比海量挖掘有效因子的传统多因子量化选股模型，基本面量化策略更注重逻辑，它能够提取各行业基本面逻辑单独建模。同时，α收益主要来源于基本面量化模型产生的预期差，借助量化赋能，能够比市场更快发现投资机会；2）相比依赖计算能力以及套利空间上限较低的高频交易策略，基本面量化策略属于中周期模型，目标是找到公司基本面一个季度至一年的景气周期拐点，策略容量不易被限制，系统化投资更能提升策略的业绩持续性。

在中欧基金的量化产品线布局中，中欧数据挖掘多因子和中欧互通精选是分别以中证500和沪深300指数为行业配置基准所构造的增强产品，也是目前各自产品线中成立时间最早的代表性产品。从两者成立以来的长期业绩表现看，均能够较好地战胜对应的基准指数，产品的年化收益率分别为10.23%、11.01%，同期的指数表现为-0.14%、3.92%，超额收益分别达到10.38%和7.09%，相比而言，基于中证500指数的量化增强效果要更为显著。

以中欧数据挖掘多因子为例，观察基金在A股市场的多次风格轮转中的业绩表现。可以看到，无论是在2018年的大盘价值风格、2019和2020年的大盘成长和极致的赛道风格，或是2021年的中小盘行情中，相对基准和同类基金而言，中欧数据挖掘多因子基本都能获得超额收益。从来源上看，基金的超额收益绝大部分均源自于个股选择效应，如果进一步拆解出不同行业上的超额收益来源，则可以发现基金过往在30个中信一级行业上均有配置，基本都获得了超额收益。总体来说，产品的收益来源均衡，不依靠个别行业获取收益，选股能力突出，而这也是量化投资方法所带来的优势之一。

注：本小节部分内容摘选自招商证券量化与基金评价团队《深耕行业逻辑的基本面量化投资专家——对话中欧基金量化团队》。