基金进阶玩法

传统市值加权 ETF：沪深 300（大盘宽基）
Smart Beta ETF：
  红利因子   → 中证红利 ETF（510880）
  低波动因子 → 标普 A 股低波动 ETF
  价值因子   → 沪深 300 价值 ETF
  质量因子   → 质量成长类 ETF
  动量因子   → 动量增强类 ETF

经济周期 → 占优因子：

复苏期（GDP↑, 通胀低）  → 价值因子、小盘因子
过热期（GDP↑, 通胀↑）  → 动量因子、大宗商品相关
滞涨期（GDP↓, 通胀↑）  → 低波动因子、红利因子
衰退期（GDP↓, 通胀↓）  → 质量因子、低波动因子

因子间也存在相关性，同时配置多个因子可以降低单因子周期风险。

基金超额收益 = α + β₁×(价值因子收益) + β₂×(动量因子收益)
              + β₃×(低波因子收益) + β₄×(质量因子收益) + ε

β 系数即为对应因子的暴露度
α > 0 代表剔除因子暴露后仍有超额收益（真正的主动能力）

FOF（Fund of Funds）：持有一篮子基金的基金

投资者 → FOF → 子基金 1（股票型）
                子基金 2（债券型）
                子基金 3（黄金 ETF）
                ...

费用结构（双层费用是核心缺点）：
  FOF 自身管理费：0.6%–1.2%/年
  + 持仓子基金费用：0.1%–1.5%/年
  合计成本往往较高

距退休年限越远 → 权益仓位越高
距退休年限越近 → 债券/货币仓位越高

"下滑轨道"（Glide Path）示例：
  距退休 40 年：股票 80%，债券 20%
  距退休 20 年：股票 60%，债券 40%
  距退休 10 年：股票 40%，债券 60%
  退休当年    ：股票 20%，债券 80%

典型产品：华夏养老 2045（FOF），适合预计 2045 年退休的投资者

修正久期（Modified Duration）：
  利率上升 1% → 债券价格下降约 D%
  利率下降 1% → 债券价格上升约 D%

  △P / P ≈ -D_mod × △r

示例：
  纯债基金修正久期 = 3 年
  若 10 年期国债收益率上升 0.5%：
  债基净值变动 ≈ -3 × 0.5% = -1.5%

D = [Σ (t × CF_t / (1+y)^t)] / [Σ (CF_t / (1+y)^t)]

CF_t = 第 t 期现金流（票息 + 本金）
y    = 到期收益率（YTM）
t    = 时间（年）

利率下行（降息预期）→ 做多长久期债基
  逻辑：利率↓ → 债券价格↑ → 净值上涨

利率上行（加息预期）→ 缩短久期，持有短债或货币基金
  逻辑：利率↑ → 债券价格↓ → 净值下跌

观测指标：
  10 年期国债收益率（招财宝/中债信息网）
  央行货币政策操作（MLF、LPR 调整）
  PMI 数据（> 50 扩张，利率上行压力）

信用利差 = 企业债收益率 - 同期限国债收益率

信用利差扩大 → 市场风险偏好下降，信用债跌
信用利差收窄 → 风险偏好上升，可适当配置信用债超额收益

信用分层：
  国债/政金债（0 利差）→ 城投债 → 高评级产业债 → 低评级高收益债
  评级越低，票息越高，但违约风险越大

折价率 = (净值 - 市价) / 净值 × 100%
若折价率 = 15%：
  净值 1.00 元/份，市价仅 0.85 元
  若基金到期或转换为开放式，可获约 15% 价差收益

Step 1：找到折价率较高（> 10%）的封闭式基金
Step 2：在场内低价买入
Step 3：等待：
  a. 到期转为开放式基金（按净值赎回）
  b. 基金公司宣布提前转换
  c. 市场修复折价（折价率收窄）

风险：
  · 折价可能继续扩大（买入后更便宜）
  · 基金业绩差导致净值持续下跌
  · 封闭期较长，资金占用成本高

当场内交易价 > 净值（溢价）时：

  Step 1：通过基金公司官网/支付宝 场外申购 LOF（按净值成交，T+1 到账）
  Step 2：将份额转托管至证券账户（T+1 到 T+2）
  Step 3：在场内以高于净值的市价卖出

  套利收益 ≈ (场内价格 - 净值) × 份额 - 申购费 - 交易佣金

条件：溢价率需高于申购费 + 佣金 + 转托管时间成本

当场内交易价 < 净值（折价）时：

  Step 1：在场内低价买入 LOF 份额
  Step 2：将份额从证券账户转托管至基金公司账户（T+1）
  Step 3：按净值赎回（T+1 或 T+2 到账）

  套利收益 ≈ (净值 - 场内价格) × 份额 - 赎回费 - 佣金

注意：时间差导致净值也在变动，需控制市场方向风险

跨境 ETF（如纳斯达克 100 ETF）场内价格与境外标的存在时差+汇率因素：

溢价原因：境内资金无法直接买境外标的，场内需求旺盛
折价原因：境外市场下跌，国内投资者急于套现

套利操作：
  机构投资者通过 QDII 额度在一级市场申赎，回收价差
  散户较难参与一级市场，溢价可能长期存在（QDII 额度限制）

注意：跨境 ETF 溢价率有时超过 30%，买入时需格外谨慎

              通胀上升            通胀下降
增长上升  │ 大宗商品/股票/TIPS │ 股票/信用债       │
增长下降  │ 大宗商品/TIPS/黄金  │ 国债/黄金         │

资产类别         权重    代表工具
A 股宽基 ETF    25%    沪深 300 ETF（510300）
美股 QDII ETF   15%    纳斯达克 ETF（513100）
长期国债基金    40%    30年期国债 ETF（511090）
黄金 ETF        10%    黄金 ETF（518880）
商品/原油 ETF    5%    原油 ETF（162411）
现金/货币基金    5%    余额宝/短债基金

60% 权益资产（股票/股票基金）
40% 固定收益（债券/债券基金）

年化再平衡：每年末调整回目标比例
  → 自动执行"高卖低买"（权益涨了卖出，债券跌了买入）
  → 长期来看可以在不降低收益的前提下降低波动

改进版（风险平价）：
  按各资产的风险贡献等权分配，而非名义金额等权
  使每类资产对组合波动的贡献相同

触发条件（两种方式）：

1. 时间触发：每季度/每年末固定调整
2. 偏差触发：某资产权重偏离目标 ≥ 5%（或 20%）时调整

再平衡操作：
  超配资产 → 卖出多余部分
  低配资产 → 买入补足

交易成本优化：
  · 用新增资金补足低配资产，减少卖出产生的税务/交易成本
  · ETF 的低佣金+无印花税特性使再平衡成本极低

指标筛选顺序：

1. 任职年化收益率（越高越好，但需看 ≥ 3 年）
2. 最大回撤（越小越好）
3. 夏普比率（收益/波动，> 1 为优秀）
4. 卡玛比率（年化收益 / 最大回撤，> 2 为优秀）
5. 信息比率（超越基准的稳定性，> 0.5 为优秀）

卡玛比率 = 年化收益率 / |最大回撤|

示例：
  基金 A：年化 20%，最大回撤 -40% → 卡玛 = 0.5（差）
  基金 B：年化 15%，最大回撤 -15% → 卡玛 = 1.0（好）
  基金 B 风险调整后的表现更优

总超额收益 = 资产配置效应 + 个股选择效应 + 交互效应

资产配置效应：通过超配/低配某行业产生的收益
  = Σ [(实际行业权重 - 基准行业权重) × 基准行业收益]

个股选择效应：在某行业内选股带来的超额
  = Σ [基准行业权重 × (实际行业收益 - 基准行业收益)]

避开以下基金经理特征：

✗ 规模短期暴涨（> 500 亿）：仓位调整困难，小盘股持仓变多流动性差
✗ 频繁换基金公司：稳定性差，团队资源可能受影响
✗ 仓位历史极端（长期空仓或长期满仓）：表现极端，可复制性差
✗ 单一行业集中超过 50%：行业主题基金，而非综合选股能力
✗ 持仓与宣传不符（说价值投资，持仓全是小盘题材）

典型策略逻辑：
  1. 因子库构建：价值/动量/质量/低波/成长 等 100+ 个因子
  2. 因子有效性检验：计算 IC（信息系数）= corr(因子值, 未来收益)
  3. 因子合成：用 IC 加权合成综合打分
  4. 组合构建：选打分最高的 100–300 只股票等权或优化权重
  5. 定期调仓：每月或每季度换仓

IC 均值 > 0.05 → 因子有一定预测能力
IC 均值 > 0.10 → 因子预测能力较强
ICIR（IC 均值/IC 标准差）> 0.5 → 稳定性可以

设定价格网格，在震荡市中自动低买高卖：

初始净值 1.00 元，设置网格间距 5%

网格       操作        每次交易量
1.05 元  → 卖出 10%   减仓
1.10 元  → 卖出 10%   继续减仓
1.00 元  → 持有（基准）
0.95 元  → 买入 10%   加仓
0.90 元  → 买入 10%   继续加仓

适用条件：震荡市（宽幅区间）效果佳
不适用：单边下行趋势（越买越跌）