1926
33Hello 大家好，欢迎来到《听懂涨声》，我是天楠。
过去一段时间，指数增强产品给不少投资人带来了很好的持有体验。但是到了7月，部分500增强、1000增强产品却出现了明显回撤，前期积累的超额收益被大幅收回。
那么问题来了，指数增强多出来的收益究竟来自哪里？这次回撤是管理人的模型出了问题，还是市场中的资金、流动性和交易行为发生了变化？
本期我和董艺婷一起，从7月的回撤和8月第一周的反转聊起，拆解指数增强的超额来源、因子漂移、端到端模型，以及投资人应该怎样理解产品、管理波动和做分散。希望这期节目能帮你重新看懂手里的指数增强，也重新想一遍自己当初为什么买它。
本期对话
董艺婷｜「慧客堂」主播；公众号：Beagle小猎犬号；小红书：财经播客慧客堂；B站视频播客：慧客堂WisdomTalk
杨天楠｜「听懂涨声」主播
时间轴：
| 为什么要聊“超额去哪了”
• 7月部分指数增强产品出现明显回撤，前期积累的超额被收回
• 从持有人的真实体验出发，复盘500增强、1000增强的这次波动
| 7月不同指数增强赛道的表现分化
• 300增强、A500增强、500增强、1000增强和2000增强的表现差异
• 2000增强在节目所观察的样本中相对稳定，500增强和 A500增强回撤更明显
| 为什么500增强和1000增强曾经更容易做出超额
• 过去几年，500和1000相对偏弱，给主动管理留下了更大的增强空间
• 供给增加、资金涌入之后，热门赛道可能形成供需两旺和策略拥挤
| 指数增强多出来的收益从哪里来
• 在基准指数的行业结构和样本范围内，通过选股和权重调整争取超额
• 行业偏离、风格偏离和个股替代，也可能成为超额来源
| 端到端模型是什么
• 从因子开发、筛选到组合决策，模型承担的工作越来越多
• 模型作用变重之后，策略的解释难度和潜在相关性也会发生变化
| 传统多因子、线性与非线性模型
• 量价、财务、估值、动量、反转和风格因子如何参与量化决策
• 线性模型与非线性模型在因子管理和筛选方式上的区别
| 7月回撤是模型的错，还是流动性的错
• 模型触发卖出信号，并不等于管理人主动决定净卖出
• 资金行为集中、流动性变化和因子相关性上升，可能共同放大回撤
| 超额为什么还在，以及为什么越来越难拿
• 量化行业持续迭代，算力、数据和人才投入推动策略进步
• 市场总量扩大也提供了空间，但竞争加剧后，超额获取的成本越来越高
| 普通投资人应该问自己三个问题
• 我到底买的是什么产品
• 我应该从哪里买，以及渠道提供了什么信息
• 我是否需要择时，自己的家庭资产能承受多大的波动
| 选500、1000还是2000，先回到购买初心
• 热门指数不一定永远适合自己，分散和长期持有需要放在一起考虑
• 投资中需要警惕过于自然、过于拥挤的选择
| 大渠道和小管理人的选择悖论
• 大渠道往往需要策略经过充分验证，并且能够承载较大规模
• 小管理人可能更有动力寻找低相关的策略，但投资人需要具备更强的评估能力
| 再平衡和波动承受能力
• 股票资产上涨后，组合比例可能超出原本设定的风险范围
• 再平衡的目的，是把组合拉回适合自己的区间，而不是追涨杀跌
| 量化策略已经越来越全面，真正要警惕什么
• 很多常见市场场景已经被策略覆盖，单一风格失效未必意味着行业整体失效
• 当产品之间出现大面积相关性上升，需要关注系统外的流动性和资金因素
| 大幅回撤之后，是不是买入指数增强的时机
• 超额回撤与基准指数风险需要拆开看
• 不能简单把阶段性低点当成绝对底部，也不能只因为回撤就判定产品失效
| 回撤之后，怎样判断产品是否出了问题
• 观察管理人在回撤期间做了什么，迭代是否有清晰的方法论
• 结合同赛道产品横向比较，避免因为少量样本或短期表现贸然更换
| 指数增强的系统性风险与反身性
• 量化规模扩大后，行业和市场结构可能形成反身性
• 量化模型擅长跟随和处理数据，但对宏观政策的前瞻性仍有边界
| 指数增强应该和什么资产搭配
• 股票与债券通常具有较好的组合价值，但低利率环境正在改变配置条件
• 当生息资产收益下降，投资人更需要关注组合的波动和分散
| 为什么组合结构本身也可能带来超额
• 分散指数、管理人、策略方法和风险来源，减少单一策略同时失效的影响
• 频繁交易可能带来负伽马，进出成本高的私募产品更需要谨慎决策
| 指数增强、ETF 和其他策略怎么取舍
• 如果某类资产本身增强空间有限，又有成熟、便宜、流动性好的 ETF，可以比较两者的边际贡献
• 组合产品是否值得购买，关键要看它是否真正提供了额外的分散和研究价值
| 其他策略为什么也在变难
• CTA、中性和套利等策略受到资产稀缺、对冲成本、市场深度和叙事变化的影响
• 当更多资金争抢有限机会，策略收益可能被摊薄，交易磨损也会增加
| 超额收益的未来
• 超额收益仍然可能存在，但获取它需要付出更多研究、数据、算力和机会成本
• 管理人的持续迭代、策略分散和投资人的持有能力，会越来越重要
本期聊了什么
1. 7月不同指数增强赛道的表现为何分化
节目将300增强、A500增强、500增强、1000增强和2000增强放在一起比较。根据节目中提到的样本，7月期间2000增强整体表现相对稳定，500增强和 A500增强则经历了更明显的回撤。不同赛道的超额来源和拥挤程度不同，持有体验自然会出现差异。
2. 500增强和1000增强为什么曾经特别受欢迎
过去几年，500和1000相对较弱，指数本身的表现给主动管理留下了更大的增强空间。随着供给增加、策略扩张和资金涌入，这些赛道逐渐形成了供需两旺的局面。一个品种过去的超额很突出，既可能说明管理能力较强，也可能说明市场环境曾经特别有利，需要进一步拆解。
3. 指数增强的超额到底从哪里来
纯粹的指数增强，会尽量保持基准指数的行业结构和样本范围，在相同的“蛋糕胚子”上，通过选股和权重调整争取更好的表现。另一部分超额可能来自更明显的风格偏离、行业偏离、个股替代或更激进的策略。两者在收益好的时候看起来都叫超额，回撤时承担的风险并不相同。
4. 因子漂移怎样放大回撤
量价、动量、反转、估值、财务质量、成长和市值等因子，在不同市场阶段的表现会发生变化。适度使用因子是量化策略获取超额的来源，风格偏移过大则可能让产品逐渐偏离原来的指数增强定位。一旦市场风格反转，之前贡献收益的偏移也可能转化为回撤。
5. 端到端、非线性和传统多因子有什么区别
节目讨论了量化模型的几种方法。传统多因子更依赖研究人员对因子和经济学关系的设定，线性模型通常有更清晰的分档和约束。非线性模型可以捕捉更复杂的关系。端到端模型则更多依赖模型从大量信息和因子中进行筛选与决策，模型本身的重要性更高，也更难被外部观察者完全解释。
6. 7月回撤可能与流动性和集中交易有关
节目中提到，模型发出卖出信号，并不等于管理人主观决定要净卖出。不同产品可能在相近的时间使用了相似因子，资金行为、止盈、赎回和流动性变化又可能集中出现，原本分散的交易行为因此产生更高的相关性，最终形成连锁反应。
7. 超额回撤后，投资人应该立刻赎回吗
单月回撤本身不能直接证明一个产品已经失效。更重要的是观察产品在回撤期间做了什么，回撤来自哪类因子，管理人是否进行了迭代，迭代是否具有一致的方法论，以及后续表现能否恢复。指数增强的进出成本较高，贸然更换产品，可能同时承担赎回费、申购确认时间、机会成本和判断错误的成本。
8. 分散度为什么可能成为新的超额来源
分散不只意味着买多个管理人，也包括分散指数、策略方法、因子来源、管理规模和迭代路径。节目认为，当单一策略越来越拥挤，组合结构本身就会影响投资体验。合理的分散可以降低单一风险来源同时失效的影响，也有助于投资人减少频繁交易。
9. 指数增强的超额会不会越来越难拿
随着量化管理人的数量增加、技术迭代加快、算力和数据投入提高，市场竞争会持续加剧。超额收益仍然可能存在，但获取它所需要的研究、数据、算力、管理能力和分散成本都在上升。投资人需要接受一个现实：历史上容易获得的超额，未必能原样延续到未来。
本期适合谁听
如果你持有500增强、1000增强或其他指数增强产品，经历过近期回撤，想知道超额收益到底由什么构成，这期节目适合你。
如果你正在比较指数增强、ETF、量化选股或其他私募策略，也可以从这期节目里获得一个更完整的观察框架：先确认自己买的是什么，再看产品实际承担了哪些风险，最后判断它是否适合自己的资产配置和波动承受能力。
