纳入个人养老金账户！如何识别“聪明”的指数？（内附名单）

说一则今天的消息，85只跟踪沪深300指数、中证A500指数、创业板指数等宽基指数以及中证红利等策略指数的基金，将正式被纳入个人养老金投资产品目录。

这意味，以后大家可以借助个人养老金账户的节税优势来投资指数基金啦。

下面是替大家总结的，可以通过个人养老金账户买到的指数名单以及可选的产品数量：

说到指数，我们之前已经和大家聊过它的历史和演变历程，如何看懂一个指数，以及挑选指数基金和ETF的一些基本思路。

今天，我们想聊点更“进阶”的内容，带大家认识一种号称更“聪明”、可以创造超额的指数——策略指数，以及在挑选这类指数时，需要避开的那些“坑”。

理解策略指数的第一步，是认清它的本质——策略指数实际上是一种主动策略。

在投资中，我们通常会把收益拆分为两部分理解：市场收益（俗称“贝塔”），以及主动挖掘带来的超额收益（也叫“阿尔法”）。

传统的市值加权的出现，最初是为了帮助投资者衡量和捕捉市场收益。

然而，正如最近中证指数定期调整成分股引发的讨论，市值加权指数虽有它的优势，但也有一些局限——比如在成分股选择上看起来并不是那么“聪明”。

于是，在过去的十几年里，基金公司和指数编制商不断尝试优化指数的选样、权重和再平衡方式，设计出了一系列被称之为“策略指数”的东西。

这些策略指编制方法，通常比单纯按照市值大小排序的传统方式要复杂得多。因为是对传统指数的优化，所以也被叫做“聪明的贝塔”。

常见到的名字里有红利、低波、多因子等等的字眼的指数，都属于策略指数的范畴。

毕竟，优化指数编制的目的是为了获得比市值加权指数更高的收益，那投资目标就不是跟上市场，而是战胜市场。

因此，在研究策略指数的时候，我们得像分析主动基金一样，思考一个核心问题：这个策略的赚钱逻辑是什么？它的超额收益从哪里来？

目前，大多数策略指数都是基于因子投资的理念，通过突出某些特定风格因子的暴露，来实现超额收益。

那么，问题来了——听起来“不明觉厉”的因子，到底是什么？

从定义来说，因子是一种可用来解释某项资产的风险和回报表现的指标。

虽然我们可以通过某个指数观察市场的整体涨跌，但市场内部往往有分化。比如，去年市场整体表现不佳，但很多高分红的股票却有不错的表现。通过研究这些表现差异的规律，我们发现了一些能解释收益、风险和表现差异的因子。

目前被广泛使用的因子包括价值、规模、质量、动量、红利和低波动。这六大因子背后都有大量的学术研究作支撑，可以解释大部分投资表现。

比如，大家熟悉的晨星风格箱中的九宫格，实际上就是用两个因子——规模和价值——来划分的。这种风格框的概念源于经济学家尤金·法玛(Eugene Fama)和肯尼斯·法兰奇(Kenneth French)  在1992年的一项开创性研究，他们发现，不同规模和估值的公司代表着市场中不同的风险来源。

某基金的晨星风格箱

数据来源：晨星基金小程序「基金搜索工具」

除了利用因子来帮我们更好地理解不同资产的表现差异外，投资圈还在探索它的更多可能性：能否追求更高的超额收益，或者更好地控制组合风险？

在主动投资中，我们通常把基金经理看作策略“不可替代”的专家。当某些主动基金表现特别优秀时，我们可能会因为“自利性偏差”而把成功归结于基金经理的能力或努力。

但实际上，我们也能通过因子拆分来对他的成功进行“解释”—— 这些基金的优异表现很可能是因子作用和一些运气共同创造的结果。

很多策略指数的做法，正是把主动管理中长期实践验证过的一个因子或者多个因子，进行归纳和打包，再把它的投资流程——选股范围、选股标准、组合构建、买卖规则——都白纸黑字的写下来，并以指数这种持仓透明、有纪律性的执行来呈现。

虽然听起来，策略指数似乎是一种近乎“完美”的解决方案，尤其是考虑到它的成本通常比主动管理低得多。

但现实往往没说的那么简单，投资结果也未必和设想的一样美好。

许多策略指数声称可以通过强化某些因子的暴露来创造超额收益，但别忘了，因子能带来超额收益的同时，必然也是承担了额外的风险。

比如，有的策略指数其实是“重新包装”了可以产生高回报“风险”因子，比如规模、价值和动量。

所以，这么看来，策略指数并不是毫无缺点的“完美答案”，每一个超额收益的背后，都伴随着需要认真权衡的风险。

评估一个因子（或者说策略）是否有效，背后的理论支撑很重要。

一个好的理论通常都具备几个特点：直观易懂、有大量数据的支撑、能经过时间的考验。理想情况下，这个理论还应该经过多家独立的研究机构或者研究者的验证和证实。

但实际情况中，我们在选择一些策略指数的时候，主要依赖和参考基金公司或者指数编制商提供的材料和回测数据。

如果只是基于一段相对较短，有时候甚至是有“偏见”的数据，我们很容易做出错误的决策。

毕竟，他们的最终目的是说服你买基金。因此，他们会选择展示回测结果最好的一段数据，或者在历史回测结果最好的时候发产品。

但是，市场具有高度的随机性。因此，要对一个因子的有效性得出一个合理的的结论，通常需要对数十年的历史进行回测，才能尽量排除偶然性。

当然，即便一个因子有大量历史数据支持，也不意味着它在未来一定会继续有效。

毕竟，既然你知道这个“过去有效”的因子能够创造超额收益，其他人也会有同样的想法。当越来越多的人涌入，这个策略可能会变得过于拥挤，进而导致因子的超额效应消失。

在决定投资策略指数前，对自己的投资组合有个“全局观”非常重要。

你的投资目标是什么？大多数策略指数由于聚焦特定因子暴露，你希望这个策略在你的组合中扮演什么样的角色？它是用来替代现有持仓，还是作为补充？

此外，深入了解策略指数的编制方案也很关键。

不同的指数构建方式可能带来不同的因子暴露程度，这会直接影响长期业绩和在不同市场环境中的表现。比如，指数成分的选择标准、加权方法、以及再平衡的频率，都会导致行业分布和交易成本上的差异。

虽然策略指数很多看着“高大上”，但它们的理解成本高，通常费率也比市值加权指数更高，并且可以验证的历史数据相对有限。

判断因子和选择策略必然是一种概率游戏。没有一种策略会一直有效，也没有一种选择策略的方法万无一失。

如果叠加几个策略，当一个因子表现好，另一个因子表现差，可能会存在抵消效应。结果可能是付出了更高的成本、费了更多精力，最终却构建了一个和市值加权指数效果差不多的平衡组合。

战胜市场不易，阿尔法难求——这也决定了评估策略指数并不是一件容易的事，它更适合那些有丰富经验、清楚自己组合需求的投资者。

作者 | 屈辰晨

编辑 | 陈昱融