etf-analysis

# ETF 分析 Skill

## 定位

ETF（交易所交易基金）是被动投资与资产配置的核心工具。本 skill 覆盖 ETF 产品分析、选择方法论、策略应用、中国市场特色以及数据驱动的量化分析方法，为构建基于 ETF 的量化策略与组合提供完整框架。

---

## 1. ETF 产品分类

### 1.1 按标的资产分类

| 类型 | 代表产品 | 特点 |
|------|---------|------|
| **宽基 ETF** | 沪深300ETF (510300)、中证500ETF (510500)、创业板ETF (159915)、科创50ETF (588000) | 流动性最好，交易成本最低，适合核心仓位 |
| **行业 ETF** | 消费ETF (159928)、医疗ETF (512170)、半导体ETF (512480)、银行ETF (512800) | 行业轮动工具，持仓集中度高 |
| **主题 ETF** | 新能源ETF (516160)、碳中和ETF、元宇宙ETF | 主题炒作属性强，生命周期短 |
| **策略ETF / Smart Beta** | 红利ETF (510880)、低波ETF、质量ETF、动量ETF | 因子暴露明确，费率通常略高于宽基 |
| **商品 ETF** | 黄金ETF (518880)、豆粕ETF (159985)、原油ETF (162411) | 实物/期货支撑，注意展期损耗 |
| **债券 ETF** | 国债ETF (511010)、信用债ETF、可转债ETF (511380) | 利率敏感，久期管理关键 |
| **跨境 ETF (QDII)** | 纳指ETF (159632)、标普500ETF (513500)、日经225ETF (513880) | 汇率风险+溢价风险双重叠加 |
| **货币 ETF** | 华宝添益 (511990)、银华日利 (511880) | T+0 申赎，流动性管理工具 |

### 1.2 结构类型

- **普通 ETF**：场内交易，实物申赎（一篮子股票换购），折溢价有套利机制自动收敛
- **LOF（上市开放式基金）**：场内外均可交易，折溢价套利路径相同但效率略低
- **ETF 联接基金**：场外渠道购买的 ETF 替代品，T+1 申赎，无折溢价，适合定投
- **杠杆/反向 ETF**：日内恒定杠杆，长期持有有衰减效应（见第 3.4 节）

---

## 2. ETF 核心指标

### 2.1 跟踪误差（Tracking Error）

衡量 ETF 复制指数能力的最核心指标。

```
日跟踪误差 = std(ETF日收益率 - 指数日收益率)
年化跟踪误差 = 日跟踪误差 × √252
```

**评级标准（A股宽基ETF）**：
- 优秀：年化跟踪误差 < 0.2%
- 合格：0.2% ~ 0.5%
- 较差：> 0.5%

**跟踪误差来源**：
1. 管理费和托管费（持续拖累，每日计提）
2. 分红处理时机（分红再投资延迟）
3. 成分股纳入/剔除时的买卖冲击
4. 现金仓位（申赎带来的暂时性现金拖累）
5. 停牌股处理（用替代品或现金替代）
6. 指数编制方法（全复制 vs 抽样复制）

### 2.2 信息比率（Information Ratio）

```
IR = (ETF年化收益率 - 指数年化收益率) / 年化跟踪误差
```

对 ETF 来说 IR 通常为负（因费率拖累），IR 越接近 0 越好。

### 2.3 折溢价率

```
折溢价率 = (ETF市价 - ETF净值IOPV) / ETF净值IOPV × 100%
```

- **正溢价**：市价 > 净值，套利者卖出 ETF / 申购一篮子股票换购，溢价收敛
- **负折价**：市价 < 净值，套利者买入 ETF / 赎回一篮子股票，折价收敛
- **异常溢价场景**：跨境 QDII ETF（额度限制导致持续溢价）、停牌股比例高的行业 ETF

### 2.4 流动性指标

| 指标 | 含义 | 参考阈值 |
|------|------|--------|
| 日均成交额 | 买卖方便程度 | 宽基 > 1亿，行业 > 2000万 |
| 买卖价差（Spread） | 即时交易成本 | < 0.05% 为优质 |
| 盘口深度 | 单笔大额交易冲击 | 买卖各5档累计 > 500万为佳 |
| 换手率 | 活跃程度 | 过低则流动性风险高 |

### 2.5 费率体系

```
综合费率 = 管理费 + 托管费 + 指数使用费
（不含交易佣金、印花税、申赎费）
```

**长期费率影响公式**：
```
N年费率复利损耗 = (1 - 年费率)^N
例：年费率0.5% vs 0.15%，10年差距 ≈ 3.5%，20年差距 ≈ 6.8%
```

主流宽基 ETF 费率对比（2025年）：
- 华夏/易方达/南方 沪深300ETF：0.15%（管理）+ 0.05%（托管）= 0.20%
- 部分小规模宽基：0.5%+，长期持有劣势明显

### 2.6 规模与流动性评估

- **规模门槛**：
  - < 2亿：清盘风险较高，流动性差
  - 2~10亿：可正常交易，大额资金受限
  - > 10亿：流动性充足，做市商活跃
  - > 100亿：旗舰 ETF，机构首选

- **清盘风险信号**：规模持续下滑、连续90天日均规模 < 5000万

---

## 3. ETF 选择方法论

### 3.1 同类 ETF 比较框架

同一指数往往有多只 ETF，选择步骤：

```
Step 1: 规模筛选 → 剔除 < 5亿的小规模产品
Step 2: 费率比较 → 同等条件下选费率最低
Step 3: 跟踪误差 → 近1年/近3年双维度比较
Step 4: 流动性 → 日均成交额、买卖价差
Step 5: 基金公司 → 指数化投资能力、历史口碑
```

**量化评分模型**：

```python
def etf_score(etf_data: dict) -> float:
    """
    ETF 综合评分（越高越好，满分100）。

    Args:
        etf_data: 包含 scale, fee, tracking_error, avg_volume, spread 的字典

    Returns:
        综合评分 0~100
    """
    score = 0.0
    # 规模得分（30分）
    scale = etf_data['scale_billion']
    score += min(30, scale / 10 * 30)

    # 费率得分（25分）：费率越低越高分
    fee = etf_data['total_fee_pct']  # 年费率百分比
    score += max(0, 25 - fee * 50)

    # 跟踪误差得分（30分）：误差越小越高分
    te = etf_data['tracking_error_annual_pct']
    score += max(0, 30 - te * 60)

    # 流动性得分（15分）
    vol = etf_data['avg_daily_volume_million']
    score += min(15, vol / 10 * 15)

    return round(score, 2)
```

### 3.2 费率影响长期收益的量化分析

```python
import numpy as np

def fee_drag_analysis(annual_return: float, years: int, fee_rates: list[float]) -> dict:
    """
    分析不同费率对长期收益的拖累效果。

    Args:
        annual_return: 指数年化收益率（小数，如0.08）
        years: 投资年限
        fee_rates: 待比较的费率列表（小数，如[0.002, 0.005, 0.015]）

    Returns:
        各费率下的终值倍数和相对拖累字典
    """
    results = {}
    base_value = (1 + annual_return) ** years
    for fee in fee_rates:
        net_return = annual_return - fee
        end_value = (1 + net_return) ** years
        drag = (base_value - end_value) / base_value * 100
        results[f'{fee*100:.2f}%'] = {
            'end_value_multiple': round(end_value, 4),
            'drag_pct': round(drag, 2)
        }
    return results

# 示例：8% 指数收益，20年期
# fee_drag_analysis(0.08, 20, [0.002, 0.005, 0.015])
```

### 3.3 做市商质量评估

优质做市商体现在：
- **价差稳定**：波动期价差扩大幅度小（< 3倍正常水平）
- **深度充足**：盘口各档位金额均匀
- **报价连续性**：不频繁撤单重报
- **大单应对**：大额交易后价差快速恢复

评估方法：
```python
# 通过Level2数据计算有效价差
effective_spread = (ask_price - bid_price) / mid_price * 100  # 单位 %

# 价格冲击成本（Impact Cost）
# 买入N万元所需均价相对于中间价的偏离
impact_cost = (avg_buy_price - mid_price) / mid_price * 100
```

### 3.4 基金公司实力评估

| 维度 | 评估要点 |
|------|---------|
| ETF 管理规模 | 全市场排名，指数化投资专业度 |
| 跟踪误差历史 | 长期维度（3年+）稳定性 |
| 产品线完整性 | 宽基、行业、跨境覆盖广度 |
| 申赎效率 | T+0 实物申赎处理能力 |
| 做市商合作质量 | 与头部券商做市商的合作稳定性 |

国内 ETF 管理头部公司（规模口径）：华夏、易方达、华泰柏瑞、南方、嘉实、博时

---

## 4. ETF 策略应用

### 4.1 核心-卫星策略（Core-Satellite）

```
总组合 = 核心仓位（70~80%）+ 卫星仓位（20~30%）

核心仓位：宽基ETF（沪深300/中证500/全A）
  → 获取市场beta，低费率，长期持有，减少交易摩擦

卫星仓位：行业ETF/主题ETF/Smart Beta ETF
  → 增强收益，主动暴露特定因子，允许更高换手
```

**再平衡触发条件**：
- 时间触发：每季度/每半年
- 偏离触发：单一资产偏离目标权重 > 5%

### 4.2 行业轮动 ETF 策略

**动量轮动**：
```python
def sector_momentum_rotation(etf_returns: pd.DataFrame, lookback: int = 20, top_n: int = 3) -> list[str]:
    """
    基于动量的行业ETF轮动选择。

    Args:
        etf_returns: 各行业ETF日收益率 DataFrame，列为ETF代码
        lookback: 回看窗口（交易日数）
        top_n: 持有ETF数量

    Returns:
        本期持有的ETF代码列表
    """
    momentum = etf_returns.tail(lookback).sum()
    selected = momentum.nlargest(top_n).index.tolist()
    return selected
```

**宏观周期轮动**：
| 经济周期 | 推荐行业 ETF |
|---------|------------|
| 复苏期（低增长→高增长，低通胀） | 消费、科技、中小盘 |
| 过热期（高增长，高通胀） | 能源、材料、工业 |
| 滞胀期（低增长，高通胀） | 能源、公用事业、消费 |
| 衰退期（高增长→低增长） | 医疗、公用事业、债券ETF |

### 4.3 Smart Beta ETF 因子暴露分析

主要因子及对应ETF：

| 因子 | 代表ETF | 历史有效性（A股） |
|------|--------|--------------|
| 价值（低估值） | 沪深300价值ETF | 中等，受风格切换影响 |
| 红利（高股息） | 红利ETF (510880) | 较强，尤其熊市防御 |
| 低波动 | 中证低波ETF | 较强，夏普比优于宽基 |
| 质量（高ROE） | 中证质量ETF | 较强，长期复合效果好 |
| 动量 | 目前A股产品少 | 中短期有效，长期均值回归 |
| 小盘 | 中证1000ETF (512100) | 强，但流动性风险高 |

**因子暴露分析代码**：
```python
import pandas as pd
import numpy as np
from scipy import stats

def factor_exposure_analysis(etf_returns: pd.Series, factor_returns: dict[str,