{"ObjectType":101,"Sequence":366,"PreHash":"9DA1EE10136949D57C3F1CA45935634F","Content":"\r\n\r\n# 如何跟踪股票市场的被动化趋势？\r\n\r\n原创 沧海一土狗 [ 沧海一土狗 ](javascript:void\\(0\\);)\r\n\r\n__ _ _ _ _\r\n\r\n\r\n** 文/沧海一土狗 ** _ ps：2400字 _ **** \r\n \r\n\r\n**引子**\r\n\r\n \r\n \r\n目前，被动基金的规模增长较快，截至7月23日，被动指数型基金的规模在21283亿元。\r\n\r\n然而，去年年底，被动指数基金的规模在17945亿， _** 7个月的时间内增长了3338亿，增长了15.68% ** _ 。 \r\n\r\n高增速的背后有两个原因，一个原因是 _** 主力资金大举维稳 ** _ ，大规模买入各大基金公司的300ETF。\r\n\r\n如上图所示，全市场规模最大的四只300ETF的合计规模在6508亿元， _**\r\n占沪深300自由流通市值的比率约为4.09%，然而，今年年初这个比率仅为1.64% ** _ 。 另一个原因是 _** 市场 ** _ _**\r\n风向的转变， ** _ 投资者们越来越愿意以300ETF的模式来参与这个市场。\r\n\r\n> _**贝塔开始对阿尔法形成压制。** _\r\n\r\n一般来说， _** 主力资金的力量是临时性的 ** _ ，完成一定的战略目的后会把市场交还给投资者。所以，市场风向的转变，才是一个更长期的变量， \r\n因此，我们需要寻找一个指标，跟踪这种风向的变化，这篇文章将带领大家寻找这个指标。 \r\n \r\n \r\n \r\n\r\n**ETF的申购赎回原理**\r\n\r\n \r\n \r\n\r\n\r\n一般来说，ETF的申购和赎回主要是以【一揽子股票】为操作单位的。申购需要提供一揽子股票，赎回获得一揽子股票。\r\n\r\n这就好比有一个箱子，一级申购是从市场上买材料做一个箱子，一级赎回是把这个箱子拆掉，还原成材料。 \r\n\r\n也就是说，有一个 _** 特殊的一级市场 ** _ ，在这个市场里，新的份额会被创造出来，也会被消灭掉。 \r\n\r\n那么，又是什么力量决定了一级市场是创造还是消灭份额呢？？ _** 是二级市场的表现 ** _ 。\r\n\r\n正常情况下，普通投资者不会去一级申购ETF份额，他们只是在二级市场交易。他们的买卖行为会创造 _** 二级价格和一级价格的偏离 ** _\r\n。套利资金会去一级市场申购或者赎回，从而，消灭掉价格的偏离。\r\n\r\n\r\n\r\n如上图所示，当二级价格相对于一级价格有溢价时，套利资金会去股票市场上购买一揽子股票，然后， _** 用现货跟基金公司交换份额 ** _\r\n，最后，再把所获得的份额在基金的二级市场里卖掉，从而， _** 攫取价差收益 ** _ 。\r\n\r\n以主力资金的 _** 维稳行为 ** _\r\n为例，他们会在二级市场大量挂买单，使得基金的二级价格发生溢价，套利资金会针对这个溢价作反应，最终，实际效果等价于主力资金下场大量购买股票。 \r\n\r\n\r\n\r\n如上图所示， _** 主力资金不必自己申购ETF份额 ** _ ，它可以“委托”套利资金去完成ETF份额的申购。\r\n\r\n因此， _** 投资者在二级市场中买卖ETF份额的行为才是最本质的 ** _ ，一级申购和赎回处于从属地位。\r\n\r\n \r\n \r\n\r\n**溢折率对时间的函数**\r\n\r\n \r\n \r\n理解了这个原理之后，我们就明白 _** 溢折率对时间的函数 ** _ 才是我们想要找的东西。\r\n\r\n如上图所示，如果溢折率在全天范围内保持溢价，那么，当日基金的份额一定是净申购的。净申购的量则取决于两个变量： _** 1、溢折率函数和横轴所围成的面积；\r\n** _ _** 2、当日ETF的二级成交额； ** _ \r\n这个分解还有一些粗糙。如果我们要弄得更精确一些，那么，我们要借助一点点数学符号。 假设有一个瞬时成交量的函数q（t），以及溢折率的函数δ（t），净申购额是\r\n_** q（t）和δ（t）的乘积对当日时间的积分 ** _ 再乘以一个系数。\r\n\r\n实际应用中，我们根本不用弄这么复杂，明白大致的意思即可。\r\n\r\n以今天的510300为例，我们先要关注高成交量的时间段，然后，再关注这个区间的溢折率保持情况。 \r\n今天这个品种成交了近52亿， _** 净流入额估计是30亿上下 ** _ 。 \r\n \r\n \r\n\r\n**溢折率的本质含义**\r\n\r\n \r\n \r\n上面所讨论的情形是简单情形，十分容易理解，有外力参与—— _** 主力资金在维稳 ** _ 。 下面我们要考虑 _** 更加一般的情形 ** _\r\n，如果只有市场资金参与，那么，溢折率在反馈什么。 \r\n\r\n如上图所示，在7月23日，510300的分时图走成这样， _** 主力资金维稳的迹象不明显 ** _ ，主要是市场自己在交易。\r\n\r\n尽管300ETF 的价格 下跌了1.96%，但是，该ETF的净申购额依旧有23亿。这到底在刻画市场的什么行为呢？？ _**\r\n这反馈了市场更偏好以贝塔的方式抄底 ** _ 。\r\n\r\n如上图所示，300ETF价格的下跌只是 _** 反馈卖盘和买盘的失衡 ** _ ； _** 溢折率持续为正意味着市场被动基金的持有意愿上升 ** _\r\n，最终，全天基金份额是增加的。 因此，这是两个维度的问题，一个是 _** 总量 ** _ 的问题，另一个是 _** 结构 ** _ 的问题。\r\n如果投资者更倾向于以主动基金、行业ETF或者个股的形式持有权益资产，那么，我们可以称这种偏好为 _** 阿尔法偏好 ** _\r\n；如果投资者更倾向于以300ETF的形式持有权益资产，那么，我们可以称这种偏好为 _** 贝塔偏好 ** _ 。 溢折率函数所反馈的就是 _**\r\n客户当日的贝塔偏好 ** _\r\n，如果客户的贝塔偏好提高，那么，当日的溢折率总体保持为正，ETF份额净申购；如果客户的贝塔偏好降低，那么，当日的溢折率总体保持为负，ETF份额净赎回。\r\n更进一步，我们可以把这种偏好从单日扩展到一段时间，如果这段时间，客户总体是净申购的，那么，客户的贝塔偏好提高；反之，客户的贝塔偏好降低。 \r\n \r\n \r\n \r\n\r\n**结束语**\r\n\r\n \r\n \r\n有了这些铺垫之后，我们就容易搞清楚下图的含义了。\r\n\r\n我们可以把300ETF市值占沪深300自由流通市值的比率简称为 _** 主力持仓强度 ** _ 。\r\n一开始这个比率只是反馈主力的持仓情况，他们买了多少。但是，他们的买入行为又会影响 _** 市场的其他参与者 ** _\r\n，这些投资者会跟随、模仿，从而提升这个比率。一旦跟随行为产生，那么， 这 个比率将 反馈整个系统的贝塔偏好。\r\n事实上，我们当下的贝塔偏好很低，因为我们经历了 _** 漫长的融资市 ** _ _** ，我们一脑门子的阿尔法 ** _ 。 \r\n我们最希望的情况是，主力通过300ETF把整个市场稳住，然后，我们再去做阿尔法，贝塔永远是权宜之计。 \r\n这个小九九集中体现在那句烂大街的顺口溜上—— _** “价值搭台，成长唱戏” ** _ 。拓宽一下就是，贝塔搭台，阿尔法唱戏。 \r\n然而，这一次这个顺口溜似乎不是那么好使了。 \r\n\r\n\r\n_** 贝塔总体是稳住了，但是，阿尔法的戏却迟迟没开场 ** _ 。这才是市场难受的核心原因。\r\n目前，市场有一定的共识，被动基金的份额会越来越大，毕竟美国已经给我们打好了样，但是， _** 我们这个市场的底层基因又是阿尔法 ** _\r\n，都想让别人搭台子，自己去唱大戏。\r\n\r\n> _**这种拧巴的状态或许会持续很久。** _\r\n\r\n直到某个节点，市场突然想通了。在此期间，我们需要关注好两个指标： \r\n_** 1、沪深300ETF每日的溢折率； ** _ _** 2、沪深300ETF市值占沪深300自由流通市值的比率； ** _ **** _\r\nps：数据来自wind，图片来自网络 _ \r\n\r\nEnd\r\n\r\n \r\n\r\n\r\n\r\n苹果用户请扫二维码，安卓用户可点击链接： \r\n\r\n[ 沧海一土狗的知识星球 ]()\r\n\r\n本号唯一的知识星球号 定位：升级认知框架的思维实验室 星球的主体是一系列具备一致性的模型 星主每天会通过增量讯息和市场反馈检验模型\r\n这个检验过程就是每日的股市和债市复盘 因此，这一系列模型也是动态升级的 此外，星球里还有对重要的现象或事件的点评 以及一些跟公众号内容不同的随笔\r\n欢迎加入\r\n\r\n预览时标签不可点\r\n\r\n个人观点，仅供参考\r\n\r\n微信扫一扫 \r\n关注该公众号\r\n\r\n\r\n\r\n\r\n\r\n****\r\n\r\n\r\n\r\n****\r\n\r\n\r\n\r\n× 分析\r\n\r\n 收藏\r\n\r\n","Timestamp":1721750400000,"PublicKey":"02599CB6DADE13FBD4E73D551E1C260E74DD77401BA7AC6B5BDB3A5B202618EC16","Signature":"3044022062E8172947873EEE76EE19D7A786369908C1E2919DFF0A00CCC8509052F603F80220743BB363BA20D707D6943DB35C4089BFA2C31D6786D3F8D9BE1FA13111C6AF70"}