打破传统ETF的迷思 - 了解卖空ETF如何有利于股票市场

打破传统ETF的迷思 - 了解卖空ETF如何有利于股票市场

交易所交易基金(ETF)流动性高而且价格相对亲民,被视为共同基金以外的另一选择。在2020年,环球市场上有超过7,000种ETF产品,总值达 7.74 兆美金,远多于2010年时的1.3兆美金。 ETF产品在十年间的显著增长,反映这种指数基金的巨大发展潜力。虽然有声音批评传统的ETF过于被动,未能有效反应市场讯息,然而港大经管学院金融学副教授黄诗杨博士及其研究团队却发现,行业ETF在美国市场中能有效规避风险,并能提升市场效率。其研究更证实行业ETF是一种对投资者和市场有利的优质金融科技创新技术,因此建议监管机构应鼓励相关产品的发展。

以「多空策略(Long Short Strategy)」提升市场效率
以ETF作为避险工具非常普遍。据彭博新闻在2017年的报导,对冲基金持有的ETF空头仓位高达1030亿美金,相比起他们持有的43亿美金多头仓位,相差近两倍之多。一般而言,市场上的卖空余额(即被卖空但未被回购的证券)越高,熊市气氛越强。但黄博士发现,拥有更多消息的投资者往往会采取一种 「做多股票,卖空ETF」的「多空策略」,运用企业消息赚取利益,同时对冲行业风险。

黄博士解释,即使投资者在业绩公布前已得悉股票即将获利,但股价的升幅,往往仍会受到行业整体表现和宏观市场气氛等外围风险影响。为有效地对冲风险,对冲基金会选择做多他们拥有利好消息的股票,并卖空该股票所属的行业ETF。黄博士和他的研究团队发现,这种「做多股票,卖空ETF」的策略能帮助市场吸收相关讯息,并有效减低盈余公告后价格漂移,令公司的真实价值能实时反映在股价上。因此,引入相关的行业ETF能有效稳定企业的股价。

Smart Beta ETF 能否为投资者创造价值?
在众多ETF产品之中,建基于资产价格数据的Smart Beta ETF最受市场追捧。 Smart Beta ETF由不同组合的股票价值丶增长值丶数量丶或市场趋势等因子构成。截至2018年,Smart Beta ETF产品占美国ETF市场总体的20%。据贝莱德(Blackrock)的预测,Smart-Beta ETF 的市场总值将于2025年增长至2兆美金。

但同时,黄博士研究却指出Smart-Beta ETF虽在回测 (Backtest) 中得到理想结果,在正式推出市场后表现却往往不似预期。在研究238种于2000-2018年间在美国上市的Smart-Beta ETF后,黄博士发现Smart-Beta ETF的表现落差并非由「市场效率上升」丶「上市时机失误」丶或「规模收益递减现象」等因素导致。相反,Smart-Beta ETF的表现欠佳是由于在回溯测试的数据挖掘 (Data mining)过程中受人为操作影响所致。数据挖掘的情况在追踪多因子指数的Smart-Beta ETF中特别严重,主要是因为ETF保荐人在选择及组成Smart-Beta ETF追踪因子的过程中拥有很大的自主权。研究发现,追踪多因子指数的Smart-Beta ETF在上市前声称能带来年均 4.11% 的回报。但上市后,他们却需承受年均0.79%损失。

亦有声音指出,Smart-Beta ETF的表现不理想是因为管理费用过高,但研究发现即使去除管理费的因素,Smart-Beta ETF的市场表现依然比不上传统的指数型ETF。

虽然研究显示Smart-Beta ETF上市前后的表现有明显差距,但黄博士指出,在特殊的情况下,Smart-Beta ETF的表现依然有机会超越传统ETF。例如在现时的「零息」环境下,追踪高股息的Smart-Beta ETF仍有可能「跑赢大市」。因此,他建议投资者应在购买此类新型投资产品前谨慎考虑,切忌盲目相信Smart-Beta ETF个别因子所反映的表面数据。

阅读更多(只供英文版本)
Innovation and Informed Trading: Evidence from Industry ETFs
The Smart Beta Mirage

Other Event's Album
第五届“香港大学中国经济季度论坛” 探讨中国宏观经济的挑战与机遇
2025 | 学院新闻
第五届“香港大学中国经济季度论坛” 探讨中国宏观经济的挑战与机遇
港大经管学院中国经济研究所联同北京大学香港校友会举办的第五届“香港大学中国经济季度论坛”于1月23日圆满举行。论坛云集了多位著名经济学者和工商界领袖,共同探讨中国政策方向对全球经济的影响以及当前中国经济的热门议题。一众讲者透过主题演讲及专题讨论,就中国宏观经济、金融及国际贸易在全球格局演变下所面临的挑战和机遇分享了宝贵见解。论坛于香港大学本部陆佑堂举行,共吸引近350位工商界领袖、杰出学者、校友和学生出席。
人工智能大语言模型图像理解能力综合评测报告
2025 | 研究
人工智能大语言模型图像理解能力综合评测报告
在科技迅猛发展的当下,人工智能技术不断取得突破性进展,OpenAI的GPT-4o、谷歌的Gemini 2.0这类多模态模型以及通义千问-VL、混元-Vision等视觉语言模型迅速崛起。这些新一代模型在图像理解方面展现出强大的能力,不仅具备出色的泛化性,而且还具有广泛的应用潜力。然而,现阶段对这些模型视觉能力的评估与认知仍存在不足。为此,我们提出了一套全面且系统的图像理解综合评测框架,该框架涵盖视觉感知与识别视觉推理与分析视觉审美与创意三大核心能力维度,同时还将安全与责任维度纳入其中。通过设计针对性测试集,我们对20个国内外知名模型进行了全面评估,旨在为多模态模型的研究与实际应用提供可靠参考依据。