Skills

Etf Analysis

ETF分析:产品筛选、费率对比、跟踪误差、流动性评估、策略应用与中国市场ETF量化配置框架。

Install

npx skills add HKUDS/Vibe-Trading --skill etf-analysis -g -a claude-code -y
Repository
HKUDS/Vibe-Trading37.4k
Category
Engineering
Updated
3d ago
License
MIT
Context cost
Mediumabout 3,000 tokens
Runs scripts
No, instructions only

What it does

ETF分析:产品筛选、费率对比、跟踪误差、流动性评估、策略应用与中国市场ETF量化配置框架。

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)
Read the whole SKILL.md on GitHub

More in Engineering