“你有想过它会成为一个现象级的爆款吗?”

“我们发行时并没有设定一定要成为爆款的目标，但我个人很有信心。”

7月22日，科创板鸣锣开市，同日，科技ETF成立，首募规模10.37亿元;

8月16日，科技ETF上市交易，上市首日成交额高达5.5亿元，流动性比肩诸多百亿级头部宽基ETF;

8月20日，上市第三个交易日，科技股行情助推科技ETF量价齐飞，当日收盘规模已增长至20.8亿元，成为史上规模翻倍最快的ETF;

10月14日，科技ETF规模一度涨至近69亿元，此时距离其上市交易尚不足两个月;

……

回过头去看，颇有一丝巧妙。科技ETF的发行、成立再到上市交易，与科创板开市、科技股行情环环相扣，其节奏感之好，好到很多人将此“盛况”简单地归因于年内的最大风口——科创板。

实则不然。科技ETF的基金经理胡洁表示，这只是一次运气不错的“天时地利人和”，但科技ETF自始至终都不是一只蹭风口的产品，自设计之初，它就有着自己的长线逻辑。

“我们想要做第三代ETF”

故事开始于2017年。2017年，“价值投资之风”席卷整个A股市场，国内基础的宽基指数ETF、细分行业ETF和进阶版的Smart Beta ETF均迎来了爆发式增长。当时，华宝基金内部，一系列加入了红利、质量、价值等因子的Smart Beta指数基金已经陆续成立，受到了雪球等三方平台的高度认可。

也就是在这一年，胡洁提出了一个全新的产品布局方向：除了此前的全市场策略指数产品外，华宝基金想要做“第三代ETF”，即“泛行业Smart Beta”ETF。

为什么要做泛行业?若产品涉足的行业非常细分，意味着可能抓住风口、蹭到热点，但市场行情切换之快，也往往令此类产品的未来面临着诸多不确定性。在胡洁看来，根治此症结，需要寻找能长期受益于中国经济转型、产业结构升级，未来3至5年处于上行周期的产业方向和优质资产。以此为基础，为投资者提供可以中长期配置的工具型产品。

但如果只是泛行业选股，或许仅能够获取行业的平均收益。而2015年股灾之后，2016年、2017年至今，行业龙头股表现愈加强势，特别是在经济下行的背景下，“马太效应”愈演愈烈，众多尾部公司被淘汰出局。因此，如何能通过量化策略选出一批优质的龙头企业，以获取行业上的超额收益，这一点也十分关键。

基于这一考虑，胡洁在对比各大行业后发现，行业之间属性相差很大，有些行业细分子行业多、共性少，例如军工;而有些行业的属性就非常强，例如消费行业重在品牌及渠道优势，科技行业则注重成长性，相近的行业特质也为实现量化策略择股，提供了可行路径。

消费和科技，这两个既受益于中国经济转型的政策红利，又可以利用量化策略择股，获取行业超额收益的方向，很自然地成为了华宝“第三代ETF”的最初方阵。

2017年11月和2018年3月，华宝基金先后向中证指数公司提出了研发消费龙头和科技龙头指数的方案，其中提出科技龙头指数的时间点，要远远早于2018年底科创板概念的首次面世。

如何定义“科技”和“龙头”

打造“泛行业”科技ETF，中证指数公司抛给华宝基金的第一个问题则是：如何定义“科技”?

回过头去看当时的处境，胡洁身上呈现出一丝“解题”时的兴奋。胡洁表示，不同于细分行业ETF可以有申万、中信的行业分类做基础，当时国内根本没有人做过科技指数，海外也没有所谓的Science &Technology Index。科技指数应该如何编制，市场上存在一些观点，却没有统一的认知。

“既然大家公认美国过去10年的牛市是科技股引领下的牛市，而中国资本市场也正在与国际接轨，我们想，科技龙头指数的编制不妨也参考下海外的指数产品体系。”为此，胡洁统计了海外所有科技类指数背后挂钩的资产类别，发现这些资产主要分为三大类：金融科技、生物科技和信息科技。

放眼国内，我国金融科技产业尚处于周期开端，信息科技和生物科技倒确实是两个大板块。胡洁对这两大板块再次细分，最终确定了计算机、通信、电子、生物科技这四大细分行业，并初步筛选出了一个涵盖600多只股票的股票池。

“科技”定义好了，那么，“龙头”又是什么呢?

在投资者的普遍认知中，龙头就是蓝筹白马。实际上，在华宝基金向中证指数公司提出龙头系列指数之前，中证指数公司已有一套现有的龙头指数体系，但编制的思路主要集中在“大”的范畴，无论编制方法采用的是“日均成交额”排名还是“总市值”排名，实际上选出来的公司的最大特点就是“市值大”。

基于华宝基金此前在红利、质量、价值等策略因子研发上积累的优势，2017年，华宝基金在业内率先向中证指数公司提出了龙头指数编制优化的想法：做行业内的策略选股，在“规模大”的基础上，增加策略的部分来综合刻画股票的龙头属性。

简单来说，就是除考虑市值和营收规模高以外，还要考虑不同行业的不同特点，将符合行业特性的龙头因子通过主动量化策略揉进指数，做到行业内策略选股。中证指数公司将其命名为“龙头因子策略”。这具体到科技行业，就体现在公司的高成长性。

“逻辑先行，量化不能陷入数据挖掘的陷阱”

既要市值大又要兼具高成长性，既要有行业Beta又要有超额收益，华宝科技ETF在双维因子的龙头优化层面实现了逻辑自洽后，又在实操上遇到了新的问题。

“要知道，成长性和市值指标的相关性并不高，同时用来筛选科技股就会出现逻辑打架。”

胡洁解释道，科技股中市值大的股票，通常是盈利好，却不一定成长性高;同理，成长性好的企业，通常是研发投入高，市值却不一定大。这就会拉大数据的极值差，一些市值特别大但成长性差的股票，亦或是一些不具有行业代表性但成长性特别好的尾部公司，以及一些各项数据中等但平均分居前的公司等等，都会进入股票池，导致最后选出的股票组合并不是纯正的“科技龙头”企业。

因此，与综合排名打分不同的是，胡洁在科技龙头ETF的选股上采用了“分层筛选”的方法，即先基于规模龙头标准，从涵盖600多只股票的样本股票池中，挑出100只行业代表性高、市值大、市占率高的龙头股，然后再用成长性指标选出最终的50只成份股。

“有些维度可以用来选股，有些维度则可以用于剔除。”基于海外经验，胡洁还在选股中加入了估值、研发投入等“稳定性筛选指标”，剔除掉了估值过高、研发投入不持续的公司，以期获得稳定的超额收益。

科技ETF产品设计至此，行业方向、因子策略、选股思路的逻辑已通通敲定，华宝基金量化团队这才开始进行下一步的历史回测检验。

“华宝基金的所有策略指数都是逻辑先行，然后再用历史数据回测进行样本内的检验。”

胡洁认为，做量化投资很容易陷入数据挖掘的陷阱，即把许多因子揉到一起，去看历史收益率和显著性，然后从结果出发，把有效因子提取出来，无用的因子剔除出去。

而值得警惕的是，这种数据挖掘出来的因子只是证明了在历史上表现很好，但资本市场本身有较强的不确定性，历史表现好可能是因为逻辑也可能只是运气，因此历史收益并不能够保障未来收益。如果仅仅通过数据挖掘做高历史收益而不考虑策略背后的逻辑，将有可能使指数陷入未知的风险之中，也有可能使产品本身偏离投资者需要的产品特征。而且，市场本身还在不断演化，因子表现也在不断变化中，例如过去很有效的红利因子、低估值因子，在今年的市场环境下就难达预期。因此唯有从逻辑出发，构建与投资理念相契合的策略，才是Smart Beta产品的长久之道。

“我们的核心竞争力不在于挖掘到多么特别的因子，不在于让投资者看某一个历史区间内业绩跑的有多好，而是真实按照我们的设计、投资逻辑，让投资者拿到真正想要的科技龙头公司。”胡洁表示。

（蓝鲸基金 裴利瑞 黄力炎）