VTI バンガード・トータル・ストック・マーケットETF(Vanguard Total Stock Market Index Fund ETF)は、グロースおよびバリュースタイルに分散した大型株、中型株および小型株へ投資対象とし、CRSP USトータル・マーケット・インデックス（同インデックス）に連動した投資成果を目指す。同インデックスは米国株式市場の投資可能銘柄のほぼ100%をカバーする。
VOO バンガード・S&P 500 ETF(Vanguard 500 Index Fund ETF)は、総額が大きい米国株式を構成銘柄とするS&P 500指数（同インデックス）の投資パフォーマンスに連動する投資成果を目指す。同インデックスは、米国の主要業種を代表する大型株500銘柄で構成され、米国株式市場のパフォーマンスを表すベンチマークとして知られる。
VYM バンガード・米国高配当株式ETF（Vanguard High Dividend Yield ETF）は、FTSE ハイディビデンド・イールド・インデックスのパフォーマンスへの連動を目指す。FTSEハイディビデンド・イールド・インデックスは、FTSEグローバル・エクイティ・インデックス・シリーズ(GEIS)の米国コンポーネントの派生インデックスであり、高い配当利回りの銘柄で構成されている。
QQQ パワーシェアーズ QQQ 信託シリーズ1(PowerShares QQQ Trust Series 1)はパワーシェアーズ・キューキューキュー指数連動株式と呼ばれる証券を発行するユニット型投資信託。同信託はナスダック100指数(Nasdaq-100 Index)(同指数)の構成証券の全てを保有する。同信託の投資目的は同指数の価格・利回り実績に連動する投資成果を提供すること。同信託のスポンサーはInvesco PowerShares Capital Management, LLCで、受託銀行はThe Bank of New York Mellonである。
USMV
iシェアーズMSCI米国ミニマム・ボラティリティ・ファクターETF（iShares MSCI USA Mi n Vol Factor ETF）は、米国籍のETF（上場投資信託）。米国株式市場全体と比較して、 総合的なボラティリティが低い米国株式銘柄で構成される指数に連動する投資成果を目指す。
以下はUSMVのグラフ。
#%matplotlib inline
import matplotlib.pyplot as plt #描画ライブラリ
import pandas_datareader.data as web #データのダウンロードライブラリ
tsd = web.DataReader("usmv","yahoo","2012/1/1").dropna()
import pandas_datareader.data as pdr
import statsmodels.api as sm
import numpy as np
lnntsetsd=np.log(tsd['Adj Close'].dropna())
y=lnntsetsd
x=range(len(lnntsetsd))
x=sm.add_constant(x)
model=sm.OLS(y,x)
results=model.fit()
print(results.summary())
OLS Regression Results
==============================================================================
Dep. Variable: Adj Close R-squared: 0.984
Model: OLS Adj. R-squared: 0.984
Method: Least Squares F-statistic: 1.415e+05
Date: Sun, 16 May 2021 Prob (F-statistic): 0.00
Time: 14:52:49 Log-Likelihood: 4161.9
No. Observations: 2357 AIC: -8320.
Df Residuals: 2355 BIC: -8308.
Df Model: 1
Covariance Type: nonrobust
==============================================================================
coef std err t P>|t| [0.025 0.975]
------------------------------------------------------------------------------
const 3.1586 0.002 1852.251 0.000 3.155 3.162
x1 0.0005 1.25e-06 376.099 0.000 0.000 0.000
==============================================================================
Omnibus: 540.355 Durbin-Watson: 0.046
Prob(Omnibus): 0.000 Jarque-Bera (JB): 2116.103
Skew: -1.075 Prob(JB): 0.00
Kurtosis: 7.114 Cond. No. 2.72e+03
==============================================================================
Warnings:
[1] Standard Errors assume that the covariance matrix of the errors is correctly specified.
[2] The condition number is large, 2.72e+03. This might indicate that there are
strong multicollinearity or other numerical problems.