作者：墨城的小宇宙
题图：墨城的小宇宙微信公众号
"I don't look to jump over 7-foot bars: I look around for 1-foot bars that I can step over."
— Warren Buffett
从我的理解来看，老巴的这番话有两层意思：首先是认知到自己是一个普通人，其次是普通人就应该找到属于普通人能赚钱的路径。
投资并不是一场越努力、越勤奋，结果就一定越好的比赛。所以，隔一段时间从循环往复的工作当中抽离出来，思考、复盘、总结就显得尤为重要。
认知，依然是在市场中拉开差距的关键因子。
回到尽调本身。
工作原因，我会接触到很多很多不同策略的基金管理人，也沉淀了一些泛泛思考。其实很早以前就想把这些碎片化的内容整理成文，只是平时工作太忙再加上没有DDL神器，所以一直拖延至今。
私募基金一直是我国资本市场重要的组成部分，这些年经历过高光时刻，但也常因为跑路、暴雷、割韭菜等各种小作文被市场“妖魔化”。背后的逻辑其实很简单：在市场大部分人都很难赚钱的背景下，如果有一小撮人在持续赚钱（或者看起来是在持续赚钱），那自然会被放到被口诛笔伐的风口浪尖。
它究竟有没有原罪，或许跟“六子到底吃了几碗粉一样”，本身并不重要。
数据提升下限
跟德州很像的是，私募投资本身也是在持续在跟不完备信息打交道。在有限的信息维度下，如何建立自身的概率优势，是你在牌桌上持续生存下去的根本。
鉴于我很久以前也做过公募的研究跟评价，但真的当你坐上私募这张牌桌以后，首先要面对的就是各类的数据问题。
公募每日的净值数据强制披露，再加上规模跟持仓数据，这让你可以非常容易通过各种定量的指标跟模型（T-M、H-M、C-L、SDS)来判断每个基金的可比绩效、风格、归因、漂移程度等等，也几乎不用考虑数据真实性、公司治理等方面的问题。
而私募却恰恰相反：本身披露的净值大部分只有周频而已（新规后披露的量级可能再会下一个档次），持仓数据除了滞后的月度四级估值表或者买到了上市公司前十大股东以外几乎也不披露，更不用说交易结算单了。所以我们所说的幸存者偏差也好，选择性披露也好，数据真实性也好，颗粒度的频率也好等等，归根结底其实都是数据的问题。
纵然这些年随着第三方私募数据库的完善，数据质量已经有所提高，但仍称不上完备。任何评价框架，如果喂入的是低质量的数据，则会产生“Garbage in ，Garbage out”，结果的可靠性必然存疑，多数情况下并不具备有效的统计意义。
所以很大程度上，拿到比其他人质量更高的数据确实可以显著提升投资的下限。
"Talk is cheap，Show me Data"。
究竟有没有Alpha?
先说结论：当然有，但大概率会愈发稀缺。
大部分国内投资人习惯游走于天平的两端：赚钱了，国内市场就遍地是Alpha；亏麻了，就吐槽根本没有Alpha，全部是Beta。
虽然大家都很清楚，海外成熟市场的超额年化来看最终只有2-3%；所有的Alpha终究都会褪变成Beta，但过度思考长期主义逻辑在当下并没有什么指导意义，尤其是大部分负债端都脱离不了以年为时间单位的考核框架，更不用提什么”耐心资本“了。
从2018年资管新规后的量化热，一直到今年开年至今量化被微盘连杀三波，超额从早期轻轻松松地年化20、30%，一直到现在可能将将两位数的超额都属于市场头部水平。
其他的Alpha型的策略：高频、T0、大宗套利等，要么因赛道拥挤收益下沉至固收水平，要么因监管套利空间不再而暂时退出了历史舞台等等。
现实的情况正在清楚地告诉我们：原先我们在浅水区就可以遍地获得的”Alpha"，现在不得不迈入深水区去寻找。
摆脱舒适区去寻找新的“方舟”必然是会承担额外风险的，但停留在原地只能被迫随波逐流，躺平在那些已覆盖不了负债成本的Alpha身上，一点一点地看着它们流逝......
以数理的角度来看，如果一个资产/策略有成熟的归因框架，那么我们要做的就是把已知的风险项剥离地足够干净，再把不能解释的扰动项剔除，观察截距项是否显著为正，并且在时序层面跟踪其衰减情况。而对于没有归因框架的资产/策略，同赛道可比法是我最常用的评价框架 —— 多思考为什么，提出猜想，然后再去验证。
退一步来说，如果未来全行业的底层私募资产都不存在明显Alpha了，那么反而是像FOF、基金投顾等行业真正迈向专业化的开始。
追求过高的夏普有意义么？
对于正态分布的业绩曲线来说，夏普是一个很好的绩效指标。
但大部分私募基金产品的业绩并不是正态分布的，而是存在明显的左偏右偏，所以Sharpe这类指标并不能很好地呈现其风险调整后的收益。
随着学界21世纪以来通过各种偏度的修正开发出不同的Modified Sharpe指标，但如果考虑到周频收益率样本个数的问题，大部分产品净值都未能充分暴露其真正的尾部风险，所以在真实工作场景下效用有限。
夏普比率的效用是边际递减的。事实上，任何一个单一绩效指标的作用都仅限于事先筛选，缩小样本选择范围，提高工作效率而已。
高频产品以及部分套利产品往往可以做到5的夏普甚至更高，making类策略的产品做到周度无回撤也不是难事，但追逐这类产品真的有意义么？
大部分此类产品都是容量有限的纯自营策略，管理人如果有这样的策略为什么要接资管的钱，直接加杠杆做不香么？首先逻辑上是不成立的。
再者即使有所谓的稀缺额度放出来，往往都会会收取非常高额的费率，对投资人非常不友好，更不用说投后收益还经常跑不赢资金成本。
从海外的经验来看，夏普0.6-0.8就是一个资管产品应该有的水平，甚至部分产品规模可以做得很大。而考虑到国内市场的特殊性，我认为长期可以做到夏普1就已经是一个在我的评价框架里非常不错的资管产品了。
业绩持续性 —— 线性外推的悖论
公募有冠军魔咒，私募亦然。
“大热必死”的逻辑谁都懂，但真放到投资上面来说，无论是个人投资者，还是机构投资者，都存在看线无脑冲、管不住手的情况。
收益 —— 风险 —— 规模 不可能三角的存在，使得任何开放性策略的业绩都不可能线性外推（自营、小规模封闭型产品除外）。任何过分优秀的业绩，必然都是不可持续的。
既然共识会走向分歧，那么与其花时间去思考一个悖论存不存在，不如提前做好预案。
在实践的角度上，如果投资端的投前准入对于产品业绩有一定的门槛，假如满足市场同类策略前20%的业绩。那么首先你需要做的是降低投后的预期，并且在组合管理中对其预期收益和风险在历史的角度上进行人为校准。然后需要思考的是：你可以容忍它的投后业绩衰减到同类的什么位置？再其次，思考它在什么规模下会掉到这个位置。最后根据它的募资速度大致判断何时会达到这个位置，并且做好预案。
有价值的“另类信息”非常重要
在我的评价框架中，定量部分在基金评价中的占比不会超过50%，其余的部分基本都是定性，并且会有一定的偏一级市场投人的思路融入其中。
不用去纠结定性定量哪个更重要，海外以定量为代表的晨星，定性为代表的罗素，做得都非常成功。
而在定性部分，我会特别关注有价值的”另类信息“ —— 这里并不是指行业和管理人八卦等此类噪音，而是真正会对未来产品业绩造成实质影响，又不会公开披露的另类信息。这类信息往往会涉及管理人的道德风险、公司治理、核心投研人员流动等等，利用好这些信息差有时未必可以让我们多赚钱，但是可以让我们少踩坑。
少踩坑对组合层面来说，在某种意义上是质量非常高的Alpha —— 就好比多空策略中空头端的Alpha；在多头Alpha卷不出收益时，空头Alpha往往是拉开差距的胜负手。
写在最后
在这个行业时间久了，经历过各种“黑马崛起，白马陨落”的故事，你自然会明白这是一个胜率极低且赔率不高的赛道 —— 95%以上的管理人和产品并没有投资价值，但兴趣和热爱依然阻挡不了我们拥抱行业未来的脚步。
人才是这个行业的核心，理论上其他的生产要素都可以围绕人才来构建。
没有人可以在投研中做到面面俱到，但优秀的团队可以在每个环节中都积累一定的相对优势，那么映射到全局就可以形成绝对优势。这未必短期可以让你跑到市场头部，但却是你可以长期存活在市场里的底层逻辑。
本文主要探讨基金投研中所遇到的问题，并不涉及业务方向上的思考（下次如有机会再写）。同时，由于平时服务和接触的主要是机构客户，视角上难免路径依赖，未必所有读者都能感同身受；但假如你是一名个人投资者，对于其中的部分观点可以有所认同，从而对自身的投研框架有所启发，我也会非常欣然。
就写到这里，连续下了一周多的雨，上海的梅雨天应该快要结束了。
版权声明：文章版权归原作者所有，部分文章由作者授权本平台发布，若有其他不妥之处的可与小编联系。
