作者：Fundplus
题图：Fundplus微信公众号
2023年5月6日，Fundplus第23期沙龙在线上举办，组委会有幸邀请到冯美云老师进行FOF投研体系的道与术的分享。
冯美云，云通数科创始人。具有多年大数据分析与基金研究背景，资深数据架构师，曾就职于证券公司、外资投资咨询公司和资产管理研究机构。从业多年，客户分布国内外银行、证券公司、交易所等大型企业机构。云通数科专注于基金数据挖掘及基金评价研究，是目前国内少有的独立三方基金研究机构。
以下为分享内容实录，Fundplus志愿者云通数科参与内容整理和编辑，希望对业内同仁有所帮助。----编者
非常感谢Fundplus给大家提供交流的平台，能够让大家从自己所在的领域跳脱出来进行交流和碰撞。
今天我分享的主题是：FOF投研体系的道与术，我更多从云通数科作为服务商的角度，把我们这么多年来所看到的，参与到客户建设FOF投研体系当中的感受和思考跟大家交流，希望对大家未来建设自己的投研体系能够有一点启发。
我总共分为三个环节，首先回顾一下整个FOF的发展历程，第二是目前市面上FOF投研体系的差异，第三是如何针对性地建设FOF投研体系。
一、FOF的发展历程
FOF的发展历程分为三次迭代，分别是拼盘式FOF，自上而下型FOF和多资产全策略FOF。1.0时代拼盘式FOF其实更偏向于营销，因为底层所有的小F都是明星基金经理，对客户来讲持有体验是非常好的，但是我们看最终结果可能没那么好，也就是说它并没有起到真正的分散风险的效果。FOF2.0更多的是自下而上，每个人都去建自己投顾池。从你的观察池到初选池再到核心池，这样的方式未来的确定性比较高，因为每一个子投顾都是精心挑选出来的，并且都是做过模型测算的，但未来它的容量是个问题。FOF3.0就是目前市面上更多的大资金，包括自上而下地建立一个全资产、多策略的投资方法，尽可能用科学的方法去突破收益，流动性还有风险之间的不可能三角。
我们也统计了一下，公募问世五周年规模接近2000亿。从持有人结构上来看，公募FOF的持有人结构更多还是以个人为主，私募FOF更多是以机构为主。截止到2022年12月，据市场数据测算，目前私募FOF的存续规模大概在5000亿元。近年来量化私募的崛起，为私募FOF提供了大量优质的底层资产，客观上也为私募FOF的高质量发展提供了一定保障。按照底层资产的收益风险配置比例，我们划分出市场上10类具有代表性的私募FOF。
我们对近一年公私募FOF的收益风险也进行统计分析，FOF确实可以在风险和收益间取得良好平衡。从组合效果看，我们看到不管是公募FOF还是私募FOF，从配置角度，FOF确实通过分散投资可以起到平滑风险的效果，虽然FOF短期内在收益上可能比不上单只基金，但其波动较小、控制下行风险的特点使其成为许多风险偏好较低、风控意识较强的投资者的投资标的。由于发展时间较短，公募FOF的效果还有很大的改善空间。
业内FOF最终取决于两大收益能力，一方面是配置能力，另一方面是销售能力。配置能力最直接的是考察投资效果，FOF管理人最终有没有通过合理配置达到当初所设定的投资目标，帮助客户去建立有效的投资组合。销售能力更多的是客户希望能够看到中间的投资过程，包括FOF配置流程和体系，底层资产的研究能力，更希望FOF管理人可以将配置体系以及系统建设进一步输出来服务客户的客户。真正做好这两端其实不容易，在配置能力上各家基本有完善的投资体系和团队来保证FOF策略的执行，更多差异是在销售能力上，我们发现有时候FOF管理人跟投资人的沟通，其实不亚于跟底层资产沟通，FOF团队花了很多的时间和精力在销售能力的建设上。
从FOF投研端的差异，我们看到往往是FOF的负债端决定了投研端的差异。一方面是大资金像银行、信托、保险资管，FOF业务是刚刚起步的，第二类是券商，小部分的银行，私募FOF，他们对FOF有一定的认知，第三个就是各种渠道代销的高净值个人和企业。在这个过程中，大家对投研端的建设也是不一样的，如果是自营资金，只需要把握好风控和资金的要求，相对来说体系比较简单。但如果资金属性要求对渠道端负责，这个时候不仅仅是投研体系复杂，最终设计的产品也注定你是复杂多样的。这个时候投研端所花费精力和时间要更多，包括基础的市场研究、风险研究、底层研究等等。
二、FOF投研体系的差异
具体来看，其实大家差不多采用自上而下FOF+的思维配置。FOF管理人往往关注三层Alpha，第一层是追求大类资产配置的Alpha、第二层是追求子类资产轮动的Alpha，也就是要抓住行业或者风格的轮动，第三层是追求标的优选的Alpha，往往体现在基金组合的动态管理上。事实真的能把这三层Alpha都抓到手的FOF管理人其实很少，这并不代表投研端就不要去做了，而是在投研端要体系化地去构建。
我们把整个资产配置所用到的一些理论和模型进行了罗列，大类资产配置是以追求绝对收益为目标，分散配置的同时，在不同投资环境下选择不同重点配置资产的行为。目前投资流派分为风险平价模式、耶鲁模式、恒定混合模式和CPPI模式。在这里有句话跟大家分享：你所在的机构的特点，决定了你能够做什么；你的投资哲学代表你相信什么；投资模式决定了你怎么去做。很多人认为资产配置模型是往往是黑盒，参数设置和配置逻辑都不可见，只是给到给投资者冷冰冰的投资结果。但我个人认为，资产配置模型有时候更像是汽车的导航系统，当你在走一段非常熟悉的路程，就像下班回家的路，熟悉的不能再熟悉，这时候我们其实可以不用看导航，就可以做出清晰明确的判断。但有时也会出现反常的行为，比如因为修路或者其他因素，路上堵车超过10分钟，这时候我们往往会打开导航，看看这段路程究竟发生了什么。再比如我们要去到一段陌生的目的地，这时候往往会习惯性地打开导航，预估下这段路程需要花费的时间，可能会遇到哪些问题。当然最后要不要跟着导航走，完全取决于你自己。也就是说资产配置模型会根据市场周期、收益风险等要素的设置，给出资产配置的建议比例，但至于最终的标的配置比例，其实取决于FOF投资经理。以风险平价模型为例，我们发现，当你直接拿过来用和对参数做过改进之后，两者所产生的效果是不一样的。在这个过程当中，模型很多参数需要根据实际情况进行调整，特别是对于市场、策略及风格的周期研究都可以放进去。
我们刚刚讲到的捕捉行业或者风格轮动的Alpha，也就是通过市场情绪、因子拥挤度、基本面、流动性等维度，判断当前的市场风格，判断完之后再去配置相应的基金。很多人喜欢把这个过程叫做捕捉行业或者风格轮动的Alpha，但我们更愿意称之为捕捉行业或者风格轮动的Beta，因为这个过程我个人认为并不是一个追风口的过程，这个过程并不是要预测下阶段哪类资产表现最好，更多是基于资产（策略）的长期收益和风险，为各类资产（策略）定义好配置比例的中枢和偏离度的约束，这是比较重要的，当然这些也可以通过一些模型去训练出来。
第三层是捕捉基金优选的Alpha，在这个环节最重要的是，你对于底层资产的定义标准是什么,如何来甄选底层资产。我们想强调的是，在FOF整体投研框架越来越趋同的背景下，关键在于细节的差异。举一个例子，关于公募基金大小盘的区分，大中小盘其实是一个相对的概念，行业也没有明确标准和定义。我们做市值标签的时候方法有很多，一种是绝对排名，一种是相对排名，比如晨星的九宫格法，用累计市值去做排名，还有一种是用指数成分法。当你用这三种方法对市面上的基金进行定义的时候，你会发现三类标签的一致率大约只有60%。这就涉及到细节的处理，在某一个特定阶段，不是说方法的好坏，只有适合和不适合，在这个过程当中应该去选择适合自己的方法。再比如成长、价值、均衡这些风格，就更难去定义了，市场上对于成长价值的计算的方式和方法都不太一样，这就导致划分出来的基金底层会有很大的差异。但底层资产的标签是对FOF来说很关键，因为我们在构建组合时，希望通过一个清晰的可靠的完整的标签体系，来筛选出我们想要的底层资产。
现在的基金定量分析，是可以用很多手段去找到基金的真实风险及基金经理决策来源的变化。举个例子，去年的一只权益TOP10基金，从基金的持仓披露来看，四季报大部分都是消费股，但是在去年的行情下如果重仓的是消费，还能排到TOP10，大家会有点不可思议，唯一可能的原因是，它的底层标的一定发生过偏离。权益基金去年能够排到TOP10，肯定是重仓了周期的上游，而且大概率是重仓的煤炭。从这点反向推测，从我们的系统就可以看到，从去年11月份开始，这只基金进行了调仓，但是在基金四季报披露时又默默地调回去了。后来我们了解到，这个基金经理本身就擅长做一些行业轮动，Alpha还是可以的，那这个时候我们就要去看这只基金在行业轮动时所选择的个股是什么样子的，有没有通过个股选择创造一些超额收益，这些都可以通过系统刻画出来。
再展示一只基金，这只基金的排名1月份到3月份是直线上升的。根据这个基金披露的重仓，我们发现基金四季报重仓的都是新能源，我们又觉得更不可思议，一季度新能源回调，那它为什么还能够做到收益曲线一直往上升，我们通过系统分析发现，这只基金大概率应该是重仓了TMT也就是涉及了AI板块，果不其然根据一季报，重仓股全都是在AI板块。所以这里我想强调的是，我们需要看到基金信息的AB面，投资者短时间内总是被绩优基金的信息吸引，看到的往往都是基金继续表现优胜的A面，却很少看到信息的B面。只注重基金投资信息的获取，而不注重思维训练与信息的处理加工，公募相对来说，不管是净值还是持仓等信息都比较公开透明，可以通过多种方法去捕捉信息变化，并且把它的变化行为通过一系列的指标去刻画出来，这个过程其实就是不断去训练你的模型，形成你的投资参数，最后投入到系统中。
我们看到FOF投研更多是买方视角，贯穿于FOF业务的全生命周期，侧重于实用性和结果导向。构建FOF的投研体系0到1时，我们需要去做研究；在FOF配置过程中，完成投资组合的落地、反馈与再优化的标准流程，包括像组合调仓和尾部风险管理，我们还是要做研究，最后在服务客户的过程当中，投研也是离不开的，只是它以什么样的形式去做这样的体现。所以我们说，FOF投研体系的科学性、研究的深度和精细化程度，决定了FOF产品的内在生命力和张力，某种程度上也决定了管理FOF策略容量的上限。
三、如何针对性地建设FOF投研体系
首先展示一下FOF业务的标准化流程，FOF连接的是资产端和资金方，完成是资产配置和产品管理的两大过程。关于底层的资产，按照底层资产或者投资策略划分都可以。这部分主要是底层资产的尽调信息，这也是各家FOF机构投入的精力和时间都是最多的环节之一。其中资产分类的标准，可以由FOF机构按照负债端的要求来定义，而不是采用拿来主义。目前市面上有很多供应商或是卖方会提供这样的资产分类标准，其实我们不建议FOF机构会直接拿过来用。因为一方面底层资产的分类标准定义和处理细节不够清晰，另一方面每家FOF负债端的需求或者服务的客户也各有特点，就算底层资产的分类标准统一以后，还有整个评价流程的设计，比如怎么去给出定量和定性指标的权重，这肯定不能拍脑袋决定，需要有一套闭环流程来检验。
第四块是投顾的分层管理，这个也非常重要，可以把它理解为FOF的质量管理体系。同时还包含整个FOF组合策略的制定。在投资过程中，更多的是FOF流程化的管理，流程做足后面出错的概率会比较小，包括产品管理、交易管理、组合、流动性以及合规管理。投后也非常重要的，关于底层资产的绩效归因、调仓管理、数据核算等等都要跟资金方沟通交流。所以配置方案、投后分析、策略定制，包括客户自己的向上管理都可以通过系统化的手段去实现。
以上是FOF业务的操作流程，我们根据业务流帮客户实现了FOF投资管理一体化平台，这个平台的目的，首先是通过系统化的手段来生成FOF组合，包括FOF的市场研究体系、资产配置体系和基金研究体系；其次是FOF产品的设计和发行，这也是很重要的一步，产品是从体系上面长出来的。FOF是一个很特殊的产品，它的终点一定是规模化经营，目标是追求长期业绩的可解释、可复制、可迭代。从收费方式来看，FOF两头在外，为避免双层收费， FOF的费率整体被压得比较单薄，如果不靠规模化去撑住，投资收益未必可观。在这个过程当中，既然是规模化的经营，那么关于FOF投资的一套可落地可传承的规则、制度或者流程必不可少。所以我们帮助客户共同来建立FOF投资管理一体化平台，目的也是为了追求长期业绩的可解释，可复制和可迭代，整个平台涵盖了多源异构数据的统一化管理、海量市场信息的智能化分析、投研数据和框架的中台化沉淀、投资策略与组合的量化开发、风控合规嵌入投资流程、市场风险的实时监测预警等。这里我补充下，在FOF管理过程当中，对客户来说最大的痛点并不是数据处理，主要是数据管理，包括多源异构数据，数据质量管理，数据权限管理，哪些数据可以对外开放，哪些数据需要内部协同，哪些数据要向上管理汇报，所以在数据管理过程当中，大家是有痛点的，这方面我们是有一些经验的，后续我们可以专题再交流。
任何研究框架和体系，最终服务于业务目标，对于FOF而言，我们认为FOF的本质并不是追pure Alpha,而是在配置Beta后寻找安全边际下的Alpha收益，只要能跟的上Beta，做的出Alpha，你就跑赢了绝大部分。我们一直在强调优秀的FOF策略，并不是单纯的追逐风口，也不是机械式地生搬硬套各种模型公式，FOF配置方案里的每一个标的都有其相应的组合价值和功能所在，不断适应市场变化的需求，与时俱进动态优化。当然在底层基金甄选的过程当中还是会有一些难点。在这里我们强调，一定要正确认识底层资产的属性，对于标的的研究不再区分公募和私募，纯粹从风险的的角度出发。每家FOF管理人的标准可能不太一样，有的FOF多的可能涉及十多个品种的底层，少的也有五六个，当然最终还是要回归到资金属性上来，由服务的资金属性和客户类型，来定义底层资产的分类标准。定义完分类标准之后就是评价流程。从分类标准到评价结果，中间过程需要通过不断的参数训练，云通进行基金星级评价的过程中，对于参数我们不会人为地干涉，纯粹用机器学习的方法来训练。每个客户在云通的基础评价参数之上，再根据投资场景配置不同的权重。
定量评价和定性评价往往是相互佐证。市面上我们经常看到一些投顾的尽调报告，总体上来看，根据不同策略，投顾尽调报告的框架基本也都大差不差，主要是取决于投资的验证过程，关键还是在于细节的处理。市面上关于FOF和基金研究的卖方报告很多，提供公私募基金分类体系的也很多，在实际使用的过程中，我们很少会过问中间的过程，往往只有在投资结果不太理想的时候，我们才会去回溯过程和逻辑。对于我们而言，我们会把中间所有的过程给客户打开，愿意跟大家去分享，怎么定义分类，怎么定义标签。因为客户的应用场景不一样，可以在我们的基础之上去做个性化改造，只有打开过程，才会信任结果。
甄选底层资产时，FOF管理人往往不是去寻找年度收益冠军，而是在海量基金中去伪存真，找到真实风险和决策来源的变化。根据公募基金的数据，我们也做过实证研究，当一个基金经理的管理规模超过100亿的时候，投资人的行为对于基金的超额收益的影响已经远远超过了投资经理本身。这也说明了，管理人并不是要去找每年的冠军基，能够找到市场前10%已经很不容易，摘到手里的才是“最大的麦穗”。相较于追逐风口上的投顾，FOF管理人更倾向于选择信息传递透明、产品业绩一致性高，流动性好、费率合理的子基金。此外，在FOF管理人制定入池标准时，性价比才是“圣杯”。举例来说，我们根据市面上各家券商提供的净值周报，以私募指增1000基金为例，我们选取单只产品规模在500万以上的私募1000指增基金与公募1000指增基金进行比较，我们发现今年一季度，当私募1000指增的产品，把费率扣除掉以后，其超额收益跟公募相比并没有特别大的吸引力，而且公募相对来说流动性可能会更高，当然这可能是今年一季度的阶段性的表现。因此，从我们服务的很多客户案例来看，FOF管理人在筛选底层基金的时候，不会特别去区分是公募还是私募，除非是私募专有的一些套利策略，目前看大家更多还是从性价比的角度去考虑，当“性价比”凸显，用更小的风险换取更高的收益率时，FOF产品的生命力和发展空间，才会充分显示出来。
以上总结，首先，FOF投研体系的科学性，研究的深度和精细化程度决定了整个策略容量的一个上限。第二，在整个FOF投研框架越来越趋同的背景下，关键在于细节的差异。第三，真正意义上的FOF是净值曲线背后“性价比”和长期投资的结果。最后，我个人认为FOF的终点是规模化的经营，系统化的FOF投资体系是必不可少的，从这个体系到FOF产品的发行落地，到最终传递给客户的收益率，是需要有一套可落地可传承的规则、制度或者流程，目标是为了追求FOF业绩的可解释、可复制和可迭代。
四、Q&A
问：从您的观点来看，什么样的资金属性或者机构特质更容易做好产品收益呢？
冯总：云通本身不做FOF，从我们服务的客户而言，如果是自有资金，对底层的约束相对来说较少的时候，对于投资经理而言，他发挥的自由度会比较高，这个时候往往会有一些惊喜。一旦约束和框架比较多，出现最优结果的概率相对来说比较低，但是稳定性会比较高，持续性也会比较高。
问：平台在数据端、模型端对B的赋能优势体现在哪一方面？
冯总：我从三点来解答。第一从数据端来说，本身FOF自己会收集很多数据，市面上也会有供应商提供，但更多的是净值为主，FOF管理人在尽调的过程中还会有一些文本数据，包括文字、图表等非标准化的一些数据，我们平台会用数据清洗ETL把底层数据按照业务标准或逻辑清洗好，为系统的标准化输入做好准备。当然在数据处理过程中我们也会进行内源数据和外部数据的比对，会设定数据处理的标准（数据生产体系），经过这个标准流程，让底层数据先变得可用。第二，在模型端，我们愿意把中间的模型和算法过程全部打开，让客户在这个基础中加上自己的业务场景，实现底层模型的透明可用。第三点，无论是数据端还是模型端，最终都是嫁接到系统应用当中，通过流程化、标准化和系统化来发挥FOF组合的整体效益和投资胜率，并且不断形成闭环逻辑来优化投资流程，未来才能够保持投资业绩的稳定性和持续性。
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。
