作者：Beagle小猎犬号
题图：Beagle小猎犬号微信公众号
根据慧度资产总经理董艺婷于2023年8月浙商证券2023秋季量化投资峰会发言《量化、FOF和当下财富市场所需的服务》整理。
本文有很多新鲜数据、案例和观点，推荐阅读指数⭐⭐⭐⭐⭐。
本文所引用数据来源：至明智策(Flare)，恒生聚源公募数据
Part.1 资金端痛点升级
我在现场看到了许多信托公司的朋友，这是我第一次在券商策略会上看到这么多信托公司的朋友。实际上，大家应该能感受到我们市场的资金端正在发生一些变化。从资管新规的实施、银行理财和信托产品的标准化和净值化，我们整个资金端都发生了巨大的变化。
我们首先考虑当下财富市场面临的一个痛点和痛点的升级，首先为什么说这个痛点在升级？过去两年市场是公认的表现不佳。无论资金来自何处——是来自银行、券商、信托、保险，甚至是三方财富，过去两年的系统性风险都影响了整个市场。但又为何说它在升级呢？因为整个资金端的结构正在发生变化。从这个角度来看，对于我们的资产端——通常情况下在券商策略会议上占据主要构成的公募基金和私募基金的管理者们——提出了新的要求。作为一家在信托净值化标品领域深耕了6、7年的公司，我们深切感受到了这两年的变化。接下来，我将向大家展示一张图表，这张图表实际上在不同场合我都与很多朋友分享过。
大约两周前，我与汇泉基金的创始人，也是公募基金领域备受尊敬的前辈杨宇先生交流时，他突然对我说：“你知道吗？在公募基金的历史中，能够连续5年以上保持在同类排名前50%的股票型和偏股型基金非常有限，只有几十个，连续6年的数量更是几乎可以用两只手数过来。”
我告诉他，尽管我们已经有两年多没有当面见面了，但他刚才说的那句话，我最近在不同场合多次重复，几乎没有差别，完全一致。
那么，这张图向大家展示了什么呢？每年，我们公布的股票和混合型基金在当年的前50%中的数量被标记成红色。然后，第二年还在前50%中的数量，第三年还剩下几个，以此类推。我不知道大家看完这张图后有何感受。首先，这是一个老话题，即权益型产品的业绩持续性。在这里，我们谈的业绩不是指绝对收益，而是相对优势。这个问题已经存在很久了，或者说是一个老的痛点。从我统计的数据来看，最早可以追溯到2005年。从那时开始，情况就基本没有发生大的变化，最近几年也没有看到与前几年不同的规律。那么为什么我们说这个痛点正在升级呢？刚才提到，我们资金端的结构正在发生变化，包括银行、信托和未来的保险公司这三类大资管机构在未来可能会拉平监管，它们将成为市场即将迎来的一个重要资金来源。而这种资金来源的需求和运作方式将与我们之前习惯的以个人客户、零售客户和渠道客户为主的市场有很大的不同。那么，这类资金端的属性是什么呢？
他们希望负债端，也就是委托人和持有人，持有的久期越长越好，而资产端的业绩延续性是短久期的。在这种情况下，资金端和资产端会发生一个非常核心的矛盾。这是我们在为信托公司提供服务时最突出的痛点之一。我之所以将其放在首位讨论，是因为这个问题特别突出。资金端通常会认可某个资产管理人，而一个资产管理人能够长期在细分领域里深耕并且称其活跃在一线、还能被大家认可是一件非常难的事。对于这些机构和大资金来说，要认可一个管理人或某个特定资产或产品通常需要很长时间。然而，一旦他们认可并准入，又会发现资产端业绩的持续性消失了，这个这个痛点实际上是非常突出的。
第二个痛点是什么呢？左边的图是非常新鲜的数据，从2021年8月市场开始下跌，到今年的8月，整整两年的时间内。我们选取了规模和业绩靠前的33家公募基金公司，以他们的股票和偏股型产品为样本，每家公司随机选择了10个基金来构建组合。
我们的目标是观察在这两年里，如果客户随机选择了这33家基金公司中的一家来购买产品，他们会得到什么样的结果？我们对每家公司进行了10个组合，总计330个组合。可以看到每种颜色代表一家公司。在图中间这一段比较混乱，而两端则相对集中。尤其在表现非常出色和表现非常差的公司，它们的颜色是相同的，也就是说公司的属性非常明显。这告诉我们什么——这些管理人内部的产品同质性非常高。
然后我们来看整个分布，我们对每家公司的10个组合求平均值后，得到了右边的图，正好有33个点。这33个点代表了这33家公司过去两年客户的平均投资体验。我们会发现，投资体验的分布呈线性关系，也就是风险和回报之间基本上呈线性关系。这意味着什么——无论如何选择管理人，如何进行大类资产配置，要在这种基础上显著提升客户体验非常困难，因为波动性和回报率基本上呈线性关系。我们很难为客户提供超越市场的投资体验。这也意味着在新的资金来源下，客户对于稳健的极致追求和现实中产品风险线性分布之间的矛盾。
第三个矛盾是什么呢？针对刚才提到的这几类资金来源来说，权益类产品只是其中的一部分，而且据我所了解，例如在银行端，纯权益产品的占比最高不会超过10%，中值可能只有5%、6%左右；信托端对于权益的配置中值大概在20%；保险端由于其长久期和相对封闭性，具备一些特殊性质。
回到这张图，通常为了尽量减少客户受系统风险的影响，会采用债券和股票的混合来构建股债组合，因为客户无法接受纯股票的高波动性。橙色点表示我们市场上所有的公开发行的FOF基金、蓝色点是我们前面展示的随机股票组合。看到这张图我的感受是：这些股债混合基金并没有提高客户的投资体验。为什么呢？橙色线的中心是在蓝色线下方，这意味着在相同的波动率下，购买股债混合FOF的回报率下降了，或者在相同的回报率下，购买股债混合FOF相比于购买纯股组合的波动率上升了。这反映了我们市场上的一个残酷现实，即产品同质化问题严重，而且很难创造出超越市场中位数的产品，或者说是资金端方认可的风险特征。今年以来，基金的发行非常困难，而且不仅仅是基金，所有具有权益属性的产品都很难发行。我们有些客户的产品在一个开放期内，卖出去的量是以百万为单位的增量，都觉得已经是胜利了——因为更多的产品可能在开放期内无人问津，或者只有赎回而没有购买。
刚才提到的这三大痛点几乎是我过去两年与客户反复接触下来，抽象出来最集中的三大痛点。
那么要如何才能摆脱这个困难的现实，如何创造出更吻合未来客户需求的产品呢？
产业选择和行业选择我就不多说了，我想说一下大背景，我们一直在权益市场做投资的人，特别容易把我们思考的周期缩短到以年为单位，就是个位数的年为单位，甚至是年内来思考我们的策略方向。实际上，对于长久期的资金端，思考周期应该拉长。因为它资金端的久期是长的，客户在考验我们的投资效果的时候，还是短久期的观察，但是我们要应对的是一个长久期的资金端。在这种情况下，首先要明确我们当前的宏观经济到底处于什么阶段。
我在这讲宏观有点班门弄斧了，但事实上我非常强烈的一个感受是，我们国内的宏观经济正在超越或者脱离过去的两个主要的驱动因素，一个是投资驱动力，一个是消费驱动，正在进入一个技术驱动阶段，而技术驱动阶段其实是非常难把握的一种大环境，为什么这样说？首先对我们对投资拉动的边际效应大家已经很熟悉了，因为货币理论和大量的经济学理论告诉我们这个逻辑是什么，然后消费驱动因为和大家的生活是最直观最相关的，也是非常好理解的。但是到了科技拉动阶段或者是技术拉动阶段，我们会面临认知一种技术以及这种技术的效用，它的门槛认知门槛本身就很高，而每一种技术在宏观经济里面发挥作用的时间和周期也非常难把握。
两周前，我在一个会议上分享了一个笑话。英伟达的创始人，一位全球知名的科技公司创始人，在成立公司时告诉他的妈妈他创办了这样的公司。他妈妈问他产品是什么，可以用来做什么。他回答说可以拿来玩游戏。他妈妈则建议他重新找工作，认为他的决定是不靠谱的。任何时候，当我们回顾20年前那些初创时的伟大公司，或试图预测20年后的伟大公司，往往会感到困惑，因为未来是无法预测的。在这种背景下，投资需要高认知成本和强烈的组合管理能力，两个因素加在一起可能才能把投资做好。然后更重要的是技术发展带来的边际效应，它不是线性的，会有一个漫长的潜伏期，然后突然爆发。
因此，对于大F或是市场上的大资金方，寻找投资机会、寻找小f、寻找Alpha的成本会变得更高——因为中间隔了一层，从直接的投资标的认知到管理人的认知上还有一层。但经过多年的努力，我们为大家提供了几个维度，从这些维度中寻找Alpha，可能绕过之前的认知障碍，为大家提供了一个可量化或可获取的Alpha来源。
首先还是行业。我相信大家对经济正出现明显的转变感受很强烈。这种转变不仅仅涉及增长或衰退的拐头，更关乎经济前进的路径和驱动力的拐头。这一结论我们讲了已经持续两年。在疫情阶段，我们与客户保持沟通，强调疫情并非当前经济面临的最重要矛盾。我们应该更加关注宏观经济驱动力的转型。事实也同样证明，疫情的开始和结束从头到尾都并没有改变市场结构的本质。
其次是投资风格。后续将会给大家展示一些案例。在过去的20年里，投资主题已经发生了显著变化。在我刚开始投身股票市场的时候，普及投资是较为边缘的投资方式。人们可能认为，只有那些涉足游资和短线交易的非规范投资者才会不断提及投资主题。然而，如今投资主题已经成为寻求超额收益的重要方向——因为新事物出现的速度日益加快，很多领域来不及发展成为成熟的行业，或者已经成熟的行业也会进一步分化成不同的主题。因此，为了在短时间内不被市场抛弃，我们需要运用数据关注投资主题，以及通过基金来实现这些主题。
第三个重要维度是人的因素。无论世界发生怎样的变化，始终是通过人来连接资金端和资产端。因此，在我们的投资过程中，人的作用非常关键。后续会有案例来说明这一点。
最后，作为一个长期从事量化领域的人，我特别想与大家分享策略和思想，因为它们是寻找Alpha的根本。策略和思想代表了管理人对世界的认知逻辑。这种逻辑的可行性将影响我们在投资中的表现。不同的市场环境下，不同的逻辑会带来不同的超额收益来源。尽管这句话可能听起来有些拗口，但我一直在向客户强调：虽然系统性风险难以抵御，但多样性是有效对抗系统性风险的唯一方法。那多样性又从何而来呢？
Part.2 量化的多样性
我们所说的多样性并非盲目，而是有意识的多样性。在这种多样性中，策略与思想是一个清晰的维度。由于图表较为混乱，我之前制作了动画，从下面开始演示，以更清晰地呈现。在之前的展示中，我们对比了33家公司的数据点与我们公司FOF的数据点。我们将这33家优秀的公共基金公司随机组合作为比较基准，这些点位于图表的底部，用蓝色表示。
首先，我们在实际投资中要寻找板块和主题的优选FOF。这个过程有两个层面：首先，我们确认某只基金长期投资于特定类型的资产，比如大消费、高科技或周期性行业。然后，我们使用我们的模型评估基金经理获取Alpha的能力以及持续性——这类组合我们称之为主题和板块优选FOF。
我们注意到，黄色线的表现明显超越了33个随机组合。大家应该还记得刚刚的公募FOF的点是在这些随机组合下方的。当我们明确投资方向并叠加可持续的Alpha后，这些点已经到上面去了。
接下来，我们来看红色线，行业被动组合——即市场上现存的各种ETF和指数基金。昨天在做这张图的时候跟几个朋友说这张图可能会非常得罪人：一个ETF组合打败了这么多基金经理。但我们我要更新一种思路：被动投资并不意味着没有思想，尤其是在近年来ETF迅速发展的情况下，许多ETF内部涵盖了新的因子、新的行业和发展方向、甚至有smart Beta在里面。其实大家不要以为ETF没有Alpha，这张图告诉我们，ETF也可以获得Alpha，而且其性价比提升也不小。
再往上看，第三条线是深蓝色的。在我们明确一个基金与特定行业紧密相关的前提下，我们再次进行优选，要求基金经理在该行业长期深耕，并具备获取超额收益的能力。我们发现，这条线的性价比是最高的——相同的波动率下，年化收益率大概会比随机组合提高10%的收益。在过去两年中，意味着总体有20%的提升，非常出色。大家还记得前面33家公司随机组合中最好一家基金公司的随机组合的年化收益是0%-5%之间，而如果我们能够叠加10%年化的话，那么20%的收益已经出来了。相比于33选1容易，还是这样选中一种投资思想去执行，显而易见投资思想的执行是更为容易的。这些组合全都是样本外的，两年来我们没有对模型和样本库进行修改，这是两年就前编制的FOF组合。
聊完前面的内容，有些信托的朋友可能会问“说了这么多结果还是个负收益，两年下来还是没有跑赢储蓄”——这就是我们信托端大量面对的客户的质疑。
左侧是我们有既具备精准Beta属性，又基于Alpha的基础上叠加了量化策略的组合——近期关于量化的“讨论”很热烈。上次被一个朋友拉进QQ群为量化“发声”，因为我是量化俱乐部的现任理事长。进群后我发现市场上对量化的定义太狭窄了，但实际上量化的能力远超大家的想象，比如，量化策略管理FOF——我们将量化思想应用后，得到了图中这几个大三角形的样本。可以看到，在所有这些样本中，性价比都很高。然而这还不够，因为它没有达到客户所期望的稳健性和绝对收益要求。因此，在此基础上，我们需要进一步添加更多低波动的资产来源和更多的资产配置。就演变成了最左侧的慧度机构定制组合，在这几个定制组合中，过去两年的年化收益率在0%到5%之间波动，需要强调的是，这些组合完全由公募产品构成，没有私募产品的成分，是纯公募费后的一个结果，做到这样一个收益率真的已经很难了，可以去跟刚才的公募FOF去对比一下业绩，也就是说量化可以做的事情是非常广义的，它整个覆盖了我们大类资产配置从头到尾需要的各个环节。
Part.3 量化的优势
下来给大家稍微展开讲一下量化的优势，我也希望将来大家在面对量化管理人的时候，从更多更广泛的角度去筛选我们这个领域的优秀管理人，而不仅仅是根据市场上流传的观点。
首先我觉得管理人可以给大家贡献的第一个要素就是时间。
在当前的信息爆炸时代，面对大量的信息和投资标的，投资者的投资和决策成本极高。想要从众多基金和管理人中筛选合适的选项，成本以及若决策错误的机会成本都很高。在此背景下，量化投资能够在短时间内为投资者带来高效的决策成果。有观点提到，量化投资的优势仅在于高频交易。但实际上，时间和时效性既是量化的优势，而不仅限于高频。时效性同样可以应用在低频的投资和分析中。例如，我们系统对于2022年股票型基金收益冠军的分析展示了其出色的业绩。在一个大家都觉得投资困难的年份，这只基金取得了高达数十个百分点的年化收益率。那么，这样的业绩是怎么做出来的？
根据系统分析，这只基金在2022年上半年大量布局了煤炭行业，为其带来了接近20%的收益。但随着市场对煤炭的持续性产生疑问，许多人开始犹豫是否继续持有该基金。我们可以在22年11月上旬就提供这一信息，而如果仅仅依赖季报和年报的信息披露，那么你需要等到23年1月。简而言之，量化方法能提前两个月告诉你，无需进行任何尽调，就能揭示管理人的行动。很多客户一开始深感怀疑，认为量化能如此准确吗？但随着时间推移，他们渐渐相信了。这些案例应该让大家相信，量化实际上可以做一些小小的魔术，而且其原理并不复杂。
第二个点就是效率和证伪。在信息爆炸的时代，前几天在群里与人“讨论”量化时，有人说量化投资者不属于正统的投资人，因为量化连投研报告都不看，也不深入研究上市公司。这种观点有趣，但我认为量化擅长的恰恰是证伪。不管你是在研究上市公司还是研究管理人，都很难通过现场调研和主观认知来准确判断对方的真诚程度。许多上市公司的董秘和管理人都拥有出色的演讲技巧，他们能够很容易地取悦客户。在这样的情境下，仅仅通过主观判断来评估一个机会的价值是非常困难的，因为这样的信息与噪音之间的界限很模糊。而量化方法恰恰可以辅助我们验证信息的真实性。通过大量的样本数据，我们可以判断模型的结论与手头的信息是否一致，从而大概率上避免因为主观判断而犯下的错误。
第三点是确定性。从我之前展示的内容中，大家可以明确看到我们是如何逐层叠加收益的。大家可以看到我们过去两年的行业ETF组合，其性价比居然超过33个优秀公司的随机组合。这种观察揭示了什么深层次的信息呢？它告诉我们，投资的确定性比追求业绩和超额收益更为重要。风险的确定性和因子的确定性是至关重要的，一旦这些确定下来，选择的成本会大大降低。这也正是量化投资的优势所在。
在众多基金中，我们能为你精准地筛选出哪些基金是严格属于某一种风格、行业或者投资思想的。在这基础上我们构建的组合，首先它的Beta、因子属性或者说超额收益的来源，首先是确定的。确定了这些，我们再考虑如何构建更高效的组合或如何进一步降低成本，这也是量化很擅长的一件事。
第四点是关于投资思想，这张图是投资风格优选FOF。虽然这条线没有很大程度跑赢随机组合，但有一个点特别值得关注。有一个点其年化波动率在过去两年中仅为5%-10%之间，收益亏损也极低，仅在0%-5%之间，年化亏损大约为2.5%。那么，这是什么样的组合呢？这是我们众多投资风格组合中的一种特殊组合，称为“长青基金经理组合”。我们对长青基金经理的筛选标准是，他必须拥有连续10年以上的公募基金管理业绩，才能入选我们的初选池。在这个池中，我们进一步筛选出具有出色超额收益能力的基金经理，并据此构建了我们的投资组合。这个组合的年化波动率长期以来一直是我们所有组合中的最低，特别是在过去两年中表现尤为突出。这告诉我们，选择合适的基金经理是可能的，但关键在于选择正确的人，并将他们置于适当的市场环境中。这样一群经验丰富的基金经理，在熊市中展现了强大的抗风险能力，这种能力源于他们长时间的市场经验、对危机市场的敏锐感知、以及在此类市场中如何管理投资组合和风格、以及如何进行防守。这些经验在过去两年为我们提供了巨大的价值。而我们使用的是量化方法来选择这些具有强烈主观倾向的基金经理，所以量化投资的强项是什么？它擅长对现实世界进行抽象。
从年化收益和波动回撤来看，可能乍看之下，表现似乎平平无奇，特别是考虑到过去两年整体收益的表现，甚至可能没有超越银行理财产品，但如果我们将所有因素综合考虑，我们会发现，目前大型资金端最需要的正是这类资产——这类资产并不像人们想象的那样难以获取，只要我们精细地一步步拆解问题，然后将收益来源精准叠加在一起，我们会发现这是可以实现的。
最后，我想介绍一个相对新的问题。特别是在最近信托行业的新规发布后，所谓的衍生品资格限制，导致很多信托公司发现直接投资混合型产品和信息化产品变得非常困难。因为缺乏衍生品资格，这带来了一些困难。此时的问题是：如果没有衍生品资格，绝对收益从何而来？
从公募产品中获取一个绝对收益来源，但这一步是很难做的。不过量化人特别擅长风险的变形、擅长衍生品、擅长产品设计。在过去的三年里，我们看到市场上出现了很多封闭三年的产品。有一个经典案例，其中一个封闭型私募的客户亏了30%到40%，但基金经理在其中赚了很多的费用，因为这些费用是逐年提取的，而不是在三年封闭期结束后提取的。客户非常心痛，因为他的累计净值大概跌了30%，但管理人却拿走了他净值里百分之十几的carry。这个案例告诉我们什么？它告诉我们错误的产品设计可能会使本来不太好的投资效果雪上加霜。如果我们约束了客户，让他们将高流动性资产装在一个封闭式产品中，我们必须为他们提供相应的性价比提升。如果没有做到这一点，封闭期将毫无意义。
所以我们设计的这种每一期封闭一年的产品，将各种公募基金精准的超额收益来源集中起来，构建一个量化的基金组合，再通过券商的辅助对冲，将其打包成一个绝对收益类产品。尽管最近两年的年化收益率也不高，但已经非常不错，特别是考虑到我们可以获取到的便宜且确定的绝对收益来源，并且这个产品的设计是具备兜底的特性，也就是说如果这一年我们的组合没有实现正的Alpha，它将提供0%的收益。此外，这种产品还带有衍生品设计，为我们提供了绝对收益的来源。
总结一下，今天的内容主要涵盖了我们对财富管理市场一些突出痛点的认识，以及如何使用我们的量化方法来应对这些问题。希望这能给大家带来一些收获，谢谢！
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。
