导读:在全球成熟市场,衡量一个基金经理重要的指标是信息比例(Information Ratio),这个指标衡量基于跟踪误差所带来的超额收益。跟踪误差越小的条件下,超额收益越高,意味着这个基金产品的超额收益能力越强。这也意味着,基金经理相对基准的跟踪误差不应该太大。
景顺长城的量化投资总监黎海威却有一个不同的产品思考,他认为如果对应的基准波动太大,是比较差的Beta,那么即便获得相对丰厚的Alpha,用户的持有期体验也不会很好。大部分指数增强的产品,都是以沪深300或者中证500为基准做增强,在这个基础上力争产生稳定的alpha,在足够长的持有期内,效果是不错的。因此对于机构或者类机构的“长钱”而言,指数增强基金是个性价比很高的选择。但如果投资者缺乏资产配置能力,投资期限又比较短,则投资效果难有保证。
黎海威认为,好的产品应该让持有人在持有期内赚到钱,提高产品的夏普比率让客户拿得住变得很关键,即使以适度扩大跟踪差和降低信息比率为代价,也是值得的。通过对于Beta的重构,将产品的投资重点削减为7-8个好赛道上,再发挥基本面量化在个股选择上的优势,就能大幅提高夏普比例,给持有人比较好的产品体验。
回归到收益的三大来源:择时、行业选择、个股选择。过去基本面量化投资,主要通过个股选择获得超额收益,并没有在行业选择上进行优化。景顺长城基金的黎海威希望通过重构Beta,在行业选择上也能获得超额收益,最终好的Beta+Alpha能带来更好的绝对收益。
以下,我们先分享一些来自黎海威的投资“金句”:
1. 多因子模型如同我们做决策时要考虑的因素,一个决策经常是多个因素的结合,最后才能得到一个结论
2. 中国资产管理行业一个普遍的问题是,持有人赚到的收益并没有基金产品收益那么高
3. 另一个问题是,我们资本市场虽然Alpha是比较丰厚稳定的,但是宽基指数Beta波动很大
4. 我们在想的一个问题是,要大幅提高Alpha也不容易,那么如何让产品的夏普比例更高,给持有人更高的投资收益和体验呢?一个比较可行的办法是重构Beta,把所谓的坏Beta变成好Beta
5. 我觉得如果按照真正代表中国经济发展的行业,对指数进行某种重构,这个基准的表现会比沪深300和中证500更好
6. 我们测试了一下,通过优化行业Beta,有可能将夏普比例提升到1左右 ,对应20%左右的年化回报率和20%左右的最大回撤。这个情况差不多对应中国最顶尖的多头资产管理人
7. 对于个人投资者来说,他们最关注的是收益率,其次是波动率不要太大。他们的投资目标,和专业的机构投资者不一样,也没有机构投资者的资产配置能力
8. 我觉得无论是主动管理还是基本面量化,Alpha都是来自于持续而稳定的投研能力
多因子模型是科学分配影响决策的多重因素
朱昂:能否谈谈你的多因子基本面量化投资框架?
黎海威 我从2004年开始进行量化投资,前几年一直在BGI专注于亚太市场的投资,到了2007年开始对A股市场进行研究。在2012年我回国后开始进一步践行在A股市场的基本面量化投资。
我们做投资的出发点,和主动管理基金经理做的选股差不多。每一个基金经理做投资都有自己的独特视角,有人会看公司的价值属性,也有人会看公司的成长属性。我们的投资框架,只是通过量化工具将看待公司的角度变得更加系统。
多因子模型如同我们做决策时要考虑的因素,一个决策经常是多个因素的结合,最后才能得到一个结论。
比如说你要买房子,可能要考虑未来是否能升值保值,要考虑地理位置,要考虑交通出行,还要考虑贷款的比例和银行利率等各种因素。每一个决策也有其自身的约束条件。大家都想买大房子,但是也要兼顾自己的收入情况,还贷压力等等。最后这所有的因素,构成了我们在哪里买房,买什么房子的决策。最终我们可能就交易那么一套房子,但是实际考虑的因素很多,看房子的数目也很多。这个例子也能从另一个角度来说明我们的多因子模型,是多种因素结合在一起之后,最终得出买入哪个股票的决策。
朱昂:运用多因子模型的基本面量化选股和主动研究选股,什么差异?
黎海威 量化相比人脑,有一个很大的优势就是信息数据处理能力。我们能够覆盖的股票有1500多只。主动管理的投研,可能更注重研究深度,每一个研究员覆盖10-20只股票,通过20-30个研究员的团队,能够覆盖大概几百只的股票池。
由于量化的优势是宽度,覆盖面足够广,劣势是缺少主动投研对一个公司的深度理解,所以我们不会在单个股票下注太重,持仓是比较分散的,投资的风格也比较分散。我们的交易频次也会相对传统主动投资会高一些。通过持仓数量较高,交易频次较高,最终形成比较大的样本量,通过投资宽度来提升投资效果。比如说一年交易100次,又同时持仓100个股票,对应1万个样本数(当然,最好每一次交易之间都是互相独立没有相关性的)。这样的结果,就比一年只有10个样本数要好。当然,我们并不是做高频量价交易的量化,基本面量化的换手率在量化投资中算是比较低的。
用更好的产品基准,提升用户体验
朱昂:许多基本面量化投资的产品,都是做沪深300宽基的指数增强,但你好像对产品设计有一些不同的想法?
黎海威 无论是做主动管理还是量化投资,大家可能主要都是在思考如何获取Alpha,但是我过去这段时间对Beta的思考更多一些。从一个资产管理机构的角度出发,我们是希望设计有生命力的产品。
中国资产管理行业一个普遍的问题是,持有人赚到的收益并没有基金产品收益那么高。我自己也是一个基金持有人,当年离开美国的时候有一些养老金在我的IRA退休账户。由于IRA的钱是税收递延政策,但是在退休之前是不能拿出来的,等于是强制我们做长期投资,资金的投资期限就特别长。我这几年也在这个账户里面配置一些基金,年化下来收益大概有10%的收益率。
中国的问题是,个人投资者买基金的钱,大部分资金属性不是特别长。另一个问题是,我们资本市场虽然Alpha是比较丰厚稳定的,但是宽基指数Beta波动很大。比如说2015年市场回撤的时候,沪深300一下子就回撤了超过30%。2016年熔断两天,也一下子回撤了20%。2018年全年也有20%以上的回撤。这种级别的回撤,对于大部分个人投资者都是忍受不了的。
要降低波动的一个办法,可以通过股指期货把Beta都对冲掉,完全保留下Alpha,我们看到目前主流的市场中性策略大部分是这样的。当然,如果年化超额收益不是那么高(特别是相对于300基准),把波动降低后扣除对冲成本后,回报率也会下降。
朱昂:所以你在思考Beta的问题?
黎海威 两年多前市场对所谓的中国好Beta和坏Beta有过一轮热烈的讨论。以沪深300为代表的宽基指数,波动较大,对应的夏普比率远低于美国的道琼斯指数。我们看到的是美国股市慢牛长牛而中国股市牛短熊长
我们在想的一个问题是,要大幅提高行业内选股的Alpha不容易,那么如何让产品的夏普比率更高,给持有人更好的投资收益和体验呢?一个比较可行的办法是重构Beta,把所谓的坏Beta变成好Beta。
我们把投资收益的贡献进行拆解:择时、行业选择、个股选择,从中去思考我们如何进行优化。首先是择时,这个从长期来说对收益负贡献的概率很大,我觉得择时并不能提升你的收益,最多是一种风险管理工具,能把波动率降低,控制回撤,提升一些夏普比率。
那么接下来就是行业选择,我们观察到这些年许多主动管理基金做得比较好,主要是行业选择上做对了。那么我们如何从量化的角度选择行业呢?我会先从整个国民经济发展的趋势角度出发,去思考未来五年、十年、十五年国民经济发展会变成什么样子,什么行业会受益于国民经济的发展趋势。一般来说,大家的收入大概率会提高,生活水平越来越高,肯定会关注能提升生活质量的领域。其次,随着中国在全球产业链的附加值提升,更多会依赖技术进步,而不是劳动力的红利。那么和技术驱动相关的行业,也应该在国民经济的占比越来越重要。第三,人口的老龄化是必然趋势,中国老龄化速度可能比当年的日本还快一些,那么医疗相关行业的需求也会比较好。
我会从国际比较的视角,去看中国这些行业和发达国家相比,处在什么阶段,哪些方面比较相似。中国在老龄化方面和融资方式转变方面和日本比较类似,工业制造业方面和德国比较类似,消费升级和技术升级方面和美国有些像。我们如果看Wind数据,会发现2013年之后涨的最多也是这些行业。我觉得如果按照真正代表中国经济发展的行业,对指数进行某种重构,这个基准的表现会比沪深300和中证500更好。
有了一个好行业的Beta,再通过我们的基本面量化选股,获得个股选择上的Alpha,最终大概率就能实现比较高的绝对收益。这个基准覆盖的行业,可能会从原来沪深300的30个行业,变成7-8个行业。那么我们一定程度上牺牲的,是针对宽基指数(比如沪深300)的信息比率(IR),因为产品的跟踪误差会变大。
回归到产品的本质,用户体验比跟踪误差更重要
朱昂:通过跟踪误差的偏离,来实现更高的绝对收益?
黎海威 过去我们一直看重的是信息比率,就是以尽量小的跟踪误差,获得尽量高的超额收益。这背后的思想是,我们的客户有自己对Beta基准的配置能力,投资期限能够比较久。但是我们做了很多年之后发现,许多客户并不为信息比例买账,客户的体验不见得很好,他们在乎的是产品的总收益和波动, 有比较高绝对收益和夏普比率的基金,会给客户比较好的体验。
我们就思考如何优化我们的产品,通过学习优秀主动管理基金的产品,也做出一些不一样的东西。我们测试了一下,通过优化行业Beta,有可能将夏普比率提升到1左右,对应20%左右的年化回报率和20%左右的最大回撤。这个情况差不多对应中国最顶尖的多头资产管理人。
朱昂:重构了Beta之后,能够给客户带来更好的体验?
黎海威 本质上,我们是在好的赛道里面寻找Alpha。通过优化基准结构,我们能够降低Beta的波动率,提升整体的夏普比率。我们认为,更高的夏普比率能帮助客户提升长期持有的收益,特别是大部分个人投资者。对于个人投资者来说,他们最关注的是收益率,其次是波动率不要太大。他们的投资目标,和专业的机构投资者不一样,也没有机构投资者的资产配置能力。
超额收益来自投研能力
朱昂:在行业上会比沪深300更加集中在优质赛道,但又不像行业基金那样集中?
黎海威 是的,我觉得量化相对于主动管理的优势还是来自宽度。在相对分散一些的行业中,会体现出比较好的优势。我们看主动管理的基金经理,一般都是很优秀的行业研究员出身,不然做不了基金经理。这几年基本上都是来自成长性行业的研究员成为基金经理,很少看到来自传统行业的人做基金经理。这背后也代表资源配置的方向。
同样一个基金经理,他们也需要慢慢拓展自己覆盖的能力圈,不能完全依赖一个行业来获得收益。量化投资也是类似的思路,我们在覆盖宽度上有一定优势,也是需要不断做一些优化。基本面量化对于信息处理的能力,比人脑要强,也不会受到各种情绪的干扰。所以,量化是做宽度,主动是做深度。我们也希望找到一个合适的领域,将两者更好结合。
朱昂:你的多因子选股模型中,如何对不同因子的权重进行调整?
黎海威 我们的模型本身需要不断研发迭代,不是一台“印钞机”,每天什么不做就能掉钱下来。我们属于中低频的量化,多因子的权重需要观察宏观经济和风险偏好的变化。如果大家风险偏好较低,就会追求安稳,类似于现金流就会更加重要。如果流动性宽松,大家就会给成长更高的溢价。
朱昂:超额收益(Alpha)来自竞争优势(Edge),你认为自己的优势是什么?
黎海威 我觉得无论是主动管理还是基本面量化,Alpha都是来自稳定而持续的投研能力。基金经理作为Alpha的管理人,最终要做出好的产品,这对于主动管理和量化投资都是一样的。就像手机供应商,如果产品做不好,市场份额肯定会慢慢下去。有稳定持续的Alpha输出能力,我们再找到一个好的Beta,就能做到让人满意的绝对收益。
朱昂:现在一些高频量化的私募也进入低频领域了,会不会对你们带来更激烈的竞争?
黎海威 其实低频也在往高频走,大家互相学习。低频要做好,跟踪逻辑比交易系统更重要。下一个阶段,我觉得可能是中高频方向的竞争,这一块有一定容量,也需要逻辑和交易能力。而高频量化更多的是靠技术手段。
- end -
安 昀 | 鲍无可 | 薄官辉 | 曹 晋 | 曹文俊 | 常 蓁
陈璇淼 | 陈 媛 | 陈立秋 | 陈 军 | 陈觉平 | 陈 宇
程 洲 | 崔 莹 | 蔡嵩松 | 蔡 滨 | 董伟炜 | 杜晓海
付 斌 | 费 逸 | 方钰涵 | 方 纬 | 高兰君 | 刚登峰
葛 晨 | 顾耀强 | 光 磊 | 归 凯 | 郭 敏 | 郭 锐
郭 堃 | 韩 冬 | 郝旭东 | 郝 淼 | 何 帅 | 何晓春
洪 流 | 胡昕炜 | 胡鲁滨 | 胡宜斌 | 胡 涛 | 黄 峰
姜 诚 | 纪文静 | 焦 巍 | 贾 鹏 | 匡 伟 | 劳杰男
雷 鸣 | 李德辉 | 李 琛 | 李晓西 | 李晓星 | 李元博
李耀柱 | 李玉刚 | 李健伟 | 李佳存 | 李 巍 | 李晓星
李 竞 | 梁 浩 | 梁 辉 | 梁 力 | 廖瀚博 | 林 庆
刘 斌 | 刘 辉 | 刘格菘 | 刘晓龙 | 刘 苏 | 刘 锐
刘 平 | 陆 彬 | 陆政哲 | 陆 欣 | 罗春蕾 | 吕越超
楼慧源 | 马 翔 | 马 龙 | 莫海波 | 牛 勇 | 潘 明
蒲世林 | 齐 皓 | 祁 禾 | 秦 毅 | 秦绪文 | 丘栋荣
邱 杰 | 饶 刚 | 石 波 | 沈 楠 | 沈雪峰 | 史 伟
是星涛 | 孙 伟 | 汤 慧 | 唐颐恒 | 谭冬寒 | 谭鹏万
谭 丽 | 田彧龙 | 王 涵 | 王 俊 | 王 培 | 王 栩
王延飞 | 王宗合 | 王克玉 | 王 景 | 王诗瑶 | 王晓明
王园园 | 魏晓雪 | 翁启森 | 吴 星 | 吴丰树 | 吴 印
伍 旋 | 肖瑞瑾 | 谢书英 | 谢振东 | 徐荔蓉 | 徐志敏
徐 成 | 许文星 | 许 炎 | 颜 媛 | 杨 栋 | 杨 浩
杨 瑨 | 杨锐文 | 杨 帆 | 杨岳斌 | 姚 跃 | 姚志鹏
叶 展 | 易智泉 | 于 洋 | 于善辉 | 袁 宜 | 袁 航
袁 曦 | 张东一 | 张 峰富国 | 张 峰农银汇理 | 张 锋
张汉毅 | 张 晖 | 张 慧 | 张金涛 | 张 骏 | 张 萍
张延鹏 | 张迎军 | 张益驰 | 赵晓东 | 郑慧莲 | 郑 磊