多资产配置:投资实践进阶(txt+pdf+epub+mobi电子书下载)

作者:(印)普拉纳·古普塔(Pranay Gupta),(瑞典)斯文 R.斯卡尔舍(Sven R. Skallsjo),(加)李兵(Bing Li)

出版社:机械工业出版社

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

多资产配置:投资实践进阶

多资产配置:投资实践进阶试读:

前言

在一次访谈中,有人问我:“为什么你想成为一个投资经理?”我的回答是:在投资的世界里面,任何一个角落发生的任何一件事都会影响你今天将要做的决策,这是独一无二的。这个观点在今天更为正确。

当然,问题在于我们对这些事情的看法是不一样的,对信息的理解是不一样的,并且对这些事情如何影响经济以及资产价格的认识也是不一样的。这些观点的差异一方面创造了整个金融市场,另一方面也催生了无数关于“正确”方案的讨论。这些观点的碰撞来自不同的维度:学术和实践,基本面和系统性,自下而上和自上而下,严谨的和随意的,想象的和实践的,回报和风险,或者全球化和本土化。每个人都有支持自己观点的分析方法,但是很少有人去讨论是否有一种框架可以把各种理论集合在一起,进而为投资人提供一种最优的投资解决方案。这就是本书试图解决的一个问题。

多资产投资是一个广泛应用的专业术语,也是任何一个组合都可能会面临的投资问题,它涉及不同地域、不同资产属性、不同行业等几乎所有的金融市场工具。对于这一问题的分析往往将我们带往一条充满主观判断的道路,由于没有充分的证据或论断,这一问题的结论也饱受争论。另外一些时候,我们可能会构建一种偏理论的量化框架模型,这并没有太大的实际应用价值。所有观点都是有根据的,我们相信在多资产投资范围内,对每个细项问题的研究都有可能提供一种解决方案,而这些单一的解决方案往往是偏颇的。

在本书一开始,我们介绍了时下多资产投资的概况。接着,我们详细探讨了那些我们认为可以进一步优化该框架的地方,并提供一种更为有效的解决方案。在每一章节中,我们都尝试解决某一个特定的问题。我们的目标是,根据我们在管理全球多资产组合方面的经验,提供一种我们认为有效的多资产解决方案。很多时候这些方案侧重于基本面,也有一些方案非常量化。总而言之,我们希望可以描述我们在实际工作中应用的方法,这些方法行之有效。本书的目的在于提出这样一个问题:“如果今天你可以从头构建一个多资产投资策略,你应该怎么做?”

在解决多资产投资问题的同时,我们也审视了该策略的商业表现。当前市场上丰富的多资产投资策略为我们的研究提供了很好的对象,我们可以看看如何开展多资产投资业务,并解决相关的问题,比如管理人薪酬、个人投资者如何进行多资产投资等。

在本书的最后一章,我们附上了韦莱韬睿惠悦投资服务公司的观点,主要是他们如何协助客户解决以上问题。普拉纳·古普塔(Pranay Gupta)斯文·斯卡尔舍(Sven Skallsjo)李兵(Bing Li)作者简介

普拉纳·古普塔、斯文·斯卡尔舍以及李兵在最近的15年间一直在一起工作,他们各自在资产配置、金融数学以及组合管理方面都有扎实的专业能力。这些能力使得他们在管理大规模资产时可以运用创造性的方法解决碰到的各种问题。

普拉纳·古普塔,特许金融分析师(CFA),在投资管理领域工作超过25年,曾分别在欧洲大陆、英国、美国以及亚洲工作过。普拉纳先生在亚洲很多著名的资产管理公司担任过首席投资官,在11个国家为机构客户、零售客户以及保险资金管理超过850亿美元的资产。此外,普拉纳先生也一直负责管理一只规模超过220亿美元的多资产投资策略基金,在这只基金上,普拉纳先生运用了具有创造性的方法,持续提供了正回报。普拉纳先生获得了“Best Discretionary Asset Manager”荣誉。在他的职业生涯中,普拉纳先生在全球各地管理过股票基金、新兴市场债券基金、对冲基金母基金以及系统性量化基金等。普拉纳先生曾担任过CFA协会研究基金会的投资委员会主席,负责该捐赠基金的资产配置。他同时也担任过新加坡国立大学资产管理研究与投资协会的研究员。普拉纳先生是全球另类投资协会(GAAI)的创始人,这是一个全球化的非营利性投资智库,主要服务于各国的主权基金、大学捐赠基金、公司及政府的养老金等机构。该智库的研究涵盖了资产管理的各个领域。普拉纳先生目前正在协助CFA协会制定其资产配置和另类投资相关的课程项目。普拉纳先生曾在全球各地发表过演讲,内容广泛,也是BBC全球、彭博TV、CNBC以及CNN等媒体机构的常客。

斯文·斯卡尔舍,博士,是一位金融专家,他擅长运用数理工具解决资产配置和风险控制方面的问题。在获得一个数学学位之后,他的兴趣转向了经济学以及金融市场。他于2004年在斯德哥尔摩经济学院获得博士学位,研究的主要方向是货币政策和动态收益率曲线之间的内在联系,重点关注零利率政策的含义和影响。他目前主要活跃于风险管理领域,在就职于Ignis资产管理公司、AGL结构金融公司以及Shell资产管理公司期间,分别设计、开发过风险模型。在工作中,他运用数理工具将直观的理念转化为模型。斯文与其他人合作完成了多篇针对多资产投资以及风险管理的论文。

李兵,博士、特许金融分析师,是富荣资产管理有限公司的总裁,这是一家香港公司,主要为中国内地的高净值客户提供投资方案。李兵先生在西安大略大学获得了化学博士学位,并开始在Grey-danus,Boeckh&Associates公司担任量化分析师。在那里,李兵先生通过对收益率曲线和利差曲线建模,成功开发了债券交易策略。在20年的职业生涯中,李兵先生曾在加拿大、欧洲大陆、英国以及中国香港的几家资产管理公司担任基金经理。他服务的客户包括机构客户以及零售客户,管理的资产类别包括全球债券、股票、对冲基金母基金以及多资产配置组合。作为一个长期从业者,李兵先生持续关注在构建投资策略方面的各种细节问题,其业绩持续超越相应的基准。  第1章 多资产投资问题的介绍

最近十年间,金融市场研究和资产管理行业最热点的问题包括如何创造阿尔法收益、如何将回报分成阿尔法收益及贝塔收益,以及究竟该用主动型管理策略还是被动型管理策略。确实如此,目前全球投资领域的主要目的都是为了解决在资产管理中碰到的上述各方面问题。比如,投资银行的市场研究主要是在个体证券的层面,目的在于推荐有潜力的投资机会,并且贡献超越市场基准的回报。不论在全球任何地方,也不论管理何种资产,大部分主动型资产管理人都宣称他们有能力找到“正确的”股票或者债券,从而战胜市场,并且收取主动管理佣金。即使是投资人,不论主权基金、公司、政府养老金,或者捐赠基金,它们的主要工作和资源都集中于选择正确的投资策略,雇用或者炒掉外部管理人。

但是,目前金融行业的结构似乎与我们长久以来形成的共识相左,即一个组合90%的风险和回报来自资产配置。尽管实际上是否刚好是90%仍然有争议,但是普遍的共识是,就算不是最主要的贡献因素,资产配置也在很大程度上影响了组合的整体回报。那么,为什么我们要将大量的资源用于研究基于个股选择能力的投资策略上,这可能仅仅只贡献10%的回报。与此同时,内涵丰富的组合配置问题却没有得到充分研究,也没有足够的创新成果。这个问题成为资产所有者未能实现组合回报目标的唯一重大原因,不管是机构投资者还是私人投资者都是如此。

这个问题也是全球多资产投资的一个核心问题。从最开始的关注资产配置,多资产投资开始变得多元化,不同的机构对其有不同的定位,也有不同的称呼。除了多资产之外,这一研究领域的其他名称还包括资产配置、风险配置、因子配置、风险预算、战略资产配置、战术资产配置、宏观投资、投资解决方案或者政策组合构建等。这仅仅是一部分名字,这一策略几乎覆盖了投资资产的各个类别,不管是战略组合还是母基金的构建。

在本书中,我们研究了关于多资产投资各个方面的问题,并提出一种具有代表性的框架,将这一领域中的各种市场活动归纳总结出一个概念。我们认为,当今各种资产类别都是在一个全球性的多资产框架内运行的,“真正”有效的主动型管理策略其实只有一个,那就是资产配置。今天市场出现的以某一基准为标准来衡量的主动型管理策略或被动型管理策略,实际上并没有那么重要。但是,多资产绝对回报问题比相对回报问题更复杂,以至于目前世界投资领域的工具和方法并不能很好地解决这些问题。本书希望能够在这一持续创新的过程中,提供一些具有实践意义的建议。1.1 什么是多资产投资

我们对于多资产投资的定义是,在投资产品、服务或者解决方案中,包括不止一种资产类别的投资活动。这包括了投资领域的几乎所有活动,比如客户要求、产品设计以及必要的投资流程和组合分析中的各个环节等。

多资产投资的内涵非常广泛,图1-1描述了这其中的各个环节。在投资决策环节就包括了资产预测、资产配置、组合构建、执行以及风险诊断。仅在资产预测环节,就有越来越多的可能性,既包括主观判断,也包括系统性分析,此外还需要考虑用于配置的可选择资产范围。在不同的投资期限下,基于风险、收益或者二者结合的角度,这些预测又会形成不同的结论。多资产组合的构建开始考虑“真正的风险”约束,并且越来越关注尾部风险的管理。不管是主动管理人的传统方法,还是利用新开发的衍生工具,管理多资产组合都越来越灵活。这又引发了新一轮关于主动型管理还是被动型管理的讨论,尤其是随着灵活贝塔收益策略开始流行起来。最后,组合分析和诊断框架变成一种基本的必备技能,在投资流程中,这种技能可以用来分析问题的症结,进而改进并提升绩效。在产品设计层面,越来越多的管理人开始重视投资产品的定制化需求。这带来了各种各样的多资产策略,每一种策略都是专门针对某一类资产所有者的解决方案,完全是根据他们独特的要求和约束来制定的。图1-1 多资产投资平台涉及的投资、产品和决策流程

在本书中,我们对于已经长期流行的全球多资产策略的观点提出了质疑,并且提出一些对于从业者来说具有启发意义的观点。针对全球多资产投资的实际问题,我们给出了一些非传统但行之有效的解决方案。在很多案例中,从严谨的学术层面来说,我们很难验证给出的解决方案在理论上是最优的;但是,我们可以确认的是,每一个解决方案都在大规模资产管理的实践中运用过,并且都是成功的。此处讨论的这些技术或许不是投资管理的最终答案,但看起来比目前我们正在应用的方法更有效。最后,我们希望提供一个框架,可以作为未来多资产投资领域研究的基础方向。1.2 传统结构

传统理论认为,在一个组合中投资于多种资产类别可以获得多元化效应,而且投资股票可以获得风险溢价。对于投资人来说,多元化和风险溢价是选择多资产投资的主要原因。然而,在当今的市场环境下,不同资产类别之间的关联性提高,风险溢价降低并且波动水平加大,都对这两个传统框架下的理论提出了挑战。投资人所要求的收益目标以及回撤风险控制都越来越难实现。如今的全球金融市场更加复杂,各种混合工具和衍生品层出不穷,而多资产投资的创新、管理以及实践也需要不断进步,来应对复杂的形势。1.3 从主动型管理到敞口配置的转换

在公司资本结构中运用不同工具所形成的资产类别,是多资产投资的理论基础。大部分投资人或管理人都根据这些资产类别将金融市场分为不同的领域,他们的主要工作就是战胜不同资产类别的市场基准,创造阿尔法收益。但是,将阿尔法收益和贝塔收益分开来看,究竟是为了更好的投资回报,还是仅仅为了更合理的佣金结构?我们提出的框架将阿尔法收益和贝塔收益统一起来,我们认为二者之间并没有清晰的界限。阿尔法和贝塔之间的划分,实际上是在区分可交易的和不可交易的贝塔,而这会随着市场的变化而发生变化。我们认为这种主动型投资和风险管理过程的框架,意味着投资管理行业应该将越来越多的资源和工作集中于资产配置而不是创造阿尔法收益。

根据投资工具属性定义资产类别造成的另外一个影响就是,资产类别的划分也被用于资产配置决策。尽管配置于不相关的资产类别可以提高组合的整体表现,但是我们也知道,在公司层面来说,信用债和股票本身就存在重叠。如果能够分离主权债券中隐含的利率风险、公司债中的信用风险以及股票证券中的股票风险,我们就可以创造一种多层次的风险和风险溢价预测机制。我们认为这种机制在资产配置方面更合理。1.4 提升配置结构

大部分(退休金)计划发起人都会为他们的资产建立一个长期的配置结构,然后花费大量的精力在各个资产类别或者投资风格中选取一些主动型管理人。尽管这样可以让阿尔法收益和管理人风险更分散,但是资产配置——这一影响组合的唯一也是最重要的决策,仍然没有得到任何分散。在很多实际案例中,这一决策通常都被外包出去,或者只占用极少的内部资源,这也是导致很多(退休金)计划出现资金缺口的主要原因。

我们认为,退休金计划发起人不应该再用传统的资产配置方法,而需要设计成为一个多资产策略,并且用多种方法实现投资目的。不同的观点和方法都可以控制退休金计划对于某一单独风险因子的敞口,并在最需要的地方提供分散化效果。我们将讨论两种不同的策略——基本面策略和系统性策略。我们的基本面配置主要依据商业周期,我们认为影响资产价格的一共有六大周期,分别是全球商业周期、区域商业周期、货币政策周期、信用和资本支出周期以及市场周期。除了风险约束因子之外,我们发现综合考虑各周期的影响在资产配置决策中颇为有效。

配置决策的第二个方法是运用量化技术,根据各大类资产制定一种战略配置决策。通过采取一种风险预算的框架,并使之适应宏观经济的变化,使得我们可以在大类资产之间主动地切换配置。在考虑回撤风险管理之后,我们发现不管用何种指标来衡量,这种积极的风险预测方法的业绩都更优秀,好于标准的风险配置方法,也好于60/40的经典配置结构(指组合中60%的资产配置于股票,40%的资产配置于固定收益)。为了进一步检验这种方法的适用性,我们考察了不同的历史区间,股票和债券不同的牛市和熊市,确认该策略的表现都较稳定。

最后,我们讨论了一种新的方法,这种方法可以令配置预测流程更有效率。投资银行中有一群专业分析师,他们研究单个证券,并对每家公司发布盈利预测。这些预测在市场上流传甚广,市场的参与者可以找到对每家公司的一致预测水平,也很难找到有哪家机构的预测最后看起来比其他家的预测更准确。然而,当前市场上并没有针对资产配置的一致预测。有意思的是,如果有人可以收集市场上每一个策略分析师的配置预测,并建立一个相应的数据库,那么他也可以用公司一致盈利预测的方法来预测资产配置。1.5 通过建立多资产组合来管理尾部风险

从最高层面的资产配置决策,到组合经理的个股选择,尾部风险存在于投资流程的各个阶段。尽管所有投资人都说他们的投资期限较长,但是在实践中,他们仍然非常关注每个期间内的回撤风险。期间内的回撤风险是总风险中很重要的组成部分,在构建资产组合、投资策略和资产类别中,都需要重视并管理。但是,传统的风险因子和组合构建方法在很大程度上都忽略了投资期内风险的管理。这就导致资产风险的评估结果失准,最后构建的组合也无法完全满足客户的风险偏好。

我们提出了一种综合性的风险评估方法,这种方法既可以管理每一个子期间内的回撤风险,使之不超过一定的阈值,又可以控制投资期末总回报不达预期的风险。我们相信这种方法可以抓住“真正的”风险,而并非仅仅是投资期末业绩未达预期的传统风险。我们也提出一种组合构建的方法,这种方法用到了总回报分布的概念,并非假设回报呈正态分布,并证明了为什么这种方法可以更有效地管理尾部风险。

传统的组合风险分析在风险预测方面运用的方法是单一的。我们相信,这种风险本质上需要从多个维度进行分析。用于检验组合的分析框架可以将回报分解到不同的维度,包括究竟是管理人能力带来的回报,还是运气带来的回报。这种分解对于投资的战略评估来说非常重要,更可以重新梳理整个投资流程,使组合持续提供稳定回报。在本书中,我们就该分析方法讨论了几个重要的案例。1.6 新兴市场的多资产投资

出于惯例,新兴市场被分为不同的类别和区域。比如在债券投资领域,以硬通货计价和以当地货币计价的债券就分别有不同的市场基准;在股票投资方面,不同的国家按照区域划分,这实际上也没有特别明确的投资逻辑。我们认为,新兴市场的投资需要统一的多资产投资范围,不同资产类别有统一的分类标准。

实际情况表明,新兴市场的主动型管理人的平均表现落后于发达市场的同行们。在亚洲,大部分主动型股票投资策略都宣称通过选股来创造附加收益。我们发现,同样是在亚洲,如果一个管理人的资产配置能力和个股选择能力相同,那么组合2/3的回报来自资产配置,而不是个股选择。在美国,这个数字是18%,对比非常明显。因此,我们认为对于亚洲股票组合来说,资产配置的能力更重要,而很多资产管理人至今都忽略了这点。1.7 从多资产策略到多资产解决方案

近年来,投资领域经历了三个比较重大的挑战,分别是:指数型基金兴起对于管理费带来的挑战;对冲基金兴起对于回报要求的挑战;以及客户导向理念对于分配机制的挑战。这主要是由于部分金融机构选择更加重视客户的需求,它们通过公开渠道销售金融产品,但不再关注这些产品本身的运营。我们相信,投资领域面临的最新挑战是来自资产配置流程的,因为越来越多的焦点集中于资产配置,而非追求阿尔法收益。这将会影响资产管理公司运营的产品结构,并且促使行业更加重视客户的投资解决方案,而不再是投资策略。

对于机构投资人来说,传统的主动型或被动型策略只是简单的执行层面的问题,至于采取哪种策略,主要取决于它们的成本要求以及对管理人的选择能力。目前对于主动型还是被动型的争论,很快将是明日黄花。

私人财富投资同机构投资人的组合目标是一致的:在全球资产范围内配置,采用多资产策略,进而获得绝对回报。但是,私人银行的商业模式使其直接照搬机构投资方法并不可行。我们提出一种专门针对私人财富投资管理的分析框架,我们认为这种框架在一定程度上克服了组合架构方面的挑战,并且可以从投资的角度更好地管理私人财富。1.8 多资产投资业务

全球各地的资产管理人一直在不断提高多资产投资能力,越来越多的资金也开始流入这一板块。每一个公司都会认真研究自身的优势和劣势,找准定位,提供多资产投资管理服务。从产品的角度来看,我们分析了多资产投资领域的主要产品类别,以及实现成功的必要能力要素。从投资技能角度,我们甄别了在投资流程中最需要提高的一些关键环节。最后,从客户的角度,我们分析了当前市场上存在的客户需求与管理人产品之间的不匹配问题。我们也分析了能够成功提供多资产投资服务所需要的一系列特征,包括思想领导力、投资流程技能、市场策略建议、公共形象以及对所有资产类别的广泛认知能力。

我们也分析了对冲基金的商业模式,这种模式倡导通过提取超额业绩分成来将管理人和投资人之间的利益统一在一起。我们研究了具有代表意义的对冲基金协议,在协议里,基金经理可以持续对组合进行动态调整。管理人报酬将在很大程度上影响资产的回报分布特征。特别是在配置决策过程中,我们发现,业绩激励结构会导致管理人倾向于采取更激进的策略,从而损害组合的整体表现。

本书最后一章由韦莱韬睿惠悦咨询服务公司撰写,这是一家领先的投资顾问公司,为大量的公司、政府退休金、主权财富基金以及大学捐赠基金提供资产配置咨询服务。  第2章 传统的资产配置结构

在所有资产管理实践中,资产配置决策都起到了至关重要的作用。Brinson、Hood以及Beebower(1986年)的研究表明,一个组合总回报的93.6%由资产配置决定。尽管对于这个具体的数字仍然有争议,但是业内普遍认为,资产配置在整个投资流程中起到了至关重要的作用。传统的股票和债券60/40的配置结果,对应的波动率水平约为10%。一种常见的主动型管理策略要求管理人的跟踪误差不超过3%。这两个假设条件下,资产配置对组合整体回报的贡献就在90%以上了。

除了投资人,多资产基金也将资产配置视为投资流程中的一个主要环节。Fraser-Jenkins等人(2012年)研究了529只多资产基金,发现这些基金管理的资产规模从2004年的1000亿美元增长到了2012年7月的6000亿美元。同期,股票型基金净流出2000亿美元,固定收益类基金净流入1.2万亿美元。

值得注意的是,尽管顶层的资产配置决策对组合总回报非常重要,但实践中它却不如组合的主动型管理能力更吸引注意力。市场上,大量的精力都用于分散主动型组合管理人的风险,在同一领域中选择多位管理人,建立统一的绩效评估并制定投资决策流程体系。

对于一个资产组合来说,如果已经给定了资产配置决策,并且解决方案十分清晰,那么将关注重点放在主动型管理上是可以理解的。但是,过去几十年的经验表明,实际情况并非如此。目前很多养老金计划发起人面临的资金短口问题,都是由错误的资产配置导致的。

其次,我们普遍认为近期对于资产配置的研究也促进了另类投资的发展。比如,风险平价理论的兴起,就为股票和固定收益之间的平衡提供了一个新的视角。在股票和固定收益内部也有不同的构建基准的方法,比如,在国别配置方面,就可以以一国的GDP而非资本市场规模作为配置的标准。在股票组合内部,可以增加对低波动率股票的配置比重而构建新的基准。

随着资产配置理论的日益丰富,在过去十年间,退休金发起人的基础资产也发生了重大的变化。这也带来了对风险管理的更多重视,包括更多监管要求的报告事项等。因此,我们也应该更多地关注资产配置决策,因为这才是大部分投资风险的根源所在。2.1 传统投资流程

任何一个投资者的基本目标都是获得绝对回报(主要是负债端驱动或跑赢通胀预期),并且要求在90%的显著性水平下最大回撤不超过某一预定目标,比如10%。当然,组合效用最大化也是追求的目标之一。图2-1从资产和负债的时间序列描述了资产所有者面临的这种问题。图2-1 投资人面临的基本问题

下一个问题就是,如何在满足约束条件的前提下进行投资活动。资产所有者和投资经理最常用的方法有两步。首先,构建一个长期的战略性的或政策性的组合。这通常是由机构内部的研究团队完成的,也可以咨询外部顾问的建议,组合先制定好各大类资产的配置比重,包括股票、固定收益和另类投资等。其次,在每一类资产类别中寻找投资管理人或者投资策略,然后分配相应的资金。

每一个管理人都需要控制跟踪误差,这通常是根据标准的市场指数来确定的。期间,需要持续监督绩效表现和风险水平,并在组合整体层面进行调整。图2-2描述了一个典型的养老金发起人的投资流程。图2-2 传统养老金发起人投资流程概览2.2 资产配置流程

传统的投资活动基于的一系列理论和假设。

首先,最基本的理论就是投资于多种资产类别可以得到一个多元化的组合。其次,股票可以让投资者获得长期的风险溢价回报,是对抗通货膨胀的有力武器。再次,每一个资产类别的投资都需要不同的能力,并且“另类资产”是一个完全独立的资产类别。最后,严格区分投资的各个环节,并且建立相应的组织架构是最优的。在这里,我们先来考察一下,这些传统投资流程需要遵守的理论和假设在现实中是否依然有效。

资产配置的类别通常有8种,股票领域包括美国市场、欧洲市场、亚洲市场以及日本市场;固定收益领域包括国债、投资级债券、高收益债以及一篮子商品(此处我们用黄金作为代表性资产)。根据投资者所在地以及分类方法的不同,这些资产类别本身有一些差异。大部分资产配置研究员都自认为洞悉各个资产类别的预期回报,因此都积极超配那些他们认为能够提供更高预期回报的资产类别。他们认为这种配置的能力可以帮助组合实现目标回报。此外,这种配置方式可以得到一个多元化的组合,进而降低最大回撤风险。我们在分析的时候剔除了流动较差的资产,如不动产和私募股权,这样就可以得到一个时间序列的分析结果。不过,即使包含了这些非流动性的资产,我们的分析结果也不会有太大差别。

图2-3和表2-1展示了从2000年到2014年,以上8种大类资产的业绩表现。此外,我们还构建了两个模拟组合。一个是假设选取每年表现最好的两个资产类别,平均配置之后的组合;还有一个是平均配置于8种大类资产的组合,这意味着不需要任何资产配置能力。在稍后的章节,我们还将继续提到这两个组合。图2-3 8类资产的业绩表现

注:粗黑线代表平均配置于8类资产的组合;虚线代表平均配置于预期收益率表现最好的两类资产组合,这是假设可以完全预见各类资产次年的表现。每年一月末进行调整。期间:2000~2014年。“H”表示进行了外汇对冲。股票指数回报均未进行外汇对冲。均值采用算数平均法计算。夏普比率的基准是1年期美国国债收益率。

资料来源:Bloomberg,Merrill Lynch,MSCI.表2-1 8类资产的业绩表现

注:期间:2000~2014年。“H”表示进行了外汇对冲。股票指数回报均未进行外汇对冲。均值采用算数平均法计算。夏普比率的基准是1年期美国国债收益率。

资料来源:Bloomberg,Merrill Lynch,MSCI.

此处需要指出的一点是,除了国债之外,其他所有的资产类别每年最大回撤都超过了10%的约束条件。但是,如果拉长到整个投资期间来看,国债的表现具有周期性的特点,回撤幅度也更大。图2-3也展示了10%最大回撤的在险价值(VaR),也就是每一年的月度回报中前10%的最大回撤幅度。这些数据都是用历史平均回报和波动性的预测,按照随机游走原则模拟出来的。值得注意的是,大部分资产类别的表现也突破了10%的最大回撤约束条件。

资产类别的回撤情况说明,资产配置可能在一开始就出现了问题。解决这个问题,既需要高超的能力,也需要回撤风险的多元化处理。2.3 多元化投资的理论

如前文所述,资产配置一个非常重要的理论基础就是风险的多元化。图2-4和表2-2展示了四种股票资产与高收益债券的滚动相关性,在资本结构中股票和高收益债券的特征相似。我们发现,同一期间内的相关系数在50%~75%,实际上多元化的效应低于预期。4个股票指数中,单一因子对波动率的贡献程度达到了80%。这并不是说,股票配置没有作用,而且一个组合应该要多元化配置才能够更加有效,但是这样高的相关性水平说明,在配置股票的时候,我们基本上只能将全球股票市场作为一个单一因子。图2-4 5个主要指数的滚动相关性

注:每条线代表该指数与其他4个指数相关性系数的平均值,所用数据为前24个月的月度总回报。期间为2001年12月至2014年12月,月度回报。

数据来源:Bloomberg,Merrill Lynch,MSCI.表2-2 5个主要指数之间的相关系数矩阵,2001年12月至2014年12月,月度回报

资料来源:Bloomberg,Merrill Lynch,MSCI.

一些分析师提出,虽然地域上的分散化作用不明显,但我们仍然可以通过一些其他维度来提供多元化效果。最近一段时间,越来越多的投资人注意到,因子配置理论可以提升传统资产配置的结果。按照市值、价值和成长性等因子可以将股票指数分为6个不同维度,图2-5和表2-3展示了这六个股票指数的滚动相关性。结果表明,各个因子之间的相关性更高,因子配置法也面临同样的多元化效果不足的问题。有人也许会尝试继续寻找不同的因子,在不同期间内,资产之间相关性水平确实可能会不同。但是,从长期来看,在股票资产内部寻找多元化似乎较为困难。图2-5 6个标普指数(所有国家)之间的滚动相关性指数

注:每条线代表该指数与其他5个指数相关性系数的平均值。计算基于前24个月的月度总回报。

资料来源:Standard&Poor’s.表2-3 6个标普指数(全部国家)之间的相关性系数矩阵,2001年12月至2014年12月,月度回报

资料来源:Standard&Poor’s.

第二个问题是固定收益资产内部是否可以提供多元化的效果。公司债和国债之间的差别在于投资者是否承担信用风险,这跟股票市场投资方面的系统性风险相似。投资者承担较高的系统性风险(类似较高的信用风险),就会要求更高的回报。就固定收益资产来说,在考察期间,公司债和国债总回报之间的相关系数为56%。但是,如果我们剔除公司债中的信用风险因子,再计算其与国债的相关性水平,平均相关系数约为93.1%。如图2-6所示。图2-6 国债和公司债的滚动相关性系数

注:黑线基于月度总回报。灰线基于剔除信用风险之后的月度回报,用久期为X的指数资产互换利差来计算。计算基于前24个月的数据。期间:2013年12月至2014年12月。

资料来源:Merrill Lynch.

这就是说,在固定收益资产内部,如果不考虑投资者愿意承担的信用风险水平,那么国债和公司债之间的相关系数在90%以上,基本上没有任何多元化的作用。

因此,通过配置8种资产类别而达到多元化的作用,实际上取决于投资者愿意在组合中承担的股票风险和信用风险各是多少。图2-7和表2-4描述了在资产配置中真正的也是唯一存在的多元化效应,即股票和信用利差之间的相关性水平。图2-7 全球股票(MSCI全球指数)、全球国债以及全球公司债资产互换利差之间的相关性系数

注:计算基于前24个月的月度总回报。期间:2003年12月至2014年12月,月度回报。

资料来源:Bloomberg,Merrill Lynch,MSCI.表2-4 全球股票(MSCI全球指数)、全球国债以及全球公司债资产互换利差之间的相关系数矩阵,2003年12月至2014年12月,月度回报

资料来源:Bloomberg,Merrill Lynch,MSCI.

因此,我们并未找到充分的证据说明,传统的资产配置方法可以得到一个多元化的投资组合。

也有一种理论认为,运用阿尔法策略构建资产组合可能是一个解决方案。根据定义,超额收益理论上和系统性风险是没有相关性的。我们使用HFR指数作为纯粹的阿尔法策略工具。表2-5展示了这些纯粹的阿尔法策略的一些数据特征,我们同时在图2-8中展示了4个HFR指数的滚动相关性系数。表2-5 HFR指数的相关数据

注:夏普比率的基准是1年期美国国债收益率。

资料来源:HFR.图2-8 4个HFR指数的滚动相关性指数

注:每条线代表该指数与其他3个指数之间相关性系数的平均值,计算使用前24个月的月度总回报。

资料来源:HFR.

从最大回撤表现来看,阿尔法策略表现更优。但实际上,如果不考虑宏观情况,这些策略之间的平均相关系数在60%~70%,这一水平仍然无法提供充足的多元化效应。最后,我们注意到,尽管最大回撤在险价值显示,整个组合的跌幅不到10%,但是,在大部分情景下,10%的最大回撤约束仍然无法保证。

因此,尽管纯粹的阿尔法策略可以作为小规模退休金计划的解决方案,但对大规模资金来说,这个策略并非完全有效。2.4 股票风险溢价和投资期限

在组合策略中配置股票的主要根据是,从长期来看,股票市场投资可以提供一个高于无风险利率的溢价。通常而言,投资者制定一个组合策略都以3年为期限。

图2-9展示了标普500指数3年、5年以及10年的滚动回报情况。从数据来看,多年来平均回报大于0,表明股票确实可以提供风险溢价。但是,有可能被忽略的情况就是,一个追求股票风险溢价的投资者实际获得的真实回报可能跟长期平均回报相距甚远。实际上,真实回报可能在-20%~20%,这在很大程度上取决于制定组合策略的时点。只有投资者有能力保持股票敞口稳定,忍受一定程度上的期间回撤(这在投资行为上和合规上可能都是一件麻烦事),才有可能获得股票风险溢价。图2-9 标普500指数3年、5年以及10年的滚动回报,代表着在不同的投资期限下,投资者选择被动型投资策略可以获得的回报

资料来源:Standard&Poor’s.

此外,资产配置所参考的投资期限,是决定可以获得多少股票风险溢价的重要因素。因此,投资期限和决策时点是决定是否可以获得股票风险溢价的因素。2.5 相互独立的资产类别

在资产配置中对于资产类别这一概念的运用,还是在金融工程发展的初期阶段。彼时,还没有太多混合资产或者跨资产类别的工具。但是,到了今天,在原先单独的资产类别之上,已经开发出了大量混合投资工具。各资产类别之间也不再有严格清晰的界限。此外,很多对冲基金本身就投资于传统资产类别之间的创新领域,这样它们更容易创造超额收益。也正是如此,另类资产类别开始兴起,它本身就不属于任何已知的资产类别。

所以,用股票和固定收益来严格定义资产类别,这种观点需要改变。2.6 组织架构和资源配置

尽管投资组合90%以上的风险和回报都由顶层的资产配置决定,但在大部分机构中,90%的资源却用在了管理人的选择和更换上。这种结构深深根植于资产管理公司和投资银行中,甚至在大部分的投资领域都是如此。这是一种基本的资源错配,因为真正产生风险和回报的地方并没有获得足够的资源。2.7 资产配置需要的能力

显然,资产配置并非易事,很多时候它并不能给我们带来预期的多元化效果。除此之外,如果要考虑最大回撤约束,那么构建一个组合需要的能力就更多。

不同的资产配置能力得到的组合表现结果也各不相同,如图2-10所示。注意图中表现最好的组合即是按照图2-3中的完全预见性假设构建的。预见性逐渐降低,代表配置能力逐步降低,相应的组合表现就越差。表现最差的组合即代表资产配置能力最低。

值得一提的是,虽然最具完全预见性的组合不出意外地回报最高,但它的最大回撤也达到了29.8%。即使按照10%的在险资产测算,最大回撤也达到了12.1%。这就意味着,在90%的显著性水平下,很难利用这些资产类别构建一个最大回撤在10%以内的组合。图2-11展示了12个月最大回撤的分布情况,10%分位的回撤幅度为12.10%。图2-10 完全预见性组合的绩效表现,按照每年9月进行调整

注:每一个组合都平均配置于两类资产——虚线表示投资于表现最好的两类,黑色实线表示投资于最差的两类。图2-11 12个月内最大回撤概率分布图,以表现最好的两类资产的年化波动率和回报数据为基础,进行的10000次模拟的数据

因此,我们发现,要构建一个回报和风险都满足资产所有者一般要求的组合,实际上充满挑战。2.8 改进的配置解决方案

资产配置在投资流程中扮演的角色非常重要,单个资产类别的表现往往不尽如人意,而投资人的风险和收益目标又很难实现,因此就必须改进现有的资产配置方案。一个成功的资产配置解决方案至少有以下特点。(1)组合中对股票投资过度依赖的情况必须逐步减少。配置不应该过度关注股票投资的择时作用。我们将在第3章讨论可行的解决之道。(2)需要考虑投资期间内的最大回撤风险,这对投资人或者投资经理来说都非常重要。我们将在第10章提出相应的解决方案。(3)组合配置需要使回撤幅度在预先约束范围之内。我们在第11章进行了详细的阐述。(4)组合需要积极配置于混合投资工具和另类资产。我们在第3章中就此问题提出了一个框架。(5)需要区分一个产品或者组合(部分)的超额收益和系统性收益情况,这样才能确定合理的管理费水平,但组合并不是一定要这么按照费率情况来构建。(6)组合任何一个维度的风险情况都必须清晰透明。(7)组合配置必须灵活,便于迅速调整。2.9 对于改进资产配置方案的一些争论

在资产配置方案改进过程中,各方对一些问题都有不同的声音和争论,其中一些话题如下所示。资产预测:基本面还是系统性

对于资产收益率的预测,要么根据对基本面的判断,要么通过量化分析(系统性)。虽然在思想理念上差异明显,但在实际中二者之间的区分并非十分严格,通常意义上,两种理论方法都需要。在比较极端的情况下,对于这些预测方法一直存在争议。配置依据:地域、行业还是风险因子

另一个经常引起争论的话题就是,究竟按照什么依据来配置。传统上喜欢按照地域划分(包括地区和国家)来作为主流配置根据,这主要是由于各个国家所处的经济周期存在差异。随着经济全球化,不同行业之间的联系更加密切,配置方法逐渐转化为按照板块或者行业来配置。近年来,随着市场和交易行为因素越来越重要,更多的研究集中于风险因子配置理论。直到今天,这个问题仍然没有定论。资产配置还是风险预算

不管是资产管理人还是分析师,都将资产配置和风险配置(风险预算)视为两个不同的概念。实际上,二者紧密相连,就像回报和风险从来就是不可分割的一样。唯一的差别就是,在资产配置中先考虑哪个,后考虑哪个——风险或回报。因此,不管是完全依靠基本面判断去做资产配置的一派,还是认为只要做到风险平衡就可以一劳永逸的一派,都没能窥得资产配置问题的全景。执行:主动型管理人还是ETF式的被动型投资

对于多资产策略的实施方法也一直有争议。出于成本控制的角度考虑,应该选择内部主动型基金;从客户的利益角度来看,除了内部管理人,还需要选择各种风格的外部管理人;从市场有效性来看,选择ETF最合理;也有指数型基金和其他人认为,可以选择无期权的衍生工具。  第3章 从主动型管理到敞口配置“有效和多元化的组合”是20世纪的流行词,最近十年越来越流行的,用得最多的(也可能是用错的)关键词则是“阿尔法”,或者说“超额回报”。不管是养老金还是对冲基金,机构投资者或者个人投资者,学院派还是实践派,越来越多的人都一直在努力试图抓住这个难以把握的概念。但是,对于阿尔法和贝塔是否有一个统一的认识?

一个广泛的定义即是,贝塔回报就是市场回报(市场由一个基准来代表),阿尔法回报是超越市场的超额回报。这个定义首先需要回顾什么是市场回报,什么指标可以代表市场回报?最常见的用来代表市场基准回报的就是市值加权指数。在多资产投资领域,对于市场回报的讨论更加复杂。对单一资产组合来说,通常认为按照市值加权的指数可以作为一个基准,但是对于一个多资产组合来说,投资经理需要自己确定一个基准。因此,决定什么是阿尔法回报,什么是贝塔回报(二者都取决于基准的选择),变得更为困难。

在多资产策略中,提到战略/政策性资产配置,通常就意味着贝塔策略。战略配置完成之后,再通过主动型的策略创造阿尔法收益。但是,从资产所有者的角度来看,战略资产配置本身就是以绝对回报为目标的主动型决策过程。在此之外,具体选择何种主动型的策略反而变得没那么重要。

我们相信,将阿尔法和贝塔独立来看实际上并不专业,随着市场的发展和金融投资工具日益丰富,这一观点也将逐步改变。此处,我们提供一种具有代表性的分析框架,来看是否应该将阿尔法和贝塔相互独立,并说明在单类资产和多资产投资的主动投资中,这一框架是如何起作用的。3.1 从历史数据看阿尔法和贝塔的合理性

主动型管理人面临的挑战通常是如何创造超额回报。交易所基金已经存在很长时间了,如何超越这些基准一直是管理人的目标。尽管阿尔法并非特指此类超额回报,但是今天普遍都是这么理解的,而且这跟组合管理人的能力或技术关系并不大。

夏普于1964年提出了一个基础模型,用来阐述马科维茨于1952年提出的组合理论中的多元化作用,该模型的单一因子就是资本资产定价模型(CAPM)。这一等式成了之后学术研究的理论基础。Grinold和Kahn于1993年在这个模型的基础上,将市场回报剔除出去,并将剩下的残值定义为阿尔法,即超额回报:p0

此等式中,r(t)代表组合回报,r(t)代表无风险收益率,Mr(t)代表市场超额回报。尽管这是正确的,但是这个理论的一个核心假设是市场的不可预测性,因此也不能给主动型管理人提供任何有价值的决策依据。所以,根据这个模型,即使一个主动型管理人具备择时能力,他也不能创造阿尔法,或超额回报。比如,如果一个主动型管理人看多市场,用一个指数里面的所有成分股构建一个组合,并且这个组合跟市场的贝塔系数大于1,那么这个组合的贝塔系数也大于1。如果投资观点是正确的,组合的回报将高于市场的回报。但是,如果用上述等式,主动型管理人的贡献几乎微不足道,因为只有超过市场回报的部分才被认为是管理人技能的体现。

之后的研究并未质疑将阿尔法和贝塔独立来看,而是关注其他可以归类为系统性风险的因子,这些因子在资本资产定价模型中并未体现。Chen、Roll和Ross在1986年用一些宏观经济因子代表市场上的系统性回报。Fama和French在1992年增加了市值和价值两个因子作为股票回报的驱动因素:

其中SMB(t)是指在t时间段内,小市值股票相对大市值股票的风险溢价,HML(t)是指低估值股票相对高估值股票的风险溢价。

因此,此处阿尔法的定义就是将所有这些因子剔除之后的超额回报。

直到今天,我们仍然习惯于将阿尔法和贝塔独立来看,系统性或者贝塔因子的不可预见性仍然是一个核心假设。投资经理的任务就是寻找阿尔法回报或者非系统性回报的构成因子有哪些。但是,如果一个主动型的投资策略确实有能力判断贝塔因子,为什么选择正确的投资时点不能创造更高的阿尔法回报呢?为什么一个管理人不能通过预测贝塔因子而创造阿尔法回报呢?而且,如果确实可以这么做的话,为什么获得的超额回报不能叫阿尔法呢?3.2 主动型管理的发展

学术研究人员已经将市场贝塔、价值和市值这些因子从回报中剔除出来了。实践中,主动型管理人还试图找到其他因子,利用市场无效性构建一个有别于他人的组合。这些因子包括资产负债表特征、市场特征、地域或者行业特征,也可能是上述因子的综合体。即便基准中已经包括了所有这些因子,仍然有优秀的管理人可以创造阿尔法回报。背后的动力当然是可以吸引更多的客户,创造更多的收入。

与此同时,20世纪90年代,结构化产品和衍生工具快速发展起来。其中的一些产品逐渐流行起来,因此其流动性较好,成本也较低。不久,大部分投资者都可以通过衍生品工具获得对传统贝塔因子的敞口,包括股票指数、行业、货币、市值规模,甚至股票风格等。曾经主动型管理人获得阿尔法回报的投资流程现在变得非常大众化,任何一个投资者都可以做到。随之而来的问题是,获得这些敞口变得很容易,成本也不高,主动型管理人很难对这种产品收取管理费。此外,这些工具的广泛运用也促进了市场的有效性,这些因子对于回报的贡献在减小,只有择时能力才能创造超额回报。

为了能够继续收取管理费,并证明他们真的可以创造阿尔法回报而不仅仅是贝塔回报,一些管理人声称他们能够提供市场中性的组合。这些所谓的对冲基金,实际上仅仅对第一种贝塔,即市场贝塔保持中性,而无法对其他所有因子保持中性。3.3 贝塔概念的一般化处理

我们相信,从更广泛的意义上去理解贝塔的话,组合的回报实际上是所承担的风险敞口的对价。这些敞口有可能是主动型管理人为了超越市场基准而有意采取的策略,也可能是由其他的主动型决策无意带来的。随着市场变得越来越有效,主动型管理人的投资流程也在改进,他们开始寻找越来越复杂的敞口,试图持续创造超额回报。为此,他们甚至决定交易敞口的时点。与此同时,中介机构一边在敞口的交易中寻找利润,另一边开发出各种工具,提高敞口的流动性,并降低价格,实现敞口的可交易。

从理论上来说,如果有可能完整无误地列出所有变量,我们就可以借鉴Ross于1976年开发出来的套利定价理论(APT),将这些贝塔因子统一到一个公式里面去。唯一的差别就在于,我们的公式是用来描述积极回报的,公式如下所示:

试读结束[说明:试读内容隐藏了图片]

下载完整电子书

若在网站上没有找合适的书籍,可联系网站客服获取,各类电子版图书资料皆有。

客服微信:xzh432

登入/注册
卧槽~你还有脸回来
没有账号? 忘记密码?