所在位置:主页 > 产品案例 >

产品案例
联系方式
电话:
传真:
邮编:
地址:尊龙人生就是博旧版股份公司
理财新规下的银行委外投资思考:策略评价、产品评价融合意义与方
发布时间:2018-09-11 点击: 次   编辑:admin

  银行委外实际上是一个自上而下的资产配置过程,涉及到宏观经济与基础市场研判、动态资产配置、受托人及基金产品筛选、组合再平衡等诸多环节,尤其是如何实现宏观配置与微观筛选的相互融合,是资产配置实践中极为重要但又被投资者忽略的一个重要问题。唯有实现两者的融合,才能破解宏观大类资产配置建议被束之高阁,无法落地至具体标的,而微观标的筛选又只见树木,不见森林的悖论,确保委外管理人的投资意图、投资目标贯彻实施。本文正是基于这一视角,以公募基金投资为例,提出一点改进银行委外决策流程方面的技术性建议,以供参考。

  鉴于动量系统策略评价在实践中存在的诸多缺陷,我们提出一种基于策略内在运行规律及特征的多因子策略评价方法。一项完整的策略评价研究,至少要涵盖以下几项内容:一是对策略绩效进行分解与归因,理清策略的收益来源;二是探寻影响策略各分项收益的重要影响因子,这些因子共同构成了策略存在的市场环境;三是对影响因子本身的研究,构建因子的动态跟踪与预测体系。

  当我们从策略评价下沉至产品评价与产品筛选时,首先要解决的就是如何监测各类金融产品的风格,并将策略、风格较为稳定,不存在严重漂移的金融产品作为初始产品池。但最终投资标的确立,还需要在初始筛选基础上进行二次筛选,一是因为初选池中标的较多,二是因为初选池的构建仅考察的是风格稳定性,而对主动管理型基金的配置,还需要考察其阿尔法能力,因此我们结合定量与定性相结合的评价方式,采用传统绩效评价指标体系、基于基金经理投资能力的筛选体系以及持续的定性调研与跟踪。

  委外资产组合最终不仅体现于具体配置的标的,还体现于不同标的资产的权重设置。从自上而下的逻辑看,标的权重配置取决于三个因素:一是宏观大类资产配置权重,二是中观策略或风格配置权重,三是同一风格或策略内部的微观标准资产间的权重分配。实践中,往往对微观产品采用等权配置方法,但实际上还有很多可供选择的方法,如波动率倒数加权、最小方差加权、最大分散度加权以及等风险贡献组合等。对不同加权方法组合收益风险进行比较,波动率倒数加权以及等风险贡献加权较等权配置可以起到提升组合收益并降低组合风险的作用,且不易引发配置权重的跨期跳跃或者过度集中于某些资产。进一步,等风险贡献加权方法生成的配置权重在不同基金之间具有更小的离差值,从而权重调整时不易引发流动性问题,更适用于委外资金较大、流动性要求较高的机构。

  基于资产配置视角的银行委外体系重构,是一个庞大的系统性工程。华宝证券研究团队过去几年一直致力于中国金融产品及类FOF策略体系研究,并积累了一点粗浅经验与成果,在银行委外投资决策流程的重构过程中,我们也期待继续贡献一点绵薄之力与行业共成长。

  银行委外业务过去几年迅猛发展,这根源于以城商行、农商行为代表的部分中小银行自身投资能力不足、投资范围监管受限,但又要谋求理财、自营等投资类业务规模快速扩张下的现实诉求。委外模式在支持银行自营及理财规模扩张方面发挥了重要作用,但从委外投资的实际效果来看,部分银行的委外投资决策并不算十分科学,过多依赖于历史业绩进行决策,而投资绩效也并不十分理想。这一结果的造成,除了源自于银行资金池运作模式以及银行考核机制对委外决策的制度性束缚之外,还源自于部分银行委外决策本身技术性手段不够健全,尤其是策略与产品评价机制不够系统化与精细化。此外,从银行委外的业务发展模式看,除了传统单一资产的产品委外模式,出于提升自身主动管理能力、应对资管新规下消除多层嵌套以及投资者适当性管理需要,银行也正在寻求投顾、MOM/FOF等委外模式,这更加凸显了银行优化委外决策流程,强化过程管理,不断提升主动管理能力的重要性。

  银行委外应该是一个全面完整、自上而下的资产配置过程,涉及到宏观经济与基础市场研判、动态资产配置、受托人及基金产品筛选、组合再平衡等诸多环节,尤其是如何实现宏观配置与微观筛选的相互融合,是资产配置实践中极为重要但又往往被投资者忽视的一个重要问题。唯有实现两者的融合,才能破解宏观大类资产配置被束之高阁,无法落地至具体标的,而微观标的筛选又只见树木,不见森林的悖论,确保委外管理人的投资意图、投资目标贯彻实施。本文正是基于这一视角,以公募基金投资为例,提出一点改进银行委外业务决策流程的浅显思考,以供参考。

  关于银行委外业务,目前官方尚无明确定义,但从实际业务运作层面看,银行委外业务可理解为银行将自营或理财资金委托给非银机构代为投资的一种行为模式,受托机构通常为基金、券商、信托、私募等资产管理机构。资管机构可以直接担任投资管理人,也可以担任投资顾问或委托其他机构担任投资顾问。

  伴随过去几年利率市场化进程的推进,银行重要的盈利来源息差不断收窄,传统表内信贷业务在经济增速放缓、资产质量风险管控的压力下增速减慢,与此同时,商业银行的大规模扩张带动各地方城商行、农商行的加速设立。业务竞争激烈叠加盈利水平下降,各类银行为维持较高利润水平,均积极谋求在投资、资管等非信贷业务领域的突破与扩张。2015-2016年是银行委外业务高速发展的两年,也是委外风险逐步积累的两年。2015年实体经济回报率降低,货币政策开启一轮宽松周期,利率下降利差收窄,流动性充裕杠杆走高。在此过程中银行表内外加速扩张。我们看到2015年以来,部分股份行、城商行、农商行通过加大发行同业存单实现表内资产负债的扩张,同时表外发行同业理财进行主动负债。然而在低利率环境下,手握巨额理财及自营资金的银行寻求风险收益比高的资产难度明显加大,快速增长的高成本负债却找不到合适的资产来消化,与此同时,部分中小银行还受制于自身投资能力不足以及投资范围受监管约束等现实问题,在此背景下,积极寻求委托模式,将银行自身自营及理财资金交由第三方非银资管机构代为投资成为银行的现实选择,这即为过去几年银行委外迅猛发展的内在根源。

  无疑,过去几年银行委外业务在促进银行自营与理财规模快速扩张方面发挥了重要作用,但银行委外业务的业绩如何?决策流程机制是否科学?这是业内普遍关注的问题。不过,银行委外并没有官方披露数据,我们无法直接分析其投资绩效,仅能通过观测银行委外一些投资行为,进而通过对这些行为的分析,大致评估银行委外的投资决策是否理性科学,投资绩效是否优异。

  我们先来分析银行委外在债券市场的投资行为。2016年以来,公募基金市场有大量机构定制基金发行,其中银行居于主导,通过对这些基金数据的观察,我们可以大概监测到银行行为。我们采用两种口径定义债券基金中的委外基金,一是机构投资者占比大于90%的基金;二是采用更加严格的条件,要求机构投资者占比大于90%且投资者户数小于250人。

  从我们统计的委外基金份额及规模环比增速变动数据上看,2016年全年债券委外基金录得高速增长,以机构投资者占比大于90%且投资者户数小于250人的基金样本为例,2016年上半年份额环比增速达到2.29倍,下半年增速进一步激增,为2.81倍。进入2017年,委外增速开始回落,尤其是下半年增速转为负增长。

  2016年是银行委外规模激增的一年,而从债券市场表现看,也正是债市走向疯狂,催生泡沫,并最终泡沫破裂的一年。2016年上半年,中国债券市场延续了本轮长达2年半的超级牛市,市场做多情绪达到顶峰。然而2016年8月以来,监管层开启一系列调控政策,公开市场操作锁短放长,提升利率成本,货币政策开始收紧,尤其10月下旬,央行开始对银行表外理财纳入MPA广义信贷考核进行模拟测试,引发市场对监管加强的预期,债市开始大幅调整,市场进入“债市调整——委外机构赎回——被动卖债——债市调整”的负反馈循环中,10年期国债收益率急速上行。2017年全年收益率继续上行,至2018年1月中旬,本轮债市调整才算暂告一段落,最终10年国债收益率较2016年的底部上行超130个BP。可见,2016年银行债券委外的激增,正处于债市疯牛的末期,随后迎来了惨烈的净值调整,而目前国债收益率水平距离2016年年初的水平仍有约70个BP的差距,这意味着众多2016年大举进入债市的银行委外资金,迄今仍未解套。因而事后来看,2016年部分银行委外在债券市场的投资并不算作成功。

  权益市场的委外投资也同样暴露出了类似问题。2017年4季度以来,持续上涨的大盘蓝筹行情聚集了大量人气,从我们调研的情况得知,有部分银行开始按奈不住,大幅加仓大盘蓝筹股投资,但不幸的是2017年12月份以来蓝筹股行情戛然而止,市场暴跌,前期加仓权益的银行委外无疑又一次迎来净值的大幅回撤。这一行为从我们监测的公募基金风格持仓中也能得到一些佐证。我们以机构投资者占比较高的公募股票型和偏股混合型基金作为权益委外基金的样本(需要说明的是,公募权益类基金的机构投资者并不一定以银行为主,但银行作为机构投资者,在投资行为上与其他非银机构会有一定共性,由于银行委外公开披露的数据匮乏,我们姑且采用这一指标作为替代),采用净值拟合的方法构建了公募基金大小盘风格持仓指标。从该指标走势看,2017年11月以来,高机构投资者持有的公募权益基金中,属于大盘风格的数量占比快速上升,一举超过60%,而从该指标历史走势看,一旦突破60%阈值,则意味着机构投资者在大盘风格上的持仓过于拥挤,极易引发行情的终结,随后市场的走势验证了这一判断。

  部分银行委外对于量化策略类产品投资也存在类似情形。如对于主动量化策略的投资。2016年,A股市场经历年初的快速调整后,开始逐步企稳回升,虽然指数波澜不惊,但市场热点有所扩散,在此背景下,主动量化策略的优势显现,因为多因子选股是量化策略的基础,而多因子选股最适合于热点扩散的市场行情。2016年有多个主动量化基金凭借较传统主动管理型基金更好的收益,受到市场追捧,产品规模迅速扩大,其中不乏有银行委外资金的贡献。然而,风云突变,进入2017年,市场开始演绎极端一九行情,仅少数蓝筹龙头个股表现优异,多因子选股基础被打破,导致众多主动量化基金业绩表现发生逆转,而2016年大幅加仓主动量化产品的银行委外资金,只能无奈录得亏损。再如银行委外在2017年3季度末对量化对冲基金的态度。由于股指期货持续贴水,再加上A股长期表现优异的小盘因子与反转因子在2017年上半年失效,市场上的量化对冲类产品几乎全线败北,业绩惨淡。从我们当时调研的情况看,银行普遍对该类策略产品不再感冒,几乎到了无人问津的地步。但事后来看,去年4季度是投资量化对冲类产品的一个很好时点,一是股指期货贴水幅度不断收窄,一度转为升水;二是市场极端一九行情状况有所改观,小盘股有所活跃,热点开始扩散。我们统计的私募量化对冲策略样本中,2018年上半年在A股萎靡不振之下,依旧平均录得1.36%的正收益,其中更有25%的基金收益达到5.29%以上,最高的达到24.47%。

  类似的案例还有很多,如部分银行委外资金2015年底对保本基金的投资,2016年二三季度对分级A的投资,都赶上了市场随后的大幅调整。总之,从上面这些案例可以看出,部分银行委外行为决策并不能算十分科学,过于依赖于历史业绩进行决策,而投资绩效也并不十分理想,往往投在各类资产牛市行情的末期。这一结果的造成,应该归因于一些银行在委外投资决策流程中存在的一些内生性问题与缺陷。

  资管新规发布前,虽然多年来银监会屡次发布文件或通知禁止资金池相关操作,但银行理财仍一直延续该模式,一方面是错配成为银行理财利润来源的重要形式,另一方面资金池的拆分将联动的风险无从释放。

  在资金池模式下,多只银行理财的资金大部分是汇总在一个大的池子里进行总量投资决策的,负责某一类资产投资的团队会在可用的资金中拆分出自主管理能力之外的部分资金,在市场上寻找“优质”的专业投资机构进行委托管理。其中大部分资金都是通过预期收益的产品模式销售募集的,导致可用资金的加权成本下限在投资管理之前就已经确认。

  在此模式下,银行的销售与投研之间是割裂的,产品预期收益(资金成本)以市场同业为参考、以具备市场竞争力为目标制定,而投资收益则需要在满足资金成本的前提下做到尽可能高。可以看到,在此过程中多数核心决策不是依据当前的投资环境制定的。

  此外,资管新规发布前银行发行的预期收益型产品具备刚性兑付特征,因此设定的预期收益往往不会低于最终产品的兑付收益,这意味着银行理财资金在投资运用之前已经确认了既定成本,而该成本是以产品发行时的市场利率水平和竞争格局决定的。银行委外的周期通常在1年左右,而理财产品的发行期限以3-6个月为主,虽然期间单一产品的发行预期收益可以有所调整,但是受制于资金池模式,总体加权成本变化相对缓慢而滞后,造成成本与收益的长期不匹配问题。

  在资金池中对一笔资金进行委外投资时,对业绩基准的要求并非源于当下及未来的市场环境判断,而是取决于已发行产品的成本。受托机构被动接受该业绩要求后,随着市场环境变化,投资环境可能发生恶化,一旦如此,则在此前的投资风格上难以保证约定的业绩基准。然而银行的成本限制了其对业绩基准的调整空间,促成受托管理人为追求更高收益的冒险行为,即越过投资范围约定的红线,通过下沉风险的方式抬高收益,风险大量积累。

  除了委外的决策机制,激励机制对委外决策人员的影响亦不容忽视。首先是银行沿袭多年的重规模轻业绩的模式,将规模的扩张和客户的拓展放在业绩考核的第一位,促使了整个理财业务线条上的人员对规模的重视程度过高,吸收大量的理财资金,造成决策人员没有足够的精力和能力细致的优选受托管理人及投资资产与策略。

  除此之外,重短期轻长期的考核机制亦是促使投机行为的重要因素。由于部分资产的投资期限较长,而考核期限较短,因此追求短期的高收益投机行为对决策者来说能提供更丰厚的回报,相反一旦投资出现问题的追责又较弱。

  除了上述自身制度性因素导致委外投资决策风险隐患大、决策易失误外,还源自于部分银行自身缺乏健全的委外投资决策体系与方法,尤其是资产与策略选择以及产品与管理人筛选评价方面还亟待改进。

  在资产与策略选择层面,有众多银行在决策流程上要符合“既成收益”好的条件。简单说就是,如果单纯是投研人员认为某类资产或策略在未来可能表现超预期是不足以形成决策依据的,需要市场已经在一段时期验证了此类资产或策略的投资可以获取较高的正收益,决策条件才完备。然而投资从来都是动态的过程,超额收益会逐步在参与资金增加的过程中被填平,甚至资金超量进入后资产出现高估而在短期内丧失投资价值。“源于既成收益”的决策依据则容易不断地在一类投资的收益达到高点甚至拐点的时候进入,从而易造成净值大幅回撤。

  在产品及管理人筛选方面,也过多依赖于历史业绩的评价,即依据于“既成收益”进行决策,这从一些银行的机构合作白名单管理机制中可以明显看出。由于资金量庞大、机构决策流程长,银行通常制定较为固化的白名单。名单更新频率低并对受托管理公司在硬性指标上有较高的要求,通常为:大规模、高评级、长历史、高知名度。然而这些所谓的硬性指标与其投资管理能力并不一定成正比。此种白名单筛选方法之下,银行资金大量集中在偏大型非银机构,投资收益和灵活性均受限,话语权也相对较低。相反,大量无法在硬性指标上进入银行白名单的机构却拥有一批投资管理能力较强的投研人员,造成资源的低效分配。

  2018年7月20日,资管新规正式稿落地近3个月之际,央行发布《关于进一步明确规范金融机构资产管理业务指导意见有关事项的通知》,同日,银保监会发布《商业银行理财业务监督管理办法(征求意见稿)》(下文简称“理财新规”)。总体上看,两个文件相对于资管新规的要求有所放松,一定程度上缓解了当前商业银行面临的压力,降低资产回表过程中交易摩擦对于市场的冲击力度,恢复信用市场信心,并适度缓解当前实体经济面临的信用紧缩压力。同时随着文件的出台本身就对消除市场不确定性,稳定市场预期产生积极影响。而对市场来说最重要的是能够推动当前部分停滞的业务重新启动,打破资管行业业务的冰冻格局。尽管边际有所放松,但资管新规打破刚兑、消除期限错配、拆资金池、压缩并清理存量、去嵌套、强化穿透管理等原则没有变,金融去杠杆大方向没有变,只是政策执行力度上进行了细调微调。

  在理财新规发布前,银行理财委外规模已经历了一轮收缩。在未来过渡期清理老产品发展新产品的过程中,我们将看到银行理财委外格局和重点逐步迁移转化。虽然过渡期老产品的压缩节奏可以自行调控,但收缩的趋势及2020年底前清理完毕的要求未变,因此老产品中委外的空间仅限于在压缩节奏内,静态负债资金量大于资产量时的余量投资需求,需求相对较小,整体还是以收缩为主。我们认为未来银行理财委外更大的空间依然在新产品的发展过程中。随着新产品线的逐步建立和完善,委外会从前期的收缩模式逐步切换为总量的重新扩张,而委外的领域将更多倾向于权益、信用债及FOF/MOM的投资。

  理财新规放开了公募理财资金对权益的投资,这使得理财委外业务的投资对象从货币型、债券型基金可拓展至股票型、混合型基金。同时,私募理财资金对专户、券商资管的委外只要满足一层嵌套,从规则上是顺畅的,而目前公募理财资金对专户、资管的委外在满足实质重于形式的要求下,并未被明确禁止,因此,从形式上银行理财各条线的委外业务模式将可以合规展开。

  理财对权益及信用债投资的委外需求主要源于其研究积累和资源的缺失。而对于FOF/MOM的委外需求则更多源于其投研容量的限制以及对更优秀投资资源的追求。从资源有效配置的角度,我们认为未来部分银行理财产品将转型为理财型FOF:委外投资产生的根本原因在于,银行在部分领域的投资专业性上与券商、公募基金等机构存在较大差距,在穿透原则和不得嵌套的监管要求下,银行可以借助其资金体量和渠道优势,成立FOF产品,直接购买公募基金等机构发行的基金产品,在不违反监管原则的前提下,提升投资效率和效益。

  从银行委外中存在的问题可以明确一点,委外形式本身只是为银行理财提升投资效率创造一个渠道,而能否真正实现有价值的投资效果,则取决于银行是否能够优化整个委外的决策机制、流程以及技术。从逻辑上看,银行委外应该是一个全面完整、自上而下的资产配置过程,涉及到宏观经济与基础市场研判、动态资产配置、受托人及基金产品筛选、组合再平衡等诸多环节,尤其是要实现宏观配置与微观筛选的相互融合,唯如此才能解决宏观大类资产配置被束之高阁,无法落地至具体标的,而微观标的筛选又只见树木,不见森林的悖论,确保委外管理人的投资意图、投资目标的贯彻实施。本文正是基于这一视角,以公募基金投资为例,提出改进银行委外业务决策流程的一点技术性建议,以供参考。

  传统资产配置主要解决的是大类资产配置问题,因为资产配置的本质是利用不同标的资产间的低相关性,通过分散化配置来实现组合收益与风险的优化,而资产间的低相关性最直观体现就是其所分属的不同大类资产间的走势差异。不过,伴随股票、债券、商品等基础市场容量的不断扩大以及各种不同投资理念、投资风格及投资策略在投资实践中的运用,基础市场中细分资产走势的分化也在不断加剧。不同类型及风格的金融产品,收益与风险特征的差异不仅源自于投资标的差异,更可能是由投资策略的差异所致。例如股票市场的大盘风格与小盘风格、价值风格与成长风格的分化由来已久,即使股票组合的基础标的相同,但加入对冲与无对冲操作的净值曲线也会有差异显著;而同样的商品期货投资标的,套利操作与趋势跟踪操作产生的净值曲线也将完全不同。此外,当前公募基金数量已突破5000只,且大量主题型、特色型及工具型产品不断创设。在此背景下,倘若对基金产品的划分,依旧仅采用传统股票型、债券型、混合型等依据资产投资类别的划分方式,则就显得过于粗糙,无法充分利用资产间的低相关性构建更加精细的资产配置组合。目前在私募基金领域,主流的产品分类采用的就是基于策略的分类,如划分为股票多头、相对价值、管理期货、事件驱动、宏观策略、固定收益、组合基金以及复合策略等八大策略,而每类策略又可以进一步细分,从而形成一个基于主导投资策略的更加科学的金融产品分类体系。

  基于主导投资策略的金融产品分类,最大的优势就在于我们可以将大类资产的配置转化为对策略的配置,从而资产配置核心也就相应转变为了对影响各类策略绩效表现的核心因子与市场适用环境的分析。每一类投资策略均有不同的市场适用环境,股票多头策略显然不适用于熊市环境,而商品趋势跟踪策略则显然不适用于波动率狭小的区间震荡环境。当影响某一策略的核心变量、关键因子发生变化,该类金融产品的预期收益与风险特征也将会显著改变,从动态资产配置的角度看,就需要相应超配或减配这类产品——这正是策略研究与策略配置的价值与意义,我们姑且把这项工作称之为“策略评价”。

  受制于自身专业投资研究人员的不足以及不同策略产品的运行复杂性,银行委外实践中,部分银行对于不同策略主导下的产品类别评价筛选,往往更多依据的是该类策略过去一段时间的业绩表现,即哪类策略运行的好,即投资于哪类策略,这实际是一种动量投资思路。动量投资背后的逻辑非常朴素,即“顺势而为,趋势跟踪”。大量学术研究以及投资实践证明,不同资产价格走势具有时间序列动量效应,从而动量投资思路基本是可行的。然而,动量投资也天然存在一些缺陷,一是观察资产价格动量的时间窗口不易确定,不同参数设定下的动量策略投资绩效差异十分显著。我们以股票多头策略为例,选取Wind股票型基金指数作为该类策略走势的代表,测试样本设定为2005年1月~2018年6月底,采用动量策略中常用的唐奇安通道线作为决策依据,即当股票型基金指数净值创M日新高时则买入,创M日新低时则卖出。可以发现,该系统在不同参数设定下,投资绩效是显著不同的,最低累计收益率5.71倍,最高收益率9.76倍,首尾收益率相差70%,且交易次数上也差异显著。

  动量系统本质是一个右侧交易系统,这决定了当采用动量效应进行决策时,必然存在一定程度的追涨杀跌,而这极易引发净值发生较大回撤。因为追涨操作的最大风险就在于在疯狂的单边牛市中,投资者很有可能以过高价格介入市场,而一旦市场转熊,由于进场成本过高,就会导致策略净值很难再恢复到盈利状态;而右侧卖出的风险则在于当市场面临重大利空时,快速回撤过程中往往引发多杀多的踩踏事件,大资金很难从容离场。2016年4季度债券市场的大幅杀跌中,部分银行委外投资损失惨重,正是过多依赖于资产的动量效应进行决策酿成的苦果,而2017年下半年根据动量效应大幅加仓价值蓝筹型基金的银行委外资金,则在2017年12月份以来的蓝筹股暴跌中,无疑又一次迎来了净值的大幅回撤。

  鉴于动量系统在实践中存在的诸多缺陷,我们提出一种基于策略内在运行规律及特征的多因子策略评价方法。一项完整的策略评价研究,至少要涵盖以下几项内容:一是对策略绩效进行分解与归因,理清策略的收益来源;二是探寻影响策略各分项收益的重要影响因子,这些因子共同构成了策略存在的市场环境;三是对影响因子本身的研究,构建因子的动态跟踪与预测体系。这一体系由于综合考虑了策略的多个影响变量,从而较之于仅采用策略历史业绩表现的动量趋势评价方法更加完备,从而在逻辑上也更加有效。

  运用多因子策略评价方法,首先需要寻找影响策略运行的核心因子,策略不同,因子也就会大不相同。限于篇幅,本文仅选取股票多头策略与市场中性策略这两类风格迥异、影响因子显著差异的策略作为重点案例进行分析。

  经典的Carhart模型把股票市场的收益拆解为4类来源,即市场收益,规模因子收益、价值因子收益以及动量因子收益。这一模型给我们的启发就是对于股票多头策略的投资,我们至少需要把握两个层面,一是市场整体状况的研判,这实际上就是一个权益资产的择时问题,从我们跟踪的结果看,绝大多数情况权益市场整体运行状况基本可以解释股票多头策略50%以上的收益。二是市场风格轮动,涵盖大小盘轮动、价值成长轮动以及动量反转轮动等

  那么,如何研判市场的运行方向呢?这又会涉及到多因子的方法,也即把市场拆解为几个核心因子,然后再对核心因子采用多因子、多维度方法进行综合评判,这就是“因子的因子”。对于A股市场,目前我们采用经济运行、流动性、动量趋势以及基于投资者行为的事件驱动策略4个维度进行跟踪。经济运行决定着企业盈利,流动性决定着A股估值,动量趋势决定着价格的惯性运行方向,而投资者行为则决定着多空力量的对比。这4个维度从不同视角诠释了权益市场的运行逻辑,当综合在一起的时候,就可以更加客观、更加全面的研判市场运行方向。

  下图展示了我们采用多因子综合打分方法,回测的A股择时仓位建议及择时收益。从回测情况看,多维度择时系统生成的仓位建议更加具有连续性,仓位配置不再是0或1的单点分布,而是0~1之间的动态分布,这更加适合于大资金管理的需要;再者,多维度择时系统综合考虑了市场的动量与反转效应,择时信号既有右侧又有左侧,这会大幅降低仅基于动量系统造成的净值回撤幅度。

  那么,如何评判市场风格呢?同样的思路,我们采用多因子打分的方法进行评判。以价值与成长的风格轮动为例,从内在逻辑看,价值与成长的风格轮动,首先可能源自于投资者情绪与风险偏好的变化。因为成长股的弹性大、风险高,成长股成为主导风格往往是投资者做多情绪高涨、风险偏好提升所致,而投资者情绪的变化又可以通过市场环境的差异得以体现,如市场涨跌幅、波动率、换手率等;其次,价值成长的风格轮动也可能源自于价值股与成长股自身业绩及估值的差异,因为这两者是个股股价变动的关键因素,而个股变动的合力则形成了板块与风格的变迁。最后,价值成长的风格轮动还可能源自于宏观因素的驱动,如经济增长、通货膨胀、流动性等,因为价值股、成长股对宏观经济变量的敏感性不尽相同。因此,我们从市场环境、成分股业绩与估值特征以及宏观经济运行几个维度采用指标加权方法,构建了一个价值与成长的风格轮动模型。

  下图是我们构建的价值与成长风格轮动模型历史表现,轮动模型不仅大幅跑赢沪深300基准指数,还较之价值与成长指数均具有超额收益,且回撤幅度小于。

  再以市场中性策略为例。我们基于业绩归因,将市场中性策略收益来源拆解为期现对冲收益与现货组合的阿尔法收益两部分。实践中,量化对冲策略一般以沪深300指数期货作为对冲工具,故现货组合的阿尔法收益主要体现于较沪深300指数的超额收益,而期现对冲收益则直接受股指期货升贴水率的影响。

  对于现货组合的阿尔法收益,我们主要监测市场的大小盘风格来进行评判。主流量化对冲策略的现货组合一般采用多因子选股模型构建。与传统主动选股往往重仓少数个股的模式不同,量化选股构建的是一篮子股票,主流量化模型一般持有股票数量在200~300只,以通过分散化获取稳定的超额收益,这就要求市场的热点不能过度集中于少数个股,尤其是不能演绎极端的一九行情。我们发现,市场热点的集中还是扩散,与市场风格有较大关联。当市场风格偏向于小盘风格时,更利于多因子选股的表现,因为风格偏向于小盘往往意味着市场热点的分散,且小盘股的股价弹性较大,当成为热点时,录得超额收益的空间也较大。

  除市场风格外,市场的升贴水状况也会对量化对冲策略造成直接影响。2012年2月以来,当市场处于升水状态时,市场中性策略的年化收益率约18%,而处于贴水状态时年化收益率仅10%。尤其是2015年下半年至2017年上半年,由于市场交投低迷以及股指期货持仓限制等因素,期货市场长期处于贴水状态,对冲成本居高不下,众多量化对冲基金实际上暂停了对冲交易,转为持有固定收益类资产,致使量化对冲策略净值表现几乎与货币基金一致。

  可见,对于中性策略的投资,核心是要把握市场的大小盘风格与升贴水率这两个因素的变动。我们尝试根据这两个因素,并结合量化对冲的动量趋势,构建量化对冲策略类基金产品的投资策略,为了展示策略表现优异与否,我们设定量化对冲策略的比较基准为债券型基金指数,并进一步分为长期纯债型基金指数与二级混合型债券基金指数。因为量化对冲策略无论是从其策略构建逻辑、比较基准还是对应的基金产品的历史净值走势看,将其划分为类固收策略较为合理,该策略以追求绝对收益为目的,其Calmar比率、夏普比率与债券多头策略较为接近,尤其是对冲策略在实际运作中往往会留有一定敞口,因而其收益特征逻辑上与二级债基的相似性会更高。从资产配置的角度看,量化对冲策略在资产配置中的价值应是:当预期这类策略的收益风险特征较好时,用于替代部分传统类固收资产,以优化组合收益风险比。故我们主要将量化对冲策略与长期纯债以及二级债基进行比较。

  对于大小盘风格,我们参考前期我们外发的专题报告《对多因子模型改进的一点思考:因子挖掘、因子轮动与行业配置》一文中构建的大小盘风格轮动模型,按月生成对市场风格的研判,该模型的构建原理与上文所提及的价值与成长风格轮动模型基本一致,采用的也是多因子打分的思路;对于股指期货升贴水率,采用过去20个交易日股指期货升水天数占比以及升贴水率均值的正负号判断下月期货升贴水状况,当两者都处于升水状态时,则判定下一期期货为升水,当两者都处于贴水状态时,则判定下一期为贴水,当处于其他情形时,则延续上期判断;对于动量趋势,主要是构建中性策略与纯债策略的相对强弱指数,并采用唐奇安通道线构建趋势跟踪系统,其背后的逻辑是:仅当市场中性策略的历史收益显著好于债券策略时,我们才投资中性策略,因为从整体看,中性策略获取绝对收益的不确定性较债券策略要大一些。

  测试时间设定为2012年1月至2018年6月,手续费率设定按双边设定,单边设定为千分之五。测试表明,根据上述方法构造的量化对冲与长期纯债轮动策略,虽然收益较量化对冲策略未有超额收益,但相对于长期纯债来说获得13%超额收益,同时回撤与长期纯债指数接近,从而收益风险比更优,体现在Calmar比率的提高。另一方面,量化对冲与二级债基轮动策略比单纯持有量化对冲或者二级债基的收益更高,且回撤较量化对冲策略明显缩小,由18.6%降低为12.2%,与二级债基的最大回撤10.6%接近,同时Calmar比率为0.79,高于量化对冲策略的0.51与二级债基的0.65。

  上述分析说明了采用绩效归因的方法分解不同策略主导下的金融产品业绩的核心影响因素,并通过对核心因子动态监控与预测的方法评判策略表现优异,进而指导投资是可行的。这一方法克服了仅采用动量效应进行策略评价存在的参数设定敏感,且右侧交易容易导致净值发生较大回撤等问题,从而更具实战指导意义。

  策略评价为我们提供了一个观察各类资产未来趋势变化的视角与基本结论,而策略评价的最终目的是将评价的结论与观点用于实际投资中,具体如何实现呢?我们认为这可以遵循资产配置的一般性框架,因为银行委外的过程,实际上就是银行作为MOM/FOF管理人进行资产配置的过程,也即对各类资产的收益与风险进行权衡,以实现既定投资目标。银行委外投资目标往往是负债驱动型的,即更加重视预期收益目标的达成。从马科维茨的均方差经典资产配置框架看,这实际上是一个既定预期收益目标约束下的组合风险最小化问题。不过,由于均方差模型生成的权重并不稳定,对预期收益较为敏感,现实中并不会直接采用这一模型生成的结果进行配置,但均方差最优化框架下的分散化投资思路以及收益风险相匹配的投资理念,是值得借鉴的。按照这一框架,一个简单且行之有效的思路是首先设定组合的初始权重,然后再根据策略评价的结果对初始权重进行再平衡操作。

  初始权重的设定,目的是为了确保基本投资目标的实现,这一过程可以看做是一个战略性资产配置的过程。可以首先框定银行可配置的资产类别,然后再采用资产的历史年化收益及波动率,测算不同资产组合的历史收益与波动率状况,并从中选取一组基本能达到银行预期收益的资产权重作为初始资产配置。下表展示了一个简单案例,假定可配置的资产范围是A股、港股、黄金以及债券(分别以代表性指数作为标的资产),我们根据高风险资产(股票、商品)与低风险资产的不同比例,按照一般性经验设定不同资产权重,并采用2012年以来的历史数据计算不同组合的年化收益与波动率。

  根据银行的风险偏好与资产配置特点,初始权重可采用2:8或1:9的高风险、低风险配置比例,即“固收+”的资产配置模式,其可预期的年化收益率大概在6%左右,而承担的组合净值波动率在3.5%左右。这一收益风险特征可做为“固收+”类型策略组合的一个基准,而接下来要做的就是如何在这一比较基准(初始权重)上,通过对各类资产权重的动态再平衡,在风险未明显增加前提下,进一步提升潜在收益水平。

  组合的动态再平衡,首选源于对各类别金融产品预期收益的变化,这就要发挥策略评价的作用了。一项有效的策略评价,至少要生成对各类策略的预期收益判断。当预期收益下行时,从配置角度看自然对应的是该类策略的权重下调,而当预期收益上行时,则对应的是该类策略权重的上调,当对该类策略无明确判断或持中性态度时,那么最好的配置思路就是持有初始权重——这实际上是BL模型的理念运用。

  不过,组合的动态再平衡,不仅仅源自于标的资产的预期收益变化,还可能源自于风险端的变化,尤其是资产间相关系数的变化。实践中,投资者往往注重不断改进优化预期收益的生成方法,而对于预期波动率及相关系数,则一般采用历史样本进行简单计算。这一方法实际上是假定资产间的相关性是稳定的。倘若市场处于平稳阶段,这一假设是合理的,不过,一旦宏观环境发生重大变化或者发生突发性事件驱动因素时,会导致不同资产出现同向变动,资产间的相关性上升,从而资产配置的低相关性准则被打破,组合的整体风险暴露提升。以A股、港股为例,两者的长期相关系数不足0.50,相关性适中,分散化配置有助于优化组合收益风险比。不过,伴随A+H类标的日益增多,两个市场之间的联系在变得更加紧密,尤其是当某些突发性因素发生时,例如今年以来的中美贸易摩擦,引发海外投资者对中国资产的担忧,A股、港股联动性增强,走势趋同,长期低相关性被打破,此时就无法再通过分散化配置规避风险了,唯有整体降低A股与港股仓位才是最合理的选择。再以股票与债券资产为例,多数情况下,由于股债“跷跷板效应”的存在,A股与债券资产呈现负相关性,这使得分散化配置的效果显著。然而,当市场面临流动性的整体收缩时,典型性如2013年6月份的钱荒期间,两者相关系数骤然上升,股债迎来双杀,此时资产配置的核心就转为了系统性风险的规避,需要对股债资产进行整体性减仓。

  因此,从策略评价到策略配置,不仅需要研判分项策略的预期收益与预期风险,还需要密切监测不同资产间相关系数的变化,当组合面临一些重大系统性风险时,需要评估资产间的相关性是否显著上升,倘如此,那么分散化配置的基础将会打破,此时更需要的是对组合整体风险资产仓位的调整,以应对系统性风险。

  在策略评价中,为避免采用单一基金产品代表某类策略存在的样本偏差问题,我们往往采用某一指数表征策略,根据分析目的与标的资产的不同,既可以采用宽基市场指数也可以是该类策略代表性产品的加权指数。不过,投资最终还是要落地于具体的金融产品的,从确保策略理念的贯彻执行角度看,当某类策略存在相对应的被动指数型基金时,采用指数化投资思路最能保证资产配置自上而下的一致性。然而,我国指数化金融产品发展尚处于初期,品种较少,尤其是Smart Beta型产品较为缺乏,且已发行的指数型产品多数规模不大,并不能满足委外资金的配置需求。实践中,银行委外投资多数还是以主动管理型金融产品为主的,这样做有两个好处,一是解决了采用指数型基金存在的潜在流动性问题,因为规模上亿元甚至十亿元以上的主动管理型基金比比皆是,二是采用主动管理型基金,通过进一步的挖掘与筛选后,可以获取较之被动指数型基金的阿尔法收益。

  不过,采用主动管理型基金也存在一定风险,主要是风格漂移问题。例如,假定基于策略评价的结论,原本我们打算加大价值型股票基金的仓位配置,当我们投资的某类价值型基金发生漂移至成长风格时,就会导致这笔委外投资额外承担了非主观意愿风险,尤其是在2017年的市场中,价值型与成长型基金出现严重分化,这样就可能由于微观基金标的风格或策略漂移,导致委外投资失败。再如市场中性策略类产品,假定原本我们想要加仓的是近乎完全对冲的中性策略产品,但可能所投基金产品的基金管理人主动加大了风险敞口,策略发生漂移,从而导致顶层作为母基金管理人的委外主体在资产配置中暴露了过多权益资产多头敞口,从而加大了组合的潜在风险。风格与策略的漂移问题广泛存在于主动管理型基金,并有时会严重干扰母基金管理人的资产配置决策。因此,当我们从策略评价下沉至产品评价与产品筛选时,首先要解决的就是如何监测各类金融产品的风格,并将那些策略、风格较为稳定,不存在严重漂移现象的金融产品作为初始产品池,便于二次筛选。

  如何筛选出那些风格、策略较为稳定的金融产品呢?以价值、成长型股票多头策略为例,从策略评价维度,我们往往采用市场指数(如国证价值、国证成长指数)监测市场价值与成长的风格轮动,并据此得出价值与成长型基金的配置建议。由于市场风格的监测采用的是市场指数,而具体投资标的采用的是价值或成长风格的主动管理型股票基金,这中间就可能存在风格漂移的问题了。

  关于公募基金风格稳定性的分析,业内有两种方法。一是基于基金多期持仓数据的分析。该方法的基本原理就是把基金当做是一个资产组合,通过计算该基金某期具体持仓标的在不同风格上的打分,然后按照标的持仓权重再进行加总作为该基金这一期在某类风格上得分,并通过这一得分判定基金属于哪类风格,然后从时间序列层面比较不同时期该基金风格,进而评判该基金在历史上风格是否稳定。不过,采用持仓数据分析,仅适用于换手率不高的基金,因为当基金换手率过高时,季末披露的持仓标的对该基金风格的代表性就会不强,从而无法真实反映基金风格。另一种分析方法是采用净值拟合的方法,这一方法基于基金净值,通过构建回归拟合模型分析基金在不同历史阶段的风格特征,由于净值是按日披露的,从而数据的时效性较强,适用性也更广,我们主要采用这一方法进行分析。

  我们选股公募普通股票型与偏股混合型基金(剔除指数增强与被动指数型标的)作为初始样本,并于每个季末结束后的第一个月末进行调仓(即每年1月、4月、7月、10月底),之所以这样设定,主要是考虑到我们要利用基金季报中披露的最新基金规模数据筛选样本,监管层要求基金季报于每季度结束后15个工作日内披露,因而这4个时间点可以确保所有基金的上一季报数据已披露完毕。为避免存在流动性问题,要求在进行筛选的那一天,备选基金的规模必须在1个亿以上,成立时间超过1年,同时处于申购状态。

  我们采用相关系数作为筛选的主要依据,以价值型基金筛选为例,具体计算方法为:在换仓日前按照N个交易日的区间间隔,选取最近的4个区间段,然后分别计算4个区间段内备选基金与国证价值指数的相关系数,按照降序排序,为确保用于构建的初始产品池不存在严重的风格漂移问题,我们选取4期中至少有3期的相关系数排名位于前50%分位的基金作为入选标的。

  下图展示了我们采用等权方法构建的价值型基金产品池与国证价值指数的走势比较。可以发现,两者高度相关,收益率的相关系数达到0.98,这说明采用净值拟合的方法是可行的,可以筛选出那些风格稳定、不存在严重漂移现象的基金标的。

  基于基金策略或风格稳定性的基金标的筛选,仅是构建起了一个备选标的初选池,而最终投资标的确立,还需要在初始筛选基础上进行二次筛选,一是因为初选池中标的较多(一般初选池数量在50~100只),实战中不可能投资这么多标的,二是因为初选池的构建仅考察的是风格稳定性,而对主动管理型基金的配置,还需要考察其阿尔法能力,倘若主动管理型基金没有显著的阿尔法,那么相较于被动指数化投资,当不考虑流动性问题时,其投资价值并不大。

  主动管理型基金的筛选评价,核心就是对基金经理阿尔法能力的评价。传统关于公募基金的评价筛选,多采用的是基于历史业绩的绩效评价指标综合打分方法,评价指标一般涵盖收益指标、风险指标以及收益风险比指标,代表性如复权净值收益率、波动率、最大回撤、夏普比率、信息比率等。

  基于历史业绩的绩效评价,仅需要获取基金的历史净值数据即可,其优势在于简便易行、适用的基金范围广,因而在产品筛选评价中发挥着重要作用。然而,该方法在实践中也存在几个问题:首先,评价指标对不同类型、不同风格以及不同行情下的基金产品评价效果并不相同,如卡玛比率和所提诺比率更适合评价绝对收益型基金产品,而信息比率需要结合基金的风格判断计算基金的主动投资能力(包括风险管理和收益获取能力)才有效。其次,绩效评价指标的计算往往要涉及回看周期,但这一参数并不稳定,导致筛选结果跨期业绩稳定性不强,且某些行情切片及参数周期下,甚至存在反转效应,即上期绩效评价结果较差的基金反而下期表现较好。

  鉴于传统基于基金业绩的评价体系存在不足,我们提出了一种基于基金公司、基金经理以及基金产品的三维一体评价体系,并把对基金经理投资能力的评价作为核心。

  基金经理的投资阅历、策略偏好、研究所长等众多因素共同决定了其投资特点与风格。当基金产品更换基金经理以后,基金的整体操作将跟随基金经理的熟悉领域和操作风格而变,基金产品的过往业绩将不再具有参考性。市场上的确存在能够穿越牛熊,适应千变万化行情的出色基金经理,但毕竟是少数,且基本上产品处于暂停申购状态,实际上无法配置。术业有专攻,市场上不乏有众多基金经理虽然长期难以打败“全天候”型选手,却可以在其擅长的特定市场环境中拿出亮眼的业绩。基于以上原因,我们分别从基金经理能力圈归因和基金经理策略适应性对标维度搭建基金经理定量分析框架。

  通常来说,在基金产品的管理中,基金经理会在宏观判断、风格选择、行业选择以及个股精选四个维度体现出不同的技能特征,最终形成基金产品的风险收益特征。我们构建归因体系将基金经理能力圈进行拆解。

  体现基金经理宏观择时能力最直观的方法就是观察基金仓位的变化。鉴于用回归拟合的方法估计仓位有一定的误差,我们采用直接观察基金季报披露的权益仓位变化,结合同期市场的涨跌变化来为基金经理的择时能力打分。

  风格归因通常采用两种方法:通过持仓数据进行横截面回归与通过净值数据的时间序列回归,为提高准确度,最终使用时应结合两种算法比对结果,并且辅以定性分析。

  在净值回归的归因方法中,可以利用Sharpe模型回归的方法对投资经理在每个基金产品的历史任职期的业绩进行归因,选择以投资经理所管理过的每个基金产品为考察对象,对其操作手法、风格特征进行分解。

  在持仓风格归因上,采取BARRA基于持仓数据的横截面回归模型。在此同样采用 “以基金管理人为核心”的框架。我们借鉴BARRA多因子模型对风格因子进行了定义,有共计45个指标合成的规模、成长、估值、盈利、波动率等10个纯因子可供基金产品的风格维度划分。

  行业配置上,我们需要区分两类基金经理:1)行业轮动型基金经理,对行业无明显偏好;2)偏好某些行业的基金经理。对于前者,我们采用打分的形式,对基金经理及其管理的基金行业动态配置的效果进行评估;对于后者,我们着重对行业配置偏好进行展示和归纳总结。

  将行业配置对基金业绩的贡献分离出来通常有两种方法:持仓归因和净值回归法。前者的问题在于公募基金的全部持仓披露频率低,季度持仓披露不全,用经典Brinson模型去分析误差会较大,用净值回归则有多重共线性、信息过于单薄,等缺陷。鉴于此,我们采取较为直观的方法,基于季度间行业指数的涨跌幅与季度披露的前十大重仓股相结合来对行业配置能力打分。

  在个股选择上,我们从两个方面对基金经理进行评价:1)评判在基金经理任职期内,每期选股的行业超额收益情况,进行排名并打分;2)观察基金经理参与牛股的成长期情况,筛选能够抓住高速成长类股票的基金经理。

  基金经理由于能力禀赋积累有所不同,对于收益考核标准的不同,对于风险容忍度不同,投资价值观不同而采用不同的投资策略,而这些策略在不同的市场环境下会产生不同的效果,最终就形成了按照全时间序列看,基金经理业绩持续性不佳的结果,但由于基金经理能力禀赋在逐步增加,随着投资经历的积累,投资策略也会相对稳定,从而在同类市场环境下体现出明显的业绩持续性特征。我们构建策略适应性评价体系,按照不同的市场环境特征对同类型的基金产品进行分析和评价。

  基金数量化筛选体系能够起到大浪淘沙的作用,可以帮助我们迅速进行剔除,但不容忽视的是,持续的定性调研和跟踪,是解决投资“最后一公里”的另一关键环节。

  在尽调中,相比于当前持仓结果,我们更关注基金经理的投资策略、配置逻辑和组合管理理念。从以往的数据看,基金经理业绩往往难以在全部行情中持续,主要原因在于市场的风格不断切换,基金经理也会随着市场风格变化调整自己的持仓,但是,值得注意的是,经过层层筛选的基金经理在变化的环境中学习积累,形成了相对稳定的投资方法论和风格特征,深度覆盖的范围也更全面,从教训中反省和总结经验,而这些无法数量化计算的特征才是基金经理能否持续创造优异业绩的关键,也是银行机构得以放心委外的前提。

  以权益型基金经理尽调为例,其投资逻辑包括投资框架,选股标准等,配置逻辑主要包括集中度管理、估值容忍度等,组合管理理念包括目标设定,回撤管理要求,产品定位等。举例来说:

  基金经理的配置框架,主要包括:自上而下,自下而上,以及两者相结合。自上而下的基金经理需要有比较强的宏观把握能力,往往在组合管理中也多用仓位控制的方式进行回撤管理和行情机会的把握,并且多从经济周期与产业周期的角度分析行业景气度,并结合估值等因素进行行业配置,而自下而上的基金经理主要以精选个股的方式构建组合,个股选择的逻辑构成了组合α能力的主要贡献来源,行业配置多为个股选择最后的结果或者个股选择关注因素之一。值得指出的是,近两年,行业选择在基金经理管理中的重要性有所提升,因此呈现出一些“自行业到个股,不做宏观择时”风格特征的基金经理。

  在个股选择上,基金经理选股的基本逻辑基本都是从基本面出发,区别在于对基本面数据的侧重角度不同。虽然最终选择的目标都是找到有持续成长的个股,但是基金经理们对于上市公司如何实现持续成长的线索(也就是成长的确定性)也都各有自己的观点,常见的主要逻辑包括:竞争壁垒(如市占率,技术领先程度)、盈利质量(净现金流量),内生增长潜力(创新能力)等。

  按照基金经理对于上市公司的跟踪方法,可以将基金经理分为三派:研报派、调研派、以及综合派。相比之下,研报派基金经理常常善于从研报数据中归纳上市公司的经营状况,认为看的见的业绩更具有说服力,调研派更看重管理层能力,同时通过调研供货商、经销商以及竞争对手进行综合分析和合理预期。当然,大部分基金经理都属于综合派,再加上公司内部和外部券商研究员的支持,进行选股和组合跟踪。

  估值容忍度是基金经理定性调研的一个重要关注点。估值从结果上往往体现出的是基金经理的一种风格特征,但事实上,估值更多的体现为基金经理对于当前投资性价比的权衡,将估值与成长性进行衡量对比,亦或者将当前估值与历史估值进行对比,以评估投资的安全边际,附之以市值指标,评估盈利(股价)的上涨空间。从另一个维度看,估值对于基金经理来说,也是进行风险管理的重要手段。因此,在弱势环境下,分析基金经理对于估值的定位和判断逻辑,可以作为对基金经理回撤控制能力评判的一个切入点。

  能力圈与学习能力是基金经理业绩持续优异的一个重要保障。大多数基金经理的成长路径为“专业学历背景→所学专业或相关行业的研究员→多行业研究员→基金经理助理→基金经理”,在基金经理的成长路径中,势必对于自己曾经研究过的行业了解更深,对于该行业发展和行业内上市公司具有较强的积累,成为其配置中最得心应手的能力圈范畴,实际中,对于主动管理型基金经理来说,组合中也会配置非深度研究的行业,这就要求基金经理有比较强的学习能力,或者需要有非常好的投研团队作为支持。

  当然,对于一个基金经理的判断,除了基于以上信息的定量定性分析外,还可以观察其品质。通常来看,一位优秀的基金经理应具有的品质包括:清晰的投资逻辑、严格的投资纪律、故事少讲数据多用、明确能力圈认知、善于总结教训、勤奋和不断学习等。

  在实际委外过程中,一份详实客观的尽调报告对于母基金管理人来说,不仅是入池及配置的重要依据,更是基金经理的一个定性标签。而定性标签的意义在于:第一,更准确的读懂能力圈拆分模型结果,区分主动能力和运气成分,例如,不做择时的基金经理即使历史择时能力得分高也意味着择时能力不可持续;第二,根据能力适应性对标模型进行基金选择更加有效,做到“合适的时候选择合适的基金经理”配置。例如,擅长做择时的基金经理在窄幅震荡的行情下难以发挥择时能力优势,行情板块分化不明显的市场环境下并不适合选择行业配置能力优异的基金经理。第三,定性标签跟踪能够判断基金经理是否做到了“知行合一”,而知行合一才能让基金经理的能力发挥落实在基金产品的业绩上。

  值得说明的是,2017中煤晋中能源有限责任公司面,定性调研并不能一劳永逸,呈上所述,基金经理也在不断地学习,投资策略也会调整,例如,基金经理的行业覆盖广度随着管理年限的提升在增加,能力圈也会随之进行扩张,针对不同的市场环境,也会在择时、风格、行业、个股选择几项能力中,因此,保持持续的跟踪也很重要,而持续跟踪时,重点需要关注的是当下基金经理的策略逻辑,以及在能力成长过程中吸取的教训。

  最后,在尽调中应当避免的几个误区。误区1:尽调用以了解基金经理当前的配置情况。其实,对于FOF投资者来说,到底有没有用,以及怎么用,取决于该产品的目标定位,对于将子基金品种定位于保持风格并创造基于风格的α收益时,当前配置的风格信息确实有用,而对于将子基金品种定位为持续创造一定目标收益特征的品种时,这些持仓意义着实有限,而应该看重基金经理的配置逻辑和策略思路分析。误区2:尽调中需要深度把握个股信息。股票投资需要较强综合能力以及需要花费大量时间精力才能做好,经过层层选拔产生的基金经理运用全部时间和能力,充分利用内外部各种资源做投资,而相比之下,委外投资者实际中,并没有足够的时间和精力投入到股票标的基本面等数据的跟踪,进而无法进行有效的个股配置,再加上术业有专攻,因此,对于配置者来说,读懂基金经理的本身策略逻辑比关注当前持仓更为重要,前文从正面的角度介绍了定性调研的框架。此外,尽调中基金经理对于策略逻辑的完备性和合理性也是评判其综合能力的重要因素。

  委外资产组合最终不仅体现于具体配置的标的,还体现于不同标的资产的权重设置。从自上而下的逻辑看,标的权重配置取决于三个因素:一是宏观大类资产配置权重,二是中观策略或风格配置权重,三是同一风格或策略内部的微观资产间的权重分配。例如,假定我们决定配置30%的资产配置于A股,并根据价值与成长的风格轮动模型,进一步决定将其中的60%配置于价值型基金,剩余40%配置于成长型基金,并进一步假定价值型与成长型基金各自配置5只标的,那么至基金产品层面具体该怎么配呢?这就涉及到了微观层面的产品权重配置问题。

  实践中,往往对同一类基金产品采用等权配置,但实际上还有很多其他可供选择的方法,如波动率倒数加权、最小方差加权、最大分散度加权以及等风险贡献组合等。从资产配置视角看,微观产品配置的目的在于通过分散化实现组合的收益风险比优化,那么哪种配置方法较为有效?我们对此进行讨论。

  等权配置:每只基金按照等金额进行配置,并且按季度再平衡。当某个资产过去一段时间表现优异,此时权重会高于初始权重,而表现较差的基金低于初始权重,但是当组合进行季度再平衡时,会降低表现较好的基金的权重,提高表现较差的基金的权重,如果基金延续着动量趋势,过去表现好的基金未来表现较好,表现较差的基金未来表现较差,此时等权重组合表现较差,但是如果基金呈现反转效应,等权重组合反而有不错的表现。

  波动率倒数加权配置:采用各资产的波动率倒数作为配置权重,即过去一段时间波动越大的资产,配置权重越低,由于波动率具有很好的外推性,因此过去波动大的资产未来一段时间维持高波动的可能性较高,为了避免组合波动较大,采用波动率倒数加权的方式可以降低其配置权重,使得组合波动降低。

  最小方差配置:该组合是所有不同配置组合中方差最小的组合,不同于上述两种方法,该配置方法采用最优化的方法求解得出组合方差最小的权重配比,其配置的组合往往风险较小,配置结果偏稳健,但配置结果容易过度集中于某些风险较小的资产。

  最大分散度配置:也被称作最大夏普比率组合,同样采用最优化的方法求解组合,其目标函数仅依赖于资产风险特征,并且各资产配置比例相较于最小方差配置更为分散,但也存在权重集中于某些资产的问题。

  等风险贡献配置:即要求组合中单个资产的风险贡献相等,实际上是风险平价理论在微观配置中的运用。

  我们选取公募基金中的普通股票型基金和偏股混合型基金作为测试样本,并剔除策略换仓日时那些成立时间小于1年、规模小于1亿元、当天处于暂停申购或暂停大额申购状态的基金。测试时间设定为2010年4月30日至2018年6月30日,分别于每个季末结束后的第一个月末进行调仓(即每年1月、4月、7月、10月底)。

  为了控制组合所持基金数量大小可能对不同配置方法配置绩效的影响,我们分别将组合所持有的基金足量设定为5只、10只以及20只(用N表示),并依次进行测试。我们于每个换仓日在样本基金中随机抽取N只,并采用上述不同加权方法生成权重,最终生成组合净值及测评指标。由此单次筛选产生的结果可能具有偶然性,为尽量客观比较不同权重配置方法优劣,我们重复上述测试20次,并取平均值作为最终测试结果,具体如下:

  当每次抽取基金的数量为5只时,从年化收益来看差别并不显著,不过最大分散度组合收益较低,最好的为波动率倒数加权组合。从风险角度,最大分散度配置组合的最大回撤最大,最小方差组合的最大回撤最小,其余最大回撤在47%左右;从收益风险角度看,表现最差的为最大分散度配置组合,其余几种加权方式则较为接近。因此总体来看,最大分散度组合收益较差且回撤较大,而最小方差组合风险控制能力较好,等权重、波动率倒数加权以及等风险贡献组合收益风险情况接近,不过相较之下波动率倒数加权组合收益更为出色,等风险贡献组合在风险控制方面表现更好。

  将每次配置的基金数量扩大为10只时,同样会发现最大分散度组合年化收益率最低且最大回撤幅度最大,而最小方差组合回撤幅度最小,并且收益最高,且Calmar比例也最高;其他三种加权方式收益风险情况类似,相较之下,收益表现相对较好的为波动率倒数加权,而等风险贡献组合的回撤幅度小于波动率倒数加权,从而两者的收益风险比指标较为接近。

  当把每次抽取的数量扩大为20只,最小方差组合收益下降,但回撤依然最小,最大分散组合依旧各项测评指标较为糟糕,波动率倒数加权以及等风险贡献加权的收益较好,且回测幅度适中,收益率风险比指标较好。

  为了更清楚了解不同加权方式权重分配情况,我们以样本数量为20的组合配置为例,选取其中一次仿真结果,对每期生成的配置权重进行考察,重点考察权重大于0的基金数量、最小权重,权重中位数以及最大权重等指标情况,为剔除个别考察期存在的统计极值问题,我们将统计的每期结果中位数作为最终统计结果。

  可以发现,等权、波动率倒数加权以及等风险贡献组合的基金配置数量均达到20只,而最小方差组合和最大分散度组合配置权重会集中于其中几只。从权重分配上来看,等权重为平均分配,波动率倒数加权最小权重的中位数为1.2%,最大权重的中位数为12.1%,而等风险贡献权重相对较为平均,最小权重为3.8%,最大为7.2%。

  通过上述实证我们发现,较之等权配置,波动率倒数加权以及等风险贡献加权可以起到提升组合收益并降低组合风险的作用,且这一功效对组合配置的基金数量并不敏感,这意味着这两种加权方法具有普适性,从而可以较好运用于实战中。而最大分散度以及最小组合方差的加权方法,容易引发配置权重的跨期跳跃,且不同基金持有数量下收益风险特征并不稳定,不适于实战中使用。进一步的,对波动率倒数加权与等风险贡献组合进行对比,我们发现两者的功效基本一致,相较之下,波动率倒数加权在收益增厚方面更胜一筹,但等风险贡献加权方法生成的配置权重在不同基金之间具有更小的离差值,从而权重调整时不易引发流动性问题,因而对于委外资金较大、流动性要求较高的机构,我们建议可以把等风险组合的微观产品权重配置方法作为首选。

  总之,银行委外是个“技术活”。委外形式本身只是为银行理财提升投资效率创造了一个渠道,而实现持续、稳定、优异投资业绩的关键,是从自上而下资产配置的视角审视并构建科学的委外决策流程。

  本文初步展示了一个基于金融产品的动态资产配置过程。在我们看来,资产配置虽然不能包打天下,但按照资产配置的流程进行决策,最大优势在于通过体系化的运作,可以尽可能的减少投资中所犯的错误,或者说把犯错的成本降至可控范围内。尤其是资产配置中,若能够实现策略评价与产品评价的相互融合,就会打通自上而下与自下而上的两套投资决策体系,以充分确保委外管理人的投资意图、投资目标得以实现。

  当然,基于资产配置视角,尤其是策略评价与产品评价相融合的视角重构委外决策体系,是一个庞大的系统性工程,需要投入大量的人力、物力与财力。但无疑,开启这一工程,构建这一框架体系是极富有价值的,它可以从根本上改变传统过于依赖产品历史业绩进行委外决策模式的弊端,使银行委外投资决策更具有宏观视野,更具有战略前瞻性,从而更加适用于净值化时代,银行创设不同收益特征、不同风险偏好,适用于不同客户人群理财产品的需要——这就是银行委外决策的精细化之路!

  过去几年,华宝证券研究团队一直致力于中国金融产品及类FOF策略体系研究,并积累了一点粗浅经验与成果,在银行委外投资决策流程的重构过程中,我们也期待继续贡献一点绵薄之力与行业共成长。

Copyright © 2013 d88尊龙,尊龙人生就是博旧版,尊龙娱乐人生就是博,尊龙备用网址 All Rights Reserved