管清友 張瑜 齊雯
從資產(chǎn)配置策略來看,目前我們處于資產(chǎn)配置3.0時代(資產(chǎn)配置轉(zhuǎn)向因子配置),正在向資產(chǎn)配置4.0探索(基于大數(shù)據(jù)和機器學(xué)習(xí)技術(shù)的資產(chǎn)配置策略):因子是投資回報的最根本來源,基于因子的配置相比于傳統(tǒng)基于基礎(chǔ)資產(chǎn)的資產(chǎn)配置更加精細(xì)與精準(zhǔn);隨著科技的發(fā)展,大數(shù)據(jù)+機器學(xué)習(xí)或?qū)⒋蚱迫祟愓J(rèn)知局限,使得機器在海量數(shù)據(jù)的訓(xùn)練下自主開發(fā)新策略。
從資產(chǎn)類別來看,股票和另類投資比例不斷上升:一方面,2008年金融危機之后,利率持續(xù)下行、公開市場收益率走低,使得大型機構(gòu)開始增加另類資產(chǎn)的配置;另一方面,人口結(jié)構(gòu)變化下,迫于收益壓力,養(yǎng)老金、社保基金和部分保險資金增加股權(quán)類投資,減少債權(quán)類投資。
從投資機構(gòu)來看,傳統(tǒng)機構(gòu)仍是資產(chǎn)配置模型的主要應(yīng)用領(lǐng)域,但互聯(lián)網(wǎng)金融公司和財富管理公司的配置力量正在崛起:首先,互聯(lián)網(wǎng)金融公司通過智能投顧(Robo-advisor)來挖掘個人資產(chǎn)配置這片“藍(lán)海”;其次,個人財富的累積+個人理財意識的崛起,高凈值客戶對資產(chǎn)配置需求顯著提升。
有效的大類資產(chǎn)配置被視為成功投資的關(guān)鍵:研究表明,股票、債券和現(xiàn)金等價物之間的資產(chǎn)配置是長期投資回報的主要決定因素,這種觀點來源于1986年BHB(Brinson、Hood、Beebower)的研究,BHB對91家企業(yè)年金10年(1974-1983)收益率進行歸因分析,得出“投資組合總收益變動的93.6%取決于戰(zhàn)略配置收益”的結(jié)論(總收益=戰(zhàn)略配置收益+擇時+擇股+其他)。
資產(chǎn)配置的優(yōu)缺點:資產(chǎn)配置的優(yōu)點是可以利用各資產(chǎn)類別對經(jīng)濟和金融市場的不同反應(yīng),進行多元化配置,從而降低組合的波動,提高投資回報;然而,同時它也可能錯過一種或多種資產(chǎn)的重大、持續(xù)的價格上漲。
大類資產(chǎn)配置理論研究始于20世紀(jì)30年代,傳統(tǒng)配置策略包括60/40、等權(quán)重投資組合和均值方差模型等。20世紀(jì)90年代,為了放寬MPT的假設(shè)條件,提高理論在實踐中的可行性,以BL、捐贈基金模型、投資組合保險策略、美林時鐘等為代表的大類資產(chǎn)配置策略被提出。進入21世紀(jì)以后,市場開始用“因子”來解釋資產(chǎn)的投資回報,不同因子的開發(fā)和基于因子的配置模型逐漸受到市場的關(guān)注。隨著科技在金融領(lǐng)域的應(yīng)用,基于MPT、大數(shù)據(jù)和人工智能的配置模型(智能投顧)正在被廣泛使用于個人資產(chǎn)配置上。未來大數(shù)據(jù)+機器深度學(xué)習(xí)或?qū)⒋蚱迫祟愓J(rèn)知局限,將我們帶入資產(chǎn)配置4.0時代。
① 資產(chǎn)配置1.0:恒定混合策略和現(xiàn)代投資組合理論
1、恒定混合策略:1/N & 60/40
典型的恒定混合策略(constant mix strategy)包括等權(quán)重投資組合(equally weighted portfolio)和60/40投資組合策略。
(1)等權(quán)重配置策略是指保持每類可投資資產(chǎn)的投資權(quán)重為 1/N。很多學(xué)術(shù)研究表明,等權(quán)重投資法比其他資產(chǎn)配置模型更有效(Demiguel,2009),并且由于其操作簡單,長期收益效果好,所以受到很多投資者的喜愛,如瑞士經(jīng)濟學(xué)家和基金管理人Marc Faber。
(2)60%股票+40%債券,可能是被最廣泛使用的資產(chǎn)配置模型。在20世紀(jì)50-70年代,最主流的投資策略是將資產(chǎn)配置到股票、債券、現(xiàn)金之中,其長期的目標(biāo)資產(chǎn)配置是60%股票、30%債券、10%現(xiàn)金。
2、資產(chǎn)配置理論基石:現(xiàn)代組合投資理論(Modern Portfolio Theory)
20世界50年代,諾貝爾獎獲得者馬科維茨首次提出現(xiàn)代投資組合理論,將資產(chǎn)配置由實踐層面的摸索提升到了理論層面。
現(xiàn)代投資組合理論(MPT)是將預(yù)期風(fēng)險和收益進行量化:一旦投資者明確了投資目標(biāo),MPT可以幫助投資者形成最優(yōu)的投資策略,即在既定風(fēng)險下的最高收益的投資組合或既定收益率下的風(fēng)險最低的投資組合。
MPT的優(yōu)缺點:MPT的優(yōu)點是這種方法簡單、直觀。所需要的參數(shù)僅為預(yù)期收益、波動率以及相關(guān)系數(shù),就可以把投資組合的風(fēng)險收益特征與投資者的風(fēng)險收益匹配起來。但MPT也存在很多缺點,如模型的不穩(wěn)定性(模型對輸入值的微小變動十分敏感)、單期性(資產(chǎn)配置是靜態(tài)的)和風(fēng)險指標(biāo)過于單一,等等。
② 資產(chǎn)配置2.0: 更貼近機構(gòu)投資者需求的配置模型
1、融入投資者觀點:Black-Litterman模型
20世紀(jì)90年代,Black&Litterman;在高盛公司就職期間提出的Black—Litterman模型(簡稱BL模型),可以在模型里加入投資人對市場的看法和預(yù)測,使得資產(chǎn)配置模型更符合機構(gòu)投資者的需求。
BL模型是金融行業(yè)對MPT模型在應(yīng)用上的優(yōu)化:Black-Litterman模型利用概率統(tǒng)計方法,將投資者對大類資產(chǎn)的觀點與市場均衡回報相結(jié)合,產(chǎn)生新的預(yù)期回報。該模型可以在市場基準(zhǔn)的基礎(chǔ)上,由投資者對某些大類資產(chǎn)提出傾向性意見,然后,模型會根據(jù)投資者的傾向性意見,輸出對該大類資產(chǎn)的配置建議。BlackLitterman模型自提出來后,已逐漸被華爾街主流所接受,現(xiàn)已成為高盛公司資產(chǎn)管理部門在資產(chǎn)配置上的主要工具。
2、另類資產(chǎn)的配置價值:捐贈模型(Endowment Model)
捐贈模型(Endowment Mode)是在MPT模型的基礎(chǔ)上拓展了資產(chǎn)類別,更加注重另類資產(chǎn)的配置價值。如下圖所示,美國頂尖大學(xué)捐贈基金(哈佛、MIT、普林斯頓等11所大學(xué))資產(chǎn)配置中,另類資產(chǎn)占比最高(平均占比60%)。由于大學(xué)的捐贈基金具有永續(xù)性,這為其投資流動性低、投資周期長,但回報率高的資產(chǎn)種類(如私募股權(quán)基金)提供了可能,但由于其覆蓋完整的經(jīng)濟周期,對管理者的主動管理能力要求也較高。
另類資產(chǎn)的配置價值在于能提供有別于傳統(tǒng)公開市場資產(chǎn)的回報和風(fēng)險特征,因此增加另類的配比能改善整體投資組合的收益水平,與此同時也可以增強回報的穩(wěn)定性。如表3所示,相比傳統(tǒng)資產(chǎn),大宗商品、對沖基金、REITs 等另類資產(chǎn)更可以產(chǎn)生優(yōu)異的平均回報。
3、鎖定基本收益:投資組合保險策略(OBPI,CPPI、TIPP)
作為大類資產(chǎn)配置市場重要投資主體之一的保險機構(gòu),由于受負(fù)債端的約束,往往比一般的機構(gòu)投資者更關(guān)注投資風(fēng)險,可以保護投資者基本收益的投資組合保險策略應(yīng)運而生。
投資組合保險策略是將一部分資金投資于無風(fēng)險資產(chǎn),從而保證資產(chǎn)組合的最低價值的前提下,將其余資金投資于風(fēng)險資產(chǎn),并隨著市場的變動調(diào)整風(fēng)險資產(chǎn)和無風(fēng)險資產(chǎn)的配置比例。
4、基于宏觀視角:美林投資時鐘
美林投資時鐘由Greetham&Hartnett;(2004)提出,模型基于美國20年的經(jīng)濟數(shù)據(jù),將“資產(chǎn)”、“行業(yè)輪動”、“債券收益率曲線”以及“經(jīng)濟周期四個階段”聯(lián)系起來,指導(dǎo)投資者在不同經(jīng)濟周期下進行資產(chǎn)配置。
模型根據(jù)產(chǎn)出缺口和通貨膨脹的不同狀態(tài),將中短期經(jīng)濟周期劃分為復(fù)蘇(經(jīng)濟上行,通脹下行)、過熱(經(jīng)濟上行,通脹上行)、滯脹(經(jīng)濟下行,通脹上行)、衰退(經(jīng)濟下行,通脹下行)四個階段,每個階段表現(xiàn)較好的資產(chǎn)分別是股票、商品、債券和現(xiàn)金。
③ 資產(chǎn)配置3.0: 資產(chǎn)配置到因子配置
目前海外的資產(chǎn)配置已經(jīng)實現(xiàn)了從資產(chǎn)配置到因子配置的進化。所謂因子投資,是指將各類基礎(chǔ)資產(chǎn)按照因子進行拆分后,再按投資目標(biāo)進行配置。
因子可以類比成我們食物中的營養(yǎng)物質(zhì)(如下圖),是投資回報(身體能量)的最根本來源。基于因子的配置,相對于傳統(tǒng)基于基礎(chǔ)資產(chǎn)的資產(chǎn)配置,更精細(xì)與精準(zhǔn)。目前市場上所開發(fā)的因子非常多,如宏觀因子(經(jīng)濟增長、通脹、利率等)、風(fēng)格因子(價值、動量、小盤股、質(zhì)量、波動率等)和市場因子(股市貝塔、債券久期、信用利差、套利等)。
1、風(fēng)險因子配置:風(fēng)險平價模型(Risk Parity)
2008年以來強調(diào)風(fēng)險因子配置的機構(gòu)越來越多,其中風(fēng)險平價(Risk parity)模型是應(yīng)用最多的配置策略。在資產(chǎn)管理公司中Bridgewater的All Weather、AQR的Risk Premium、Blackrock的Market Advantage都屬于這類產(chǎn)品。
風(fēng)險平價模型目的是使各類資產(chǎn)對總風(fēng)險的貢獻(xiàn)相等,即資產(chǎn)配置組合面對不同因子的風(fēng)險敞口(或稱為風(fēng)險貢獻(xiàn)度)暴露程度等同。風(fēng)險平價以風(fēng)險為立足點,避免了對回報進行預(yù)測的不確定性。
2、資產(chǎn)配置4.0: 基于大數(shù)據(jù)和機器學(xué)習(xí)的資產(chǎn)配置策略
科技發(fā)展形勢下,未來資產(chǎn)配置模型將突破人類認(rèn)知局限:基于人類認(rèn)知開發(fā)的策略主要基于“假設(shè)----檢驗”或“假設(shè)----回測----模擬----實戰(zhàn)”,而基于機器學(xué)習(xí)的策略開發(fā)則是“數(shù)據(jù)----規(guī)律----優(yōu)化”。所以在深度學(xué)習(xí)時代,機器通過互聯(lián)網(wǎng)上大數(shù)據(jù)的不斷訓(xùn)練,可以突破人類的認(rèn)知(不僅僅局限于復(fù)制和執(zhí)行人類所開發(fā)的投資策略),開發(fā)新的投資策略。
以資產(chǎn)配置模型的使用者來看,機構(gòu)投資者如主權(quán)基金、養(yǎng)老金、保險機構(gòu)、捐贈基金、對沖基金和共同基金、家族辦公室以及近年來進入金融領(lǐng)域的金融科技公司,都是資產(chǎn)配置模型的主要應(yīng)用領(lǐng)域。
從投資機構(gòu)來看,傳統(tǒng)的機構(gòu)仍是資產(chǎn)配置的主要應(yīng)用領(lǐng)域,但互聯(lián)網(wǎng)金融公司和財富管理公司的配置力量正在崛起:首先,互聯(lián)網(wǎng)金融公司通過智能投顧的手段,開發(fā)出適合個人資產(chǎn)配置的模型,深度挖掘個人理財市場的“藍(lán)海”;其次,個人財富的累積+個人理財意識的崛起,高凈值客戶對資產(chǎn)配置需求達(dá)到井噴狀態(tài)。
從資產(chǎn)類別來看,股票和另類投資比例不斷上升:首先,2008年金融危機之后,利率持續(xù)下行、公開市場收益率走低,大型機構(gòu)開始增加另類資產(chǎn)配置;其次,人口結(jié)構(gòu)變化下,迫于收益壓力,養(yǎng)老金、社?;鸷筒糠直kU資金增加權(quán)益類,減少債權(quán)類配置。
① 主權(quán)基金和養(yǎng)老基金:增加另類投資博取收益
主權(quán)基金和養(yǎng)老金主要以股債配置為主,例如挪威主權(quán)養(yǎng)老基金GPFG(60%股票+40%債券)和日本政府養(yǎng)老金投資基金(50%股票+50%債券)。
金融危機之后,為了博取投資收益,主權(quán)基金和養(yǎng)老金增加了另類資產(chǎn)投資:2008年金融危機之后,隨著利率持續(xù)下行、公開市場收益率走低,主權(quán)基金和養(yǎng)老金為了贏得更好的收益,開始增加另類投資的比例,如加州公務(wù)員退休基金CalPERS(僅PE的配置比例就達(dá)到12%)、淡馬錫控股(39%投資另類資產(chǎn))、迪拜投資局ICD(39%投資另類資產(chǎn))。2004-2015年間,全球頂尖機構(gòu)投資者的資產(chǎn)配置中,股票資產(chǎn)平均占比45%,現(xiàn)金/固收占比27%,另類投資平均占比28%。
1、挪威主權(quán)養(yǎng)老基金(GPFG)和日本政府養(yǎng)老金投資基金(GPIF):傳統(tǒng)股債配置策略????
挪威主權(quán)養(yǎng)老金(GPDF)嚴(yán)格遵守股債60/40的配置比例:自成立以來,GPDF一直是穩(wěn)健投資和紀(jì)律性投資的典范,基金成立初期只投資于股票、債券兩類資產(chǎn),配置比例為60%股票、40%債券。僅在2008年后少量投資房地產(chǎn),較少涉及另類資產(chǎn)。GPDF對于實際年回報率的要求較低(CPI+5%,組合波動率在12%左右),追求組合的簡潔、透明和紀(jì)律性。
日本政府養(yǎng)老投資基金(GPIF)等權(quán)重配置:GPIF也是穩(wěn)健投資的代表,2016年GPIF在股債的配置比例為50/50,本國海外資產(chǎn)配置比例為60/40。
2、加州公務(wù)員退休基金(CalPERS):私募股權(quán)配置策略
加州公共雇員養(yǎng)老保險系統(tǒng)(CalPERS)專注于PE投資:CalPERS是美國規(guī)模最大的公共養(yǎng)老基金,管理資產(chǎn)規(guī)模為3030億美元。CalPERS有其獨到的私募股權(quán)投資方式,即投資策略充分做到地區(qū)、行業(yè)、年份、策略的分散投資。在CalPERS的資產(chǎn)配置中,私募股權(quán)的配置占比較大(12%),其中PE各策略的配置比例為并購60%、私募債券15%、成長15%、困境投資10%、VC1%。1990-2016年中,PE為CalPERS帶來了334億美元的累計收益,凈IRR10.6%,回報倍數(shù)1.4倍。
3.丹麥養(yǎng)老金(ATP):風(fēng)險因子配置
丹麥勞動力市場補充養(yǎng)老基金(ATP)是全球最好的國際機構(gòu)投資者之一,是丹麥境內(nèi)最大的機構(gòu)投資者。ATP擁有自己獨特的投資模式,其基金組合包括對沖組合和投資組合兩部分。對沖組合的投資目的是確保養(yǎng)老金受益人可以獲得養(yǎng)老金的基礎(chǔ)收益部分,而投資組合則是為了提高受益人的實際購買能力。
ATP使用風(fēng)險平價的配置策略,它是大型機構(gòu)投資者中最早采用這種配置模式的機構(gòu)之一。它將投資組合分為股票、利率、信用、通脹、商品五個風(fēng)險因子,將風(fēng)險預(yù)算平均地分配給每個因子(每個風(fēng)險因子配置比例為20%)?;陲L(fēng)險平價投資策略,ATP過去10年的投資業(yè)績比同業(yè)更為穩(wěn)健,組合波動性和下行風(fēng)險更小,例如2008年的回撤僅為4%,資產(chǎn)回報率達(dá)19%。
② 捐贈基金:另類資產(chǎn)占比最高
美國頂尖大學(xué)捐贈基金資產(chǎn)配置中,另類投資的占比超過50%:根據(jù)National Association of College& business office的對美國812個高校投資機構(gòu)的調(diào)查顯示,截至2016年6月,美國高校投資基金在另類投資、股票、現(xiàn)金/固收的配置比例分別為52%、35%和13%。其中,頂級大學(xué)捐贈機構(gòu)(包括哈佛、耶魯、普林斯頓、哥倫比亞等11所高校)在另類資產(chǎn)上的配置高達(dá)60%,遠(yuǎn)高于股票(27%)和現(xiàn)金/固收(13%)。
1、耶魯捐贈基金:耶魯配置模型
耶魯模型由Swensen在2000年提出,耶魯投資模式最顯著的特點就是,以流動性換取收益,大幅超配另類投資(2016年耶魯在另類資產(chǎn)的配置比例為73.9%,而同期的其他教育基金配置比例僅為46.5%)。耶魯模型認(rèn)為,由于獲得流動性是以犧牲收益為代價的,所以耶魯大學(xué)基金只配置于非流動性資產(chǎn),比如私募股權(quán),從而享受流動性溢價。
2、哈佛捐贈基金:FIFAA策略
哈佛捐贈基金2015年9月采用FIFAA(Flexible Indeterminate Factor-based Asset Allocation)策略,該方法的核心假設(shè)是將“系統(tǒng)化因子模型”與“非系統(tǒng)化殘差模型”相結(jié)合,構(gòu)成戰(zhàn)略資產(chǎn)配置(strategic asset allocation,SAA)。整個模型中選用的因子包括世界股市、美國國債、信用利差、通脹、匯率等5個因子。
③ 家族辦公室:資產(chǎn)種類期限更加多元
區(qū)別于傳統(tǒng)機構(gòu)投資者,家族辦公室在投資目標(biāo)、風(fēng)險容忍度和投資限制方面擁有更多的靈活度,所以配置策略上在資產(chǎn)類別和期限上更加多元。2016年在家族辦公室的資產(chǎn)配置中,債券占比約13%,其中占比較大的為發(fā)達(dá)市場的固定收益產(chǎn)品;股票占比24%,其中多為發(fā)展中市場股票;另類投資(私募股權(quán)、房地產(chǎn)直接投資、對沖基金、藝術(shù)品、指數(shù)基金、信托等)各類別相加總占比約51%;大宗商品和農(nóng)業(yè)占比為4%;現(xiàn)金或等價物等流動性資產(chǎn)占比為8%。
④ 保險公司:權(quán)益類占比增加,債權(quán)占比下降
保險資金投資最重視的是資產(chǎn)負(fù)債久期相匹配,并且在償還負(fù)債后,折現(xiàn)仍能夠穩(wěn)定盈利的資產(chǎn)?;谶@種考慮,固定收益類產(chǎn)品一直是保險資金配置的主力軍,但隨著利率的下行,保險機構(gòu)對權(quán)益類資產(chǎn)的配置長期上行,以對沖低回報率的沖擊。
美國保險公司:負(fù)債驅(qū)動投資。
債券是保險公司的主要配置品種:美國壽險業(yè)投資方向主要分為四類,分別是債券(政府和企業(yè)債)、股票、抵押貸款和房地產(chǎn)投資以及保單貸款,其中債券一直是最主要的投資品種,占比在50%以上。
但隨著利率下行和人口結(jié)構(gòu)變化,保險公司對固定收益配置比例長期下降,權(quán)益類配置長期上升:2010年-2014年期間,美國保險資金在債券上的配置比例高達(dá)67%-70%。但隨著利率的長期下行,美國保險在固定收益類的比例是逐步的下降,權(quán)益配置穩(wěn)步上升,從90年代之后對于權(quán)益的投資由10%提升至30%左右。
⑤ 共同基金和對沖基金:因子配置
橋水基金:全天候資產(chǎn)配置
Bridgewater是全球最大的對沖基金,是多種創(chuàng)新投資策略的先鋒者。1995年,公司發(fā)行了“全天候(All Weather)”對沖基金,并且于1996年開創(chuàng)性地運用風(fēng)險平價技術(shù)去管理投資組合。
橋水基金的All whether策略并不需要對未來做出預(yù)測,其核心在于對各個資產(chǎn)類別平均分配風(fēng)險;而在不同的增長和通脹環(huán)境中,總會有資產(chǎn)表現(xiàn)出色的資產(chǎn),基金的投資組合永遠(yuǎn)不會暴露在同一風(fēng)險因子下。
橋水全天候配置模型下,債券配比上升:在傳統(tǒng)的風(fēng)險方差理論之下,綜合考慮收益與風(fēng)險,股票會成為投資組合中最大的權(quán)重,其中股票(52%)、固收(37%)、RE(8%)、大宗商品(3%)。根據(jù)橋水的風(fēng)險配置理論,平均分配風(fēng)險后的投資組合自然會增加對債券配置,其各類資產(chǎn)占比分別為固收(58%)、股票(19%)、RE(11%)、大宗商品(12%)。
⑥ 互聯(lián)網(wǎng)金融公司:ETF作為資產(chǎn)配置的工具
WealthFront和Betterment:MPT+大數(shù)據(jù)+人工智能
智能投顧=MPT理論+大數(shù)據(jù)+人工智能:互聯(lián)網(wǎng)公司基于現(xiàn)代投資理論,根據(jù)客戶的收益和風(fēng)險偏好,結(jié)合了傳統(tǒng)的財務(wù)管理業(yè)務(wù)和大數(shù)據(jù)分析,互聯(lián)網(wǎng)支付與人工智能技術(shù),生成有效的資產(chǎn)配置策略,并在合適的時機進行資產(chǎn)再平衡,以使整體配置比例與最初設(shè)定目標(biāo)一致。
互聯(lián)網(wǎng)公司通過智能投顧,打開個人資產(chǎn)配置的市場:智能投顧的投資標(biāo)的是費率低廉的ETF,并且省去了個人財富顧問的傭金費用,為個人投資者提供自動化的理財服務(wù)。最具代表性的兩家智能投顧—Betterment,Wealthfront—在過去的幾年中完成了AUM上百倍的增長。
ETF作為資產(chǎn)配置工具,優(yōu)勢逐步凸顯:ETF基金規(guī)模每年以20%的速度增長,是傳統(tǒng)產(chǎn)品的4倍。ETF做為資產(chǎn)配置工具,具有收費低(以被動式管理)、透明度高(投資標(biāo)的透明清晰)、產(chǎn)品多樣化(投資于股票、債券、商品、外匯等市場,同時Smart ETF 、匯率對沖、波動指數(shù)等ETF產(chǎn)品不斷被開發(fā)出來)和流動性高(相比另類投資,ETF產(chǎn)品流動性更好)等優(yōu)點,逐步成為資產(chǎn)配置的主要標(biāo)的之一。(本文選自民生證券專題報告)