全球视野下大类资产配置的新趋势

2017-01-05 09:56:00 中国网 分享
参与

本文节选编译自寻宝图Baomap的“金融矮大紧”老师在某国有四大行金融市场部的关于“全球视野下的大类资产配置”系列培训演讲之二。

金融科技降低投资顾问服务门槛

大类资产配置“新的发展趋势”是什么?

投资者不满足于传统另类资产和贝塔收益,转而越来越多地去追求阿尔法收益已经成为趋势。伴随而来的现象是:当政府扩大货币投放,实施量化宽松时,投资者可以更容易、以更低成本获取杠杆,而当资产价格被普遍推升后,产生的增值收益更多是被高净值投资人获取了——高净值人群更容易获得廉价杠杆和较好的投资信息,与普通散户投资人之间有很大的信息不对称。另外很多投资品类的门槛很高,如我们上次说的传统另类资产中的商业不动产以及很多私募基金策略,它们都是高起投门槛。

这产生了另一个问题,即我们现在要探讨的:是不是白领阶层、中产阶级这些买不了对冲基金的人,或者进入不了其它传统另类投资来补充个人整体资产组合的人就不应该做投资组合的分析呢?不应该做资产配置?是不是普通大众就没有资产配置的需求?作为小散,他们只能在股票、房地产、各类基于信用的“贷款类理财”泡沫吹起的时候,狂热地做一棵棵随风摇摆的韭菜?

有需求就会有供给,我们看到了这种趋势已经出现。一直以来,在海外市场上就有一种服务——投顾服务,根据投资人的收入、家庭情况、税负、支出、养老、遗产及投资市场的具体情况,为投资者提供量身定制的投资咨询和资产配置顾问服务,并向投资人收费。这种模式在超高净值个人投资者群体中被称为家族办公室,稍低一些门槛的则是私人银行。在过去,这种模式由于其专业性方面的要求、高成本的运营模式、定制服务本身的非标准化特性以及服务的客群难以下沉,很难为大众投资者享有。

随着科技和金融的深入结合、移动互联网的深化,新技术和依托移动互联网的商业模式降低了传统服务的运营成本,继而降低了的门槛。从前在美国,个人约个律师,咨询费用很贵,现在利用金融大数据来做分析, 比如说问答机器人会分析你所遇到的情况,把他归入其中某一类:可能很多人会有同样的问题。过去500美元1一小时才能获得的专业咨询,现在把100个同样的提问汇聚在一起,每个人只需要付5美元就可以获得解答,就符合很多普通大众的支付意愿了——机器的手段降低了业务门槛。对于资产配置,也是一样的道理:通过智能化的手段,可大大降低资产配置业务的门槛,这就是我们前面提到的看到的一个新趋势。

智能资产配置系统:指数化分类与借助智能模型的个性化投资

我们寻宝图Baomap做了一张图,这张图是我们智能资产配置模型里反映出来的。

我们剔除了红酒、邮票、艺术品等没有流动性、价格不透明的资产标的,把全球相对容易投资的资产放进去(主要是可以证券化的资产)进行分类,如美股、发达国家股票、新兴市场股票、货币、美国利率(包括美国国债以及美国政府担保债券,通货膨胀指数等),发达国家信用、新兴国家信用、贵金属、能源、大宗商品、另类投资(如房地产的REITS或美国以有限合伙制公司上市的各种基础设施建设项目),以及做空工具。我们把这些可投标的分成了十几类,并且对每一类分别编制成了指数。对每一类资产从金融危机后到现在为止,它们之间呈现的以季度为单位的波动性和相关性均值做了分析,红色代表相关性高,绿的代表相关性低。

 

 

图片来源:寻宝图baomap

我们做的是事情是:设计一套模型,把我们做FoF基金要运用的一整套关于大类资产配置的分析机理,针对那些没有钱请家族办公室、也不想花几百万买私募以获取另类资产,但是愿意出5k、10k的那些人的投资本金做到一个合理的资产配置。

我们大致的做法是:先根据投资者的具体情况,分成四种风格类型,也可以说是对投资组合本身风险vs收益的分类,分别是激进、进取、稳健、保守四大类型。通过运用于量化私募的选股模型,把美国和发达国家的上市的所有ETF,根据流动性和风险指标进行筛选,保留一个可以投资的样本池,以后每支组合就从这样本池里面挑,并定期对样本池进行复查更新。

为什么挑ETF作为标的呢?管理费用低;对市场的追踪复制误差小;人为因素少!一方面,如果投资者的目标只是追踪大盘的表现或某个行业的表现,实践中ETF应该是最低准入及最便宜的投资工具;另一方面,从实证的角度来说,无论是美国还是中国,那些以战胜大盘或者Benchmark指数为目标的共同基金,大概率的情况都跑不过大盘,同时又收取了更高的管理费率(关于这一点,金融矮大紧老师的专栏分析《道听图说|根据排名选择购买基金的方式到底可不可靠(上)》、《道听图说|根据排名选择购买基金的方式到底可不可靠(下)》上有更为详细地分析)。所以我们只选择ETF,获取大盘的收益,然后通过进阶的办法在不同大盘的收益之间作配置和选择。我们再自己用底层样本池的ETF,按照大类资产的类别编制了12个指数。把马科维茨的理论、资产组合理论,结合我们自营的选股策略,用过去10年的历史数据反复测试,找到最优的调仓时间和频率,并确定每个组合最终选定投资的ETF。结合马克维茨投资组合理论,把一类相关性和其他的都相对独立但收益相对较高的资产组合起来,理论上是可以提高整个投资组合的收益(也需要大量的数据运算才能得出)。

我们对四种不同风格设了不同仓位的限制,从2010年初做到现在为止,四个仓位模型每个月会作一次调仓,截止目前,激进型年化收益43%,最大回撤8%,年化波动率17% ;进取型年化收益28%,最大回撤8%,年化波动率11.1%。第三种是稳健型,年化收益16% ,最大回撤6%,年化波动率是7.5% ; 最保守型的年化收益是7% ,最大回撤是2%, 年化波动率3.8%,这个就比较接近债券投资。我们还把我们整个仓位的情况展示出来,公布具体仓位在每个大类资产里的权重配比,这种权重配比我们每个月会调整一次。我们从2016年下半年开始实盘,实盘出来的结果比回测的还要更好一些。

让更多的中产人群享受到理性投资和策略化资产配置服务

我们利用智能化手段降低资产配置的门槛,让更多的大众富裕阶层享受到理性投资和策略化的资产配置的服务。我们提供的是资产配置的咨询服务,但不是销售理财产品,也不是在推销基金,我们更不会收取所投基金的返点。我们会帮助客户在券商开立客户自己的投资账户,通过这种模式让客户可以选择,客户可以自己借鉴参考我们的智能资产配置风向标和雷达来操作这个投资账户,也可以授权我们来替他们操作,客户的资金还是放在自己的账户里,我们的角色更像是一个资产配置的指南针或者说是对机构的技术引擎。

刚才有听众提问寻宝图Baomap具体是干嘛的?除了做对冲基金,为什么还要做这个事?

BAOMAP寻宝图是一家另类资产管理和解决方案提供商,我们专注于金融科技研发和数据技术,为机构和中高净值个人客户提供高效的智能化资产管理服务和解决方案。旗下拥有寻宝图资产管理、汇啦科技、寻宝图数据等业务单元,核心业务包括境内外多策略量化私募基金管理、智能资产配置引擎、程序化交易平台以及金融大数据平台。

事实上,我们寻宝图Baomap重点有两块业务,一是对冲基金,我们是私募管理人,同时我们在海外也有美元的对冲基金和投顾专户。这类基金和专户主要针对机构投资人和高净值个人客户。我们还有一家数据公司,帮我们收集各种行情数据和爬虫数据,我们的程序化交易平台依赖我们自己的大数据平台的支持,向交易所发单的接口、发单模块也都是自己写的。我们在国内的私募基金,在海外的交易,依托的也是我们的程序化交易和大数据平台。

而第二块业务,智能资产配置,也许更有点个人的情怀使然。亲历的几轮金融危机促使我们对整个金融市场进行反思,我们认为未来市场中,千禧一代和中等富裕阶层会成为主力群体。尽管我们现在观察到财富是越来越往最富的那帮人集中,但随着我国的城市化加快和居民财产性收入越来越高,新兴的中等富裕阶层会越来越多。我们常常习惯以二维看待这个世界:普罗大众和顶端的富裕人群,而往往忽视了中间的阶层——中产阶级和中等富裕人群,他们也有很多财富管理需求。

我们想做的这件事情,即除了自己在私募下发产品、做交易外,基于我们已有的大数据平台和量化模型,把我们的东西拿出来,做了这么一套能覆盖到更多人群的智能资产配置,一方面是做理性投资和策略化资产配置的科普工作;另一方面是我们确实也认为资产配置的观念是每个人都应该具备的。我们不希望看到普通大众都疯狂地进行股票或期货投机,我们不希望我国大众投资人被贴上盲从、贪婪的标签。

我们认为每个人都应该认真对待自己的投资组合,每个人就有一张个人资产负债表,每一笔投资怎么样,负债有多少钱等等应该得到监控和计算。我们不是反对投资人承担风险,没有风险就没有收益。我们反对的是投资人胡乱承担没有经过计算和考量的风险。

我们不是要卖产品,而是希望倡导一个理念,呼吁投资人建立一个理性的标尺。

个人投资人可以用理性的标尺来打理好个人投资组合,认真对待自己的资产负债表。如果不会,那么可以借鉴处于中立位置的专业投顾建议,自己做出判断。包括企业客户,个人投资者,都应该有这样的工具。很多朋友没有资产配置的观念,或是没有理性的对待投资,随随便便就相信了一些常识上完全不合理的超高保本保收益的东西,最后被骗。让我觉得很诧异。

我觉得我们对待个人投资也应该多一些科学的认知,少听一些市场上那些专门迎合人性弱点的东西(作为个人投资人来说,可能天然的会有一种倾向,低估投资的专业性和难度,常常会把过去自己闭着眼睛买房或者牛市炒股赚了钱的经验带入所有的投资中,认为可以很容易的发掘到市场上别人看不到的超额收益,一点小小的懒惰加一点点小小的贪婪,造成了很多听起来仿若是“吃了白莲教的药就不怕洋人的子弹”这种荒唐的有违常理的投资悲剧)。

我们希望大众投资人理性一些,打理好自己的投资——这就是我们寻宝图Baomap做智能资产配置的初衷。

责编:郎万彬