组合管理新时代：资产管理的工业化

分析师：包承超、邓宇林 主动权益的痛点——Alpha很难赚，Beta不太会赚 资产管理行业的痛点1——职业技能的“可积累性”不一定强，业绩的延续性较弱。过去优秀不代表未来优秀，这是导致负债端缺乏信任的根源 ——不同时间长度，跑赢基准的主动型基金占比 过去优秀不代表未来优秀——3年期以上维度 过去优秀不代表未来优秀——3年期以上维度 3年期维度业绩优秀的基金——单年度收益率排名都不会太差 3年期维度业绩优秀的基金——单年度夏普比都较高 资产管理行业的痛点2——不区分β和α，认为只有α重要，但结果上β和α要做好都不容易，主动跑赢基准变得愈发困难 主动基金经理长期赚什么钱？（美国）——α负贡献，主要靠风格的β 主动基金经理长期赚什么钱？（中国）——α有正回报，但β也很重要 主动基金经理赚的是什么钱？——分年度来看，“不稳定的β”+“日益收缩的α” 长周期来看，A股绩优专业投资者收益率几何？——平均年化超额收益率大约在8% 绩优专业投资者和“基金经理整体”的差异在哪？——更稳定的α + β的风险管理优势 绩优专业投资者和“基金经理整体”的差异在哪？——弱市的“β风险管理”做得更好 绩优专业投资者和“基金经理整体”的差异在哪？——α都变难的情况下，β优势在增强 不同类型基金经理有何业绩特征？——胜率型依赖α，行业集中型依赖β 不同类型基金经理有何业绩特征？——弱市稳健型占优，牛市胜率型占优 如何破局？1——在商业模式上，把β和α分开做风险管理 图：美国资产管理业的百年发展史，逐渐分离出了cheap β（Mutual fund，费率低）和high α（对冲基金，费率高） 如何破局？2——在构建组合上，用一些长期靠谱的资产和工具，来做组合管理 图：β的部分更多可以通过一些smart β工具来做风险管理，需要回答“我们赚什么钱”的问题 组合管理的前提——波动率控制 一个认知误区一风险和收益成正比?实际投资中，风险与收益并不完全呈正比。从历史复盘来看，A股偏股基金承担更大的波动风险，并未获得更高的风险溢价补偿 一个认知误区——风险和收益成正比？实际投资中，风险与收益并不完全呈正比。美股基金经理的“风险VS收益”甚至呈反比，“低波动”对应“高收益” 一个认知误区——风险和收益成正比？2021年以来，A股也逐渐呈现低波动、高收益的特点 海外头部基金经理更注重控制风险，从而提高Sharpe Ratio 更广义的验证，低波动因子并没有想象得那么差，过去低波动，未来收益或不差 数据来源：Wind，国联证券研究所。注：横轴为各因子日度涨跌幅过去6个月的区间年化波动率，纵轴为各因子未来3个月的区间年化收益率。 衡量风险收益比后，规律更明显——历史波动率低的因子，未来Sharpe Ratio更高 区分牛市和弱市周期——高波动因子在牛市占优，但低波动因子在弱市表现更好 高波动性因子在牛市周期中的收益明显高于低波动因子 低波动和高波动因子“龟兔赛跑”——高波动因子在牛市涨得多，但在弱市回撤的更多 波动率指标有着较好的可预测性和延续性——高波动的因子未来大概率也是高波动 任一时间区间，历史波动率和未来波动率间的正相关性十分稳定 波动率指标有着较好的可预测性和延续性——风格因子的波动率通常在1倍标准差内变化 波动率指标有着较好的可预测性和延续性——风格因子的波动率通常在1倍标准差内变化 但收益率指标的波动范围较大，难以通过历史数据预测 收益率指标的历史区间范围较大，较难捕捉特征 波动率指标具有较好的特征延续性，相较于收益率指标或更易预测 控制波动率的重要性：在资产间不同相关性假设下，预期波动率的错误估计，付出的代价，要低于预期收益率的错误估计 我们希望去完美预测因子未来的真实数据，然而实际上总会有所偏差。在不同相关性情景下，依次对收益率和波动率设置不同维度的偏差扰动，对比组合收益率结果的变化。 低波动策略简单有效：季频换仓，买入过去一个季度波动率最低的3个因子，有显著超额 资产的多元化——保证组合资产间的低相关性，而不是单边暴露风险 有哪些能长期赚钱的Beta？——8个基础Smart Beta因子，采用贴近主动思维构造，方法简单，通俗易懂 逻辑上，如果我们认为一个因子是有效的，那么我们应该在该因子维度暴露更极致。因子的暴露程度VS股价表现越一致，则这个因子越有效 相较于财务因子，非财务类因子的表现更为单调，风格暴露越强，风险收益比越高 8个基础Smart Beta因子，暴露越高，收益越高，回撤越小 图：Smart Beta因子的风险收益比、最大回撤与风格暴露程度均较为正相关 尽管未做行业中性处理，但风格因子的行业构成并非一成不变。景气因子的行业构成从金融转向信息技术转向可选消费 尽管未做行业中性处理，但风格因子的行业构成并非一成不变。质量因子的行业构成从周期制造转向必选消费和医药 红利因子的行业分布在2015年后较为稳定 单一Smart Beta的表现都能跑赢Benchmark（全A），除大盘因子外，也都能跑赢偏股基金中值 理论上，低相关性可以降低整体投资组合的风险 组合的效果：Smart Beta两两组合，相关性和收益率呈反比例关系 有哪些低相关的组合搭配？低波类（红利、价值、低波)与高波类（景气、动量、小盘）、【质量】风格是较好的搭配方式 Smart Beta两两等权混合后的风险收益分布，质量+低波表现最好 一个Ultra Beta组合策略：【低波+质量+动量】，相关性低、收益高、回撤小 组合的简化实操：买交集（同时兼具两种风格标签的公司）能减少持仓股票数量，且提升收益 图：两个因子成分股取交集会使风格暴露的更极端，但随着成分股的减少，收益提高的同时，也会带来风险的提升。成分股取交集方式的波动率和最大回撤高于等权配置 Smart Beta两两取交集后的风险收益分布 风格组合要好于行业组合：行业间的相关性不稳定 图：金融（银行、非银）和制造行业（电力设备、机械设备、国防军工）的超额收益明显负相关、食品饮料和周期行业（基础化工、有色金属、钢铁）的超额收益明显负相关 为什么用Smart Beta风格类因子作组合，效果好于用行业作组合？——我们认为在不同宏观环境下，风格因子间拥有比行业间更稳定的相关性矩阵，是重要原因 为什么用Smart Beta风格类因子作组合，效果好于用行业作组合？——我们认为在不同宏观环境下，风格因子间拥有比行业间更稳定的相关性矩阵，是重要原因 为什么用Smart Beta风格类因子作组合，效果好于用行业作组合？——我们认为在不同宏观环境下，风格因子间拥有比行业间更稳定的相关性矩阵，是重要原因 慢工出细活——组合权重的Rebalance 收益并不只来自于换仓：在持仓不变的情况下，组合的权重优化也可以增厚收益 现实A股中，不同风格因子“再平衡”相较“买入持有”的差异 定期（如周频、月频、季频）调整权重至初始值（如重新按照市值加权或重新恢复等权） 权重“再平衡”的对手方是追涨杀跌，事实证明在A股高抛低吸式的“再平衡”优于追涨杀跌 最简单地，我们以估值来衡量位置的“高”和“低”。由于高位后的风险收益比明显降低，因而长期大样本地“高抛低吸”式的rebalancing一定能增厚组合收益 权重“再平衡”的对手方是追涨杀跌，事实证明在A股高抛低吸式的“再平衡”优于追涨杀跌 最简单地，我们以估值来衡量位置的“高”和“低”。由于高位后的风险收益比明显降低，因而长期大样本地“高抛低吸”式的rebalancing一定能增厚组合收益 组合管理框架下的落地策略 有哪些加权方式可以选择？——有效前沿与风险平价 ➢最大夏普：在给定组合收益率或风险限制下，使得组合夏普比最大； ➢最小波动：放松对于组合收益率的限制，使得组合波动率最小； ➢风险平价：按照风险对底层资产分配权重，使得各资产的风险贡献相同。 因子策略：纯波动率被动策略——长期来看不差，指标强于偏股混合型基金指数 如果要更好地跟住基准——可以采取基于“超额收益率”的最小波动策略 数据来源：Wind，国联证券研究所。注：此处样本为Smart Beta因子；有效前沿加权中，选用过去两个月收益率以及过去1年波动率；在等权加权中，选用过去两个月收益率TOP3的因子进行等权配置。两种加权方式中调仓时点均为每年财报实际披露完全的节点，具体而言：5月初、9月初，以及11月初。 Smart Beta因子，纯波动率被动策略——“绝对”策略在弱市周期下表现优秀 弱市周期下——相对于偏股，最大夏普(绝对)和最小波动(绝对)策略可以实现更高收益率&更低波动率 行业策略：纯波动率被动策略——长期来看不差，指标远强于偏股混合型基金指数 ⑤最小波动(超额)⑥偏股①最大夏普(超额)⑦全A③等权加权②最小波动(绝对)④最大夏普(绝对) 行业策略：纯波动率被动策略——基于“超额收益率”的最小波动策略同样可以更好的跟紧基准 行业策略：纯波动率被动策略——“绝对”策略在弱市周期下表现优秀 数据来源：Wind，国联证券研究所。注：此处样本为申万三级行业因子，有效前沿加权中，选用过去两个月收益率以及过去1年波动率，调仓时点为每年财报实际披露完全的节点，具体而言：5月初、9月初，以及11月初。 行业策略：基本面α策略——基于报表周期寻找困境反转与景气扩张行业 ◥我们按照如下条件优选困境反转的行业： ◥1）现金流不低：现金流历史分位数大于等于20%；2）低周转：周转率历史分位数小于等于40%；3）低开支：资本开支历史分位数小于等于30%；4）低库存：存货历史分位数效应小于等于30%。 ◥按照如下条件优选景气扩张的行业： ◥1）开 支 不 低 ：资 本 开 支 历 史 分 位 数 位 于30%~70%之间；2）开支上行：过去两个季度资本开支趋势向上；3）现金流不低：现金流历史分位数大于等于30%。 现金流不低/周转率底部/资本开支底部/库存底部→营收底部企稳反转的指引信号 行业策略：基本面α策略——困境反转策略有效优化了纯波动率被动策略的结果 行业策略：基本面α策略——景气扩张策略有效优化了纯波动率被动策略的结果 数据来源：Wind，国联证券研究所。注：此处样本为申万三级行业因子，有效前沿加权中，选用过去两个月收益率以及过去1年波动率，调仓时点为每年财报实际披露完全的节点，具体而言：5月初、9月初，以及11月初。 行业策略：基本面α策略——基于风险平价对于困境反转与景气扩张进行再加权 行业策略：基本面α策略——基于产业生命周期寻找出清末期与龙头进阶期行业 ◥我们按照如下条件优选处于出清末期底部，且已出现较为明显拐点特征的行业： ◥1）供需出清底部：当前三年期营收和开支分位均小于50%；2）底部拐点初现：一年期开支增速已经企稳，近2个季度或4个季度持续抬升；3）出清幅度彻底：过去2个季度，区间相对估值最大跌幅行业横向分位数小于等于40%。 ◥按照如下条件优选处于趋势改善的龙头进阶期行业： ◥1）供需双强，且需求明确向上：近4个季度营收、开支三年期分位数大体向上；2）行业仍处于估值扩张区间：行业相对大盘的PB估值不差（近2个季度区间相对估值最大跌幅行业横向分位数大于40%且小于80%）。 行业策略：基本面α策略——出清末期策略有效优化了纯波动率被动策略的结果 行业策略：基本面α策略——龙头进阶策略有效优化了纯波动率被动策略的结果 行业策略：基本面α策略——基于风险平价对于出清末期与龙头进阶进行再加权 宏观轮动下的组合管理 宏观指标的分类：估值框架指标vs景气框架指标 从宏观指标看，估值框架指标在指标下行期盈利弹性更大；而景气框架指标在指标上行期的盈利弹性更大。 不同因子对宏观指标的敏感性差异较大 成长性越强的因子对在PMI上行、M1增速上行、PE周期上行过程中表现更好 红利、低估值、低波动、大盘等因子在社融上行到M2下行的交界处，利润增速