摘要

凭借现在已有的量化技术，主观策略投资经理可以前所未有地优化其投资过程。

引言

美好的时代已然过去，且一去不复返。

量化投资的快速增长意味着十年前能够创造优良收益的主观投资策略不再那么有效。价值投资和动量等策略现已逐步系统化，投资组合在一定风险溢价时被抛售。在这个历史时刻，主观策略需要增加更多阿尔法收益才能获得成功。现在信息过载的倾向日益严重，大量来自银行、专业研究机构、社交媒体、网络专家、数据和新闻服务机构的研究信息充斥着市场。投资机构对宏观环境的广泛了解以及对特定证券深入了解的需求从未如此之高，特别是在过去动荡的两年，我们经历了由疫情引起的经济衰退、供应链破坏、通货膨胀以及欧洲的战争。

在此背景下，主观策略管理人面临着巨大的挑战，但对有能力的管理人来说，这是一次重要的机会。虽然主观策略管理人对单一标的的深入了解仍将产生足够大的阿尔法收益，但我们认为，量化技术能够为主观管理提供了新的想法和工具进一步优化投资流程，使他们能够专注于擅长的领域，同时在阿尔法收益因子研究、另类数据获取、风险管理和投资组合构建等方面获得长足的进步。

美好的时代已然过去。但主观策略新一代阿尔法时代也将来临。

 互补优势

为了成功地将量化技术运用在主观投资组合，我们必须充分了解各类投资策略的优势以及它们之间的不同（图1）。

• 具有对个别公司更详细的了解，对特定证券进行深入研究；

• 关注标的范围较窄，具有投资组合高回报的特点，并敢于单一标的大比例下注；

• 对投资环境的变化反应较慢，但能更快地适应。

相比之下，量化策略倾向于：

• 对证券驱动因素进行总体研究，而不是具体标的；

• 交易数以千计的标的，并寻求在广泛的资产基础上累积增量收益以实现回报；

• 遵循优化的投资组合构建方法。

 Source: Man GLG. For illustrative purpose only.

协作进行阿尔法研究和寻找另类数据

高质量的基本面研究在主观投资中仍然至关重要，它使投资组合经理能够更深入地了解公司的前景，从而获得超越竞争对手的优势。然而使用量化技术分析另类数据可以帮助主动管理者完善结论，并改进他们的决策。这是一个协作过程，从主观投资经理提出观点开始，量化团队收集所有相关数据并在可行的情况下根据历史表现对想法进行回测，然后根据回测结果进行评估再对其进行调整以进行进一步的测试，主观投资经理可以给予获得充分研究支撑的观点更高的权重。此外，主观研究可以用于创建用于未来交易的自动筛选工具，该工具会自动识别具有相关积极特征的股票并减少投资组合构建所涉及的繁琐工作。

图2.阿尔法研究-协作流程

 Source: Man GLG. For illustrative purpose only.

图3.全球数据生产

Source: IDC; Seagate; Statista estimates; as of May 2021. *Forecast for 2020 as of May 2021; forecast for 2021 to 2025 as of March 2021. Note: A zettabyte is equivalent to a trillion gigabytes.

从投资经理的角度来看，通过量化技术进行数据整理分析可以用来支持或捍卫其投资论点。经典的例子是信用卡数据用于实时观察零售公司的销售情况。对这些数据的分析可以帮助分析师勾勒出一幅公司的业绩图景，判断公司的业绩指引可能是过于乐观还是过于悲观，从而判断出市场对业绩数据公告的反应。实际业绩与一致预期之间的差距是价格变动的重要驱动力，如果大多数投资者都有提前预判，即使实际业绩发生重大变化，其对证券价格的影响微乎其微。然而如果更多数据表明一致预期是错误的，那么投资组合经理能够更好地预测业绩公告后的价格走势。虽然另类数据本身并不能给出明确的答案，但通过将其与传统的基本面分析结合使用，我们有更好的机会正确预测收益——从而预测股价！

除了关注短期价格走势外，量化技术还可以为识别长期趋势提供重要帮助。通过以定量方式分析传统数据，主动管理人可以发现新兴趋势并确定那些将在 5-10年内蓬勃发展的公司，同时预测未来消费者行为的重大转变。例如，对于那些分析消费者支出数据的人来说，多元运动品牌成为时尚品牌的关键要素是非常明确的，这也给那些了解相关公司新的盈利驱动因素的投资经理带来了显著的优势。

除此之外，假设投资经理在计算机硬件行业中拥有多头头寸，它在行业生态系统中的地位可以告诉我们很多关于它未来的表现。其业绩报告中主要供应商可以为我们提供有关库存采购数据以及目标公司如何预测其未来销售额的指示。同样，与其竞争对手的关系将成为一个指标：如果公司与其竞争对手的收益高度相关，我们可以从行业修正的总体趋势中了解公司的未来前景。通过使用另类数据以这种方式准确了解行业内不同关系的强度，可以给投资经理更多宝贵的见解，更准确地预测从公司在未来的激烈竞争中得到的收益。

当然，影响并非都是单向的。量化经理产生的系统信号也可以通过主观管理人的输入得到显著改进。虽然量化团队可以访问广泛的数据集，但对于一些影响投资者决策的特定关键绩效指标，最好是与主观管理人协同完成。通过这种方式，量化经理可以构建一些基于 KPIs 高精度建模的精确交易，从而显著提高量化策略的收益。同样，主观管理人对量化系统的市场信号进行确认-无论是行业、风格或是地区-通过这种确认可以确保数据是在反映潜在的经济现实而不是异常情况。

投资组合构建和主动风险管理

我们认为增强量化技术应用可以帮助主观管理人产生阿尔法收益的第二个领域是投资组合构建和风险管理。加入量化技术，与其说是提出投资论点，不如说是从现有的想法中提取更多的阿尔法收益。主动管理人使用量化技术有助于将投资组合的风险集中在投资经理拥有专业知识的领域，同时减少主动管理人无法控制或看不到的风险，例如市场风险和风格风险，最终结果是投资组合以更纯粹的形式表达了经理的观点。

例如，量化技术为投资组合选择最合适的风险模型，围绕投资组合的风险承受能力制定规则或关注对冲和交易策略，根据预设限额管理因子和风险敞口，并将交易限制在已经拥挤的投资品种之外。比如，投资组合持有一家陷入困境的零售商的空头头寸，该零售商股票目前作为价值股票进行交易。假设该股票被市场严重做空，并且投资组合也做空净值因子。如果该股票的波动性增加，量化风险管理流程可能会建议投资经理适当性减仓。当做空的可能性相对较高时，投资组合仍然会获利。尽管个别头寸仍可能盈利，但由于潜在的扎空和风险敞口，它所代表的下行风险意味着不值得保留头寸。

这种应用会根据投资组合的直接需求而有所不同。例如，投资组合经理可能希望策略性地对冲投资组合，暂时削减特定的因子敞口，或在大宗交易改变投资组合的倾斜度后维持先前的因子敞口。在较长时期内，系统性对冲策略可能旨在增加投资组合中的特殊风险或用于运行在多空对冲策略的。后一个目标将通过识别与长账簿相关性允许它们充当对冲工具来实现。量化分析也可以作为沙盒来测试新想法。一个很好的例子是因子对冲：通过在现有策略的同时运行新的想法，投资组合经理可以在两者之间进行比较，最终看看是否可以增强“真正的”投资组合。

如果不使用量化技术，做到这种精度都是不可能的。主观管理人通常很清楚他们的投资组合如何与经济周期和各种因素相关联。同样，几乎所有投资经理都有风险管理团队，他们经常基于回撤和波动率的规则运行风险管理操作。但是，正如那句老话所说，如果你不能衡量它，你就无法管理它。通过使用量化分析来更精确地衡量相关性，并将其构建到投资组合中，主观管理人就可以有效地提高绩效。

然而，量化技术的应用必须考虑投资组合经理所面临的约束及投资偏好，并且最终结果不应完全无法识别，而应与投资组合经理希望面临的预期风险更加相似，换句话说，应该保留净敞口的原始风险信念和偏好：毕竟，主观投资经理的存在是有原因的。同样投资组合应该在规模上是可以理解的——例如，尽管对冲篮子可以包含多达数百个标的，但它的总体指数（例如总贝塔系数或动量敞口）应该很容易理解。应用这些注意事项后，我们相信利用这些技术加强投资组合的构建和风险管理有很大的空间。