中国量化投资学会理事长 丁鹏
丁鹏：非常感谢程总的分享，他对股票型基金的优选策略做了很深入的研究，对于大家未来的发展也有帮助。最后我给大家做一个分享，叫因子评价的资产配置模型，这是学术上面的贡献，一个系统性的总结，因为我也是科班出身的投资经理，这些年赚过钱亏过钱，股票、期货、比特币都玩过，然后思考一些投资的本质的问题，一直思考这样的问题。其实关于国内FOF的问题，我在三年前的报告，我说国内的FOF大多数都是错的，可能很多活不下去。我们发现过去几年大家做的都不怎么样，问题到底出在什么地方？我们现在的FOF其实一开始的问题在于会做各种的尽调，其实这条路一开始就错了。
我们人类的很多活动，象棋、跑步、网球纯粹是靠人力，但是其实股票期货麻将，70%靠运气，所以过去我们大部分做尽调的时候，选择历史业绩很好的基金做尽调，他们是处于运气好的时期。所以看到这几年做FOF把好的基金买进去就亏钱，因为运气结束了。我们大部分人其实是靠命的。所以后来一直思考这个问题，为什么很多好的策略一旦投进去就不行，有一个原理是投资不可能三角，我们试图寻找这样一个完美的策略，其实做不到，这么多年从来没有人能够实现过。因为如果一旦有这样的基金存在，大量的资金一旦涌入，我们看到一些套利类的一上规模就不行了。
所以高收益的策略有两个注意的，一个是牺牲风险一个是牺牲资金规模，我们可以知道它隐含这两个问题，我们看到这些有大量的策略，比如说火鸡策略。同样我们可以考虑到为什么这么多年没有见到一个能够常青的基金，比如说它的相关性太强。2018年的时候股票下行的时候，不管买什么股票，有90%的概率都是亏损的，今年也是一样，今年不管买什么股票，90%的概率是赚钱的。所以运气不好的时候是躲不过的。那么回到过去，我越来越相信夏普理论，他认为没有阿尔法，我当时不相信我觉得我做量化当然做阿尔法，但是做这么多年我越来越认可，阿尔法什么程度是有的，资金小的时候有，大家对于超级大资金是没有阿尔法这个东西。我们看到我们过去认为的阿尔法，其实都只是Smart Beta。2017年的这波阳光私募的大牛市，就是价值因子，今年年初买创业板指数，一定会超越大多数私募基金。所以换句话说在这个上面，大多数人是超越不了指数。你小资金可以寻找阿尔法，因为可以做期权，但是超大规模只能做Smart Beta。我们与其去满世界找猪，我们更应该找风口，到底风口在哪儿？
我回去看了之后我发现罗斯的APT理论，因为我一开始是赚钱，后来巨亏，2016年的时候，最后到了5倍标准差，原因在哪儿？因为出现一个极端意外的事件，三胖因为朝鲜活不下去，他卖一批煤到中国，所以国务院特批卖到交易所，所以一下子3倍的价差400块钱，这个时候只有40块钱，所以那一把把我很长时间的业绩，利润全没有了，后来我深深思考这个问题，这个世界上到底有没有套利？我现在越来越相信APT理论，没有什么套利，只是风险溢价。
真正决定的应该是配置，我非常认可这个观点，真正大的对超大规模的资金而言，一定需要做配置。实际上赚大钱是靠配置，未来银行保险上万亿的资金，你融不了多少钱，所以大的一定配置。传统的配置两种方式，一种基于资产类别，我们可以分为固定收益、权益、大宗和另类，说到资产配置不得不说均值方差模型，最有价值就是这个地方，只要我的相关系数接近0，我的风险收益可以降低，所以一定在多资产之间做配置。当然大家知道方差模型，理论上很完美，其实不好用，因为很敏感，需要用未来预期的收益率和波动率。
所以我们做了一个简化，我们需要找一批观点输入进去，然后进行修正，这是一个人机结合的模型。但是依然对人的判断，非常重要，如果你人判断错误，比如2018年初，如果认为2018年还是一个大的牛市，你一定加大对权益类的配置。所以后来大家觉得还是得做风险配置，所以提出了一个风险评价模型，我们以前是配置资产然后配置风险，这是资产配置一个历史发展，从最初6040到均值方差，最后我们认为我们配置风险，所以前后策略总体来说是错的。那么风险评价模型，后来用了之后觉得它太复杂，而且问题它只能用方差这个指标来描述风险，但是方差不能完全描述风险，我们需要知道下行比例，最大回撤，甚至很多因子和未来收益率的关系并不是相反关系。所以后来重新推导，推导出样的公式，我叫做因子平价模型，分别是风险平价、收益率平价，我们假设风险值是0.1、0.2和0.25，然后通过这个算出来之后合，可以算出来他们的比利是这么多，这个是代表绝对的，那么实战效果如何？这是第一个。我们选用三个资产，沪深300、大宗商品、标普500，我们不考虑杠杆情况下，它居然收益率比任何一个资产收益率都高，但是作为风险却降低了。最大回撤接近于标普500，年化收益14%，我们回去检测发现没有问题，然后做国内的私募和公募组合，选择国债和上证50ETF和中证50ETF，当然这个案例有细分的偏差，这是纯私募组合，这是CTA组合，所以你会发现效果好的惊人，后面三个是有一些问题的，因为选的时候这些私募已经活了很久，所以后面的三个是有偏差问题，在真实交易这肯定打折扣。第一个案例是纯被动，但是它的结果非常好。
我没办法解释为什么效果这么好，但是确实把同样的数据用其他的模型做了一遍，均值方差包括等权的方式，我们知道等权往往效果很好，但是这个效果比等权好很多。我没办法解释是什么原因，但是最后总结一下对于超大资金规模而言，我们没有做主动管理，因为小资金可以做，大资金只能做被动投资，做被动投资我们不需要做任何研究，也不需要试图寻找阿尔法。第二个这个模型，我们传统的均值方差需要用未来数据，这个完全不需要，只是历史数据就可以了，这样意味着不去做宏观分析，这写在我现在的书里面，大家可以去重新测一下。搞了这么多年，我们用的东西太深了，以至于反而效果也一般。这是最后总结一下，过去这么多年FOF都一般，第一是因为母基金经理没有交易经验，第二我们是不是需要寻找优秀的基金，但是事实上我们发现大多数的私募的平均指数超越不了公募基金，指数基金超越不了Smart Beta，这样的情况我们为什么要做尽调？你无非是用不同的指数，这样就可以了，所以这个东西还是核心所在。我就简单分享这些，我一直在机构里做，现在反而是回归学术做这样的事儿，谢谢大家！
6
