发帖
雷达卡
【主讲嘉宾简介】
林常乐：普林斯顿大学运筹与金融工程系以及本德海姆金融中心博士，曾获普林斯顿大学基于学术表现的威廉博文（第17届普林斯顿大学校长）荣誉奖学金。本科毕业于清华大学数学与物理基础科学班。曾在瑞士信贷与美林证券实习，分别担任量化策略师与数据科学家。研究方向是资产配置模型（asset allocation model），尤其侧重于资产配置模型对机构投资者的应用，例如养老基金，国家主权财富基金，大学教育基金及高净值家族理财事务所。曾跟随导师给多个养老基金及挪威国家主权财富基金建立过资产配置系统，并为普林斯顿家族财富管理委员会（包含100多个高净值家族理财事务所）做资产配置的研究工作。曾发表论文：
1.2014 INFORMS Paper: Integrated Asset Allocation Model: Application to Norwegian Sovereign Wealth Fund;
2.Optimizing a portfolio of liquid and illiquid assets, Springer Volume : Optimal Financial Decision Making Under Uncertainty。
课题简介：从经典的马科维茨（Markowitz）投资组合理论讲起，涵盖默顿（Merton）的连续金融理论，Black-Litterman模型，Campell的战略资产配置模型到包含市场参数变化、资产非流动性等更多复杂度的资产配置模型，与资产负债管理模型。同时介绍随着资产配置模型的理论发展，这门金融技术对机构投资者的应用。介绍一些养老基金，投资银行资产管理部门及财富管理部门对资产配置模型的实际应用。最后介绍一些资产配置模型的发展前景，以及对个人理财的应用，例如新兴的机器人理财（Robo-advisor）等。
【会议纪要：文中“我”指主讲嘉宾】
我今天就简单梳理介绍一下资产配置模型的发展历史和在业界的实际应用。因为是非正式的讲分享，一些想到的可能会引用的例子就是凭记忆，如果一些年代名称的细节不准确的话，望大家见谅！
一.资产配置模型发展历史
资产配置模型关心的问题是如何投资于各种资产从而满足投资人的需求，得出最优的投资解决方案。投资人最基本的需求是追求收益，分散风险。上世纪50年代，诺贝尔奖获得者马科维茨首次提出现代投资组合理论，估计不同资产的回报率，波动性与不同资产之间的相关性，用优化方法计算最佳投资组合。马科维茨的理念是通过最优化分散风险，可以得到在一定风险下的最高收益的投资组合，或者说一定收益率下的风险最低的投资组合。
举个简单而极端的例子，如果A公司和B公司的股票都是10%的期望年收益率，15%的年波动率，而二者有低甚至负相关性（比如生产石油的企业与航空公司会有负相关性），那么同时投资与A公司与B公司的股票一样能得到10%的期望年收益率，而波动率即风险会大大降低。马科维茨的投资组合理论以及它引导出的资本资产定价模型在学术界与业界的影响极其深远，如今是所有投资人都会参考的最重要的基准。
在此基础上，上世纪90年代，Black和Litterman在高盛工作期间发展出Black-Litterman模型，使得资产配置模型更符合机构投资者的需求，可以在模型里加入投资人对市场的看法与预测。同时，诺贝尔奖获得者Robert Merton把资产配置模型从一时间阶段的模型推广到多时间段的模型，同时把静态的模型推广到动态市场的模型。指出在市场里各种资产的收益率，波动性与相关性随时间变化的情况下，投资人应该在跨资产种类分散风险的同时，跨时间维度分散风险。同时，Merton也考虑了投资人会从投资组合里提出资金进行消费的因素，在模型里同时优化投资人的消费。
后来2000年之后，John Campbell与Luis Viceira在他们的《战略资产配置》一书与多篇学术论文里用自己的方法集大成的阐述与发展了资产配置模型。John Campbell与Luis Viceira在研究投资人金融资产的同时，加入了投资人其他的收入因素，如工资收入，即人力资本。指出投资人应该根据自己的人力资本优化资产配置。
90年代末期到2000年以后，因为金融计量学的发展和各种的金融实证研究，学术界与业界都发现金融市场资产有一定的可预测性，不完全是随机行走。参见Andrew Lo, Craig MacKinlay的《A Non-random Walk Down Wall Street》。各种量化交易对冲基金也抓住这些市场的一些可预测性创造的机会繁荣发展，如Andrew与Craig在此书中提到的摩根斯坦利当年的PDT与D.E.Shaw。有趣的是Andrew Lo说在他们的书出版以后，因为对冲基金都用这些方法，之后的市场可预测性变低了很多。
因为这些市场可预测性的结果和新兴的金融计量工具，资产配置模型也加入了更多市场可预测性与动态市场变化的元素。股息率，利息期限结构等对资产的收益率有一定预测力的变量开始频繁的出现在资产配置模型里。描述市场在牛市，熊市等状态下转换的体制转换模型也更多的应用在资产配置模型里。如Andrew Ang, Alan Timmermann的多篇文章。
在这些资产配置模型里，Merton最早提出的在时间维度上分散风险，计算最优化投资组合的理念得到更完善而贴近实际的发展。在经历了金融危机之后，资产的违约与在市场极端情况下的非流动性也被考虑在模型中。如Andrew Ang的最新文章。资产在市场崩溃的情况下不能找到交易方交易，所以投资人应该考虑到这种因素在资产的非流动性与期望回报率之间权衡。
另外一些其他的因素，如多个时间区间的资产配置模型里，每个时间区间需要重新组合投资，会产生交易费用。考虑了节省交易费用的研究也很多，不过感觉业界比学术界更关系这个。
高盛的资管部门里有一个量化交易组（QIS, Quantitatie Investment Strategies），他们就雇了一个Carnegie Mellon University的做优化的教授去当Managing Director，帮他们做资产配置中的节省交易费用的技术。
二.资产配置模型对机构投资者的应用
那我接下来就简单介绍一些资产配置模型对机构投资者的应用。我说的机构投资者包括养老基金，国家主权财富基金，保险公司，家庭理财办公室，学校教育基金等。机构投资者是资产配置模型应用极广的领域，因为机构投资者有特殊的负债情况，所以在资产配置的过程中要考虑很多负债的因素。
以养老基金举例，养老基金有养老金的负债，所以基金管理者在资产配置的过程中考虑最多的是让资产大于负债，对冲负债的风险，减少养老基金所属公司的资金注入。因为这种要求，养老基金相当于卖空了一个期权，它的资产配置需要对冲这个期权的风险，很多机构投资者会聘请研究者运用资产配置模型为其量身定做资产配置系统。如果没记错的话，这个结论也是Andrew Ang说的。
举一些机构投资者的资产配置系统的例子。
美国韬睿咨询公司通能养老咨询（Towers Perrin Tilinghast，曾是世界最大的精算咨询公司）的资产负债配置系统，他们用这个系统20多年了，为全球很多的养老基金做资产配置的咨询。
一般养老基金分私有的和公有的，私有的靠私营公司支持，为员工做养老理财；公有的靠ZF支持，为公务员服务。
Frank Russell Company，这个公司是资产管理公司，他们为日本的Yasuda Kasai保险公司做过定制的资产配置系统，Opti-Money at Bank Hapoalim 以色列最大的银行Hapoalim Bank的资产配置系统。这几个系统都是运筹的教授做的，第一个和第三个还入围了运筹界的“诺贝尔”奖，Franz Edelman Prize。
另外，一些投行和资产管理公司有专门的资产管理部门，应用资产配置模型为机构投资者提供投资解决方案。如国家主权财富基金，养老基金和家族理财事务所等。以家族理财事务所为例，富豪家族有特殊的投资目标。比如保持家族财富的延续，保持家族消费能力，这就需要对冲通胀风险，同时富豪家族都有自己的家族企业，这就需要对冲家族企业的内在风险。比如一个为石油为家族企业的富豪家庭，就应该投资于跟石油有负相关性的资产对冲家族企业的风险，机构投资者一般会聘请投行资管部门和资产管理公司应用资产配置模型给出投资解决方案。
举个例子，高盛的资管部门有专门的组（GPS， Global Portfolio Solutions）专门为国家主权财富基金，养老基金和家族理财事务所提供解决方案。他们这个部门的名字起的很好，正好是GPS。
三.资产配置模型未来的应用前景
最后聊一下我个人对资产配置模型未来的应用前景的一些想法。
可以看到过去这半个世纪，这项金融技术随着科研和计算机技术的发展有了长足的发展和广泛的应用，以后因为大数据技术与IT技术的发展，以前只有机构投资者和富豪家庭才能享受的这些金融技术。普通个人也可以享受了，应用资产配置模型结合大数据技术，可以给每个人制定投资解决方案，满足每个人不同的投资需求。
最近Andrei Sheifler大神来普林斯顿讲课说了一些金融的趋势，提到computer science和machine learning的很多理论会被引入金融学，这个投资界的趋势很类似。今后资产配置模型和系统里出现更多的机器学习的技术也是极其可能的，从历史来看，每次金融计量学的发展都会引发新的元素加入资产配置模型。
【嘉宾点评】
王仁曾：还是美国的学术研究跟实际结合紧密。我们国内现在正如巴老师所言，高校里的一些教授们容易严重脱离实际，为做模型而做模型。
关于量化投资，实际需求很多，经常有人要求派人，但我们派不出去。包括彭总也提过。
Zvi Bodie说，投资组合的技术部分或模型部分是相对容易把握的，难的是对未来的预期。
【互动环节】
Q1：美国量化投资交易至少有十年历史了吧？
A1：不止十几年，当年Harry Markowitz 50年代的时候就跟George Danztig（优化界的鼻祖，著名数学家）做量化交易了。
Q2：论文一发表，套利机会就消失，一直这样吧？那时候不可能是计算机自动处理吧？
A2：套利机会肯定随着套利者的增加和套利交易的增加减少，那时候交易不是自动完成的，还是计算机算出结果然后人根据结果交易。
Q3：应用资产配置模型怎么结合大数据技术呢？
A3：资产配置模型与技术就是刚才介绍的，大数据是为了发掘客户的投资需求，然后放到资产配置模型里。
Q4：高风险高收益，这与储蓄的无波动不是负向关吗？
A4：波动性和相关性是两个不同的统计概念，不好意思应该解释一下背景术语，波动性大是资产不确定的变化大。相关性高或低是两个资产不确定性变化的趋势相似或不同。
Q5：想了解一下，美国的mutual fund管理人，对这些十分数学化的投资策略，究竟有多少实际应用？
A5：mutual fund的有很多投资风格类型。有一类mutual fund非常依赖量化模型，比如AQR。AQR是一家很大的mutual fund，员工基本是金融，经济，数理的PhD，他们通过量化模型产生信号，进行投资。
其他相关讨论：
Changle_Lin：推荐一本新出的书，叫Efficiently Inefficient，详细介绍了各个类型的机构投资者和他们的策略。作者是NYU商学院的教授，他也是之前说的AQR的consultant，名字叫lasse pedersen。
Q6：只靠个人决策（比如：拍脑袋）而不是通过构建模型通过科学计算进行决策的投资机构，还有多少？巴菲特应该不会只是根据自己的感觉管理那些资金吧？
A6：您说的拍脑袋的投资者其实也不是光拍脑袋，大家叫他们Fundamentalist，和technical相对。巴菲特不是靠量化模型，但是肯定也是靠自己的分析。
Q7：Risk parity是不是和期权交易员买卖volatility大小类似呢？
A7：我不太清楚您具体说的是什么策略。不过期权交易者看volatility主要是波动率跟期权的价格直接相关，risk parity更像是优化sharpe ratio。
Q8：Zvi Bodie说，投资组合的技术部分或模型部分是相对容易把握的，难的是对未来的预期？
A8：Zvi Bodie是pension finance的大神。我不太清楚他在哪说的这个。市场的预期确实是最难估计的，各种模型里也是最难估计的。所以现在很流行一种叫risk parity的策略。因为风险波动性的估计要比收益率预期的估计简单准确的多，所以这种策略不看收益率，只看波动性和相关度。也是AQR最近在倡导的，或者叫risk budgeting，这方面的研究文献也挺多的。基本理念就是说机构投资者只应该关注自己的资产配置里风险放在了哪，不用管收益率在哪，这就够了。收益率太难预测，很多养老基金现在是这种风格。
Q9：现在有人用机器学习预测收益率？
A9：对，统计学和机器学习的发展在历史上一直为金融的发展提供工具。目前机器学习在投资界的应用的一个趋势是利用alternative information。比如社交网络的信息，twitter的信息，叫text mining，大家现在做的比较多的是利用这些信息构造有预测力的新的factor，加到factor model里。不过这是业界在做的事，学术界还没有太关心。
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
