美国桥水投资公司创始人瑞·达利欧解释如何建立一个目标收益率为10%、波动率为10-12%的投资组合。

1996年,美国桥水创立了全天候资产配置原则,这一原则现在被称为“风险平价”,并得到了广泛的运用。2004年,达利欧先生撰文阐释了这些原则。本篇文章为更新后重新发布的版本。

为了解决机构投资者面临最大的两个问题:投资组合的预期收益率不足且过度集中于股票,越来越多的机构投资者想要了解如何设计投资组合才能实现其特定的收益率和风险目标。因此,投资者对投资组合设计的兴趣日渐浓厚。

本文概述了美国桥水设计投资组合的方法。其中,我们将收益分解成几个基本的组成部分,分别讨论这些组成部分以及它们如何彼此组合在一起。由于这些组成部分数量不多,容易理解,且他们的组合方式有限,因此我们的设计方法很直白,只需几页篇幅即可让您有所了解。

因篇幅所限,本文无法详述我们为压力测试这些概念所做的大量的研究工作,以及把这些概念应用于实践时可以采取的各种具体细节步骤。读者应首先重点了解这些原则,如果觉得有必要可以再做进一步的深入研究。

由于缺乏一个更恰当的术语,我将本文所述的设计过程称为后现代投资组合理论(PMPT),因为它建立在投资组合理论的概念之上,并在此基础上做了进一步拓展。现代投资组合理论(MPT)的传统应用方法是,首先根据各类资产的预期收益、风险和相关性对它们进行组合,一旦确定了资产配置中各类资产的配比,接下来再挑选各类资产中最好的管理人。后现代投资组合理论则与此不同,这主要体现在三个方面:首先,将来自于阿尔法的收益和来自于贝塔的收益分开考虑;其次,将阿尔法和贝塔的大小调整至更理想的水平;最后,将两种收益来源的投资组合更深入地进行分散化。因此,PMPT投资组合不仅更符合投资者的收益和风险目标,而且和传统投资组合相比更加的分散化。

基本组成部分

假设你想要一个目标收益率为10%的投资组合,并希望其风险尽可能低。那么你可以怎么样选择?由于投资组合的收益率等于其组成部分的收益率的加权平均值,因此你需要确定一个能得到平均收益率为10%的收益来源的组合。所有的收益都由三个基本部分组成:

无风险收益 – 通常指的是现金收益,但无风险收益应该是最能中和你想要管理的风险的利率(例如,如果投资者要求的是实际收益率,那他应使用通胀挂钩债券的收益率)。

从贝塔获取的收益 – 不同资产类别中超过无风险收益的超额收益。例如,如果无风险收益率为2%,股票的预期收益率为7%,则股票的预期贝塔收益率为5%。与指数挂钩的股票投资组合的总收益可被分解为无风险收益和贝塔收益。

从阿尔法获取的收益 – 管理人的价值贡献部分,是管理人偏离贝塔所取得的收益。

由于总收益等于这三个组成部分的总和,也就是投资组合的收益等于这些的总和,因此设计一个投资组合来实现目标收益的第一步是决定超额收益中多少应该来自贝塔,多少应该来自阿尔法。这不是一个能用定量方法来回答的问题。相反,这更像是一个哲学问题,因为尽管贝塔和阿尔法都能产生收益,但它们极为不同。

贝塔的数量有限(即符合要求的资产类别不多),它们通常相互关联,与其超额风险相比,它们的超额收益率比较低,夏普比率通常在0.2至0.3之间。尽管如此,贝塔收益是稳定的,我们可以预期其长期收益超过现金。

另一方面,阿尔法收益则与之不同。阿尔法收益的来源很多,而且相对来讲彼此更不相关。但这些收益不稳定,即使从长期来看,经风险调整后的平均收益率也略低于零。阿尔法的整体预期收益率略为负值,原因有二:首先,投资增值是一场零和博弈——一位管理人赚钱,就会有另一位管理人赔钱。第二,存在交易成本和调仓费用。在这个略低于零的均值上下,风险调整后的收益率范围很大,因为在这场零和博弈中,优秀的管理人可以获得高额阿尔法收益,而平庸的管理人会产生巨大的亏损。因此,如何选择管理人和平衡阿尔法收益,会产生非常大的盈亏差异。就贝塔收益而言,投资者无论选择哪种贝塔,都几乎可以确信在长期内会取得正收益。但阿尔法则与此不同,如果选择不慎,将产生负收益。但是,如果挑选恰当的阿尔法,你可以建立一个比由贝塔组成的更好的投资组合,因为你可以利用更多、相关性更低、更有吸引力的回报流来组成一个高效的投资组合。

假设我们要达到某一特定的目标收益率(在我们的例子中即为每年10%),这一收益率比通过市场定价锁定的收益率(如5%)要高,那么投资者就必须承担一些风险。因此,问题就变成了,你最愿意承担哪些风险?如果你愿意承担贝塔风险,而不愿意承担阿尔法风险,因为你对自己挑选主动管理人来增加价值没有信心,那么你可以将投资组合设计成只包含贝塔风险。在这种情况下,你就必须设计一个10%的目标收益率100%由贝塔提供的投资组合。或者,如果你认为你有能力挑选能增加价值的主动管理人,你也可以设计一个目标收益率100%由阿尔法产生的投资组合。

大部分投资者都退回到了以贝塔为主的投资组合,尤其是股票的贝塔。因为分配给某类资产的资金通常决定了所选择的主动管理人的类型,将大量资金配置在股票上,通常会导致阿尔法收益由股票管理人来主导。因此,采用传统方法所得到的投资组合,其贝塔风险通常远高于阿尔法风险(比例一般约为95%/5%),而贝塔的整体收益主要视股票的表现而定(也就是说,典型的养老基金与股票的相关度为95%),其阿尔法收益则取决于股票管理人的表现。这绝不是一个分散化的投资组合。

按照PMPT方法,贝塔和阿尔法的组合比例是明确选择好的,贝塔组合和阿尔法组合都会更加分散化。尽管不存在贝塔和阿尔法“正确”的组合比例,但我们相信我们将看到——事实上,我们正在看到——阿尔法份额显著地增加。但我们知道阿尔法是一场零和博弈,选择增加更多的阿尔法不一定会提高收益率;事实上,在大约一半的情况下,阿尔法会降低收益率。我相信,善于发现和平衡阿尔法的管理人在未来几年会非常抢手,投资者若挑选出有能力取得正的阿尔法收益并很好地平衡阿尔法的管理人,将会产生极其优异的结果。无论如何,不同的阿尔法投资组合会有巨大的业绩差异。我还相信,优秀管理人的阿尔法的质量将会改善,因为越来越多的投资者容许这些阿尔法来更好地平衡他们的投资下注,具体原因见下文解释。

以下两部分,我将阐述我们是如何设计优化的贝塔投资组合和优化的阿尔法投资组合的。我想强调的是,我提供的是一份选项的菜单,投资者可以依照自己的情况各取所需。

优化的贝塔投资组合

也许大部分投资者都很坚信这样一条投资假设:贝塔收益,或资产的表现,在长期内将高于现金收益率。这其中有两个原因:第一,资本主义制度即建立在该假设之上,因为中央银行发行现金,那些能很好地利用现金的人就会去借钱,并利用这些现金来获得更高的收益;其次,投资者希望为承担的风险获得补偿。图1显示了某咨询人士对各类资产的预期风险和收益。

图 1:各类资产的预期收益和风险水平

尽管每个人的预期都略有不同,但大多数投资者认为,资产的风险越高,通常预期收益率也会越高。我认为,之所以存在这种关系,是因为资产可以通过杠杆作用而实现相互地“竞争”和“套利”。换句话说,通过借入现金购买更多的某个投资,可以同时提高该投资的预期收益率和预期风险。例如,使用杠杆,可以使债券与股票相比具有“竞争力”。杠杆的作用不是停留在理论上的,它不断地影响着不同资产类别的收益率。例如,大多数高收益、高风险的资产类别,如股票、私募股权、风险投资和房地产,由于其内嵌的杠杆,即存在于证券本身的杠杆,而具有了更高的风险和收益。例如,标准普尔500指数所包含的公司的平均债务股本比约为1:1,因此提高了这些公司股票的收益率和风险。

由于不同资产类别的预期收益率和风险如图1所示,因此追求更高收益率的投资者会在其承受范围内尽量多地购买高收益资产类别(特别是股票),再少量购买一些其他资产(主要是债券)做分散投资。在我们构建预期收益率为10%的投资组合例子中,按传统方法,我们不得不购买图1右上角所列的资产,这些资产的年平均预期收益率大约为10%。结果是,我们的投资组合无法分散化。因此,我们必须在一两个资产类别上下很大的赌注,才能在我们可接受的期间内实现10%的预期收益率。或者,我们可以采用传统的资产配置流程,购买大量股票和一些债券,这可以略微提高投资组合的分散化效果,但预期收益率会大大低于我们的目标收益率。我个人对这两种方法都不满意。

然而,由于各类资产风险调整后的收益率大致相同(具体数字无法可靠地获知),并且它们的预期收益率高于现金收益率,因此可以通过使用杠杆或类似杠杆的技术,调整这些资产的预期收益率和风险,使其彼此更相似且接近投资者的目标收益率。例如,可以提高收益率较低资产的杠杆率,使其获得与股票相同的预期收益率和风险,或者进一步加大杠杆,将其预期收益率提高到10%的目标。图2显示的是与图1相同的资产类别的预期收益率和风险,但利用杠杆产生10%的预期收益率。通过这种方式运用杠杆,我们可以获得许多高收益和高风险的资产,并使用他们构建投资组合。想象一下,如果参照图2而不是图1来选择资产,投资组合中的资产配置会有多大的不同。

贝塔的超额收益率与波动率(由超额收益率计算)的比率(夏普比率)已经达到(并预计将维持)0.2至0.3。这是因为a)投资者承担了更多的风险,需要有额外的收益 (因此该比率应为正值),但是b)这个比率不能太大,否则这些投资会吸引大量资本,推高其价格,压低预期收益率。

因为在图2中,许多资产类别的预期收益率都是10%,因此你可以建立一个预期收益率为10%,但更加分散化的投资组合。在图2中,我们展示了一个使用杠杆后的资产构建的分散化投资组合和一个使用传统方法构建的投资组合,以及使用杠杆后将预期收益率提升至10%的各单项资产类别(基于图1的信息)。如图所示,分散化的“优化的贝塔投资组合”的预期收益率为10%,而传统投资组合的收益率为6.5%,而这两种投资组合的风险大致相同。这并非停留在理论上——使用杠杆后的资产可以被这样用来构建投资组合,为投资者提供多种选择,就像图2所示的两种投资组合(蓝色)。

图2:各类资产和投资组合的预期收益和风险水平

大多数资产类别都可以加入杠杆,使其具有相似或更高的目标收益率和风险,使你可以建立一个预期收益率与目标一致的分散化投资组合。这个概念只要求投资者相信一条,即所选资产类别的预期收益率会高于现金收益率。如果情况确实如此,那么你就知道可以通过加杠杆来提高这些资产的预期超额收益率和风险。一旦你意识到你有这种能力,你就可以决定如何运用它,没有必要再接受图1各类资产“现成”的风险和收益率。

当你选择了收益率和风险调整至相似水平的资产后,这些资产之间的主要区别就在于它们之间的相关性。如果我们给所有资产类别加杠杆,使其获得类似于股票的预期收益率,再用这些资产建立一个分散化的投资组合,则该组合的预期收益率将与股票相似,但其风险远低于股票或一个重仓于股票的组合。因为所有的投资都经过了调整而具有与股票相同的预期收益率,所以和在一个“典型投资组合”中相比,它们更能发挥彼此分散化的效果(典型投资组合的预期收益率低于股票收益率,因为它包含了较低收益的资产;其风险又比这些较低收益的资产还高,因为它高度集中于股票)。

上述流程避免了传统地、在图1所示的风险和收益之间进行取舍,这会使得投资组合过度集中于股票。利用这个流程还可以建立一个收益率符合投资者目标的分散化投资组合。

按照传统方法,将夏普比率分别为0.2至0.3的资产组合在一起,得到的投资组合的夏普比率大约为0.4,且其预期收益率低于股票收益率。通常,这些传统投资组合与股票市场的相关性为95%左右,因为它们将大部分资金投资于股票,而股票的波动性远远大于其他资产类别。但是,将夏普比率为0.2至0.3、但预期收益率相当于股票(或你的目标收益率)的杠杆化后的资产重新组合在一起,得到的组合的夏普比率接近0.65,其预期收益率等于股票收益率(或你的目标收益率),并且不受任何单一资产类别的左右。更高的单位风险预期收益率来源于更好的分散化。这种夏普比率的提高意味着,在风险水平保持不变的情况下,投资组合的预期超额收益率将增加大约65%。这种更分散化的方法,比任何单一品类的资产或者传统的资产组合都能带来更好的夏普比率,因此,我们可以在相同(甚至更低的)风险水平上实现更高的收益率,或者在更低的风险水平上享受相同的收益率。

对于一个年波动率为10%的投资组合而言,我们估计,这样更高的夏普比率将比传统投资组合每年增加2.5%的收益。换句话说,采用PMPT方法而不是传统的MPT方法进行资产配置,机构投资者在类似风险水平上可以提高大约2.5%的年收益率。因此,投资者持有一个分散化的投资组合,可以实现10%的目标收益率,同时不会大幅增加风险。限于篇幅,我不再赘述更多好处,如大幅降低了肥尾风险。当然,与任何投资一样,由于没有一个市场或策略是完全可预测的,因此存在大量潜在风险。此外,众所周知,不负责任或无知地加杠杆本身就存在着风险。

这种方法有缺点吗?传统投资组合的预期收益率较低,股票集中度较高。与此相比,给资产加杠杆,持有一个平衡的投资组合,会产生不同类型的风险。传统投资组合的风险很大程度上来源于股票,而这种新投资组合的风险在于股票以外的资产平均表现逊于现金。如前所述,我们不担心这种风险。虽然我们不能确切地预测未来是怎么样的,但我们已经利用多个国家的数据对这些概念进行了压力测试,时间回溯至1925年。此外,建立这类投资组合所需的杠杆通常很低。如果投资者对杠杆的使用能减少偏见和非黑即白的态度(“没有好的杠杆,所有杠杆都是坏的”),我相信他们会明白,一个有着适度杠杆、高度分散化的投资组合要比一个无杠杆、集中化的投资组合风险小得多。

“全天候”资产配置

照此方法,我在1996年建立了一个我自己的最佳战略资产配置,用于为子孙后代投资我的家族信托资产。因为选择阿尔法要求拥有挑选管理人的才能,而我不能保证在我离世后我的后代能做到这一点,因此我希望投资组合的收益100%来源于贝塔,且其收益率与股票收益率相类似。鉴于其设计目标是在所有经济环境下都有良好的表现,我称之为“全天候策略”。

为了展现这些概念在实际中会如何表现,我们可以将该资产配置组合中各类资产的权重应用于其相应的市场收益率。这样就可以显示出这些概念累积运用后的效果,但这并不代表着为机构投资者实际实施后的表现。这种方法很有效,你可以看到资产组合在各种环境中的表现,包括在高通胀、通胀紧缩、资产泡沫和市场暴跌时期的表现。

图3显示了自1970年以来全天候资产组合的收益率,其风险水平与传统投资组合(股票债券比率约为60/40)的风险相同。如图所示,在与传统投资组合(红线)相同的风险水平上,全天候资产组合(蓝线)的年收益率高出300-400个基点。

图3:与传统资产组合具有相同风险的全天候资产组合

模拟业绩披露声明:模拟结果具有许多固有的局限性,其中包括,没有任何陈述表明任何账户会或可能获得与所示结果类似的利润或亏损。实际上,任何交易程序的模拟结果和实际结果之间都经常存在显著的差异。模拟结果的局限性之一是它们往往是具有后见之明。此外,模拟交易不涉及金融风险,并且没有一项模拟交易记录可以完全反映实际交易中金融风险的影响。例如,尽管有交易亏损,但仍可以撤销或坚持特定的交易程序,这都可以严重影响实际交易结果。在一般情况下或在执行任何特定交易程序时,还有许多其他因素与该市场有关,而在呈现模拟结果时这些因素并不能完全考虑到,但这些因素都可能对实际交易结果产生不利影响。

如前所述,可以根据个人的风险偏好提高或降低全天候投资组合风险和收益的水平。图4显示的是一个与传统投资组合的收益率相同的全天候资产组合。如图所示,其可以取得和传统投资组合相同的收益率,但风险却只有后者的一半。

图4: 与传统资产组合具有相同收益率的全天候资产组合

模拟业绩披露声明:模拟结果具有许多固有的局限性,其中包括,没有任何陈述表明任何账户会或可能获得与所示结果类似的利润或亏损。实际上,任何交易程序的模拟结果和实际结果之间都经常存在显著的差异。模拟结果的局限性之一是它们往往是具有后见之明。此外,模拟交易不涉及金融风险,并且没有一项模拟交易记录可以完全反映实际交易中金融风险的影响。例如,尽管有交易亏损,但仍可以撤销或坚持特定的交易程序,这都可以严重影响实际交易结果。在一般情况下或在执行任何特定交易程序时,还有许多其他因素与该市场有关,而在呈现模拟结果时这些因素并不能完全考虑到,但这些因素都可能对实际交易结果产生不利影响。

假如你不喜欢这些概念,更愿意遵循传统的资产配置流程,并按传统的方式理解资产风险和收益(如图1所示),那么,为了获得10%的收益率,你要么必须将所有资产集中在平均预期收益率为10%的少数资产类别上,要么必须获得更多的阿尔法。这就引出了一个问题,怎样才能获得更多的阿尔法?

优化的阿尔法投资组合

创建一个优化的阿尔法投资组合的基本原理与优化的贝塔投资组合背后的原理是相同的,都是使用不相关的回报流来构建一个分散化的投资组合,这些回报流彼此平衡,并达成目标收益率。其中唯一的区别是,我们将这些原则应用于阿尔法而不是贝塔。

建立优化的阿尔法投资组合有两种方法。第一种,也是目前最流行的一种,是阿尔法叠加;第二种方法是建立一个由不同阿尔法构成的投资组合,而并不去考虑这些阿尔法收益由哪类资产产生。无论是哪一种方式,阿尔法都是独立于贝塔,并被叠加在贝塔收益上。例如,桥水向客户提供阿尔法叠加时,每一位客户选择自己的贝塔和基准,我们对其进行复制,然后叠加上我们自己优化的阿尔法投资组合。客户会指定阿尔法收益的目标跟踪误差(风险)。按照第二种方法,每个管理人的阿尔法会被视为一个单独的回报流,并被组合成一个阿尔法投资组合。虽然我们认为第二种方法是最好的,但这两种方法都显著地改进了传统的投资组合方式。这两种方法采用的基本概念大部分是相同的。

传统的投资方法通常会导致一个阿尔法相对较差且缺少分散化的投资组合,这是因为阿尔法的选择是与贝塔捆绑在一起的,而不是根据它的来源是否是最优的。比如说,大多数传统投资者都有大量资金投资于本国股票,因此,他们大量的阿尔法来自于本国的股票。太多阿尔法来自于本国股票会使阿尔法投资组合的分散性很差。不仅如此,因为本国股市是最难产生阿尔法的市场之一,所以阿尔法收益较低。更好的方法是选择阿尔法时不再与特定资产类别挂钩,而是根据其自身突显的价值来选取,这样产生的阿尔法收益更高。

选择最好的阿尔法,然后建立一个分散化的阿尔法投资组合,其业绩要远远好于传统的投资组合。无论是让单一管理人分散化他自己的阿尔法,还是使用许多管理人的阿尔法来建立分散化的阿尔法投资组合,结果都是这样。作为证据,来比较图5中的阿尔法投资组合1和阿尔法投资组合2的结果。每个饼图代表100%的机会集合,其中每个切片代表一个阿尔法来源及其在所有阿尔法来源中的占比。在我们的例子中,每个切片的平均信息比率是0.35,因此组合1和组合2中的每个阿尔法都是一样好的。但是,由于组合2包含更多、更平衡、相关性更低的阿尔法来源,因此其信息比率是组合1的大约2.5倍。

图5:优化的阿尔法投资组合的构成

换句话说,增加相关性更低(更平衡)的阿尔法来源,会提高分散化的效果,进而带来更高的单位风险收益率。由于阿尔法是可以被调整的,你可以利用这个更高的信息比例,选择在相似的风险水平上获得更高的预期收益,或者在更低的风险水平上取得相似的收益率。因为阿尔法可以有很多种来源,并且它们可以被很好地平衡,因此阿尔法叠加管理人建立分散化阿尔法投资组合的能力得到了提升,和那些不会分散化和平衡阿尔法的传统管理人相比,他们有着巨大的优势。我们发现,采取这种方法后,信息比率可以提高二到四倍。

一个投资组合的总收益等于所投资的资产类别的收益,再加管理人的阿尔法收益。无论阿尔法来自于与资产类别相同的市场还是不同的市场,这个概念都同样成立。独立地选择资产类别(贝塔)和阿尔法来建立的投资组合,不一定比按照传统方法管理的投资组合的风险更高;按照传统方法,阿尔法与贝塔来自于相同的市场。但是,从最好的来源选择阿尔法,以此建立一个更加分散化的阿尔法投资组合,并正确地实施阿尔法叠加策略,你可以获得更高的风险调整后的阿尔法收益。

总之,我们相信,更好地平衡来自阿尔法和贝塔的收益,根据个人的目标收益率建立更加分散化的贝塔投资组合,建立更好、更分散化的阿尔法投资组合,并根据目标收益率进行调整,投资者可以显著改善投资组合的整体业绩。

投资管理的未来

我坚信进化的必然性,也认为建立机构投资组合的PMPT方法比传统的MPT方法要好得多。因此,我相信投资管理行业的进化方向,是其拥有两大类管理人——高效创造贝塔收益的管理人和贡献阿尔法收益的管理人。许多阿尔法管理人将会复制贝塔,并免费奉送阿尔法管理人将尽其所能地创造阿尔法,除了遵守一些合理限制外(如对于风险集中度和受险价值(VaR)的限制),将不再受到需将阿尔法与贝塔关联的约束。阿尔法管理人还会根据客户的意愿调整阿尔法的大小,例如,一个客户可能会选择3%的跟踪误差,而另一个客户可能会选择6%。所有的阿尔法管理人都会彼此竞争,而不去顾及贝塔。不是一些“股票管理人”与另一些“股票管理人”争夺投资者的股票这块份额蛋糕,而是所有阿尔法管理人相互争抢整个蛋糕。

对冲基金正在这些方面取得进步,一部分原因是它们拥有最大的自由度来设计阿尔法。这些基金正在促进整个投资行业的变革,使得投资者开始考虑是否应该让他们的传统管理人按对冲基金的规则来行事。但对冲基金本身也将被迫作出改变。在这种新的模式下,投资者会意识到,世界上并不存在对冲基金资产类别这种东西。当投资者将资金配置到对冲基金时,实际上是投资于很多种不同的贝塔和阿尔法,但主要是阿尔法。这些阿尔法可以叠加在几乎任何的资产类别上。例如,投资者可以在几种方案之间做出比较,让跟踪误差为4%的本国股票管理人来管理其本国的股票(比如以标普500指数为基准),或者购买标普500指数期货,并将50%的资金投资于跟踪误差为8%的对冲母基金。因此,传统管理人、对冲基金管理人和阿尔法叠加管理人都将争相创造最好的阿尔法。

我相信这些变化将极其快速地发生,也将带来投资和投资管理行业的深刻变革。

瑞·达利欧是总部位于美国康涅狄格州韦斯特波特的美国桥水投资公司的总裁兼首席投资官。

--------------

对于真正考验的反思

当我第一次提出全天候资产配置方法,即采用适度的杠杆来更好地实现分散化时,人们最常表示的担忧是:1)杠杆产生的风险要比分散化所能消除的风险更大,2)不稳定的相关性会产生意想不到的风险。尽管我们对该策略的回测可回溯至1925年,但直到最近发生的堪比“大萧条”的全球金融危机,我们才有机会对这些概念进行实时的压力测试,在这段时期内,杠杆化的策略和其对相关性的依赖都经受了严峻的考验。全天候资产组合在此期间的表现与我们的预期相吻合。与几乎所有其它资产配置组合或投资策略相比,全天候资产组合的风险更低,收益率更高。我们可以将资产配置组合权重应用于金融危机爆发以来各资产的市场收益率,以说明全天候资产组合的表现。这样可以显示这些概念的叠加运用情况,但并不表明是为机构投资者实际实施后的表现。自危机爆发以来,全天候资产组合(蓝线)上涨了43%,而传统资产组合(绿线)则大致持平,只上升了1%左右。

金融危机爆发以来的业绩压力测试

模拟业绩披露声明:模拟结果具有许多固有的局限性,其中包括,没有任何陈述表明任何账户会或可能获得与所示结果类似的利润或亏损。实际上,任何交易程序的模拟结果和实际结果之间都经常存在显著的差异。模拟结果的局限性之一是它们往往是具有后见之明。此外,模拟交易不涉及金融风险,并且没有一项模拟交易记录可以完全反映实际交易中金融风险的影响。例如,尽管有交易亏损,但仍可以撤销或坚持特定的交易程序,这都可以严重影响实际交易结果。在一般情况下或在执行任何特定交易程序时,还有许多其他因素与该市场有关,而在呈现模拟结果时这些因素并不能完全考虑到,但这些因素都可能对实际交易结果产生不利影响。

为何全天候平衡风险的方法经受住了2008年的压力测试

全天候资产配置方法对低风险资产加杠杆,对高风险资产去杠杆,这使得投资组合中所有资产的预期收益率和风险大致相同。这种资产配置方法和传统的投资组合相比,能产生更高的风险收益比,原因很简单:分散化所降低的风险大于使用杠杆所增加的风险。

杠杆本身不是问题,其中有几个原因。首先,杠杆被用来提高低风险资产的波动率,创造出比没有杠杆的情况下更好的分散投资效果。例如,如果我把50%的资金放在未加杠杆的美国国债上,50%的资金放在股票上,那么我的投资组合就会主要受到股票的影响,因为股票的波动性更高。但是,如果我增加债券杠杆率,使其达到和股票一样的波动率,那么在金融危机期间我的分散投资效果就会更好,风险更低。第二,全天候使用的杠杆并不多;该策略只运用约两倍的杠杆率,低于标普500指数大公司的平均杠杆率,是美国银行业平均杠杆率的1/10(我们认为美国银行业的杠杆率过高)。第三,杠杆是以一系列高流动性的形式被使用的,如果资产价格下跌,可以进行再平衡和清仓。最后,当交易对手是杠杆的来源时,我们会主动限制对放贷人的风险敞口,并积极地挑选那些最可靠的融资来源。因此,在整个危机期间,杠杆本身不会影响全天候策略的表现。

错误的相关性假设也不是问题,因为这些假设不稳定,我们在决定资产权重的过程中并不运用相关性假设。相反,我们对资产权重的设定,是基于对资产定价如何反映对经济状况的预期的理解,并使资产组合在各种环境下的风险敞口保持平衡,特别是使资产组合在经济增长率和通胀率不同于预期时的风险敞口保持平衡。这种分析框架在危机期间也维持有效。在此次危机期间,有些资产在经济增长率低于预期时会表现不好(如股票),但也有资产在经济增长低于预期时表现良好(如美国国债),后者的涨幅会显著抵消前者的跌幅。通过提高债券的杠杆率,使债券风险敞口与股票风险敞口相当,它们就可以相互地平衡。但是,如果不使用杠杆,就达不到这种平衡。相比之下,传统投资组合更集中于股票,因此当经济增长率低于预期时这样的组合表现较差,在危机时表现就更差了。

我很欣喜地看到,这种战略性资产配置方法现在越来越受欢迎,我对此毫不惊奇。该方法自我们在15年前开发以来,并经过了85年的回溯测试后,已经得到了验证。我相信,随着该方法日益普及,它将对资产配置产生极大的有利影响,其影响程度类似于传统投资组合理论获得认可时的影响。

重要信息披露和其他信息

本文档包含有关桥水中国的专有信息以及桥水中国管理的策略,并在保密的基础上向接收方提供。通过接受本文档,接收方即同意其本人(以及接收方的每个员工、代表或其他代理人)不得用于盈利目的,也不会将任何此类信息泄露给任何第三方。未经桥水中国事先书面同意,本文档的任何部分均不得(i)以任何方式或形式复制、影印或复印,或(ii)转发。

本文档仅供参考之用,并非买入或卖出任何一种证券或参与任何一种交易策略的要约,亦非对买入或卖出任何一种证券或参与任何一种交易策略的要约的询价。任何此类要约将以完成相关法律法规中规定的私募基金合格投资者认定后,收到我司的基金合同等材料为准。基金合同将包含在桥水投资相关的基金条款、风险揭示以及本文档未包含的其他重要信息,并将完全取代本文档。如本文档与基金合同中的内容不符,以基金合同为准。投资者不应将本文档的内容视为法律、税务、会计、投资或其他任何方面的建议。在做出任何对本文档介绍的桥水中国基金或策略进行投资的决策之前,应仔细审阅基金合同(包括其中的风险揭示)及所有其他相关文件,进行潜在投资者认为必要的调查,并咨询投资者自己的投资、法律、会计和税务顾问,以便独立判断对相关基金或策略进行投资的适当性和后果。

对任何桥水中国基金或策略进行投资均包含重大风险,无法保证任何基金或策略将实现其投资目标,也不保证投资者将获得任何资本收益。对任何桥水中国基金或策略的投资仅适合合格投资者,需要有在不确定期限接受此投资固有高风险(包括损失全部投资的风险)的财务能力和意愿。过往业绩表现并不预示未来结果。

桥水中国的投资流程旨在了解推动市场长期发展的因果关系。为了评估和完善对这些关系的理解,桥水中国在各种时间范围和市场环境中进行压力测试。通过这些压力测试,桥水中国能够模拟其策略在实际运行前的表现。对于包含主动决策的策略,桥水中国经常“降低”其模拟的阿尔法收益率(通过系统性地下调桥水中国当前阿尔法投资逻辑产生的模拟结果),因为存在错误判断的可能性。由于这种压力测试是桥水中国投资流程的核心组成部分,因此桥水中国与现有和潜在投资者分享这些模拟,以展示其思路。但是,由于它们没有显示实际结果,因此这些模拟本质上是有限的,不应用于投资决策。

假设的业绩结果有许多固有的局限性,其中一些如下所述。不保证任何账户将会或者可能获得与展示业绩类似的利润或损失。事实上,假设的业绩结果和任何特定的交易程序随后取得的实际成果之间经常出现显著差异。假设的业绩结果的局限性之一是其往往具有后见之明。此外,假设交易并不涉及财务风险,而没有一项假设交易记录可以完全反映实际交易中财务风险的影响。例如,承受损失的能力或在交易出现损失时坚持某个特定的交易程序的能力可以对实际交易结果造成实质不利影响。许多其他与一般市场有关的因素或与任何特定的交易程序的实施有关的因素无法完全反映在假设的业绩结果的准备中,而这些因素均可以对实际交易的结果产生不利影响。

本文档包含的任何与过往业绩表现有关的表格、图形或图表,无论是假设、模拟或实际的表格、图形或图表,均仅用于说明相关指数、策略或特定账户在所示历史时期内的业绩。在创建此类表格、图形或图表时,桥水中国可能加入对交易、仓位、交易成本的假设、市场影响估计和后见之明。例如,模拟中使用的交易成本预算基于历史测量成本和(或)模拟成本,归因方法是对某个时点持有的仓位归因于特定的市场观点,因此具有固有的不精确性。此类表格、图形或图表不做预测未来业绩表现之用,不应当构成任何投资决策的基础。桥水中国没有义务更新或修改此类表格、图形或图表。

本文档讨论了低风险投资组合的风险控制能力、分散性、被动投资、风险管理、风险调整及其他风险控制理论、陈述、措施、计算和政策,这些相关讨论不应当被视为关于桥水中国有能力控制风险或相关投资或工具的风险较低。主动交易具有经济成本和高风险,不保证交易成本对任何账户、基金、投资组合或其他投资工具不产生重大不利影响。桥水中国还管理一些本文档未提及的账户、基金和策略。此外,即使账户、基金和策略的交易类似,根据每个策略或市场的时机、准许的工具、市场和目标风险不同,其业绩也可能存在巨大差异。本文档提及的投资的价格和价值及任何衍生收入都可能波动。基于过往业绩、市场假设或任何其他因素的业绩和风险统计数据和指标都不应当被视为未来结果的指标。虽然桥水中国相信相关计算使用的假设和可能调整是合理的,但其他可能采用的假设、方法和调整也是合理的,并可能导致非常不同的结果,包括低得多的结果。

展示的交易市场的相关信息可能不一定代表桥水中国的实际、历史或当前策略。列举的市场现在可能交易,也可能不再交易,如有更改,恕不另行通知。用于说明目的的市场可能不代表全部交易市场和现有结果,可能不包含桥水中国的实际交易结果。本文档没有展示的其他市场或交易结果可能存在巨大差异。业绩表现归因、指定市场的业绩分析、其他情景的业绩分析、或偏差测定均基于桥水中国的分析。

桥水中国研究部采用来自公开、非公开和公司内部的数据和信息,包括来自桥水中国实际交易的数据。信息来源包括澳大利亚统计局(Australian Bureau of Statistics)、资产国际公司(Asset International, Inc.)、巴克莱资本有限公司(Barclays Capital Inc.)、彭博财经社(Bloomberg Finance L.P.)、CBRE, Inc.、CEIC 数据有限公司(CEIC Data Company Ltd.)、Consensus Economics Inc.、核心逻辑公司(Corelogic, Inc.)、Costar 房地产信息公司(Costar Realty Information, Inc.)、CreditSights, Inc.、信贷市场分析有限公司(Credit Market Analysis Ltd.)、交易逻辑公司(Dealogic LLC)、DTCC Data Repository (U.S.), LLC、Ecoanalitica、EPFR Global、欧亚集团有限公司(Eurasia Group Ltd.)、欧洲货币市场机构(European Money Markets Institute)、Factset 研究系统公司(Factset Research Systems, Inc.)、《金融时报》有限公司(The Financial Times Limited)、GaveKal 研究公司(GaveKal Research Ltd.)、全球金融数据有限公司(Global Financial Data, Inc.)、Guidepoint Global, LLC.、《哈佛商业周刊》(Harvard Business Review)、哈沃分析有限公司(Haver Analytics, Inc.)、加拿大投资基金学会(The Investment Funds Institute of Canada)、洲际交易所(Intercontinental Exchange (ICE))、投资公司协会(Investment Company Institute)、国际能源署(International Energy Agency)、Lombard Street Research、麦盖提市场经济学公司(Markit Economics Limited)、Mergent 有限公司(Mergent, Inc.)、Metals Focus Ltd.、穆迪分析有限公司(Moody’s Analytics, Inc.)、MSCI 有限公司、美国全国经济研究局(National Bureau of Economic Research)、经济合作与发展组织(Organisation for Economic Co-operation and Development)、养老金及投资研究中心(Pensions & Investments Research Center)、RealtyTrac, Inc.、RP 数据有限公司、Rystad 能源公司(Rystad Energy, Inc.)、标普全球市场情报公司(S&P Global Market Intelligence Inc.)、SentixGmbh、上海万得信息技术股份有限公司(Shanghai Wind Information Co., Ltd.)、Spears & Associates, Inc.、美国道富银行(State Street Bank and Trust Company)、新鸿基金融(英国)(Sun Hung Kai Financial (UK))、汤森路透(Thomson Reuters)、东京证券交易所(Tokyo Stock Exchange)、联合国(United Nations)、美国商务部(US Department of Commerce)、伍德麦肯兹有限公司(Wood Mackenzie Limited)、世界金属统计局(World Bureau of Metal Statistics)以及世界经济论坛(World Economic Forum)。虽然我们认为来自外部来源的信息是可靠的,但我们不对其准确性承担责任。

本文档中所有的金额和百分比均为近似值,并进行四舍五入,供演示之用。除非另有说明,本文档的陈述截止于本文档中出现的日期。在任何时间、任何情况下,提供本文档或其他任何有关基金的材料均不暗示本文档包含的信息在截止日期后是正确的。当本文档的信息过时、删除、修改或更改后,桥水中国没有义务就此告知潜在或现有投资者。©2021桥水中国,版权专有。

;