系统化投资在证券公司自营业务中的应用

内容提要

如今，投资者面临市场有效性、资产间相关性提升及数据量大幅增长等诸多挑战。文章通过分析主动管理领域两种主流的投资方法——系统化投资和主观投资，厘清与之相关的概念，发现在市场发展现阶段、对于一个管理大规模资金，多资产、多策略的投资组织来说，系统化投资将更好地适应并应对上述挑战。

1

一、引言

如今，投资者面临诸多挑战。市场有效性的提升使得纯粹的Alpha越来越少；资产间相关性大幅提升让传统基于资产的风险分散变得更加困难；数据量的大幅增长，如果没有系统性的工具几乎无法处理这些海量的数据等等。

在此背景下，如何合理利用数据而不是迷失在数据的海洋里，如何从组合层面更好地识别和管理风险，如何挑选出真正能产生Alpha的经理人，如何产生可持续优异业绩的同时降低成本，如何制定合理的业绩考核和激励制度、发挥团队成员的能动性，都是需要考虑的问题。

在主动管理领域有两种主流的投资方法：系统化投资和主观投资。这两种投资方法本身并无优劣之分，都有机会产生很好的投资结果、贡献价值，但是在市场发展现阶段、对于一个管理大规模资金，多资产、多策略的投资组织来说，系统化投资将更好地适应并应对上述挑战。

1

二、概念梳理

多年以来，在主动管理领域逐渐演化出两种主流的投资方法：系统化投资和主观投资。与之相关的概念包括基本面（fundamental）、主观/自主决定（discretionary）、量化（quantitative）、系统化（systematic）、规则化（rules-based）、算法（algorithmic）、基本面量化（quantamental）投资等等，其中有些概念行业并无统一的定义，不少概念存在交集，并且有些词语在特定的语境和定义下可以相互替代。

Campbell R. Harvey（2021）认为主观投资和系统化投资的最大区别在于形成交易决策是基于算法的、规则化的，还是自主的。在系统化投资中，交易的产生是根据自动运行的规则或者算法的，当然，这些规则或者算法是人为设计的。但是对于主观投资组合，经理还是会自主形成最终的交易决定，即便他使用了很多量化的工具去辅助他的决策。

AQR（2017）认为系统化投资是一个更加注重可重复、数据驱动的方法，依赖计算机识别投资机会。相比来说，主观投资涉及对少数证券的深度分析并且更加依赖于通常而言不易量化的信息。

贝莱德（BlackRock）认为系统化投资是一种能够明确地平衡一系列组合管理考量因素的投资方法，将风险、收益以及相关性预测等都融合到投资决策的流程中。该方法强调数据和量化方法在组合构建中的作用，对于单一投资经理的自主决策依赖较少。周佰成（2019）认为量化投资就是依靠数量化的手段去实现投资逻辑和策略。量化投资需要采用一定的数理模型对投资策略以及投资逻辑进行量化，进而通过计算机技术等科技手段来实现投资过程。

从上述文献我们可以看出，系统化投资是量化投资理念、方法在研究、风险预算、组合管理、交易执行和业绩归因等投研流程中的应用，但又不必然在所有流程上都做到像量化投资策略一样“死板”。系统化投资也包括自主决定或者判断的部分，只不过这种主观性体现在系统全流程的设计上，而并不体现在每次决策都需要一事一议上。作为一个投资思想、投资流程，系统化投资在内涵上比量化投资更广，约束上比量化投资更松，作为一个组织方式，它可以理解为一个系统性整合、处理信息，合理分工、各司其职，共享同一套话语体系、并且密切协作的合作架构。

1

三、系统化投资的价值

系统化投资从组织架构与发展和投资管理两个层面贡献价值。

组织架构与发展方面，一是提高工作效率。共享同一套话语体系意味着投资流程的公开、透明，每个经理的“独门秘籍”可以被重复验证和使用。这蕴含了“去中心化”的思想。在这样的系统中，大家可以基于同样的逻辑去回测、验证，这有助于拓宽现有投资经理的工作边界，提高效率，也有助于降低投资经理准入门槛，提升新人成长速度。

二是优化人员配置。传统的、基于经理主观判断的投资组织和系统化的组织架构，两者最大的区别在于前者会有很多互相独立的经理。这会带来几个问题，除了第一条提的每个经理管理边界可能比较窄，在这样一个非共享的环境中，还可能导致每个经理都追求投资框架的广而全。而这对于组织来说，并不一定是最优的，进而对于其每个个人可能也不是最优的。最优的体制即每个人合理分工、各司其职，同时共享信息、共享投资框架，如此这个组织和组织中的个人才能发展最快。从另一个角度来说，有助于优化人员配置。如果该投资经理业绩我们可以通过更加便捷便宜的方式获取，在人员配置上我们就能将之转入成本相对较低的因子投资团队。在这种体系内，人员结构会更加合理。

三是健全治理结构。系统化投资流程透明度高，有助于降低委托代理成本。同时，绩效归因技术有助于增强组合业绩的解释性，形成清晰明确的考核激励机制，充分调动经理的能动性。

投资管理层面。一是加强全组合管理。如果组织架构以资产类别分为部门或小组，各自为政，则会缺少组合层面的协调。系统化投资体系有助于我们从全组织层面对流动性、杠杆、长期风险暴露、主动风险敞口、尾部风险进行管理，实施系统性地再平衡政策等等。

二是提高风险意识。量化工具的出现使得细致的风险分析变得可能，有助于形成具有风险约束的投资框架。例如，从宏观角度理解资产收益驱动，可以将资产类别划分为经济增长、通胀、流动性、利率四类。这样的划分有助于穿透资产标签，理解驱动资产表现背后的宏观因子。当然，也有很多其他不同类别的因子例如风格因子等等。

三是降低管理成本。信息处理层面，计算机可以以更快速度处理海量数据，降低信息收集和处理时间，节约成本。投资工具/经理选择层面，因子投资在学术界和实务界的兴起也有助于委托人更好识别某个经理产生的收益是alpha、因子抑或只是市场指数收益。通过将非alpha部分以更低成本的方式投资，也能降低管理成本，有助于委托人将有限的费用投入到真正的alpha激励中。执行层面，精心设计的执行算法也能够提高执行效果，降低执行成本。

四是纪律性。行为金融的研究让我们知道金融市场存在着大量的行为偏差，系统化投资的纪律性能够使得我们通过利用市场参与者的行为偏差、降低自己的行为偏差获利。其中一个重要手段是再平衡。再平衡操作容易使得组合不至于大幅偏离战略资产配置、承担过多风险，获得再平衡溢价。

1

四、系统化组织架构

图1  典型的系统化组织架构（虚线是数据流）

图1为典型的系统化组织架构。系统性投资需要透明、职责明确的模块化团队实现，包括研究团队、资产配置团队、组合层面团队、交易执行团队、风险控制团队和业绩评估团队。笔者想重点强调资产配置团队和组合层面团队作为业务核心的职责。资产配置由战略型和战术型资产配置两层含义构成。使用的工具虽然是资产，但我们将资产类别划分为经济增长、通胀、流动性、利率四类。这样的划分有助于穿透资产标签、理解驱动资产表现背后的宏观因子，也有助于形成具有风险意识的投资框架。具体来说，战略型资产配置为了获得长期的、系统性风险溢价，由更高决策单元审议通过，包括投资可比基准或可比组合制定等。战术型资产配置由资产配置小组根据风险预算方法确定系统性对战略型资产配置的偏离。组合层面团队包括三类投资：指数投资、因子投资和纯alpha，不同投资小组侧重的技能不一样。指数组合是低成本大规模实现风险敞口的主要方式；因子型组合是结合主流的因子投资方法，能够长期稳定获取贝塔收益的方式。例如，作为券商自营很重要的策略，信用债短端套息实际上就是一个多息差（carry）因子、空波动率因子的组合，波段交易实际上应用的是动量（momentum）因子，私募债较公募债持续正的利差反映的是流动性因子等等。纯alpha组合是对指数、因子组合的补充，其考核是超额收益/绝对收益，并不局限于使用何种方法、选择何种资产、暴露何种敞口。

1

五、系统化投资流程

一个透明的、运行良好的系统化组织架构能为践行系统化投资理念提供良好的基础。另外，系统化投资需要机构业务条线在投资各个环节使用系统化工具践行系统化投资的理念。随着量化工具在投资领域的成熟运用，在组合构建、绩效评估、风险管理和资产配置环节使用可验证数据驱动工具已经深入人心。但投资者普遍对在信息处理机制、研究、多组合协同管理和交易执行等环节使用量化工具不甚了解甚至表示迟疑。笔者认为系统化投资思维在上述环节也是适用、并能带来价值的。

信息处理机制。投资是不断接收、更新和处理信息形成决策的过程。新信息是随时随地发生的，我们需要在高频跟踪信息成本过高和低频跟踪信息反馈过慢之间做权衡，希望能形成一套合理的信息处理机制以解决重大信息对投资决策的影响。合理高效的信息处理机制是分层级的，需要根据资产配置调整频率和组合调整频率，建立相关信息的定期分享、汇总和处理机制。

研究方面。以宏观研究为例，传统宏观研究决策流程是宏观研究员及时高频跟踪宏观变量，利用经验的前瞻性指标判断某些重要宏观变量的位置和可能的变化，根据宏观研究员历史经验对宏观环境的变化做出判别。上述宏观研究的流程可能存在诸多问题。笔者希望能够使用数量化工具协调机构内部对宏观状态和变迁的一致预期，且能基于数据形成可靠验证。推荐使用的仪表板或打分卡等工具完成，这有助于系统化地整合宏观预期以及所对应的资产收益预期。多组合协同管理。单组合管理使用量化工具优化组合构建是深入人心的，但如何使用系统化方法管理多个平行资产组合是存在差异的。笔者认为系统化理念在多组合管理的应用关键在于使用协调统一的框架实现机构在组合管理层面的总体目标。交易执行方面。交易执行是实现投资价值的一个过程，但也不可避免会产生成本。交易成本包括显性和隐形两部分，显性部分为佣金、结算费用等可直接观测到的现金支出；隐形部分指从投资决策到交易落地之间的市场冲击成本和机会成本，可量化描述为执行落差。我们以总体的交易成本展现每笔交易执行的质量，并进一步可以通过业绩归因来说明交易人员的执行效率。构建交易成本的数据集合有助于进一步认识在如交易品种、交易目的及交易人员等不同维度上的成本构成，以此可辅助后续投资决策的制定和对交易团队的精细化考核。

1

六、小结

随着管理规模越来越大，资产种类越来越多，Alpha的获取越来越难，投资者应该考虑以一种整合的方式管理全组合，并以低成本、高效的获取系统性风险溢价。本文认为系统化理念、系统化组织架构和系统化/量化工具是达成这种目标不可或缺的基础。

同时，首席投资官也需要做出一定承诺，建立透明、公开的投资流程，在内部形成共识文化，形成一个系统性整合、处理信息，合理分工、各司其职，共享同一套术语体系、并且密切协作的合作体系。只有这样才能相对从容地应对当下投资环境带来的诸多挑战。

*本文仅代表作者个人观点，与供职单位无关。

-END-

作者：程昊，安信证券固定收益部

原文《系统化投资在证券公司自营业务中的应用》全文将刊载于中国外汇交易中心主办《中国货币市场》杂志2022.04总第246期。

更多阅读

◆金融市场量化交易的国际经验

◆虚拟银行发展及监管的国际比较分析

◆美联储新一轮货币政策紧缩周期的影响