以前我是比较注重研究公司的基本面，最好是能把公司掘地三尺那种（也想过能靠内幕提前获取信息），而宏观经济和行业相对看的淡一些。这几年慢慢对公司的基本面看淡了，或者说只要模糊的正确即可，更关注国家/行业的雪道够不够长，更多的是在好生意中寻找一些模糊的优秀的企业进行分散投资。为何有这样的转变？
首先，你无法精确的获取公司真实的盈利情况，卖方也好，私募也好，大都是通过行业前景、历史财报、公司订单、实地调研等去前瞻的判断公司未来的业绩，但越是接触企业久就越发现你根本无法精确的预测未来，你基本面挖的再深，能有公司创始人、董事长、管理团队了解吗？而很多公司的高层都无法确定自己公司未来的业绩会是多少（经营的变量实在太多），你又是凭什么计算出一个数字说这是公司来年的业绩呢？
其次，就算你对公司非常了解（比董事长还了解），也对未来业绩计算的非常正确，但你没有注意到公司所处的行业基本面发生了巨大的拐点，你的各种计算也是徒劳。如果行业的前景发生了翻天覆地的变化，那么公司的业绩计算的再精确又有什么意义呢？未来无法获取更多的订单，股价自然出现业绩&估值的双杀。
很多投资人有时候会陷入过于在意细节的漩涡中（精确的错误），而忽视了更宏观更高维度的信息（模糊的正确），如果不站在更高的维度——脱离公司去看行业乃至国家，那投资很可能失败。很多投资大师之所以能够成功，是因为他们站在了更高的维度，看到了大众目所不能及的未来，投资大师和普通人在投资领域的竞争，就是一种降维打击。同样，不仅仅在投资领域，很多伟人之所以能成为时代的先驱，也是因为他们站在更高的维度，理解/视角异于常人（想一想那些物理/化学/音乐/数学/制造业的伟人，哪一个不是在他所在的时代中有超越常人的思维模式呢）。
个人的奋斗固然重要，但更要考虑历史的进程，特别是在重要的历史性拐点，更需要关注的是宏观层面的东西，微观的细节或许并不是那么重要，所以我现在认为只有基于对行业/大势的判断正确，企业的分析判断才显得有意义。
对于“好价格”的理解，我倒是变化不大。上面说过由于你无法获取企业未来精确的业绩，你也不能知道公司真正的价值。所以精确的估值同样也是没有意义的，各种估值手法只是告诉你安全边际大致在哪里，并非是以此去做买卖（对于“好价格”这一点的认知，我这几年倒是没变过）。我看到很多人都把大量的时间用在精确计算企业的内在价值（DCF/清算价值）或计算推演企业估的值高低(PE/PB/ROE等)，这是毫无意义的。真正的价值是无法计算的，因为你无法预测企业未来精确的业绩；同时公司的交易价格也是市场博弈出来，PE/PB这些估值只是一个参考，你可以说10倍PE是低估，那么8倍呢？13倍呢？精确的数字是没有意义的。
投资很多时候是个概率问题，小概率不是不能成功，但我们总要去做那些概率更高的投资。追求模糊的正确永远比追求精确的错误要重要得多。中国有很多自诩为“价值投资者”，一直以为深挖企业基本面的细枝末节或精确计算企业的估值高低这代表了价值投资的全部，其实这不过是在精确的错误上越跑越远，这不是真正的价值投资的全部（想一想你们眼中的价值投资大师巴菲特早些年对大趋势判断的眼光——美国的国运、行业的兴衰）。
PS.关于概率问题，扯开一句，为什么现在全球投资领域成功的人大都是“价值投资”（不是A股大众认为的哪种价值投资），因为这种这种投资理念的成功概率最高，你对基本面不断研究，时间越长，你自然累积的越多，你看的越透彻，而趋势投资、技术分析这类都是基于历史推导未来，是纯粹的抛硬币博弈，时间越长，连续对的人越少（概率越低），并且你除了获得多巴胺之外，不会有任何的累积。
来源：投基家
-------------------------------------------------------------------------------
拓展阅读：
作者：石川，北京量信投资管理有限公司创始合伙人，清华大学学士、硕士，麻省理工学院博士。知乎专栏：https://zhuanlan.zhihu.com/mitcshi。未经授权，严禁转载。
摘要：使用任何一个资产配置模型，绝不是简单的把不能猜的参数忽略掉、把能猜的参数扔进去，而是要明白它到底配了什么。
1、引言
“The most important key to successful investing can be summed up in just two words —— asset allocation.”
不夸张的说，资产配置是投资中最关键的一环。无论我们有多少个收益源、多少因子，最终都要力争在最小化投资组合风险的前提下实现更高的收益。这正是资产配置（asset allocation）。
谈到资产配置，最著名的要数 Mean-Variance Optimization（MVO）模型，它的数学表达式如下：
其中 ω 是资产权重向量、μ 和 Ω 分别为预期收益率向量以及协方差矩阵、δ 是风险厌恶系数。当不考虑任何约束是，上述 MVO 问题的最优解是：
如果考虑所有资产权重加起来占资金量 100%，即 Σω = 1，则可以将上述最优解中的等号换成“正比于”符号，它和最终的权重只差一个 scaling factor 而已：
对于权重为 ω 的投资组合，其夏普率为：
数学推导可以证明，最大化投资组合夏普率的 ω 也正比于 (Ω^{-1})μ，因此 MVO 的最优解 ω_{mvo} 可以最大化投资组合的夏普率。这就是它吸引人的原因。
当然，由于对输入（μ 和 Ω）非常敏感，且事前预测未来的 μ 和 Ω 异常困难（Ω 中包括资产自己的波动率 σ_i 以及资产间的相关系数 ρ_ij），MVO 在投资实务中也没少被人诟病。为了避免猜 μ 和 Ω 的问题，人们又相继提出了很多其他的资产配置方法，诸如：equal weight、minimum variance、maximum diversification 以及 risk parity（又称 equal risk contribution）。
在实际资产配置中，由于 μ_i、σ_i、ρ_ij 中的一个或多个难以预测，我们舍弃 MVO 并退而求其次选择上述这些方法之一。无论采取哪种方法，我们都希望最大化投资组合的夏普率。事实上，当 μ_i、σ_i、ρ_ij 这些参数满足特定条件时，所有上述方法均可以等价于 MVO。在资产配置时，我们可以对资产参数 μ_i、σ_i、ρ_ij 所满足的条件做适当的假设，从而选择最合适的配置方法。
本文的目的就是梳理上述几种资产配置方法背后的数学模型，从而搞清楚它们分别在何种参数条件下等价于 MVO，并以此指导我们在投资实务中正确选择它们。
最后想要说明的是，由于篇幅和我的知识有限，本文无法覆盖所有主流的资产配置模型。但是本文的思路可以用来分析其他方法。
2、数学描述
本文考虑的资产配置方法包括：Minimum Variance、Maximum Diversification、Risk Parity / Equal Risk Contribution 和 Equal Weight。以下逐一说明。
Minimum Variance 方法的数学表达式为：
可以证明，它的最优解满足如下关系（Clarke, de Silva, and Thorley 2013）：
将其和 ω_{mvo} 比较不难发现，当所有资产的收益率 μ 相等时，minimum variance 方法等价于 MVO。
接下来是 Maximum Diversification。它的数学表达式为：
其中 σ = [σ_1, σ_2, …, σ_N]' 表示 N 个资产标准差（波动率）的向量。该方法最大化资产线性加权波动率与投资组合波动率的比值，故称为最大分散化资产配置组合。它的最优解满足如下关系（Clarke, de Silva, and Thorley 2013）：
同样的，将其和 ω_{mvo} 比较发现，当所有资产的收益率 μ_i 和它们对应的波动率 σ_i 比值均相同（即 μ_i/σ_i = μ_j/σ_j）时，maximum diversification 方法等价于 MVO。
再来看看 Risk Parity / Equal Risk Contribution。它要求每个资产对投资组合的风险等贡献，即：
其中 σ_p 代表投资组合的波动率。该条件可以转化为如下数学优化问题：
其中 (Ωω)_i 表示向量 Ωω 的第 i 行，即一个标量。Maillard, Roncalli, and Teïletche (2010) 一文对 Equal Risk Contribution（ERC）配置方法进行了非常详尽的数学论述，得出了很多有益的结论。其中，最重要的是，当所有 N 个资产两两相关系数相等（即所有 ρ_ij 都等于某常数 ρ）时，ERC 的最优解为：
除了 ERC 之外，另一个与其十分接近的配置方法是 equal risk budget（ERB）。根据定义，ERB 的最优解满足 ω_i = σ_i^{-1}/(Σ_jσ_j^{-1})。换句话说，当所有资产两两相关系数均相等时，ERC 和 ERB 一样。Carvalho, Lu, and Moulin (2012) 指出，当资产夏普率相同，且相关系数均相同时，ERB 等价于 MVO。由此可以推断出 ERC 等价于 MVO 的条件：所有资产的收益率 μ_i 和它们对应的波动率 σ_i 比值均相同（即 μ_i/σ_i = μ_j/σ_j，意味着夏普率相同）、且所有资产两两相关系数相同。
最后来看看 Equal Weight。这种等权方法没什么可优化的，其权重为：ω_{ew} = [1/N, …, 1/N]'，即每个资产占 1/N 的比例。当所有资产的波动率相同时，ω_{ew} 可以看成 ERB 的一种简单形式。由此可以推导出，equal weight 如果想等价于 MVO 则要求资产的 μ_i、σ_i、ρ_ij 满足以下三方面非常苛刻的条件：
1. 所有资产的收益率 μ_i 和波动率 σ_i 比值均相同（即 μ_i/σ_i = μ_j/σ_j）;
2. 所有资产两两相关系数相同；
3. 所有资产的 σ_i 相同。
下图对上述配置方法进行了总结。
下一节进行一些简单实验说明当参数满足不同条件时，这些方法的差异。
3、实验研究
从上节末的表格中不难看出，除了 minimum variance 之外，其他三种方法对参数的要求依次增强。因此，我们可以构建一系列实验，从最苛刻的条件开始，并逐一放松约束，以此观察这三种方法的配置结果和 MVO 配置结果的差异。（稍后会单独比较 minimum variance 和 MVO。）
由于 equal weight 配置方法需要三个条件才等价于 MVO，因此下面一共考虑四个实验：
1. 第一个实验中三个条件均满足，即资产波动率相同、收益率与波动率之比相同、两两相关系数相同；
2. 第二个实验中去掉资产波动率相同；
3. 第三个实验中进一步去掉两两相关系数相同；
4. 第四个实验中去掉全部三个条件。
在这四个实验中比较 equal weight、equal risk contribution、maximum diversification 以及 MVO 四种方法。每个实验中假设有三个资产，作为实验输入给定它们的 μ_i、σ_i 以及 ρ_ij，并考察不同资产配置方法得到的最优配置权重（所有方法均需要满足约束 Σω = 1）以及夏普率。
实验结果如下表所示。
随着参数满足的条件逐渐去除，equal weight、equal risk contribution 以及 maximum diversification 依次在与 MVO 的比较下败下阵来。上述结果说明，对参数（无论是 μ、σ 还是 ρ）的准确估计对资产配置结果是至关重要的；等权（或简单多样化）只是一种无法（准确）估计参数时的无奈之举。一旦有了任何关于 μ、σ、ρ 的（靠谱）信息都应该充分利用，并合理对未知参数可能满足的条件进行假设，从而选择最合适的资产配置方法。
最后下图展示了 minimum variance 和 MVO 的比较。由于两组实验中，只改变了 μ 的取值而协方差矩阵不变，因此 minimum variance 配置给出了相同的结果；但是仅当所有资产 μ 相同时，minimum variance 才等价于 MVO。
4、结语
写今天这篇文章源于我最近看了 Bender, Blackburn, and Sun (2019)。该文比较了不同的配置方法在构建因子投资组合时的效果（包括一些本文没有涉及的方法，见下表）。
对于 MVO，Bender, Blackburn, and Sun (2019) 的态度是，虽然输入的准确性至关重要，但我们也没有必要急于否定最优化在资产（因子）配置中的作用，因为其他方法都是在某种假设下对 MVO 的近似。
资产配置有很多不同的方法。本文希望传达的态度是：无论选择哪种方法，都应该搞清楚其数学模型背后的对参数的假设是什么。搞清楚每个模型在什么情况下等价于 MVO 至关重要。使用一个模型，绝不是简单的把不能猜的参数忽略掉、把能猜的参数扔进去，而是要明白它到底配了什么。
参考文献
Bender, J., T. Blackburn, and X. Sun (2019). Clash of the titans: factor portfolios versus alternative weighting schemes. The Journal of Portfolio Management, Quantitative Special Issue, Vol. 45(3), 38 – 49.
Carvalho, R. L., X. Lu, and P. Moulin (2012). Demystifying equity risk-based strategies: a simple alpha plus beta description. The Journal of Portfolio Management, Vol. 38(3), 56 – 70.
Clarke, R., H. de Silva, and S. Thorley (2013). Risk parity, maximum diversification, and minimum variance: an analytic perspective. The Journal of Portfolio Management, Vol. 39(3), 39 – 53.
Maillard, S., T. Roncalli, and J. Teïletche (2010). The properties of equally weighted risk contribution portfolios. The Journal of Portfolio Management, Vol. 36(4), 60 – 70.
---------------------------------------------------------------------------------
822
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
