贝莱德陆文杰：运用科技力量 持续生产可靠稳定回报

　　贝莱德陆文杰：深耕技术领域，运用科技力量，持续生产可靠稳定投资回报

　　新浪财经讯 12月7日，2018年第七届中国对冲基金年会在南京举行，会议主题为“局·重塑，共创对冲基金新气象”，主办方为由私募排排网、华泰证券、南方基金，新浪财经为媒体支持。

　　贝莱德集团中国区CIO陆文杰发表了关于《贝莱德全球数据导向型投资与研究的事件应用》的精彩主题演讲。

图：贝莱德集团中国区CIO陆文杰

　　以下为发言纪要：

　　很高兴跟大家交流。我们这家公司截止到今年达到了6.3万亿的资产管理规模，很多场合我经常讲贝莱德在全球投资的观点。今天有很多私募同业的朋友，我想讲一下在全球投资当中使用的一些投资方法。

　　怎么样让一家资产管理公司管这么多资金？投资是科学和艺术的一种混合体，很多情况下，贝莱德更加强调科学，不那么强调艺术。这里面有一个根本原因，艺术是不可琢磨的，而且艺术大师很少见。贝莱德是一家大的资产管理公司，我们公司有没有什么明星基金经理，肯定有，但是我们并没有着力推荐宣传这些基金经理。这些基金经理有点像艺术大师，有他的投资理念，但是艺术大师不可复制，你即使有十个基金经理，也不足以管六万多亿资金，管这么多资产需要靠技术手段和科技手段。

　　贝莱德投资团队很多，我今天想举三个例子，贝莱德三个不同团队使用的技术手段，和在全球市场当中的实践，可能和国内私募管理方式并不完全一样，希望给大家一些借鉴意义。

　　主动股票投资团队用大数据做投资

　　第一个团队，叫系统化主动股票投资团队，简单讲是用大数据方式做股票主动投资。团队在80年代中期就开始采取技术手段，那个时候所谓的技术手段在今天来看还是比较初级的，那时个人电脑刚开始普及，所谓高科技就是把所有股票估值算一下，到底买了什么最便宜的股票，这可能是一个非常有意义的数据分析。随着技术发展，团队不断把新技术手段加进去，90年代后期加进了风险情绪，就是看卖方分析员研究报告。出现这个技术手段的原因，是美国市场互联网热潮出现之后，出现了大量大家看不懂的公司，很多投资者需要明星分析员做推荐。这个团队比较系统地收集卖方分析员的分析，汇总整理数据化加到投资模型当中去，这是当时是非常开创性的进步。00年代初期注重盈利真假，大家很看重这个公司，但是要看公司的数据有没有作假。

　　我想强调的是，股票投资当中用数据化和科技手段，并不是完全抛弃人，投资是人和科技协同的结果，我们至今没有发现有一个神奇的电脑放在股票市场中运行，就可以一直产生很高收益。想说明的是，股票投资中使用的科技手段，随着市场变化会不断进化，来帮助人进行投资。

　　我们这个团队全球大概管理一千亿美元资产，实际操作的时候发现各个市场中用同一套方法论，投资效果不太一样。发达国家像美国、欧洲、日本，用这套方法平均跑赢大盘每年一到两个百分点，但是在新兴市场国家每年跑赢5到6百分点，在A股大概每年跑赢10个点，这是为什么呢？因为中国的数据比较多，中国是一个数据特别充分，可得性特别高的地方，包括刚才私募排排网李总讲很多私募的数据，经过整理之后，现在有很好的数据库可得，中国大量的数据给大数据投资提供了非常好的土壤。很多发展国家，手机信号不好，很难有很多新型的APP提供数据帮助投资。

　　有了数据之后怎么办？需要人，我们还是用传统的人来研究上市公司，用传统的方法看盈利和估值，看市场的情绪，这些基本的方法，经过这么多年市场考验我们认为还是对的。比如说人去看新闻、研究报告、公告各种信息，这些完全没有问题。现在有了科技手段让机器读，比如说在A股投资当中，我们使用机器学习，自然语言识别技术，读所有中国大型研究机构对上市公司的研究报告，大概中国30几家主要券商报告都输入这个系统，电脑会自动读取，因为这个是我们自己开发的，会仔细地识别，我们还是用人去读这些公司公告和研究报告。有了新技术之后，用网上群体研究，用人去做公司调研，去上市公司看具体生产的情况，用卫星影像，用GPS等技术，人可以看宏观的政府统计的数据，而电脑应该在网上就可以搜集到很多实时数据。

　　最后一点，偏好和情绪。很多散户情绪对股市影响很大，电脑技术也确实使用在社交媒体上，无论是百度股吧、新浪微博，各种散户对股票的评论，把它搜集起来分析各个上市公司。散户情绪，和机构投资者情绪对比，是不是有时候机构投资者看空了，散户还在炒。我们使用这些科技手段看待传统的投资方式，不是说传统投资方式是错的，是用这些手段使投资更加有效率。

　　举个小例子，这台机器会算中美关系指数，里面有个机器学习，会看中美关系相关表述，各个场合下重要性有个加权关系，比如川普说的中美关系比一千个普通人更加有用，有些媒体采访的时候，中美关系谈论信息量就比较大，机器会有一个综合判断。这个图大概是一个月之前更新的，当时指数显示了中美关系非常高风险，最近已经有回落，G20峰会之后确实也印证了这个方向，大的趋势上和整个机器判断也是吻合的。

　　在A股具体的投资当中，还有更多的使用科技的方式，这是另外一个例子。左下角是中国地图，蓝色的点是卫星拍下去，金属反光程度，强的话说明这个地方经济活动比较发达，右下角的点，是机器自动计算的上市公司地理数据，每个公司注册营业地点在哪，比如在最北的内蒙古，在南京附近，可能有些江苏的企业。

　　把两张图放一起就可以实时观测到这些上市公司经营活动到底是什么样。其实国内很多私募公募，大家也有用类似的技术手段，这种技术手段用得好，不是简单的事情。我们为什么用金属反光，我们可以用低空卫星图像，拍得非常清楚，也可以用高空卫星图像，把整个全球大的幅度照片拍进去，如果拍得非常清楚就没有办法做时间序列，没有办法实时跟踪，因为数据量太大了，也不能太粗略，会看不到上市公司据经营的数据，所以金属反光是一个比较折中的方式，既能够判断大部分公司生产情况，又能够做一些实时跟踪。这是经过很多尝试探索之后决定使用的数据方式。

　　有些人可能说有些公司只是在室内经营，卫星图像用不到怎么办，我们有别的方式，比如今天在开会，使用手机定位，可以看到今天早上九点到十二点大家在这个房间开会了，如果是一家餐饮企业就可以看到经营活动情况怎么变化，所以这些科技手段对研究上市公司具体的基本面已经是非常有用。

　　我们在整个团队近几年的实践当中，不断地增加大数据和机器学习比重，现在大数据和机器学习成分已经占到近40%。我们现在也不认为技术可以完全替代人去做投资决策，我们使用的投资方式，是让人教会机器怎么判断，然后机器做出判断人就不干预，人干预的是看机器做得好不好，做得不好人再研究到底哪出了问题。我们每年这个算法大概有15-20%左右新陈代谢的概率，把老的东西淘汰掉，把新的技术手段加进来，这其实是一台不断进化的机器。

　　这个是我们团队使用的方法，这个方法局限性就是比较贵，每年买数据要用上亿美元，我们公司愿意做这样的投资，但是实际上在A股投资当中有很多很好的数据，即使不用这么多钱，也是可以开发出一些对实际投资非常有意义的方法和工具。

　　因子投资团队对资产做因子拆解

　　第二个例子讲另外一个团队，在多资产投资当中量化技术的使用。这个团队中文翻译过来叫因子投资，是全世界因子投资的开创者，团队领导人本来就是这个学派的教授，很多教科书都是他写的，得了很多奖，投资收益也非常好。

　　在多资产配置当中，大家经常碰到问题，比如我配置股票、债券、商品、外汇，有些情况下会发生这种事情，股债齐跌，似乎在各个资产类别当中分配并没有起到分散风险的作用。这个团队实际使用的方法是这样的，他会看这些资产背后驱动的因素是什么，分成两种，一种宏观，有些股票对市场经济增长会比较敏感，有些股票比如说公用事业股票其实和经济增长没有关系，可能和融资有关系，有些资产会对信用市场、使用评级非常敏感，所以不用把各种资产分解成不同大类资产，而是用各类因子来看。我们用一些分割因子，有了这些因子分析之后构建投资组合的时候，我们视角就会完全不一样，原来在纯股票投资当中，我们看每一个行业比例是多少，每个主题投资比例是多少，现在把这些因子分解之后，哪怕全是股票投资，用宏观因子来看，可以看到整个股票组合多少是由经济增长驱动，多少是由利率变化驱动，多少由通胀驱动。

　　再加上一些分割因子，分割因子整个风险水平上有些偏离，有些价值类股票相对来说，可能风险更加低一点，有些成长类股票风险更加高一点。在同一种风险水平下，在分割因子上差异，其实会让整个股票组合的风险分布也会有所不同。

　　我们用了因子分析方式，对一个投资组合来说就有一种新的视角，有了这个视角就会有很多量化的工具。大家有没有听说过我们公司使用的阿拉丁分析平台，这个是全球使用规模最大的风险管理平台之一，可能没有之一，就是最大的。

　　基于这个平台上，我们这个团队开发了因子分析的一些工作方式。把一个投资组合输入进去，它会告诉你这个投资组合当中，所有资产混在一起，欧洲、美国、新型市场股票债券所有东西混在一起，最后你到底拥有哪些因子，这是一个数量化分析。第二步问你是不是满意，可能投资组合没有分析之前，你觉得这个投资组合和美国经济增长相关性非常大，但是分析完了之后发现相关性最大的是新兴市场的通胀变化，如果这样你不满意，你希望对哪些因子暴露程度更加大。第三步，想好这些因子暴露程度之后怎么实施，用一个最有效、交易成本最低的方式帮你组建一个可以交易的投资组合。

　　当然如果买我们公司基金，实际上背后隐含了自己投资的观点，我们已经告诉你，我们推荐的因子暴露什么样子，在市场环境下希望构建怎么样的投资组合，背后的数量工具是这样，你要对因子有很清晰的自下而上加总起来权重的分析，这是最后合起来的小例子，如果是一个投资组合，到底风格上偏差是什么，比如说这个投资组合就比较不偏向于价值，它对动量的因子偏得更加多一点，这样一个投资组合和你心想的投资组合是不是一致，如果不一致，怎么样经过资产调整，来和你的投资观点保持一致。

　　这是一些具体数量分析的方法，这些方法最后起到的效果是，你赚钱亏钱都知道为什么。不是简单讲，因为我们医疗行业出了政策，医疗股亏得一塌糊涂，而是告诉你这个投资组合亏钱到底多少是由于经济变化引起，多少是由于偏重成长股，多少由于过度偏重价值。对我们来说投资就是需要这样，赚钱亏钱都知道为什么，这样你才能检讨，才能把这个投资过程不断地优化，这个也是客户对我们的期待。我们管大资产，不是想靠一个基金经理拍拍脑袋，而是告诉客户，我们赚的钱到底从哪来，今年能做到，明年也能做到。

　　风险管理分析团队分析风险偏向

　　最后一个例子，是贝莱德特别有特色的团队，风险管理和分析团队。风险管理团队基本上告诉大家什么事情不能做，哪些行业集中度太高了等，在贝莱德风险管理团队做很多定量研究。

　　举个例子，比如招一个基金经理说最擅长做反向投资，如果在数据可得情况下，我们会让风险管理看他过去交易记录，你说你擅长反向投资，那你反向投资成功率多少，如果风险管理告诉我这个基金经理投资有偏向，他原来是互联网研究员，看TMT特别有经验，但是金融不行，我们就要给他配一个有经验的金融研究员。

　　风险分析方面，刚刚我们全球开完一个投资者大会，今年的价值投资奇差无比，如果看这个图，今年从90年末以来，是价值投资最差的一年，是不是还应该坚持价值投资？我们这个风险管理团队做了一个非常好的演讲，他首先讲，你们基金经理讲价值，价值到底怎么度量，用市盈率吗，市净率吗，列了十几个指标，这些指标都可以成为价值指标，但是每个团队你要告诉我你用什么指标，不能一会用市盈率，过两天用其他的。

　　在美国市场当中可以看到，从05年来看，市盈率价值指标完全没用，信息比率是负的。所谓价值投资如果只是看市盈率就无效，但是在美国市场当中至少过去几年，销售收入占整个公司价值比例，作为一种价值度量指标是有用的，但是今年这个指标变得没有用，所以看风险分析的时候，这个团队提出，你要搞清楚所谓价值度量到底是什么。

　　第二件事情，最左边的图是罗素一千的指数，这个团队分析下来说看这个价值指数，但是并不纯是价值，绿色部分，43%是行业偏向，12%是对系统风险的偏向，36%是对投资风格，股票风格偏向，哪怕是一个所谓价值投资的指数，其实并不只是价值，在这个图上可以看得更加清楚。

　　今年价值投资在全球市场表现非常不好，看黑颜色的线，但是如果拆解看，蓝颜色部分告诉我它表现很不好是由于别的因子。所谓的价值，不是说你的价值那部分投资过多，而是你过度低配了波动性高的股票，绿颜色告诉你其实更多对行业有偏向，比如低配了航空公司股票，价值投资并不是纯粹看价值，而是隐含了对其他行业的看法。这个是最后分析出来的结果，整个数字是价值投资每年跑赢大盘，整个区间数字都是正的，哪怕今年价值投资非常差，价值投资还是对的。确实看到从70年代价值投资跑赢大盘幅度越来越小，价值投资越来越困难，这个就是风险管理团队给我们做的非常好的对价值投资的分析。

　　贝莱德像工厂一样生产投资收益

　　以上三个例子讲完了，最后总结一下，对我们来说投资很多时候确实是一种科技手段，大家可能听起来觉得最有意思的是大数据、人工智能这些非常新的技术手段，最后风险管理团队没有用什么新科技，但是他们把传统的定量分析做的很细致，这些都有助于让我们投资更加稳定，更加透明，让我们知道做的到底是什么事情。

　　对一家大的资产管理公司，我们想做到投资目标是，不管什么样的市场环境，不管什么样的宏观变化，客户给我钱，我就帮你生产出投资回报，这个投资回报像工厂一样，是不断能够生产出来，质量是可靠稳定的，这个我想是贝莱德这么多年能够管很多资金，能够得到很多客户信任的主要原因。希望对在座各位多少有些借鉴意义，多谢！

责任编辑：常福强