关于量化筛选基金经理的三个维度,选择基金经理的量化指标

评估投资经理是一项具有挑战性的工作。否则为什么资产所有者会花费如此多的时间和资源(通常是在顾问的帮助下)来进行经理人搜寻?正确的经理选择和评估需要彻底的尽职调查,但相对简单的问题可以作为潜在投资经理的有用的初始考察

在开始与量化经理进行尽职调查之前,资产所有者应该向该经理询问三个基本问题。如果经理没有提供足够的答复,他们可能不值得进一步考虑。尽管我们的重点是用量化的方式考察基金经理,但同样的问题也适用于以基本面的方式来考察基金经理,特别是在他们在投资过程中使用的量化指标或信号方面。

 

1. 您的投资过程的驱动因素是什么?

投资经理应该能够解释他们认为哪些因素对其投资决策最重要,并为其提供一些概念上的理由。例如,它们的股权因素应该在经济上直观且易于理解,而不是不透明或综合的。作为一个恰当的例子,请考虑价值因素的定义。像市净率这样的单一可理解的指标比混合指标有优势,例如由市净率和市盈率的某种组合组成的“价值”因素。

为什么要避免这种混合方法?首先,相对于市净率而言,市盈率是一个有回报的风险因素的证据的实证支持要弱得多。其次,即使我们使用这两个指标,以某种方式结合这两个单独指标的混合体,例如 50% 的市净率和 50% 的市盈率,也没有任何经济意义。也就是说,混合“因子”的返回流是什么?第三,结合不同的指标可能会给我们带来我们不想要的风险。最后,即使我们结合上述因素,我们也必须应用某种形式的加权方案,无论是静态的还是动态的。但接下来我们必须为我们的加权方案提供理由。如果我们唯一的理由是它在回测中表现良好,那么我们就犯了投资和统计中最基本的错误:

因此,使用一组具有经济意义并可以在概念上得到辩护的明确因素对于评估管理者是否拥有坚定且结构良好的投资流程或基于一组较脆弱的考虑因素做出投资决策至关重要。

股权因素策略的一个重要的附加组成部分是控制各种股权因素之间潜在的负面相互作用效应。例如,价值策略中的股票至少会受到动量和规模等因素的影响。如果风险敞口很大且为负,那么该策略可能会冲走从价值风险敞口中收获的溢价。因此,管理者必须制定适当的程序,允许因素倾斜,但控制这些负面相互作用的影响。如果不是,那么特定的战略就会偏离其既定的任务。管理者应该能够解释他们的流程如何在存在交互效应的情况下确保他们的预期暴露。

最后,衡量经理对第一个问题的回答的一个重要方面是其一致性。研究主管和高级投资组合经理表示,如果投资团队的不同成员对于投资过程中最重要的因素有不同的看法怎么办?那么也许他们的策略还没有完全制定。这种“不一致风险”可能会困扰定量经理和基本面经理,但在基本面经理中可能更常见,因为与定量同行相比,他们的投资流程往往不太严格。

 

2. 有什么证据表明您的投资过程将是有效的?

一个结构良好的投资流程应该通过大量的经验证据和一系列全面的统计测试来验证。例如,定量过程应该得到非常大的数据集、使用不同子样本的测试以及各种类型的模拟的支持。所有这些验证方法都应记录在案,最好记录在同行评审的期刊中。例如,Scientific Beta 的投资团队多年来总共发表了数十篇论文,阐述了其观点并用证据支持其股权因子投资方法。

为什么在期刊上发表论文有用?因为它为更广泛的投资界提供了评估投资团队想法的机会。而且由于评估者与作者没有任何商业利益,因此他们的评估更加客观。发表研究有助于确立量化投资过程的合法性。它不仅提供了对管理者投资方法的看法,而且还将管理者的研究工作与真正的科学实践结合起来。

在科学中,问题的答案来自共识。也就是说,不同的研究团队独立运作得出相似的结论。正因为如此,他们的结果相互促进。如果管理者无法解释或提供任何经验或其他支持,说明他们的流程为何有效,资产所有者应将其视为危险信号。

当然,一些投资公司不会公布他们的研究,因为他们说他们想保护投资过程中的专有要素,即他们的“秘密武器”。但这并不能令人信服。毕竟,其他公司确实发表了他们的研究成果,而不必担心被盗用。无论哪种方式,公司的方法论都应该得到专有经理研究和公司外部研究的支持。

 

3. 你们的投资过程中有哪些风险控制

确保战略能够实现其应有的目标,并且不会面临不良风险,这是有效投资流程不可或缺的一部分。例如,在股票因子策略中,目标通常是提供对一个或多个因子的集中敞口。因此,价值策略的回报应主要由价值因素的敞口驱动。如果因子策略的回报流来自于其他因素或个股的特殊风险,那么不必要的风险敞口就会悄悄潜入。因此,缺乏风险控制可能会导致意想不到的后果。

模型指定错误是任何投资策略的潜在风险。特别是量化策略,通常使用某种形式的优化来确定其投资组合中的资产权重。尽管任何优化都可能受到限制,但它仍然可能使投资组合过度暴露于特定证券、地区或部门的集中风险以及其他类型的风险。毕竟,没有一个模型是完美的,并且每个模型处理输入的方式都不同。因此,管理者需要采取适当的控制措施,以防止任何给定的模型使投资组合倾向于不良或过度集中的风险敞口。使用多个模型来确定资产权重是实现这一目标的一种方法。

在应用任何模型时,选择要使用的输入是一个重要的考虑因素。流程是否主要依赖于更稳定的指标(例如波动性),还是更不稳定的变量(例如预期回报)?管理者必须提供这些信息,以向资产所有者保证他们的模型是稳健且稳定的。

 

结语

可以肯定的是,这三个问题只是尽职调查过程的开始。然而,作为初始筛选,它们是评估任何经理的良好起点。如果其中任何一个问题的答案不令人满意,则经理的流程可能存在根本性缺陷,并且经理可能不适合进一步审查。

韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/72383.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 2023年7月4日 00:38
下一篇 2023年7月5日 00:00

相关推荐

  • 北京大学R语言教程第47章: 整洁建模中模型调优

    47.1 用再抽样技术计算模型评价指标 47.1.1 拟合效果 再抽样技术是指从同一个样本数据集中多次抽样产生多个样本, 这些样本当然不能做到相互独立, 但是也可以用来增大样本容量, boostrap是典型的再抽样技术, 而统计建模、机器学习中的交叉验证(cross validation)也是一种再抽样技术。 将全体样本划分为训练集(tr…

    2023年12月8日
    7800
  • 债务:难以处理

    作者:凯文·戈登 (Kevin Gordon) 对于经济和股市来说,利息支出都是一个日益严重的大问题,这强化了投资者在利率驱动的逆风中应保持质量的原因。 我们在 2022 年底发布的 2023 年展望报告中强调的预期之一是,美国预算赤字和联邦债务的主题将越来越成为“对话”的一部分。情况确实如此——最近由于长期国债收益率的上涨而加剧。在今天的报告中,我们将重点…

    2023年10月21日
    5700
  • 优化未来十年及以后的数据管理

    机构投资者在应对日益严峻的经济环境、增加对私人资产和另类资产的配置、并试图领先于不断提高的 ESG 要求等过程中,面临着越来越复杂的数据管理问题,仅举几例。此外,数据自动化标准和功能继续快速发展。我们与Northern Trust 美洲资产所有者主管 Melanie Pickett 进行了交谈,了解为什么投资者必须拥有有效、灵活和全面的数据管理解决方案,这些…

    2023年8月28日
    13400
  • 北京大学R语言教程第46章: 整洁建模基础

    从前面的模型介绍可以看出, 常见的有监督学习问题为回归问题和判别问题, 每一种问题都可以用许多种不同模型解决, 而每一个模型都可能包含需要调优的超参数集合, 对数据可能有不同的预处理、转码、函数变换、降维等变换。 这些模型由许多个R扩展包实现, 而且接口、选项各自不同。 tidymodels包提供了针对统计建模用户简便易用的建模功能和使用规范。 R有许多建模…

    2023年12月6日
    16700
  • 新兴或前沿市场的配置有时可能会提高风险调整后的回报

    今天飙升的通货膨胀、不断上升的利率和数十亿美元的投资欺诈很好地提醒我们,清楚地了解过去有助于我们更好地预测未来。事实上,它可以为我们制定投资组合分配决策提供可靠的基础。 这就是为什么我们需要牢牢掌握不同股票市场过去的相对和绝对表现。毕竟,如果不是不同资产的相对表现不佳和表现优异,那么是什么推动了市场周期呢? 考虑到这一点,股票市场按地区、国家、行业、市值和风…

    2023年8月14日
    15400
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部