编者按：在上一期《汯观量化》文章《从可预期的超额及其稳定性来看 量化依然具备高配置价值》，曾提到“虽然股票的年化收益率是所有大类投资品种中最高的，A股也是世界上最好的市场之一，但是其波动率也远高于其他。所以特别考验人性，如果能坚持下来，长期下来可获取不错的收益。”

同时A股机构投资者的超额相对较高，综合来看优秀的主观多头和量化多头都能给客户带来不错的长期收益，但净值波动也较大。即使近六年A股波动率呈下降趋势，仍有大量风险厌恶型投资者希望投资于波动率较低的产品。如何优化投资者在长期持有过程中的体验，帮助客户对抗投资对人性的考验，并最终分享到基金产品的收益？这一期《汯观量化》将从策略和产品角度，分享明汯的相关思考和实践。

Q：随着A股有效性逐渐提升，当下择时的性价比如何？

A：从理论和实践上看，长期平均收益率越低且波动越大的资产越有利于择时，如商品期货市场——长期持有多头仓位的收益约等于通胀收益，并未增加额外收益，最终到手收益或不如银行理财。且期货市场波动较大，预测模型可获取较高的择时收益，同时长期持仓收益也几乎未有损失。比如CTA时间序列类的策略侧重预测中短期价格的变化，而CTA宏观策略则侧重预测中长期价格的变化，由此获取一定收益。实践上来看，两类策略都有长期成功的案例。

在早期的A股市场上，择时也曾起到很好的效果。2001-2010年A股市场年化波动率高达60%左右，当时市场巨大波动性带来的择时机会确实可以降低风险的同时还增加收益。

但在当前的A股市场，择时的性价比并不高：

1、作为最直接参与和分享经济发展红利的投资工具，拉长投资期限来看，股票是最为优质的投资品种：

■ 上证指数自1990年上市至今，年化复合收益率11%左右。更具代表性的万得全A指数，在2006-2022期间年化复合收益率也超过12%——均未包含分红收益——A股的贝塔收益本身就已较为可观。另外从风险角度而言，近六年A股的年化波动率也已经下降到20%左右，指数择时的收益风险比由此也大幅下降。

2、降低最大回撤意味着对择时胜率的要求极高，而完美躲过每一次市场大跌几乎是不可能完成的目标：

■ A股从1998年以来，历史上曾出现过七次趋势性下跌，大约每三年半左右发生一次，下跌时间为半年至一年，期间指数跌幅30%左右（包括1999-2002、2003-2005、2005-2008、2009-2012、2013-2015、2016-2018、2019-2022）。只要时间拉到足够长，最大回撤 ≈ 最大敞口 × 满仓策略历史平均最大回撤。和一直保持约定最大敞口的产品相比，带择时的产品波动率虽有所下降，但两类产品线的最大回撤基本可比——而最大回撤恰是大部分投资者最为关心的指标之一。

3、相比固定敞口产品，股票择时一般需要通过降低敞口实现：

■ 直接降低股票仓位：这属于相对较差的方法，降仓期间相当于放弃了这部分仓位的阶段性收益，几乎是与“A股长期向上的贝塔收益+超额收益”做对抗。再加上当前A股量化选股策略超额还比较高，动态调整股票部分仓位收益损失较大，基本不太可能通过择时来弥补；

■ 做空股指以降低敞口暴露：这个方法相对稍微好一些，但由于中证500股指长期贴水，在牺牲了长期向上的贝塔收益的同时，还额外承担了股指对冲的成本，择时也很难弥补掉这部分损失。

对于市场本身的短期波动，预测和判断的难度非常大，而规避此类风险所“付出的代价”与“期望收益”是不匹配的。

“期望收益”有两方面：最理想的是希望通过市场择时来提升收益，但这需要极高的择时胜率，在当前的A股市场不太可能实现；次之的目标是降低风险，但如前文所述，“让渡收益”基本是确定的，但“控波动降回撤”则充满不确定性且效果有限——降低波动率还有一定实现空间，而降低最大回撤较难实现，并非主观意愿所能决定。从实践上看，择时带来的潜在收益是非常不确定的。

“付出的代价”是“放弃收益”，在A股贝塔收益和机构超额收益都较好的情况下其实损失不小。而且大部分择时策略偏右侧交易，而市场在较大跌幅后反而收益风险比更为理想，彼时“放弃收益”，再考虑到还有额外支付的对冲成本，“付出的代价”大概率不能得到有效补偿。

投资者需对当下A股择时的意义和价值重新做深入思考和评估，且需要较长的评估周期。

Q：如何找到优化收益风险比的有效解决方案？

A：在当前市场环境中，对于想要抵御通胀、升值财富、获得稳健收益，同时又希望控制产品回撤的投资者来说，通过不同策略之间的弱相关性进行科学组合、可提供相对更高的投资性价比的多策略产品线是不错的配置选择。优秀的多策略产品符合以下一些特征：

1、侧重策略组合而非资产配置

■ “多策略组合”的底层策略一般有着各自独立的Pure α，收益来源多元化且足够分散，依照目标波动率通盘考虑各子策略的风险预算、相关性、仓位占比，更侧重自下而上做组合优化，绝非简单策略拼盘。

“资产配置”更侧重自上而下的“多资产的贝塔择时”，一般用宏观数据和指标，用主观或者量化的方法在股票、商品、外汇、债券等各大类资产进行动态配置，分散系统性风险平滑波动。规模容量上资产配置类产品相对更大，但多策略产品的收益风险比相较而言更优——以代表性产品为例，采取多策略配置的千禧基金夏普率约2.57，收益回撤比约1.9；采用宏观资产配置策略的桥水Pure α基金夏普率约0.65，收益回撤比约0.48。

2、丰富的子策略提供分散的收益来源：

■ 一般来说，独立的子策略越多、单独的子策略收益风险比越好，多策略产品的收益风险比就越好。还是以千禧基金为例，底层有超过250个独立团队，1600名资产管理人士，有各种不同的交易策略，才能在管理500亿美元的情况下依然实现非常优秀的收益风险比。国内多策略产品也需要尽量扩大收益来源，使得底层策略更为丰富和分散；不过国内能做的子策略比起全球化的基金相对较少，由此对子策略的要求更为严格。管理人需要通过较长时间的研究力量投入以及实盘交易验证来持续优化提升子策略。提供更优收益风险比的背后，恰恰体现管理人严谨成熟的投研体系、子策略的丰富度和积累深厚程度。

3、评估多策略组合两个重要风险指标：

■ 可预期的目标波动率：

当下市场上“多策略”几乎成为时髦标签，但具体拆解来看，不同的多策略产品其风险收益特征和主要收益来源其实完全不同。目标波动率则是一个重要观察指标——即收益承担的可预期风险，投资组合需要围绕目标年化波动率上下浮动，确保不出现太大偏离。

相较最大回撤的不可控，目标年化波动率则更为可预期。目标波动率是统计方差，最大回撤是收益分布——数据点越多，出现极值的概率越大——即产品成立时间越长，经历极端行情次数可能越多，理论上最大回撤刷新记录的概率也就越大。

■ 可量化的风险预算：

风险预算是指将投资组合的风险进行度量并进行风险分解，根据事先设定的所能承受的风险水平，将风险配置于不同的策略类别，使风险水平整体保持在可承受的预算范围内的过程。这是一个动态的不断调整过程，通过对风险的跟踪与监控，进行策略仓位占比及风险配置的再平衡。

风险预算对获取绝对收益非常重要，为实现更精细化的风险管理，需要通盘考虑三个因素：

■ 各个策略上的分配

从产品的目标波动率倒推各个策略的风险预算及仓位占比区间。

再比如还要考虑子策略之间的相关性，以量化多头和中性部分为例，底层均使用了量化选股策略，业绩天然有一定相关性，在组合层面也要一并考虑进来。

■ 不同风险因子的配置

如股票市场的贝塔风险、风格和行业风险，债券市场的利率风险、久期风险、信用风险，如果做全球多策略，还有汇率风险等等，均需在组合层面一并纳入风险预算考量。举一个例子，假设有一个子策略是地产行业信用债套利，另一个子策略是能源行业信用债套利，表面看低相关，但实际上都暴露了信用风险。

极端风险下的共振

正常情况下，有不少资产和策略呈现低相关性，但在2008年全球金融危机极端情境下，绝大部分资金倾向降低风险偏好，降杠杆，追逐流动性。致使很多策略都出现高度相关性。对于这样极端风险下的共振，需要做风险预算时留好足够空间，并动态调整。