从投资视角看普惠资管产品的发展

从投资视角看普惠资管产品的发展
2021年04月20日 12:12 Chinamoney

内容提要

2018年资管新规发布以来,资管行业“除虚胖强肌肉”,扎实推进规范化转型。随着刚兑理财产品的逐渐消失,如何发展普惠资管产品是各类资管机构面临的机遇和挑战。站在投资的视角,多资产和多策略是实现绝对收益的核心,投顾和投资管理是实现普惠资管的主要方式,资产配置能力的提升和金融科技的积极赋能是普惠资管发展的两大助力。

一、资管新规下普惠资管产品的发展机遇与产品设计

随着资管新规的落地,刚兑的理财产品逐步消失,如何竞争填补由此而来的该类普惠资管的空白是摆在各类资管机构面前的课题。过去的银行理财本质属性是银行自营,两者区别仅在于资金来源、资金成本和投资范围。4%-5%的刚兑理财产品(含结构性存款)满足了普惠资管所需要的一切,不论是绝对收益还是夏普(Sharpe)比几乎秒杀一切宽基股票指数和债券指数。但该模式将风险聚集在银行体系,资管新规目的就是整治拆解高风险影子银行业务,清晰界定产品发行者和投资者的权利和义务,对资管行业实行统一监管。目前由于各类资管机构发展的路径和客户群体不同,因此中短期内仍在差异化的赛道中发展成长。坚持回归资管行业本源、发挥好自身赛道的优势是当前机构的立足之道,同时禁止多层嵌套和穿透管理可防止在统一标准前的监管套利。

破除资产池和刚兑后,对普惠资管产品(即收益率类似之前理财产品但波动率小于当前公募基金)的需求巨大,但符合该赛道的产品不多。公募基金产品投资风格鲜明,画像相对清晰,适合作为财富管理和投资管理的基础资产。而银行理财由于其差异化的特征,更加适合开发普惠资管产品。基于资产配置的理念和银行理财的优势,建立低相关性的策略族可以在获得有吸引力的收益率情形下有效降低整个组合的风险。

普惠资管产品从产品形态有如下三种特征:

1.收益确定型产品:能提供3%左右的安全收益,当前现金管理类产品(含货基)和银行中长期存款可以满足该类需求;

2.低波纯债产品:提供3.0%-5.0%的收益,主要提供者是银行理财子,嵌入同业借款等非标资产和债券组合久期在2年内可实现相对稳定的收益;

3.绝对收益产品:滚动持有3个月基本能获得正收益,并在多数市场情形下能战胜现金管理类产品,一般提供3.0%-6.0%的收益;

普惠资管产品从实现方式有如下两种模式:

1.通过财富管理,诸如投顾模式,为客户提供资产配置意见和具体基金组合。该模式是资管产品销售模式的升级版,从以AUM为核心升级为以客户赚钱为核心。

2.通过投资管理,即产品本身具备绝对收益或者普惠产品的特征,直接满足客户的财富需求,减少产品切换的经济成本。

过去一年公募基金大量布局绝对收益产品,但公募的优势品种集中在权益,需要提升权益低迷环境下的投资能力和摒弃追求排名(相对收益)的基因。而银行理财在投资工具的广度和深度、合作伙伴的多元化方面占据优势,在绝对收益产品上具备优势,可以从以下策略维度布局产品。

1.非标投资,即银行理财的品种优势,包括同业借款、券商收益凭证、非标债权等,符合资管新规和估值核算的成本法债券亦可纳入其中。

2.委外投资,即银行理财的生态优势,充分挖掘市场优秀的绝对收益产品,包括股债混合、量化对冲,通过公募基金和MOM专户的形式投资。选择和准入这些产品不能单看排名,需要评估在不同市场环境下的产品特征以及依据产品的波动性划分赛道,收益排名的延续性可能不如风险收益指标的延续性。

3.股债轮动,即银行理财的基础模式,以大类配置模型(比如风险平价)或者SAA为基准,通过打分卡模式进行股债资产的高配和低配,并根据不同的市场环境加入衍生品进行套保,或者加入商品应对可能的高通胀对股债的双杀。资产配置传统上以权益的比例作为策略目标或者风险预算,最新趋势是以风险因子作为资产配置的衡量因素。

4.策略投资,即银行理财的工具优势,包括中资美元债、全球策略指数、CTA商品策略、套利策略、趋势策略、反转策略等,该类投资主要聚焦于全球化配置和与股债混合低相关性的策略。套利策略是交易两类资产相对价值的回归;趋势策略是右侧择时,本质是反映人性,可以选择“圣杯”(领先标的资产的指标或者资产)交易股债商、可以通过资产共振(提高信号的确定性)确认当前风险因子的特征,交易裸露这些风险因子的资产;反转策略是左侧择时,可以选择资产内部的结构变换、资产横截面和时间序列的相对价值来做判断,FED策略就是反转策略的一种。

充分利用理财各类优势,势必纳入多资产和多策略。分散投资是“免费的午餐”,但如何组装来满足普惠理财的需求是技术活。风险预算是驾驭分散投资最好的武器,比如确定产品的最大回撤,依据宏观环境选择合适的策略,并设置每一个策略的配置比例,在满足最大回撤的前提下,观察策略组合的预期收益是否满足客户或者产品的需求。

二、探索普惠资管产品的发展之路

(一)提升资产配置能力

众所周知,天然具备稳定正收益的资产主要的是债券和股票,因为它们有票息和股息,收益的根源是经济增长,因此是资产配置的基础。而商品虽然和通胀相关,似乎具备正收益,但巨大的换仓成本往往超越通胀本身,汇率由于骑乘除以波动率非常小,并非能长期持有的资产。

资产配置的价值就是获取债券和股票的长期正收益,并且通过两者暴露的风险因子(经济增长)的负相关性来降低波动,从全球经验看,货币政策工具从数量工具转为价格工具决定了股债负相关性能长期有效。股债的配置比例一般取决于资金的属性,不考虑对市场的判断能力,资金越长越追求相对高风险高收益的资产,反之亦然。

中国的财富结构、工程师红利、企业全球化、金融开放化以及美股美债的历史决定了中国股和债长期牛市的基础,因此风险平价可能是当前最好的SAA策略,依据风险(波动率)配置股债,资产会更多投向债券,而国内债券的Sharpe值不仅相对股票具备较大优势,而且是全球主流资产的最高;欧美债券的预期Sharpe值和静态收益都低于权益,而风险平价高配债券,并非海外配置的最佳策略。

资产配置的理念早在2000多年前就存在,《塔木德》就提出应将个人资产三等分:土地、商业和现金储备,强调了分散化的思想。Markowitz在1952年提出的均值方差模型开启了量化资产配置的时代。

20世纪80年代,美国的401K计划激发了养老基金的配置需求,基于控制风险的模型应运而生。1987年Black & Jones提出CPPI策略,不过该模型仍然缺乏灵活性,安全资产的利用率较低。

20世纪90年代以来,一方面均值方差模型不断完善,另一方面资产之间的轮动关系更受到重视。1994年和1997年分别提出的GEYR模型和FED模型,通过比较权益隐含收益率与债券收益率的相对高低,决定权益资产的高配和低配。在模型中引入主观观点亦快速发展。1992年的B-L模型是结合投资者观点的均值方差模型,1996年Tibshirani提出的LASSO方法(加入惩罚函数降低调仓强度更适合实战)一定程度上缓解了马科维兹模型的参数敏感性问题。2004年的美林时钟是判断当前所处的经济环境,并给出股票、债券、商品和现金的配置建议。

21世纪以来,全球风险上升,人们越来越意识到追求短期高收益并非战略配置的目标,基于风险预算的资产配置逐渐崭露头角并大行其道。2004年Dalio的桥水基金采用基于资产的风险均衡策略;2014年Qian提出基于风险因子的风险均衡策略,将风险因子定义为股权风险、利率风险和通胀风险三类,量化不同资产对各因子的暴露程度,并对各因子进行平衡。

上述这些模型都是开发普惠资管产品的重要理论基础。

(二)强化基于净值的管理文化

净值化管理要求整个业务流程更加精细化,原先资产池模式掩盖了投资管理对配套机制的真实诉求。

1.投资者的公平化,净值化管理的核心就是公平、特别在客户承担风险的情形下尤为重要,应当提倡遵循法规的实质化,公平对待客户和资产管理人。

2.投资工具丰富化,发展三方回购、风险对冲工具、场内期权等多元化的工具不但使净值型资管产品能应对不同市场环境,更能降低企业融资成本,因为有对冲工具能对资产的需求保持稳定。

3.三方估值合理化,统计显示,不同的估值机构在对同一个债券的估值价格平均差异超过0.5元,应鼓励资管机构的产品采用侧袋估值和自主选择估值机构,估值应更多参考二级市场价格,这样不仅提升价格发现机制,更能提升市场流动性。

4.契约意识普及化,债券的违约本质上可以推进利率市场化和风险定价能力,使得优质企业的融资成本更低,但信披不规范、恶意违约、违约处置不公平等都容易造成“劣币驱逐良币”的恶性循环。

5.风险管理市场化,管理好直接融资市场的相关业务需要将信贷管理文化转换为市场风险管理文化,抓住实质风险,充分利用资本市场的信息透明度高、价格机制合理、市场流动性好等特征。

6.销售行为投顾化,财富管理的本质是挖掘客户的真实需求,根据客户的风险和流动性承受能力获取收益,避免类似“基金赚钱基民不赚钱”的情形。

7.系统开发投研化,净值化的资管对银行来说是新生事务,提升投研效率和能力需要将系统从纯操作性工具转化为激发投资能力、识别风险的体验性工具。

(三)金融科技积极赋能

科技在资产管理中潜力巨大,除了交易、风控、结算的流程化系统化,金融科技还能在以下三方面助力资管:

1.智能工具:如网络爬虫、OCR识别、文本解析、自动报表、知识图谱等工具是对大数据最好的整合工具,大幅提升投研和风控的效率。

2.智能投顾:是基金投顾和银行渠道最新采用的工具,即通过投资者画像和量化模型进行资产配置,做到低门槛和低费用下的资产组合方案定制化。

3.智能投资:是投资理念、大数据、AI算法的结合,直接应用到资产管理中,科技赋予更多实现Alpha的可能性,亦可以延伸Smart-beta的内涵。

严格规则下的棋类游戏中,电脑Alpha Go完全能击败人类,但智能投顾和智能投资相对智能工具更为复杂,因为目标不够清晰,无法完全由AI替代。客户行为非完全理性,其风险收益曲线是不确定的,同样投资本身是科学和艺术的结合,因此科技是辅助人脑拓展资产管理的边界和能力,是完善HI和AI相结合的新模式。基于经验的Alpha Go的模式也许是最好的实践路径,至少投资抉择需要的数据和信息都能展现给投资人员。

国内投资端已经开展对数据挖掘和科技应用的布局。如根据刷卡数据判断某个企业的增速,用卫星定位判断高速公路的流量,用手机信号判断是否是鬼城,利用购票软件分析每部电影的实时票房,用水电费数据分析企业的经营状况等。智能投资使得更多的前瞻性数据得到应用,金融市场对信息的反应更为迅速。当前的投研是数据的竞赛,比如车企推出新款车型,最古老的方法是分析企业的财务报告看新车型的销量,提前一步的方法是去4S店调研获取一手数据,更为前瞻的方法是在新车发布后看汽车专业论坛与该车型相关的发帖量,有流量有热度是成功的必备条件。

作为资管产品的基石,信用债投资亦大量运用到金融科技,债券市场流动性差,提前发现风险就是最好的投资策略。新闻、社交和异常报价串起的负面舆情线索,基于违约和高收益债挖掘特色财务指标识别风险,使用各类要素价格提前评判企业的盈利变化,信评理念与公司公告的智能关联等功能使得信用债投资逐步武装到牙齿,伴随打击“逃废债”以及契约精神的深入,信用债投资将成为人力叠加高科技的竞争。

作者:叶予璋、周仕盈,兴银理财

财经自媒体联盟

新浪首页 语音播报 相关新闻 返回顶部