【申城论剑】上海交通大学高级金融学院副院长、教授严弘发表主题演讲

申城论剑·第十届衍生品对冲投资（国际）论坛暨中国绝对收益投资管理协会第八届年会于2018年11月24日在上海静安洲际酒店举办。牛钱网作为媒体支持全程报道本次会议。

上午，上海交通大学高级金融学院副院长、教授严弘发表主题演讲，以下为演讲内容：

非常感谢今天有这个机会跟大家交流一下。

两个月之前马总跟我说做这个演讲，主要讲一讲新监管下的中国金融市场的发展。但这两个月以来中国的金融市场整个变化还是挺大的，两个月之前很难预测这两个月发生了什么变化。特别是这两个月原来的“妖精”都不是“妖精”了，而且现在对企业的违规都是以教育为主，而不是绳之以法，我们都不知道新监管的措施以后是什么样子了，所以今天我稍微改变了一下题目，资产管理的现代化应该是什么样的，或者在现代的资产管理跟金融市场的发展，应该形成什么样的互动？

    下面我就顺便讨论一下量化投资的理论基础，前面施总也讲到量化投资是比较热的，这几年在中国市场里跌宕起伏比较多，所以具体怎么去理解量化投资，特别是中国市场里如何做量化投资？这也是需要我们深入探讨的问题，今天也借助这次机会做这方面的探讨。

    首先，两个多月之前平安资管的张总就在我们这里做了一个分享，这两张图大家知道是哪两张图，一个是上证50的指数，另外是中证500的指数。500的指数像冲浪一样，也许他们有对冲，所以他们走起来还是比较稳健。我们上证50的指数像过山车一样，虽然这一段时间过去20年从头到尾总体的涨幅差不多，但是中间的过程可能就不知道“摔死”多少人了。我们看一下过去的十年情形更加突出一点，在美国市场里基本上什么也不做就坐等赚贝塔（音译）的钱了。当然阿尔法（音译）也很难获得。这种表现实际上是相辅相成的，因为资本市场里的参与者和主要的Players基本上都是资产管理行业的主要参与者，他们在市场中的行为也影响资本市场的表现。而资本市场的表现同时又为资产管理者提供了一个很好的发挥才能的平台。    但是这个平台加入很难，再有本身也很难发挥作用，所以规则不确定性出现各种各样的变化，同时信息不对称的程度一直没有获得很好的解决。一系列现象都促使了市场上必然出现的短期投机行为，谁在市场里做长期的投资，万一碰到机会不好，必然会“摔死”在“悬崖”上，要促成长期价值为主的投资行为是非常困难的，也造成了现在机构投资者散户化的形象，导致市场定价不完善性更加恶化。专业的资产管理能力能够促进市场风险定价的模式，能够更好完善。

在美国市场里，假如每年跑赢大盘两个百分点的话，那你就已经是行业里的翘楚，是非常难以获得阿尔法收益。所以美国指数的投资盛行，大家都去买指数基金了，对传统的主动投资也带来很大的压力。而且现在也出现了很多Smart Data的产品。而在市场里的风险和收益的正相关性，也是能够非常强烈的体现出来。

从整个资产管理行业全球发展模式来看的话，现在资产管理非常重要的基础，首先是法制化，要有非常明确的规则，然后行业也要有很强的自律机制，同时对出现违法违规的行为，能够从严进行惩罚，这样使得大家都能够遵从共有行业的规则。同时在金融市场里，对上市公司的信息披露要求要非常明确，这里监管和市场要共同的监督，实际上要时时刻刻保护中小投资者的利益。我以前在美国证监会工作过一年，美国证监会唯一的宗旨就是保护中小投资者，没有说要做其他的事情，没有说要保证股票市场一定要上去，但是它保护中小投资者，怎么保护呢？就是要使得上市公司信息披露很明确、很及时、很准确。另外，在美国也是注册制的，在注册制过程中监管层对信息的审核和市场对公司的监督是并行的，这是非常重要的一点，这对我们推出的上海注册制的科创板也是非常高的要求，我们在制度和体制建设上应该有更明确的措施。另外资产管理的基础就是专业化，资产管理行业本身就是遵从信托的责任。还有市场化，在法制的基础上，实际上让市场做事情，市场化的定价机制完善就非常必要。同时投资者对他们自己承担的市场风险要负起责任来。

    这是我自己总结的现代资产管理非常重要的基础。而在投资中大家都知道投资原则上应该是风险和收益相匹配的。在市场里风险是能够给投资者能够享受到风险溢价，也就是享受到风险的补偿。风险收益就是没有保障的收益，否则所有的收益有保障就没有风险了。这实际上就是如何打破刚性兑付的基础。整个收益里除了溢价就是无风险收益，整个收益里有两个方面，无风险是基础的收益，另外一方面就是风险溢价。无风险收益虽然是有保障的收益，应该以什么样的收益作为基准？这说起来似乎是很简单的事情，但在中国我们的无风险收益基准并不是非常明确。即便在债券市场里，国债也是不一样的，免税的事情使得比国开行的税要低一些。但是中国的国债的交易量要比国开行低很多。作为基准的市场来说，我们国债市场是远远没有达到它所产生的效果。至于投资中的风险和收益郭主席在六月份陆家嘴论坛上给大家提出了一个告诫。也就说明到这个时候，市场里很多人对风险和收益之间的关系是不清晰的。

中国市场的问题，无风险收益基准是不确定的，这也是刚性兑付所产生的基准，这也造成了短期投资的行为，市场里也就缺失了应该具有长期投资者的存在。市场定价的机制不完全的话，它实际上会直接影响到实体经济的发展。金融要服务实体经济，假如金融市场不能够梳理清晰的话，目标还是很难达到的。我们经常会看到刚性兑付产品收益是高于市场的利率，市场价格也会出现误导，对实体企业也会出现误导现象，使得我们资产配置出现很大的扭曲。

所以《资管新规》的作用就是打破各种形式的刚性兑付，减少经济杠杆和系统性风险。假如你没有打破刚性兑付，你有稳固、有保障的高收益谁都愿意去抬高杠杆获得收益，所以打破刚性兑付也是有利于减低市场中的杠杆，也会帮助我们避免不同监管主体之间的监管套利。

    另外《资管新规》对于行业来说会带来转折性的变革。资管产品的净值化会真正考验到资产管理人的能力，在这一方面我们在座很多的私募证券投资基金行业的管理人有着得天独厚的基础，这也是我们赖以生存的基本技能。我觉得《资管新规》的实施应该给我们整个行业带来新的机会，同时其他通道类业务也会大幅度减少。而《资管新规》有助于市场定价机制形成以及完善。现在很多金融机构对《资管新规》还是非常担忧的，《资管新规》的推出使得现有的非净值性产品需要进行退出或者处置，所以这也是为什么《资管新规》推出面临如此巨大的阻力和挑战。

    我们要帮助市场进一步发展的话，实际上它需要具备一系列的基本要素。而它最基本的要素就是信息的透明和准确，这也是我们资产定价的基础，只有这样的价格才能充分反映出来资产基本面的信息，而我们的股市才能成为国民经济的信息表，如果光看股票的话还看不出来我们的国民经济以每年10%左右的增长。同时证监会真正做好自己的工作，证监会也就不用每年都为股市波动而奔波。市场监管的重心就是保证完全性、准确性、及时性，这是从监管层面最应该做到的事情。

    而“独角兽”或者谁能上科创板不是监管层应该担心的事情，这是市场上自然形成的结果。我们的政府、监管层还是应该做好他们自己应该做的事情，而让市场去发挥市场的作用。因为“独角兽”不是扶出来的，也不是市场基金催肥催出来的，是在市场上受欢迎的程度而决定的。我们推出科创板，它是注册制的，它的信息消化是需要专业的人员帮助市场了解、辨别，这里需要有大量的机构投资者，同时也要有社保基金等长期投资者存在市场里，这对于我们市场也是提出了更高要求和更新的挑战。

    我们从目前市场形态来说的话，要真正实现美好的愿景还是有一定的时间，我们还只能忍受贝塔收益很差，也看到很多基金阿尔法收益还是很高的，到底阿尔法的收益从什么地方来？是从散户投资者的非理性行为？中国的技术因子跟基本面因子在市场中的作用是势均力敌的，也就是说中国市场里这些技术因子还是有很大的作用，说明也许散户投资者非理性投资行为，给投资者带来获得阿尔法收益的可能。另一方面阿尔法收益来自于量化投资策略。最近平安投资把主要的业务都转向了量化投资，量化投资到底是什么样的内涵？前面施总也说了，量化投资从这几年一开始大家很关注、很期待，到最近这几年成绩不是特别诱人，也有自身的原因。量化投资往往是跟因子模型有非常大的关联，大家谈到量化投资很多场合都会涉及到因子模型的讨论。虽然有些量化投资还涉及到不同的证券之间的套利机会等等，这也是属于量化投资的范围。但是对于基本面的量化投资分析来说，还是基于因子模型，因子模型是量化投资中的非常重要组成部分。

    我们都知道大家学过或者用过因子模型的，大家都知道Fama-French因子模型是典型的表现，从三因子变成五因子模型，包括市场因子、规模因子、价值因子、投资因子、盈利因子。所以盈利因子跟价值因子是互补的，这是美国的教授Novy-Marx提出来的。在五个因子基础上还有动量因子，所以在2016年的学术文章里用到了其他的“奇异”因子。这些因子有时候管用，有时候不管用，它的驱动因素到底是什么？

    之所以说因子是奇异因子，它和传统金融资产定价模型是不一致的，用传统金融模型解释这些因子失败的时候就产生了行为金融学发展的机会，最近二十年行为金融学的发展还是非常迅猛的，他们主要归结于因子收益的出现到行为投资者的偏差，造成股票价格的偏差，就造成了阿尔法的获取。但是这些真正是阿尔法吗？价格的偏差我们比较的标准是什么？我们用理论的CAPM做比较，还是用什么做比较？这也是三十年我们一直在探讨的问题。

最近十几年在这方面也取得了一些进展，现在有些学术、理论框架已经为因子的风险定价理论带来了新的视角，这里其中有关于规模因子的作用、价值因子作用、动量因子的一些基本驱动因素是什么。

今天实际上这个论坛是关于衍生产品，我们讲量化投资也离不开衍生产品，我们知道股票是最大的期权，股票是基于公司资产的期权，以前的定价模型都是以资产做模型，但是拿这些模型为股票做测试，实际上是有点南辕北辙了。因为股票本身不是公司所有的资产，股票是公司资产基础上加了杠杆的价值，它是以公司标的的期权。如果做一个关联的话，就可以看到股权价值跟公司价值不是线性的关系，是非线性的关系，它是期权的关系。这里涉及到公司是有杠杆的，公司遇到财务困境如何去解决？这也直接会影响到股东的收益和股东所面临的风险。    这种情况下，我们在十多年以前就创建了一个股票定价模型，股票定价模型就是考虑了公司本身杠杆，而股票作为有杠杆的资产期权来做一个定价，所以股票的定价模型就是对敲期权，它是有一定的回扣，一旦公司遭遇财务困境会产生资产重组而不是清算，清算之后股东是一无所获的，假如不是清算，通过资产重组还给公司带来一定的剩余价值的话，这个回报大小取决于议价能力。这个股东没有议价能力的话，一旦出现了财务困境债权人就清盘掉了。这时候预期收益率跟违约机率，我们正常感觉可以理解的违约机率越高的风险越高，你的预期收益率也就越高，预期收益率不一定实现的，但是风险它一定会更高。一旦给予股东有20%的资产作为进行资产重组的回报，我们就可以看到整个预期收益率跟违约风险之间的关系，就成了倒U型的关系，倒U型的关系可以直接用来解释一系列难以理解的现象，从这里可以看到预期收益率不是静态的数值，而是随时间变化的数值，它可以变成公司特征指数的函数，比如说公司的规模、公司账面资产价值以及违约率等，这样股票收益和这些指标有直接的关联，就是很自然的结果了。但是这些关系实际上是非线性的关联，所以线性因子模型是对非线性关系的反映，就是一个非线性关系在线性当中的投影，这种投影在不同时间段投影出来的结果可能不一样，某种程度上也可以理解某种因子在某个时刻可以管用，有的不能管用。我们在用了框架解释了股票收益率跟公司违约机率不是正向的关系，而是倒逆性的关系，这也是没有解释的问题。    利用同样的框架我们也可以有更好的理解。我们发现价值溢价是随着杠杆率公司增加的，我们用这个理论可以解释为什么会出现这样的现象。同时我们也预测了价值溢价在高杠杆、高违约率的公司上市之后还会往下走，这个预测也是得到了验证。顺便说一下我们讲的内涵都是基于美国的数据，后面会讲到在中国会是什么样的应用。

前面提到Novy Marx对价值因子与盈利因子的互补性也做出了相对的解释。这里显示互补性可以看到蓝线是美国市场价值因子的溢价，红线是美国盈利因子的溢价。从时间序列来看的话，价值因子比较好的话盈利因子表现比较差，价值因子表现差的时候，盈利因子表现比较好，我们也可以看到盈利因子和价值因子之间的互补也是跟整个市场中的风险周期有很大的关联。另外动量因子是很难以解释的现象，Fama-French因子是无法解释的。

但是在2007年的时候Sagi-Seasholes有一个文章说，动量是公司成长的时候带来的未来机遇，我们叫做实物期权，它是促进产生动量的原由。这对于初创企业、高科技企业来说是非常适用的。这个原理说一旦公司有了杠杆，这个原理就消失了。另一方面在2007年的文章发现有杠杆公司里，只有信用评级最差5%的公司贡献了绝大部分的动量策略，一旦把评级最差的5%公司去掉之后，整个样本里的动量策略就不管用了。这个现象虽然是实证现象，但很难以解释我们的研究表现，前面定价框架也能够显示动量测试的收益应该是集中于高违约率的股票。要理解这一点的话，我们只要看前面看到的预期收益率跟违约率之间的关系是倒U型的关系。在左边这一侧这个公司股票有一个负面的影响，这时候整个违约率就会上升，违约率上升下一期预期收益率会高，所以坏的表现预期未来好的表现，这跟动量完全是相反的，在左侧是没有动量的，右侧的话下一期表现就会比现在的表现更差。所以这时候就出现了一个动量的现象，在右侧正是信用评级最差违约率最高的公司。顺便提一下获得倒U型的关系，我们要借助很重要的假设，一旦出现了财务困境你需要有一系列解决财务困境的可能，就是你需要能够给股东带来一定的权益，通过合理有序的谈判机制给股东带来一个合理的回报。这在美国一旦出现了财务困境或者违约破产之后，它有很完整的解决这些破产重组的流程。所以相对来说是比较可预期的。但是在中国的话这个机制目前没有达到这个地步，这个关联就比较难以实现。

    这个定价模型还能做什么？我们现在也在预期这个定价模型可以帮助我们更好理解投资因子的效果以及资产增长的效应。同时对个股的波动性，对股票收益的影响也能给出一定的解释。我们做个多股票动态模型，可以做成计算机实验室，通过计算机实验室可以模拟出来出现收益的现象，也许跟我们看到因子的表现会有一定的类似情形。同时可以用到公司债权的定价机制上。问题是这套定价模型是否在中国适用？在过去一段时间内，因子模型是大行其道，到两年之前规模因子是很管用的，但是最近两年跌宕起伏也逐渐明显起来，而价值因子作用不是特别显著，动量因子基本上一直是不显著的，直到去年变的非常显著。

    当然还有其他一些因素加入，要把刚才说的理论框架应用到中国的话，还有一定的困难。首先中国我们一旦违约并没有违约联动的机制，假如一个公司贷款出现了违约，但并没有影响到在整个股市，或者对债券产生影响，这使得股权期权特性变的更加复杂了。另外在债券市场里第一个违约出现在四年以前，刚性兑付也是这两年弱化、在消失的过程中，这两年我们对信用风险的定价本身在市场里还不是很完全。另外市场当中散户交易为主依然存在。我们基于这些考量，中国的量化因子结构跟美国量化因子结构还是有差异的，我们把美国的量化因子结构照搬到中国的话，我估计会遇到很多的挫折。

所以最后总结一下，量化投资的因子结构应该是有它自己的风险和收益的逻辑，预期收益率和公司的特征是非线性的特征。用线性因子模型模拟它的话会出现模拟的偏差，这时候相关的收益是贝塔收益，你可能往往误认为是阿尔法的收益，这个区别并不是很简单就能区别出来的，特别是贝塔本身又是随时间变化的，这种区别就更加难办了。我认为在中国市场中的风险因子结构跟美国市场风险因子结构优很大的差别的，从前面两张图也可以看得出来，把量化投资理念用到中国市场还是需要对中国市场的实际有一个结合，有自己一套比较独特的量化因子模型帮助我们更好的理解中国的因子风险结构，从而更好从量化投资过程中获得收益。

谢谢大家。

声明：本文仅代表嘉宾观点。在任何情况下，本文中的信息或表述的意见均不构成对任何人的投资建议。