高思卓

源起于配对交易

股市的高波动性，通常也会导致股票投资的高波动性。为规避此高波动性，一些投资经理构建出市场中性策略的投资组合，而无需再担心市场走向。配对交易可能是最原始的股票市场中性策略，起源于20世纪20年代初。当时，传奇交易员杰西·利弗莫尔（Jesse Livermore）凭借他所谓的“姐妹股票对”（sister stocks）赚得钵满盆满。“姐妹股票对”交易策略基于这样的观点：两只具有相似特征的股票通常会一起波动，其价差会形成一种平衡，一旦价差增大到一定程度，基于价差会恢复到平衡状态的预期，通过多/空头交易便能获利。

起初，配对交易策略由具有单纯选股背景的经理来运用，从基本面估值的角度挑选配对股票。而后许多统计员也开始介入这一策略，利用纯统计模型来挑选配对股票，扬长避短。由于系统应用了统计模型，使得涉足的投资范围更加广阔，同时避免了因主观判断失误而遭受损失。久而久之，这种统计学方法不仅运用在配对交易领域，还进一步拓展到一篮子股票的相对定价，这种方法便是俗称的“统计套利”。

借助数理模型进行 “统计套利”

“统计套利”的基础假设是：多组具有相似特征的股票应该以相同的方式进行平均定价。但由于非理性、历史或行为等因素影响，这些股票组之间可能会出现短暂的价差，这种价差有望在一段时间内重新恢复到正常水平。

这一策略借助于统计模型，并根据若干标准将整个股票市场“大卸八块”，以寻找各组股票之间的系统性差异。统计模型通过多种因素来解释股票价格的波动，不仅剖析市场风险（贝塔值）和股票具体风险，还会进一步将股票具体风险分解为各种普遍风险（例如板块、市值以及其它宏观或微观因素风险）和剩余具体风险，剩余具体风险被认为是随机变化的。由此构建的投资组合通常包含大量的多头和空头头寸，多头选自表现最优的股票组，而空头来自表现最差的股票组。

借助于因素模型，投资组合经理就构建出一个具有最高预期超额收益而风险因素中性的投资组合。当然，风险因素的所谓“中性”是有限度的，随着更多的风险因素被对冲，增值机会也会相应减少。因此，“因素中性”意味着投资经理要在风险与收益之间做出权衡。

一般来说，一个统计套利投资组合通常包含成百上千只股票，其中最大的头寸规模在基金中所占比例通常都是个位数，以此保持投资组合的多样化，并可运用杠杆实现预期风险回报率。模型不断纳入新的信息，投资组合也会在模型的推动下达到动态平衡，交易成本和损耗情形也被考虑在内。由于投资过程主要依赖基于复杂数学运算的计算机程序，而且大部分程序内容属私人所有、不对外公开，因此对于业余投资者来说这就像一个神秘的黑匣子。

以某亚洲统计套利基金投资组合为例。从多头和空头的头寸数量到风险敞口，都是比较匹配的：多头的市净率1.26，稍低于空头的市净率1.32；多头市盈率11.7，大幅低于空头的16.06；而多头的股息率1.86%，远高于空头的1.02%（表1）。而从国家或地区配置和板块配置来看，多头和空头比例均比较均衡。

统计套利变成

“高智商天才”的游戏

统计模型要从Barra模型说起，这可能是第一代多因素风险模型，由任职于伯克利大学的经济学家巴尔·罗森伯格（Barr Rosenberg）设计。巴尔在20世纪70年代初担任富国银行的顾问，后创立咨询公司—巴尔·罗森伯格联合公司（Barr Rosenberg & Associates，简称“BARRA”），1979年，BARRA将加州大学伯克利分校金融学教授Richard Grinold招入麾下任研究部门主管。巴尔1985年离开公司后创办资产管理公司，Richard成为BARRA的总裁。1987年，哈佛大学物理学博士Ronald Kahn加盟，进一步推动了BARRA的研究工作。Barra模型针对美国股市设计，共有55个板块因素，外加13个普遍风险因素，例如增长、净收益率、股息率、市净率、财务杠杆等。后Richard和Ronald加入富国银行从事指数投资，该指数部门后来发展成为巴克莱国际投资管理公司（“BGI”），擅长指数产品和统计套利。

Barra模型推出后，日益受欢迎。20世纪80年代末和整个90年代，统计套利公司风起云涌，包括文艺复兴科技公司（Renaissance Technologies）、数量投资者公司（Numeric Investors）、和声公司（Symphony，BARRA的姊妹公司）、双阿尔法（Double Alpha）、AQR等。随着越来越多的新进入者，竞争异常激烈，数理模型也推陈出新。其中之一是运用了“潜在因素”，单纯通过主成分回归的统计学分析得出，而并不去定义风险因素。另一个创新方向则是采用聚类分析，这种分析模型完全不需要使用风险因素。聚类分析并不是将股票的具体风险分解成不同因素，而是将股票看作不同的集群，并对每一个集群进行分析。其他模型则完全采用价格-数量数据，分析方式类似于期货顾问（“CTA”）对商品期货进行投资。经过持续不断的研究，因素类别变得越来越多，尤其是出现了不同的行为因素，不过，多数创新模型并非长期有效，多因素模型仍然是主流分析方法。

有些股市中性策略经理主要关注短期投资机会，而高频交易的出现也加剧了机构在实时数据收集和自动化交易方面的竞争。最后从竞争中胜出的都是那些有财力的公司，它们能够聘用一批数学博士、物理学博士或计算机科学博士团队开展长期研究，竞争变得越来越像高智商天才之间的游戏。

文艺复兴科技的传奇

在这些采取高智商天才路线取得成功的对冲基金经理公司之中，最著名的当属由传奇数学家詹姆斯·西蒙斯（James Simon）1982年成立的文艺复兴科技公司。文艺复兴科技公司管理着超过230亿美元的资产，公司在石溪大学旁拥有一块50英亩的地产，上面建有一栋面积达11.5万平方英尺的校园式建筑。公司共有员工275人，其中1/3拥有博士学位。拥有50亿美元资本的大奖章基金（“Medallion Fund”）是文艺复兴科技公司的标志产品，其主要投资于注重短期收益的统计套利，同时也从事货币、期货和商品交易。该产品创下的收益纪录十分惊人—自1989年成立以来，扣除高额费用（5%的管理费和44%的绩效费）后年化收益率仍高达35%。

统计套利发展新方向

尽管投资过程主要依赖于模型，但当某些重大事件发生，会对某只股票或某个板块产生巨大影响时，个人判断也会影响有时甚至主宰投资过程。例如，如果一家经营不善、资产状况不佳的公司被某一战略性买家接管，这样的股票通常会被排除到投资范围之外，以免将其纳入空头投资组合。此外，像2001年“9·11事件”也足以说明这一问题：这场恐怖袭击导致所有航空公司的股价都大幅下跌，由于商业前景十分惨淡，有些航空公司甚至面临破产风险，所以投资经理很可能决定退出整个航空板块，因为这次灾难会大大改变这个板块的发展前景。当投资经理认为股票或板块价格行为的性质会因某事而发生改变，而模型又无法分析出这种变化时，投资经理可能会决定剔除这只股票或退出相应的板块，这是风险管理中十分重要的一部分。

所以，近年来出现了一种不同于“高智商天才路线”的统计套利发展方向。有时人类的判断高于自动化处理，因而越来越多的研究致力于将人类判断与机器相结合。其中一个例子就是通过自行判断确定模型中各种因素的重要性。投资经理对因素重要性的判断反映了其宏观观点，或宏观观点与业绩趋势的结合。一旦确定了因素的重要性，其他内容都会在模型投资组合中自动生成。在具体事件中，人的判断也可能与机器进行互动。投资经理并不只是剔除股票，还应该深入了解这只股票和项目，以便根据头寸大小和其他相关风险管理问题来决定运作方式。所有的这些活动都是尝试把从宏观或微观环境归纳出的前瞻视野加进自动化处理的程序。从某种角度上说，这偏离了自动化处理的原则，但是它可以弥补“模型总是只会回顾历史”的缺陷。

对于本文内容您有任何评论或补充，