马科维茨在资产管理中有一句名言：“资产配置多元化是投资中唯一的免费午餐”。 这意味着实现特定回报和风险预算目标的最经济手段是通过广泛的资产类别配置。 使用对冲工具、衍生品或其他方法往往会带来成本，因此通过大资产类别之间的相关性构建相应的多资产策略是实现投资目标的便捷方式。
债券和股票的预测时间频率不同。 由于债券的交易频率较低，交易节奏较慢，通常以周级别为主。 相比之下，对于股票，尤其是A股，成交量、价格、技术因素更为有效，股票预测通常每天都会进行。
从历史上看，债券热情通常会持续四分之一左右。 但事实上，现在已经过去一个多季度了，市场依然处于看涨氛围中。 因此，我认为绝对受益者，无论是主动还是被动，都需要认真思考利益与风险之间的平衡。
我一直相信投资是一门管理错误的艺术。 芒格认为，投资基金经理必须学会应对“困难”。 只要每一分钟都艰难，每一天都艰难，他们就可能走在正确的道路上。 因此，投资实际上是管理错误的艺术。
我们一定要耐心等待市场下跌，因为只要市场非理性下跌，资产就会被错误抛售。 所以在市场下跌的非理性阶段，我们必须努力识别哪些资产被错误低估了。 这可以从合同履行和信用风险的角度来进行。 考虑。
上半年我们主要关注城投债和地方政府债的估值，下半年的逻辑是看地方政府债的估值是否存在分化。 我认为可能会有一些差异化为我们创造阿尔法机会。 但正如巴菲特所说，他只知道市场非理性下跌时会有投资机会，但下一次具体的机会还不得而知。
感谢您对御剑投资的关注。 第87期我们很荣幸邀请到泰信基金固定收益投资部总监郑宇光。
郑宇光，17年证券行业从业经验。 2020年6月加入泰信基金，担任固定收益投资部总监。 历任平安资产管理、太平资产管理、中投摩根基金、中信保诚基金、长江证券资产管理等投资经理。 他在固定收益领域拥有丰富的经验，对债券市场和各类机构投资者的行为有深入的了解。 善于研判经济基本面，把握债券市场投资机会。 在投资团队建设管理、机构间合作等方面也取得了一定的成绩。
投资产品的收益归属方向有哪些？
我们都熟悉马科维茨在资产管理方面的名言，那就是“资产配置多元化是投资中唯一的免费午餐”。 这意味着实现特定回报和风险预算目标的最经济手段是通过广泛的资产类别配置。 使用对冲工具、衍生品或其他方法往往会带来成本，因此通过大资产类别之间的相关性构建相应的多资产策略是实现投资目标的便捷方式。 具体来说，在基本方法论上，我认为大品类资产配置是基石。 在此基础上，我们可以构建各种策略组合，包括模型工具的使用。
大类资产配置时如何找到资产以及资产之间的组合？
教科书通常都会涉及比较基础的模型。 最基本的模型是通过历史收益、风险数据和相关性的适当匹配，实现相对舒适的投资路径。 随后，投资领域出现了一些研究型投资经理，对传统模式进行了改进。 后来出现了多种衍生品投资方法。
在实际应用中，传统模型的实现路径仍在讨论中。 我们的团队目前使用更多的资产温度计模型，特别是使用长短期记忆网络（LSTM）模型。 相对而言，我们的情况既包括主观方法论，约占70%，也包括定量工具，约占30%。 在使用量化工具的过程中，我们利用生成模型来预测资产未来的收益分配，并根据这个预测来优化组合。 BL模型（Black-model“简称BL模型”由Black和He于1992年首次提出，基于（）模型在金融行业数十年的研究和应用而优化。） 相对于CAPM模型 一般来说，是一种假设市场已经达到均衡的逆向金融工程，即当已经存在均衡分布时，根据基金管理人的主观偏差评分，使均衡分布从SAA偏离到TAA。
直观地说，资产温度计模型帮助我研究各种资产估值水平的“温度”。 假设100度是最高温度，0度是最低温度。 在这样的标准化范围内，对资产未来一段时期的走势或分布进行评分。 大语言模型实际上是一个语音识别模型，即我们输入前五个单词，它可以预测接下来的三个单词。 计算机图像识别的本质是将图像分割成像素，并将每个像素数字化。 这是因为计算机无法直接理解图像，只能接受数字输入。 在数字化过程中，每个像素被分割成红、绿、蓝三维坐标轴。 这三个轴是正交的。 每种颜色都有一个分数。 这些分数输入计算机形成完整的图像，然后通过不断的训练，计算机可以形成参数矩阵来识别和理解图像。
类比金融市场，国外已经应用机器学习和深度学习对金融市场进行图像分析。 基于文献研究，我思考并发展了一些可能不同的方法。 与国外学者主要关注K线图的成交量和价格不同，我用计算机来识别多因素正交图，即N维图。 每个维度代表一个正交因子，其中 N 取决于正交因子。 数量。 例如，如果有 40 个正交因子，则该图将是 40 维图。 这些因素可能涵盖股息收益率、KDJ指标、成交量和价格等多个方面。正交化后，这些因素被数字化并输入计算机。 计算机将理解该图并运行参数来做出生成预测。
债券和股票的预测时间频率不同。 由于债券的交易频率较低，交易节奏较慢，通常以周级别为主。 考虑到债券是一种宏观驱动的资产，基本面因素在其预测中所占的权重要大于技术面因素，而且许多基本面因素的发布频率较低，通常是每月甚至每季度发布。 在处理这个问题时，我通常会每周重新平衡一次。 相比之下，对于股票，尤其是A股，成交量、价格、技术因素更为有效，股票预测通常每天都会进行。 至于处理误差的方法，我会采用一些平均处理，因为所有的模型都有误差，尤其是生成模型，所以对于股票，我会对接下来7天的生成结果进行加权，然后进行优化。 对于债券，我会权衡未来三周的结果。
目前，通过资产温度计计算，债券的温度非常高，实际上可以达到1.6到1.8的水平（归一化区间为±1的参考维度）。 从历史上看，1.8 是一个相当高的值，并且已经存在了一段时间。 在所有的交易策略中，无论是主观的还是定量的，都存在一个经典的困境，即动量和均值回归之间的权衡。 具体来说，在什么样的市场环境下采用动量策略，在什么样的市场环境下采用均值回归策略？ 在这个问题上，主观因素的作用至关重要。
目前所有的量化模型都没有提供更高维度的范式，即判断市场是否处于动量状态或均值回归状态。 这个问题还没有解决，所以有时交易策略会失败。 所以我只能根据自己的经验来感受和判断。 一般来说，当温度计得分在-1到1之间时，市场处于动力状态。 在实际操作中，过于乐观或者温度过高可能会导致我开空仓，但这个策略并不映射到绝对收益策略，不适用。 相反，我必须停止多头头寸。 因为开立空头头寸可能面临交易中常见的两倍或三倍标准差，如果这种两三个标准差的情况持续超过一年，空头头寸可能会被清算。 因此，在这种情况下，我的想法是反方向平掉风险仓位。
根据资产温度计测算，债券热度还能持续多久？
从历史上看，债券热情通常会持续四分之一左右。 但事实上，现在已经过去一个多季度了，市场依然处于看涨氛围中。 因此，我认为绝对受益者，无论是主动还是被动，都需要认真思考利益与风险之间的平衡。 关于这个问题，我认为即使在今天，在非常成熟的发达市场，策略的分类、产品逻辑的清晰、产品风险预算的制定仍然至关重要。 这是因为没有人能始终保证自己的观点是正确的，无论是人类还是机器。
我一直相信投资是一门管理错误的艺术。 芒格认为，投资基金经理必须学会应对“困难”。 只要每一分钟都艰难，每一天都艰难，他们就可能走在正确的道路上。 因此，投资实际上是管理错误的艺术。 如果我们的目标是绝对回报，我们可以容忍错误，即周期性的低回报情况。 尤其是在市场温度高的时候，我们的收益肯定会阶段性的降低，但是我相信这种主动降低收益是为了保证在市场出现均值回归的时候我们的回撤或者客户的损失能够尽可能的小。或者估值修复，这是我对绝对收益权衡的思考。
除了资产温度计模型之外，还有其他投资模型吗？
在过去的一两年里，我一直在构建一个类似于风险识别器的模型。 因为我发现资产温度计可以提示机会，但是在风险识别提示方面还需要改进。 我读了报纸并得到了一些启发。 底层策略是识别风险，通过卷积网络识别全局风险点。 因此，我在思考如何将围棋或象棋的平面图转换为类似于K线的二维结构。 机器能否通过使用卷积网络（例如VGG模型）来识别图中的风险点并确定是否可以进行更改？ 。 我们团队在之前的工作中也主观感觉市场可能存在问题。 比如K线组合主线出现后，市场立即进入强烈负反馈下跌阶段。
所以我在思考是否有可能让机器执行类似的任务（像人的主观感受一样判断市场可能是有问题的）。 这个领域仍在进行中，但最大的困难是需要标记，因为它涉及监督学习。 我需要告诉机器什么情况是有风险的。 例如，我需要定义需要被机器识别的市场极端情况。 我们需要对历史数据进行标记。 在这个过程中，我发现一个难点是国内市场数据量太小，时间跨度短。 我试图延长数据时间跨度以获得更多信息。 例如，将日线转换为每小时或五分钟的分割结构，但效果并不理想。
这方面仍在进行中，我将其视为对该系统的补充。 我认为一个完整的系统应该像太极图一样有阴阳两极，就像人的左脑和右脑，一个负责宏观，一个负责微观，一个负责创新，一个负责风险。 这样的系统才是一个稳定、完整的系统。 。 因此，我认为建立风险识别器的工作是必要的并将继续下去。
如何将模型应用到投资过程中？
这个模型给我的一次提示是在2022年9月，提示风险比较高。 所以我们当时就把时长调整得比较短。 另一次提醒是在2023年6月，同样提示了较高的风险，我们也将期限调整得更短。 所以这个模式前年给我们带来了正收益，相当于减缓了一些下滑。 但对于2023年来说，可以说成功了一半。 7、8月的回撤幅度较小，但四季度的上涨却是昙花一现。
2022年9月，看到的信号是该债券在资产温度计模型中得分非常高，并维持了相当长的一段时间，超过四分之一。 通常我会在看到这种情况发生一个多月后开始采取行动，而实际上一个多月到市场实际反映风险之间的时间可能接近四分之一，有时更短，有时更长。 例如，2022年第四季度的调整持续了三个月左右； 2023年6月至8月的调整时间更短。 8月份后市场反弹很快，所以当市场过热时，不一定会立即下跌。 可能还需要其他更明显的信号来进行空头头寸。
债券市场包括股市有一个有趣的现象，就是涨的时候涨得慢一些，跌的时候跌得快一些。 这本质上反映了一种行为金融学，是交易者或人类的谨慎情绪反应。 上涨时大家继续持怀疑态度，下跌时却引起强烈共鸣。 所以很难说它是短暂的。 但做空的可能性很高。 因此，利用VGG网络来帮助确定何时空仓也是我接下来的重点。
您对混合债基投资组合中的股票和可转换债券等弹性资产有何看法？
有两个主要的定时操作。 第一次发生在2021年11月，当时所有股票头寸都被系统性减持。 尽管提前两个月出售，但关闭后股本却下跌。 第二次是2023年10月，我的二级债基将股票头寸维持在5个点以内，并逐渐加回来。 这是因为当时的模型系统地表明股市处于严重低温，处于底部区域。 以上是主要资产类别层面的。
个股层面，我没有自下而上的能力和经验，所以在管理二级债基金时，我主要买行业龙头。 我的模型其实可以支持个股，但由于处理个股因素的输入工作量较大，目前我只实现了第一产业指数的输入和匹配。 我每天用模型跑分数，然后根据这些分数买入相应行业的龙头股，所以我的方法论主要关注第一行业指数。
关于债券投资的想法以及如何管理债券投资组合？
我们作为一个团队工作，而我个人是从自上而下的角度工作的。 团队主要关注时长、风格以及一些宏观因素，比如成长值、行业比较等。 我们都知道，巴菲特的阿尔法回报并不是在牛市中实现的。 他更喜欢熊市而不是牛市，因为在牛市中很难找到好的投资机会。 因此，我们必须耐心等待市场下跌，因为只要市场非理性下跌，资产就会被错误出售。 那么在市场下跌的非理性阶段，我们要努力识别哪些资产被错误低估了。 这可以从绩效和信用风险的角度来进行。 从这个角度考虑一下。 我们团队会对此进行激烈的讨论，当我们内部达成共识时，我们通常会进行布局并采取一些行动，效果非常好。
因此，从归因分析的角度来看，我在团队中更多扮演的是投资组合风险管理和市场风险提示的角色。 在收入提升和机会挖掘方面，主要是团队的其他两位成员，包括团队的信用研究员，做出了很多贡献。 对于我们的信用研究员来说，我们最初的定位不是风险提示，因为我们把风险提示外包给了外部研究员。 我们内部的研究人员更像是股权研究人员，他们的任务是探索和提示机会。
投资组合从哪些风险维度进行管理？
我认为风险可以分为三个层次。 第一层是合规风险，必须严格遵守合规标准。 第二层是信用风险。 对于债券基金来说，信用风险是生命线。 但我认为信用风险是一个阶段性的。 如果随着我国债券市场的不断成熟，市场对违约的认识足够理性，违约率就能成为一个可控的风险因素。 如果国外高收益债券基金违约，只要损失在整个投资组合之初预设的范围内，其实并不构成问题。 我之前在外资基金工作时，管理违约风险的主要手段是多元化。 只要足够多元化，负债端足够稳定，风险就可以控制。 在这种情况下，没有什么是不可能违约的。 第三层是市场风险，是一个很大的贝塔风险，主要是久期因素。
这三个层面中，对于市场风险来说，虽然模型发挥了重要作用，但我认为在资产管理中，需要保持一个平衡，即主动管理和量化分析各占一半。 最近看到一篇关于美国大型量化基金 Fund创始人的有趣采访。 他批评说，当前美国金融市场正逐渐被被动投资和量化投资所主导。 我非常同意这个观点，因为我相信主动投资的投资者才是金融市场真正的推动者，真正的价值发现者。 当市场出现错误定价时，主动策略基于价值投资的逻辑和哲学来确定错误定价，并利用时间实现重估并获得回报。 反之，如果市场上参与主动管理的人越来越少，市场就会失去价值发现的能力，无法有效定价。 因此，在我们团队中，我个人的方法始终是主动管理至少占70%的权重。 量化只是一个辅助工具。 资产温度计不是资产配置的“医生”。 资产配置真正的“医生”是每个人。 基金经理。
70%的主动管理是基于哪些点来做出判断和决策的？
基金经理就像医生，有中医和西医的区别。 西医偏重工具，而中医更注重经验和方法论。 每个基金经理都有自己独特的风格和方法。 我个人有中西医结合的风格，可以使用工具，同时从数学和物理的角度思考金融市场。 我最初是在保险资管做债券交易员，对宏观经验和政策也有一些思考。 因此，我认为基本上需要将两者结合起来（工具分析+经验判断），就像西医诊断、中医开药一样。
基金经理本质上是策略制定者，策略是应对不确定性的唯一工具。 为了应对未来可能出现的不同情况，我需要枚举和预测各种可能性。 在这个过程中，我会针对每一种可能的情况做好充分的预案，这是一个合格的基金经理每天需要做的基础工作。
10
对今年的市场有何想法？
我觉得可以分为两个阶段来思考。 第一阶段是当前市场阶段，第二阶段是市场波动时。 在这个阶段寻找阿尔法实际上相当困难，特别是当整体收益率处于较低水平时。 即使我们尝试从特定行业挖掘阿尔法，也很难达到预期的效果。
下半年市场，我认为需要考虑一些均值回归的机会来拓展职业空间。 我们常说我们的职业空间只剩下20bp，已经跌到了历史低点，而且这个空间还在被压缩，但我认为市场总会向上复苏，再次为大家提供更多的操作机会和空间。 上半年我们主要关注城投债和地方政府债的估值，下半年的逻辑是看地方政府债的估值是否存在分化。 我认为可能会有一些差异化为我们创造阿尔法机会。 但正如巴菲特所说，他只知道市场非理性下跌时会有投资机会，但下一次具体的机会还不得而知。
11
主观+定量赛道未来职业发展如何？
我的本科专业是金融+应用数学双专业。 我一直对数学和物理有着浓厚的兴趣。 我相信学术的学习是终生的。 只要你保持好奇心，你就可以继续学习，而且不仅仅局限于在学校获得文凭。
对于未来主观+量化的赛道，我认为我们可以回到量化本身，即如何定义量化。 最早的算法交易是K线图，通过将其转化为二维图表并标记移动平均线等信息来分析股价波动。 算法交易和主观判断是密不可分的两个方面。 以专注于图表的基金经理或技术交易员为例。 他们的大脑是一个决策引擎，然后他们通过算法交易做出决策。 随着近年来机器学习计算能力的提高，以前需要几个月的深度网络训练现在可能只需要几个小时。 因此，当机器能够更有效地处理一些重复性操作时，我们的工具箱就会变得更加强大。 在这种情况下，我们将数据操作外包给这些工具，让我们能够更专注于更深层次的判断和决策。 所以我觉得主观判断+量化分析基本上是每个基金经理每天都会做的事情。 通过量化，可以更清晰地呈现一些规则，然后结合人脑的主观判断来做出决策。
无论是提供给基金经理一支铅笔和计算器，还是几个 GPU 来运行它，本质上都是一样的。 区别仅在于计算分数值的差异程度，而不在于性质。
随着外包计算使用的深入以及计算机计算能力和算法的不断进化，主观性+量化将不断发展。 所以，我认为主观+定量的轨道会一直存在。 这个轨迹从人类开始绘制K线图以来就一直存在，但未来可能会以不同的形式存在，主观与定量的比例也会发生变化。 可调整的。
面试日期：2024年1月
风险提示：
以上观点仅代表基金管理人或投资经理的个人意见，不代表投资建议。 所包含的信息或表达的意见仅供参考，并不旨在成为相关证券或市场的完整陈述或摘要。
