在管规模超万亿元!解密贝莱德旗舰投资策略
huang_zu_xin
发表于 2024-6-22 11:13:30
3041
0
0
作为管理规模达10.47万亿美元(今年3月末数据)的全球资管巨擘,贝莱德早已给出成熟答案——作为其旗舰策略,系统化主动权益投资(Systematic Active Equity,下称“SAE”)策略运用机器学习,自然语言处理等大数据分析方法,来捕捉对投资有指导价值的投资信号,已有超35年的研究经验和投资实践。截至今年一季度末,SAE策略全球在管资产规模超过1500亿美元(约合人民币10900亿元)。
在外资巨头纷纷增配的中国市场里,SAE策略也已在相关产品中有了不俗表现。
从纷繁复杂的数据中捕捉投资信号
简单归纳SAE策略的核心运作逻辑:基于大数据分析,更快、更广、更精确地过滤并提取有价值的投资信号,并采取严格的风险管理,力争为客户创造可持续的超额收益,可以说是“资管科技”理念落地到实际投研的标志性策略。
SAE策略的大数据和科技创新属性,还体现在人员构成和体制机制上——它是少有的拥有约100名投研专家、大数据科学家和科技人员的策略,并自主研发和迭代投资信号,以及大数据分析模型、投资组合最优化引擎等投资流程中所运用的工具。
贝莱德集团董事总经理、SAE团队资深投资经理赵睿从投资目标和理念、风险管理、交易成本管理等方面,介绍了SAE策略的投资方法论:
首先是投资目标,SAE策略追求长期的、持续的超额收益。投资理念上,策略模型通过多维度的数据分析,对个股进行基本面、投资情绪等全方位的分析和预测,来寻找最具有超额潜力的投资标的。
其次是风险管理,SAE策略始终全仓投资、不集中头寸,践行分散性投资,在个股、行业、风格等方面都有严格的风险管理。
此外,交易成本管理也是策略实施的重要方面,SAE策略会在投资组合最优化的时候考虑交易成本,在预期超额收益、风险贡献相类似的标的中选择交易成本更有性价比的。
支撑这个投资方法论落地的是数据。
赵睿告诉记者:“我们组(SAE团队)从2008年开始做大数据和机器学习,数据科学团队持续不断地研发和创新,形成了一个严谨、高效的数据分析流程,使得数据间传输和投研人员的互动是可持续的不断优化的过程。例如我们的自然语言分析引擎,目前已经迭代到第六代了,能很有效地分析研报、业绩发布会、新闻、论坛评论等信息,来帮助我们了解各类投资者的情绪,并形成有价值的投资信号”。
模型构建上,SAE策略由数百个投资信号构成:与传统的因子投资不同,信号是针对当下市场现象单独开发且会不断迭代的;除此之外,信号的主要数据来源是非线性的“另类数据”,也是该策略差异化超额收益的主要来源。
赵睿进一步解释了何为“另类数据”:“比如从招聘广告中看相关公司是否还在招人、招什么样的岗位、在招岗位需要什么样的技能等。这些信息能帮助我们了解公司经营状况的好坏,是不是处于扩张阶段,公司未来的发展方向等”。
赵睿认为中国市场的数字化程度是远超海外市场的,这与中国市场交易便捷、互联网商业模式众多等因素有关。基于中国市场海量的数据,SAE策略模型可以实时了解产业发展趋势,经济活动的地域特征,企业的经营情况,消费者的偏好等上千个因子,用以预测股价的未来走势并构建新的投资组合。
贝莱德SAE团队管理的投资中国的海外基金产品在2012年正式发行,从2013年开始加入大数据和机器学习投资信号。2021起,贝莱德旗下合资理财公司,即贝莱德建信理财发行了运用SAE策略的理财产品,实现了该策略的本地化投资运作。
据记者了解,贝莱德建信理财公司发行的权益类理财产品“贝盈”系列,采用的就是贝莱德SAE策略理念与本土投研运作的有机结合。
机器学习类信号在策略模型中占比达30%
系统化投资正在变成AI时代下主动投资的主流。华尔街时下最时兴的话题,“怎么用机器学习赋能主动投资?”就是之一。
“其实贝莱德也在我们自主研发的大语言模型(Large Language Model, 以下简称‘LLM’)中运用了类似于ChatGPT的Transformer技术, 最大程度地增强自然语言处理技术的精确性,赋能系统化主动投资。”赵睿告诉记者。
相较于ChatGPT更注重人机交互的应用,贝莱德所研发的LLM是专门用于与投资密切相关的任务,包括预测上市公司财报会议后的股价表现等。因此,贝莱德的LLM模型是依托更具针对性的数据库进行训练,对投资研究中的特定任务能表现出更高的准确性。
“机器学习相关的投资信号在我们整个策略模型里的占比已经达到30%,2019年还只占15%。因为技术的进步和准确性的提升,它们的权重也在逐步增加。我们第一个运用系统化主动股票策略投资于中国市场的海外基金,早在2012年11月份就发行了。”赵睿说。
依托机器学习,系统化主动股票投资策略突出“主动”二字,是主动挖掘股票以力争实现超额收益,其选股逻辑更近似基本面投资,对个股进行综合分析,而这也是与传统量化投资不同的地方。策略容量上,系统化主动股票投资策略调仓频率并不高,且高度分散化的持仓使得其对个股流动性要求低于传统的量化投资,因此策略容量限制较小。
据记者了解,系统化主动股票投资策略主要挖掘并投资于三大类股票:
一是基本面较优与估值吸引力较高的股票,要求公司盈利稳定、持续增长,并且有超预期上升的空间,同时股价估值要具有性价比。
二是市场情绪积极的股票,模型会跟踪和分析市场参与者(如卖方分析师)观点、其他投资者的持仓和对未来资金流向的预期、短期流动性所带来的交易机会、股票与其他资产之间的相关性。
三是与宏观主题相契合的行业和个股,模型会着重分析国内外经济环境和政策指引。例如,受外部需求回升带动的出口行业,受到资本市场高质量发展政策鼓舞的相关标的等。
CandyLake.com is an information publishing platform and only provides information storage space services.
Disclaimer: The views expressed in this article are those of the author only, this article does not represent the position of CandyLake.com, and does not constitute advice, please treat with caution.
Disclaimer: The views expressed in this article are those of the author only, this article does not represent the position of CandyLake.com, and does not constitute advice, please treat with caution.