|
 
- UID
- 2
- 积分
- 2717670
- 威望
- 1308828 布
- 龙e币
- 1408842 刀
- 注册时间
- 2009-12-3
- 最后登录
- 2024-4-20
|
投资组合管理的思考
摘要: 大师说，投资是一门科学，也是一门艺术。我们理解，投资工作中有些环节需要以一般意义上的科学方法，严谨认真对待。而有些环节，又非传统的科学方法所能解决，更多依靠投资本身特有的智慧应对。这里，我结合自身的投 ...
大师说，投资是一门科学，也是一门艺术。我们理解，投资工作中有些环节需要以一般意义上的科学方法，严谨认真对待。而有些环节，又非传统的科学方法所能解决，更多依靠投资本身特有的智慧应对。这里，我结合自身的投资实践工作，谈谈这两个方面的体会。
首先谈投资中可以规范化的环节。
组合投资就是可以规范化的重要环节之一，是通过对行业和个股进行结构性配置，通过承受较低的风险，力图实现较高的回报。从自然科学的研究方法来讲，组合的影响因素越多，结果则越难以控制和预测，自我学习和优化的可能性则越差。因此，行业和个股的组合构建，应尽量追求变动因素的最简化。
一是行业的选择。我们选取的行业，按照迈克尔波特的五力模型，应该有着非常清晰的关键盈利驱动因素，当基于某一个策略方向配置资产时，最短的逻辑推导和受益程度最大的行业应该是主要选择。上一轮大牛市是个非常鲜明的代表，上游资源品行业的表现都远胜于钢铁化工等中间产业。因为后者既要面临下游接受能力的变数，还要承担上游涨价的变数，经济复苏过渡到这些行业的盈利的确定性也就低了很多。
二是个股的选择。个股的选择也应力求纯粹，这里面主要体现为清晰的业务构成和商业模式。商业模式的核心要素越简单和清晰，企业投入的劳动和资本凝结成企业价值的概率越大，对我们投资的结果产生正向回报的概率也就越大。
综合来看，投资组合的搭建是一个自上而下和自下而上相结合的过程。选定大的自上而下的方向，选取行业和个股的关键驱动因素越简单，意味着从投资的出发点过渡到最终结论的进程越短，失真度越低，投资的准确性以及组合进行正确优化的可能性就越高。
卖出一类行业和某个个股，也应该是越清晰越好。一般而言，我们总结为三个理由，一个是主要的买入逻辑发生变化，一个是找到更好的标的，再有就是市场对向上趋势的反应开始钝化。第一和第二个理由可以遵从前面的步骤进行，但第三点理由难有定法可行，放在后面的艺术环节讨论。
需要补充说明的是，买与卖并不仅仅是简单的反向关系，而是严格的先后关系。这里面主要有两点，一是只有严肃的买入才有可操作性的卖出，大量没有讨论意义的卖出，常常是因为买入本身缺乏讨论意义。另一点，我们说对向上趋势的钝化是卖出的理由，但并不意味着对向下趋势的钝化就是买入的理由。买入一定是好的趋势的确立,向下趋势的钝化并不意味着好的趋势的出现。
再谈投资中难以规范化的环节。
我们经常面对的股票可以被定义为成长类、周期类和价值类。一般而言，决定成长类资产的核心因素是其增长速度，决定周期类资产的核心因素是关键驱动因素的走势（如产品价格、新签订单），决定价值类资产的核心是其股息回报率。在投资的大部分时间段内，依据前述科学的方法能够，通过对这些因素的判断解决问题。但市场的魅力在于，她往往会以较快的速度做出反应，并时常过度反应。这时候的需要解决问题，对个股而言，是资产对核心因素变化的钝化；对大类资产而言，是成长类和周期类资产的风格演变。而这些问题，前面的办法时常失效。
解决这个问题往往取决于对市场反应机理的认识。我自己的实践体会是，市场总是对中长期增长的速度和确定性做出反应，而资金逐利的最终结果，市场总会对更快的中长期增长做出更突出的反应。2005-2007年是周期类资产的大牛市，股票价格对周期类工业品价格及其价格预期都非常敏感，而这一时期之前和之后的价格波动都没能产生如此持续性的影响。回头总结，这一时期周期类行业的增长速度大幅超越了传统意义上的成长股。最近一年的例子，则是自去年7·29大跌以来，新兴产业和内需两类资产表现远胜于大类资产，本质上反应了全球经济新秩序重建过程以及中国经济结构调整两大背景下，不同类别资产中长期成长速度的巨大差距。
基于这样的理解，我们主要的应对方式是持续不断的探究经济体最核心的演变方向。而具体实践中，草根的成分居多。我们一般会有一个大的判断，更多依靠日常勤勉的工作，尽可能越早越多的嗅到最前沿的变化，尽可能越早越准确地对组合做出大方向的调整。 |
论坛官方微信、群（期货热点、量化探讨、开户与绑定实盘）
 
|
:
| 
:
| 
:期货程序化 | 
:期货程序化研究 | 
:期货量化学习 | 
:期货量化 | 
微信：
发表于 2010-9-20 12:20
| 
|
TB/MC开户优惠政策:
：
：
2024年最全的Python编程与程序化（量化）教程、视频、源码、课件、资源汇总贴：/thread-152864-1-1.html
2024年最全的MultiCharts程序化（量化）教程、视频、源码、课件、资源汇总贴：/thread-88129-1-1.html
