广发言 | 胡光耀：以量化之光 照耀固收指数之路

“人生就像一盒巧克力，你永远不知道下一块是什么滋味”。的确，正如这句经典台词所说，人生具有不确定性，人生充满了无限可能。但无数人也是在历遍沧桑之后选择坚信，每一次选择，无论是康庄正道或是岔路，都是通往应许之地的必经路。作为一名金融从业人士，我也不曾例外。

金融学，通常会被人们认为是一门研究市场，并从中获取收益的“炼金术”。而实际上，金融学却是一门由数学衍生、从微观的理性人行为到宏观的金融经济循环、由无数假设和公式堆叠而出，只为证明无论基于何种信息、做出何种努力都难以从市场中获取（超额）收益的理论科学或理想模型。

过去十余年，数量金融学的专业训练和证券从业经历的熏陶，让我成为市场有效性理论的投资信徒。不过，回望许多年前，当我拿着全国计算机竞赛保送资格，在复旦大学自主招生网站上误填志愿到经济系的那个瞬间，是绝对不会想到命运将如何引导自己走向一条能够发挥所长的职业道路。

绕途量化 以尺度战胜规则

在职业生涯伊始，我的第一站是大行的自营交易台，这无疑是一种幸运。在此工作期间，我的职责是为世界银行、新加坡政府投资公司、俄罗斯央行等世界顶级主权投资机构提供做市报价服务、讲解中国债券市场，这极大程度锻炼了我的市场洞察力、表达力和换位思考能力。但身为对头寸盈亏负责的银行自营交易员，彼时我最想达成的职业目标是那个能够为银行赚取最多利润的“Top Trader”。

银行自营的江湖中不乏交易高手的传说，参考武侠小说的情节，最容易成为高手的方式往往靠个人去“悟”。以量化的视角，所谓“悟”，其实就是对优秀交易员的交易业绩做事后的绩效归因，并找出决定性的因子。以大量的交易数据进行汇总统计并尝试归因后，我观察到，虽然对于个别的年份和行情区间而言，优秀交易员确实有显著的Alpha，这种Alpha通常来自于久期选择。但如果把时间段拉长来看，优秀的交易员也好、平庸的交易员也罢，大家的收益都近乎于持有中等期限政金债的收益与银行资金成本（FTP）之差。换言之，通过交易行为创造的Alpha，在长期约等于零。

这一发现深深动摇了我通过锻炼研读基本面能力或者提升技术分析水平而成为顶级交易者的信念，同时又让我感慨于书本中市场有效性理论的普适意义。当然，彼时的我还没有意识到，“中等期限政金债收益”恰恰就是一种最简单的指数化业绩基准。

由于巴菲特著名的十年赌约，投资界对于“股票指数相较主动管理占优”的特性已经能够被普遍接受。那么，固定收益指数是否也是不可战胜的呢？

2015年，国内资本市场上还没有真正意义上的债券指数基金。为方便境外投资人优选市场上各个期限的活跃券，我先后与彭博、中债、外汇交易中心等多家机构合作，学习其指数的设计及再平衡理论，并最终推出了涵盖国债、政金债活跃券等多条资产的中国银行可交易债券指数家族。因为这段深度参与债券指数编制的经历，我忍不住思考一个显而易见的问题：指数的样本券选择和调入调出方式都有严格的规则，且其并不存在股票指数才会有的大小盘、风格偏移，面对机械的规则，人类交易者难道真的毫无胜算？

当然未必！

2017年，抱着学习的态度，我加入了全球最大的共同基金及指数基金运行者——贝莱德的中国交易团队，并为其SAE(Scientific Active Equity)策略执行量化交易。贝莱德开放包容、鼓励员工间跨地区跨部门交流的态度让我觉得自己像一块掉入液体之中的海绵，如饥似渴地汲取有关被动投资及指数增强投资的方法论。

结合自己的工作内容，我再去研读Grinold等一众大佬的量化投资圣经——《主动投资组合管理》（注：英文原版书名为Active Portfolio Management：A Quantitative Approach），并由此获得了新的理解：主动难以战胜被动这一现象，与其说是一个必然结果，不如说是一个动态的过程。金融学研究的本质就是不断把金融定价中的“异象”进行剥离和总结，如果确定该异象可以在不同市场和不同品种上带来持续性的超额收益，那它将不再是一个异象，而是被“正规军”化，成为收益因子。

这一过程最好的例子就是简单的CAPM模型被逐渐丰富并发展为Fama-French三因子、五因子模型的探索历程。所以，如果想要战胜指数，一定要有一把系统性的尺子，度量市场中或持续或偶发的定价失误，并利用市场自动纠偏的过程获取超额收益，固收投资在这一点上与权益投资别无二致。

回归固收  指数与增强相伴而生

关于超额收益，很多专业的机构投资者都问过我一个问题：关于投资债券资产，为何指数基金特别多，而罕见指数增强？

实际上，无论国内国外，市面上的债券指数基金都是增强型产品。究其原因，就是前文中提到的，债券指数的编制往往会按照市场存量进行简单加权，具有大而全的特征。债券的流动性难以与股票媲美，当原有的活跃券被新发活跃券取代后，其流动性会大打折扣。若一比一精准复刻指数调仓结果，必然会造成高昂的交易成本。

幸运的是，债券资产间存在极高的相关性（95%以上），一只由50只样本券构成的指数，通过精选成分，持有10只债券就可以达到很好的跟踪误差目标；而一只1000只样本券构成的信用指数，实际上只通过60只左右的实际持仓也可以很好地进行收益复刻。这种实际持仓的自由度在股票指数基金上是难以想象的，由此也给债券指数基金管理人提供了很好的机会去做出增强的效果。

不过，在增强的方向上，中外管理人有明显的分歧。在海外市场，指数基金考核跟踪误差的观念已经根深蒂固，所以会看到有些基金管理人会通过与券商签署TRS衍生品等方式以直接换取精确指数收益等极端“增强”方式。与此不同的是，国内的债券交易远未达到半强势有效市场，指数基金投资人往往是抱着“赛马”的心态选产品，希望所持有的指数基金能够通过交易和择时行为，实现对同品类产品有一定幅度的超额收益。

那么，从指数基金持有人的视角出发，我们需要提供什么样的产品？经过反复的观察和研究，我发现大部分客户对债券指数基金的要求，其实可称之为“三分法”。也即在每个持有期（通常以季度为单位）末，希望持仓基金在同类产品能排在前1/3，那么大概率可以高枕无忧；而如果产品的排名落入了后1/3分位，那么很不幸，客户将大概率赎回该产品，买入赛道前1/3的产品。如果没有金融工程思维，在应对上述需求时，基金经理大概率就会简化成为一句苍白的指导思想：“尽力通过交易做出超额”。这也是市场上多数指数基金管理人会在指数持仓的基础上，适度增加久期为活跃5年或者10年政金债交易仓位的重要原因。

化“隐”为“显” 捕捉信息非对称优势

对我而言，上述要求更接近一个金融工程学上的滤波问题：“三分法”实际上就是要求相较赛道中长期历史业绩优秀的产品不掉队，而基金每日的净值表现是一个显变量，其内部的久期选择才是决定性的隐变量，但不可直接观察。

所以，破解“三分法”要求的秘法就在于：能否通过持续监测一组历史业绩优秀、客户持仓广泛的指数基金组合的净值表现，反推其近期的久期选择和期限结构。以其形成的“久期走廊”为上下界，选择自身产品的久期和持仓结构，这样不管在怎样的市场演绎当中都可以保持相较同业中性偏上的位置。机器学习中经典的回归算法就是解决上述问题的最佳方式，通过充分调参后的模型，可以根据同类型基金每日净值的时间序列，倒推出该基金的久期选择、期限摆布、甚至近期是否发生了大额申赎行为，真正做到信息上的非对称优势。

当然，仅仅通过对竞品持续跟踪，始终保持中游偏上位置，并不符合为客户精益求精的追求。建立久期分析工具的一个副产品恰好解决了客户的第二个痛点：择时。通过对180只主动偏利率债基的久期选择监控，可以得到一个敏感性和胜率都极高的债市情绪监控工具。正如我司权益基金经理林英睿常说的“Long equity, short humanity”，固收基金经理的久期选择也呈现非常明显的非理性繁荣和过度悲观之间切换的周期性现象。通过对固收投资情绪的把控，可以及时为客户提供胜率最高的多空建议，与客户真实利益持续绑定，一同做时间的朋友。

数量金融和计算机的融合背景让我始终坚信“Talk is cheap, show me the code”。我不太关注关于宏观或者固收总量的短期分析，因为即使偶发的灵光一现也难以为组合增加稳健的超额收益。相反，我喜欢去从更贴近股票投资的金工、量化策略的报告中汲取触类旁通的灵感。

对于自己管理的组合，我争取所有的交易行为都能做到有迹可循、有法可依：组合的久期摆布来自于竞品监控和情绪指标、平时的换券交易来自于个券相较收益率曲线的性价比关系，或者不同发行人之间的利差收敛扩散逻辑。每一个增强行为背后都对应着充分的研究分析，而这些研究分析，也成为我给基金持有人提供的独特见解。

结语

人类擅长在不同领域间移花接木、取长补短，而历史上第一个通用人工智能也恰恰诞生于OpenAI团队在MOBA游戏对战领域的尝试。从一名IT少年误打误撞进入金融科班学习，从一个固收从业者短暂“绕弯”见识了量化权益投资的光景，当一切汇聚在固收指数投资的时候，才知道一路的积淀终化成前进路途中的光。谨以此文在后GPT时代与各位共勉。

（风险提示：文章涉及的观点和判断仅代表投资经理个人的看法。本文仅用于沟通交流之目的，不构成任何投资建议。投资有风险，入市须谨慎。）