宏观量化笔记4：对于“全天候”策略的思考

作者：Yaqi的宏观策略观点

题图：Yaqi的宏观策略观点的微信公众号

首先想谈一个最基础的投资策略的问题：构建策略的时候，到底是为了回报曲线好看，为了（至少在回测中）达成一个不错的夏普比率，然后想尽办法各种尝试（因子&模型）来达成这个目标？还是说，是我观察到市场的某种规律性变动，我对于市场的走势可能存在一些认知上的edge，然后我想通过或主观或量化的方式来表达这种观点，所以我因此而构建策略。简单来说，是先把靶子画好，然后我各种“大力出奇迹”（尝试各种因子/特征工程/模型选择/模型调参，花巨资搞IT基建等）去把靶子射中，反正能出成绩就行。还是我“有话要说，有观点要表达”，然后正好有一个趁手的工具可以表达这个观点，然后又正好这个观点是对的，能够带来不错的风险收益比？

也许是因为我本身不是纯量化的背景，所以对我来说，投资是“认知变现”这个观点似乎与我而言更容易接受，似乎也更可能产生长期有效的量化模型，而无需时时刻刻都担心“不知道为什么会有效”的因子/策略在某个时刻毫无征兆的失效。

之所以作上述讨论是因为在涉及“全天候”策略的时候难以绕开“风险平价”这样一个概念，而我想说我们不应该拘泥于“风险平价”，也不该把“全天候”和“风险平价”二者画上等号。

“风险平价”的概念介绍已经有众多资料可以翻阅，我就不再赘述。就我的理解来看，这个概念的提出是上世纪90年代 Ray Dalio基于他自己当时的（爆仓）经历和认知提出来的，简单说就是反正我也不知道未来会发生什么（无法做好宏观/资产择时），我干脆就基于大类资产的统计特征做被动性的配置，来实质上无风险/低风险获取全球流动性日趋泛滥，水涨船高（新自由主义浪潮下的金融自由化）的收益。我认为站在当时的情况，这样的认知是没有问题的。在当时既缺乏数据（经济/金融/社会舆论数据的历史时序时间短，丰富程度低），也缺乏足够强大的量化模型的背景下，的确很难做好系统性的宏观和资产择时，只能依赖于主观判断，所以“风险平价”的提出是正确的也是适用的。

但是40年之后的今天，是不是还是要守着“风险平价”这个概念来做大类资产配置/择时，还是不是要把“风险平价”做成新的靶子，做成“全天候”策略的标配？我认为不应该把思维完全固定在“风险平价”以及这个框架下的各种衍生出来的“风险因子平价”等等概念上去做宏观择时。过去40年，信息化的浪潮使得我们拥有了比90年代丰富得多的结构化数据和非结构化数据，统计学的进步和代码的发展也使得成熟好用的机器学习模型/深度学习模型唾手可得，我认为这使得打造相对可靠的的宏观择时模型成为可能。

实际上，桥水自身是否真的100%完全按照“风险平价”进行资产配置本身就存疑，业界有不少做得很不错的”全天候“宏观量化基金也明确提到其策略至少在一定程度上是偏离于简单的“风险平价”的。当然，我并不是说不需要风控，但那是另一个维度的问题。

总之，我认为对于”全天候“宏观量化策略，还是应该从第一性原理出发，从最根本的宏观的理论和认知出发，使用现在可得的众多的数据和模型，去构建从宏观理论到策略落地的路径，而不是把思路局限于一些特定的概念之中。