本期推文带来对买方顶级大佬Giuseppe Paleologo和卖方大佬Nick Baltas的人物专访，围绕三个Multi展开, Multi-Asset, Multi-Strategy Portfolios, Multi-Manager Hedge Funds ![](https://fastly.jsdelivr.net/gh/bucketio/img9@main/2024/10/20/1729465031968-b3c8959e-1d37-4b8a-91b1-b0b0dfe25143.png) * Giuseppe Paleologo此前曾在 **Citadel** 担任 **风险与量化分析**的工作，在 **Millennium** 担任企业风险负责人，最近则担任 **HRT** 的 **风险管理负责人** * Nick Baltas目前则是**高盛董事总经理**、跨资产 Delta One、大宗商品和股票策略研发与结构化部门**负责人** ## 专访Giuseppe Paleologo 目前担任对冲基金HRT的风险管理总负责人 我们从讨论量化研究员在多管理人对冲基金中的实际工作开始。作为对基础投资组合经理（PMs）的半支持角色，Gappy 解释了 **投资组合经理覆盖**、**因子对冲** 和 **内部 Alpha 捕获** 如何协同工作，以帮助最大化公司的损益（P&L）。 接着，我们深入探讨了广泛的 **因子研究** 和 **投资组合构建** 领域，Gappy 分享了他对因子构建和应用的一些坚定观点。讨论的主题包括： * **回报与特征** * **Alpha 信号的混合与整合** * **单期与多期优化** * **线性与非线性模型** ### 1. **提问**: Gappy，你可以简单介绍一下自己的背景吗？ **回答**: 我目前处于离职花园假期，此前我曾在 **Citadel** 担任 **风险与量化分析**的工作，在 **Millennium** 担任 **企业风险负责人**，最近则担任 **HRT** 的 **风险管理负责人**。 --- ### 2. **提问**: 作为量化研究员 (Quant Researcher)，你在多家公司的职责是什么？ **回答**: 我交替担任过两种角色：一是量化研究员，二是风险管理顾问。我将量化研究比喻为足球队中的进攻方，而风险管理是防守方。我的职责是确保公司的风险与合伙人的风险承受能力一致，详细理解各策略并防止公司遇到最坏的情况，或者至少使最坏情况可以承受。 --- ### 3. **提问**: 能否解释“投资组合经理覆盖”的工作内容？（Portfolio Manager Coverage） **回答**: PM 覆盖帮助评估投资组合经理是否承担适当的风险，并进行绩效归因分析。这不仅限于标准的归因分析，还涉及高级的绩效归因和解决定制化问题，比如因子模型的调整。 --- ### 4. **提问**: 对冲基金有时会面临极端的 PnL 分布，你如何解释这种现象？ **回答**: 当 PnL 非常大或非常小时，股票贡献的分布往往非常不均衡，少数股票会对 PnL 产生不成比例的贡献。这种现象被称为“重尾分布”，不仅存在于单个 PM 的投资组合中，还存在于对冲基金平台上的多个 PM 之间。 --- ### 5. **提问**: 你如何看待对冲基金中的对冲策略，特别是动量风险的对冲？ **回答**: 对冲策略因不同的投资组合（股票或衍生品）而异，通常公司会创建一个对冲账户，叠加一个对冲投资组合，使得整体投资组合从风险角度看更为理想。如果 PM 的数量足够多，动量风险就会变得非常明显，必须采取对冲措施。 --- ### 6. **提问**: 量化研究团队如何帮助投资组合经理创造 Alpha？（Alpha 捕获） **回答**: 量化研究团队的职责是帮助设计合理的激励机制，激励 PM 创造更多的 Alpha。成功的对冲基金面临的挑战不仅是保持高夏普比率赚取一些利润，而是如何在保持高夏普比率的同时赚取更多的利润。 --- ### 7. **提问**: 你如何看待因子模型中的回报与特征的使用？ **回答**: 特征（characteristics）作为创建因子的基础比回报更为优越，因为特征能够提供更多的解释力，并且在实际数据中得到了验证。很多对冲基金会开发定制化的因子模型来满足其特定需求，通用的因子模型在商业上可能会失败，因为定制化是关键。 --- ### 8. **提问**: 拥挤效应 (Crowding) 是一个有趣的现象，你怎么看待它在对冲基金中的影响？ **回答**: 拥挤效应不是一个典型的因子，因为它是一种内生事件，而不是每天重复的外部事件。然而，对冲基金必须注意这种效应，因为它可能导致流动性螺旋和类似于“量化震荡”的事件。 --- ### 9. **提问**: 你认为量化策略是否可以应用于股票之外的其他资产类别？ **回答**: 量化策略不仅限于股票市场，它在其他资产类别（如外汇和大宗商品）中也有广泛的应用。因子模型的原理可以适用于不同的市场。 --- ### 10. **提问**: 未来量化研究的肥沃领域是什么？你认为有哪些未被充分探索的领域？ **回答**: 尽管因子模型已经存在几十年，但仍有很多未被充分探索的领域，尤其是基于代理人建模（agent-based modeling）。这种方法在理解金融市场中的拥挤效应方面至关重要。 --- ### 11. **提问**: 在风险管理方面，你喜欢哪些书籍或观点？ **回答**: 我非常喜欢 Aaron Brown 的《红血风险》一书。书中提出，一个好的风险经理不仅应该在 PM 承担过多风险时提醒他们，还应该在必要时鼓励他们承担更多的风险，以平衡适当的风险和回报。 --- ## 专访高盛董事总经理、跨资产 Delta One、大宗商品和股票策略研发与结构化部门负责人 **Nick Baltas** 我们从讨论 **Nick Baltas** 在应对客户需求时，如何利用广泛的系统化策略工具展开。作为高盛跨资产策略和结构化研发的负责人，Nick 解释了 **策略选择**、**跨资产投资** 和 **客户效用函数** 在构建多资产投资组合时的关键作用。 首先，我们探讨了 Nick 如何利用他手中的广泛系统化策略工具，解决资产所有者所面临的问题。 其次，我们讨论了 Nick 在 **跨资产偏度** 方面的研究。跨资产策略中很少涉及到这一点，Nick 撰写了该领域的权威论文之一，并提供了在实施偏度策略时的许多细微见解。 接着，我们深入探讨了 **跨资产风险溢价** 和 **投资组合构建** 的广泛领域，Nick 分享了他对系统化策略设计和应用的一些独特见解。讨论的主题包括： * **系统化策略的分类** * **防御性与收益增强策略** * **趋势跟踪与偏度策略** * **信号混合与策略混合** 最后，Nick 分享了他在 **构建多策略投资组合** 方面的看法，既从理论角度出发，也结合了如何满足客户需求的实际操作。 --- ### 1. **提问**: 你是如何开始你的职业生涯的？你的背景是什么？ **Nick Baltas 回答**: 我来自希腊，在那里我学习了电子与计算机工程。之后我搬到伦敦，完成了硕士学位，并随后攻读博士学位。在博士阶段，我逐渐从工程转向金融经济学，并开始研究股票动量、相关性风险以及趋势跟踪策略。在完成博士学位后，我曾短暂地在对冲基金工作，并随后进入投资银行领域，从事多资产投资组合的量化研究。目前我在高盛负责跨资产策略的研发。 --- ### 2. **提问**: 你经常提到客户的“效用函数”，能否解释这个概念及其在系统化投资中的作用？ **Nick Baltas 回答**: 效用函数是帮助我们理解客户投资目标的关键工具。不同类型的客户，包括主权财富基金、养老基金、家族办公室等，都有不同的投资需求。一些客户追求防御性的投资组合，以保护资产不受市场下行的影响；另一些客户则可能更加注重回报，甚至愿意承担一定的风险。通过理解客户的效用函数，我们可以为他们量身定制系统化的投资解决方案。 --- ### 3. **提问**: 在设计投资策略时，如何为不同的效用函数找到合适的系统化策略？ **Nick Baltas 回答**: 我们将策略分为四类：契约型对冲策略、统计型对冲策略、多元化的风险溢价策略，以及收益增强策略。契约型对冲策略包括购买看跌期权和构建 collar 结构，主要用于应对市场突发的短期波动。统计型对冲策略更多关注长期趋势，比如 2008 年和 2022 年那样的市场状况。多元化的风险溢价策略通常不会增加下行风险，而收益增强策略则可能承担更多的风险，换取更高的回报。通过对不同策略的合理分类，我们可以更好地满足客户的需求。 --- ### 4. **提问**: 在对冲基金中，系统化投资策略的拥挤效应和容量风险是如何影响策略表现的？ **Nick Baltas 回答**: 容量风险是我们在构建系统化投资组合时最主要的考虑因素。容量风险可以分为持仓容量和交易容量两方面。持仓容量决定了我们在需要退出市场时能有多快的行动，而交易容量则影响我们在日常操作中能消耗多少市场流动性。我们通过控制每日交易量和动态约束，确保不对市场产生显著影响。此外，拥挤效应本身并不总是负面的。在某些策略中，拥挤可能是策略能够运作的必要条件。 --- ### 5. **提问**: 如何在多资产策略中组合不同的信号与策略？（例如趋势跟踪与收益策略） **Nick Baltas 回答**: 组合信号与组合策略有很大的区别。组合信号意味着将不同的信号融合在一起后进行优化，而组合策略则是分别构建各自的策略，再将它们合并。在趋势跟踪策略中，我们通过风险预算来分配风险，而在收益策略中，关注的是通过不同的市场信号找到最优的组合方式。最终，我们希望两种策略在一起时不会相互抵消，反而能互相补充，使组合的表现更好。 --- ### 6. **提问**: 在跨资产投资策略中，为什么你更倾向于使用风险预算？ **Nick Baltas 回答**: 我倾向于使用风险预算来管理不同资产和策略的风险。通过风险预算，我们能够确保每个市场在组合中有均等的风险权重，避免高波动资产过度影响组合的整体表现。对于趋势跟踪策略，风险预算尤其有效，因为它能动态调整头寸大小，随着市场波动自动调整风险敞口，从而优化整体表现。 --- ### 7. **提问**: 你提到在构建多资产投资组合时，哲学设计原则很重要。能否进一步解释这一点？ **Nick Baltas 回答**: 我认为，在构建投资组合时，有一些设计原则应该始终遵循，即使这些原则不会直接在回测中显现出效果。例如，设置头寸集中风险限制，即限制每个市场的最大风险敞口。这种限制在回测中可能不会对结果产生显著影响，但在实际操作中，它能够在市场突发事件中保护投资组合，避免过度暴露在某个单一市场的风险中。因此，尽管某些设计原则不会直接影响回测结果，但它们在风险管理中至关重要。 --- ### 8. **提问**: 你如何看待跨资产投资中的不同风险溢价策略，例如趋势跟踪、收益策略和偏度策略？ **Nick Baltas 回答**: 每种策略都有其独特的特性和适用场景。趋势跟踪策略通常被认为具有防御性，因为它在市场下行时表现出色。收益策略则依赖于时间序列和跨市场的收益差异，它可能在风险事件中表现不佳。偏度策略则是一种反转信号，它通常出现在市场遭遇重大抛售后。不同策略的组合能为投资组合提供更广泛的风险管理和回报潜力，具体如何组合则取决于每个客户的效用函数。 --- ### 9. **提问**: 你目前有哪些特别感兴趣的领域或研究方向？ **Nick Baltas 回答**: 我最近对睡眠科学特别感兴趣，特别是一本名为《我们为什么要睡觉》的书。这本书探讨了人类为什么需要每天花大量时间来睡觉，并解释了睡眠如何影响大脑功能、记忆和学习能力。对我来说，睡眠是一个非常有趣的研究领域，也与我日常生活息息相关。 ---