量化百科

不担风险,哪来回报?

由polll创建,最终由polll 被浏览 11 用户

那天跟一个多年的好友一起吃饭。那时候我们从同一所大学毕业以后,我去了新加坡并在那里长居,而他出国读了个硕士以后又回国发展。现在他自己有一家规模不错的企业,经常调侃我当时不应该呆在南洋,而应该回国。饭间聊到我提供的资产配置服务。朋友问的第一个问题就是:回报多少?

是啊,这难道不是绝大多数的投资者首先会问的最重要问题么?于是我向朋友简单介绍了一下我们的策略理论以及历史回报。然后他说:嗯还不错。接着就没有然后了。

我对他说:这就完了?你怎么不问我这个策略的风险如何?朋友睁大他的眼睛惊讶的看着我:好像并没有听懂我的话。

于是我重复了一遍:风险呢?你不问风险,光问回报有什么意义?

那个时候我忽然意识到,原来绝大部分投资者对于回报和风险之间的关系是缺乏认识的。拿我朋友来说,他毕业于国内最优秀的大学之一,同时也有国外一所相当不错的大学的硕士文凭。他虽然不是金融专业出身,但是自己经营企业多年,对金融和经济也有非常不错的理解。在同龄人中,我这位朋友的教育程度和经济能力应该都属于中上。但即使是这样的投资者,在风险和回报这样重要的问题上也需要别人提醒,可见这个问题很容易被大多数人忽略,这也是我想要写下面这篇文章的原因。

![](data:image/svg+xml;utf8,<svg%20xmlns='http://www.w3.org/2000/svg' width='305' height='210'></svg>)

我们强调投资者要同时关心风险和回报的主要原因,是为了提醒投资者:这个世界上没有免费午餐。如果你要想获得高回报,那么你就需要承担高风险。如果你不想承担高风险,那么你只能接受低回报。就像上面这张图所示,横轴代表的是风险(标准差),而纵轴表示的是回报。中间的红线从左下角向上延伸至右上角,表示如果不想承担风险(风险靠左),那么回报也会比较低。而如果想要高回报,则要向红线的右上方延伸(风险靠右)。

在现实中,大部分人的第一反应是:只看回报,不问风险。就象我上面提到的我的朋友那样。

举个非常简单的例子。如果我告诉你你有两个投资选项:

1)美国股票,平均回报9.9%(年化)。

2)美国债券,平均回报6.6%(年化)。

你会选哪个?如果只看回报,是不是大家都会选1)股票呢?

![](data:image/svg+xml;utf8,<svg%20xmlns='http://www.w3.org/2000/svg' width='640' height='476'></svg>)

很多有一定金融知识的朋友都会回答:当然不是。因为他们明白,股票的风险高,而债券的风险低。就像上图显示的那样,虽然美国股票在过去50年的平均回报为每年9.9%左右,但是其价格上下波动非常剧烈。相比之下,虽然债券的回报更低,但是其价格曲线要平缓很多(即风险要低很多)。在这个例子中,大部分人是有能力将风险和回报结合在一起考虑问题的。

但是到了其他一些投资的案例中时,很多人就把这个重要的考虑因素忽略了。举个例子来说,很多人在比较货币基金(比如国内很多人使用的余额宝,就是货币基金中的一种)时,只看其过去一段时间(比如一年/6个月/3个月/甚至两个星期)的回报率。在他们看来,一个回报率高的货币基金,肯定比一个回报率低的货币基金更好。他们完全忽略货币基金的其他属性,比如其中持有的资产类型,资产久期,信用等级,流动性等等。这就是一个典型的只看回报,不问风险的例子。

这让我想起去年和另外一个朋友的一段真实对话。当时他问我美国股票平均回报大概多少。我说根据过去100多年的历史来看,平均来说大概每年10%左右(扣除通胀以前)。他说你这个回报太差了,我买的P2P回报有15%。我问他你这个15%是真实回报还是预期回报?如果是真实回报,是过去多久的回报?他说他刚买了那个P2P不到2个星期,那个15%(年化)是预期回报。

我当时的感觉是四个字:无力吐槽。首先拿人家过去百年的历史真实回报和这里的预期回报相比,其次拿美元市场中的股票指数回报和人民币市场中的无抵押小额贷款回报相比。我也真是醉了。

通过这些例子我希望可以提醒大家,在比较不同的投资选项的回报之前,你需要先了解该投资品种的风险。如果两者的风险不同,而你作为投资者只选(预期)回报更高的选项,那我除了祝君好运之外也没啥好多说的了。

有些朋友会问,那么如何衡量一个投资标的的风险呢?这确实是一个好问题,下面就简单介绍一下金融学里对于风险的量化方法。

让我们先来看一个简单的问题。假设有两个资产,其平均回报都是10%。第一个的标准差为10%,而第二个的标准差为50%。那么哪个资产的风险更高?你作为投资者应该购买哪一个资产?

![](data:image/svg+xml;utf8,<svg%20xmlns='http://www.w3.org/2000/svg' width='2000' height='1480'></svg>)

答案当然是标准差小的那个。这个道理可以通过上面的图来解释。上图中的红色部分代表标准差小的资产,而蓝色部分则代表标准差大的资产。你可以看到,尽管两个资产的平均回报是相同的,但是标准差小的资产,其回报集中于平均回报(10%)左右,而标准差大的资产,其回报则分散在各个不同的可能性。

也就是说,标准差小的资产,给投资者的回报的预测性比较高,八九不离十,基本都在平均回报左右。这也是风险小的数学化表达方式。就好比国债,没有违约风险,每年给的利息是固定的,因此其回报的可预测性非常高。而标准差大的资产,投资者获得的真实回报就要取决于运气或者其他因素了。如果运气比较好,投资者可能获得远高于10%的超额回报;而如果运气不好,则投资者的回报会远低于平均数(10%)。这也是风险高的数学化表达方式。

值得一提的是,如此数学化的风险表达方式,远非完美。比如很多人会说,如果可以赚到远比平均数高的回报,我不介意啊,这对我来说不应该是风险。因此有很多人会倾向于用半方差(Semi-variance)来衡量风险:即他们只在乎负向的方差,因为他们觉得作为一个投资者只需要考虑亏钱的情况,而不用担心赚钱的可能(谁会把赚钱太多当作一种风险呢)。

在大多数学术研究中,大部分人还是习惯性的用标准差来表示风险,也有一些学术研究用半方差来衡量风险。同时有很多研究表明,无论你用标准差还是半方差,到后来的研究结果是类似的,因此两者的区别并不大。

那么如果已经知道了一项资产的平均回报(历史或者期望),以及其回报的标准差,这对于我们投资者来说到底意味着什么呢?下面就来讲讲这个问题。

![](data:image/svg+xml;utf8,<svg%20xmlns='http://www.w3.org/2000/svg' width='639' height='355'></svg>)

上图显示的是一个正态标准分布图。图的中央显示的是该资产的平均回报,而以平均回报为中心,该资产的回报在其周围形成一个正态分布图。假设该资产的平均回报为每年10%,标准差为15%。这和美国股票市场的历史回报统计数据类似。

这样的统计分布表明,美国股票每年的回报,有68%的概率介于-5%和25%之间,有95%的概率介于-20%和40%之间。

当然,这样的统计数据是介于很多假设之上的(比如正态分布)。事实上有很多研究表明股市的历史回报并不服从正态分布。打个比方来说,如果市场回报分布确实是正态的话,那么2008年的金融危机几乎(注意,是几乎)永远都不会发生。所以说,目前我们运用的风险估算统计方法是不完美的,不可能和现实完全相符。这也是科学研究日益进步的动力所在:我们需要更强大的统计模型去模拟一个更真实的金融世界。

说完了统计学上的风险定义,下面再来说说金融风险的分类。大致来讲,金融风险可以分为两大类:系统性风险,和非系统性风险。

![](data:image/svg+xml;utf8,<svg%20xmlns='http://www.w3.org/2000/svg' width='640' height='467'></svg>)

系统风险,指的是那些无法通过多元分散消除的风险,比如股票市场总体回报,战争风险,通货膨胀,经济萧条,政府硬性干预等等。而非系统风险,指的则是可以通过多元分散消除的风险,这些风险主要都是公司层面的风险,如公司欺诈,管理层能力,法律诉讼等。如果投资者的投资组合中有足够多的公司,那么这些非系统风险都可以在回报不变的前提下被消除掉。因此一个理性的投资者不应该去承担这些非系统风险,因为这些风险并没有给投资者任何回报。这也是诺贝尔奖得主马尔科维奇对于现代金融学的最重要贡献之一。

![](data:image/svg+xml;utf8,<svg%20xmlns='http://www.w3.org/2000/svg' width='648' height='486'></svg>)

我知道很多朋友看到这里就开始头晕了。买一组股票可以在不降低回报的前提下消除购买一支股票无法消除的风险?这听起来好像天方夜谭?那么让我们来看看这方面的证据。

上图显示的是美国过去20年(1995-2014)各种股票指数和单个股票的风险和回报关系对比。从图中你可以看到,大致来讲,通过多元分散来消除非系统风险是得到实证证据支持的。举个例子来说,上图最上面有两个黑色的钻石图标,左边的是SV Index (小型价值股票指数),右边的是SV Stock (小型价值股票)。你可以看到,小股票指数在不改变平均回报(纵轴)的前提下,极大的降低了风险(横轴)。类似的情况在其他类型的股票(大型价值,大型增长等)中也都差不多。

学术界对于投资风险的研究并没有止步于此。在这里值得一提的是1992年由Eugene Fama和Kenneth French提出的风险三因子模型。

![](data:image/svg+xml;utf8,<svg%20xmlns='http://www.w3.org/2000/svg' width='960' height='540'></svg>)

在该模型中,Fama和French提出,美国股市从1962年开始的所有股票的回报,其96%可以用三个风险因子来解释:市场,公司规模和公司估值。

毫不夸张的说,这一模型对于金融界造成了革命性影响。举个简单的例子,比如说你作为投资者想要获得股市的平均市场回报,那么你所需要做的只是购买一个最便宜的股票指数基金/ETF。如果你想要获得比市场更高一些的超额回报,那么你可以选择在你的投资组合中加入小型股票(Small Size)或者估值便宜的股票(Value Stock)。

后来在三因子模型的基础上,Fama和French又加入了另外两个固定收益资产的风险因子:久期(Term)和信用风险(Default),形成了新的五因子模型。

![](data:image/svg+xml;utf8,<svg%20xmlns='http://www.w3.org/2000/svg' width='749' height='353'></svg>)

根据对美国资本市场过去87年(1928-2014)年的历史回测统计,Fama/French的五个风险因子提供的超额回报大约如下:

回报最好的是股票市场(Market):平均回报约8%-9%左右。但是其风险也高,每年的标准差为20%左右。也就是说,如果你想要高回报,你可以选择购买股票(不用选股,直接买一个最便宜的股票指数ETF即可)。但是你要做好长期持有的准备:因为其短期的波动率非常高,运气好的话赚不少,运气差的话亏不少。但是如果长期持有,那么其给予的平均回报会比较高。

如果你嫌股票市场平均回报不够,那么你可以选择承担一些其他的额外风险。比如你可以选择特意购买一些价值股(就是估值非常便宜的股票,你也不用特意去选股票,买一个比较便宜的价值指数ETF即可)。从历史上来看,价值股会给你额外的每年5%的超额回报。当然你也需要注意,价值股平均每年的波动率在13%左右,因此也只能长期持有才能获得这个超额回报。

其他的一些风险因子对于投资者的价值也以此类推。通过这个风险因子模型,投资者在做投资决策时,需要考虑的就不是那么简单的“我想要多少回报”那样的问题,而是“我想要承担何种风险”这个更为关键的问题。

有些朋友可能会说伍治坚你是谁啊?你说的这套到底靠不靠谱?我感觉自己人微言轻,所以还是援引几位令人尊敬的投资大师来结束本篇文章吧。

![](data:image/svg+xml;utf8,<svg%20xmlns='http://www.w3.org/2000/svg' width='638' height='482'></svg>)

耶鲁大学基金会的前主席Charle Ellis曾经说过:我们现在知道,我们不应该把精力放在投资回报率上,而应该把更多的精力放在对于风险的管理上。

![](data:image/svg+xml;utf8,<svg%20xmlns='http://www.w3.org/2000/svg' width='789' height='556'></svg>)

William Bernstein曾经说过:如果你的券商或者理财顾问对风险的概念不熟悉,那你就应该考虑换人了。

希望对大家有所帮助。

![](data:image/svg+xml;utf8,<svg%20xmlns='http://www.w3.org/2000/svg' width='887' height='159'></svg>)

标签

资产配置回报率风险投资者