《金融科技、衍生品与财富管理》—— 第十二届中国期货分析师暨场外衍生品论坛上的发言纪要

《金融科技、衍生品与财富管理》
中信证券李雪飞

各位来宾，大家下午好！非常高兴和感谢中信期货提供这样的机会，让我在这里跟大家分享一下金融科技、衍生品和财富管理相关的内容。我所在的部门是中信证券衍生品经纪业务部，主要负责场内期权相关的工作。本人在其中主要是做些期权策略上的开发工作，也会跟大量市场里面的投资机构做各类沟通，所以在财富管理方面也有一些想法，可以跟大家做一些交流和分享。
今天的内容有点像命题作文，里面提了金融科技、衍生品和财富管理，每一块扩大起来都内容不少。因为时间有限，所以此处就在这三块里各提出几个点，和大家谈一下目前整个市场财富管理的规模及我们想它未来的潜在发展方向；介绍一下衍生品在财富管理中的意义；探讨一下技术进步为财富管理及衍生品带来的影响。

一、财富管理行业的现状及未来
在过去的十年间，我国的财富管理市场是持续快速扩大的过程。招商银行的中国私人财富报告中有一个统计，过去十年期间我国国民财富市场规模从2006年26万亿快速扩展到165万亿，增速和规模均非常惊人。同时，个人可投资资金超过1000万的人数在十年中翻了三番。到了2016年，中国高净值人群人均持有可投资资产约3100万人民币，总共的可投资资产已经达到了49万亿人民币之多。
财富管理的目标是什么？总结起来主要有三个大的方向：第一，创富、守富，其中主要是高净值客户对个人的资产负债表进行管理，做个人的投资配置，对个人的财富及税务等做整体规划；第二大类是传富，包含家族传承、文化、精神、财富等的传承，涉及到二代的培训；第三个是享富，涉及到为客户的日常生活中复杂的事务提供解决方案，包括医疗、教育、慈善、生活等。中信证券目前在财富管理方面也做了很多这样的工作。
从目前财富管理的市场格局来看，其实客户主要分四类：一百万以下的零售客户，目前主要是商行的零售业务和券商的个人业务，还有互联网金融公司主要覆盖；一百万到一千万的中产客户层级主要是商银贵宾理财、私募基金、券商财富管理进行覆盖；一千万到五千万的高净值人群，是很多第三方财富管理、私人银行、券商财富管理、信托公司的目标客户；五千万以上的超过净值人群中又会涉及到专属财富管理公司及家族信托。总体上是一个分层覆盖的感觉。
从未来的发展方向和大的趋势来看，从策略、类别和地域的角度看，财富管理行业均会逐渐产生变化。策略上，会从短期投资向中长期配置演化，类别上会从单一产品向多品种资产配置演化，地域上会从国内资产向全球资产演变。在这个过程中，不管是衍生品市场还是技术进步，都会在其中扮演非常重要的角色。

二、衍生品在财富管理中的意义
说到衍生品对财富管理的意义，那首先我们得探讨财富管理对投资的需求是什么。左下角的图是之前瑞银计算的美国市场对冲基金指数在1993-2013年与标普500指数的走势对比。可以看到至少在那20多年的环境里面，这样一个全球的对冲基金指数的累计收益并没有表现出大幅超出标普500指数的情况。那么为什么大家选择做对冲基金？Preqin是一家著名的做对冲基金分析的机构，他们统计了一下投资者投资对冲基金的原因，其中最重要的几点是对冲基金与股票、债券等传统市场相关性低；在不同的的市场环境下能够获得绝对的回报；具备更高风险调整后的收益；总结起来，投资对冲基金的原因是可以降低投资组合的波动和风险。另一个佐证，招商银行的中国私人财富报告中分析投资者做海外投资的目标，最重要的原因也是分散风险。所以我们想财富管理行业对于投资的需求是什么？并不是追求最高的收益，而是分散风险、降低波动。那从这两点来看，分散风险需要不同的低相关性的资产，降低波动则需要风险对冲的工具，而衍生品对财富管理非常重要的地方也正体现在这两点上。
第一点，通过新的低相关资产类别分散风险。我们拿期权举例。我们知道期权的定价里面很大一块儿是由波动率影响，所谓的交易期权很大一块儿就是交易波动率，持有期权天然的就对波动率进行了配置。在海外的市场，波动率跟股、债是低相关甚至有时是负相关的，因此配置期权本身就会包含对波动率这种新的低相关的资产类别的配置，从而起到分散组合风险的效果。举例来说，图中是CBOE的BLFY指数，是一个有限风险卖出波动率的指数，市场不动就会获得收获，市场大涨或大跌会受到有限损失。我们可以看到，从1986年6月20日到2018年3月16日，该指数收益表现较标普500并不差，同时与标普500指数的相关系数仅有0.24；如果我们在配置波动率资产时加入波动率方向的分析，比如2010年之后反向操作，那么最终结果如图，累计收益与标普500基本完全一致，同时二者相关系数仅有0.18，所以可以看到波动率资产的长期累计收益并不差，同时跟原有的股票和债券品种保持很低的相关性，是可以考虑引入的配置类别。
我们说到新的资产类别的引入，可以分散风险，也有机会提升原来策略的收益。同样以CBOE的指数为例，它有一个CMBO指数，通过期权和股指的组合，最终实现的是市场在小幅波动过程中收益率高于市场指数，但是市场大涨的时候最高收益有限，那么实际上就是同时对股票和负波动率进行了配置。从1986年6月30日到2018年3月16日，CMBO指数中因为包含股指部分所以和标普500指数相关系数达到了0.93高度相关，但同时其波动率部分的配置为它带来了最终年化收益高于标普500指数，波动率、夏普比例、最大回撤等均优于标普500的效果。
国内的市场情况，2015年开始场内期权市场有了快速的发展。我们接触的一些私募投资机构，其中有些初创的像几千万、几个亿的规模的对新的衍生品市场非常感兴趣。为什么？有的私募会去配置期权方面的策略，相当于在未来的市场做布局。假设说三五年之后，整个市场新的衍生品品种层出不穷之后，市场容量增加之后，某些私募在其中有比较好的历史表现，当市场产生了新的低相关资产类别的配置需求时，这一块儿的市场需求就会增加，这些私募就有可能实现弯道超车的效果。
第二点，衍生品还能够实现高效的对冲功能。随着市场发展、技术进步，风险管理的需求会不断细化。过去的A股市场，不同阶段的风险管理有变化的过程，在股指期货、融资融券都没有的1.0阶段，大家做法是觉得风险比较高的时候就低仓位，觉得市场机会比较多的时候就重仓。有了股指期货后，进入2.0阶段，可以用股指期货对冲的方式实现的α和β分离，绝对收益的理念开始涌现，阶段性选择获取“α+β”和纯“β”收益的灵活对冲方式也开始出现。有了期权之后，“β”可以变得更细化，我们可以有对风险更精确的定义和指导，例如有的投资者可能认为下跌就是风险，有的投资者可能认为大幅下跌才是风险、小幅回调更多的代表着机会，有了期权后这两个投资者可以做出完全不同的对冲方案、获得不同的收益结果，对风险的细致刻画结合期权后可以产生价值。下面三个图是三个基本的期权对冲的模式图，可以看到同样是对冲风险，对风险的界定不同，用期权就可以实现出不同的对冲效果。之前熔断之后有私募投资者跟我们交流，说他们持有50成分股，做打新、日内等估计能有额外的年化20%左右的收益，一方面他们认为熔断的反应过度了，看涨市场希望市场上涨时底仓部分的收益可以得到，另一方面他们又担心市场持续下跌20%以上，这时额外的年化收益覆盖不了底仓损失净值就亏损了。换言之小幅下跌不在乎、想防范大幅下跌风险，同时又想获得上涨收益。这个图就是用期权结合这种观点做出来的对冲组合，这种结构就可以满足他风险管理的需求。所以衍生品市场的发展，实际上会使投资者细化风险管理的需求得到满足，同时也使投资者可以通过风险管理创造价值。
另一个风险对冲的例子，去年的A股蓝筹白马股上涨了很多。一个产品在2017年9月之前收益颇丰，但9月之后对市场有担忧，所以每个月从已有盈利中拿权利金买入50ETF认沽期权，防范下跌风险。这是我们做的模拟图，始终持有50ETF和从9月底之后持有50ETF的同时开始买认沽期权的对比。仅从对冲部分来看，2月之前的几个月份中12月小幅盈利，其他几个月权利金略有损失，盈亏相抵影响不大，因此从9月到1月的时间中对冲后的组合实际上是跟住了50ETF的持续上涨；而在2018年2月的回调里面，50ETF直接跌回去年12月份的水平，但对冲后的组合在这个过程中没有出现任何损失。我们知道如果没有衍生品市场的发展，如果没有期权这样的品种，上述跟涨不跟跌的效果即便市场行情配合也是无法做到的，所以衍生品市场的发展在风险管理上也会为财富管理和投资管理带来非常大的帮助。

三、技术进步对财富管理和衍生品行业的影响
接下来我们谈一下技术进步对财富管理和衍生品这两块内容带来的影响。其实这个到现在还没有定论，有些也是我们思考方面的内容。
技术进步会给我们带来效率的提升，比如说现在都是电子化、自动化，但效率的提升是量变，而很多时候技术需要足够的积累才能引起最终质变的过程。比如AI技术的应用现状，从我们自身感受角度来讲，金融行业对AI技术的应用目前还处于比较初步的阶段，大部分内容还处于成本替代的阶段。腾讯研究院之前的研究报告里提到过，AI目前最大的应用场景体现在智慧医疗、智能汽车、智慧教育、安防等方面，而从技术本身的角度来讲机器人、语音识别、图象识别等走在前列。金融方面目前的应用阶段还是尝试状态，很多还是基于互联网思维的AI应用，比如说零售服务中做一些智能客服；比如说美国市场中这几年发展起来的智能投顾，基于大数据识别客户的风险偏好做智能投顾替代美国比较高昂的人工投资顾问的成本；比如说，前两天建行做了一个智能化网点，基于人脸、语音识别的应用做些网点柜台服务工作。但整体上，金融行业目前的AI应用总体上还处在成本替代的阶段，并不像某些发展较快的行业中通过技术实现了“从无到有”的质变效果。
技术的积累引发质变需要时间和应用场景。尽管潜在的发展空间非常广阔，但过去几次AI的革命其实每次都面临同样的问题，就是在核心岗位到底能否实现真正的技术落地。像财富管理，核心就是两个问题，第一个是怎么样挖掘客户的真实需求，第二是怎么样匹配客户的真实需求。从AI的角度来讲，它们能否真正替代资深财富顾问或者资深研究员、基金经理而不是仅做到数据采集、咨询收集的助理工作？这是值得探讨和思考的问题。
从挖掘、匹配客户财富管理需求的角度来讲，其实我们看到了一些客户做了很多这方面的工作，也产生了不错的作用。技术进步便于让财富管理机构更好的了解投资者，从而做出更细致的用户画像，更好的识别出用户的需求并进行匹配。比如有些第三方的理财机构，从大数据的角度已经做了很多的工作，比如说一个客户来了之后，比较传统的是识别客户的当前财务状况、发一个表格填一下偏好等。而基于大数据，可以对客户的习惯做更细的分类，比如说通过真实的数据了解这个客户每次亏损的承受能力而非填写表格，比如了解到客户每个月现金流大概怎么样、愿意拿多少资金投资、有何偏好等细节。我们看到有些公司在这方面做了很多工作，可以把客户真实需求更精准地描绘出来，从而更精准的满足。这方面的发展是需要技术进步进行支撑的，而挖掘出客户真实需求后，如何去匹配个性化的需求那又会涉及到产品的损益特性、收益结构设置，那这里面又会需要衍生品市场的发展为其提供支持。
从提升投资管理能力角度来讲，又分为两块儿：
首先，技术的提升肯定是便于管理人提高效率，比如说有的投资者有对上证50的需求，但是场内上证50相关的品种非常多，有50ETF，成分股，指数期货，期权，lof，分级基金等等。这个图中是配置50ETF和不加杠杆的配置vix.shtml" target="_blank" class="relatedlink">50ETF期权从2015年2月份一直到今年3月底的收益对比，可以看到同样的观点、不同的工具会产生差异巨大的结果。现在想配置上证50的投资者配哪个？不同的品种，哪个更符合的客户的需求？哪个阶段哪个产品更有优势？那这一点上可以通过人工智能和算法，做一定程度的识别。
其次，从投研策略的角度，变革性的人工智能技术进步还要解决大量的问题，比如自动交易、量化模型，究竟算人工智能还是说仅是一个减少人工成本的自动助理？比如说有一个真的人在这里，我们可以告诉他去做一个什么方向的研究、让他自己去找思路，目前人工智能在投研角度能否做到这点还是很存疑的。还有一个问题是人工智能策略能否实现自我进化，做到这点是有前提的，就是我们要有一个边界的框架限制，我们要定义什么叫做好、什么叫做正确。而在投资的领域，我们可以经常听到一些类似“这笔交易短期失利，但放长期来看仍然是一个正确的选择”、“这个人过去十年一直表现不错，但谁知道是不是运气好，未来不好说”的说法，那如果我们对一笔投资正确与否没有清晰的界定、那让人工智能策略去进化是很难的。但是另一方面，我们觉得纯粹AI的话，在某些细分的投资领域倒可能会有很多机会。Derman曾经说模型分为基本模型、唯象模型、统计和回归模型，金融中大量纯统计模型带来了模型不稳定、边界条件模糊等问题。在模糊的边界下AI的应用会有局限，但反过来，如果某个领域里面模型更稳定明确，那AI在里面也许会有更好的发展。从我们的角度来看，衍生品这样的市场，因为衍生品的定价里面很多东西是可以有一些确定性的评判的，因此里面更有可能体现出好的AI策略。另外一个是高频交易，同样是比较明确什么是好、什么是不好的领域，AI技术应用得比较好，一些海外高频交易公司已经把一些纯AI策略用进去了。而比较中长期的策略的纯AI应用，能否有好的收益效果还需要探讨，我们目前也是尝试的状态。
由于时间比较有限，主要就和大家分享上述内容，谢谢大家！

《金融科技、衍生品与财富管理》—— 第十二届中国期货分析师暨场外衍生品论坛上的发言纪要

浏览过的版块