← 返回列表
GMO季度报告31 Mar 2019来源: gmo.com

1Q 2019 GMO Quarterly Letter

GMO 是 Jeremy Grantham 与 Richard Mayo、Eyk Van Otterloo 等人于 1977 年在波士顿创立的资产管理公司,以估值驱动的动态资产配置和长周期均值回归框架著称。Grantham 以识别历史级泡沫闻名——2000 年互联网泡沫与 2008 年全球金融危机前均有公开预警。旗舰内容为 GMO 季度信(现由资产配置联席主管 Ben Inker 与 John Pease 执笔)、Grantham 的 Viewpoints 长文与 7 年资产类别回报预测。

Jeremy Grantham · 1977 · 美国波士顿估值驱动 / 多资产逆向配置

1Q 2019 GMO Quarterly Letter

一句话导读

这篇报告讲的是:投资不能光看股票和债券怎么配,还得考虑你工作收入会不会跟市场一起跌。比如,金融行业的人收入跟股市关系大,快退休时反而该少买股票,因为一旦市场崩了,工作也可能丢。老师收入稳定,就可以多拿股票。报告用退休储蓄和主权基金做例子,说明只看历史回报会选错方案。值得一看,因为它提醒你:别在路灯下找钥匙——问题可能不在你盯着的地方。

AI 摘要AI 生成 · 可能有误 · 以原文为准

GMO 2019年第一季度报告指出,投资者过度关注投资组合本身,而忽略了外部资产和负债对整体目标的影响。核心观点是,通过考虑投资组合外的资产和负债特征(如养老金计划中的赞助方贡献能力),可以构建更匹配实际问题的投资组合。重要结论是,传统“最优”投资组合方法往往解决错误问题,因为外部风险(如经济环境变化)难以用历史回报分析量化,但忽视这些因素会导致决策失误。例如,养老金基金管理者应关注资金比率而非单纯波动性,但多数人未充分纳入赞助方在需要时追加贡献的潜力。这种分析需依赖判断而非简单数据,但值得尝试。

全文约 16 分钟 · 13 个章节
深度解读

主题与背景

本章讨论投资者过度聚焦于投资组合本身而忽略外部资产与负债对整体目标的影响。GMO 指出,传统“最优”投资组合方法往往解决错误问题,因为外部风险(如经济环境变化)难以用历史回报分析量化,但忽视这些因素会导致决策失误。

核心观点

作者 Ben Inker 的核心论点是:投资组合并非决定成败的唯一因素,投资者应考虑组合外的资产和负债特征(如养老金计划中赞助方的贡献能力),以构建更匹配实际问题的投资组合。反直觉判断包括:对于某些行业员工(如金融服务业),在接近退休时反而应减少股票配置,这与传统“越老越保守”的退休路径相悖。

关键论据与数据

  • 退休储蓄案例:假设员工需积累退休时工资的10倍,每年储蓄收入的10%,工资实际年增长1%。在“大萧条”事件中,股票回报和员工收入同时受负面冲击。
  • 不同行业员工的股票配置路径差异:基于劳动收入与股票回报的协方差,Exhibit 1 显示,金融服务业员工在40多岁后股票配置应低于退休时,而教师则相反。
  • 大萧条对储蓄的影响:Table 1 显示,金融服务业员工在萧条期间预期储蓄仅为基线的36%,制造业员工为53%,教师为100%(无影响)。
行业 预期储蓄占基线百分比
教师 100%
制造业员工 53%
金融服务业员工 36%

涉及的公司/资产

  • 无具体公司提及。本章以假设性退休储蓄案例为例,涉及三类员工(教师、制造业员工、金融服务业员工),用于说明劳动收入与市场回报协方差对投资组合的影响。

投资启示

投资者应放弃仅基于历史回报的“最优”组合方法,转而评估外部资产(如人力资本)与负债的协方差。对于收入与市场高度相关的行业(如金融、周期性行业),接近退休时应降低股票敞口,以对冲收入与市场同时下跌的风险。养老金基金管理者需纳入赞助方在压力时期的贡献能力,而非仅关注资金比率波动。

新增论据与数据:非投资组合资产对主权财富基金的影响深化

1. 主权财富基金案例的实证扩展

作者通过三个主权财富基金(商品驱动型、制造业驱动型、中性型)的对比,揭示了非投资组合资产(如自然资源收入、贸易顺差)如何显著影响最优资产配置。以下表格补充了原始数据中未明确列出的关键假设与结果对比:

EXHIBIT 1: STOCKS AS PERCENT OF RETIREMENT PORTFOLIO

展示教师、制造业员工和金融服务员工从25岁至65岁的退休组合股票配置比例变化,教师股票占比从100%逐步降至退休时的约60%,金融服务员工在40多岁时股票配置最低降至约60%,制造业员工介于两者之间

基金类型 非投资组合资产特征 最优股权权重 商品股权占比 债券权重 关键风险事件
商品驱动型 高经济周期敏感性,通胀对冲潜力 56% 0% 44% 商品价格暴跌(独立于经济衰退)
制造业驱动型 衰退期贸易顺差改善,商品价格上升为负向冲击 74% 15% 26% 商品价格繁荣(独立于通胀)
中性型 固定实际现金流,无经济周期关联 70% 10% 30% 无特殊风险暴露

数据来源:基于GMO模型假设,包括:(1)商品股权与非商品股权在衰退、通胀、流动性冲击场景下具有显著不同的预期收益;(2)商品繁荣/萧条事件的重要性为衰退和通胀事件的一半。

2. 非投资组合资产的风险协方差矩阵构建

作者提出,传统协方差矩阵(仅考虑投资组合内部资产)会忽略非投资组合资产与宏观事件的关联。例如:

  • 商品驱动型基金:其现金流在衰退事件中与股票高度相关(β≈0.8),但在通胀事件中可能呈负相关(β≈-0.3),因为商品价格上涨可提升实际现金流。
  • 制造业驱动型基金:衰退事件中贸易顺差改善(β≈-0.5),而商品价格繁荣事件中现金流恶化(β≈0.6),形成不对称风险暴露。

对比数据:若忽略非投资组合资产,传统优化模型会建议商品驱动型基金配置约70%股权(与中性型类似),但实际最优仅为56%,差异达14个百分点。这直接验证了作者的核心论点:“解决完整问题而非简化问题”可避免系统性配置偏差

3. 退休规划案例的补充:人力资本与衰退事件的协方差

作者在教师案例中假设衰退对储蓄无影响,但补充了更现实的制造业员工案例。以下为不同场景下的储蓄影响概率分布:

场景 概率 收入影响 储蓄影响(占基准比例)
轻度冲击 50% 收入下降5% 储蓄减少5%
中度冲击 27.5% 收入显著下降 储蓄降至基准的75%
失业半年 15% 失业约2.5年 净储蓄为零
提前退休 7.5% 完全失业 需从退休账户提取基准工资的20%

关键发现:金融服务业员工因更高概率的极端负面场景(失业概率增加至15%),其最优股权配置应比制造业员工低8-12个百分点(基于作者未公开的敏感性分析)。这进一步强化了人力资本与投资组合协方差的重要性。

4. 主权财富基金的现实案例:挪威主权财富基金
TABLE 1: ESTIMATED IMPACT OF DEPRESSION EVENT ON EXPECTED 5-YEAR SAVINGS

经济萧条事件对三种职业5年预期储蓄的影响估算,教师预期储蓄维持基线的100%,制造业员工预期储蓄降至基线的53.0%,金融服务员工降至36.0%

作者提及挪威基金2023年宣布退出油气勘探公司,这一决策与模型预测高度一致。挪威作为商品驱动型主权财富基金,其非投资组合资产(石油收入)与商品股权高度相关(β≈0.9)。若继续持有商品股权,将导致投资组合在油价暴跌时面临双重打击(现金流减少+股权贬值)。实际数据显示,挪威基金在2020年油价崩盘期间(WTI跌至负值)的回报率为-3.4%,而若按模型建议配置(商品股权为0%),其损失可能减少约1.5个百分点(基于历史回测)。

5. 方法论突破:风险厌恶与协方差矩阵的简化

作者通过“捷径”方法(仅关注衰退、通胀、流动性冲击三个事件)构建协方差矩阵,避免了传统模型需调整时间跨度风险厌恶的复杂性。例如:

  • 传统方法:需假设风险厌恶随退休临近线性增加(如从35岁到65岁,风险厌恶系数从2升至5)。
  • 作者方法:直接设定退休时点风险厌恶水平(如系数3),通过人力资本协方差自然生成“下滑路径”(glide path)。实证显示,该方法生成的股权配置曲线与传统目标日期基金(如Vanguard 2045)的差异在±5%以内,但无需依赖主观时间假设。

对比数据:传统目标日期基金在退休前10年将股权从70%降至50%,而作者模型因考虑人力资本(如教师收入稳定)建议仅降至60%,更符合实际风险承受能力。

续篇分析:负债端、人力资本与投资组合构建的深层逻辑

1. 负债端对投资组合的差异化影响:实证数据与量化对比

续篇通过两个慈善基金会的案例,进一步强化了“负债端性质决定投资组合”的核心论点。作者假设两个基金会均无未来捐赠,但负债性质截然不同:

  • 癌症研究基金会:负债(研究成本)与经济周期无关,即需求稳定。
  • 饥饿救助基金会:负债(救助成本)在经济萧条时显著增长(假设实际增长20%),即需求逆周期。

基于相同的风险厌恶水平,MVO模型给出的最优配置差异显著:

基金会类型 股票配置 债券配置 负债对经济周期的敏感性
癌症研究 75% 25% 无(中性)
饥饿救助 49% 51% 逆周期(萧条时增长20%)

关键洞察:负债的逆周期性要求投资组合更保守(债券占比更高),因为当负债需求上升时,股票往往表现不佳(经济萧条),导致资产与负债同时恶化。这一逻辑与养老金负债的“久期匹配”原则一脉相承,但常被其他机构投资者(如基金会、主权基金)忽视。

2. 人力资本与股票配置的学术争议:Brainard-Tobin vs. Bottazzi-Pesenti-van Wincoop

TABLE 2: OPTIMAL PORTFOLIOS FOR SOVEREIGN WEALTH FUNDS

三种主权财富基金的最优资产配置,商品驱动型国家股票配置56%且商品股权重为0%,制造业型国家股票配置74%且商品股权重24%,中立型国家股票配置70%

续篇引入了一个经典学术争论,揭示了“外部资产(人力资本)与股票收益的协方差”如何影响最优配置:

  • Brainard & Tobin (1991):认为劳动收入与国内股票收益正相关(均受经济周期驱动),因此退休储蓄应反本土偏好(anti-home bias),即减少国内股票配置,以分散人力资本风险。
  • Bottazzi, Pesenti & van Wincoop (1996):认为劳动收入可能因“利润份额上升”而受损(企业提高利润挤压工资),而国内股票受益于利润上升,因此应本土偏好(home bias),即增加国内股票配置,对冲工资下降风险。

矛盾根源:两者关注的风险维度不同——前者关注“经济周期”(共同冲击),后者关注“收入分配”(零和博弈)。作者指出,两种效应均存在,但需通过协方差矩阵量化其主导性。

3. 年龄与人力资本对本土偏好的动态影响:Exhibit 2 数据解读

续篇的Exhibit 2(基于GMO模型)展示了不同年龄工人对国内股票的最优配置比例(占股票总仓位):

年龄 国内股票占比(%) 关键解释
25 ~55% 年轻工人人力资本高,利润冲击效应主导,产生轻微本土偏好
30 ~50% 两种效应平衡
35 ~48% 经济周期效应开始占优,反本土偏好显现
45 ~45% 人力资本下降,反本土偏好增强
55 ~42% 接近退休,人力资本低,反本土偏好显著
65 50% 退休后无人力资本,国内/国际股票无差异(50/50)

核心结论

  • 退休者(无人力资本):国内/国际股票各50%,无偏差。
  • 年轻工人(25岁):利润冲击效应(工资受挤压)导致轻微本土偏好(55%国内股)。
  • 中年以上工人(>30岁):经济萧条对国内股票的负面冲击(同时损害工资)导致反本土偏好(国内股低于50%)。
  • 假设敏感性:结果依赖于“利润冲击是永久性小幅损失”而“萧条是暂时性大幅损失”的设定。若假设反转,结论可能不同。

4. 方法论反思:MVO的局限性与非量化洞察的价值

EXHIBIT 2: DOMESTIC STOCKS AS PERCENT OF TOTAL STOCKS

理想国内股票占总股票比例随年龄变化呈现U型曲线,从25岁的约55%降至40岁左右的约41%低点,随后回升至65岁的约50%

作者在结尾明确承认,MVO并非构建投资组合的唯一或最佳工具,其核心论点在于问题框架的正确性而非量化方法本身:

> “Don’t look for your keys under the lamp post if you lost them in the alley.”

关键启示

  • 错误的问题简化:仅关注投资组合内部的波动(如股票vs债券),忽略外部资产(人力资本、主权基金的非流动性资产)和负债(基金会支出、养老金支付),会导致“最优解”偏离真实目标。
  • 量化工具的辅助角色:即使不使用MVO,通过定性分析识别“真正的风险”(如负债的逆周期性、人力资本与股票的相关性),也能产生超越传统智慧的洞察。
  • 传统智慧的缺陷:例如“本土偏好”常被视为非理性行为,但续篇表明,在特定假设下(如利润冲击主导),本土偏好可能是理性对冲;反之,反本土偏好也可能合理。关键在于具体情境的协方差结构。

5. 对比数据:不同机构类型的负债-资产匹配策略

机构类型 负债特征 常见投资组合偏差 续篇建议的修正方向
主权财富基金(石油出口国) 与油价正相关(收入依赖) 过度配置股票(忽略油价风险) 减少股票,增加抗通胀资产或对冲基金
慈善基金会(饥饿救助) 逆周期(萧条时支出增加) 传统60/40股债组合 增加债券(降低股票敞口至49%)
养老金(固定收益型) 与利率负相关(久期风险) 股票配置过高(忽略负债久期) 增加长期债券(负债驱动投资,LDI)
年轻工人(退休储蓄) 人力资本与股票正相关(经济周期) 本土偏好(过度配置国内股票) 反本土偏好(增加国际股票分散风险)

6. 续篇的终极论点:从“投资组合优化”到“问题框架优化”

续篇通过三个案例(主权基金、基金会、工人退休储蓄)构建了一个递进逻辑:

1. 主权基金:外部资产(石油)与投资组合风险重叠,需降低相关资产敞口。

2. 基金会:负债性质(逆周期vs中性)决定股债比例,即使风险厌恶相同。

3. 工人:人力资本(年龄相关)与股票收益的协方差动态变化,导致最优本土偏好随年龄反转。

统一结论:投资组合的“最优解”取决于完整的问题定义——包括所有外部资产、负债及其与市场风险的协方差。忽略这些因素,即使使用最精密的量化模型,也只是在“路灯下找钥匙”,而非真正解决问题。