霍华德·马克斯的投资哲学 - 投资成功源于长期持续的稳健表现，而非少数高风险豪赌 [4] - 投资的本质是在不确定性中设法让概率站在自己这边 [4] - 情绪稳定是优秀投资人最关键的品质之一 [4][54] 对巴菲特与芒格的推崇与借鉴 - 将巴菲特“跳着踢踏舞去上班”的状态视为理想生活状态 [2][4][10] - 赞赏芒格将天赋结构化为一整套系统性的思维框架与方法论 [2][4][11][12][14] - 认同巴菲特强调的谨慎原则：别人越是轻率行事，自己越要谨慎 [9] - 赞同巴菲特“等待好球”的投资理念，强调耐心与选择而非频繁出手 [9][38] - 指出芒格劝巴菲特放弃“烟蒂股”策略，转而购买价格合理但真正优秀的公司，这一理念塑造了后来的巴菲特与伯克希尔 [14][15] 风险认知与投资框架 - 投资应专注于避免灾难，通过避免失败者和亏损年份来让赢家照顾好自己 [6][16] - 将投资类比为业余网球，强调“不出错”比“打出制胜分”更重要，应在能力范围内比赛 [17][18][19] - 引用马克·吐温观点：真正让人陷入麻烦的是那些深信不疑但错误的事情 [19] - 以长期资本管理公司为例，警示过度依赖模型和杠杆的风险 [19] - 投资者必须在最糟糕的日子里也能存活下来，避免被市场“赶下牌桌” [21] - 投资决策需在“多赚钱”与“少亏钱”之间做出有意识的选择，两者无法同时最大化 [22][23] - 建议投资者根据年龄、资产、心理承受能力等因素，明确自己的“合理风险水平”（0-100刻度） [24][25][26] - 将此风险框架视为动态调整的过程，而非固定数学公式 [26][27] 市场时机与交易行为 - 认为市场偶尔会提供机会，允许投资者稍微调整激进或防御程度，但调整不宜过多 [29][30][32] - 指出过度交易是一个错误，成本高昂且可能适得其反，容易在市场高点买入、低点卖出 [31] - 整体上，买入并长期持有要优越得多 [32] - 一生中仅做过五次非常成功的市场判断，且集中在过去25年，强调胜率够高的判断时刻少之又少 [33][34] - 即使在有信心的时刻，也不应高估胜率，更现实的可能是七成对三成错甚至更低 [34] 竞争优势与投资方法 - 投资成功的关键在于找到自己的比较优势或“优势区域” [35][36][39] - 优势通常来自一套正确且始终如一的方法论，以及比别人更深刻的信息或洞察 [37] - 真正的机会往往藏在人迹罕至的小径上，投资是一场极度竞争的游戏 [37] - 个人做法是投资组合一直保持仓位，但根据环境动态调整进攻与防守的力度 [40][41] - 必须清楚自己擅长什么，事先制定标准，在认定“胜率偏向自己这边”的时刻出手 [39] 对特定资产类别的观点 - 认为当前AI热潮最像1998-2000年的互联网泡沫，逻辑相似但程度不同 [42] - 尚未听到有人能清楚解释AI将如何具体改变世界、形成商业模式并赚钱 [42] - 指出泡沫总是在幻想最多的地方发生，并警示两个常见错误：不能默认今日领先者未来继续领先；也不能仅因估值高就去买便宜的落后者 [43][44] - 投资者需明确自己是投资于讲故事的AI初创公司，还是投资于AI锦上添花的稳健盈利公司 [46] - 认为黄金、比特币等资产因不产生现金流而缺乏内在价值“锚点”，无法进行价值投资式的低估判断 [47] - 指出从2010年底至访谈时，黄金年化回报约为7.7%，而同期标普500指数年化回报为12.7% [48] - 认为黄金长期表现平平，并非优秀投资 [49] - 建议大多数人与其自己投资，不如选择由专业团队管理的基金、ETF等产品 [50] - 引用芒格观点：投资不是容易事，认为容易的人是蠢蛋 [50] - 指出获得市场平均回报容易，但获得超额回报非常难 [51] 投资行为与心态 - 强调情绪稳定是关键品质，避免让情绪主导决策 [4][52][54] - 指出情绪化操作常导致在市场火热时高位买入、低迷时低位卖出，这是一条注定失败的路径 [53] - 建议不要频繁操作，很多时候最好的行动是按兵不动 [55] - 认为投资的长期有效性源于经济增长和企业创造利润，投资者应搭上增长列车并坚持不下车 [56][57] - 指出长期坚持比成功择时、精准选股更重要 [58]

核心观点 - 基于周期嵌套理论改进的Black-Litterman（BL）资产配置模型可显著提升投资组合的夏普比率和胜率，模型输出建议2026年增配A股和美债，同时逐步下调美股仓位 [2][3] - 当前经济周期处于主动补库中后期，预计2026年主要经济体将进入去库阶段，资产配置应依据库存周期不同阶段进行调整 [3][25] - 模型实证回测显示，在海外和国内四资产组合中，BL模型均能有效提升风险调整后收益，尤其在控制回撤和优化风险收益比方面表现突出 [3][31][32] 改进版BL模型简介 - BL模型通过将市场隐含均衡收益与投资者主观观点按信心程度加权合并，克服传统均值-方差模型对参数高敏感的缺点，输出更稳健的预期收益率 [3][8] - 模型改进的核心在于将周期嵌套理论作为主观观点输入，基于不同库存周期阶段的大类资产历史表现进行贝叶斯修正 [3][10] - 模型基本步骤包括：获取市场隐含先验收益率、输入主观观点及信心矩阵、通过贝叶斯定理计算后验收益率、最终求解最优资产配置权重 [8][10] 周期嵌套理论与资产配置 - 库存周期分为四个阶段：被动去库阶段股票表现最优（万得全A年均收益率27.74%），主动补库阶段股票和商品领先（万得全A年均收益率40.01%，南华商品14.02%） [15][18] - 被动补库阶段债券表现最佳（中证全债年均收益率3.61%），主动去库阶段债券优势明显（中证全债年均收益率10.28%） [16][18] - 资产配置建议：被动去库和主动补库阶段侧重股票与商品，主动去库与被动补库阶段增加债券配置以平滑组合波动 [3][20] 模型实践与实证回测 - 海外四资产（美股、美债、商品、美元）回测显示，"全知"状态下最大化效用组合年化收益率达28.2%，夏普比率2.88，胜率100%；最小化波动组合年化收益率5.8%，胜率94% [31][34][39] - 国内四资产（A股、中债、商品、货币）回测中，BL模型组合夏普比率较等权组合提升0.8-0.82，胜率提升12个百分点至88% [43][44][55] - 参数敏感性测试表明，风险厌恶系数在0.08-0.2区间对国内资产组合优化效果最佳，观点置信度参数在0.25左右对夏普比率和胜率提升最显著 [57][64] 2026年资产配置展望 - 海外资产配置：美股仓位自2026年起逐步下调，美债仓位从2025年下半年开始抬升，商品仓位调降，美元维持低位 [74][75] - 国内资产配置：A股仓位自2025年以来逐季提升，2026年维持高位；债券和商品仓位依优化目标灵活调整，最大化效用目标下国债仓位提升而商品仓位降低 [76][78][79] - 细分资产建议：股票内部沪深300仓位逐步提升，商品内部黄金维持高仓位（最大化效用目标）或原油、铜仓位提升（最小化波动目标） [80][83]

核心观点 - 在期货交易中，盈亏比是决定最终盈利结果的关键变量，其重要性甚至超过胜率 [1][4] - 盈亏比的本质是交易者对入场和退场时机的精准把控能力，是衡量交易质量的核心标准 [1][3] - 交易的本质是用可控的“风险成本”换取收益，而盈亏比揭示了交易者运用风险成本赚取收益的能力 [2] 盈亏比的定义与重要性 - 盈亏比的计算方式为平均盈利金额除以平均亏损金额，其数值可能远超1，成为左右最终盈利的决定性变量 [4] - 交易的最终盈利结果可通过公式呈现：盈利结果=(胜率×(盈亏比+1)-1)×交易频率×风险度 [1] - 举例说明，若每次交易平均盈利10000元，平均亏损1000元，则盈亏比为10，即使胜率仅为10%，账户依然能实现整体盈利 [1] 盈亏比与交易技术 - 衡量交易技术的高低，微观上是对进场点和退场点的把控精度，优质进场点能缩小止损空间，合理退场点能最大化盈利空间 [2] - 真正的交易高手追求用最小风险敞口换取最大收益的高盈亏比交易，而非炫耀单次盈利金额 [3] - 盈亏比是检验交易实力最客观的标准，它体现了交易者在不同周期细节中精准捕捉有利交易切入点的能力 [3] 盈亏比与风险成本 - 交易行业的核心逻辑是用可控风险换取收益，亏损是交易中必然要付出的“经营成本” [2] - 盈亏比的核心价值在于揭示了交易者运用“风险成本”赚取收益的能力 [2] - 交易者需认清“亏损即成本”的本质，才能有效运用盈亏比策略 [2]

核心观点 - 报告基于创新的投资期望模型（投资期望=胜率*赔率-（1-胜率））进行风格轮动分析，最新一期模型强烈推荐成长风格，其投资期望为0.32，远高于价值风格的-0.22 [4] - 历史回测显示，自2013年以来，该风格轮动模型策略年化收益率高达27.99%，夏普比率为1.04，表现显著优于单一风格及市场基准 [4][22] 赔率分析 - 赔率定义为平均正收益与平均负收益绝对值的比值，市场风格的相对估值水平是影响其预期赔率的关键因素，两者呈负相关关系 [2][9][14] - 根据最新估值差分位数计算，当前成长风格的赔率估计为1.08，价值风格的赔率估计为1.12 [2][14] - 相对估值水平通过计算风格组合的账面市值比之差，并经过全市场估值水平修正后的历史分位数来刻画 [11][12][13] 胜率分析 - 胜率由七个宏微观指标综合判断，当前五个指标指向成长风格，两个指标指向价值风格，成长风格胜率为63.24%，价值风格胜率为36.76% [3][19][20] - 宏观指标包括十年期国债收益率、美国六个月国债收益率、PMI、中长期贷款同比、CPI-PPI剪刀差；微观指标包括动量和强势股占比 [19][20] 近期市场表现与风格构建 - 上周全市场成长风格组合收益为4.58%，价值风格组合收益为2.24%，成长风格表现领先 [1][8] - 成长与价值风格组合通过因子合成构建，价值风格采用账面市值比和净利润市值比，成长风格采用净利润、营业利润和营业收入的同比增速，并经过市值中性化和标准化处理 [8]

产品结构差异 - 经典雪球结构仅在敲出或到期时一次性获取票息收益，若发生敲入且到期前未敲出则无票息收益 [2] - 经典凤凰结构在每月票息观察日价格高于敲入线即可获得当月派息，敲入事件仅影响发生当月收益 [2] - FCN结构投资者定期收到固定票息，仅在到期日观察是否敲入，敲入概率大大降低 [2] 不同情景损益 - 未发生敲入情景下，三种结构收益类似，均可获得持有期间票息 [3] - 发生敲入且敲出结束情景下，雪球和FCN可获得持有期间票息，凤凰因敲入事件导致票息收入期数减少 [3] - 敲入且未敲出情景下，到期时标的资产价格低于行权价将发生本金亏损：雪球完全不能获得票息必然亏损，凤凰可通过未敲入期间票息弥补部分亏损，FCN的存续期票息收益可作为标的下跌的安全垫 [3] 风险收益特征 - 风险与收益相对应，在其他条件一致情况下，凤凰票息低于雪球，FCN票息一般最低 [4] 市场影响因素 - 三种看涨结构Delta始终大于零，均为做多标的价格的期权，在标的上涨时有利 [7] - 此类结构更适合震荡或温和上涨行情，价格高于敲入线时Delta随标的上涨而变小，价格高于期初价时Delta不足0.4 [7] - 预期波动率与票息呈正相关关系，波动率升高时三种结构达到敲入条件的比例增加，票息相应升高 [8] - 看涨结构在多数情形下做空波动率，波动率下降对持仓有利，波动率处于相对高位是较好参与时机 [10] - 年化贴水率越大时票息越高，贴水相对较高时是较好的购买时机 [13] 标的选择分析 - 挂钩标的选择需关注收益分布特征，大幅下跌概率较大的品种风险更高 [14] - 中证500指数日收益率分布尖峰肥尾特征最明显，恒生科技指数<-3σ概率最小且偏度为正 [14][15] - 恒生科技指数最大回撤达63.56%，中证500指数最大回撤为36.81% [15] - 综合考虑日收益分布和最大回撤，中证500指数是较适合的标的 [14][16] 波动率与回测 - 中证500指数和PTA期货波动率适中，更适合作为此类结构标的 [16] - 历史回测显示FCN可非常大程度上规避敲入损失，胜率显著高于雪球但年化收益不高 [16] - 隐含波动率低于长期中位数时不开仓，雪球敲入概率可大大降低，隐含波动率高于长期中位数时可考虑开仓雪球期权 [16] - 采用隐含波动率择时策略后，雪球敲出概率从86.68%提升至98.82%，敲入概率从13.32%降至1.18% [17] 结构要素调整 - 可通过取消敲入设置降低风险，或调整收益分布将高票息设置在敲出时间更集中的期限 [18] - 可调整障碍价高低或分布，如逐期下调敲出线增大敲入概率，或逐期降低敲入线降低敲入概率 [19]

核心观点 - 基于投资期望模型 最新推荐风格为成长 其投资期望为0.33 显著高于价值风格的-0.22 [4][18] - 成长风格胜率为63.24% 价值风格胜率为36.76% 七个胜率指标中五个指向成长 [3][16] - 成长风格赔率估计为1.11 价值风格赔率估计为1.13 两者接近但价值略高 [2][14] - 策略历史表现优异 自2013年以来年化收益率达28.06% 夏普比率为1.04 [4][19] 赔率分析 - 赔率定义为平均正收益与平均负收益绝对值的比值 反映收益率序列的盈利亏损比 [9][10] - 采用相对估值水平的历史分位数法 通过账面市值比计算估值差并做全市场调整 [11][12] - 当前成长风格估值差分位数为0.36 价值风格为0.74 显示成长估值相对较高 [14][15] - 相对估值水平与预期赔率呈负相关关系 据此推得两类风格赔率 [2][14] 胜率分析 - 胜率指标包含五个宏观因素和三个微观因素 共七个指标 [16] - 宏观指标包括:十年国债收益率分位数 六个月美债收益率分位数 PMI偏离度 中长期贷款偏离度 CPI-PPI剪刀差 [16] - 微观指标包括:动量效应 强势股占比 北向资金持仓变化 [16] - 当前信号分布:十年国债(成长) 六个月美债(成长) PMI(成长) 中长期贷款(价值) CPI-PPI(成长) 动量(价值) 强势股(成长) [17] 投资期望与策略表现 - 投资期望计算公式:胜率*赔率-(1-胜率) 综合评估胜率与赔率 [4][18] - 成长风格投资期望为0.33 价值风格为-0.22 模型明确推荐成长风格 [4][18] - 策略总收益达2236.55% 相对市场超额收益319.81% 年化波动率26.88% [19] - 最大回撤50.48% 优于成长风格的62.02%和价值风格的46.96% [19] 风格收益表现 - 上周全市场成长风格组合收益-0.48% 价值风格组合收益-0.82% [1][8] - 策略采用周度换仓方式 选取风格暴露前20%个股构建组合 [8] - 价值风格使用账面市值比和净利润市值比因子 成长风格使用净利润增速 营业利润增速和营业收入增速因子 [8] - 因子经过市值中性化和标准化处理 确保风格纯粹性 [8]

核心观点 - 在投资领域，传统职场中备受推崇的思维方式（如洞察力、解释力、坚持力）可能成为导致重大亏损的弱点，因为投资是一个存在“幸存者偏差”的少数人成功的游戏 [1][12][48] 投资与职场思维模式的差异 - 大公司工作是一个事先设计好的闭环系统，遵循既定流程大概率能获得成功 [12] - 投资是少数人成功的活动，存在“七亏二平一赢”的规律，成功案例具有显著的“幸存者偏差” [1][12] - 投资比创业多了一层“博弈”逻辑，任何有效的方法都必然需要在一段时间内失效，以降低使用者的规模 [22] 洞察力的风险 - 洞察力在大公司是被推崇的品质，但在投资中可能致命，因其容易总结出单因子的方法，而经济现象是多因子且随机分布的 [13][15][19] - 许多看似“蓝海”的市场机会，实际上是历史上所有创业者都失败的“死海” [20][21] - 奢侈品行业的新品牌在近20年内出现并在未来20年成为新奢侈品牌的概率几乎不值得考虑，市场时间窗口已关闭 [18] 解释力的风险 - 解释力在大公司决定个人业绩，但在投资中，大部分复杂活动并不存在直接理由，解释常带有“幸存者偏差” [24][26][29] - 解释能力强的人在做投资时，擅长说服别人也更喜欢说服自己，可能导致“自我催眠”，忽视现实的不利因素 [31][32][33] - 投资存在现实与预期的差异（强现实弱预期或弱现实强预期），这给了“解释系高材生”发挥空间，但若投资者有先行立场且无法自省，则易坠入迷雾 [30][32] 坚持力的风险 - 坚持力在投资中容易被高估，其有效性需满足两个条件：高胜率（现实证明大概率成功）和遍历性（小概率失败不会造成不可逆损失） [36][37][38] - 投资中的高杠杆是缺乏遍历性的典型，一个稍大的回撤即可导致爆仓，使坚持变得毫无意义 [39] - 擅长坚持的人往往自信且遵循计划，但可能将公司基本面的不利变化视为“市场考验”，沉溺于“战胜市场”的自我感动，从而触发破产机制 [40][41] - 投资成败论英雄，若因价值观或兴趣爱好而坚持，容易背离投资初衷，最终求仁得仁 [44][45] - 成功投资需要在大脑中容纳两种完全相反的逻辑，平衡试错与持股不动，单吊大牛股或单一赛道的成功者多为“幸存者” [46][47]

文章核心观点 - 主动权益基金要稳定战胜业绩基准（如沪深300），关键在于系统化的组合管理，特别是控制风格偏离而非行业偏离，并善用波动率环境优化策略 [1][3][20][27] 基准分析与战胜基准的挑战 - 沪深300指数的风格因子构成包含质量、景气、动量、红利和低估值因子，主动基金整体在红利和低估值因子表现好时易跑输指数，在质量、景气、动量因子表现好时易跑赢 [1] - 战胜基准是国内外资管机构共同难题，过去近20年A股主动权益基金年度跑赢基准比例平均约50%，美股仅约35% [17] - 公募基金超额收益主要源于对新兴产业趋势的把握，在2008年以来的六轮牛熊周期中，仅“互联网+”和新能源两轮产业驱动行情中取得显著超额，缺乏产业主线时超额有限 [18] - 基金管理人选股胜率约42%，超额收益更多靠个股赔率（选中1-2只涨幅超50%甚至翻倍个股）而非胜率，但未来胜率是更重要指标 [19] - 基准难以战胜的痛点包括基准选择（如沪深300和标普500的alpha过于集中在大市值龙头）、控制风格和行业偏离、以及选股能力 [21] 组合管理的关键：控制偏离 - 控制风格偏离的重要性大于控制行业偏离，过度偏离会显著压降胜率和赔率 [3][22][23] - 优秀基金经理与普通基金经理的差异在于风格和行业偏离幅度更小，相对均衡保守，优秀经理更多暴露在个股集中度上 [5] - 不改变基金持仓，仅将过大的风格偏离压回合理约束范围，基金收益分布会显著改善，业绩极端差的比例下降更多 [7][25] - 行业比较对主动权益价值不大，月度维度选行业β能力对业绩作用近乎无效，季度维度选股α和选行业β能力共同驱动业绩 [26] 波动率环境与策略应用 - 在A股市场，波动率和收益率呈负相关，低波动率股票收益率反而最好，这与“高波动对应高收益”的传统认知相反 [9] - 波动率是重要变量，控制波动率是提升夏普率的重要一环，A股呈现明显“风险厌恶”特征，波动率环境可分为低波（<15%）、中波（15%-25%）、高波（>25%） [28] - 波动率变迁有延续性+回落性规律，低波和高波环境下延续可能性高，高波环境波动率易降不易升，且高波往往由突发坏消息引起 [29][30][31] - 在不同波动率环境下选择不同Smart Beta风格因子可稳定增强收益：低波环境市场表现较好，攻防均衡；中波环境防御性风格占优；高波环境小盘风格明显占优 [32][33] - 广义数据显示基金经理不具备择时能力，但在A股高波环境下（如2007年6000点、2015年5500点）进行大择时可显著优化组合收益率，策略上可在市场低位且趋势向上时择时以降低波动和回撤 [12][34] 风格识别与因子表现 - 基金经理主要风格可分为质量、价值、小盘三类，质量风格是基金经理自带，价值风格在低波动时表现好，小盘风格在高波动时表现好 [13] - 质量因子在所有波动率下夏普率较均匀，低估值因子在中低波环境下夏普率较高，小盘因子在高波环境下夏普率尤为突出 [33]

核心观点 - 报告创新性地提出基于赔率和胜率的投资期望结合方式，为应对价值成长风格切换问题提供定量模型解决方案 [1][8] - 最新一期风格轮动模型推荐成长风格，其投资期望为0.45，显著高于价值风格的-0.35 [4][18] - 2013年至今，基于投资期望的风格轮动模型策略年化收益率达27.90%，夏普比率为1.03 [4][19] 赔率分析 - 市场风格的相对估值水平是预期赔率的关键影响因素，两者呈现负相关关系 [2][14] - 当前成长风格赔率估计为1.11，价值风格赔率估计为1.09 [2][14] - 估值差计算采用账面市值比（BP_LF）平均数之差，并进行全市场估值水平修正 [11][12][13] 胜率分析 - 胜率指标体系包含5个宏观指标和3个微观指标，共8个指标 [16] - 当前6个指标指向成长风格，2个指向价值风格 [3][16][17] - 成长风格当前胜率为68.88%，价值风格胜率为31.12% [3][16] 策略表现 - 上周全市场成长风格组合收益3.34%，价值风格组合收益1.02% [1][8] - 策略总收益达2136.07%，相对市场超额收益310.77% [19] - 策略最大回撤50.48%，优于基准的63.23% [19] 方法论 - 价值风格采用账面市值比（BP_LF）和净利润市值比（EP_TTM）因子 [8] - 成长风格采用净利润同比增速、营业利润同比增速和营业收入同比增速因子 [8] - 因子经过市值中性化和标准化处理，选取风格暴露前20%个股作为代表组合 [8]

核心观点 - 报告创新性地提出基于赔率和胜率的投资期望模型，用于定量分析价值/成长风格轮动问题 [1] - 最新数据显示成长风格组合周收益2.54%，价值风格组合周收益2.24% [1][8] - 模型推荐当前配置成长风格，其投资期望0.14显著高于价值风格的-0.04 [4][18] - 2013年至今该策略年化收益率达27.62%，夏普比率1.02 [4][19] 赔率分析 - 赔率定义为平均正收益与平均负收益绝对值的比值，与相对估值水平呈负相关 [9][10] - 采用账面市值比(BP_LF)计算估值差，并通过市值中性化处理保证数据可比性 [11][12] - 当前成长风格赔率1.11（估值差分位数0.51），价值风格赔率1.09（估值差分位数0.56） [2][14][15] 胜率分析 - 构建7个宏微观指标评估体系：5个宏观指标（利率、PMI、信贷等）+3个微观指标（动量、资金流向等） [16] - 当前4个指标支持成长（十年国债、美债、CPI-PPI、动量），3个支持价值（PMI、中长期贷款、强势股） [3][17] - 量化映射显示成长风格胜率53.87%，价值风格胜率46.13% [3][16] 策略表现 - 投资期望公式：胜率×赔率-(1-胜率)，成长风格得分0.14显著优于价值风格的-0.04 [4][18] - 历史回测显示策略总收益2064.09%，相对市场超额收益306.02%，最大回撤50.48% [19] - 净值曲线显示策略自2013年持续跑赢成长/价值等权基准及市场指数 [21][23]