量化模型与构建方式 1. 宏观冲击回归模型 - **模型名称**：宏观冲击回归模型[3][16] - **模型构建思路**：通过回归分析量化资产收益对非预期通货膨胀和非预期经济增长的敏感度（贝塔系数），以反映宏观经济意外冲击对资产价格的影响[3][16] - **模型具体构建过程**： 1. 使用二元回归模型，将资产收益同时对非预期通胀和非预期增长进行回归[3][16] 2. 模型公式为： $$r_{t+1}=c+\beta_{\pi}\pi_{t+1}^{s}+\beta_{g}g_{t+1}^{s}+\varepsilon_{t+1}$$[16] 其中： - $r_{t+1}$ 表示资产在t+1期的收益 - $c$ 为常数项 - $\beta_{\pi}$ 为通胀贝塔系数，衡量资产对通胀冲击的敏感度 - $\pi_{t+1}^{s}$ 表示非预期通货膨胀，计算公式为：$$\pi_{t+1}^{s}=\pi_{t+1}-E_{t}\pi_{t+1}$$[16] - $\beta_{g}$ 为增长贝塔系数，衡量资产对增长冲击的敏感度 - $g_{t+1}^{s}$ 表示非预期经济增长，计算公式为：$$g_{t+1}^{s}=g_{t+1}-E_{t}g_{t+1}$$[16] - $\varepsilon_{t+1}$ 为误差项 3. 使用1970年6月至2023年9月的季度数据，实际GDP增长数据来自美国经济分析局，CPI通胀数据来自美国劳工统计局，预期数据来自专业预测者调查（SPF）[18] 4. 通过从实际值中减去期初测得的一年期SPF增长预期和通胀预期，计算增长冲击和通胀冲击[18] - **模型评价**：该模型考虑了通胀与增长之间的相关性，使用非预期冲击作为自变量更能反映资产对意外经济变化的敏感度[17] 2. 预期值回归模型 - **模型名称**：预期值回归模型[29] - **模型构建思路**：评估预期增长和通胀对资产收益的影响，使用预期值而非意外冲击作为解释变量[29] - **模型具体构建过程**： 1. 回归模型公式为： $$r_{t+1}=c+\beta_{\pi}^{e}E_{t}\pi_{t+1}+\beta_{g}^{e}E_{t}g_{t+1}+\varepsilon_{t+1}$$[29] 其中： - $E_{t}\pi_{t+1}$ 表示t期对t+1期的通胀预期 - $E_{t}g_{t+1}$ 表示t期对t+1期的增长预期 - $\beta_{\pi}^{e}$ 和 $\beta_{g}^{e}$ 分别表示资产对预期通胀和预期增长的敏感度 2. 使用与基准模型相同的数据源和时间范围[29] 3. 实际值回归模型 - **模型名称**：实际值回归模型[32] - **模型构建思路**：使用实际经济增长和通货膨胀作为自变量，评估它们对资产收益的影响[32] - **模型具体构建过程**： 1. 回归模型公式为： $$r_{t+1}=c+\beta_{\pi}^{r}\pi_{t+1}+\beta_{g}^{r}g_{t+1}+\varepsilon_{t+1}$$[32] 其中： - $\pi_{t+1}$ 表示t+1期的实际通货膨胀率 - $g_{t+1}$ 表示t+1期的实际经济增长率 - $\beta_{\pi}^{r}$ 和 $\beta_{g}^{r}$ 分别表示资产对实际通胀和实际增长的敏感度 2. 使用与基准模型相同的数据源[32] 4. 混合回归模型 - **模型名称**：混合回归模型[34] - **模型构建思路**：结合使用冲击变量和实际值变量，探究预期因素在解释资产收益变化中的作用[34] - **模型具体构建过程**： 1. 第一种变体使用增长冲击和实际通胀作为自变量： $$r_{t+1}=c+\beta_{g}g_{t+1}^{s}+\beta_{\pi}^{r}\pi_{t+1}+\varepsilon_{t+1}$$[34] 2. 第二种变体使用通胀冲击和实际增长作为自变量： $$r_{t+1}=c+\beta_{\pi}\pi_{t+1}^{s}+\beta_{g}^{r}g_{t+1}+\varepsilon_{t+1}$$[34] 5. 预期通胀变动模型 - **模型名称**：预期通胀变动模型[35] - **模型构建思路**：探究通胀冲击作为预期通胀变化代理变量的作用，评估预期通胀变动对资产收益的影响[35] - **模型具体构建过程**： 1. 使用预期通胀变化和增长冲击作为解释变量[35] 2. 模型形式为： $$r_{t+1}=c+\beta_{\Delta E\pi}\Delta E_{t}\pi_{t+1}+\beta_{g}g_{t+1}^{s}+\varepsilon_{t+1}$$[35] 3. 分别对完整样本（1970-2023）和子样本（1982-2023）进行回归分析[36] 6. 特定情景优化模型 - **模型名称**：特定情景优化模型[56] - **模型构建思路**：基于投资者特定的宏观经济观点，通过设定不同的增长和通胀冲击，计算条件预期收益，并进行均值-方差优化[52][56] - **模型具体构建过程**： 1. 首先估算各资产的增长贝塔值和通胀贝塔值[52] 2. 根据投资者与市场预期的偏差设定冲击值（如±2个百分点）[57] 3. 计算条件预期收益：$E[r|scenario] = carry + \beta_{g} \times \Delta g + \beta_{\pi} \times \Delta \pi$[57] 4. 进行均值-方差优化，约束条件包括：各资产换手率不超过5%，最优组合波动率不超过初始组合波动率（11.6%）[57] 5. 考虑四种情景：高通胀低增长（HILG）、高通胀高增长（HIHG）、低通胀低增长（LILG）、低通胀高增长（LIHG）[57] 7. 宏观贝塔约束优化模型 - **模型名称**：宏观贝塔约束优化模型[61] - **模型构建思路**：将宏观贝塔值作为约束条件纳入均值-方差优化，构建对宏观经济风险更具韧性的投资组合[53][61] - **模型具体构建过程**： 1. 优化问题表述为： $$\max w^{\prime}\mu$$[61] Subject to[61] $$w^{\prime}\Sigma w \leq \sigma^{2}$$[61] $$w^{\prime}\beta_{\pi} \geq \underline{\beta_{\pi}}$$[61] 其中： - $w$ 为资产权重向量 - $\mu$ 为预期收益向量 - $\Sigma$ 为方差-协方差矩阵 - $\sigma^{2}$ 为波动率约束 - $\underline{\beta_{\pi}}$ 为通胀贝塔值下限约束（如-1.0）[61] 2. 通过增加对高通胀贝塔值资产（如大宗商品）或通胀贝塔值负得较少的资产（如私募房地产）的权重，降低组合对通胀风险的敏感度[61] 量化因子与构建方式 1. 通胀冲击因子 - **因子名称**：通胀冲击因子[16] - **因子构建思路**：衡量实际通货膨胀与预期通货膨胀之间的差异，反映价格水平的意外变化[16][35] - **因子具体构建过程**： $$\pi_{t+1}^{s}=\pi_{t+1}-E_{t}\pi_{t+1}$$[16] 其中： - $\pi_{t+1}$ 为t+1期的实际CPI通胀率[18] - $E_{t}\pi_{t+1}$ 为t期对t+1期的通胀预期，来自专业预测者调查（SPF）[18] 2. 增长冲击因子 - **因子名称**：增长冲击因子[16] - **因子构建思路**：衡量实际经济增长与预期经济增长之间的差异，反映经济活动的意外变化[16] - **因子具体构建过程**： $$g_{t+1}^{s}=g_{t+1}-E_{t}g_{t+1}$$[16] 其中： - $g_{t+1}$ 为t+1期的实际GDP增长率[18] - $E_{t}g_{t+1}$ 为t期对t+1期的增长预期，来自专业预测者调查（SPF）[18] 3. 通胀贝塔因子 - **因子名称**：通胀贝塔因子[3] - **因子构建思路**：衡量资产收益对通胀冲击的敏感度，反映资产对冲通胀风险的能力[3][4] - **因子具体构建过程**： 通过宏观冲击回归模型估计得到的$\beta_{\pi}$系数[3][16] 4. 增长贝塔因子 - **因子名称**：增长贝塔因子[3] - **因子构建思路**：衡量资产收益对增长冲击的敏感度，反映资产对冲增长风险的能力[3][4] - **因子具体构建过程**： 通过宏观冲击回归模型估计得到的$\beta_{g}$系数[3][16] 模型的回测效果 1. 宏观冲击回归模型 - 短期利率：增长贝塔值0.38(t=4.34)，通胀贝塔值0.52(t=5.65)，调整R²=0.39[25] - 10年期名义收益率：增长贝塔值0.18(t=3.23)，通胀贝塔值0.32(t=5.77)，调整R²=0.31[25] - 名义30年-10年利差：增长贝塔值-0.05(t=-3.98)，通胀贝塔值-0.05(t=-3.30)，调整R²=0.19[25] - 10年期实际收益率：增长贝塔值0.05(t=1.71)，通胀贝塔值0.04(t=0.85)，调整R²=0.03[25] - 股票：增长贝塔值3.75(t=3.90)，通胀贝塔值-1.99(t=-2.63)，调整R²=0.24[25] - REITs：增长贝塔值3.36(t=2.82)，通胀贝塔值-0.89(t=-0.89)，调整R²=0.13[25] - 信用利差：增长贝塔值-0.15(t=-4.97)，通胀贝塔值0.03(t=1.15)，调整R²=0.19[25] - 大宗商品：增长贝塔值2.00(t=2.69)，通胀贝塔值7.62(t=5.26)，调整R²=0.37[25] - 黄金：增长贝塔值-1.78(t=-1.75)，通胀贝塔值5.84(t=3.11)，调整R²=0.23[25] 2. 预期值回归模型 - 所有因子和资产的R²值均较低，系数统计上不显著[31] 3. 实际值回归模型 - 贝塔系数符号和显著性与基准模型大致相同，但R²值通常低于基准模型[33] 4. 预期通胀变动模型（完整样本1970-2023） - 短期利率：通胀贝塔值1.59(t=6.43)，调整R²=0.40[37] - 10年期名义收益率：通胀贝塔值0.82(t=3.54)，调整R²=0.23[37] - 30年-10年利差：通胀贝塔值-0.17(t=-3.19)，调整R²=0.21[37] - 10年期实际收益率：通胀贝塔值0.01(t=0.12)，调整R²=0.02[37] - 股票：通胀贝塔值-4.64(t=-1.99)，调整R²=0.22[37] - REITs：通胀贝塔值-1.39(t=-0.56)，调整R²=0.11[37] - 信用利差：通胀贝塔值-0.01(t=-0.11)，调整R²=0.17[37] - 大宗商品：通胀贝塔值20.81(t=4.48)，调整R²=0.31[37] - 黄金：通胀贝塔值18.88(t=4.69)，调整R²=0.26[37] 5. 预期通胀变动模型（子样本1982-2023） - 短期利率：通胀贝塔值1.74(t=4.56)，调整R²=0.34[37] - 10年期名义收益率：通胀贝塔值1.33(t=5.67)，调整R²=0.32[37] - 30年-10年利差：通胀贝塔值-0.26(t=-4.02)，调整R²=0.21[37] - 10年期实际收益率：通胀贝塔值0.14(t=0.70)，调整R²=0.02[37] - 股票：通胀贝塔值-5.06(t=-1.56)，调整R²=0.18[37] - REITs：通胀贝塔值1.54(t=0.37)，调整R²=0.09[37] - 信用利差：通胀贝塔值-0.20(t=-1.59)，调整R²=0.17[37] - 大宗商品：通胀贝塔值16.71(t=4.34)，调整R²=0.28[37] - 黄金：通胀贝塔值4.52(t=1.32)，调整R²=0.15[37] 因子的回测效果 1. 通胀冲击因子 - 与实际通胀高度相关，相关系数0.89[31] - 与预期通胀相关性较低，相关系数0.05[31] 2. 增长冲击因子 - 与实际增长高度相关，相关系数0.78[31] - 与预期增长相关性较低，相关系数0.14[31] 3. 通胀贝塔因子 - 大多数传统资产（如股票和固定收益）为负值[4][25] - 大宗商品和通胀挂钩债券为正值[4][25] - 黄金的正值主要归因于20世纪70年代的数据[43] 4. 增长贝塔因子 - 大多数资产为正值[4][25] - 久期资产和黄金为负值[4][25]

耶鲁模式历史表现 - 耶鲁大学捐赠基金在大卫·斯文森领导下将资金大量配置于私募股权、风险投资、房地产等另类资产[2] - 三十多年间实现年化回报率高达13.1%[2] - 该模式成为高校及养老基金竞相模仿的对象[2] 当前配置结构变化 - 耶鲁大学基金会目前40%资产配置于私募股权[3] - 现金、债券和对冲基金合计占比不足30%[3] - 债券配置从2020年10%降至2024年4%[5] 私募股权回报恶化 - 过去三年私募股权回报连续输给标普500指数[3] - 中等水平美国私募基金相对标普500超额收益从5-6个百分点收窄至1-2个百分点[3] - 2024财年从私募基金获得现金分红16亿美元 较两年前32亿美元下降50%[3] 费率结构问题 - 每年向基金经理支付费用达7亿美元[3] - 基金管理费与业绩提成维持高位 形成刚性支出[3] - 收费结构导致基金经理旱涝保收而投资人承担全部风险[3] 利率环境影响 - 低利率环境提供融资便利与高估值支撑的条件已改变[4] - 利率上升导致融资困难、退出受阻及估值承压[4] - 基金被迫在二级市场折价出售资产[4] 流动性风险加剧 - 私募股权锁定期长达5-10年[5] - 现金流紧张迫使部分机构折价出售份额应对税费[5] - 美国国会提高大学基金投资所得税加剧流动性压力[5] 对冲基金策略失效 - 高盛2023年研究发现对冲基金持仓集中于七大科技股[5] - 持仓集中导致与大盘同涨同跌 失去对冲效果[5] - 配置策略未能实现风险分散目标[5] 市场格局根本转变 - 私募市场规模从"小众暗角落"扩张至7万亿美元红海[5] - 优质资产被充分挖掘 超额收益机会减少[5] - 成功依赖的低利率与蓝海市场条件已不复存在[7] 投资策略建议 - 需警惕私募股权流动性陷阱 注重现金可获取性[6] - 调整收益预期 承认历史性超额收益不可持续[6] - 重新平衡资产配置 适度增加债券与房地产等传统资产[6] - 将私募股权作为组合调味料而非主食进行配置[6] 核心投资哲学 - 不存在放之四海而皆准的投资圣杯[7] - 成功投资需因时制宜权衡环境变化[7] - 历史高回报包含能力成分与时代顺风车双重因素[7]

财务业绩表现 - 总收入18.03亿港元 同比减少3.96% [1] - 总收益28亿港元 同比增加43.47% [1] - 公司股东应占溢利8.87亿港元 同比大幅增加1076% [1][2] - 基本每股盈利45.3港仙 [1] - 拟派发中期股息每股12港仙 [1] 业务板块表现 - 投资管理业务录得除税前溢利7.86亿港元 相比2024年同期亏损1.475亿港元实现扭亏为盈 [2] - 几乎所有资产类别表现提升 包括私募股权、企业持股、对冲基金以及特殊机会投资及结构信贷 [2] - 投资管理业务带动整体盈利复苏 得益于项目退出增加和市场对中国相关资产情绪转趋乐观 [2] 经营环境与战略 - 全球市场受关税动荡及地缘政治局势紧张影响 [1] - 大中华区经济增长面临内需疲弱及结构性改革双重阻力 [1] - 香港DeepSeek人工智能突破重燃全球投资者信心 促使资本重新流入 [1] - 公司通过稳健投资回报、严格风险管理和营运灵活性实现业绩增长 [1] - 多元化互补平台日益产生协同效应 推动经常性收入增长并提升长远股东价值 [1]

美联储货币政策预期 - 市场预期美联储9月会议降息概率接近95% 一个月前不足60% [1] - 劳动力市场疲软引发讨论 部分观点主张单次降息50个基点 [1] - 财政部长贝森特建议美联储采取更积极宽松政策应对经济挑战 [1] 通胀与消费表现 - 企业通过提价传导成本压力 物价呈现温和上行态势 [1] - 住房领域通胀持续放缓 消费者对价格变化敏感度提升 [1] - 消费能力受限将部分抵消关税政策影响 [1] 利率路径预测 - 瑞银预计美联储下月重启降息 2026年1月前每次会议降息25个基点 [1] - 累计降息幅度预计达100个基点 [1] 资产配置影响 - 宽松货币政策环境支撑股票市场表现 [1] - 优质债券及黄金等避险资产将受益 [1] 投资策略建议 - 建议通过高度分散化投资组合抵御市场波动 [2] - 对冲基金和私募市场等非传统渠道适合具备风险承受能力的投资者 [2]

对冲基金行业2025年上半年表现 - 对冲基金行业开局良好 平均回报率5.1% 但仍低于60/40投资组合的9% [2][3] - 自2020年以来对冲基金年化回报率9.4% 高于60/40投资组合的6.5% [4] - 股票多空和量化策略表现领先 量化策略一季度出色 股票多空因市场反弹受益 [5] 量化策略表现与资金流向 - 量化策略连续六个季度资金流入 成为最受追捧策略 [6][11] - 中国量化市场以long only为主 近期出现第三批出海潮设立美元基金 [6] - 量化策略在波动市场中展现稳定性 但下半年可能面临挑战 [6] 策略表现差异 - CTA和系统宏观策略上半年平均回报为负 趋势跟踪策略亏损严重 [7][8] - 主观宏观策略表现良好 空美股、多金子等操作获利 受机构投资者青睐 [12] - 生物技术基金表现最差 行业遭遇几十年未见的熊市 投资者需求大幅下降 [14][15] 投资者行为与市场趋势 - 对冲基金资金流入相当于AUM的1.3% 扭转2024年流出局面 [9][24] - 主动长期股票投资需求上升 被动长期策略兴趣大减 [18][19] - 事件驱动策略年初受期待 但上半年热度和需求有所缓和 [20] 细分领域表现 - 股票多空策略中高净敞口基金表现佳 市场中性基金因空头头寸面临挑战 [21] - TMT子行业表现突出 上半年平均回报率达7.0% [22][23] - 欧洲成为投资者最关注区域 北美关注度最低 [26] 市场环境与投机活动 - 关税影响有限 但部分消费企业将需求放缓归因于关税相关成本压力 [27] - 投机交易复苏 高市盈率和无利可图股票表现最好 与2000年和2021年投机峰值呼应 [28] - 尽管估值高企 但右侧尾部风险仍然存在 市场可能继续上涨 [28]

资产配置策略 - 公司组建专业资产管理团队并聘请具有丰富从业经验的专业人员 [1] - 采用美国耶鲁大学基金会资产配置模式进行全球化大类资产配置 [1] - 通过低相关性资产组合分散风险并提高风险调整后收益率 降低整体资产波动率 [1] 资产组合结构 - 现金类资产占比2.2% 固定收益类资产占比65.2% 公开市场权益占比19.3% [1] - 私募股权占比11.7% 对冲基金占比1.6% [1] - 固定收益类资产包含货币基金 固息票据 国债及信用债组合 私募信贷等品种 [1] 财务信息披露 - 资产收益情况需关注2024年报中公允价值变动收益和投资收益两个会计科目 [1] - 资产配置目标为实现资产保值增值并提升投资组合抗风险冲击能力 [1]

行业综述 - 资产管理行业在全球金融体系中扮演关键角色，核心任务是为个人和机构投资者管理与投资资金，通过多元策略实现回报最大化 [1] - 服务对象涵盖个人、企业、养老基金、保险公司及政府，产品包括股票、债券、共同基金、ETF及另类投资（私募股权、房地产等） [1] - 管理模式分为主动管理（依赖市场研究调整组合）和被动管理（跟踪指数），收入主要基于管理资产规模（AUM）比例或业绩表现收费 [1] - 行业受SEC、FCA等严格监管，保障投资者权益与市场公平 [1] 主要参与者 - 参与者包括大型跨国银行旗下部门、独立资产管理公司及新兴金融科技公司，后者通过技术优势带来新竞争 [2] - 大型机构凭借客户基础与资金实力占据主导，精品公司则以特色策略和服务吸引投资者 [2] 投资策略与产品 - 传统产品包括股票（资本增值）、债券（固定收益）、共同基金（分散风险），另类投资涵盖私募股权、房地产及对冲基金 [2] - 策略差异显著：价值投资聚焦低估资产，成长投资关注企业潜力，分散投资通过多资产配置降低风险 [2] 市场动态 - 全球财富增长推动行业规模扩张，2023年全球受监管开放式基金资产达68.9万亿美元，美国占比49%（33.6万亿美元） [7][16] - 技术革新（AI、大数据）提升投资决策与客户服务效率，但面临收费压力、被动产品竞争及监管变化挑战 [3] - 投资者偏好转向可持续投资，促使行业开发相关产品 [3] 美国市场数据 - 美国注册投资公司管理净资产33.9万亿美元，其中共同基金占25.5万亿美元，ETF占8.1万亿美元 [8][27] - 美国家庭54.4%持有基金，中位投资金额12.5万美元，74%家庭参与税收优惠退休计划（如401(k)和IRA） [8][30] - 美国基金持有国内公司股票33%、债券22%、国债15%，为金融市场重要资金来源 [8][35] 产品趋势 - 指数型产品需求增长，美国国内股票ETF净发行份额显著上升，主动管理共同基金资金流出 [41] - 401(k)计划中集合投资信托（CIT）占比提升至32%（2022年），成为共同基金替代选择 [43] 未来展望 - 技术驱动智能化与个性化服务，可持续投资发展空间扩大，行业整合加速（大型公司并购 vs 精品公司细分市场深耕） [3] - 共同基金与IRA成为美国养老体系核心，过去30年相关投资占家庭金融资产比例从7%升至23% [30][38]

IPO市场现状 - 特朗普宣布加征大规模关税后，IPO市场几乎陷入停滞 [1][6] - 2024年迄今欧美市场仅完成9宗私募支持的IPO，较2021年同期的116宗断崖式下跌 [5] - 2023年和2024年IPO退出分别产生1100亿美元和1300亿美元资金，远低于2021年6000亿美元水平 [5] - 大型私募基金公司推迟多个IPO计划，包括软件公司Genesys和德国药企Stada [6] 另类投资趋势 - 投资者加速转向另类投资领域寻求收益，私募信贷是最受青睐的资产类别 [2][3] - 45%的投资者计划在未来12个月内增配私募信贷资产，较半年前的37%显著提升 [3] - 37%的投资者拟增加私募二级市场策略配置，较此前的29%明显增长 [3] - 对冲基金的配置意愿从半年前的8%大幅提升至22% [3] - 亚太地区在另类投资领域的配置意愿最为强劲，67%的投资者计划增加投资 [4] 私募市场发展 - 贝莱德计划到2030年将私募领域收入占比提升至30%以上，去年末为15% [2] - 贝莱德为其私募投资业务设定4000亿美元的募资目标 [2] - 全球80%的顶级基金管理者已进入接续基金市场 [6] - 47%的单一资产接续基金回报达到或超过预期，多资产接续基金的这一比例为36% [6] 地缘政治风险影响 - 44%的投资者在决策时加大了对地缘政治风险的关注 [3] - 区域冲突（88%）和贸易战（86%）被视为主要威胁 [3] - 高资产价格、监管变化以及科技带来的挑战被59%的投资者列为显著风险 [3] AI在投资组合管理中的应用 - 90%的美国投资者计划利用AI为投资组合增值 [4] - 投资者关注AI在简化流程、提升生产力及优化资源配置等方面的价值 [4] 传统退出渠道遇冷 - 54%的全球投资者以及58%的亚太投资者表示未来两年内可能在私募二级市场交易私募股权资产 [5] - 私募股权高管普遍表示分拆出售和接续基金已成为优先退出策略 [6] - 利率上升和市场动荡导致企业上市和以理想价格出售的难度加大 [6]

交易主体 - 瑞银将旗下对冲基金部门O'Connor出售给建达资本市场公司 [1] 交易结构 - 交易双方为瑞银和建达资本市场公司 [1] - 交易标的为瑞银旗下对冲基金部门O'Connor [1]

交易概述 - 瑞银集团(UBS N)将旗下对冲基金部门O'Connor出售给建达资本市场公司 [1] 业务调整 - 瑞银集团通过出售O'Connor对冲基金部门实施业务重组 [1] 交易参与方 - 交易买方为建达资本市场公司 [1] - 交易卖方为瑞银集团(UBS N) [1]