诺贝尔经济学奖与获奖者 - 2024年三位诺贝尔经济学奖得主分别为乔尔莫克尔、菲利普·阿吉翁、彼得·豪伊特[3] - 乔尔莫克尔阐述了经济增长需要的三大前提条件[4] - 菲利普·阿吉翁和彼得·豪伊特将熊彼特的创造性破坏理论发展成可操作经济模型[5] - 三位获奖者共享约116万美元奖金[5][14] 诺贝尔奖基金运作机制 - 诺贝尔奖基金设立核心目标是年收益率扣除通胀后大于3%[6] - 每年从资金池提取约3%用于发放奖金和运营支出[7] - 奖金支出占总基金1.2%（约700万美元）[9][13] - 评委会成本占0.75%，活动费用占0.6%，管理人员费用占0.45%[10][11][12] - 基金总规模约6亿美元[13] 诺贝尔奖基金资产配置 - 股票配置占比52%（20%瑞典股票，32%美国股票）[15] - 另类资产配置占比20%（包括对冲基金和私募）[15] - 固定收益及现金类配置占比17%[15] - 房地产与基础设施基金配置占比9%[15] - 外汇对冲收益贡献2%[15] - 2008年金融危机期间基金收益为-19.1%，导致2012年奖金缩减20%[16] 长期投资策略启示 - 可靠长期投资策略可实现每年提取3%并维持100年以上[18] - 宗庆后设立的香港信托采用类似策略，年收益3%-4%[19] - 个人年开支30万需积累1000万可投资资产[21] - 低欲望财富自由（年开支3万）需积累100万可投资资产[22] - 全天候永久策略历史回测显示可实现年提取3%且抗通胀[22] 个人财富积累建议 - 非职业投资者主要财富应来自收入积累而非高风险投资[25] - 雪球三分法通过资产分散、市场分散、时机分散实现风险分散[25] - 投资者应避免本末倒置，在资本不足时追求高风险收益[24]

投资策略演变 - 初始50年投资策略偏向保守 主要投资于安全证券如国债 [1] - 20世纪50年代初瑞典政府解除投资限制 允许投资股票和房地产 投资策略从保守转向积极 从单一资产转向多元化配置 [1] - 为减低市场风险 基金会开始加大对冲基金的投资 [1] 资产配置与市场表现 - 20世纪80年代美股长期牛市 基金会收益大幅上涨 1987年末投入美股资产总市值达12.87亿瑞典克朗 [1] - 1999年末基金会资产总市值达到39.38亿瑞典克朗 [1] - 2011年全球股票市场不振 基金会股票投资亏损1900多万瑞典克朗 [1] - 2019年投资配置为股票超过一半 房地产与基础建设投资10% 固定收益类产品占10% 对冲基金占25% [2] - 2020年市场表现良好及有效资产管理 年投资回报率接近9% [2] - 截至2023年基金会资产增至61亿瑞典克朗 相比最初金额增值近200倍 [2]

投资理念与策略 - 亚洲超高净值投资者投资门槛在2000万美元至10亿美元之间，倾向于全球配置和寻找长期确定性高的资产 [2] - 投资期限着眼于未来20至30年的长期资产增值及代际传承，而非关注短期市场波动 [4] - 投资策略聚焦于长期确定性机会，例如把握未来1至5年乃至更长期的明确趋势性机会，如黄金和人工智能领域 [5][6] - 通过资产类别多元化和地域多元化来降低风险，配置与股市相关性较低的资产，并分散投资于美国、中国、日本、新加坡、澳大利亚、欧洲等不同地区 [6] 另类投资配置 - 除传统股票、债券外，超高净值投资者通常考虑对冲基金、私募基金、房地产基金、基建基金等另类投资 [2] - 目前偏向投资黄金、人工智能产业链龙头企业、对冲基金、新加坡房地产基金等资产 [2] - 选择对冲基金时看重基金管理人的组合管理能力、平台实力及风险管控水平，例如“千禧年”基金 [7] - 对冲基金采用多策略对冲，预期年化收益率在10%至15%之间，且回撤较小，与市场相关性低 [8] - 新加坡房地产投资信托基金市场成熟，覆盖数据中心、购物中心、医院等领域，年化收益率在4%至8%之间，投资者通常配置组合的10%至30% [14] 股票投资偏好 - 人工智能领域投资聚焦于供应链中上游企业，如英伟达、台积电、荷兰阿斯麦、韩国三星等，认为其处于AI基建阶段，具备实打实的盈利支撑 [10][11] - 英伟达等公司产品供不应求，订单已排至3至5年后，估值虽被讨论但基本面强劲 [11] - 对于估值担忧，提供衍生品、期权、结构性票据等替代方案，为客户提供向下缓冲 [11] - 规避港股机器人等中小盘股票，因不符合“稳健+高流动性”需求，且存在“企业消失”的风险，投资者核心诉求是“不亏钱” [12] - 较少主动推荐外卖等行业龙头股票，因其行业门槛和护城河相对较低，市场竞争激烈，不确定性较大 [13] 其他资产观点 - 长期看好黄金，逻辑包括各国央行增持（目前黄金在外汇储备中占比20%左右，低于历史平均的28%至30%）、抗通胀需求、美元降息周期及地缘政治不确定性 [15] - 不看好美元，因其处于降息周期，今年可能再降两次，且美国政府希望降息减轻国债利息压力，预计后续走弱 [16] - 关注欧元、日元、瑞士法郎等货币汇率，尤其对于加杠杆投资的投资者，需避免还款时货币大幅升值 [16]

投资理念与策略 - 投资理念聚焦于未来20至30年的长期资产增值与传承 而非关注短期一天或一周的市场波动 [3] - 投资策略重点把握未来1至5年乃至更长期的明确趋势性机会 例如当前的黄金和AI领域 [4][5] - 通过资产类别多元化和地域多元化来降低风险 配置与股市相关性较低的资产并分散投资于美国 中国 日本 新加坡 澳大利亚 欧洲等全球不同地区 [5] 资产配置偏好 - 超高净值投资者除股票 债券外 还会考虑对冲基金 私募基金 房地产基金 基建基金等另类投资 [2] - 目前偏向投资黄金 AI产业链龙头企业 对冲基金 新加坡房地产基金等资产 [2] - 新加坡房地产基金年化收益率在4%至8%之间 投资者通常配置10%至30%在组合里 [12] 对冲基金选择 - 选择标准侧重于基金管理人的组合管理能力 平台实力及风险管控水平 例如千禧年对冲基金公司 [6] - 吸引力在于省心 由专业团队管理 且与市场相关性较低 采用多策略对冲 预期年化收益率在10%至15%之间且回撤较小 [7] - 投资主要通过基金份额 披露频率为按月或按季度 通过基金净值体现最终收益 [6][7] 股票投资赛道 - 直接投资股票聚焦于AI趋势相关的投资领域 布局AI供应链中上游企业如英伟达 台积电 荷兰阿斯麦 韩国三星等 [8] - 认为英伟达等公司估值并不高 有实打实的盈利支撑 产品供不应求 订单已排至3至5年后 [9] - 对部分估值敏感客户 提供衍生品 期权 结构性票据等非直接购买股票的替代方案以提供向下缓冲 [9] 特定行业观点 - 较少推荐港股机器人公司 因多为中小盘 不符合稳健高流动性需求 且存在企业淘汰的不确定性风险 [10] - 较少主动推荐外卖等行业股票 认为其行业门槛和护城河相对较低 竞争激烈 不确定性较大 更倾向于行业格局清晰 龙头地位明确的标的 [11] 黄金与货币观点 - 长期看好黄金 逻辑包括各国央行增持（目前占比20%左右 低于历史平均的28%至30%） 抗通胀需求 美元降息周期及地缘政治不确定性 [13] - 不看好美元 因其处于降息周期 今年可能再降两次 且政府希望降息减轻国债压力 预计后续走弱 会关注欧元 日元 瑞士法郎等货币汇率 [14]

全球另类投资行业概况 - 全球另类投资资产规模在过去十年间增长三倍，已超过20万亿美元 [1] - 另类投资已从小众走向主流，获得机构投资者、高净值人群和家族办公室的青睐 [1] - 私募股权、私募信贷、房地产、基础设施、对冲基金和数字资产正成为新兴市场的战略重点 [1] 新兴市场增长动力 - 新兴市场GDP增速普遍高出发达经济体2至3个百分点 [1] - 年轻人口和创新产业为新兴市场增长提供动力 [1] 迪拜国际金融中心的地位与作用 - 迪拜已吸引440多家财富与资产管理公司，其中包括85家对冲基金，成为区域最大另类投资集群 [1] - 迪拜凭借监管透明度、全球资本通道和创新驱动优势，正成为连接全球投资与新兴市场增长的战略门户 [1] - DIFC通过特殊目的载体（SPV）、家族办公室及基金中心等平台，帮助投资者进入新兴市场，支持基金扩展与创新 [1]

公司战略与定位 - 公司核心战略为深化“银行一体化”并扮演中国与全球的“超级联系人”角色 [2][6] - 财富管理业务是公司的起点和核心业务，其收入占集团总收入50%以上 [6] - 公司通过“银行一体化”战略，从财富管理切入，延伸至投资银行及资产管理，以覆盖客户的多元需求 [6] - 公司在粤港澳大湾区管理的资产已占亚太区总规模的1/3，凸显该区域的重要性 [11] 市场布局与业务发展 - 公司财富管理业务深耕中国香港及亚太区超过60年，进入内地市场超过35年，在内地展业超过15年 [6] - 公司中国区业务涵盖两大平台：瑞士银行（中国）及瑞银证券下设的财富管理部门，同时管理境外服务中国客户的团队 [7] - 2024年团队往返香港与大湾区内城市的次数较2023年增长25%，“银行一体化”相关会议次数增加20%以上 [12] - 公司计划于2026年底将香港办公室迁至西九龙高铁站上盖，以更高效地服务大湾区客户 [12] 客户需求与行业趋势 - 当前中国高净值客户的核心需求是“稳”，越来越重视分散投资，关注点从房产转向私募、对冲基金等另类投资 [9] - 公司协助企业家探索主业以外的业务，发现新的商机 [9] - 海外家族办公室被视为培育下一代的“学校”，并作为慈善与影响力平台，后代倾向于投资有社会价值的项目 [9] - 中国企业“出海”热潮以及欧洲企业对中国市场兴趣增长，使公司“超级联系人”的作用更加突出 [7]

文章核心观点 - 在贸易政策不确定性和地缘政治紧张背景下，全球家族办公室整体资产配置保持稳定，但对未来投资回报持乐观态度，并积极采取主动管理策略以增强组合韧性 [1][5][8][10] - 直接投资需求旺盛，私募股权成为最受青睐的资产类别，而全球贸易紧张局势已取代利率成为家办的首要担忧 [13][14][15] - 家办在投资风险管理上表现良好，但在网络安全、地缘政治风险及非投资类服务的专业化方面仍有显著不足 [17][18][20][21] 十大关键发现 - 资产配置基本稳定，调整幅度小于去年，50%家办保持固定收益持仓不变，64%家办保持房地产持仓不变，私募股权呈现最显著乐观走势，净增配家办比例达26% [5][37][38] - 尽管存在关税不确定性，家办对未来12个月回报前景积极，30%家办预期回报率在10%–15%之间，8%家办预期回报超过15% [8] - 为应对市场波动，近三分之二家办采取行动，39%家办采用主动管理方式，25%家办增加防御性资产配置，15%家办增加防御性地区配置 [10][11] - 70%家办参与直接投资，40%家办在过去一年增加或显著增加直接投资活动，52%家办偏好成长型投资，37%家办偏好早期投资 [13][14] - 全球贸易紧张局势是家办首要担忧（60%），取代了2024年的首要担忧利率（30%），中美关系是第二大担忧（43%） [15] - 投资风险是家办提及最多的风险（70%），83%家办认为其投资风险得到良好管理，但对网络安全（48%）和地缘政治风险（55%）的管理缺乏信心 [17][18] - 家办在投资职能专业化方面有进展，但风险管理（58%）、网络安全（58%）和继任规划（74%）等领域存在显著不足 [19][20] - 资源限制导致服务缺口，58%家办在下一代培养方面存在服务缺口，38%家办在促进家族凝聚与延续方面存在缺口 [21] - 家办日益倾向外包服务以应对复杂性 [24] - 人工智能应用比例相比去年几乎翻倍，尤其在运营任务自动化（22%）和投资分析预测（22%）方面，但缺乏内部专业知识（57%）是主要障碍 [25][26] 投资策略与情绪 - 2025年家办资产配置与2024年基本一致，公共股票（27%）、固定收益（15%）和现金及现金等价物（13%）是主要配置，另类资产占比约40% [28][30][31] - 直接投资占整体资产的21%，私募股权通过基金配置占比上升2%至11%，数字资产配置从0%升至1% [31][32] - 家办对2025年回报保持乐观，45%家办预期回报率为5%—10%，30%家办预期回报率为10%—15%，但后者比例低于2024年的35% [34][35] - 资产配置变化显示看涨基调，私募股权净增配比例为26%，公开股票净增配比例为11%，固定收益净增配比例为14% [38][39] - 短期资产类别情绪以中性主导，发达市场股票净积极情绪最高（+17%），其次是私募股权直接投资（+15%）和对冲基金（+14%） [43][44] - 地区情绪差异显著，美洲地区对私募股权直接投资的净看涨情绪达+21%，而亚太地区仅为+1%，亚太地区对对冲基金净看涨情绪突出（+34%） [48][49] - 各地区对艺术品一致持净看跌情绪，拉丁美洲负面情绪最强烈（-26%），数字资产在拉美（+10%）和亚太（+4%）态度略显积极 [50][51]

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]