本报告系统回顾了高盛集团以ActiveBeta系列ETF和Insights系列共同基金为代表的量化策略,重点介绍了其基于多因子组合和大数据驱动的另类数据因子构建方法。ActiveBeta通过价值、动量、质量和低波动四因子等权组合,构建稳定的Smart Beta指数;Insights系列则深挖非结构化另类数据如信用卡交易,展现出不同市场的超额收益表现与波动性差异,提示中国量化管理人可借鉴其因子衍生和策略应用思路,实现差异化投资。
业务重组及技术赋能
2022年10月高盛集团业务重组,从原有四条业务线调整为三条:全球投行及市场、资产及财富管理、平台解决方案。新增的平台解决方案以技术和数字化为核心,包括Marcus零售业务、支付科技GreenSky及苹果信用卡合作业务。该变革体现高盛对金融科技和大数据的持续投入和整合能力(图1和图2),5]。
资管规模与业务结构变化
2014-2022年,高盛资产管理监督资产规模(AUS)年均复合增长率8.9%,达到2.55万亿美元。固收基金规模最大且增长最快(10.1%),股票基金增长稳定(7.7%)。投行业务受IPO冷却影响净利润明显下滑,但资产管理业务净利润占比从17.9%提升到25.1%,展现出业务重心转移和稳定增长的趋势(图3、4)。资管产品占比中,公募基金占比轻微提升,独立账户占比略降(图5),6]。
产品类型及规模
高盛公募基金共88只,股票型基金36只,占产品数量及总规模的主导地位。货币市场基金资产规模最大(77%),但股票基金质量较好,近几年表现稳健(图6-9)。股票基金规模最大为GQG Partners International Opportunities Fund,近一年跌幅-6.06%,但跑赢标普500指数-9.23%(表1),8]。
收益表现
近一年整体股市表现不佳,股票型基金加权平均收益为-7.36%,仍显著跑赢基准标普500指数。五年期收益率达5.63%,优于其他资产类别。货币市场、地产基建及另类基金表现更优。动量策略驱动的Managed Futures Strategy Fund以16.61%的收益表现抢眼(图10,表2,3),9]。
ETF基金特点
高盛管理的ETF基金32只,股票型占71%,年度新增数目递增,2022年新增9只,8只为股票型ETF。资金集中在规模1-10亿美元的ETF,ActiveBeta系列ETF是规模最大、市场认可度最高的产品,尤其是美国大盘ActiveBeta U.S. Large Cap Equity ETF,规模最高超过108亿美元(图11-15,表4),10,11]。
历史背景及团队配置
高盛自1980年代即启用量化策略和模型风险管理,1999年成立量化投资小组(QIS),拥有逾95名投资组合管理人员和大量技术支持员工。高盛是最早推动多因子投资的机构之一,早在2000就应用多因子模型,2015年推出全球首批因子组合ETF——ActiveBeta系列。
技术升级
2014年发布人工智能平台Marquee,结合大数据、机器学习提升实时风险交易管理效率。与MSCI、AWS及Qontigo合作,深化金融云和因子风控模型应用。近年多次收购科技型企业,如GreenSky和NNIP,强化数据基础设施和数字产品,促进大数据驱动资产管理(Insight系列基金)。
量化产品线
多因子策略与组合方式
ActiveBeta策略融合价值、动量、质量和低波动四大因子,因子本身在历史收益、风险及周期相关性上差异显著(表7)。采用子指数等权合成方法,将单因子子指数等权组合而非直接合并因子信号,避免因子陷阱风险,实现风险敞口的精准控制与后期业绩归因(图16),15]。
指数编制与计算方法
以基准指数成分股为样本池,剔除沪深股。 per季度调整,赋予股票因子得分及基准外权重调整,确保整体权重平衡(负得分股票削权,正得分股票增权)。权重分配机制确保净权重中性,最终指数只包括多头头寸。
因子具体计算包括价值因子为市现率、市销率、市净率倒数平均,动量因子过去11个月复合收益,质量因子根据是否为金融股划分用ROE或毛利总资产比,低波动因子为过去一年每日收益率波动倒数(公式详见页16-17)。,16,17]。
规模及表现
ActiveBeta系列ETF规模从2017年45.79亿美元增长至2021年187亿美元(复合增长142.2%),2022年因市场大幅波动回落至164亿美元,2023年初略有回升。美国本土ActiveBeta ETF稳定表现被市场认可,非美国ETF波动较大并伴随资金赎回(图17,表8),18]。
另类数据与四大主题因子
Insights系列基金根据非结构化数据构建四类Alpha因子:
1)基本面错误定价:挖掘内在价值被低估的股票;
2)高质量商业模式:利用公司收入质量、管理质量等标准选股;
3)观点分析:结合机构与个人投资者的交易观点及卖空习惯,尤其是利用卖空数据预测股票表现;
4)市场主题与趋势:利用宏观环境和历史类比预测市场动向。
信用卡数据的说明及优势
信用卡交易数据因其高频、快速且多维度特征,能够远领先季度财报发布,实现盈利预测的领先优势。信用卡销售增长与公司后续销售增长存在正相关,信用卡数据为情景提供“新鲜”信息,对消费领域效果尤为显著(图18-21),20]。
基金规模与收益
Insights资产规模近年整体下降,2022年受市场整体影响较大,约为102亿美元。美国市场基金超额收益波动较大,国际及新兴市场基金超额收益更稳定。历史表明全球小盘基金(International Small Cap Insights Fund)超额收益波动更小,规模最大31.16亿美元,表现相对稳定(图22,表9,10),21]。
具体基金表现与行业配置
报告中未涉及具体估值方法或目标价,但对量化投资策略的因子选择及构建逻辑做了深入阐述,特别是ActiveBeta因子计算的详细公式和权重调节规则,体现科学的模型设计和风险控制。Insight系列基金更多依赖机器学习和大数据分析技术构建Alpha,强调数据驱动而非传统估值模型。
优势:
潜在不足与风险:
细微观察:
申万宏源本次研究全面梳理了高盛在量化投资领域的进展,强调其底蕴深厚的因子投资体系(ActiveBeta系列ETF)和面向未来,以大数据与人工智能驱动Alpha探索的Insight系列共同基金。ActiveBeta系列以价值、动量、质量和低波动因子为核心,通过独创的子指数等权合成有效控制风险,低费率和稳定超额收益赢得市场认可,尤其是在美国市场。Insight系列基金则利用丰富的非结构化另类数据,包括信用卡交易、卫星影像、网络流量和市场观点等,深度挖掘投资机会,尤其在新兴和国际市场表现出更稳定的超额收益,但美国市场波动较大。
报告详实披露这些策略的投资逻辑、因子计算方法及历史表现,且通过多张图表具体呈现基金规模变动和收益情况,为理解高盛量化产品提供坚实基础。基于高盛强大的业务协同和技术平台,另类数据成为获取信息优势的关键要素,并为中国市场量化管理人指出了创新与差异化发展的明确方向。
尽管如此,另类数据及机器学习驱动的策略仍存在超额收益波动和长期稳健性挑战,投资者需保持谨慎。报告也提醒了高盛和市场变化的潜在风险,但对于细节风险管理和市场竞争压力尚有待更深入探讨。
总体而言,报告充分肯定了高盛量化策略的行业领先地位和创新能力,ActiveBeta和Insights两大策略体系互为补充,兼具风险控制与alpha创新,成为行业值得学习和借鉴的典范。
以上为本次报告的详尽分析解构,涵盖高盛量化策略发展历程、核心产品策略、数据驱动逻辑以及中国市场的实践启示,结合完整图谱与数据解析,供投资研究及行业参考。
金工海外量化研究系列之四:高盛的另类数据策略产品表现如何?.pdf