Philip 与 Allan Maymin：以动态风险管理守住复利

一项投资的平均回报为正，不代表持有人最终会赚到钱。Philip Maymin 与 Allan Maymin 在这期访谈中从这个看似基础的区别出发，讨论资产配置该怎样面对回撤、路径依赖和不断变化的市场环境。两人共同负责 Janus Henderson 的全球资产配置团队：他们先为客户设定可承受的下行边界，再尽量提高组合在尾部情境下的上行相对于下行。寻找一个稳定的超额收益来源，不是这套做法的核心。

这是一套明确带有条件的框架。它假设期权市场价格能为未来风险提供有用信号，也要求投资者愿意用动态仓位替代静态基准。Maymin 兄弟没有把它说成预测市场的万能办法：风险中性定价与现实世界的概率并不相同，未知事件也不会凭空消失；他们的主张是，在没有完美预言工具时，期权价格汇集了值得纳入配置过程的信息。

从极端行情里学到的风险

Philip 的职业起点在 LTCM，后来经历过对冲基金、学术研究和行为分析工作；Allan 则从量化执行、高频交易、衍生品和自营交易走到资产配置。两条路径让他们对风险形成了相近的直觉：平时看似分散的头寸，在压力情境中可能一起失效。

Philip 回顾 LTCM 时，强调尾部相关性会迅速抬高。他还提到，市场参与者只要相信某机构可能被迫平仓，即使该机构并未持有某些交易，相关价差也可能因这种预期而扩大。因此，理论上仍可继续做的套利，并不一定适合继续加码；市场的承受能力和他人对仓位的猜测，本身会成为限制。

Allan 对 2010 年闪电崩盘的印象来自另一面：卖压开始连锁扩散后，做市商的 Delta 对冲、杠杆 ETF 和动量交易都可能迫使交易者继续卖出。短周期统计套利和高频交易的机会，常常来自这类缺少自主判断的订单流；当流动性提供者稀少、买卖价差很宽时，提供流动性也会变得昂贵。这个观察没有让他把高频交易等同于长期配置，反而让他更在意市场压力如何改变交易的条件。

平均回报遗漏了路径

两人的出发点是几何复利与算术平均回报的差别。即使一个策略的平均回报为正，波动带来的损耗仍会拉低长期复利；一旦先遭受较大亏损，恢复到原有资产规模所需的后续收益也会变高。他们用极端路径说明这一点：如果绝大多数结果都失败，只有极少数结果非常好，平均数可能好看，实际持有这项投资的人却大多无法实现自己的目标。

他们认为，追逐预期收益很难成为最可靠的杠杆。超额收益（Alpha）会随市场结构、信息来源和参与者变化而消失；统计上要确认平均收益显著不为零，往往需要很长的时间序列。相较之下，风险可以从更高频率的数据中持续估计，且不同市场环境会反复出现，研究者能积累应对方式。这是团队的投资哲学，风险仍无法被精确预测。

把客户的约束写进目标函数

在与新客户沟通时，团队不会只从某个基准的超额收益开始，而会追问资金用途、需要用钱的时间、亏损后会做什么，以及能够承受并恢复的最大回撤。这个问题可使传统的六成股票、四成债券配置显露出它隐含的假设：若股票在困难时期下跌约一半，而债券不与股票同跌，六成股票带来的回撤约为三成。对一些投资者而言，三成是可恢复的边界；对另一些人则不是。

2022 年提供了一个反例：股票和债券可以同时下跌，债券未必会在最需要对冲时发挥作用。嘉宾据此不把股债负相关视为恒定规律，主张直接管理回撤预算。静态权重不能替代风险控制：预算已经因过去损失而被占用，或市场给出的下行风险升高时，组合就应减少总体风险；风险预算尚有余量、市场吸引力提高时，才有空间增加风险暴露。

客户目标也可能是税后回报。团队会把卖出某个头寸的税务影响放入优化：在其他条件相近时，实现亏损的头寸比有大额未实现收益的头寸更适合用来腾出现金；递延短期收益到长期收益，也能改变纳税的时间。嘉宾同时承认，长期上涨且集中于少数股票的市场会造成难以出售的陈旧组合。多空工具能够增加调整机会，但若一项头寸的风险足以威胁首要目标，客户和模型仍需权衡是否值得付税来更换它。

为什么从期权价格读取风险

期权交易要求买卖双方支付权利金。Maymin 兄弟把不同执行价和到期日上的价格，当作市场参与者为各类结果付出的成本，也就是对标的资产未来上行、下行及其尾部的集体估计。团队把这类信号与其自身历史及其他资产相比较，不依赖单日的一个报价。

团队常观察约两到三个月期限的期权，因为配置要处理的风险窗口也大致在这个范围。超短期期权的成交量即使很大，若隐含波动率或价格没有相应变化，在他们看来就没有带来多少新的中期信息；因此，他们优先看价格、隐含波动率及其变化，而非把成交量本身当作信号。

他们选择约第 90 百分位、约 10 Delta 的翼部期权作为划分尾部的实用阈值：它已落在较少发生的区域，通常仍有成交、价格和可接受的买卖价差。团队用条件风险价值描述上下行尾部，并将注意力集中在尾部而非分布中段，因此比较的是上行尾部和下行尾部在时间中的相对变化；单个期权报价不能提供确定的收益预测。

未知风险同样不能被这个框架消除。嘉宾把期权与房屋保险作类比：购买保险并不需要预先说清火灾、地震或其他事件哪一个会发生，定价中可以包含一种对坏结果的担忧。他们认为，期权市场能在参与者不知道触发原因时，仍反映一部分这种担忧；但这不是完美预言。它的优势在于把众多投资者、研究者和交易者以真实资金表达的判断汇成一个可观察的价格。

配置分两步，先控制规模再选择去向

确定客户的回撤预算和期权信号后，团队把配置拆成两个问题。第一步问的是还可以承担多少总体风险：当前组合离预算还有多远，市场对一项一般风险资产相对于现金给出的上行与下行又如何。第二步才问这些风险该放在哪里，在资产类别、地区或个股之间偏向哪些上行尾部更有利、下行尾部较低的标的。

这种优化不把预期收益直接放在核心位置。嘉宾描述的目标是提高预期尾部收益相对于预期尾部损失的比例，也就是让组合的偏度更有利、凸性更高；约束之一仍是下行风险和回撤预算。先处理股票相对现金的总体规模，再用债券等其他资产微调，有助于避免一个追求局部最优的复杂优化器把权重频繁推来推去。

尾部相关性是这一步绕不过去的难题。条件风险价值不像方差那样可以直接相加，因此必须判断多个资产在极端情境下会不会一起损失。团队先把问题简化为尾部的正负高度相关：股票和债券的波动率若都位于各自历史的最高四分位，模型会把这看成正尾部相关的迹象；一个很高、另一个很低时，则可能偏向负相关；若两者都不极端，估计靠近零。他们还会把近期更高频的相关性信息混入判断。嘉宾把这称为实用的代理规则，而不是对相关性的永久定律。

简单模型和事前准备

市场预测的信噪比低，而且时间只会朝一个方向走，研究者无法为同一段历史重做实验。团队把经济理由放在研究流程的开端：先问一项关系为什么可能存在，再寻找能表达它的最简单形式。模型仍须足够捕捉重要特征，却不应为了事后解释每一次波动而加入太多变量；后者会提高过拟合的风险，也会在短期噪声中动摇执行纪律。

他们用波动率时间解释这种纪律为何重要。在 Black-Scholes 框架中，波动率与时间以波动率乘以时间平方根的方式共同决定风险尺度。日历上的一天不总是同样长：高波动阶段里，一个小时可能承载平日一天的风险；平静阶段里，累积同样风险可能要几天。团队会在风险较慢的时期预先研究、回测和设定规则，风险骤升时按已经检验过的方式行动，而不是临时开会判断。

如果所有人都采用这种方法

主持人把容量问题直接摆到台面上：如果所有资产配置者都用期权信号来调整仓位，这种方法是否还会有效？嘉宾的第一层回答是，现实中很多大投资者仍受静态基准、再平衡规则和授权约束，难以偏离六成股票四成债券或股票指数太多。第二层回答更像一种制度设想：他们希望机构未来比较的对象是与明确回撤预算相连的动态基准，而非固定权重的指数。

这也说明他们对被动配置的看法。把固定金额投入标普 500 或六成股票四成债券，看起来没有主动交易，但各月波动不同，实际承担的时间序列风险会大幅变化。Maymin 兄弟认为，若更多人用风险预算来衡量配置，市场未必会因而失去效率，反而可能减少由僵硬规则造成的拥挤。访谈没有提供这种广泛采用后的业绩证据；它提出的是一项关于评价标准和风险治理的愿景。

以最终可实现的结果衡量组合

节目最后回到最初的问题：投资者究竟想要一个好看的平均数，还是能够支持退休金、家庭支出或其他具体用途的最终资产规模。前者容易忽略损失后的恢复难度，后者要求先说明可承受的回撤，再在这个限制内争取更多长期复利。期权信号、尾部相关性和动态仓位，都是 Maymin 兄弟为这个目标安排的工具；它们的价值取决于信号是否持续有用、模型能否在压力下执行，以及客户是否接受由此带来的动态调整。