新浪财经讯 近期，由天弘基金主办的 “国民ETF来了――2019 ETF峰会暨天弘指数基金战略发布会”在北京举行。天弘基金副总经理熊军发表主旨演讲，他表示，从历史数据上看，宽基也好，风格指数也好，他们的收益风险特征差异比较大，行业指数也是如此。做指数投资的时候，要做大概率正确的事情，而不是去做尽可能靠近长期收益风险高的资产，短的这一边要回避，原因也是因为投资者对这类资产过去估值过高，以至于它的收益风险特征是下降。天弘指数基金投资决策框架包括四部分，第一部分是关于估值问题，第二部分是在宏观状态之下资产收益风险特征问题，第三部分关于短期的跟踪指标，第四部分是关于指数的基本面和大数据方法。
以下是实录：
熊军：尊敬的各位来宾，各位同行，大家下午好。股票投资一直被各种投资机构和投资者高度重视，究其原因就是这类资产尽管波动率很高，但是长期收益也很高，由此成为让我们财富不缩水的一个非常重要的投资工具，长期以来人们都以为让财富不缩水就是让我们的收益率去战胜CPI，或者CPI加上一些点，如果按照这个逻辑来考虑问题，现在低风险、零风险的资产，包括银行理财就能够实现这个目标，而且还不用承担风险。那么为什么我们要投资股票呢？
这是因为我们在衡量一个财富不缩水的标准的时候，用CPI衡量相当不合适，特别是时间跨度从一年中短期扩展到十多年这种长期的时候，这个标准是非常不合适。我给了一个非常简单的数据。过去30年，整个CPI平均涨幅用几何平均算得话，大致是在4.42%，如果说有一类资产收益率也按照几何平均算是5.5%，它是战胜了通货膨胀。这个资产如果说是在30年前，1万块钱作为本金，它在去年正好接近5万块钱。从一万块钱到5万块钱，让我们的财富缩水了吗？30年前的1万块钱放在当时的生活水平下，在职职工工资水平多少倍来衡量，大约是6倍多，到了去年5万块钱，相当于社会平均工资的0.6倍。这说明什么呢？我们似乎实现了保值增值，战胜了CPI，但是我们这个财富在当时可是一笔巨大的财富，到了去年就不是一个巨大的财富，能够提供的消费能力非常有限。展望未来十年，如果把经济的增速是5%，CPI平均水平2.5%，财富不缩水的收益标准要到7.5%左右，要实现这个收益目标，我们必须是投资于风险资产才能做到，而这个风险资产主要是股票和股权，因为在房不炒的前提下，房地产已经没有这个机会。
投资股票，股票指数具有非常重要的意义，这个意义不仅仅是一个组合层面上的，王卫华总前面讲的非常好，它到底是一个菜谱，还是一道菜呢？在我们看来它首先是一个菜谱，换句话说，指数代表的是我在投资于股票的时候，所面临的赛道是哪些，准备选择哪些赛道，这个是决定收益的最主要的决策。随后才是在这个赛道里面，我怎么跑。我是主动来跑，还是说取一个稳当的中等水平。这是指数化投资和主动投资的差别问题。指数尽管是被动的，但是从赛道的角度来看是完全主动的，这是我们做ETF投资和做指数投资真正的挑战之处，而且在过去这方面的研究和积累非常少。过去一段时间里，我们用了一些资产配置的方法和框架，初步建立了一个关于指数基金的投资决策框架。从去年11月给机构客户提供了报告，每个月一份，到今天为止，我给大家报告一下这个框架。
从历史数据上看，宽基也好，风格指数也好，他们的收益风险特征差异比较大，行业指数也是如此。比如这个数据给的是04年以来，各个行业指数的收益风险特征，整个非私营部门的工资增长率是在12%左右，大约有一半指数是能够完成这个财富不缩水的任务。同时这个图也告诉我们，做指数投资的时候，要做大概率正确的事情，而不是去做尽可能靠近长期收益风险高的资产，短的这一边要回避，原因也是因为投资者对这类资产过去估值过高，以至于它的收益风险特征是下降。我们指数基金投资决策框架包括四部分，第一部分是关于估值问题，第二部分是在宏观状态之下资产收益风险特征问题，第三部分关于短期的跟踪指标，第四部分是关于指数的基本面和大数据方法。
第一部分关于估值问题，我们编制一个估值指数，应用了十多年的时间，事实证明这个估值指数能够很好的解释市场大的机会和需要回避的大风险。例如我们这里给的沪深300指数，历史上的低点，我们用分位点表示，从数据第一日到数据读取那一天里面的估值在历史上的排位分位点，都能够揭示市场的高点和低点。中证500也是一样，15年的高点能够揭示的很清楚，到了百分之百的分位点，包括去年11月的低点也揭示的很清楚，到1%。创业板指数和行业指数都能实现。总结下来，只要不是进入衰退期的行业，这种方法都可以适用。指数估值问题我们强调几点，第一点估值指数适合于与自身的历史数据的比较，而不是做行业间的比较。从理论上来说，股票的预期收益率是由这三部分构成，第三部分PE的变化率在极端值的时候，数量极比前面两个高很多，所以在短期之内出现极端情况的时候，就成为了股票的收益率的主要决定因素。这样一种利用估值把握的方法，它的使用范围仅仅是在资产价格出现了极端值的时候，具体范围是10%以内的分位点和90%以上的分位点，才能让它发挥作用。那么在10%以上，到90%以下的分位点之间，它就像一个钟表一样，这个时候决策不以估值来作为一个绝对性的依据。而且很有意思的是，我们回溯数据，发现很有意思的现象，一个资产指数，当它完全靠业绩推动的指数上涨，通常都是不持久，换句话说一个股票的指数要持续上涨，心中一定得有花，得有预期。
第二部分是我们所独有的，我们把所有的指数，风格的指数，行业的指数，宽基的指数都放在不同的宏观状态下进行观察，把所有的宏观变量都拿来做了处理，把宏观变量分成上行的状态、下行的状态，不同的水平进行处理，分成高水平、中水平、低水平，我们观察这些资产在这些发生变化的时候，宏观的变量是上行的状态和下行的状态的时候，它的风险特征有没有一个非常明显的变化，如果说这个变化是很大的话，差异很大的话，我们会认定这个宏观变量，或者统计质量，对这样的一个资产有很明显的中长期作用，后面制定投资方案，我们把侧重点放在当前影响经济的主要因素是什么，主要的宏观变量是什么，这个变量是向上还是在向下，还是在低水平和中水平下降，我们来对照模型里面的策略，来看它的差异有多大，由此来决定在投资指数的时候的力度是大还是小，投资的方向是在哪个赛道上面。
我有两个例子，PM2的数据是标志今年走势的，但是因为大家都用它，以至于是股票指数的投资指标，股票是投资人对经济现象的一个表达，PM2是采购经理人对基金现象的表达，所以跟踪他来想得到一个判断的经济，再来判断股市逻辑上行不通。但是它有另一个价值，如果把历史上的PM2上行状态和下行状态区分，就跟我们说医院现在科技发展，护士看不见，用CT我们看的很清楚，把它分成上行状态和下行状态以后，我们来看这类资产，我们所有的股票都这么做，债券都做了这样的处理，所有的宏观变量我们都做了这样的处理。我们看一看在下行状态的时候，收益率很不好，是提醒了配置的力度不能太大，上行状态的时候收益率不错，很高，平均水平是什么样子，我们就一目了然，这样的话，我们这个决策的过程就算真正有客观性。
再一个是社融，当然都知道社融，社融还好一点，用的人不是那么多，所以有一定的领先性，而且社融的方向性是向上还是向下，对整个的股票资产收益率的影响也是非常大。我们在制定一个投资策略的时候，会把重点放在说宏观抓一下，增长的时候变量会不会呈一个向上趋势，社融有没有向上的，这个问题解决了以后，状态一旦确定，通过模型的算法很快会知道风险特征，然后把对比度找出来，我们就可以制定一个大概率过剩的投资策略，这是第二个。
第二部分仅仅是说在配置的时候解决的一个投资的方向的问题，节奏上不好把握，所以我们开发一些帮助我们大概率把握节奏的东西，这些东西用了一个统计指标，叫做横向性的指标，然后把所有的这些变量跟资产的价格都做对比，把所有的因素都考虑进去，解决一个变量的边境变化，它对资产带来一种冲击，这种冲击反映在价格上面，变化方向相同我就认为是记一个同向性，不相同的话我就不记，把所有的数据进行统计，统计了以后，我就可以把所有的指标里面，哪些指标对股票和债券来说是具有领先性的，领先多少个时间的维度，同向性本质上把时间考虑进去以后就是胜率（音）的概念，我们的胜率是多少，我们把65%以上的胜率找出来，同时这是单一的变量，我们做很多的处理。我举一个例子，上证50，我算了一下它4个月的服务型订单关联度比较大，这个从理论上很难解释，回过头来上证50构成里面银行股的成分股占比比较大，受服务业新订单的指数影响。
电子手术跟中长期贷款有很大关系，而且还是领先质量，为什么，这是因为现在的企业里面IT开支，已经成为固定资产里面非常大的一笔开支，当企业在固定资产投资上升的时候，他会结束你的贷款，而且有一定的支出是要支出到IT里面来的，所以说会变成我的需求，变成理性指标，类似这样的我们都做这样的处理。
第四部分，就是一个关于指数基金的基本面分析，指数基金我们这一个时间的体会，即便是投资指数基金也必须把握它的基本面，这还是我们投资的根本。那么不同的指数，特别是宽基以后，行业指数它的基本面是和什么相关联呢，不同的指数都是关联不一样，比如说重资产的行业，可能关联更多的是营业收入，新增的行业更关联是营业利润的增速，有的是ROE同比的变化，不同的行业我们都做了大量的测算，把代表基本面和关联度的指数全部的给找出来。
同时我们用了一系列的大数据手段，来解决一个行业里面的投资基本面的问题。我举一个例子，我们在做宽基的时候，特别需要知道指数的净利润的增速是多少，但是净利润的增速往往等到全部的数据公布完了以后，他才能够提供，才能够分析出来，这个时候很滞后，我们的一个做法是你有快报、预报，我把大数据的方法全部采集起来，然后我按照权重来进行复合，逼近真正的指数是多少，这个逼近的过程，就使得我大约提前相当一段时间获取盈利的趋势变化，这样就有了信息的优势。好比说在行业里面，我们的一个做法是我把所有的行业，这么多优秀的分析师，建立了这么多逻辑，我把他们的逻辑通通的拿金融工程来进行验证，看逻辑靠谱不靠谱，靠谱的逻辑存留下来，把数据口径用大数据组织起来，当大数据变化的时候，后台里有逻辑的支撑，能够迅速得到这组数据，然后快速地进行决策，反映到投资决策体系里面来。
还有食品饮料基本面的变化是一个什么样的情况，我们都用了结构上的分析，这是关于用大数据去做预报和快报的生成，到一定的比例提前观察盈利的增速状态，用了一些先进的手段，我们愿意尽我们最大的努力来为我们的机构投资者，在投资于指数基金，特别是天弘的ETF的时候，我们来提供一个高质量的服务，帮助大家投资，好，谢谢大家！
