理念 l 索罗斯的不确定性
专注于全球宏观交易
We are focused on Global Macro
要点：
一个人自己认为的“正确性量级”越高，仓位/杠杆则越重，风险越不可控 —— LTCM死于确定性，而不是不确定性。
Soros的交易系统强调的是“不确定性”，而不是确定性。
Stanley Druckenmiller:“我从Soros学到了很多，但最受启发的也许是——交易无关对错，而是你对的时候盈利多少，和你错的时候亏损多少。”
Soros的集中交易基于不确定性；Buffett的集中投资基于确定性。
Soros的集中交易已经过时，且与“不确定性相悖”。
最近流传很多关于Soros的炼金秘诀，我发现其中大多是断章取义、道听途说、张冠李戴... 当然，1000个观众眼中有1000个不同哈姆雷特，每个人可以从自己的经验出发，对影自恋（怜）是正常的反应，也无可厚非。
这里，从一个宏观对冲交易实践者的角度，我想谈一些个人的看法。
一、量子基金的名字由来
Soros不止一次清楚地说过，量子基金(Quantum Fund)的名字受启发于量子物理学的不确定性原理（Uncertainty principle）。
量子物理的不确定性原理表达式
上面是Earle Hesse Kennard基于Werner Heisenberg（海森堡）的论文《On the physical content of quantum theoretical kinematics and mechanics》里的公式衍生、完善的表达式。σx = 位置标准差，σp = 动量标准差，右边ħ是普朗克常数。
这个公式可以表述为：
顺序测量不确定性原理：不可能在测量位置时完全不搅扰动量，反之亦然。
联合测量不确定性原理：不可能对于位置与动量做联合测量，即同步地测量位置与动量，只能做近似联合测量。
制备不确定性原理：不可能制备出测量量子态明确位置与明确动量的系统。
由于不等式左边σx和σp全是变量，右边是常量，所以不可能求出σx和σp的准确值。类似的关系也存在于股票，比如作为估值系统之一的市盈率公式：
P/E=P÷E
P/E=市盈率，P=价格，E=股票收益
比量子物理的海森堡不等式更复杂的是，市盈率公式的等号两端3个数值全部是变量—— 因为随着投资者情绪的变化，地域和文化背景的不同导致的认知偏差，市盈率理论上会在0~无穷大之间变化（实际一般在6~80，比如A股的老银行股VS新银行股，SP500的P/E VS. Russell 2000的P/E，2016的茅台和2017的茅台，比如玉在中国是无价之宝，在西方只是一种石头）。
在投资活动中，这3个变量经常互相促进、又互相制约。套用量子物理不确定性原理，我们可以说：
当人去预测价格的时候，会影响内在价值；反之亦然；
不可能对价格与内在价值做联合测量，即同步地测量价格与内在价值，只能做近似联合测量；
不可能制备出股票具有明确价格与明确内在价值的估值系统。
这就是索罗斯Soros认为的价格和股票之间的关系：
不遵循随机漫步理论：价格反映了一切信息，包括内在价值。 而是市场永远存在偏差(Markets are always biased in on direction or another.)
也不单单遵循Buffett的价值投资：内在价值决定了价格；而且他还做了重要的补充：市场可以反过来影响他们预测的事件 (Markets can influence the events that they anticipate.)
而是价格和内在价值相互作用：内在价值变动可以影响价格；价格涨跌也可以作用于内在价值（很简单的例子，乐视网股票价格以往过度偏离基本面，导致调整；暴跌以后，有关银行纷纷收紧贷款，导致公司融资能力降低，更加恶化未来盈利能力，引发加速下跌。）
Soros不断强调，他的交易秘诀就是止损（stop-loss），源自他从纳粹集中营逃脱魔窟的求生经历（SURVIVAL）。
Soros最得力的门徒，量子基金的首席基金经理Stanley Druckenmiller （年化业绩其实已经超越Soros）说：
“I've learned many things from [Soros], but perhaps the most significant is that it's not whether you're right or wrong, but how much money you make when you're right and how much you lose when you're wrong.”
我（Stanley Druckenmiller）从Soros学到了很多，但受最启发的也许是——交易无关对错，而是你看对的时候盈利多少，和你看错的时候亏损多少。
这说明，Soros/Druckenmiller的交易即使是重仓，也是随时准备认错出局，这和他的交易系统基于不确定性密不可分。所以有人以讹传讹，说Soros的投资体系建立在“确定性的量级”上，是一个的极大误解——把索罗斯的集中交易和巴菲特的集中交易混为一谈。
二、Buffett和Soros的不同
Soros和Buffett虽然都是集中投资，但两人最大的区别就在前者聚焦于“不确定性”，后者聚焦于“确定性”，所以实现的方法和原理也大相径庭。
杠杆不一样：Soros较高，Buffett较低；
杠杆成本不一样：Soros成本较高——主要通过融资融券。Buffett成本较低，主要通过保险浮存金和发行债券；
持仓周期不一样：Soros较短——杠杆成本注定了他不会长期持仓。Soros的基金作为高流动性资产，在业绩回撤的时候也会面临客户赎回的压力带来的干扰；Buffett较长，低资金成本和充裕的现金流，以及类似PE模式的股权投资低流动性，保证了他有充足的时间去验证自己的想法；
投资标的不一样：Soros主要在二级市场交易外汇，债券，股票。虽然他也投资PE和房地产市场，但这些资产的业绩不体现在量子基金里。Buffett则是借Berkshire这个投资载体，操作横跨一级和二级市场，其实更像是PE或投资银行，二级市场的特征不显著。比如2008年金融危机期间投资高盛银行的股票，不但高盛给他的期权打了九折，而且每年还要支付10%的固定利息。换句话说大多数人或Soros一样，和Buffett根本不在一个战场（或起跑线）上；
投资理念不一样：Soros既顺势而为，也寻找转折点。他不止一次说过即使看到泡沫，也会buy into the bubble，推动这个泡沫自我毁灭，然后反手做空其实更符合中国道家的动态的、辩证的分析方法，或西方的“上帝欲使之灭亡，必先使其疯狂”— 类似中医治感冒：通过捂被子，喝姜汤，发汗引发负反馈而降温。Buffett的主要的策略是左侧交易，他只关注标的的价格是否低于内在价值，以及标的未来的成长性；
投资方法不一样：Soros自上而下——眼观六路，耳听八方，以动制动，随时在找游戏规则改变带来的机会（“look for changes in the rules of the game”）；Buffett一般自下而上，只关心内在/个体，以静制动，不太关心外物/大局——不以物喜，不以己悲。当然，Buffett在2008年收购高盛的关键时刻时，用了一次自上而下，当时他说，“如果我不认为政府会救市，我这星期不会有任何动作。如果政府不采取Paulson建议，买任何东西都将会是个错误。”（"If I didn't think the government was going to act, I would not be doing anything this week," Buffett told CNBC Wednesday morning. "It would be a mistake to be buying anything now if the government was going to walk away from the Paulson proposal. Last week will look like Nirvana if they don't do something."）
另外，我认为Soros和Buffett的alpha来源和beta特征也不同：
Soros:家事国事天下事，事事关心。他的招数大开大阖、千变万化。
- Soros或全球宏观的业绩特征是低beta（因为多空对冲、切换，更灵活），高alpha。
- 他的alpha来自独特的交易逻辑，对经济和市场变量，以及趋势的把握，与政府的关系（与各国央行、政要结友）。
Buffett：以静制动，不太关心外物/大局。他的确定性来自——美国政局、经济长期稳定、央行长期放水、低通胀、企业讲信用、寿命长。
- 他的业绩特征是较高的beta（因为长期持股），较高的alpha。
- 他的alpha来自低成本杠杆，横跨一级/二级市场的博弈空间，对企业内在价值的把握，社会阶层和影响力（比如入股高盛的条款，一般人/机构拿不到），与政府部门的关系（金融危机出手，政府斡旋其中），对企业管理层的干预（并购，入驻董事会）
我们统计了Buffett的1965-2016年的每年业绩，算出Bershire的净资产与SP500的beta是0.51，Bershire的市值和SP500的beta是1.02。虽然从基金的角度，用净资产统计更科学，但由于Berkshire的股价的高低会影响到Buffett的融资成本，继而影响Bershire的收益率和内在价值，所以我们认为净资产和市值同时作为参照物。
可惜的是，我们找不到Soros的历史业绩数据，但根据宏观策略的业绩与市场方向呈低相关度，而且在金融危机和黑天鹅中表现优异，可以推断他的长期业绩beta理论上应趋近于0。下图是瑞士信贷对全球宏观策略的研究：全球宏观和全球股票波动方向的6个月平均收益呈低相关度。
来源：瑞士信贷
来源：瑞士信贷对冲基金指数，FactSet
三、LTCM死于确定性
成立于1994年的LTCM，团队由2位诺贝尔经济学奖得主Myron S. Scholes和Robert C. Merton，和金融数学家，以及投行的明星交易员组成。
LTCM策略追求99.999999...%的胜率，他们也认为自己能做到，却很快在1998年以倒闭告终。由于他们过度自信，在1998年亿47亿美金的规模，调用了1290亿美金的资产，表外资产甚至达到1.25万亿美金，实际表外杠杆达250倍。其在1998年亏损46亿美金清盘的风险甚至波及到美国金融机构，进入了美国金融系统，导致政府牵头救市，带来了金融市场的结构变化。
其后LTCM的元老团队多次创业都以倒闭而终 -- 他们用量化的高确定性把遇到黑天鹅做成了大概率事件 ...
四、集中交易或已过时
Soros强调集中投资，毕其功于一役 -- 他曾教育得意门生Druckenmiller要有做猪的勇气("When you’re sure you’re right, no trade is too big. And the bigger your gains in a year, the more aggressive you can be...Soros has taught me that when you have tremendous conviction on a trade, you have to go for the jugular. It takes courage to be a pig”)。
2000年，Soros的告别信曾经提到，Soros认为失败的原因是量子基金规模过大，受到市场的过多关注，所以关闭旗舰基金Quantum Fund (量子基金) 之后， 转换风格，成立目标收益较低、波动较低的Quantum Endowment Fund （量子捐赠基金）—— 主要做较低波动宏观策略、套利和选股的策略组合。（“Quantum Fund is far too big and its activities too closely watched by the market to be able to operate successfully in this environment. My own needs are for a more reliable stream of income to fund my charitable activities. To meet those needs, we shall convert Quantum Fund into a lower risk/lower reward operation. We shall engage in a variety of less volatile macro and arbitrage strategies, with a smaller portion of the assets devoted to stock picking on the long and short side.”）
10年之后，Druckenmiller也在选择了归隐。Druckenmiller于1986年创立Duquesne Capital。1988年起他同时兼任Soros的量子基金经理。他在任13年期间，量子基金年化业绩超过30%，远远超过了Soros历史上30年平均业绩24%。2000年从SFM离职后，Druckenmiller专心管理自己的Duquesne Capital。 Duquesne 30历史上从未有过一年亏损，年化收益30%。2010年8月，Duquesne的YTD业绩回撤5%，他认为基金规模过大，越来越难保持过往的战绩，业绩压力侵占了个人生活，所以决定关闭基金。彼时，规模已达120亿美金。（其实他宣布推出后，当年收益已经转正）。
量子基金在2000后，主要由Soros的儿子聘请CIO和外部投顾管理，业绩其实乏善可陈——除了在2007-08次债危机，2011欧债危机，2013安倍交易中Soros紧急出马，力挽狂澜、化险为夷，偶尔展现宏观交易的魅力。
窃认为，Soros的集中交易已不再适合现在的市场。原因有2个角度：
从基金管理的角度，这种大开大阖的操作模式也许长期收益稳定，也许短期大放异彩，但也给基金短期带来了波动，诱发投资者赎回，使得策略少了被验证的时间。这个方法也许对自营基金或家族基金依然有效，但对向外部开放的基金由于不适应投资者的风险偏好带来反馈的经营风险；
从策略执行的技术角度或有效性，也值得商榷：
集中交易本身就与“不确定性”相悖。
以历史发展的的眼光看，2000年之前，用多空对冲，资产分散可以分散集中交易的风险——即仓位集中，但beta分散，与Soros的哲学不相违背；2000年之后，难度加大。集中交易变成仓位和beta同时集中，与“不确定性”南辕北辙。详见3。
2000之前的市场比较单纯，机构投资者少。
量子基金在2000前高峰110亿美金和老虎基金200亿美金，总和占了当时对冲基金总规模的8-16%（我们取2家对冲基金数据库的1998-2000平均数：Barclay Hedge的1900亿美金和HFRI和AIMA的400亿美金作为参照），一方面给自己带来了“too big to perform”的困难，另一方面也证明了之前的市场竞争者少，策略重叠度低；随着竞争者越来越多，以及Soros公开自己的交易体系，用集中交易去挖掘alpha的困难度越来越大；
随着经济全球化，以及对冲基金和ETF管理规模的扩大，全球的资产的相关性越来越大，导致集中交易分散beta的亏难度越来越大。
1997年，量子基金看准亚洲金融危机，做空泰国和马来西亚是先知、神级的操作，但在印尼的18亿美金多仓却折损了做空泰、马的收益，虽然后来Drucknmiller检讨他忽视了印尼的政府腐败带来的交易风险，但他其实也忽略了资产相关性对风险的传导。
1998年亚洲金融风暴的余波继续扩散到俄罗斯，卢布贬值69%%，通胀上升84%，MICEX股票指数下跌83%，威胁了量子系多只基金在俄罗斯25亿美金的多头部位，直接带来20亿美金的损失。这次损失倒不是因为Soros/Druckenmiller误判，而是因为Soros的理想，他想通过投资俄罗斯，帮助俄罗斯重建和复苏。他看到了俄罗斯的经济危机，建议通过卢布贬值和机构化货币管理度过危机，但被市场误认为他做空了卢布...
后面的故事更加富有戏剧性，俄罗斯危机又导致了LTCM的覆灭。LTCM的倒闭继而把风险引入美国金融机构和金融系统，引发股市暴跌，又导致Soros的基金在美国的亏损。
从风险管理的角度，集中交易在对对基金经理的压力也大，容易造成继续误判。
Soros的集中交易，长袖善舞，潇洒，但是——可能要求天才，不适合团队管理。
Soros和Druckenmiller都是交易天才。Druckenmiller甚至把Soros的交易理念发扬光大，在任量子基金间的年化业绩30-40%多，超过量子基金历史水平24-30%。也许由于二人是天才，他们发扬了集中交易，但忽略了人才培养——或者也并非主动忽略人才培养，而是因为“骨骼清奇”的天才、知音难觅。也许这也是他们在后期都突然选择了隐退，而不是像Julian Robertson一样壮大团队。
长袖善舞对基金经理的年龄和精力也是考验。Soros隐退的时候承认年龄和慈善工作已经消耗了他的灵感。Druckenmiller金盆洗手的时候也坦率说投资带来的压力影响了私人生活，推出的灵感来自Rothschild的朋友邀他度假，他作为（十）亿万富翁却无法脱身。从这个角度看，Buffett的策略也许成本低于Soros，可以在时间上长跑。
I think I lost my touch some time ago. I'm like an aging boxer that should not go into the ring. ...In my old age I have become somewhat more conservative.
—— George Soros，2000
后来我们看到的表现较好的宏观基金的进化：
走FOF或MOM的多策略路线：典型的是Julian Robertson为首的Tiger cubs。
走系统化宏观的分散化投资路线：以Two Sigma和Winton为典型。
当年与Soros比肩的老虎基金创始人Julian Robertson，与Soros同时在2000年选择隐退，但后来的却风生水起，门下精英辈出。据Novus统计，2014年旗下小虎群4代总规模2500亿美金（全球2016年最大的单个对冲基金Bridge Water AUM1178亿美金），堪称无冕之王（详见：《无冕之王 Julian Robertson》）。他的FOF模式其实就是利用人和多策略来分散风险。
其他宏观投资基金Tudor，Moore Capital，Caxton，BlueCrest也都是走MOM和多策略路线。
另外，近年来表现优异的Two Sigma，BlueCrest，Winton都大量通过系统化来加大分散投资。不过，窃以为后2者的系统化宏观策略更偏向宏观策略的分支CTA，相对缺少宏观逻辑。反而是以量化著称的Two Sigma发布了大量的宏观经济研究报告。
Soros在2000年引退时，曾说要重新打造一个MOM型的低波动多策略基金（balanced multi-manager hedge fund），但效果明显不如Julian Robertson成功。
理
念
l 宏观对冲Julian Robertson l 量化 VS. 人工
江
山
旁
觀