來源：金融界基金
作者：向偉
【編前記】2020年伊始，突如其來的新冠疫情對原本就處於艱難復甦階段的全球經濟，造成了強烈衝擊。全球央行大放水，在發達國家負利率盛行、國內貨幣基金七日年化收益降至2％的時代裡，找到能夠大概率跑贏通脹的優質資產變得尤為重要。本文中，浙商基金智能權益投資部基金經理、人工智慧博士向偉，將和大家系統闡述，在AI眼中，「收益的確定性」究竟是如何被定義的。
《基金經理投資筆記》AI系列
科技驅動價值，AI讓投資更聰明
作者：浙商基金智能權益投資部AI組組長、基金經理 向偉
在全球低利率、負利率時代下，想要尋找到能夠大概率跑贏通脹的優質資產。我們可以首先來探討一個問題——「如何定義資產未來預期收益中的確定性？」
一方面，由於傳統人腦的思維方式是基於案例式的記憶經驗（case based reasoning）模式，因此對於「未來投資機會確定性」的辨識度，往往僅停留在「某隻股票業績比較穩」這樣的感性認知層面，難以給出在投資確定性上的科學化度量。
另一方面，古希臘哲學家赫拉克利特曾說過一名言——「人不可能兩次踏入同一條河流」。由於人腦的決策系統往往是非此即彼的，因此很少有人能從辯證對立的角度出發，基於長期的歷史數據，以統計概率的方式，去度量未來投資機會的優劣。此時，AI就展現出了自身強大的計算優勢。
一、從《復仇者聯盟》看「確定性事件」
漫威粉們肯定知道，在電影《復仇者聯盟》中，一眾宇宙英雄為了拯救世界，一次又一次地藉助「皮姆粒子」穿越時光回到過去，試圖改變歷史。但每次無論他們如何改變歷史，「滅霸小可愛」都能夠通過不同的方式，最終集齊6顆寶石。
在這個故事裡，從概率學的角度來看，任何一條時間線，其實都只是時空中的一個樣本而已。宇宙英雄們每次試圖穿越時空改變歷史，實際上並沒有真正改變原有歷史，而是在時空中創造了一個新的副本。而無論各種不同的時間線如何各自發展，滅霸小可愛總能集齊6顆寶石，此時，我們可以將其稱之為「確定性事件」。
那麼，AI投資機器人將如何藉助計算機的超強算力，在人類歷史長河中不斷開啟副本，用概率的方式，重新定義「收益中的確定性」問題呢？
二、「長期ROE中樞」錨定「確定性」
以消費股研究為例，經過統計分析，我們可以發現，倘若一家優質的上市公司，長期以「為股東創造價值」作為公司發展的驅動力，拉長時間維度，其股價大概率將圍繞公司長期ROE為中樞，進行上下波動。
例如，一家公司長期ROE中樞為15％，那麼在任意時間點買入該公司並長期持有，其年化持有收益率也將大概率在15％左右。這樣來看，如果能夠成功確定該公司長期的ROE中樞，我們就可以採用市面上常用的DCF（現金流貼現）模型來計算公司的合理估值。因此，上面討論的「如何重新定義收益中的確定性」問題，就轉化為了——如何去判斷一家公司長期的ROE中樞水平。
問題分解到這裡，可能很多人會感覺，這件事其實並不難！作為二級市場證券從業人員，每天的工作不就是分析企業的盈利預期麼？
然後不幸的是，問題難度恰恰與我們想像中的相反！前文我們提到，在《復仇者聯盟》裡，宇宙英雄們的每次穿越，進入的僅僅是歷史中的一個副本。同樣的，每一個股票研究員，在歷史上給出的盈利預期序列，也僅僅是歷史長河中的一個副本——從概率角度上我們稱之為一個點估計（point estimation）。
僅從點估計出發，我們並不能從概率分布的角度，判斷其預期收益的確定性。以下圖為例，圖中藍色部分，展現的是華爾街分析師們對於某家公司未來盈利預期分布，而紫色的點則表示了某一個分析師對於該公司的盈利預測值。
圖1：wind中分析師給出的公司未來ROE曲線圖
過去，在設計DCF（現金流貼現）模型來計算企業估值時，我們需要對目標公司未來T+1，T+2，…，T+N年的自由現金流給出估計。然而，當我們估計第i年的自由現金流時，往往要依賴於對公司第i-1年的自由現金流和ROE的估計判斷是否準確。
如果我們的股票研究員採用點估計的方式，去給出未來預判時，往往不知不覺地便忽略了這樣逐級推演過程中的累積誤差，從而使得ROE誤差水平，隨預測時間窗口的增加而逐年被放大。
例如有兩家公司，其T+1年的ROE中樞都是15％，但是A公司的業績確定性較高為15％±2％，B公司的業績確定性較低為15％±4％。從概率分布的角度看來，兩家公司T+1年的業績預期都將不錯，只是在方差上略有區別。
於是，我們將兩家公司第T+1年的ROE高斯分布作為先驗分布，用隨機取樣的方式，逐年推演二者後續年份的ROE分布。
圖2：A公司vs B公司逐年盈利確定性的對比
經過推演後，我們驚人地發現，A公司在T+2年之後的ROE分布依然非常緊湊，仍接近高斯分布（Gaussian Distribution），而B公司僅僅在2年後，其ROE分布就已經近乎退化為了一個接近均勻分布（Uniform Distribution）的狀態。
這意味著，T+2年後該公司的ROE在分布區間任意一點出現的概率都非常相近。換句話說，我們去預測B公司T+2年後的ROE，對於投資決策而言已經沒有任何指導意義了。由此可見，原本具有相近業績中樞的兩家公司，因為業績確定性的差異，僅僅在T+2年後，他們的ROE分布就出現了天壤之別。
三、挖掘公司的「業績確定性」溢價
當判斷出了公司業績中樞的概率分布後，我們回過頭來再次檢視DCF模型，便會發現——過去我們使用點估計，去給出未來現金流序列時，往往暗自假設了一個前提條件，即未來每一期的自由現金流預測值，都是非常準確的。
然而，實際上這種主觀的預判，僅僅是概率分布中的一個樣本而已，或者說是歷史時空中的一個副本，並不具有統計學意義上的代表性。
因此，隨著預測年數的不斷增加，時空中經歷的副本數也在不斷增加，自由現金流序列的預測準確率進而不斷下行，直至最後，所依據的ROE分布退化至一個均勻分布，已經毫無參考價值。
上文圖2也展示了，從模型的折現久期來看，當我們從概率分布的視角來觀察B公司n年之後的預測現金流，等同於從均勻分布的樣本中，隨機抽取的一個數值而已，基於以此估算出的公司估值來進行投資，自然穩定性非常差。
反之，對於A公司，過去在行業十幾年的發展中，無論利好、利空政策出臺，都能保持業績的基本穩定，歷史ROE確定性更高，ROE中樞始終不會偏離太遠。當我們利用其確定性較高的ROE分布來錨定未來預期業績中樞時，DCF模型能夠折現的久期相對於B公司來說更強，因此能夠得到的估值也更高，這就是我們常說的業績確定性溢價。
由此可見，業績確定性較高的A公司在預測未來現金流和ROE時，具有更高的確定性收益，更具投資價值。換一種更形象的表述來說，A公司有更強的投資「元神」，而AI將結果以統計概率的方式，直觀展現在我們面前，幫助基金經理做更精細化的判斷與投資。
四、談收益確定性與股價的關係
最後，我們來討論一下確定性收益與股價波動性之間的關係。從市場上其他的交易者視角來看，當公司披露的信息透明度越高時，大家各自手裡的DCF模型雖然各異，但都是概率分布中的一個樣本，由於A公司n年後的業績中樞分布依舊確定性很高，因此市場上眾多投資者對於A公司的估值評定的一致度也越高。進而，從股價波動性的角度而言，出現錯買錯賣的概率反而變小，因此我們會發現A股市場中，業績確定性高的標的往往股價波動性也較小。
相反，B公司從n年往後的業績不確定性逐級增大，造成本身各色投資者對於公司的估值評定分歧不斷變大，因此當市場上有任何風吹草動的消息傳出時，手裡沒有籌碼或者擔憂風險的投資者便會慌不擇路，造成追漲殺跌，又會在一定時間段帶來盤口的買賣壓失衡，進一步導致股價劇烈波動。
綜上所述，在經濟基本面承壓時，最大可能獲取確定性預期收益的重要性不言而喻。而AI的強大算力，的確有助於將人們的感性認知進行科學化度量，幫助我們構建出自身多個影子，並將其投射到歷史的漫漫長河中，開啟一個又一個副本，通過大量的反覆實驗進行演算，最終從辯證對立的角度出發，以統計概率的方式，判斷出一個投資機會的優劣。
了解作者：
向偉：浙商智能行業優選混合基金經理。博士畢業於香港科技大學計算機系AI實驗室，曾創立華大基因彈性計算實驗室；後任百度個性化搜索負責人，創立機器學習深圳分部；通聯數據智能投研總監，蘿蔔投研創始人。致力於人工智慧技術在各個垂直領域的應用，有15年AI研究和實戰經驗，目前也是國內量化基本面研究和智能投資的推動者。
註：文中部分圖片來自網絡，僅供學習與交流使用，不作為商業用途。
風險提示：浙商基金管理有限公司（「本公司」）盡力為投資者提供全面完整、真實準確、及時有效的資訊信息。本材料並非法律文件，所提供信息僅供參考，本公司不對其準確性或完整性提供直接或隱含的聲明或保證。過往業績不代表未來，基金管理人管理的其他基金業績不構成對基金業績的保證。本材料不構成任何投資建議，投資者在投資前請參閱本公司在中國證監會指定信息披露媒體發布的正式公告和有關信息。投資者購買基金時應詳細閱讀本基金的基金合同和招募說明書等法律文件，了解本基金的具體情況。本公司及其僱員、代理人對使用本材料及其內容所引發的任何直接或間接損失不承擔任何責任。人工智慧投資存在固有缺陷，投資者應當充分了解基金運用人工智慧投資的風險收益特徵。基金有風險，投資需謹慎。