美国数字资产管理平台主要模式的发展及启示
说明：文章内容仅供预览，部分内容可能不全。下载后的文档，内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的，是否完整无缺。
美国数字资产管理平台主要模式的发展及启示 摘要：随着数字资产管理平台的兴起，美国的资产管理行业利用技术重组了市场，并获得了高速的发展。数字资产管理平台是包括指数化基金、ETFs和智能投顾、第三方分析和交易支持平台四种基本形式在内的一整套垂直一体化服务系统。截至2018年底美国资产管理行业规模达到了71万亿美元位居世界首位，其中公募基金中被动型产品指数基金和ETFs规模份额占比超过了30%。2015以来我国在资产管理行业的智能投顾领域也逐渐有了初步的发展，可以借鉴美国数字资产管理平台的有效经验扩大我国的资产管理行业规模，更好地服务投资者和维护投资者权益。 关键词：数字资产管理平台；指数基金；ETFs；资产经理辅助平台；智能投顾 一、数字资产管理平台的兴起 资产管理业务拥有能自然地与数字经济相融合的许多特征，融合后基金经理就不再需要通过研究财务报表对基金起到推介销售的作用，而是将服务内容延伸到各类金融产品的选择、理财规划以及全方位的资产配置建议中，作为证券发行人和投资人之间的经纪人。20世纪80年代之后，这种买方投顾模式的基金销售模式开始在美国金融市场出现，这种业务模式使投资者和证券市场之间的低成本交易渠道被投资者需要向基金经理支付高额的投资顾问费用取代，基金经理们在不断试图超越同事的利益回报的薪酬竞争中将证券投资服务费越推越高。然而，较高的业务成本使得买方投顾模式下日益加大的资产管理计算强度不一定能挑战资产管理传统商业模式。例如，定量分析对冲基金，本质上讲就是用高成本的超级算法取代高成本的超级选股人。于是，在纯粹的金钱成本面前，数字资产管理平台的兴起，使得传统高成本基金管理模式的电脑重复计算显得越来越黯然失色。数字资产管理平台不是单纯地利用技术从证券市场获得竞争优势，而是从根本上重组市场本身，为投资者节约大量的成本，彻底颠覆了现有的资产管理业务模式。 二、美国数字资产管理平台的主要模式的产生和发展 美国数字资产管理平台包含四种主要模式： （一）被动型指数基金。被动型指数基金是最早出现的一种数字资产管理模式，也是算法较简单的基金，通过采取持有策略使投资者的交易费用和管理费用最小化。这些基金是伴随证券市场先前存在的较高的信息套利效益而产生的。 无论投资于金融行业内还是外，数字资产管理平台最早的产品配置形式都是指数基金。指数基金被认为是伴随着有效市场假说理论的发展而产生的。通过使用第一代的超级计算机进行实证统计分析，早期的有效市场假说研究人员确认了美国证券市场的一个难题：同样数量的市场参与者，能促使新释放的信息快速影响产品价格，从而阻止他们的可执行套利机会。随之产生的问题是，查找和利用剩余的套利机会成本变得非常昂贵。20世纪90年代，扣除研究和交易等方面的成本，美国85%的股票型基金表现都不如先前10年的标准普尔500指数，即他们的预期收益只能或多或少近似于随意购买股票。这就意味着市场信息套利效益普遍高于实用效益。之后又有一个重要理论三因子模型被提出，认为股票市值、市盈率等因子都会影响收益。正是由于这些针对现实的研究理论驱动了指数基金的快速兴起和发展，使投资者被动地购买并持有整个市场，因此淘汰了分析师等方面的传统基金管理手段。投资者不再不惜任何代价地追求总回报，而是利用指数基金展开价格竞争，通过把基金管理费降低到最低水平，使净收益最大化，从而赢得的总回报正好等于市场平均收益。 （二）交易型开放式指数基金（ETFs）。ETFs在本质上是一种指数基金，它通过把基金管理过程改组在一级市场与二级市场并存的平台上进行，由两个市场产生的差价所引致的套利交易增加了对指数产品的派生需求，进一步提高了基金的市场复制效果，降低交易成本。 为了让投资者购买市场，指数基金作为廉价而又透明的工具，从根本上转化资产，首先大幅削减了基金管理费用和就业岗位。于是当专业学者第一次提出指数基金时就受到行业内部的激烈反对，并且最终没有在美国东北部的货币中心先行先试，而是发展了一个三角网络连接旧金山港湾区、麻省理工学院和芝加哥大学。一位从1963年开始就和麻省理工学院的计算机科学家一起研发算法投资技术的分析师在组建这个网络的过程中起到关键作用，自从他受邀到旧金山的美国富国银行落实算法投资，这个项目便彻底转变了银行投资管理的方法。在1971年推出了第一个指数化产品以后，美国富国银行的管理层名声大噪。1975年又推出了面向小额零售投资者的指数互惠基金，并在70年代末期就彻底废除传统主动性基金管理模式，在80年代末期和90年代早期发展了ETFs。美国富国银行在旧金山的总部今天仍然是经营指数化产品的领头羊。 ETFs通过把市场指数重新打包后作为证券在双级市场上交易改变了证券市场本身。一方面，投资者在二级市场购买和销售ETFs的股份；另一方面，套利者（例如投资银行）用指定的一篮子证券和ETFs进行交易。因此，维持联接是非常重要的，一是交易型开放式指数基金的有价证券投资组合的市场价值和它的股票市场价值之间的联接，另一方面是交易型开放式指数基金的有价证券投资组合和它追踪的指数之间的联接。这种平台架构使ETFs达到非常低的经营成本，并且比传统的指数基金更加趋于流动性，当天就可以交易。从2007年开始，美国ETFs就占股票型基金资产规模的近40%。从理论上讲，被动型基金的发展应该有一个上限，否则它最终会损害市场的信息套利效益，为主动型投资者创造新的套利机会。然而，到目前为止这种情况并没有发生。 （三）资产经理辅助平台。位于基金经理和证券市场之间，使经理和市场的界限变得模糊。这些辅助平台为主动型和被动型基金经理都会提供服务，包括证券组合投资风险管理、交易最优化和风险管控合规支持。相对于指数基金的简易化，这些平台利用复杂的数据驱动分析法，不仅提高证券市场的基本估价效益，还提高了证券市场的功能效益。 指数基金的早期发展可以归因于它们能够利用非常简单的算法，达到推动证券市场相对低水平实用效益的目的，市场中现成的计算能力能够符合指数基金算法的要求。随着计算能力的增强，新的数字资产管理平台已经出现，与早前的数字平台模式非常相似，用复杂的分析方法来推动多维度市场效益的提高。影响力最强的是资产经理辅助平台，尤其是黑石集团的阿拉丁。20世纪90年代，资产经理辅助平台作为债券投资组合的风险管理工具发展起来，随后扩展成综合操作系统，被称为金融产业的安卓操作系统，以云端订购的方式卖给资产经理人。根据黑石集团的信息发布，“阿拉丁平台把复杂的风险分析与综合的投资组合管理相结合，还与单一平台的交易和操作工具相结合，激励知情决策、有效风险管理、高效交易和运营规模”。阿拉丁的资产规模惊人的庞大，从2013年到2017年，阿拉丁管理的资产价值从11万亿增长到20万亿。这大约等于当时纽约股票交易市场的资本总额，或者美国的GDP。《纽约生命投资人》杂志的CEO将阿拉丁对资产经理的重要性形容为不可或缺的“氧气”。 随着阿拉丁的规模、范围和复杂性不断发展，阿拉丁已经模糊了几个平台的边界，特别是人工和算法管理之间的边界，黑石和其他资产经理人之间的边界，资产经理内部操作和它们操作时所在的市场之间的边界，而最终经过扩展，黑石和整个证券市场的界限将不再存在。 （四）智能投顾。最新的数字资产管理平台是智能投顾型的，在实践中主要起着ETFs分销商的作用。智能投顾平台除了具有金融行业的特征之外，它的功能与数字平台非常相似，它们二者以互补的方式作用在基金经理的零售市场，同时推动各个方面的市场效益。 智能投顾领域针对的是基金管理产品的零售市场，而不是证券市场。在最基本的层次，智能投顾作为线上价格比较工具，引导客户接触最低成本的投资产品。在现代资产组合理论中的均值方差和“被动管理优先”理念指导下，智能顾投通常把ETFs等指数基金作为主要资产配置方案。然而，智能投顾也会基于客户的具体情况和偏好，发展量身定制的产品投资组合。这个领域的规模仍然较小，2017年的资产管理规模是1400亿；然而，它的增长速度是每年50-100%。智能投顾正在逐渐成为虚拟的前沿办公室，用于发展不断扩展的垂直一体化数字资产管理平台生态系统。 三、结论 从20世纪80年代指数基金的兴起到90年代资产经理辅助平台和ETFs的扩张，再到21世纪初智能顾投平台的发展，数字资产管理平台利用大数据和人工智能的力量使市场效益最大化，这对金融业是一个渐进的过程而不是革命的过程。收集和处理市场信息一直是金融业的命脉，金融部门收集和处理的信息长久以来在市场效益的不同方面产生了一种严重不对称的发展，特别是在证券市场。从信息的角度看，金融市场趋于以更高的“信息套利效益”为特征，而不是以“净值估价效益”为特征。金融市场上众多的投资者都试图通过确认并利用机会获得定价套利，在这个意义上“信息套利效益”是很高的，任何人的聪明都很难自始至终地超过市场共识。然而，ETFs和智能投顾能显著减少投资者的成本，平衡证券市场游戏规则，更加有利于维护中小投资者利益。 参考文献： [1]钟维.中国式智能投顾：本源、异化与信义义务规制.社会科学，2020（4）. [2]李经纬.构建中国智能投资顾问领先模式---基于市场需求与全球实践.中央财经大学学报，2020（6）. [3]Daniel Haberly，Duncan MacDonald-Korth，Michael Urban，Dariusz Wójcik. Asset Management as a Digital Platform Industry：A Global Financial Network Perspective. Geoforum，2019（8）. 本文来源：https://www.wddqw.com/doc/bae8f0fd31687e21af45b307e87101f69f31fb30.html