对当前市场趋势和业务方向的几点看法

2016-12-06 05:12

作者 | 天风证券副总裁 翟晨曦

来源 | 智信研究公司《资管高层决策参考》

近两年来,许多常见的资产品类都积累了可观的涨幅,达到或接近历史高点。在外部货币政策面临变数的当下,梳理大类资产的投资逻辑、寻找面向未来的投资方向就显得十分必要,本文试对部分投资品种和行业趋势进行分析。

一、对于债券、权益和地产的短期看法

1、债券市场:货币政策风险不改市场总体利率向下趋势

对于中国的债券市场,在经历了14-16年的一波大牛市后依旧可以保持乐观。对比全球主要经济体,中国的宽松货币政策相当审慎,2016年全年没有大肆放水,期间虽然房地产市场录得不小涨幅,但其增值部分主要得益于之前资本市场的资金流出,而非央行的额外流动性投放。从全球来看,中国的名义利率维持在较高水平,这给未来进一步宽松留下了很大的空间。

政策风险方面,目前市场最为担忧的就是全球宽松货币政策的转向,毕竟从2008年到现在,美国的股市一路上涨,利率一路向下,大量资产的价格都依靠宽松的货币政策和央行购买支撑。可以预见,在经济增长和金融市场稳定都依附于货币政策的现在,美国即便决定加息,也大概率是历史上最弱的力度和频率。长期来看,除非新的科技引领经济增长达到一个新的高度,经济获得新的增长动力,货币政策才有底气彻底转向,而这至少在当前是看不到的。全球利率下降的总格局没有发生变化,只是边际效果较前一些年有一些收紧。

除了坚持看好长期利率资产,高收益债亦有望成为投资蓝海。过去的债券投资者投资时更多是依靠利率走势,而对信用情况缺乏辨识度。这导致很多机构面对高收益债时选择直接回避,不了解的东西就不去做,这在隔绝了风险的同时也舍弃了收益。面对高收益资产长期稀缺的趋势,应果断加大对高收益债的研究,勇于进行适度的尝试,未来债券投资者可能需要像做股票一样去深入研究行业和企业,发掘债券市场的阿尔法机会。

2、产业与权益:并购重组将成为重头戏

受市场政策及国家队影响,当前的股票二级市场无法凝聚资金,暂时看不到趋势性的机会,因此目前阶段权益投资者不宜在二级市场大比例下注。

相对二级市场的羸弱,很多大体量的资金都在向产业上游布局。从目前的趋势来看,中国金融市场很可能进入到了与美国八十年代的时点非常相似的周期-即企业大量兼并重组,产业升级换代的时代。现在国内火热的产业转型、国企改革,说到底都是要并购、重组。在这一过程中核心因素是人,即并购后不同业务团队之间能否产生协同效应和布局,而不仅仅是财务上的合并。对于投资者来说,股权、定增、并购,这一类投资机会很多,但是高回报也伴随着高风险,很多项目里面的投资风险也比较多。想要拿到优质的项目资源,金融机构靠什么?资金、人脉、对投资的辨识度,或是对项目进行管理的能力?机构进行股权投资一定要在这些方向上有所特长,建立核心优势。

3、地产:地区差异性将加大,关注人口流动趋势

从周期上看,中国的人口增长即将到达拐点,未来的人口总趋势是向下的,这可能意味着房价全面上涨的结束。然而不能仅仅因为某一些地区的房价很高,就觉得地产已经彻底泡沫化。未来虽然人口总体是向下的,但是地区性的差异很大,中国在城市化的过程中,人口会不断从小城市向大城市及其周边集中,在这一过程中将形成新的机会。超大型城市的房价可能长期维持在高位,而一些有着区位优势的周边新区也开始逐渐吸引流动人口。

二、对于金融与财富管理行业发展方向的思考

1、产品形态上:宏观配置基金的时代来临

随着泛滥的资金不断消灭高收益资产,未来任何单一资产的投资管理模式都将面临极大的挑战,基于资产配置的宏观投资基金是必然的发展方向。然而资产配置的难度并不低,如果只是简单将资金委托给往年的明星基金经理,往往并不能取得理想的收益。资产配置需要富有经验的团队,有对市场的认知和辨识的体系,需要自主进行择时、择势、择人,如果没有深刻的交易的研究,做好这些是非常难的。

2、关注人工智能对财富管理行业的影响

在人工智能方面,根据目前的调研情况,国内在智能机器人、无人驾驶、智能投顾等领域与美国的技术差距并不大。美国市场上出现这样的公司多是在2014年-2015年后的事情,而中国目前股权市场上正在融资的天使或者是Pre-A阶段的也有不少的企业。可以说在这一新兴领域,无论是中国还是美国,还是各个业内公司之间,一旦发力都有着追赶机会。

然而人工智能产业的核心竞争力是什么?主要可以从两方面来看,第一个竞争力是数据。在基础理论没有明显突破的情况下,各家公司的模型同质化高,此时谁能得到金融数据流量入口,谁就具备更大的竞争优势。然而只有数据是不够的,因为目前人工智能所能够解决的多是基于历史规律的归纳,但很多问题并没有充足的历史数据,这时就需要人的主观判断。专家团队可以在机器的归纳基础上,对市场进行主观的推理而后做出判断,因此未来的财富管理趋势上,只有结合了基于海量数据的人工智能和基于优秀团队的主观判断、策略开发与更新,才能创造出具有竞争力的产品。

声明

本文内容仅供读者参考,并非投资建议。转载请注明来源并加上本站链接,智信网将保留所有法律权益。