跳到正文
Capital Allocators(youtube.com)· Ted Seides·· 5 天前品質評分58

Paul Enright:Viking Global 與 Jain Global 教他的避險基金結構課

Paul Enright:Viking Global 與 Jain Global 教他的避險基金結構課

重點導讀

前 Jane Street 投資組合經理 Paul Enright 認為,避險基金的優勢如今來自對「交戰股」進行結晶化的深度研究;AI 會自動化生命週期短的任務,而多數報酬其實來自本益比擴張,而非獲利成長。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

Podcast 專家音訊節目

收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情

正文

前 Viking 投資組合經理 Paul Enright 後來進入多經理人「pod shop」任職,他認為這兩種對沖基金模式是截然不同的工廠:單一經理人的生產單位是卓越的投資想法,pod shop 的生產單位則是投資組合本身。整段對話多半圍繞這項區別的運作機制——分析師與 PM 的角色如何分工、為何在 pod 內部廣度與打擊率比長打率更重要,以及資本、人才與資料的規模如何複利放大優勢。標題點出的 AI 主線確實存在,但只佔最後約三分之一:Enright 對分析師哪些工作該自己做、哪些該交給模型的框架,以及 AI 可能如何改變投資組合最佳化與人力配置。

Enright 在 Viking 待了多年後轉進多經理人平臺,這集基本上就是他在調和自己對「想法生成」的信念,與他在廣度驅動風險模型內部所見的一切。對實務工作者最有用的素材,包括他把本益比擴張(multiple expansion)視為約 2011 年以來股票報酬的主要驅動力、他主張「兵家必爭之地型股票」(battleground stocks)如今是 edge 最豐富的來源,以及他用「半衰期」原則把研究工作分派給人類與 AI。節目最後,他談到一個構想中的公私混合產品,範本是他所稱 Philippe Laffont 在 Coatue 打造的創新模式,另外也談到自己離開平臺後的投資組合建構。

單一經理人賣的是想法,pod shop 賣的是投資組合

Enright 用來貫穿全場的類比是工廠。在單一經理人那裡,核心生產單位是一個卓越的想法,品質管制發生在事前——就像 Apple 在 iPhone 出貨前對它百般挑剔。在多經理人平臺,想法只是一個零件;產品是「投資組合的投資組合」,而正因為個別想法在事前沒有被那麼嚴格地把關,組合一旦上線,公司就需要遠多於此的監控與風險層級。表現不佳的組合會被「召回」、重新檢測,然後要麼重新發行、要麼直接下架。

他把這個類比延伸到喜劇:單一經理人是單口喜劇演員,需要一個自己敢掛保證的絕佳笑話,分析師則是笑話寫手。pod shop 的 PM 則是節目統籌,需要一檔包裝好的節目——分析師必須圍繞一個主題交出成套的想法,而不是一句臺詞。

兩者的風險輪廓恰好相反。單一經理人的危險在於每個想法其實暗地裡是同一個想法,導致高度相關與高波動。pod shop 的危險則是好點子被其他一切稀釋——風險較低,但你可能抓不住自己最精華的作品。

構面單一經理人多經理人(pod shop)
生產單位卓越的想法投資組合的投資組合
品質管制事前、近乎偏執、上線前完成事後、分層風險監控、「召回」
報酬驅動力前十大想法前十大投資組合
核心指標多空價差,以及套用其上的總曝險/淨曝險波動度與 Sharpe
風險模型容忍集中現代投資組合理論、廣度、分散
失敗模式相關性高的想法偽裝成彼此獨立好點子被其餘部位稀釋
分析師工作量研究與想法生成研究、想法,外加被下放的包裝與組合管理工作

pod shop 的分析師要分擔 PM 的部分工作

Enright 把工作拆成三塊——研究、想法生成、投資組合管理——並指出三者的分配差異極大。在單一經理人那裡,分析師幾乎包辦 100% 的研究;想法生成是共享的(依資歷採 60/40 或 70/30);想法一旦被採納,投資組合建構 100% 由 PM 負責。在多經理人平臺,投資組合管理有一部分被下放給分析師,因為 PM 要的是一套包裝好的方案,不是一場推銷。這讓 pod shop 的分析師工作更難,而不是更輕鬆。

他明確表示,最頂尖的單一經理人兩件事都做得好:卓越的想法與卓越的組合建構,而且在波動來襲時,建構過程周圍有成熟縝密的風險管理。平庸的建構才是殺死好點子的元兇。

廣度是打擊率的生意,這點讓他意外

Enright 說,他從外部最嚴重的誤解,是低估了現代投資組合理論在 pod shop 內部有多核心。他原本預期會看到某種隱藏模型——「布幕後面的奧茲大王」——結果發現分散化的數學、因子中性、beta 中性,以及單純的想法數量,就是全部的重點。pod shop 最佳化的是波動度與 Sharpe;單一經理人最佳化的是多空價差,以及總曝險與淨曝險如何套用在這個價差上。

他坦承自己從來不是高產量的點子型人物:「如果我不感興趣,我的眼神就會放空。」一場接一場聽提案,其中大多數只是「還行」,這就是廣度的代價。身為單一經理人,他更偏好「可以放棄」的奢侈——「我寧可持有現金」——然後等待那個真正讓他興奮的機會。

「這是打擊率的生意,而單一經理人更接近長打率。」

規模換來人才、中央帳簿與資料層

Enright 把產業的結構性轉變追溯到一個簡單的觀察:他入行時,人才多於資本,而 90 年代末 Tiger 基本上是唯一的選擇。之後人才開始擴散——十位優秀投資人衍生出十家公司、上百個職位——資本也同步複利累積。在 Viking 的早年,感覺是人才遠多於資本;後來則趨於均衡。pod shop 站在另一邊:資本多於人才,這讓它們成為人才的磁鐵。

由此衍生三項規模優勢。第一,吸引人才。第二,中央帳簿(center book):當想法橫跨許多領域、具備廣度時,公司可以在上層再跑一本覆蓋帳簿(overlay book),Enright 稱之為「幾乎是純利潤」。第三,資料層——有能力用專職團隊取得、試用、清洗並結構化資料,讓分析師把時間花在分析,而不是在載入資料。他指出,自己職涯大半時間裡,資料工作絕大部分是在把資料弄成可用的形式,真正用於分析的少之又少。

集中、波動與槓桿不可能同時存在

談到 alpha 的單位,Enright 的重點是 alpha 除了報酬成分,還有波動與風險成分。一個卓越的想法可能帶著某種風險輪廓,使它不適合加槓桿。一條不那麼卓越、但更可衡量、更可分散的 alpha 流,則可以被包裝並大力槓桿——槓桿本身就成了風險。他說,若在無槓桿、蘋果對蘋果的基礎上比較,卓越的想法會勝出;pod 模型則是刻意用部分報酬去換取可衡量性。

「集中、波動、槓桿,這三件事不可能同時存在。你會死。這三者——它們根本是奇怪的組合。你只能挑其中一、兩項。」

他把這套邏輯套在自己身上:因為他的風格就是集中、也習慣波動,他乾脆不用太多槓桿。他也承認,集中又高波動是很難向機構募資的產品。至於部位規模,他認為凱利準則(Kelly criterion)對純做多、無槓桿的資金池還算可行,但一旦牽涉槓桿、放空與多空比例,就難得多。他也點出部位規模的被動漂移——股票漲上去你就放著不動,或者資產從 50 億美元長到 80 億美元,同樣的總曝險感覺就不再對勁。

2011 年以來驅動報酬的是本益比擴張,不是獲利

Enright 最具體的市場主張:觀察 1998 到 2025 年的股票報酬(不含股利),獲利成長與本益比變動的貢獻佔比逐年差異極大。在這段期間的前段,報酬歸因大多來自獲利成長,這也解釋了為何整個產業把整套機制都建立在預測獲利上。從約 2011 年到 2025 年,他估計典型年份約有三分之二的報酬來自本益比擴張,2018 年是明顯的評價下修例外。

問題在於:沒有人有一套系統來處理本益比。獲利可以系統化——模型、市場共識追蹤、逐季差異——但本益比更接近他同事 Bobby 開玩笑說的「就是感覺」。Enright 堅稱這不是感覺,並提出部分規則:營收超預期比毛利率驅動的超預期更能支撐持久的本益比擴張;營收成長加上毛利率擴張是最佳組合;營收成長但毛利率持平或下滑則較弱。利率預期與終端利率之爭會大幅牽動本益比。他以 Meta 為現成例子——該股近期的波動來自本益比而非獲利,因為資本支出與變現預期來回擺盪。

他也主張,這種結構在根本上有利於單一經理人,因為本益比難以系統化,個人判斷更顯重要。他引用 Brad Jacobs 的話——把所有小事做對、大事做錯,一切就白搭——以及他自己「每個產業都在閃綠燈、黃燈或紅燈」的意象。在一個閃著綠燈的產業裡、總經環境順風、利率又在下降,選股者能拿到的本益比擴張會比模型所隱含的更多。

edge 如今來自兵家必爭型股票與結晶化的知識

Enright 對 edge 是什麼的看法已經改變。以前是看到別人沒看到的東西,然後等市場跟上。如今一切都被「翻揀過」了,他說 edge 來自對一組公司深厚、結晶化的知識,並在轉折與爭議的時刻接受檢驗。他的例子:Danaher 當了十年對沖基金的寵兒,卻是後疫情時期表現最差的股票之一,在 2026 年夏天觸底——edge 就在於判斷眼前的麻煩是不是一時的。Howmet 在 GE Aerospace 於訪談前幾週買下一家零元件公司時遭到重擊,本益比從 30 掉到 20——edge 就在於把顛覆影響的功課做足。

他把這與「搶先發現真正全新的主題」區分開來,後者需要多數投資人並不具備的產業深度。更容易取得的機會,是本益比已經跑到數字前面的兵家必爭型股票,而下注的理由很單純:數字撐得住。

把短半衰期的工作交給 AI,長半衰期的工作留給自己

Enright 說這是他最喜歡的主題。研究可以拆成幾個同心圓:公司與其產品;產業、鄰近領域與供應商;股票本身(流動性、市值、因子篩選、誰在盯它);不預測總經的總經意識;以及外部視角對照你自己的內部視角。AI 能做好其中大部分,而且愈來愈好。

他的原則是,把半衰期最長的工作留給人類——那些會嵌入長期工作記憶的知識。他點名自己對 Charter Communications、Disney、Qualcomm、Intel 所知的一些事,這輩子都不會忘,靠的是讀遍每一份檔案、買書,然後像 CIA 探員一樣下現場:走訪樓層、試用產品、與人交談。短半衰期的工作——市場共識獲利追蹤、總經儀錶板、任何你只是被動接收的東西——應該自動化,主動推送到你面前。

「現在避免認知負債非常重要。」

他特別警告,不要讓模型代寫初次覆蓋報告,也不要讓模型一鍵完成財務模型建構:如果你沒有親自挑選 KPI 與輸入項,你就不會理解輸入與輸出之間的反射性關係。他的簡記法是:啟動覆蓋的過程自己做;維護覆蓋可以找人幫忙。

談到人力配置,過去的直覺是丟人下去解決問題;新的直覺是人加上算力。他警告,只給菜鳥短半衰期的工作,等於把他們當耗材,阻斷他們的成長,最後把他們逼走。他描繪的未來團隊樣貌:兩位具備深厚結晶化知識的資深人員、兩位正在受訓並提供流動智力的菜鳥,由模型提供監控與能量——對照過去「一資深配三菜鳥」的編制。他認為,過去「一個人能有效覆蓋多少檔股票」的基準,可能轉向三個人覆蓋 200 檔。

AI 將每日最佳化投資組合,而 duration 有兩種不同意思

Enright 指出「duration」有三種意涵。第一,LP 允許你不採取行動——快轉五年,你會慶幸我吸收了那些波動——通常表現為一、兩檔權重超大的愛股。第二,大型 pod shop 說他們想要更多 duration 時的意思:建構出能承受波動的投資組合,而不只是被動接受波動,這是一個 AI 能幫上忙的最佳化問題。第三,他自己的看法:對公司的 duration 要長,對股票的 duration 要短,而投資組合應反映股票觀點的 duration,而不是公司觀點的 duration。

談到最佳化,他預期 AI 能協助人類撐不住的每日再平衡——那種不斷重新評估的動能。輸入會是投資人自己對一季、兩季、一年、兩年等不同期間的獲利與本益比評估,加上即時的市場共識更新。他指出,投資人往往在八月和十月用完全相同的方式談論 2027 或 2028 年的本益比,即使已經過了兩個月;而即時思考本益比對照成長,會創造套利空間——九月的重新校準,就是別人都在盯年底的時候。

他想像有一個按鈕:部位漲了 20%,現在佔組合 11%,工具告訴你減 1% 並轉配置到別處。這不是量化——而是一種混合模式,人類負責產生想法,機器負責建構。

他接下來要打造的東西:集中持股的公私混合最佳想法載具

Enright 離開他在 SEC 註冊的職位,部分原因是眼睜睜看著好點子卻無法出手的挫折感;他現在描述自己如何從那條資訊流中抽離,又如何把它重建起來。他重新連結自己的財務模型,用 AI 更新那些四年沒動過的模型,也開始與一些在註冊期間不能接觸的人脈重新往來。

他的投資組合框架是一份三頁籤的試算表:第一頁是約 150 家全球最佳企業的常設清單,持續強制排序出他現在最想持有的 10 家;第二頁是供需動態劇烈擺盪的高度景氣迴圈公司;第三頁則是從第一頁淘汰的公司,加上始終沒能入選的公司。好的投資組合會混合第一頁的多頭、第二頁的多空操作,以及放空第三頁最差的公司。

他想要的產品並不存在:一個真正跨領域的公私混合產品,把公開市場的想法拿來和即將上市的未上市公司比較。他對創投沒興趣——「我沒辦法只看一個人」——但一旦產品變成生意,他就有興趣。他提到公司 IPO 時點的變化:在 Facebook 2012 年上市之前,公司大約在第四、第五年就掛牌,大量價值創造發生在公開市場;如今公司要到 10 到 14 歲才上市,價值創造大多發生在私募階段。他認為 Philippe Laffont 在 Coatue 打造的模式,是公開市場投資人端出來最有意思的產品,並想像一個機構版本:少數到十家未上市公司,加上十幾家上市公司,集中持有,而不是 150 檔。

他舉了一個具體例子:過去一年若能取得 OpenAI、Ramp、Databricks、Anthropic 的資訊,會讓公開市場的組合表現更好——但他也承認這種關係具有週期性。

兩個收尾問題

被問到改變了什麼想法,Enright 說他寄過幾十封自認才華洋溢的 email,但收件人並不這麼覺得。他現在的建議是:寫那封 email 是為了自己,當作療癒或思考,然後刪掉,直接打電話給對方。

「沒有人想讀那封 email。你想寫,但沒有人想讀。」

談到未來五年,他想要成長、學習與分享之間的平衡,並提出兩個具體憂慮。一個是身體上的:他預期會出現一種流行病——人們靠科學活到 90 或 100 歲,骨骼卻早已崩壞——而現在正是處理這件事的時機。另一個是 AI 的校準問題——為自己和小孩避免累積認知負債,同時又不要退得太遠,以至於整個生產力週期從身邊呼嘯而過。

整集的主軸是:衡量方式形塑行為。pod shop 衡量波動度與 Sharpe,所以他們買進廣度並加上槓桿;單一經理人衡量多空價差,所以他們集中持股、拒絕槓桿。Enright 的賭注是,下一個 edge 落在衡量最薄弱的地方——本益比、兵家必爭型股票、轉折點——而 AI 的正確角色是解放人類的注意力去做長半衰期的工作,而不是取而代之。尚未化解的張力則是他自己身上的:他推崇 pod 模型的風險紀律,卻選擇集中、無槓桿地投資;他想要一個公私混合產品,而多數機構資金配置者還沒展現出他們會買單。

來源: Capital Allocators (youtube.com)
開啟原文

讀者討論

理性交流 · 即時討論