Rich Falk-Wallace談論驅動多策略基金的軟件 - 彭博社

攝影師：邁克爾·納格爾/Bloomberg 多策略對沖基金，也被稱為“豆莢店”，已成為華爾街最炙手可熱的門票。這種商業模式應該能讓對沖基金更有效地運作。這包括更有效地配置資本和更好地管理風險。但在華爾街一些最複雜基金中，風險管理實際上是如何運作的呢？在這一集中，我們與Rich Falk-Wallace進行了對話，他曾在Citadel工作，現在是Arcana的創始人兼首席執行官，為多策略基金提供風險管理和投資組合軟件。我們談到了風險模型如何影響投資者行為和更廣泛的市場，多策略交易員如何提出他們的想法，以及影響他們頭寸規模和評估的因素。本文稿已經經過輕微編輯以提高清晰度。

## Odd Lots

豆莢店是如何真正管理風險的

49:26

**來自這一集的關鍵見解：**Rich Falk-Wallace的對沖基金經驗 — 6:10傳統基金和多策略基金之間的區別 — 6:45多策略交易員的限制和權限 — 10:11頭寸規模、交易成本和因子中性 — 13:26為什麼多策略基金會如此快速地調整頭寸 — 18:79多策略交易員如何產生他們的想法？ — 22:30現成的商業因子模型 — 2746識別催化交易的信號 — 29:48所有人使用相同風險模型的風險 — 35:43Arcana的發展 — 38:37 客户需求隨時間如何變化 — 41:16

---

**喬·韋斯坦（00:18）：**大家好，歡迎收聽另一期Odd Lots播客。我是喬·韋斯坦。

**特蕾西·阿洛維（00:23）：**我是特蕾西·阿洛維。

**喬（00:24）：**特蕾西，我還想了解更多關於多策略對沖基金是如何運作的。

**特蕾西（00:29）：**我以為你要説‘我對多策略對沖基金一無所知’。

**喬（00:32）：**嗯，也是。那是真的。

**特蕾西（00:34）：**我覺得我們慢慢在瞭解，希望我們的聽眾願意跟隨我們一起前行。每次我們有關多策略對沖基金或者有時被稱為“播客商店”的一期節目時，我們都在加深對這個領域的理解，逐漸深入細節，我相信總有一天，在我們做了大約50期關於這個主題的節目後，我們會有所收穫。

**喬（01:00）：**我覺得可能需要大約50期。我認為這是一個準確的數字，實際上需要這麼多期才能真正瞭解。當然，最近我們與喬塞佩·帕萊奧洛（“Gappy”）進行了那期節目，從高層次討論了一些這些基金實際運作的重要理念。

它們非常受歡迎。人們熟知的一些大型基金，比如千禧基金、城堡基金，一直表現出色，似乎正在取代很多舊式的量化基金，打破了以往流行的基金基金理念。我有一些感覺，你知道，你給所有這些基金經理非常具體的授權，並且他們必須真正專注於此，然後，如果它們之間的相關性不太高，理論上和實際上都可以獲得超過市場的回報。但它實際上是如何運作的，我還真的不知道。

**特蕾西（01:54）：**好吧，所以有兩件事。首先，每個人都應該去看看 Gappy 的書，如果你還沒有的話：高級投資組合管理。我即將在本集中提到的很多參考資料——任何我説的可能聽起來令人印象深刻或者像我知道我在説什麼的東西——都來自 Gappy 的書。而且，我要説，我在地鐵上上下班的時候讀了那本書，它相當短，所以我覺得我一週就讀完了，我從來沒有在地鐵上拿出 高級投資組合管理 時被這麼多人搭訕過，他們看到我拿出這本書就問‘那是什麼？’

**喬（02:31）：**這非常紐約，不是嗎？

**特蕾西（02:32）：**是的。然後第二，我要説的另一件事是，我們一直在談論多策略對沖基金，我們想要更多地瞭解它們，因為它們是華爾街上的新事物，每個人似乎都對它們感到非常興奮和感興趣。但除此之外，最近發生的事件使這成為一個更加緊迫的話題。

所以我們看到最近幾個月市場上一些大贏家開始下跌。所以大科技公司，比如英偉達，我們看到小市值股票飆升。很多人在談論這是否是因子輪換的因素 — 我們將深入探討實際上是什麼因素。但我認為我們現在看到的討論，我應該説明一下，現在是7月18日，所以我們最近看到市場上發生了這些大的波動。

現在正在進行的討論是，因子投資的增長對這些波動有多大影響？而且，隨之而來的風險模型實際上如何影響投資者行為，然後又如何影響這些市場波動？所以，是不是每個人都在拋售大科技股，因為他們的風險模型告訴他們這樣做？

**喬（03:41）：**完全正確。這是瞭解這些投資工具如何運作以及它們對市場的影響的一個非常重要的因素，我們知道的一件事是，這些基金中的各種投資組合經理有非常嚴格的權限。就像你的團隊負責交易芯片股票，你的團隊負責交易巴西收益曲線的短端，你的團隊負責國際石油投資。然後我們知道這些，然後你不被允許持有任何行業基準和市場基準，以及所有這些事情。所以…

**Tracy (04:18):**因子中性！

**Joe (04:18):**因子中性，然後設定嚴格的風險限制。所以如果某樣東西開始下跌，你不想失去工作，你會退出持倉，這可能會給市場帶來有趣的變化。總之，可以説，還有很多東西要學習。

**Tracy (04:31):**是的。還有另外一件事，就是…

**Joe (04:34):**另外另外一件事。

**Tracy (04:35):**我現在覺得有點好笑的另外一件事是，記得以前市場出現奇怪波動時，大概是15年前左右吧，總是歸咎於量化基金？像2008年之前的‘量化震盪’？然後變成了CTA，然後是風險平價，現在很多人在市場出現可疑情況時總是指向那些投資組合管理公司。所以我認為我們應該討論一下，是什麼技術因素推動了那些投資組合管理公司的行為？

**Joe (05:04):**每次市場有大波動，總會有人發推文説‘我聽説有個投資組合管理公司要爆倉了。哦，我聽説有些投資組合管理公司要爆倉了！’這就是在金融Twitter上顯得內行的方式。我聽説有個投資組合管理公司要爆倉了。

**Tracy (05:14):**他們不知道要爆倉的投資組合管理公司是Odd Lots！

**Joe (05:19):**好一個笑話。如果你不知道哪個投資組合管理公司要爆倉…總之，我們有了完美的嘉賓。我非常興奮。我們將與Rich Falk-Wallace進行交談。他曾是Citadel的投資組合經理，曾在Viking工作，現在是Arcana的首席執行官兼聯合創始人，該公司構建模型和軟件，幫助投資者和對沖基金等實際跟蹤所有這些內容，實際跟蹤基金經理們承擔了什麼樣的風險，以及他們相對於基準或預期的表現如何。所以我們也許會更多地瞭解所有這些內容的技術方面。所以Rich，非常感謝你出席Odd Lots。

**Rich Falk-Wallace (05:58):**非常感謝你邀請我。感激不盡。

**Joe (06:00):**我們為什麼不從你的背景開始呢。顯然我們將要談論你的軟件公司Arcana，但你之前在一些大型基金公司工作過。你做過什麼？

**Rich (06:10):**是的，沒錯。所以我職業生涯是從買方開始的，我最初在摩根大通投資銀行工作，然後在Silver Point工作過，那是一個大型信用困境對沖基金 — 非常注重價值，沒有那種在Pods部署的風險模型框架。

之後我在Viking Global工作過，我總是説，從某種程度上來説，它像老虎基金的後裔，既有股票多空價值取向的哲學，又有多管理人系統。最近我在Citadel擔任投資組合經理，管理全球材料、自然資源和材料投資組合。

**Tracy (06:45):**我喜歡這個問題，因為當我想到Silver Point時，我更多地想到傳統的價值投資，然後你最終在Citadel做金屬交易，而Citadel是一個以量化驅動為主的對沖基金。為了更好地瞭解Pods部門現在，請告訴我們你在Silver Point和Citadel工作時的區別。

**Rich (07:08):**完全正確。是個好問題。像Silver Point這樣的超級深度價值取向基金的運作方式是，最終，你會對公司進行大量深入研究。所以你會關注，公司的基本面是什麼？未來多年的合同結構是什麼？盈利看起來如何？當然短期內，但也包括長期內，競爭上發生了什麼結構性變化？

你有點走進了兔子洞，還有很多內容我們可以深入探討。然後，當你逐漸沿着時間範圍的譜系遷移時，至少從單隻股票的論點看來，你所做的是思考，哪些催化劑會改變市場對長期情況的看法？

我記得當我加入維京時，我記得通常會問這個問題，你有多在意盈利？我認為對於任何非常價值取向的人來説，你可能會擔心，我是不是隻會專注於下一個數據點，下一個盈利，而無法看到全局，也無法關心這些數據對長期意味着什麼？

但通常得到的回答，不是特指那裏，而是在那種框架下，或者回答我的方式是，‘嘿，長期是一個函數，貼現現值是年份的函數，年份是季度的函數，因此我們關心季度。’但這告訴你的是，關於短期催化劑如何改變對公司長期估值的看法？

因此，我認為有時候遠遠看過來的人不太能體會到的是，實際上在基礎分析師工作流程中，各種風格之間存在更多的融合，即使是非常長期的投資者在某種程度上也在説‘即使我在押注長期，中間的證據也説明了對長期的看法。’而短期的人則説‘我可能在短期內得到正確的數字，但只有當它告訴你一些關於長期的事情時，這才對市場價格的變化有意義。’

我認為越來越多的融合正在發生，人們正在朝着那個中心推進，每個人都關心短期數據點並且關注這意味着長期的含義。但無論如何，在Silver Point或任何深度價值類型的地方開始這個過程時，你真的只關注那個更長期的故事，或者不太關注季度或催化劑，試圖理解有時候的事情 — 當我開始時是一名初級分析師，那是銀行工作的第一份工作 — 但你可能會看看2024年鐵路合同是什麼樣子，它是如何逐步增加的？你會想，這對股票有影響嗎？這是很好的訓練，是一個完美的地方來獲得那種訓練。它幾乎像私募股權一樣，你只是在研究一切。但那就是開始的方式。

**Joe (09:52):**好的，那麼在Citadel，你提到你負責材料、大宗商品之類的東西。我猜[我有]兩個問題。當你進門時，被告知‘好的，這是你要做的事情’，你被告知你的限制和具體任務是什麼，然後你又是如何選擇一隻股票的？

**Rich (10:11):**是的，我會以一般意義上的方式談論這個問題，而不是特指Citadel，而是談論多管理者的情況。我們今天在Arcana的客户羣大約一半是我稱之為本地人，他們來自風險模型系統，任何主要的Pod或相關的，另一半可能是一個深度價值基金，他們説‘嘿，我不想限制自己在這些東西上，但我看到就像你們説的那樣，這是市場中越來越重要的一部分，我想對此有深入瞭解，接受教育，等等。’

回答你關於多管理者如何選擇股票、運行流程和思考的問題，不針對任何特定地方，而是一般性的本地羣體。所以，在任何一個地方，核心構想是説 — 核心區別，我想也可以這樣説 — 與深度價值地方相比，最終是關於週轉率。

有兩個方面。風險限制和你的賬本週轉頻率。所以在深度價值基金中，理論上目標可能是擁有超過一年的平均持有期。實際上，通常會比那更短，你知道，九個月或者隨着糟糕的想法淘汰出局或其他原因。但在多管理者那裏，這些數字可以是從10到15甚至更高，意味着整個賬本在一年內週轉10到15次。

想象一下，簡單地説，平均想法停留一個月，就像在賬本中表達的方式。所以，當你踏入這些地方時，針對你的觀點，A) 你有，有一個結構，有一個分析師，然後是一個投資組合經理。分析師通常有一個單一行業關注點。所以就像‘嘿，我是，’正如你所説，‘芯片股票’，或者其他人可能有軟件或者是一個明確定義的單一宇宙。然後投資組合經理會有一組分析師在他們之下，通常涵蓋範圍非常相關，並將信息傳遞給經理。

所以這就是結構。選股最終就像我們之前討論的那樣。最終，分析師的工作是擁有詳細的模型，當然，對他們覆蓋範圍內的收益有一個看法。順便説一下，分析師的覆蓋範圍可以是 — 並且根據多管理者而異 — 但可以是從30個名字到高端的80個名字不等。所以那裏有很多流程。

**Tracy (12:34):**零售投資者和多策略基金之間存在許多差異。但我認為其中一個關鍵差異可能是頭寸大小。所以如果你是零售投資者，你有一個關於單隻股票的投資論點，比如你想買入英偉達。你買入了英偉達，你可能是基於你在Robinhood賬户中有多少現金來做出這個決定的。

但如果你在一個多策略基金中，這似乎是一個更加複雜的過程。所以我想知道，如果你在一個投資基金中，你如何確定要買入多少？你如何確定要分配多少資金給一隻單獨的股票？我想另一種説法是，你是在風險調整的基礎上看待那隻單獨的股票，對吧？你想要做對的是風險調整後的表現，而不僅僅是單隻股票的表現。

**Rich (13:26):**沒錯，沒錯。所以這個實現有兩三種方式。第一種是限制條件。所以第一步是美元中性，我多頭的美元數和我空頭的美元數一樣多。這是一個簡單的限制。再高一級是貝塔中性。相對於整個市場，我在貝塔調整的基礎上是多頭還是空頭？第三級是因子中性。我對所有這些進行平衡，如果你稍微簡化一下，就是貝塔的子組件。所以不是像‘嘿，我對市場有一個貝塔值’，我實際上對規模大公司的一籃子股票有一個貝塔值，我對有動量的一籃子公司有一個貝塔值，我對…的貝塔值。

**Tracy (14:02):**哦，我明白了，所以你把beta分解成因子？

**Rich (14:04):**本質上這是一個分解過程。當人們談論因子和因子中性時，實際上是將beta分解為其組成部分。有很多統計學知識在其中起作用，使其正交和精確，並且構建過程中有很多細節。

**Tracy (14:20):**哦，這是個好詞。正交。

**Rich (14:21):**但在功能層面上，在股票挑選層面上，多重管理人員與模型互動時，本質上只是對beta進行分解。然後你在每一邊加總這些敞口，你的投注在整個投資組合中基本上受到限制，這些投注是基本上在因子類型投注上，與在任何股票上非因子成分投注的百分比相比。因此，當你看任何股票時，它都適用於你正在組建的更廣泛的投資組合。

**Tracy (14:55):**好的。然後你之前談到的第二件事是這個換手率的概念。所以就這一點來説，交易成本在投資決策中有多大影響？還有頭寸規模，因為正如你剛才所説，你理論上可以調整或安排所有頭寸以在因子中保持中性，或者在系統風險方面保持中性。但我想，為了做到這一點，你可能需要不斷地進行交易，這將增加你的執行成本。這也會起作用嗎？

**Rich (15:33):**是的，確實如此。在實踐中，股票選擇者、投資組合經理和分析師並不會根據一套複雜的公式來做出決策，比如‘我該如何優化交易成本？’多家管理公司的引擎確實會認真考慮如何將單一投資組合的股票選擇執行得最優。有些公司會進行交叉交易，有些公司則不會，在基金組合層面交叉對方的訂單，並考慮所有這些。

然後，人們如何受限的第一層級是對我的投注中有多少比例是因子型投注，而非因子型投注的約束。還有一堆單一頭寸限制。所以，基本上限制了投資組合經理必須在這種約束下挑選股票。

另一個框架是如何確定頭寸規模，回答你之前的問題，這與交易成本問題有關，有一種工具叫做優化器，基本上會查看每位投資組合經理認為他們在股票組合中擁有的預期回報，並嘗試解決預期回報與這些股票的波動性以及組合中因子投注的波動性之間的最佳平衡，併為你提供一個答案。

這個答案可能不完全符合你的期望，但在最複雜的地方，優化器給出的答案包括交易成本對組合的影響。因此，它將數學上流入一個機器驅動的最優組合。但同樣，這屬於更科學的範疇。

當然，在那些統計數據下面也有藝術，但基本上那屬於更科學的範疇，然後投資組合經理必須説‘好的，機器考慮了我的預期收益，考慮了這些部分的方差和交易成本，並給了我一個答案。這實際上是否仍然符合我的基本底線，回到，嘿，這家公司的合同在2026年改變了，收益將是這樣，這是定位和設置以及其他參與遊戲的其他pod的擁擠情況，’你之前提到過。所以在這之上還有第二層藝術。

**喬（17:29）：**所以我想更多地談談換手速度，因為，好吧，假設你對英偉達持樂觀態度，英偉達有了這次大漲，你可能會説，‘好吧，但我不想暴露於規模，因為它會與大盤相關。我不想暴露於一般市場貝塔，因為如果市場上漲，英偉達可能會上漲，我也不想暴露於芯片貝塔和所有這些東西。’所以你試圖識別的只是英偉達特定的特質…

**裏奇（17:55）：**完全正確。

**喬（17:57）：**但是當你考慮這個問題時，為什麼這本質上會導致——我覺得肯定有一些聯繫，但你試圖剝離所有這些你不想暴露的不同因素。你試圖找到特定名稱的特異驅動因素。關於這個過程，是什麼使其本質上適合短期持有期？

**Rich (18:17):**這是一個很好的問題，而且這是一個有點深奧的問題，你可能會從幾個不同的人那裏得到不同的答案。我會告訴你我的答案。基本的現實是，為了使整個模型運作，你必須在特異性賭注之間有大量的分散，意思是非因子賭注。

而思考這個問題的方式是，很多這些模型有效的核心原因是殘差回報或特異性回報在某個窗口內大致上是正態分佈的，意思就是基本上是在拋硬幣。直覺是，如果你拋一千枚硬幣，顯然你會圍繞着硬幣的命中率中心。如果硬幣是52%而不是50%，當你拋三枚硬幣時，它可能是均值，這個均值的期望值會是多少，誰知道呢？

但是當你拋一千枚硬幣或一萬枚硬幣時，你會圍繞着那個均值52%。而方差實際上，如果你從回報的角度思考事情，夏普比率就是回報除以回報的波動性的方差。所以當你有越來越多的賭注時，你會相對於你產生的回報縮小方差，而你的賭注越來越多是特異性賭注，它們是正態分佈的，不像市場賭注那樣瘋狂，對吧？

**Joe (19:35):**等等，你能解釋一下這一點嗎，因為這是一個很好的答案。基本上，你對回報有一些假設，但會有很多方差，所以你想做很多賭注。為了實現這一點，為什麼特異性回報是正態分佈的，就像你描述的那樣？

**Rich (19:55):**完全是的，是的。所以當你深入因子模型構建的兔子洞時，你實際上解決的是橫截面正態分佈，意味着在一段時間內股票宇宙中。這也是模型解決的問題，它有效地解決了一個問題，即最高的R平方是多少，也就是模型解釋了市場中不同股票運動之間發生的情況的多少？

然後，在其期間進行的任何迴歸的輸出將產生一個正態分佈類型的殘差項結果。但這個模型的關鍵工作方式是，它在給定期間內不是隨時間正態分佈，而是在股票之間正態分佈。這意味着在一個期間內，你會有與基準相比表現優異的股票數量與在這個基準上表現不佳的股票數量一樣多。當然，如果你只是在一個月內押注半導體股，並且你在一個月內只持有半導體股，那當然不會是正態分佈。只有當你管理一個在一個月內橫截面近似正態分佈的模型時，你會得到贏家和輸家，並且你基本上會圍繞這個命中率中心。

**Joe (21:03):**好的，我明白了。

**Tracy (21:04):**你一直提到一個月。這些模型通常運行在一個什麼樣的正常或合理的時間範圍內？

**Rich (21:13):**是的，它們也被校準了。所以從技術上講，這個模型，迴歸實際上是每天運行的。但當你構建任何這些模型時，人們會校準它們以優化，比如説一個自由股票選擇者的平均整個期間顯然不是一天。因此，你嘗試校準這些模型的偏差，比如説，人們實際上可以運行多個模型，比如説‘嘿，我們將運行一個校準為一個月的視野或六個月的視野’，或者其他。

所以你正在嘗試選擇與我們談論的投資者相匹配的校準視野。所以我提到了一個月，因為很多多元經理，比如説平均整個週期大約是一個月。這是一年12次的轉折，但也可能更高，可能是17次，可能是8次。有一些經理處於這個範圍。

**Joe (21:56):**回到創意產生的問題，你會持有一支股票一個月，也許幾周，也許更長一點，一些分析師在監控所有這些東西，這其中包括了什麼？有人對你説‘好的，你在做材料或商品，然後突然有人告訴你對埃克森有看漲的觀點’，或者其他什麼，或者某個小頁岩氣生產商。在此之前發生了什麼導致了這個想法？不僅僅是他們喜歡這支股票，而是他們在很短的時間內喜歡這支股票。

**Rich (22:30):**這並不總是正確的，但作為一種簡化的經驗法則，通常贏家會持有時間比那一個月長，你知道，你意識到自己在某件事上錯了，你改變了主意。

**Joe (22:38):**然後你快速削減…

**Rich (22:38):**還有交易週轉率。這不是純粹的想法週轉，如果這樣説的話，那就是創意產生。所以這也會慢一點。但無論如何，對於你的問題，是的，在理想的情況下，你會將創意產生過程分為兩個步驟。

第一步是啓動，你會在這個階段瞭解股票，如果這樣説有意義的話。在這個過程中，你基本上會做所有我提到的一個價值導向基金所做的事情，思考，好的，這個的長期前景是什麼？公司內部的長期趨勢是什麼？誰在獲得，誰在失去份額？為了做到這一點，你會做所有經典的沃倫·巴菲特的事情，也就是你瞭解，你查看行業報告，收益和行業報告以及申報文件等等。

你還會與專家交談作為這個過程的一部分。這可能是任何專家網絡電話，那些是高管的人，可以為啓動和了解行業提供信息。有些人會花費大部分時間做啓動類型的工作，建立一個深入的財務模型，試圖不僅僅從高層次的收入，而是從單位經濟學來構建。我的意思是，如果你在看一家咖啡店，比如，他們賣多少杯咖啡？價格是多少？這將會改變多少？一杯咖啡的成本是多少？只是試圖達到單位經濟學的這個層面的細緻程度。所以這就是啓動過程。

然後持續覆蓋是更多的‘嘿，我從啓動工作中對空間內的長期相對贏家和輸家有一個看法。我瞭解每個參與者的單位經濟學以及每個參與者的發展方向。’然後持續維護過程與數據集，數據點，從行業會議的角度或其他方面的對話有很大關係，我可以做些什麼來更加細緻地瞭解每個單位經濟學點是如何變化的。

然後最後，還有這個擁擠和定位的問題，以及理解其他人認為的那種稱重機與投票機，本·格雷厄姆，經典的類比，但你要將這個過程分開，擁有那種世俗的觀點，然後嘗試理解哪些數據集。所以這可能是所有數據集，可能是行業會議，可能是通過供應鏈與行業人士交談。

這可能是 — 人們總是應該這樣做，但實際上並不總是這樣做。但你的分析師應該瞭解，如果他們在研究一家汽車公司，他們應該瞭解汽車零部件供應商，他們應該瞭解這一產業的下游。所以價值鏈上下的每一個環節，我認為在現實中分析師之間的差異化在於你對價值鏈的深度瞭解，以便了解支撐你對行業初始理解時所持有的基線觀點的變化趨勢。

**特蕾西（25:16）：**説服我 — 或者你不必説服我，你可以嘗試説服我，或者你可以同意我，我不知道 — 説服我這不僅僅是帶有一些額外數學和可能來自集中風險管理和資本管理系統的動量交易？

**裏奇（25:34）：**關於説服部分，動量本身實際上是每個商業因子模型中的一個因子。因此，因為你受限於你的因子賭注，你受限於你可以持有多少動量。永遠。

所以你在能夠持有的時間上受到限制，動量可能有微妙之處。你是在六個月的時間窗口內計算動量，還是在九個月的時間窗口內，輸入是什麼？但總體上，你實際上在能夠持有動量的長或短期能力上受到限制。實際上，這是商業因子模型中最受關注的因子之一，每個人都經常詢問。所以這就是提到動量的0.1。另一個是，你在開始描述的方式也很有趣，因為有因子投資的概念，你在押注因子，意味着你在尋找持有動量的廉價方式或持有價值因子的廉價方式或其他部分。

這是一種不斷增長的方式 — 這與被動投資的整體增長有關。這些風險模型實際上在多管理者中的作用是消除因子押注，意味着相反。這有點像鏡像，你在完全消除因子押注，試圖找到僅僅是表現和殘差。

這就引出了這樣一個問題，就是在殘差項中存在哪些不是動量的因子？這就是你之前提到的概念，比如一個投資組合的擴大和什麼是定位和擁擠以及其中的微妙之處，這是我們花費大量時間思考的事情。比如，好的，我們如何數學化，如何描述這一點，以及除了，好的，你已經消除了這種直接的動量主題，你已經消除了價值，那麼在殘差中，什麼可以給你更多的洞察力，超越我們之前談到的核心研究工作？

**Tracy (27:23):**我很高興你提到了現成的商業因子模型。因為這也是我們和Gappy談話中提到的一個問題。所以，為了實現因子中性，首先你必須能夠識別這些因子。據我瞭解，大多數基金只會從像你們公司這樣的公司購買這些模型。

**Rich (27:46):**是的，人們會採取各種方式來實施因子意識或因子中性策略。有些人會購買單一模型，然後將其整合到他們的方式中。而在另一端，有些基金，尤其是結構最為複雜的基金，會購買多個因子模型，然後挑選不同的因子組合在一起。

此外，人們在軟件工具方面也存在不同程度的差異，有些人會深入組織，使用一種複雜的工具讓投資組合經理看到“我的因子敞口是什麼”。有些地方几乎完全分開了選股和風險管理，這在一定程度上取決於哲學因素，也可能是一種約束。因為構建所有這些東西需要工程師、時間、金錢和專注。

有些地方在工具方面幾乎什麼都沒有，他們只有一個風險團隊來查看賬本，並幫助人們瞭解他們的風險，這是一種較短週期的風險，意味着較長週期，比如每週一次、每月一次等。他們會收到一份關於他們風險的報告，或者進行檢查等等。而在另一端，有些基金擁有完整的軟件平台，可以交給投資組合經理使用，“好的，如果你改變這個，那會發生什麼？如果你想立即看到優化數學為你做了什麼，你能看到嗎？”

所以這就是事物的光譜，我們提供了軟件工具包，從風險模型，核心基礎因素一直到軟件基礎設施，讓你可以輕鬆使用。‘好的，如果我有10億美元的Nvidia，這對我的風險數字有什麼影響？那個idio數字，因子數字，它們對我的每個因子敞口有什麼影響？’然後這些會如何動態變化？它還會為你找到對沖，哪些個股會最佳對沖這個投資組合？當然，選擇股票還是由你來決定，但它會提供‘好的，我有一整個股票宇宙。哪些個股會抵消這個Nvidia？或者這五隻個股會抵消那個。

**Joe (29:48):**回到之前的話題，然後我想更多地談談軟件和你們銷售的內容等等。但是再回到一個問題，關於實際選擇股票的想法。我知道你提到了維護和分析師真的建立了一個覆蓋範圍的宇宙，然後他們真的瞭解咖啡店或為汽車製造東西的公司的單位經濟學。

但是然後他們看到什麼來説‘現在我們應該買入’？他們在市場上尋找什麼信號，比如在某個短期內，‘這真的是，我已經真正瞭解這家公司，但現在有關X的某些東西使得它在短期內成為一個引人注目的買入’。

**Rich (30:27):**完全正確。核心思想是你在尋找差異化的洞察，意味着改變了每個人對這家公司價值的長期看法。也就是説，如果市場的看法是選擇一個咖啡店，a會增長，人們會買單，市場會，市場意味着什麼，但通常市場是股票的邊際定價者，基本上。價格中隱含着一個關於這家公司價值的看法，至少是關於，好的，咖啡杯的銷售量是多少，咖啡杯的價格是多少，咖啡豆的成本是多少。

**喬（30:59）：**所以你在等待那些你相信會出現的時刻，那些時刻會改變X或Y的長期預期？

**裏奇（31:09）：**確實。還有其他情況，比如戰術性的事情，嘿，它被做空得如此嚴重，然後那會略微改變。我真的在尋找一個短期的催化劑或者‘嘿，看，每個人都期待着下一個數據發佈會意味着特定的事情，他們都站在一邊。’這就是擁擠定位進入方程式的地方，每個人都站在這邊。而我認為它會朝着另一個方向發展。

我有一個非常戰術性的事情，它是方程式的一部分，但方程式的一個更大的部分仍然是由催化劑驅動的。比如，有一個數據點出來了，但這個數據點表明了這家公司未來走向的整體看法。在軟件領域，經典的例子可以是流失方向的變化。人們可以在這方面變得聰明，通常是這樣的，好吧，有一個總體的流失率數字，但然後，如果是一個互聯網公司或者類似的訂閲公司，然後你可以繼續下去。

好吧，如果有人正在查看各個地區的流失情況，並對某些事情有前瞻性的看法，這讓他們能夠洞察到，好吧，這個地區的流失正在改變，而這個地區今天很小，所以實際上並沒有影響總體的流失率數字，但實際上它在結構上增長速度比其他地區都要快。因此，看起來是這個水平的基礎流失率將會結構性地提升，因為這個較小的地區將成為整體路徑的一個更大部分。這就是這種情況。

**喬（32:21）：**順便説一句，我們真的需要再做一個深入的劇集關於替代數據，因為是的，沃爾瑪停車場的衞星和信用卡。我聽説過，但我知道其中還有更多，你知道，這很重要。

你提到不同的商店有不同的軟件基礎設施，以及它在經理層面上的不同，有時候，在總部層面上也不同。那麼這是否意味着，在風險管理的最高端，他們會跨部門查看並説‘哇，總的來説，我們的投資組合經理可能無意或者甚至在他們的權限範圍內已經建立了很多暗含的動量風險或暗含的利率風險或暗含的價值風險’，然後他們會怎麼做？拍拍肩膀？然後會發生什麼？

**裏奇（33:19）：**是的，絕對是。所以，再次強調，人們的技術和因子意識風險系統存在一系列不同程度，但在那個理想的形式中，你知道，以各種形式存在。有一種CIO層面，有一種CIO和風險團隊層面，有一種PM層面，甚至有一種分析師層面在監控每個層面。

就像你所説的，你會在投資組合層面上設置限制，對於總體風險來説。然後在單個因子上，你會説，好的，你的投資組合中在任何特定因子上的方差不能超過空白百分比。所以單獨設置這些限制。然後正如你所説的，他們將其彙總，就像你[説的]一樣，只是將各個項目相加。實際上，所有這些模型在結構上都是線性分解的，所以它們實際上是線性相加的。約翰在這裏的動量暴露以美元計算，吉爾的暴露在那裏，然後相加。

所以你確實會看到聚合級別的CIO級別的‘嘿，我們淨多頭空白’之類的説法，或者在那個級別。這取決於團隊如何構建他們的限制以及他們如何在投資組合級別嚴格限制風險敞口。但你會看到聚合風險敞口，然後有方法可以採取一個ETF或一籃子或一個定製籃子，只是限制出局，我們只是簡單地對沖那個籃子。

甚至在那裏還有微妙之處，比如‘嘿，我能否構建一個對沖掉那種風險敞口但實際上不會最終成為我長期持有的股票的空頭籃子？’你可以看到這如何陷入一整個技術幕後執行細節的兔子洞，但在高層次上，你總結風險敞口，把它們加起來，然後説‘我是多頭還是空頭一個、兩個、三個或所有因素，讓我在聚合級別平衡它們。’

**Tracy (34:50):**所以在討論風險管理軟件時經常出現的一件事是在華爾街上流行的，我特別想到你經常聽到這樣的説法BlackRock和Aladdin，但這種想法是，如果每個人都在使用相同的風險管理軟件，那麼是否存在一個風險，即你可能會看到每個人同時做着相同的事情。

比如，因為每個人的軟件都基於特定模型，一件事發生了，模型就會輸出並説‘每個人現在都需要立即賣出。’這是一個風險嗎？這是一個現實的風險嗎，還是説所有這些現成的風險管理軟件都是如此可定製化，我猜，對於PM來説還有那種自主性，你不會真的看到這種趕羊行為？

**Rich (35:43):**所以我會説是和否。我認為在否定的一方面，事實上是你在消除那些常見的暴露來源。所以你在試圖讓人們專注於剩餘的賭注，例如，可能是做多可口可樂和做空百事可樂，或者做多百事可樂和做空可口可樂，這樣等效地中和了因素。

讓我們假設它們是彼此的替代品。所以這個模型讓你能夠不必像阿爾弗雷德·斯隆最初的對沖基金概念中那樣，必須找到完美的對手。它讓你可以選擇非完美的對手，但最終處於一個風險位置，類似於你只押注在一支股票上。但無論如何，這個模型推動你的不是任何特定的股票，對吧？它告訴你要選擇這些沒有可比因素暴露的股票中哪一個更具吸引力。這是一個層面。

第二個是槓桿，你施加的槓桿不是針對貝塔。我認為人們經常混淆的一個區別是，當你想到像LTCM，或者甚至忘記LTCM，但任何一個對貝塔進行高槓杆的基金，一個方向性的押注，那是因子的貝塔。這樣做的問題有很多。

如果你在貝塔上施加了很多槓桿，就會有一個大幅下跌的風險。我猜想，或者你指出的數學現實，實際上已經執行了，就是當你在進行alpha槓桿時，再次，量化基金世界也是這樣運作的，你所槓桿的只是那個剩餘項。你回到了拋硬幣的情況，你找到了一個通常在股票間正態分佈的回報來源，因此如果市場出現大幅崩盤，實際上通常因子會變得越來越具有統計學意義。

所以，如果你對這些因素持中立態度，剩餘回報在橫截面上仍然呈正態分佈。所以顯然在這個問題下有很多細節，但基本答案是你正在嘗試找到一種回報類型和一種多樣化的來源類型的回報，它不具有爆炸性風險。所以你有點在利用阿爾法。這是關鍵點與貝塔相比。

對你的問題的最終答案是你仍然是有槓桿的。所以儘管你可以盡力解決這個方程的數學部分，但你仍然有一些風險，即提供給你槓桿的人有業務問題或者提供給你槓桿的人，通常是銀行，基本上那個人因為某種原因需要撤回那個槓桿或其他什麼。這幾乎是在與槓桿固有存在的業務風險的範疇中。所以這就是答案的“是”部分，我想説。

**Joe (38:25):**這種軟件，這些模型，它們存在。它們已經存在一段時間了。當你創辦公司時，有什麼理論認為需要更多的東西？

**Rich (38:37):**沒錯。是的，就像你在開始時提到的那樣，這些模型的理論美感以及它們的運作方式、正態分佈的殘差、阿爾法的多樣化和阿爾法的利用。但實際上在過去的幾十年裏，已經發生的事情是，這個模型已經被證明是——至少有一些東西——可能不是唯一一個可行的模型來為投資者創造有吸引力的回報，但至少這種結果已經從學術理論躍升到實踐中…

**喬（39:07）：**這也解釋了為什麼我們在這個領域看到了一些非常大的推出…

**裏奇（39:10）：**絕對，絕對。是的，它肯定已經跨越了那個鴻溝，看，從數量世界來看，它很久以前就已經跨越了。在基本的股票選擇世界中，它也已經跨越了，再説，一些公司很久以前就一直在做這個，但在過去的五到十年裏，它確實做出了最有説服力的飛躍，為投資者創造了非常有吸引力的風險調整後回報，並證明了這種綜合，這實際上是在量化世界的因子化和在因子綜合後找到特異性或殘差績效的世界之間發生的，以及在沃倫·巴菲特風格的基本類型研究和分析和工作中，這種綜合是由一些公司實施的，現在它已經證明在很多不同的方式中起作用。

這就是正在發生的事情。所以從我們的角度來看，我們所看到的就是，正如我之前提到的那樣，對於這種執行的廣泛範圍。實際上為投資組合經理或分析師或首席投資官建立一個系統有多容易，它有多用户友好，但又有多功能。它有多有效地獲取新的對沖想法來平衡特定的因子暴露？它有多有效地將我長多少空多少的風險觀念連接到一個主題上？你之前提到了績效歸因，我在哪裏獲得回報？我的命中率是多少？我的殘差命中率與因子命中率相比如何？我的季報期內與季報期外的命中率如何以及在殘差基礎上如何連接到我的風險和我的投資組合構建，所有這些都是很多工作。

把軟件、風險和所有不同的元素組合在一起是非常痛苦的。正如我所提到的，我們看到一些基金在這方面做得非常出色，而一些基金，大多數基金因為他們必須做股票挑選這項非常艱鉅的工作，這是一項非常具有挑戰性的工作。你必須有令人難以置信的智商來解決這個問題並付出努力。他們有一些可以提供一些風險洞察的系統，但它沒有‘讓我微調一下，看看會發生什麼，讓我瞭解它們是如何連接的’這種詳細的輸入輸出體驗。因此，將所有這些元素組合在一起是我們希望做的事情。

**Tracy (41:13):**你實際上是什麼時候創立Arcana的？

**Rich (41:15):**大約兩年多前。

**Tracy (41:16):**兩年前。好的。那麼客户現在要求的與兩年前要求的有什麼不同？因為這是一個快速發展的領域。

**Rich (41:28):**我認為在我們客户羣體中，有一部分人是熟悉風險領域的，另一部分是比較新手的，我認為熟悉風險領域的人有這樣一個持續的問題集‘如何使這個再次更加功能強大，更快地看到更多分析，每個元素如何相關。我能看到擁擠的洞察力以及它如何與我的投資組合相關，我能看到所有這些不同的部分嗎？’

因此，當你將這些工具交給投資組合經理時，我會説這是一種穩定的思考升級。而且你也在某種程度上賦予他們權力，因為再次，很多這樣的組織機構都是設立了風險部門和投資組合管理功能，而投資組合經理並不一定是這些地方內部風險的客户。但隨着像我們這樣的人提供這些工具的行業的出現，我們必須對投資組合經理更加負責，他們會説，好的，我明白它是如何構建的。我能雙擊它嗎？

**喬（42:20）：**你的意思是投資組合經理不一定是風險的客户？

**裏奇（42:23）：**所以在一個大型多管理人公司，你有一個風險部門，幾乎是屬於首席投資官的。然後你有投資組合經理。投資組合經理並不是風險人員的客户。風險人員在某種程度上是為首席投資官工作的，可以這樣説，它在很多情況下是一種約束。

最好的地方是完全協同的，你在進攻中使用風險工具和所有你可以做的事情，而不僅僅是防守。所以在一些地方確實發生了這種情況，但還有另一羣地方，他們覺得‘嘿，這限制了我，這對我沒有幫助。’ 隨着這變得更加行業化或商業化，我們為他們工作。所以如果‘嘿，我想要這個額外的功能’，他們就是客户。

所以有這一部分，但是對於工具和增量洞察力，需求不斷升級，好吧，讓我點擊這個，讓我理解這個。在我整個宇宙中，涵蓋所有股票的整個宇宙，我可以涵蓋所有這些工具，這些人不一定來自豆莢系統。有趣的是人們想要專注於‘好吧，我如何構建這種因子意識系統，而不是在市場中性的背景下’，而是‘嘿，我是一個純多頭，或者我是一個方向性定位的價值基金或其他什麼。如何重新調整模型，使其與我的基準相比較？’ 所以這是一個有趣的演變，不是結構上市場中性的投資者類型，但仍然希望從中獲得所有洞察力，你可以重新校準整個模型以與基準相比較。這就是一個例子。

**Joe (43:56):**Rich Falk-Wallace，非常感謝你的到來Odd Lots。這真是太棒了，我學到了很多，現在有了10個進一步的劇集想法，這總是我們是否進行了一次良好對話的考驗。

**Rich (44:09):**當然。非常感謝你邀請我。真的很感激。

**Joe (44:24):**Tracy，我覺得那太棒了。我真的有，還有大約10集我們現在必須做的，但那在多個層面上非常啓發人，特別是關於產品經理或分析師在這些情境中實際上在做什麼的。

**Tracy (44:40):**是的，絕對是。而且我也在想，這與我們最近與James Van Geelen關於主題投資的對話有趣地契合，他談到，價格顯然是一個因素，但你也想找到每個人都會抓住的故事。然後Rich談到，當你提出投資理念時，你在試圖找到一些能改變每個人對特定股票或投資軌跡看法的東西。

**Joe (45:12):**完全正確。我覺得這個想法非常有趣，就是沒有人知道明天會發生什麼。可能會發生一些重大事件導致整個市場崩潰。我猜測不會發生導致整個市場猛漲的重大事件，不幸的是。情況總是相反。

沒有人知道利率會怎麼樣，我們知道很多股票與利率掛鈎，但沒有人知道。也許明天會有一家芯片公司推出視頻產品，誰知道呢。沒有人知道這些事情。然後有這樣一個想法，如果你能剝離所有這些，然後識別股票的特異驅動因素，那麼這些股票的特異驅動因素幾乎本質上，有些會成功，有些會失敗，我能理解為什麼這場遊戲是在相對較短的時間內進行很多賭注。在這次對話中，這個觀點真的讓我恍然大悟。

**特蕾西（46:08）：**是的。還有一件事吸引了我，就是跨越這些不同賭注進行分散投資的想法。我之前並沒有真正考慮過，我猜當你想到對沖基金時，即使多策略基金現在是主流，我仍然會想到那種經典的，我不知道，比爾·阿克曼那種，你在某個東西上下一大注，那就是你的阿爾法來源。但在這次對話中傳達的東西是真正的分散化方面，渴望成為因子中性並利用阿爾法而不是貝塔。

**喬（46:46）：**有各種有趣的東西。我想更多地瞭解，我想更多地瞭解什麼？嗯，我絕對想更多地瞭解另類數據，因為我覺得通常當討論到這個時，都是一種非常陳詞濫調的方式。比如，是的，我知道每個人都有信用卡數據，但我想更多地瞭解這方面。

我不知道，我們還可以探索更多。還有不同的模型。我對存在的所有這些不同的多策略基金很着迷，它們並不都一樣，這對我來説很有趣。風險管理者的位置以及他們內部構建的工具數量，以及他們不構建的工具數量，以及小組獲得的靈活性程度，以及分析師實際上做了什麼之類的，還有很多事情要做。

**Tracy (47:32):**我真的想做一集關於播客公司薪酬模式差異的節目。我認為那會很有趣，因為這也會涉及到投資者的行為，對吧？好的，既然我們已經有了10集更多的想法，我們就到這裏吧？

**Joe (47:49):**就到這裏吧。

你可以關注Rich Falk-Wallace，鏈接為@richfalkwallace。