手机网站
手机网站
刘鹰先生 华中科技大学，工学硕士；中欧国际工商学院EMBA；后E·沃顿商学院金融科技首期；哈佛、清华、中欧SEPC2013；耶鲁大学对冲基金管理高级项目一期；具有20多年证券投资从业经验。
曾任易方达基金管理公司董事；深圳合赢投资管理公司合伙人、副董事长；现任上善御富资产管理有限公司董事长兼投资决策委员会主席。
重要关系：“投资与资产管理”
投资是资产管理的重要组成部分，但不是资产管理的全部。投资重点关注投资收益及本金安全，耳熟能详的价值投资就是一种非常不错的投资理念，事实上国内很多优秀的价值投资实践者也实现了良好的长期回报。但纵观数据历史，通过长久期持有单一的股票资产类别，且只能依赖股票价格上涨获取投资回报的投资方式，极容易受到市场巨幅波动的周期影响，产生较大的账面浮亏波动，同时投资回报的获得需要相对长的投资周期。这种忽视资产价格波动及降低流动性要求的投资方式只有极少数投资周期较长以及能忍受资产价格大幅下行波动的投资人能够接受并驾驭，多数投资人无法“想到做到”。
重要概念1：“被动管理与主动管理”
“被动管理”认为，不用关心市场的涨跌，只需关心资产配置，人们可以通过购买指数或者定投的方式进行投资，获取投资回报，这种投资方式管理成本较低，但波动率可能很高。在美国等相对成熟市场，机构投资者占绝对权重，指数基金成本低以及市场长牛走势的背景下，指数型基金是不错的选择。
“主动管理”相信，专业资产管理人通过多年资产管理经验的累积，拥有了对宏观经济、市场风险以及大类资产周期等要素的分析研究比较优势，能够创造比市场平均水平更好的风险调整投资收益，体现出资产管理机构的专业分工价值。目前国内多数的公募基金、私募基金、银行理财子公司等都在从事主动管理。
重要概念2：“艺术的定性管理与科学的定量管理”
定性管理以深入的基本面分析研究为核心基础，基于基金经理的个人实践经验，通过逻辑推理，甄别有投资机会的品种或组合，从而获取投资收益的投资方式；定性分析所关注的焦点在未来发展，更注重的是研究的深度和投资的艺术性。
定量管理是指使用数量化方法，根据投资策略构建多层次的数量化模型，在海量的历史数据中寻找能够带来超额收益的投资模式，并严格执行交易指令，以期取得稳定的、可持续的、高于平均回报的投资收益，更注重投资的广度和投资的科学性。
定量管理和定性管理各有自身的优势，定量管理在投资的宽度、市场的适应性、可复制性、风险控制、研究成本、交易成本以及大类资产配置能力等方面都优于定性管理，能够在风险、收益、流动性之间做更好的匹配。而现实世界往往充满着不确定性，过去存在的统计映射关系，未来未必存在。定性管理基于生物进化的研究，在对未来的突发事件的反应上会更为敏感。如何将两者结合应用，做到优势互补及扬长避短则具有相当的挑战性。
“多边界约束条件下的资产管理”
任何一种资产，例如房产、股票、债券、基金、艺术品等，都具有收益率、风险波动以及流动性三个内生的基本特性，同时还包含一个外部特征，就是投资资金的市场容量。一般来说，一项资产的流动性、潜在的收益率和波动率应该是相匹配的，很难看到一项资产流动性又好、收益率又高、风险又低，往往是三者之间的一个平衡。
相对应地，任何一种资产管理策略，也就受到资产收益率、波动率、流动性及容量等数个维度的边界条件约束。比如近年受热捧的量价高频策略，收益率高，波动较小，但容量相对有限；而价值投资策略，在较长的时间内能获取较好的投资收益，策略的容量也是相对较大，但是波动率就相对较高。
“实践中的主动量化资产管理”
资产管理机构由于面对的是众多不同的客户，必然面对客户不同的风险收益偏好、不同风险承受能力、不同的资金规模以及不同的资金流动性等约束，如何在这样众多的边界条件约束下做好资产管理，是我们资产管理从业人员必须思考和应对的挑战，众多的选择对应着众多不同的资产管理理念，我们的选择是：主动量化资产管理模式。
我们将主动量化资产管理的思想物化到公司的投资决策上，依托公司自主研发的投资研究管理系统--上善御富主动量化投资管理系统，我们的策略开发和迭代效率非常高，且在不同资产策略开发上灵活性很强。目前，我们的策略涵盖量化选股、量化择时、量化对冲、T0策略、CTA、期权策略以及大类资产配置策略；投资标的包括A股、港股、商品期货、股指和国债期货、海外指数ETF以及场内期权。
我们在基金产品端的考虑是，收益能够来源于多类别的资产、多策略、多周期、多方向，且风险收益特征是清晰的。当产品收益来源于不同的风险收益特征，且各种收益来源相关性较低的情况下，产品的风险收益结构天然就稳定，更容易清晰地满足客户的不同风险收益需求，这也是我们坚持做复合策略的初衷。我们所追求的资产管理目标，是能满足投资者不同的风险收益需求，获取一个波动率相对较低，流动性较好，持续增长的、可复利的收益率，同时具备足够的资金容量。
“前沿技术的应用”
量化资产管理的起步和发展是建立在大数据应用的基础之上的，2015年之后，Google、Facebook等机构先后开源了机器学习及深度学习的TensorFlow、PyTorch等诸多AI架构，几乎同时间IBM宣布开源机器学习平台SystemML，还有亚马逊的Amazon Machine Learning，全球顶尖的科技巨头掀起了“AI技术开放”风潮，这使得具备前瞻眼光及能力的资产管理从业者有了更新的技术探索及实践方向，国内同行也不乏尝试者，我们应该也是较早将这些前沿技术应用到量化资产管理体系中的重要一员。
“极度广阔的行业发展空间”
量化资产管理模式由于天然更容易满足资产管理领域的多边界条件约束，成为全球资产管理行业的重要选择。全球对冲基金研究机构HFR发布数据，截至2018年四季度，全球对冲基金中量化基金管理的规模占总管理规模30%左右，而国内这一比例仅在8%左右，按照海外经验，国内的量化资产管理行业空间广阔，我们在努力的路上。
