独家分享：Point72前股票分析师揭秘顶级对冲基金的投资策略¶

本文来自非公开信息，由匿名作者供稿，仅供学习使用不构成投资建议，转载请注明出处

在大学毕业后，我直接加入了Point72。当时，他们刚刚启动了一个培养计划，从大学招聘新人，培训他们，最终将他们安置在研究团队的某个交易桌上。这是我开始职业生涯的途径。

当我开始研究股票和公司时，我主要关注TMT（科技、媒体和电信）领域的公司，特别是与支付和科技硬件相关的企业。支付公司包括Visa、Mastercard、Square（当时称为Block）等；硬件公司则有Cisco、Arista、Nokia等，这些公司生产用于全球数据中心的大型金属设备。这是我深入研究的两个领域。

然而，公司并不是孤立存在的。为了全面理解它们，你必须了解它们所处的生态系统。因此，我也接触并学习了更广泛的公司，包括电信、媒体和一些互联网公司，这对于我做好本职工作是必要的。

回顾我的职业发展，尤其是在多经理（multi-manager）对冲基金中，我认为作为一名分析师，首先必须掌握工作的基本技能。这可能会让人感到压力巨大，因为最终的目标是识别能够上涨的多头（longs）和下跌的空头（shorts），理解风险指标（risk metrics）和各种因素（factors）。但在你能够理解这些之前，首先需要掌握成为一名优秀金融分析师所需的核心技能。

这些核心技能包括如何建立财务模型（financial modeling），如何阅读8-K报告（8-K filing），你是否知道公司何时发布8-K？你如何得知这些信息？公司是否提供年度指引（annual guidance）或季度指引（quarterly guidance）？这些指引通常来自哪里？公司通常是保守地提供指引，还是反映了他们的真实预期？CEO如何看待并购（M&A）和剥离（divestiture）？CFO的行为方式如何？所有这些都是你需要为每家公司、每个模型、每个业务彻底掌握的基础事实。

在掌握了这些基础之后，你可以提升自己的视角，思考公司的战略：这个领域正在发生的事情是否合乎逻辑？他们的决策是否明智？经济的变化对他们是有利还是不利的？然后，你可以进一步思考：“基于我所理解的一切，我认为世界其他人对这个行业或这个业务的理解是什么？我是否有一个与众不同的观点（differentiated view）？”当你逐层深入地理解一个业务时，你就会越来越接近于判断一只股票在特定时间内是上涨还是下跌。

如果你能够掌握所有这些，并且非常幸运的话，希望你的判断正确率能略高于50%。

投资想法的产生¶

关于投资想法的产生（idea generation），实际上非常直接。你真正关心的不是如何生成一个想法，而是如何建立一个持续的渠道，能够不断地生成利用你竞争优势的想法。这就是投资想法产生的全部。

很多人过度复杂化这个过程，认为需要满足许多条件才能形成一个想法，有很多检查项。这实际上并不奏效，因为如果每个人都这么做，那么这个想法就不再是好的想法了，你只是跟随了市场共识（consensus）。

那么，是什么让投资想法的产生具有可扩展性？世界上的每一家公司都位于一个光谱上，从非常糟糕的业务到非常优秀的业务。假设你作为分析师或投资组合经理（PM）以及你的团队具备出色的商业敏锐度（business acumen），并且能够准确地将每家公司放在这个光谱上，那么你就能够审视你的整个覆盖范围，知道这些业务的位置。有些业务就是比其他业务质量更好，我们需要认识到这一点，这很好，它们的定价也会不同。

投资想法的产生在于理解这些业务在那个光谱上的移动。一个多头（long）并不是一个好业务，至少在我所经历的多经理基金世界中不是。一个多头是一个业务将从光谱的某个部分移动到稍微好一点的部分。很少有公司能从极其糟糕的业务变成最好的业务，这种情况几乎从未发生过，反之亦然。

但这并不是你要寻找的。你不是在寻找能涨100倍的公司（100-bagger）；你不是在寻找从投资级信用（investment-grade credit）明天就变成困境（distressed）的公司，这并不现实，你无法基于此建立一个可扩展的系统。

经常发生的是，基于一条新的新闻，基于市场中的一笔收购，基于一个财报周期，业务从根本上变得稍微好一点或稍微差一点。一旦你识别了这个差异（delta），你需要问自己的是市场对这个差异的反应是什么？人们是否预期业务会从稍微差变得非常差？这是一个现实的预期吗？人们是否预期业务会从好变得非常好？这是否现实？

因此，一些最好的空头（shorts）并不是那些从有挑战性的业务变成破产的公司（虽然这可能是一个好的空头，但成本很高）。一些最好的空头是那些在人们心目中绝对最好的业务，变成了“嘿，这只是一个非常好的业务”。这个差异创造了巨大的做空机会。

同样地，有些业务人们认为“这只是一个还可以的业务”，但它从一个还可以的业务变成了“嘿，这里有一些非常有趣的东西”。这就成为了一个很好的多头机会。

当你以业务质量的增量变化来思考世界，并将其与人们的预期增量差异进行比较时，你可以将整个投资组合扩展为投资想法，因为每个业务每个季度都会变化，实际上每个季度会发生多次变化。一旦你有了这个框架，你就知道你可以生成很多想法。因此，你的想法生成规模并不受限于每个股票的想法数量，而是受限于股票的数量。一旦你的瓶颈是股票的数量，作为一名投资经理，这就变成了一个更容易解决的问题，因为你只需要弄清楚如何覆盖更多的股票。你是为你的团队提供工具以覆盖更多股票，还是增加更多的人手来覆盖股票？但这是一个可以解决的问题。

理解利润的构成¶

如果你退一步思考一下利润（P&L）是什么，从绝对值来看，实际上可以分解为三个函数：

想法数量：你生成的投资想法数量，即你下注的次数。
成功率（Hit Rate）：你下注正确的百分比。
盈亏比（Slugging）：当你正确时，你的收益有多大？当你错误时，你的损失有多大？

因此，利润可以表示为：交易频率（Velocity） × 成功率（Hit Rate） × 盈亏比（Slugging） × 管理的总资产（AUM）。

你想要优化的是这三个要素。持有一个想法很长时间而没有很多想法，实际上会大大降低你的交易频率。在你试图运行一个市场中性（market-neutral）策略，需要不断平衡你的投资组合时，低交易频率并不总是好事。你可能不希望交易频率过高，因为这会产生过多的佣金，但你希望有一个合理的交易频率。

了解市场的故事¶

当谈到一家公司的投资故事时，有三个主要来源：

公司自身：公司想要传达的故事是什么？这通常是最容易获取的。你可以通过聆听公司的财报电话（earnings call）、分析师日（analyst day）来了解，因为他们努力控制叙事。
卖方（Sell-Side）：卖方分析师也会讲述一个故事，这可能会偏离公司所说的内容，取决于他们的观点。大多数情况下，这些故事相对类似。
买方（Buy-Side）：这可能是最难弄清楚的故事，也是你真正需要理解的。不同类型的买方投资者（如长期持有者、市场中性策略者、散户等）都有各自的投资逻辑和关注点。

你需要了解不同投资者群体的思维方式，以及他们对公司的预期，从而形成自己的投资决策。

市场中性策略与风险管理¶

市场中性策略旨在使投资组合的贝塔值（Beta）接近零，即与市场的相关性很低。这涉及到复杂的风险管理，包括对冲市场风险、行业风险和其他因子风险（factor risk）。

测量Beta具有挑战性，因为时间周期、市场定义和因子暴露都会影响结果。高级分析师需要理解这些复杂性，不仅要了解公司业务，还要了解股票的交易特性和风险因素。

有效的股票推介¶

推介一只股票（Pitching a Stock）并不是工作的主要部分。最好的推介源于你对公司的深入研究和独特见解，而不仅仅是对公司基本面的总结。你需要对公司有长期的跟踪和深度的理解，才能提出真正有价值的投资建议。

系统化交易策略的影响¶

系统化交易策略（Systematic Strategies）可以分为三类：

高频低延迟（High Frequency Low Latency）：依赖于交易速度的策略。
中等延迟/中等持有期策略：持有期从几周到几个月，基于量化信号进行交易。
基于规则的投资（Rule-Based Investing）：类似于ETF的策略，遵循预先设定的规则。

理解这些策略如何影响市场，有助于你更好地预测股票价格的波动和交易量的变化。

人工智能在投资中的应用¶

人工智能（AI）正在改变金融行业的许多方面。然而，作为分析师，你需要谨慎地选择自动化的环节。核心的分析和判断能力不应被取代，尤其是在解读公司管理层信息和理解业务方面。自动化可以帮助处理繁琐的任务，但对业务的深刻理解仍然需要人的洞察力。

总结¶

在对冲基金工作，需要坚实的基本功、对业务的深刻理解以及对市场动态的敏锐洞察。通过持续学习和实践，分析师可以提升自己的能力，为投资组合带来超额收益。理解公司的基本面、市场预期以及投资者行为，是取得成功的关键。

关于LLMQuant¶

LLMQuant是由一群来自世界顶尖高校和量化金融从业人员组成的前沿社区，致力于探索人工智能（AI）与量化（Quant）领域的无限可能。我们的团队成员来自剑桥大学、牛津大学、哈佛大学、苏黎世联邦理工学院、北京大学、中科大等世界知名高校，外部顾问来自Microsoft、HSBC、Citadel、Man Group、Citi、Jump Trading、国内顶尖私募等一流企业。欢迎加入知识星球获取内部资料。