另类思考

本文更新了AQR此前关于通胀敏感性和通胀保护的分析，重点阐述了商品和趋势跟踪策略的优势，以及如何评估不同的实施方式。文章提出：“你应如何为再次出现全球通胀冲击的可能性做好准备？”

总组合方法（TPA）是一种广泛的机构投资组合管理理念，近年来日益流行。我们探讨了TPA相较于传统战略资产配置的潜在收益与风险，并提供了TPA如何帮助投资者实现目标的实践示例。

我们更新了对主要资产类别中期（5至10年）预期回报的估计。我们还讨论了货币风险和货币对冲，并特别考虑了美国和欧洲投资者的情况。

我们考察了流行的“逢跌买入”策略，发现其表现始终逊于简单的买入并持有方法。我们的研究表明，试图择时的投资者，顺势而为可能比逆势而动更容易取得成功。

本文探讨了资本效率型投资——如私募股权、对冲基金和可转移阿尔法——如何帮助投资者在不依赖直接杠杆的情况下充分释放分散化的益处。我们展示了这些方法如何改善投资组合的韧性和长期回报，尤其是对受杠杆约束的投资者而言。

连串回报流——即可能在较长时期内表现优异或糟糕的回报——对投资者而言难以理解并坚持持有。然而，正是这种“复杂性风险”可能为投资者带来额外的风险溢价，从而获得高于平均水平的风险调整后回报。

我们更新了对主要资产类别中期（5至10年）预期回报的估计。我们还讨论了企业盈利增长：市场共识预期将有更多强劲增长到来——尤其是在美国。但对配置者而言，合理的中期预测是什么？

在我们的2024《另类思考》系列第二期中，我们展示了机器学习技术可用于帮助改进择时策略。在本期中，我们按照类似框架将这些概念扩展到股票选择策略的构建。我们的结果表明，利用机器学习技术的更复杂模型相对于简单的线性方法，其表现提升幅度在50-100%之间，这表明机器学习可以帮助构建更好的股票选择投资组合。

本文提出了一组合理的输入假设，并发现另类投资为自己赢得了可观的战略配置。我们鼓励投资者将这些结果与自己的假设、约束和配置进行比较，以构建一个能够实现长期投资成功的韧性投资组合。

传统观点认为，鉴于金融领域的“小数据”约束和天然较低的可预测性，小型简单模型最适合择时应用。然而，我们表明复杂模型能更好地识别真实的非线性关系，从而产生更好的择时策略表现。我们在三个实际择时应用中验证了这一“复杂性的优势”结果。