4、管理人分类与评估框架
MOM（Manager of Managers）模式的核心在于“选对人、配好权、动态调”。管理人分类与评估框架是MOM投研体系的底层基础设施——它决定了我们以何种维度观察管理人、用哪些指标度量能力、以及如何在不同类型管理人之间建立可比性。本章围绕管理人类型划分、评估维度构建、核心指标应用三个层次展开，并给出可落地的评估流程与实战案例。
4.1 管理人类型划分：从策略本质到能力圈识别
管理人分类是评估工作的起点。不同类型的投资策略，其收益来源、风险特征、能力边界和失效模式截然不同。MOM管理人分类不能简单按“股票、债券”等资产类别划分，而应结合策略逻辑和交易方式做更细致的分层。
4.1.1 核心原理：策略谱系与能力圈
管理人分类的本质是识别其“能力圈”——即管理人在何种市场环境下能够持续创造超额收益。从策略谱系看，管理人可分为五大类：
| 管理人类型 | 收益来源 | 核心能力要求 | 典型失效场景 |
|---|---|---|---|
| 股票多头 | 个股选择、行业配置、市场择时 | 基本面研究深度、估值判断 | 系统性熊市、风格极端切换 |
| 债券固收 | 票息收益、久期管理、信用挖掘 | 宏观利率判断、信用风险识别 | 信用违约潮、利率快速上行 |
| 量化指增 | 因子暴露、统计套利、高频交易 | 数据挖掘、模型迭代、交易执行 | 市场风格剧变、因子拥挤 |
| CTA期货 | 趋势跟踪、套利、横截面动量 | 波动率预测、仓位管理 | 低波动震荡市、趋势反复 |
| 多策略/FOF | 多资产配置、策略轮动 | 资产配置能力、子管理人筛选 | 相关性上升、流动性收缩 |
4.1.2 判断方法：三层分类法
在实际操作中，建议采用“三层分类法”对管理人进行归类：
- 第一层：资产类别——股票、债券、商品、混合、另类；
- 第二层：策略逻辑——主观/量化、趋势/套利/事件驱动、多头/多空/中性；
- 第三层：风格标签——大盘/小盘、价值/成长、高换手/低换手、高集中/分散。
例如，某管理人可被标记为“股票-量化指增-中证500-高换手”，这种三层标签体系为后续评估和配置提供了清晰的坐标。
4.2 评估维度：五大维度的逻辑与权重
评估维度决定了我们“看什么”。MOM评估框架通常包含业绩、风险、风格、团队、运营五个维度，每个维度下又有若干子项。这五个维度不是简单并列关系，而是从“结果”到“过程”再到“保障”的递进结构。
4.2.1 核心原理：结果-过程-保障三层结构
- 业绩维度（结果层）：衡量管理人过去创造的收益及其质量，是评估的起点而非终点；
- 风险维度（结果层）：衡量收益的代价，包括波动、回撤、尾部风险；
- 风格维度（过程层）：分析收益的来源是否可持续，是否与宣称的策略一致；
- 团队维度（过程层）：评估投研团队的稳定性、专业性和激励机制；
- 运营维度（保障层）：评估管理人的合规、风控、交易执行等基础设施是否可靠。
4.2.2 判断方法：维度权重与评分标准
不同场景下五个维度的权重应有所差异。例如，对于量化管理人，风格维度和团队维度权重应提高；对于债券管理人，风险维度和运营维度更为关键。建议采用以下基准权重：
| 评估维度 | 股票多头 | 债券固收 | 量化指增 | CTA |
|---|---|---|---|---|
| 业绩维度 | 25% | 20% | 25% | 25% |
| 风险维度 | 20% | 30% | 20% | 25% |
| 风格维度 | 20% | 15% | 25% | 20% |
| 团队维度 | 20% | 15% | 20% | 15% |
| 运营维度 | 15% | 20% | 10% | 15% |
4.2.3 实战场景：某量化管理人的维度评估
假设我们正在评估一家成立3年的量化指增管理人，其宣称策略为中证500指数增强，年化超额收益15%。评估中发现：
- 业绩维度：近3年年化收益18%，超额收益15%，但2024年1月超额回撤达8%；
- 风险维度：年化波动率22%，最大回撤-18%，尾部风险VaR(95%)为-3.2%；
- 风格维度：通过Barra归因发现，其超额收益中约60%来自市值因子暴露，30%来自行业偏离，仅10%来自个股选择；
- 团队维度：核心PM为创始人，但近6个月有2位量化研究员离职，团队从8人缩减至6人；
- 运营维度：交易系统运行稳定，但2023年曾发生一次因API接口升级导致的延迟交易。
综合评估后，该管理人的风格维度得分较低（因子暴露集中），团队维度存在减分项，最终评分低于表面业绩所暗示的水平。这一评估结果直接影响了配置决策——降低初始配置比例，并设置更严格的动态调整触发条件。
4.3 评估指标：从单一指标到指标体系
评估指标是评估维度的具体化。单一指标往往具有片面性，需要构建指标体系来全面刻画管理人的能力。
4.3.1 核心原理：指标的分类与互补性
评估指标可分为三类：收益类指标、风险类指标、风险调整后收益类指标。三类指标相互补充，缺一不可。
| 指标类别 | 代表指标 | 适用场景 | 局限性 |
|---|---|---|---|
| 收益类 | 年化收益率、累计收益、超额收益 | 衡量赚钱能力 | 未考虑风险 |
| 风险类 | 年化波动率、最大回撤、下行偏差 | 衡量风险暴露 | 未考虑收益补偿 |
| 风险调整后 | 夏普比率、信息比率、Calmar比率、Sortino比率 | 衡量风险效率 | 对极端事件不敏感 |
4.3.2 判断方法：指标计算与阈值设定
在实际评估中，建议按以下步骤操作：
- 计算核心指标：基于至少2年（最好3年）的周度或月度净值数据，计算夏普比率、最大回撤、信息比率、Calmar比率等；
- 设定基准阈值：例如，股票多头管理人的夏普比率需大于0.8，最大回撤不超过-25%；量化指增的信息比率需大于1.5；
- 进行同类比较：将管理人的指标与同类策略的百分位排名对比，而非与全市场比较；
- 结合定性判断：指标只是起点，需结合持仓分析、归因结果和尽调信息做最终判断。
夏普比率 = (Rp - Rf) / σp
信息比率 = (Rp - Rb) / TE（跟踪误差）
Calmar比率 = 年化收益率 / 最大回撤值
4.3.3 案例拆解：同一策略不同指标的对比
假设有两位债券管理人A和B，近3年业绩如下：
| 指标 | 管理人A | 管理人B |
|---|---|---|
| 年化收益率 | 6.5% | 7.2% |
| 年化波动率 | 3.5% | 5.8% |
| 最大回撤 | -2.1% | -4.8% |
| 夏普比率 | 1.29 | 0.90 |
| Calmar比率 | 3.10 | 1.50 |
表面上看，管理人B的收益率更高，但风险调整后指标明显劣于管理人A。在MOM配置中，我们更倾向于选择管理人A——因为其收益质量更高，在组合层面能提供更好的风险分散效果。这一案例说明，单一收益率指标会误导决策，必须结合风险指标综合判断。
4.4 评估流程与常见误区
管理人评估不是一次性的“打分”，而是一个持续跟踪、动态更新的过程。建立标准化的评估流程，可以有效避免主观偏见和决策失误。
4.4.1 核心原理：评估流程的闭环设计
完整的评估流程包括五个环节：初筛→尽调→评分→配置→跟踪。每个环节都有明确的输入、输出和质量标准。
- 初筛：基于公开数据（净值、规模、成立时间）快速排除明显不合格的管理人；
- 尽调：通过问卷、访谈、现场调研等方式收集定性信息；
- 评分：将定量指标和定性信息转化为标准化评分卡；
- 配置：根据评分结果和组合需求确定初始配置比例；
- 跟踪：定期更新评估结果，触发动态调整机制。
4.4.2 常见误区与应对
4.4.3 实战复盘：一次评估失误的教训
某MOM产品在2023年初配置了一家CTA管理人，该管理人过去2年夏普比率达1.8，最大回撤仅-8%。然而，2023年3月至6月，该管理人净值回撤达-15%，远超历史水平。复盘发现：
- 初始评估的缺陷：评估时仅使用了2年数据，未覆盖2020年疫情冲击和2021年商品牛市的完整周期；
- 风格维度遗漏：该管理人的高夏普主要来自2022年商品单边趋势行情，其策略本质是趋势跟踪，在震荡市中必然失效；
- 团队变化未及时跟踪：2022年底该管理人的核心策略师离职，但评估时未将其作为重大风险事件处理。
这一案例的教训是：评估框架必须覆盖完整的市场周期，风格维度必须穿透到策略底层逻辑，团队变化必须作为动态调整的触发条件之一。