对冲基金经理 David Orr：投资 99% 靠天赋

摘要

• Orr 认为，卓越的超额收益主要靠天赋，经验和风险管理决定收益如何复利增长。 主持人提到年化收益 50%、Sharpe 比率 2.1，但 Orr 不愿把 50% 的表现外推到扣费后：“我想我们肯定是走运了。”他区分了极少数高 alpha 投资者，以及一种可能通过训练掌握的 pod shop 模式：先做出 3% 的未加杠杆 alpha，再用 6 倍杠杆放大到 18%。
• AI 最大的贡献，是让一支不断扩张的团队看清组合风险如何变化。 即使没人调整仓位，相关风险敞口也可能从 25% 升至 45%；定制篮子每日更新，用来捕捉这种漂移。另一项应用是给新闻和文件排序，Orr 只看排名前 5 或 10 的内容，据他估算，处理新闻所花时间比过去减少了 90%。
• Orr 招聘时看重经过验证的业绩和相互独立的押注，胜过学历资历。 他会检查实盘账户，剔除挑选出来的漂亮业绩，并在分配资金前筛查隐藏的尾部风险。核心经理之间的交叉相关性为 0.15；若把试用经理也按假设等权纳入，相关性仍低于 0.2，不过样本量还小。“你哪怕是个送货员，只要能持续跑赢市场，我就愿意给你机会。”
• 快速决策能帮 Orr 避免研究投入反过来让自己陷入固执的仓位。 他持有 500 个仓位，却不做笔记，初步决策通常在 1 小时内完成。他以 Gogo 空头为例：投入 100 小时研究后，股价涨向 20 美元，他仍执着于原判断；尽管他说股价后来跌到了 2 美元，但这段经历说明了研究投入如何让人难以抽身。他的纠偏原则是：“市场说我错了，我就是错了。”
• 基金的招聘条件包括资金、共享基础设施，以及 Orr 所说的 substantial 税务递延。 薪酬平均约为无风险利率以上 P&L 的 15%，具体条款按策略调整。Orr 还把经理失去优势后仍能留在基金中投资，称作“几乎像一份保险”，让积累下来的资金继续留在更大的复利平台里。
• Orr 更看好超大规模云厂商的 AI 敞口，因为他认为合同把大部分泡沫风险转给了客户。 他的模型假设资本回报率约为 35%，客户承诺覆盖约一半算力；即使租赁价格下跌 80%，服务商也可能大致盈亏平衡，锁定算力的买家则要承担损失。他偏好 Google、Amazon，也可能包括 Microsoft；6 月，他削减了 AI 硬件敞口，因为下行风险发生变化：“看多的逻辑依然很有说服力，但现在这不是我要玩的游戏。”
• 对 Orr 来说，容量和扣费后回报比募资规模更重要。 他曾发邮件向现有 LP 申请 1 亿美元，结果收到 1.5 亿美元承诺；但除非新经理表现出色、带来更多容量，否则基金仍然封闭。他估计，内部借券目前每年或可节省约 100 万美元；若资产翻倍，节省额可能达到 200 万美元：“我看重的是扣费后的业绩记录。”

精读

1. AI 让相关性变化一目了然

• Orr 认为，风险系统是 AI 带来的最大贡献。除了购买专业模型，Mike 还搭建了定制股票篮子，例如做多篮子“Banks Done Right”、做空篮子“Yield Traps”。这些篮子补充了传统因子，也替代了部分人工分类，比如把股票归入传统媒体、光纤等类别，并判断哪些股票突然开始对利率变化敏感。
• 关键在于每日重新计算：即使持仓不变，篮子的规模也可能扩大或收缩。经理原本认为可以接受的 25% 敞口，可能在一两周内随着相关性变化升至 45%。在杠杆组合里，这就变成了截然不同的押注。要手动追踪约 10 位经理的这些变化并不现实；过去即便只有 Orr 自己的投资组合，也需要留出很大的安全缓冲。
• 自动监控不代表 Orr 每天都研究每位经理。他每周或大约每隔几周查看一次相关性矩阵，有人加入时会检查其仓位，几周或几个月后再复查。他也会看基金和各个投资组合单日最大的亏损。假设某个仓位单日亏损 8%，就值得调查；他说这种情况还没有发生过。

2. 实盘业绩胜过传统资历

• Orr 说，约 95% 的候选人业绩记录“完全是垃圾”。剩下的也要核实：必须是实盘业绩而非回测，不能从 30 个账户里挑最好的，还要实际查看账户。他也会筛查卖波动率、马丁格尔策略和隐藏的尾部风险，不过他说目前这些都不是大问题。他想确认经理的业绩是否来自真正不同的押注。
• 一位新招经理曾赢得电视游戏节目，没有传统金融资历，却在数年间把个人账户 Sharpe 比率做到了 2 点多。另一位候选人则把 100 万美元做到了 900 万美元。主持人提出逆向选择的问题；Orr 承认，有位候选人四处比较后选择了他们，但他还没问过对方原因。他给出的邀请范围很明确：送货员只要有经过验证的出色回报，也会得到考虑。
• 核心经理之间的交叉相关性为 0.15。若把所有试用经理也按假设等权纳入，相关性仍会低于 0.2，Orr 认为结果好得出乎意料。他强调样本量有限，但预计长期相关性可能低于 0.3。保持独立性很重要，经理们刻意避免彼此讨论投资过程，即使社交聚会时也如此。
• 主持人认为，Orr 自己的投资成绩有助于支持招聘试验。Orr 说，相比“想当基金经理的人”，他或许更懂什么构成优势。主持人把多经理公司形容为营销生意，优先满足机构投资者的偏好；Orr 补充说，有些公司可能满足于收取高额费用，而不追求提高回报，但他认为 Millennium 是较好的多经理公司之一。他以 1000 亿美元资产、每年 20 亿美元费用为例。主持人说，打造“迷你 Millennium”的计划简直疯狂；Orr 回应：“谁他妈想给那种公司打工？”

3. 证据越充分，配置越大；平台共享资源

• Orr、Mike 和 Rodrigo 是核心经理，另有 7 人处于试用期。仓位规模取决于样本量、风险和相关性。对于交易节奏较慢的策略，可能要等 6 到 9 个月才能增至 1000 万至 1500 万美元，再过 6 到 9 个月才增至 3000 万至 5000 万美元。他认为后一次加仓尤其危险：优势看起来已经很扎实，证据却还不够充分。中频交易员积累观察样本的速度要快得多。
• 薪酬按策略和波动率调整，平均约为无风险利率以上 P&L 的 15%。策略经过约 1 年验证后，经理可以获得业绩分成；Orr 说，这让收入能够递延。平台还提供开发人员和运营支持；中频交易员需要另找一家经纪商，因为 Interactive Brokers 显然无法满足其系统的速度要求。
• Orr 说，这只高杠杆、高 alpha 的多空基金自成立以来，几乎把所有税款都递延了。他的做法是实现亏损空头的税务亏损，再换成相似敞口，同时继续持有盈利的空头。某只股票跌了 90%，不一定需要回补；破产和股份注销可能要等 10 年。他说，即便基金盈利，只要稍微牺牲一点优势，也可能让 LP 获得税务亏损。
• 招聘条件不止于眼下的薪酬。Orr 从扑克中学到，游戏规则变化时，优势也会消失。若经理的优势不复存在，他会失去交易岗位，但仍可把资金留在基金里；Orr 希望其他经理能继续以较高回报率为这些资金复利。退休 PM 会是最后一批被要求提款的投资者：“这几乎就像你免费获得了一份保险。”

4. 快速决策减少对研究的执念

• Orr 的个人投资组合有 500 个仓位，他说自己“没有笔记”，因此希望在 1 小时内做出初步判断。经验丰富的投资者若已经花 1000 到 2000 小时学习，也可以尝试在 1 到 2 小时内做决定，仍看不清的就先跳过。从 2019 年起，他每年做几百笔独立押注，形成了这套经验。实际筛选标准是：“外面还有更容易做的机会。”
• 他以 Gogo 为例，说明研究投入过多反而会变成负担。在这家机上互联网公司上花了约 100 小时后，股价一路涨向 20 美元，他仍执着于基本面做空逻辑。他说，现在股价大约是 2 美元，自己仍然做空；但即便基本面判断最终正确，也不能为中途应对股价上涨不当开脱。当时的短期变化或许给过更好的离场机会。
• 一笔成功的空头仓位可能先跌 40%，Orr 才会重新看它；有时他得花一两分钟回忆这家公司，确认基本面在恶化，然后加仓。危险的反面情况是股价在没有消息的情况下持续上涨，最终可能涨 250%，他却仍坚持公司很差。他已经更善于放弃这类硬扛，但还是会犯倔：“市场说我错了，我就是错了。”
• Rodrigo 会用 52 周新高和新低筛选投资线索，再挑出 Orr 所说的最优 5%；把整个股票篮子买下来行不通。Orr 通常也会顺着价格走势操作，但主持人提到，他自己最大的多头仓位 Hikari Tsushin 已经停滞，今年以来可能还是下跌的。主持人认为它便宜得离谱、风险又低，有时会因此加大仓位：“我是不是看错了？不知道。”

5. 主持人更喜欢商业史，而非投资公式

• 主持人说，大多数投资书都显得过时，也质疑书中宣称的市场异象是否真的曾经稳定有效。他承认 Peter Lynch 的书可能有用，但认为有人可以连续几年投资成功、出书，之后策略却开始失灵。这些是主持人的观点，并非 Orr 的看法。
• 主持人说，自己每年有选择地读约 10 到 15 本书，有时会集中读一阵；如果第一章没能吸引他，就会弃读。他更喜欢历史和商业类书籍，包括《Shoe Dog》和《Kitchen Confidential》。
• 主持人从《Shoe Dog》中举了一个例子：一家成长型公司的 CEO 不断扩张，不让银行决定公司的发展边界。他建议从高管身上寻找类似的应变能力：他们会不会逼银行、寻找替代方案，再联系 30 家银行逐一比较？Orr 赞同《Shoe Dog》是一本好书；经营层面的启示来自主持人。

6. 主持人与 Orr 讨论 AI 如何帮助学习

• Orr 说，AI 改变了他逐家公司研究的工作流程。AI 可以翻译和总结文件，给当日新闻排序，让他专注于排名前 5 或 10 的内容。他估计，现在跟踪新闻所花的时间减少了 90%；新的挑战是如何快速吸收信息。
• 主持人说，ChatGPT 可以总结一本书，也能支持持续 1 小时的提问，帮助梳理其中相关的观点，但他不确定这是否比直接读书更好。Orr 补充说，人们对新技术的历史性担忧可能并不成立，同时也认同短内容可能有害。主持人批评 TikTok 式视频追求开头的钩子，而非内容本身。
• 谈到个人如何建立差异化，Orr 问主持人如何打造优势；主持人回答，人们应该专注于成长，而不是试图预测一种持久的护城河。主持人认为，善于使用 AI 的年轻人可能胜过依赖较慢、更传统方法的人，并推测顶尖 AI 能力或许每年能值 500 万美元。这些都是主持人的观点。

7. Orr 更看好超大规模云厂商的 AI 敞口

• Orr 将 AI 产业分为硬件生产商——Taiwan Semiconductor、NVIDIA 和存储公司——超大规模云厂商或新云厂商，以及软件占比更高的客户。他更偏好超大规模云厂商，具体包括 Google、Amazon，也可能包括 Microsoft。他看重的是下行风险可控，而非上行空间最大化：他所说的组合杠杆率达到 400%，多头仓位的下行尤其重要。
• 他的合同模型假设资本回报率约为 35%，客户承诺使用约一半的算力。如果过剩产能导致租赁价格下跌 80%，他认为服务商仍可能大致盈亏平衡。客户锁定 50 亿至 100 亿美元的算力承诺后，就要承担这笔成本；与此同时，客户自己的业务也可能走弱。他把这类安排比作“照付不议”合同。
• 如果算力紧缺持续 10 年，未承诺的另一半算力就可能提价，将资本回报率推向 50%；这一回报率适用于数千亿美元投资。硬件和存储生产商的看多空间更大，但 Orr 说，若行业陷入低谷，营收可能下跌 80% 至 90%。如果投资者不使用杠杆，并且确信存储紧张会持续 3 年，存储股或许仍是更好的押注。
• Orr 说，基金的 AI 因子相关性为 0，但上涨期间他也持有 Taiwan Semiconductor 等 AI 相关股票。4 月前，Taiwan Semiconductor 的估值约为 20 倍市盈率，风险回报结构有所不同。6 月他削减了这部分敞口：盈利已经上升，估值倍数却没有明显扩张；盈利基数越高，一旦增长逆转，下行也越大。“看多的逻辑依然很有说服力，但现在这不是我要玩的游戏。”

8. 扩张要看容量和扣费后回报

• 主持人提到 7 月回报约为 9%，Orr 大致确认：“差不多吧。”他说，市场发生剧烈变化时基金通常受益，尽管他把整体环境称为“1999 年式的市场”，并认为 TIPS 收益率快速上升构成逆风。他也不愿把主持人提到的 50% 年化回报外推：“我没说我们每年扣费后还能以 50% 的速度复利增长。”
• 被问及基金规模时，Orr 回答“480”，没有说明单位。基金目前封闭，但试用经理若表现出色，可能需要更多资金。此前有几家大型券商希望基金扩大 AUM；Orr 说，3 亿美元的基金对这些全球性券商来说仍然很小。他曾发邮件向现有 LP 申请 1 亿美元，结果收到 1.5 亿美元。Orr 认为，如果专注募资，自己能募到 10 亿美元，但他更愿意优化业绩记录。
• 内部借券是一个边际增收机会。Orr 估计，聘人直接寻找券源，每年或可节省约 100 万美元；若资产翻倍，节省额可能达到 200 万美元，而员工薪酬不必翻倍。他强调这只是粗略估算。员工成本将从管理费中支出，改善 LP 的经济回报：“我看重的是扣费后的业绩记录。”
• 容量最终取决于哪些经理加入并扩大规模。一位新加入的管理期货风格经理，波动率为 10%，目前表现出负相关性；Orr 预计长期相关性会接近 0。他将来可能要求把这位经理的敞口提高一倍。他不必懂牛和橙汁的基本面，但希望看到历史压力情景，包括多个商品押注同时朝不利方向变化，以确认风险可控。

9. 卓越的 alpha 主要靠天赋，风险管理可以后天培养

• Orr 认为，“那些 alpha 特别高的人”几乎全靠天赋，就像 Michael Jordan 那样，不是训练就能培养出来的。他把这与 pod shop 里可能教得会的流程区分开来：训练分析师、约束风险、做出约 3% 的未加杠杆 alpha，再加 6 倍杠杆做到 18%。他粗略估计，通过这条路径成功的概率约为 50 人中 1 人；达到卓越水平的概率则约为 1 万人中 1 人。
• 导师 Rob 教给他最重要的几件事，是控制仓位大小、别把太多时间花在单只股票上，以及尊重股价的驱动因素。一家公司可以很糟糕，但营收仍在增长，投资者也继续按营收倍数给它估值。Rob 坚持说这“对公司来说是好事”时，Orr 起初非常恼火；如今他理解了其中的时机判断：等增长叙事破裂，而不是任由市场把自己碾过去。
• 对初学者，Orr 主要会通过反复练习来带教：每天至少提出 1 个新想法，也许 2 个；只有遗漏了关键变量时才偶尔纠正。若总是寻求认可，就是群体思维的警讯。不过他认为，pod shop 确实可能是一条值得走的路，有机会赚到可观收入；前提是，若 2 年后被淘汰，仍能调整心态，尝试另一种做法。
• Orr 说，每位经理都对自己的投资风格充满热情。对于如何建立个人差异化，他建议少刷信息流，多主动筛选真正有洞见的人。找到真正感兴趣的事，再思考如何从中赚钱、帮助别人。