2021年2月1日，全球最大的财富管理(Wealth Management)公司贝莱德(Black Rock)完成了对总部位于加州旧金山地区的金融服务公司Aperio 10.5亿美元的收购。Aperio主要通过单独管理账户(Separately Managed Account, SMA)提供两种服务：定制化的指数投资(Personalized index investing)，和通过投资损失节税(Tax Loss Harvesting, TLH)服务来增强税后业绩(After Tax Performance)。据估计，贝莱德的这次报价高达Aperio利润的50倍， 远远高于S&P500金融板块中17.1倍的平均市盈率。TLH是什么？为什么TLH这么值钱？
在美国税法当中，投资者的资本利得(Capital Gain)需要交税，但是这部分资本利得可以通过资本损失(Capital Loss)来抵消。所以很多投资者在年底的时候会对自己的投资组合进行整理，卖出出现亏损的股票，从而降低来年的资本利得税的税基。这样通过主动收获资本损失来降低税务的操作就被称为投资损失节税(TLH)。
Aperio和市面上其他的TLH服务商如Wealthfront将这样的原理运用到了极致：以天为单位的自动化TLH，保证账户拥有和指数基金相似的税前收益和风险因子。因为使用了节税操作，他们所管理的指数基金税后收益要高于一般的指数基金。据估计，Aperio管理的SMA要比一般的ETF指数基金的税后收益高出1.7%到2.2%。
在Aperio提供的白皮书中，Aperio解释了装备了TLH的SMA节税收益由两部分组成并且互为对冲：直接通过节税操作减少的税务支出，和通过对节省的税务指出在投资获得的收益。根据他们的估计，在扣除费用之后，其十年期综合收益可以高处普通ETF 40%多：这实在是一个极为可观的数字。
TLH的原理是什么？
自动化的TLH是如何运作的？其实原理并不复杂。假设投资者追踪某一个指数，TLH研究发现，为了获得和指数近似的收益，你并不需要购买指数里面的每一只股票。比如S&P500中也许只需要300只就足够有代表性了，而剩下的200只股票可以用作备用。500只股票里总是有涨有跌，于是就创造了收获资本损失同时仍然可以追踪指数的机会。
在TLH算法里，一旦300只股票中的某一只出现了亏损就会被抛售，接下来算法会从剩下的200只股票中选取一直高度近似的股票，用卖出股票的钱买入这只近似股票。这样既保证了总体组合的稳定，又利用了出现的亏损降低税务。更进一步，TLH的提供商还产生了额外的资本损失，客户可以用这些损失抵扣其他方面的资本利得。这个过程还可以通过下面的账户变化简单说明。
| 第一次交易 | 交易之间(假设A上涨20%，B下跌20%) | 第二次交易(出售B，购买C) | |
|---|---|---|---|
| 股票A价值 | $50,000 | $60,000 | $6,000 |
| 股票B价值 | $50,000 | $40,000 | $0 |
| 股票C价值 | $0 | $0 | $4,000 |
| 投资组合总价值 | $100,000 | $100,000 | $10,000 |
| 成本基础(Cost Basis) | $10,000 | $10,000 | $9,000 |
在初始交易之后，股票A上涨，而股票B下跌，此时卖出B在买入高度相关的股票C，就可以获得大约$4.6K的资本账户损失。这$4.6K可以用来抵扣其他账户产生的资本利得，或者可以抵扣最多不超过$3K的可税收入(Taxable Income)。
为什么要思考TLH算法？
市场上提供TLH的服务商并不在少数，传统的门槛较高的如贝莱德、摩根士丹利等，新兴的提供平价服务的有Wealthfront，Betterment等。这些服务商提供的TLH特性、费用等各不相同。在选择合适自己的金融服务的时候，了解越多越有利于作出正确的判断。我们做产品的时候经常提倡站在用户的角度思考，其实选择服务的时候，站在服务商的视角也可以得到同样的效果。TLH作为一个高度依赖算法的服务，从算法设计的角度入手，思考算法的基本策略、约束条件以及如何证明其有效性的过程会帮助我们培养对这项服务更深刻的理解，也使我们更容易看到服务背后的挑战。
算法的基本策略
- 使用什么投资品交易？
市场上的任何投资品都可用于交易，比如个股，ETF，债券等等。所不同的事，不同投资品的波动性不一样，比如ETF的波动性一般大于债券，但是小于个股。Wealthfront使用的是低价的ETF进行交易，而Aperio使用的是个股。使用ETF的波动性小，因此可以获得的Tax Loss相对更小，但是好处在于ETF容易找到高度相关的替代品，而个股难度更大，我们在下一个问题讨论这个话题。
- 如何寻找高度相关的替代交易品？
使用ETF的TLH更容易找到替代品。IRS规定，不同公司追踪同一只index的ETF不能算作不同的投资品，比如VOO和SPY都是最终S&P 500 Index的指数基金，前者由前锋集团(Vanguard)提供，后者由SPDR提供。所以如果你卖了VOO又去买SPY还是会违法Wash Sale Rule。但是两个高度相关却彼此独立的指数基金不受到这种限制。比如嘉信理财(Chales Schwab)提供的SCHB追踪的是Dow Jones US Broad Market index，而先锋集团提供的VTI追踪的事CRSP US Total Market 指数，二者的相关度超过99%，但是因为追踪的基金不同，卖出SCHB再买入VTI并不会违反Wash Sale规定。
反过来，寻找个股中相关的股份就要难得多。有很多看似业务类似的公司实际上股价的表现天差地别。比如Cloudflare(NET)和Fastly(FSLY)都从事CDN和网络安全业务，二者的服务高度类似，但是他们的股票在2020年的表现如下图所示，完全看不出来同步性。怎么选择高度相关的股票，使得选择他们中的任何一个都可有效的代表指数基金中的某个Sector是这一环的主要挑战，没有这样的相关选择，算法就只能执行卖出操作，而不能完成买入操作。
- 股票下跌的时候怎么确定卖出时机？
TLH算法的要点是当股票下跌的时候卖出收获Tax Loss，但我们去很容忽略一个关键问题：怎么确定卖出时机？因为下跌的幅度是不可预期的，如果我们过早决定卖出，可能没有抓住所有下跌带来的投资损失；如果我们等待过久，可能股票已经从最低点回弹，同样错过最大下跌幅度。很显然，因为无法确定合适会出现最大下跌幅度，我们不可能抓住所有损失。那么什么程度的损失是合理的？怎么确定这个程度？
- 怎么确定交易的频率？
之前我们用来说明TLH交易原理的例子中，一直股票通常有一只备用的相似股票，当原来的股票出现下跌被卖出后，就会买入备用股票，而为了不违反Wash Sale固定，一般在30天内不会重新买入原来的股票。但是如果备用股票也出现下跌了呢？可以想象这分为两种情况：下跌的幅度超过了原股票，那么因为卖出新股票可以获得更大的Tax Loss，可以重新买回原来的股票。但是如果下跌幅度没有超过原来的股票呢？30天内是不是这些tax loss就不能抓住了？
我想到的解决办法之一是增加备用股票的数量。在最极端的情况下，每只股票有30只备用的股票，即使每只备用股票都下跌，也可以持续每天都卖出进行TLH。但是很显然，我们很难给每只股票找到30只备用股票，也没有这样的必要。另一种解决办法是降低交易的频度。比如每15天进行一次TLH操作，这样及时第二只股票也下跌了也只用空置一轮操作。但这似乎仍然不是最优的解决办法，服务提供商们会如何解决呢？
- 怎么应对交易费用和交易延迟？
TLH算法增加了交易的频率，其中有一个重要的假设：交易是免费的和没有延迟的。如果交易并不是免费的，那么每次交易收获的Tax Loss Benefit就需要考虑交易成本。今天大部分在线券商已经免除免除手续费(Comission)，但是有些券商的免费后面是有代价的，比如Robinhood将交易打包专卖造成消费者可能会支付比实际更高的费用。了解这些TLH服务背后使用的交易平台的费用很有必要。
第二个重要问题是交易延迟。在大多数券商平台上卖出股票的时候，交易所得不会马上可用来购买新的股票，因为券商需要时间来处理交易，沉淀资金。而TLH每次都需要进行两次交易，一次卖出交易和一次买入交易，这两次交易中间如果存在延迟，就必然会漏掉投资组合中的某些动态，最后导致真个组合的表现出现偏差。TLH服务商使用的平台有没有交易延迟，延迟多久是一个需要了解的问题。
算法的边缘测试
在设计好算法之后，我们一般需要测试算法应对某些计算情况的反应，一般称为边缘测试。
- 如果市场出现恐慌性下跌，如何避免高空抛售而扩大跟踪错误？
一种极端情况是市场的恐慌性下跌，比如在一天之内某个股票跌去了50%，但几天之后恐慌情绪解除，股票出现V形反弹。如果TLH算法在恐慌性下跌的时候抛出了股票，因为Wash Sale规则的限制，很可能在股票出现反弹的时候没能买回来，最后可能导致基金获得的收益率小于全程跟踪的基金。如何设计算法避免因为太过敏感而被市场的极端下跌影响准确性？
证明算法的有效性
- 如何证明按照TLH算法创建的SMA和ETF具有相似的业绩和风险指数？
如果我们的SMA跟踪的是某个指数，如何向客户证明我们的SMA拥有和ETF相似的额风险和业绩？一种是历史数据：通过回顾历史表现可以证明基金的历史表现，但这种方法局限于基金的成立年限。另一种方法是进行back test，也就是那历史交易数据来测试我们的算法，获得更长历史的结果。
- 如何证明TLH给用户带来的税收上的好处？
Aperio定义的税收好处包括两个部分：直接降低的税收，和用降低的税收进行在投资所获得的收益。Aperio认为在股市下跌的时候前者会更为显著，而在股市上涨的时候，在投资的收益更大，因此这两部分存在风险对冲的关系。但是我没有从中看到税务的好处是基于对客户什么样的假设。
每个客户的偏好不同，有些客户喜欢主动交易，但是另外一些客户很少交易。考虑这种情况：用同样的金额购买SMA和对等的ETF，对于对等的ETF完全不操作，同样持有五年，因为ETF的费率更低而长期持有使它的税率降到同样的低水平，SMA的优势是否仍然明显？而这也说明，SMA对于不同客户带来的价值并不相同，对于被动投资者而且长期很少交易的客户，其价值很可能低于宣传的价值。当然这并不损害SMA的另一部分价值：通过产生额外的投资损失来抵消客户其他的投资收益从而降低整体税率的价值。
- 如何证明TLH给用户带来超过费用的回报？
TLH还需要想客户证明他们带来的收益要超过客户付出的费用。Aperio用一个的shadow account来镜像用户的操作：如果用户在真是账户中注入资金，Aperio会在Shadow Account中注入资金，如果用户取现，操作也会体现在SA当中，不同的事SA账户中没有SLH的优化。比较真实账户的表现和SA账户的表现就可以近似比较SMA的价值。但是这中间存在一些微妙的地方，比如从用户卖出股票取现到用户交税中间存在最大16个月的时间差，用户可以用这些税金来继续投资，如果SA假设这些税金被直接扣除了可能会高估用户的实际损失。
上面这些问题只是站在一个服务设计者的角度思考的自然结果。很多问题暂时没有答案，但这样的思考确实让我们更深入地理解了TLH服务，你可以带着这些问题和这些服务提供商讨论，相信你一定可以获得更多有用的信息。
参考
- BlackRock aims for wealthy business with $1.05bn Aperio deal, Financial Times, 11/24/2020
- BlackRock Completes Acquisition of Aperio, blackrock.com, 02/01/2021
- Indexed ETFs vs. Indexed Separately Managed Accounts: A User’s Guide, Aperio.com
- The Two Different Benefits of Tax-Loss Harvesting: Direct and Deferred, Aperio.com
- Tax Loss Harvesting, Wealthfront
- Tax Loss Harvesting, moneyunder30.com