GP如何构建理想portfolio?

编者按：本文来源创业邦专栏溯元育新，编译：溯元育新团队，图源图虫网，创业邦经授权转载。

虽然GP构建portfolio是风险投资中「复杂」而重要的一个环节，但它还是容易被「低估」。为什么说它「复杂」？简单来说有三个原因：

（1）构建portfolio的策略没有明确的对错之分：各种各样的投资机构有它们各不相同的构建方法，集中重仓、分散投资、低成本看牌然后加仓，这三种都能创造有牛逼回报的机构。

（2）每种构建portfolio的模式都必须根据特定GP的具体情况去评估和实施，导致每一个portfolio都有自己独特的样子。

（3）因为信息往往不是公开透明的，所以新一代GP一般都得自学成才，从亏过的钱、摔过的跤里，悟出来怎么成长。

为什么说它被「低估」？一方面，GP没有花足够多的时间去思考这件事。另一方面，好的portfolio构建策略，能改写一家投资机构的命运。即使是GP的基金已经因为其他的优势在行业内打下了一片天（比如有很高的投资命中率或者其他耀眼的指标），也可以通过优化portfolio的构建策略，释放出预期以外的更大价值。

尽管构建portfolio很复杂、也很容易被低估，但是和老炮机构LP聊的时候，你怎么构建自己的portfolio仍然是绕不开的话题。所以对于想做大做强、建立长期品牌和LP关系的GP来说，想清楚怎么构建portfolio是必修课之一。

Blue Future Partners是一家母基金，重点关注那些投早期轮次（种子和A轮）和较小规模基金（AUM在2亿美元以下）的GP。他们认为，和潜在LP接触之前，优秀的新GP可以从三个方面思考怎么构建自己的portfolio：

（1）基础工作（surface）。它代表了GP对行业历史、最佳实践的研究程度，以及GP为了最终敲定portfolio策略所做的前期准备工作。

（2）模型测算（math）。代表了GP根据之前的调查数据和投资经验，分析得出的量化逻辑。

（3）实际执行（execution）。这一点是说，看GP如何真正把策略应用到实际的投资决策、投资体量和实际portfolio构建中去。

总体来看，第一种策略更像是一层过滤网，另外两种策略则代表了实际的落地执行，三方面相互依存。

1.基础工作

接触机构LP的时候，GP必须得搞清楚自己的portfolio构建机制。以Blue Future Partners为例，他们经常在和GP第一次见面的时候，就会问他们怎么想portfolio构建这件事。LP一开始就想知道的信息，是GP对自己的投资主题理解得有多深刻，为构建portfolio下了多少功夫，以及收集了多少证据来证实他们的预期能成真。

对没有投资经验或者还没做到游刃有余的新GP来说，这个话题尤其棘手。如果在解释构建portfolio策略的时候拿不出实际成果，就要证明自己已经花了时间思考这件事。

想思考如何构建portfolio，GP可以从三个方面入手：

（1）尽可能多地阅读各方面信息，从你能接触到的所有资料中获取关键内容。用丰富优质的信息源形成和完善自己的观点。

（2）听听世界上的其他GP聊他们的策略、遇到的挑战、犯过的错误和得出的经验教训，并从这些谈话中反复思考和审视自己。

（3）用两件事去考虑portfolio的构建。第一个是自上而下的方法，根据你想要的portfolio多样化程度和专注某个行业/投资阶段的程度，选择portfolio里公司的数量和investment reserve（简单来说是用来加仓的钱）策略。第二个是自下而上的观点，也就是想想你能处理多少deal，包括尽职调查和投后等。

做这些「基础工作」可能不会实质上让GP的portfolio策略变得更正确，但这个过程会让专业素养渗透进GP的工作以及和LP的对话之中。

2.模型测算

向LP pitch自己的时候，GP至少可以准备一个portfolio的构建模型，简单明了地展示自己的一些预期，比如单笔平均投资规模（ticket sizes）、估值范围、退出预期和最终回报。

这些预期和假设必须符合两个关键要素：

（1）符合市场数据（比如GP所在行业各阶段的估值范围）；

（2）符合GP的投资机构以前的业绩记录。

GP在这个环节经常会犯的一个错误是，假设的入场估值不仅脱离了市场实际情况，还仅仅来自于他们自己以前的投资，也就是在自己的体系内循环，没有和市场真正接轨。

GP可以用不同的方式和复杂程度去展示自己的portfolio模型，简单模型或者更复杂的蒙特卡洛模拟都可以（Monte Carlo Simulation，用来模拟大量数据的一种统计学方法；Alex注：我是没见过几个天使基金做蒙特卡洛运算去搞portfolio strategy，有，但不推荐）。

不过，GP在开始分析时也需要想想自己到底想要什么结果，之后再选择用什么模型展示，因为两种模型的目的不同。蒙特卡罗模拟的目的是，通过一组随机数据（即使这个数据是主观假设）的数学运算向LP证明，GP的portfolio构建模型能行之有效。另一个例子是，小型基金一般都会想建立一种独特的模型，证明自己不需要极端情况+极端成功的deal，也能产生强劲的回报（比如说没有投出百亿估值上市公司，也能实现5年2.5x现金回报）。

不管选择哪种，向LP展示portfolio模型基本是为了证明，假设有一组提前定义好的结果（或者在提前定义好的范围内的一组随机结果），通过清晰的模型测算就能回答GP对portfolio模型的问题。

GP要回答的问题，一句话说明白就是：搞定一笔价值xxx美元现金的退出，我的整个portfolio和基金能产生什么样的回报？

回报确实很关键，但优秀GP应该思考的一个事情是，这个目标是我要追求的正确目标吗？关于portfolio的模型，一个更有趣也更有价值的问题，应该打破一些简单的利益考量，而不只是局限地计算退出估值之类的指标。

和我们上一篇讲到的玩长线游戏，从而创造更大成就的观点一样（《在风投世界里，玩一局长线游戏（上）》），GP应该从长远价值的方面考虑，怎么把自己在明星portfolio中的权益最大化，而不是被一轮一轮的稀释掉。

GP构建portfolio策略，可以被看成是在有限制的情况下对回报的优化，最后得出的结果是portfolio策略的一些参数，比如投资多少家公司，准备多少百分比的储备金作为跟投/加仓/反稀释（30%还是50%，都值得好好想想），在什么样的情况下选择老股退出/继续持有等。

这是个很耐人寻味的过程，特别是对于那些虽然已经成绩斐然，但portfolio策略还是欠佳的GP，或者是新一代即将出来/有计划出来干的高潜力GP。

他们已经在其他方面显露出过人的技能，比如能识别出一类强力创始人，看得懂前沿的赛道，或者有接触项目的好渠道，一旦他们的portfolio策略得到完善（基本上就是投完一波，还能有足够多的钱给明星项目加仓），就有可能产生巨额的价值。

总的来说，GP可以想想如何让portfolio模型产生更深远的价值。不单单是考虑退出的结果，而是最大限度地保持对portfolio明星项目的权益，然后对这些结果做出假设，最后评估portfolio模型的可行性。

3.实际执行

portfolio构建策略执行到位的GP，每一笔投资都能按照预期的check size投进去，还能在应该领投、加仓、跟投、反稀释的时候，不手软。

执行portfolio构建策略最大的挑战，是抓住快速变化的融资风向占到足够多的份额，以及深刻理解不同轮次、不同资金体量玩家的游戏特点。

这个挑战对于那些正在大幅扩大基金规模的GP尤其现实。打个比方啊，投天使轮的个人天使或者机构天使投资人，往往会下意识地认为，把1000万变成1个亿，和把1个亿变成3个亿是类似的游戏，配置资金的效率还会保持不变，但事实并非如此。原因有两个：

（1）更大的资金管理规模，意味着有效部署资金的挑战变大。配置100万美元，相对来说是要比配置10万美元要难一些的。

（2）随着基金规模的扩大，更多的资金必须要投到后几轮中去（不总是这样，但大多数情况下确实如此），而跟投产生的回报倍数是比最初的投资规模要小的。所以在这种时候，把资金集中倾注到赢家身上就很重要了，能做到田忌赛马和慧眼识珠也很难。

这就是为什么在竞争激烈的市场，在LP眼里，GP除了基本的投资成绩之外，具有某种别人没有的独特价值也非常重要。GP管理小规模体量资金业绩优秀，远不能就此证明自己能做好大体量资金的策略。这样的情况首次投资和后续跟投轮次里都会发生，后期投资人有时候还会阻挠早期投资人进行pro-rata。

4.总结

就像文章一开头说的，模型测算和实际执行相互依存，它们构成了portfolio构建模型的「真实」部分，而第一步的浅层工作更多是为GP形成投资主题做准备。总而言之，对GP构建portfolio的三个建议是：

（1）和LP聊之前，对自己portfolio的构建主题做到胸有成竹；

（2）在模型计算时，更长远更多面地思考，从不同的角度去构建portfolio。退出时的回报固然重要，但是抓住portfolio里的明星项目并最大化在其中的投资权益，才能让GP获得超额回报；

（3）GP需要实事求是地想一想自己是在和谁竞争，以及以前的业绩能在多大程度上帮自己执行好这一次的新策略。看清自己在市场上的站位，也看清自己的实际执行力。

原文：https://medium.com/blue-future-partners/discussing-portfolio-construction-with-lps-the-surface-the-math-the-execution-19caef4aa0cd