虽然 GP 构建 portfolio（投资组合）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：
首先，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，这三种都能创造有强劲回报的机构。
【资料图】
其次，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。
最后，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 LP 聊的时候，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。
先来展开说说什么是基础工作。
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。
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。
然后我们来看看模型测算。
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，但很少有天使基金做蒙特卡洛运算去搞 portfolio strategy）。
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。
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，而不是被一轮一轮地稀释掉。
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。
最后，我们说说实际怎么执行。
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，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，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。这样的情况在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。
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。
本文来自微信公众号：溯元育新（ID：EnvolveGroup），作者：溯元育新
