【现货速发】投资组合的构建和分析方法

“分析”和“大数据”已经成为众多行业的时髦术语，并占据了近几年的新闻头条。在金融中，尽管分析和大数据是用不同的术语来描述，但它们已经存在了很长一段时间。正如道富全球交易首席运营官J.R.罗瑞（J.R.Lowry）在2014年《麻省理工斯隆管理评论》（MIT Sloan Management Review）的一次访谈中所说：“总的来说，数据和分析方法早在很多年前就已经渗透到了我们的业务中，但我们没有用一种连贯的方式来关注它们。”

用连贯的方式来关注投资分析从未如此迫切。在2007—2009年的金融危机之后，出现了大量的监管变化。与大多数行业一样，金融业正试图应对大数据管理和模型运用中相关风险所带来的挑战。许多资产管理公司面临解决诸如下列的重要问题所带来的越来越大的压力：

? 如何度量、可视化风险，并更好地管理风险？

? 如何寻找新的回报来源？

? 如何有效地管理交易活动？

? 如何降低成本？

银行业巨头美国道富公司的解决方案是推出一个新的业务，即道富全球交易（State Street Global Exchange，SSGX），它“围绕投资过程将信息、洞察和分析整合在一起”，并提供“在全公司层面上对数据和分析更有针对性的方法”。① SSGX已经成为一个中心，聚集了关注风险的具有软件能力的团队和分析团队，以及关注外汇、固定收益和衍生品交易的电子交易平台。

投资产品提供商，如巴克莱（POINT高级分析平台）②和贝莱德（阿拉丁平台）③，提供的投资组合与风险分析平台，具有类似的融合复杂风险分析、综合投资组合管理、交易及操作工具的目标。老牌投资组合软件供应商（Axioma、IBM、Algrithmics、MSCI Barra和Northfield信息服务公司）和数据提供商（彭博、FactSet、汤森路透）都在增加先进的分析工具，并提升连接到各种数据源的能力。新的伙伴关系正在形成，例如，金融数据提供商汤森路透联合硅谷领先的大数据技术公司Palantir科技，创建了QA工作室。该工作室综合了强大的分析和直观的可视化能力，有助于为新投资思路的产生提供量化研究方案。①免费的开源软件（如统计建模环境R②）和具有金融应用库的开源编程环境Python③大大提高了分析工具的可访问性，降低了实施投资组合分析解决方案的成本。

在这本书中，我们会经常提及传统的资产管理公司模型，其重点是选择明星组合经理来负责公司管理资金的不同部分。然而，新技术已经扰乱了整个投资行业。融合资产管理业务和软件平台服务是近来的现象，同样的还有获得金融数据④和交易机会⑤的民主化。自动投资服务公司，也叫机器人顾问⑥，越来越受欢迎。新一代的资产管理公司，包括Quantopian⑦， 提供了分析和交易平台，以及来自世界各地的贡献者的投资思路，其目标是奖励者，并将验证过的策略应用于资产管理而不是雇用和管理个人投资组合经理。Quantopians的策略核心是提供有用的市场和股票基本面数据，以及回测工具Zipline。Zipline已经开源（免费）以帮助创建并支持贡献者社区。

没有人知道投资管理行业未来的模式，但可以肯定的是数据和分析在其中将无可避免地起着重要作用。

中心主题

本书试图从多个角度来审视投资公司的分析过程：数据管理方面、建模方面和软件资源方面。它回顾了许多在投资组合分析中广泛使用的方法，并讨论了指标、建模方法和投资组合分析系统设计的新趋势。书中提供了一些建模方法的理论基础。然而，我们的目标是强调如何在实践中应用这些模型。

这本书分为六大部分，共18章。部分，风险和不确定性的统计模型，包括理解投资组合风险建模和度量时必要的基本统计建模概念。第二部分，模拟和优化建模，解释了构建特定性质的投资组合及评估其风险和性能的两个重要建模技术——模拟和优化。第三部分，投资组合理论，从总风险和基于所选定基准的相对风险两个方面，介绍了经典的定量投资组合风险优化方法和优化投资组合的新工具。第四部分和第五部分，权益投资组合管理和固定收益投资组合管理，分别关注在权益和固定收益投资组合管理中使用的具体因素和策略。第六部分介绍了金融衍生产品的基本知识，以及如何使用它们来进行投资组合的构建和风险管理。

本书虽然是从一个较高的层面进行展示，但提供了基于R和微软Excel或大部分读者都可以接触的、由现有投资组合软件供应商提供的实际案例。我们相信，那些希望得到投资组合分析工具概述的从业者和分析师都将发现这些主题——以及应用案例和实施讲授——有用。同时，在本书中，我们以严格的方式进行论述，并提供了原著出处，所以那些需要更新和整合投资组合构建和分析方法的学者、学生和研究人员都会对本书感兴趣。

软件

由于不同工具的普及变化很快，我们提防使用一个特定的软件包，以免把此书变成一个软件的教程。本书中的例子基于微软Excel、R，以及巴克莱资本和FactSet的投资组合风险管理软件。我们假设读者基本熟悉电子数据表和微软Excel。由于有大量不同的有关微软Excel和开源软件包R的在线资源和教程，本书并不提供这方面辅导；①然而，我们尝试给出用R语言来实施案例的提示，并指出具有分析能力的工具库以满足实施案例的需要。 

教学

本书包括了金融和应用分析技术专题。它可以用来作为强调建模（如应用投资、金融分析或决策科学）的高年级本科生或低年级研究生（如工商管理硕士或硕士）的教科书。本书也可作为定量方法或金融专题课程的补充，或作为学生项目的参考资料和学生的自学辅助。

本书假定读者在金融或量化方法方面仅有非常基本的掌握，如了解货币的时间价值，知晓基本微积分，以及略微理解数字和指标。脚注或特定参考文献介绍和解释了关于理解符号或应用程序所必需的大部分分析概念。这使得本书适用于更广泛的读者。 

本书每一章都遵循相同的框架。每章的主体引入概念，并提供插图。脚注提供了对案例的执行指令。每章结尾的小结总结了这一章重要的讨论点。 

一个典型的课程可以从第1—6章的材料开始。然后，可以覆盖第8—14章，这些章节讨论了权益和固定收益投资组合构建策略。第7—15章分别涵盖了量化导向的课程和高级金融课程更感兴趣的专题,或可为学生项目使用。根据讲师的时间，由于第16—18章讨论了关于金融衍生工具的投资组合风险管理的相关基本内容，把它们纳入投资管理课程将是合适的。

识别投资机会、保持投资组合与投资目标一致、监控风险和业绩表现是一个投资管理公司的所有主要目标，这些都非常依赖于分析结果。人们从未像如今一样需要以一种清晰连贯的方式来关注投资分析。除了需要应对监管方面的巨大变化，金融行业正试图迎接大数据管理以及用模型评估风险所带来的挑战。本书内容严谨专注，为学术界和从业人员提供了分析投资过程的*方法。

即使读者对这些主题感到熟悉，仍能从本书所采用的跨学科方法中得到新的收获。本书涉及当前投资管理公司所采用的多种分析方法——不仅从建模角度进行分析，还包括数据管理、软件资源和投资策略等方面。这令读者可以全面了解广泛使用的投资组合分析方法，以及指标、建模方法和投资组合分析系统设计的新趋势。专业投资人士可以从中获得实践指南，学术界的研究人员可以将其视为投资组合构建和分析分析方法*的综合介绍。本书将带领你：

? （1）从以下两个视角优化投资组合：总风险，相对于使用经典量化方法时所选择的基准的风险；

? （2）通过理解股票和固定收益投资组合管理的因子和策略，来改进投资决策；

? （3）利用金融衍生品构建聪明投资组合，并进行风险管理。

为了兼顾学术和从业的需求，本书提供了关于真实世界的详细阐述，强调理解投资组合分析方法如何参与投资管理公司的决策制定过程，以及如何将其与稳健且由数据驱动的投资策略整合在一起。通过本书，你可以：

? （1）掌握基本建模概念和广泛使用的分析技巧；

? （2）通过风险指标、模型和投资策略方面的*趋势提升相关技能；

? （3）快速了解*常用的投资分析软件供应商和开源软件；

? （4）获得当前投资管理公司采用的多视角的投资组合分析方法。

针对投资分析中的风险和实施问题，本书为读者提供了一份专业的完备指南。

德西丝拉娃·A.帕查马诺瓦

巴布森学院（Babson College）分析和计算金融教授，以及Zwerling家族授衔研究学者，普林斯顿大学数学学士、麻省理工学院斯隆管理学院博士。其研究横跨多个领域，包括投资组合风险管理、模拟、高性能和稳健优化、预测分析、金融工程。代表作有《稳健的投资组合优化和管理》（Robust Portfolio Optimization and Management，2007）和《金融中的模拟和优化：运用MATLAB、﹫RISK或VBA建模》（Simulation and Optimization in Finance: Modeling with MATLAB, @RISK, or VBA，2010）。其咨询和实践经历丰富，包括西德意志银行量化策略组和高盛的项目。

弗兰克·J.法博齐

美国纽约城市大学经济学博士，法国北方高等商学院（EDHEC）金融学教授，EDHEC风险研究所高级科学顾问，自1984年以来一直担任《投资组合管理杂志》的编辑。持有CFA和CPA，为贝莱德封闭式基金和股权流动性基金的受托人；CFA协会2007 年C. Stewart Sheppard奖得主和CFA协会2015年James R. Vertin奖得主。法博齐于2002年11月入选固定收益分析师协会名人堂。曾任职于耶鲁大学、麻省理工学院和普林斯顿大学。编著了众多资产管理方面的书籍。

第1章 投资组合管理与分析方法之基础

1.1 资产类别和资产配置决策

1.2 投资组合管理过程

1.3 传统资产管理与量化资产管理

1.4 投资组合分析方法综述 

1.5 本书的内容概要

总结

部分 风险和不确定性的统计模型 

第2章 随机变量、概率分布和重要的统计学概念

 2.1 什么是概率分布？

 2.2 伯努利概率分布和概率质量函数

 2.3 二项概率分布和离散分布

 2.4 正态分布和概率密度函数

 2.5 累积概率的概念

 2.6 分布的描述

 2.7 两个随机变量的依赖：协方差和相关度

 2.8 随机变量之和

 2.9 联合概率分布和条件概率

 2.10 连接函数

 2.11 从概率论到统计测量：概率分布和抽样

   总结

第3章 重要的概率分布

 3.1 概率分布案例

 3.2 金融收益分布的建模 

 3.3 金融收益分布的尾部建模

第4章 统计估计模型

 4.1 常用收益估计模型

 4.2 回归分析

 4.3 因子分析

 4.4 主成分分析

 4.5 自回归条件异方差模型

   总结

第二部分 模拟和优化建模  

第5章 模拟建模

 5.1 蒙特卡洛模拟：一个简单案例 

 5.2 为什么使用模拟？

 5.3 有多少种场景？

 5.4 随机数字的产生

   总结

第6章 优化建模

6.1 优化规划  

6.2 优化问题中的重要类型

6.3 一个简单的优化问题规划案例：投资组合配置

6.4 优化算法

6.5 优化软件

6.6 一个软件实施的案例

第7章 不确定性下的优化

 7.1 动态规划

 7.2 随机规划

7.3 稳健优化

总结

第三部分 投资组合理论

第8章 资产多元化

 8.1 多元化的原因

 8.2 传统的均值—方差优化框架

 8.3 有效边界

 8.4 传统均值—方差优化问题的替代规划

8.5 资本市场线 

8.6 期望效用理论

8.7 对多元化的重新定义

总结

第9章 因子模型

 9.1 金融经济学文献中的因子模型

 9.2 因子模型中的均值—方差优化 

 9.3 实践中的因子选择

 9.4 阿尔法构建中的因子模型

 9.5 风险估算中的因子模型

 9.6 数据管理与质量问题

 9.7 风险分解、风险归因和业绩归因

 9.8 因子投资

   总结

第10章 投资组合构建的基准和跟踪误差的使用

 10.1 跟踪误差与阿尔法：计算和阐释

 10.2 前视和回望跟踪误差

 10.3 跟踪误差与信息比率

 10.4 跟踪误差预测的计算

 10.5 基准与指数

 10.6 聪明贝塔投资

第四部分 权益投资组合管理

第11章 量化权益投资组合管理的近期发展

 11.1 在实践中常用的投资组合约束

11.2 尾部风险度量的投资组合优化

11.3 涵盖交易成本

11.4 多账户优化

11.5 涵盖税负

11.6 稳健的参数估计

11.7 投资组合再抽样

11.8 稳健的投资组合优化

总结

第12章 基于因子的权益投资组合构建和业绩评估

 12.1 实践中运用的权益因子

 12.2 股票筛选

 12.3 投资组合选择

 12.4 风险分解

 12.5 压力测试

 12.6 投资组合业绩评估

 12.7 风险预测与模拟

   总结

第五部分 固定收益投资组合管理

第13章 固定收益投资组合管理基础

13.1 固定收益产品和债券市场的主要分类

13.2 固定收益证券的特点

13.3 投资债券的主要风险

13.4 固定收益分析方法

13.5 固定收益投资组合策略系列

13.6 固定收益增值策略

总结

第14章 基于因子的固定收益投资组合的构建和评估

 14.1 用于实践的固定收益因子

 14.2 投资组合选择

 14.3 风险分解

   总结

第15章 构建债务驱动的投资组合

 15.1 与债务相挂钩的风险 

 15.2 寿险公司的债务驱动策略

 15.3   界定福利养老金的债务驱动策略

   总结

第六部分 衍生品及其在投资组合管理中的应用 

第16章 金融衍生品基础

 16.1 在投资组合管理中运用衍生品的概览

 16.2 远期和期货合约

 16.3 期权

 16.4 互换

 总结

第17章 权益投资组合管理中的衍生品运用

 17.1 股指期货和投资组合管理应用

 17.2 权益期权和投资组合管理应用

 17.3 权益互换

   总结

第18章 固定收益投资组合管理中的衍生品运用

 18.1 运用国债期货控制利率风险

 18.2 运用国债期货期权控制利率风险 

 18.3 运用利率互换控制利率风险

 18.4 运用信用违约互换控制信用风险

   总结

附录：基础线性代数概念

参考文献

译后记

识别投资机会、保持投资组合与投资目标一致、监控风险和业绩表现是一个投资管理公司的所有主要目标，这些都非常依赖于分析结果。人们从未像如今一样需要以一种清晰连贯的方式来关注投资分析。除了需要应对监管方面的巨大变化，金融行业正试图迎接大数据管理以及用模型评估风险所带来的挑战。本书内容严谨专注，为学术界和从业人员提供了分析投资过程的*方法。

即使读者对这些主题感到熟悉，仍能从本书所采用的跨学科方法中得到新的收获。本书涉及当前投资管理公司所采用的多种分析方法——不仅从建模角度进行分析，还包括数据管理、软件资源和投资策略等方面。这令读者可以全面了解广泛使用的投资组合分析方法，以及指标、建模方法和投资组合分析系统设计的新趋势。专业投资人士可以从中获得实践指南，学术界的研究人员可以将其视为投资组合构建和分析分析方法*的综合介绍。本书将带领你：

? （1）从以下两个视角优化投资组合：总风险，相对于使用经典量化方法时所选择的基准的风险；

? （2）通过理解股票和固定收益投资组合管理的因子和策略，来改进投资决策；

? （3）利用金融衍生品构建聪明投资组合，并进行风险管理。

为了兼顾学术和从业的需求，本书提供了关于真实世界的详细阐述，强调理解投资组合分析方法如何参与投资管理公司的决策制定过程，以及如何将其与稳健且由数据驱动的投资策略整合在一起。通过本书，你可以：

? （1）掌握基本建模概念和广泛使用的分析技巧；

? （2）通过风险指标、模型和投资策略方面的*趋势提升相关技能；

? （3）快速了解*常用的投资分析软件供应商和开源软件；

? （4）获得当前投资管理公司采用的多视角的投资组合分析方法。

针对投资分析中的风险和实施问题，本书为读者提供了一份专业的完备指南。

德西丝拉娃·A.帕查马诺瓦

巴布森学院（Babson College）分析和计算金融教授，以及Zwerling家族授衔研究学者，普林斯顿大学数学学士、麻省理工学院斯隆管理学院博士。其研究横跨多个领域，包括投资组合风险管理、模拟、高性能和稳健优化、预测分析、金融工程。代表作有《稳健的投资组合优化和管理》（Robust Portfolio Optimization and Management，2007）和《金融中的模拟和优化：运用MATLAB、﹫RISK或VBA建模》（Simulation and Optimization in Finance: Modeling with MATLAB, @RISK, or VBA，2010）。其咨询和实践经历丰富，包括西德意志银行量化策略组和高盛的项目。

弗兰克·J.法博齐

美国纽约城市大学经济学博士，法国北方高等商学院（EDHEC）金融学教授，EDHEC风险研究所高级科学顾问，自1984年以来一直担任《投资组合管理杂志》的编辑。持有CFA和CPA，为贝莱德封闭式基金和股权流动性基金的受托人；CFA协会2007 年C. Stewart Sheppard奖得主和CFA协会2015年James R. Vertin奖得主。法博齐于2002年11月入选固定收益分析师协会名人堂。曾任职于耶鲁大学、麻省理工学院和普林斯顿大学。编