MVO方法有很多缺点；主要的问题是非直观、高度集中的投资组合，对输入高度敏感，估计误差可能会放大。黑人和垃圾工模式是解决这些问题的好方法。要实现Black Litterman模型，即贝叶斯模型，我们需要以市场均衡预期收益为起点。这些收益和相关的收益差异将是我们的先验分布。如果我们的宇宙是一个像道琼斯工业平均指数这样的价格加权指数，我们需要为这个指数构建一个包含所有成分的市值加权代理，并使用这些权重来获得均衡预期收益，作为我们的起点。π=λ∑Wmkt，其中，π是隐含的超额平衡回报向量（N x 1列向量）；λ为风险规避系数；∑是超额收益的协方差矩阵（N x N矩阵）；Wmkt是资产的市值权重（N x 1列向量）。然后，我们可以使用上一节中概述的模型进行证券选择，并获取特定证券或证券组回报率表现的相对视图（或绝对视图）。我们还可以通过第九节中定义的信息系数的命中率或信息比率，获得与证券或证券组相关联的每个视图的置信水平。与每个视图相关联的误差项的方差表示视图的不确定性。

它可以通过表达我们观点的权重矩阵和我们回报的协方差矩阵获得，或者更好的方法是找到表达对某个观点完全信任的权重，并将其倾斜，以便误差项的方差与我们对该观点的实际信任度成正比。然后，我们将我们的先验分布与我们的视图以及与每个视图相关的误差项的方差结合起来，得到一个新的后验分布。由此，新的组合返回向量（E[R]）的公式isE[R]=[（τ∑）-1+P\'Ω-1P]-1[（τ∑）-1∏+P\'Ω-1Q]，其中，E[R]是新的（后）组合返回向量（N x 1列向量）；τ是一个标量，经过校准，其值会影响与视图相关的误差项的方差，但不会影响最终结果；∑是超额收益的协方差矩阵（N x N矩阵）；P是一个矩阵，用于标识视图中涉及的资产（在1个视图的特殊情况下为K x N矩阵或1 x N行向量）；Ω是表示每个视图中不确定性的表达视图中误差项的对角协方差矩阵（K x K矩阵）；π是隐含的平衡回归向量（N x 1列向量）；Q是视图向量（kx1列向量）。然后我们可以提取后验权重w，它将我们的视图叠加到平衡权重asw=（λ∑）上-1E[R]XI。为了简单起见，让我们假设单指数模型成立。这意味着我们假设股票之间的协同运动是由于基准指数（或在我们的例子中是DJIA宇宙）的单一影响。引入其他特定于行业、特定于安全或特定于宏观的影响，将是这一基本思想的简单扩展，只涉及更多矩阵和代数操作。

根据这个假设，我们可以将股票的回报率分解为基本回报率方程，如Ravi Kashyap Page 28Ri=αi+βiRm+εi，其中Ri是证券的回报率；RMI是市场回报（在我们的例子中是宇宙）；αiis证券收益组成部分的预期值，独立于市场表现；εi与αi相关的误差；βiisa常数，用于测量Rm的预期变化。我们可以通过对历史股票收益率与市场收益率的回归来估计α和βib。回归分析还确保Rmandε在所考虑的历史时期内不相关。贝塔系数由证券回报与市场回报的协方差除以市场回报的方差得出。βi=σim/σm。通过对基本方程的期望，我们得到，E（Ri）=αi+βiE（Rm）或等效的，αi=E（Ri）βiE（Rm），由此可以很容易地看出，为了最大化α，我们需要最大化证券的预期收益或β的乘积，市场上的预期收益必须很小。这意味着，对于给定的市场回报率，贝塔系数必须很小，才能最大化阿尔法，或者证券回报率必须与市场回报率具有较低的协方差，或者证券回报的很大一部分不能用市场回报率来解释。当我们引入其他可以用来解释证券回报率的因素时，上面使用的原则同样适用。为了使alpha最大化，我们需要确保安全性的预期回报最大化，并且安全性回报相对于该因素（回归系数）的beta最小。十二,。

结果组合中的风险评估继续使用单指数模型，我们可以导出证券回报率方差的方程（1）；返回一种证券与另一种证券的协方差（2）；投资组合的方差（3）如下所示。Ravi Kashyap第29页σi2=βiσm+σei--（1）；σij=βiβjσm--（2）；σp2=βpσm+σwiσei--（3）式中，σiI为安全性i的方差；σij是证券i和证券j的协方差，σpis是投资组合的方差，σei是误差项的方差。Wii是投资组合中安全性的权重。为了最小化风险，我们可以看到投资组合beta（即投资组合中单个证券beta的加权和）必须最小化，权重必须最小化。因此，我们可以选择beta相对宇宙较小的证券，并至少选择其中一些证券，以使单个权重较小。十三,。投资组合再平衡标准我们再平衡的主要标准是确保投资组合跟踪误差最小化。跟踪误差定义为活跃收益的标准差（投资组合和基准收益之间的差异）。随着跟踪误差的增加，我们正在远离预期的分配权重。为简单起见，我们假设交易成本（税收、市场影响、佣金等）是线性的，再平衡收益（与降低投资组合风险有关）是二次的。随着投资组合偏离预期的分配，成本直线增加，收益以二次方式增加，这意味着，在某个时候，收益将超过成本。我们可以利用这一点作为重新平衡的触发点。

形式上，我们得到了再平衡触发点asKCi/（σi+σp-2σiσpρip），其中K是风险承受能力，需要根据投资组合的投资目标分别进行校准。Ci是资产i的交易成本；ρipi是资产i和portfolioRavi Kashyap第30页的相关性，由此可知，只要触发点小于1，我们就需要重新平衡，假设我们的风险承受能力K捕捉到交易成本和投资组合风险之间可接受的不平衡程度。更复杂的策略将涉及动态规划方法，该方法基于涉及交易成本的特定成本函数和持有次优投资组合导致的跟踪误差的基于效用的成本函数的优化来最小化预期成本。在时间t，WT是我们的状态或我们投资组合中的权重；UTI是我们对该州的政策，即我们如何增加或减少权重；NTI是由证券的收益过程产生的状态不确定性。状态转换可以由simplemultiplicative函数（1）定义，尽管它可以是任意函数。wt+1=（1+nt）（wt+ut）-（1）其中，wt+1表示受先前状态wt影响的新状态、ut采取的行动以及系统动力学nt中的不确定性。我们递归地将成本函数写为Jt（wt）=E[G（wt，ut，nt）+Jt+1（wt+1）]，其中，G是当前期间的成本，Jt是从t开始的预期未来成本，考虑到所有未来决策。

因此，任何给定时期的成本都是从t到t+1的预期成本，以及从t+1开始的预期成本。在每个时间t，最佳策略是选择ut，以使成本最小化：J*t（wt）=分钟[G（wt，ut，nt）+Jt+1（wt+1）]-（2）因此，挑战是确定值J*（w）。这是通过模拟期望时间间隔内的价格过程，计算不同的Jt（wt）值，直到weRavi Kashyap第31页达到收敛，也就是说，直到我们达到固定点，使得J*t（wt）=J*t+1（wt）=J*（w）。最佳的再平衡决策是选择美国的政策*t使（2）最小化。我们将成本函数指定为，E[G（wt，ut，nt）]=τ（ut）+ε（wt+ut），其中，τ（ut）可以是线性交易成本，取决于对权重进行的调整ut；ε（·）表示跟踪误差导致的次优成本。ε（wt+ut）=0，只要wt+ut=w*（即我们选择重新平衡到目标投资组合）；否则ε（·）>0。对于任何给定的投资组合权重，w（持有这些头寸的预期效用）可以表示为风险调整后的回报率，给定嵌入适当效用函数（二次、对数、幂等）中的风险偏好。然后，我们可以将跟踪误差的成本写为与最优或次优权重相关的风险调整收益率之间的差异。随着资产数量的增加，所有资产的回报、方差和协方差的估计变得更加复杂。

此外，实现收敛的模拟数量显著增加，需要大量使用计算能力。其他简单的再平衡策略包括定期再平衡、跟踪误差超过某个阈值时的再平衡、分配权重超过目标权重的某个阈值时的再平衡、风险增加超过阈值时的再平衡以及这些策略的组合。十四。贸易执行和市场影响1。权益资产类别  在这里，我们看一下交易成本分析（TCA），它是股票领域最新开发的Dravi Kashyap第32页。将“档案袋管理”与学生为“考试”而学习进行类比，我们可以将其视为一个三管齐下的过程。计划或“交易前”阶段是学生准备考试的时候；“执行交易”是一个人勇气的真实体现，相当于参加考试的学生；而“交易后”衡量业绩与不同价格基准的对比成为了记分卡。  鉴于我们目前的重点是以执行为中心，投资假设的制定被视为一个单独的过程，在如何实现特定投资目标或执行时间表的实际细节之前。回到我们的考试类比，这只是学生关于学习什么、为什么学习以及相关方面的决定。无论投资策略是如何制定的，其余的讨论都适用于该策略，包括整体。显然，从记分卡阶段（我们衡量结果）到计划阶段（我们将学到的任何经验教训应用于进一步提高绩效），都有一个反馈循环。我

交易前指标a）市场影响  市场影响属于交易成本的范畴，交易成本通过形成合理的回报预期和控制追求能够产生绩效目标的机会所带来的风险而超过特定的绩效基准。从广义上讲，市场影响是由于交易本身而产生的间接成本，与佣金、税费、汇兑费和其他外部成本完全无关，尽管它受到许多外部因素的影响。拉维·卡希亚普第33页  一开始，通过观察与之前交易相关的成本，建立市场影响成本模型似乎是相当直接的。我们可以将交易分为不同的类别，如交易规模、资产市值、市场等。那么agiven bucket的过去成本平均值将是未来成本的合理指标。经过近距离观察，有几个原因表明这种方法行不通。o无法直接观察到市场影响，必须进行估计。为了减少估计误差，需要大量的统计样本，这需要在较长的时间段内收集数据。但造成市场影响的潜在过程是一个高度动态的过程，亨塞尔长期平均值的预测能力非常有限。o信息水平参差不齐。交易量最大的资产对市场的影响很小，而交易量较小的资产对市场的影响更大。

但我们需要了解更高的成本，并能够更好地预测它们，因为成本更高的资产有助于确定总体投资组合成本和投资组合建设策略。o投资者在最可能的情况下避免进行代价高昂的交易。因此，我们观察到的数据经过审查，不包含许多此类交易。因此，任何根据观测数据进行校准的模型，在似乎需要更高成本的情况下，都不会表现得那么好。  市场影响模型依赖于一个框架，该框架将库存价格的变动和其他辅助变量（如订单规模、交易时间和波动性等）联系起来，以影响成本。拉维·卡希亚普第34页  价格影响被分解为两个部分，永久影响和临时影响。  永久性成分由市场中的基本经济力量决定。这反映了由于证券的买卖需求而导致的价格变动，因此这与买卖证券的任何时间相关决策无关。  临时部分发生在短期内，是吸引交易对手所需的价格优惠。

由于它是交易能否成功进行的关键决定因素，因此它对交易的执行计划高度敏感。  根据我们在市场上观察到的参数，我们定义了确定任何订单影响所需的以下价格点。S-订单开始执行前的市场价格Post-订单完成后的市场价格SAvg-此订单的平均实现价格永久性影响，I=（SPost–S）/SRealized Impact，J=（SAvg–S）/S  交易后的价格，spost应该反映程序的永久性影响。也就是说，在最后一次执行之后，任何临时流动性效应的影响都需要足够长的时间才能消散。暂时性影响定义为已实现的影响减去永久性影响的适当部分。  假设资产价格遵循一个算术布朗运动提取项，具体取决于交易率，v.Ravi Kashyap第35dS页=Sg（v）dt+SσdBSAvg=S（t）+Sh（v）g（v）是永久影响函数H（v）是临时影响函数（t）是时间t的资产价格σ是股票的波动率B（t）是标准布朗运动交易率，v=X/TX是股份数量；买入订单为正，卖出订单为负Sv是平均日交易量et是总交易时间  在上述框架的基础上，我们可以采用不同的函数形式，包括买卖价差、流通股、市值、国家、行业、公司行为指标等变量。除已考虑的因素外，还可以包括这些变量。然后，我们可以使用包含顺序和执行信息的不同数据集来校准模型。

然后，使用先进的数字技术，对选择用于分析的数据集确定以下未知希腊字母。I=σγT sgn（X）| X/VT |α（θ/V）δJ-I/2=σηsgn（X）| X/VT |β，sgn是符号函数。b） 市场风险。任何交易程序中固有的风险决定了一个人希望以多快的速度完成任何交易程序。市场风险是指投资组合在预期时间或预期完成时间内的波动性。风险越高，theRavi Kashyap第36页的价格越有可能偏离投资组合构建过程中使用的预期价格，因此预期完成时间需要越短。但如果完工时间缩短，我们将从市场中吸收更高比例的流动性，这可能会增加我们的市场影响成本。Hencea在任何交易程序中实现最优都是市场风险和市场影响之间的权衡。完成时间是为了达到预期的最终结果而需要控制的变量。c） 跟踪错误。这将是特定历史时期内投资组合和基准之间回报差异的标准差。d） 买卖价差。这将基于特定交易日内整个交易日单个股票的平均价差。投资组合的相应数字将通过使用投资组合中单个证券的权重得出。e） 流动性。这将基于订单的相对规模和过去一定交易日内整个交易日的平均交易量。投资组合的相应数字将通过使用投资组合中单个证券的权重得出。f） 贝塔。

我们将贝塔值计算为资产收益与市场的协方差除以市场方差。我们使用Blume开发的技术进行调整，以补偿随着时间的推移安全测试版向市场测试版的移动。他通过直接测量一个时期的调整，并假设一个时期的调整是对下一个时期调整的良好估计，修正了过去的beta。这种直接测量是通过将后期的beta与前期的beta进行回归来完成的。投资组合的相应贝塔系数将通过使用theRavi Kashyap第37页投资组合中单个证券的权重得出。二、交易后指标大多数交易后指标往往是平均执行价格与不同价格基准的简单比较，如成交量加权平均价格、开盘价、收盘价、前一收盘价、到达价、成交量加权区间价格等。固定收益中的固定收益资产类别TCA分析无法像股票市场那样轻松计算，但由于交易的非匿名性，交易成本可能会向较小客户的高端倾斜。3.外汇资产类别TCA分析仍处于发展阶段，但与固定收益市场一样，由于交易的非匿名性，交易成本可能会向较小客户的高端倾斜。通常使用两种方法，一种是将执行价格与执行时的市场价格（可从集中式服务提供商处获得）进行比较；另一种方法是将执行价格与当天的最高和最低价格的平均值进行比较。十五。投资组合绩效衡量  归因有三种基本形式。

我们将考虑这些共同要素，并研究它们在各个资产类别中的差异。  多因素分析。第VII、VIII、IX、XI和XII节也考虑了这一点，以预测风险和预期收益。它以类似的方式工作，但试图将观察到的投资组合回报归因于不同的因素Ravi Kashyap第38页和资产特定回报。  风格分析。它将根据投资组合回报率确定投资风格。夏普比率就是一个例子，它衡量的是无风险利率除以投资组合收益率的标准差后的投资组合收益率。有时，我们需要考虑在给定的风险水平下获得的超额回报。这意味着，当风险和回报绘制在一张图表上时，将与所讨论的投资组合对应的回报定位在连接市场投资组合（这是一个假设投资组合，代表按其市场价值比例持有的所有可投资资产）与无风险回报率的线上。我们使用上述两个指标的标准差。我们可以使用投资组合的贝塔系数，我们可以得到两个替代的度量，称为Treynor和Jensen度量。所有这些都将风险和回报指标分类为不同的类别，以便于比较。  收益分解分析。我们将性能归因于某些基准。总投资组合回报率和总基准回报率之间的差异是积极管理效应。这是分配、选择和互动三种效应的总和。o分配指的是投资组合经理跨多个细分市场进行分配的能力。

分配效应决定了相对于基准的部分权重过高或过低对整体投资组合回报的贡献是积极的还是消极的。当投资组合在表现优于基准的细分市场中被高估，而在表现低于基准的细分市场中被低估时，就会出现正位置。当投资组合在表现低于基准Ravi Kashyap第39页的细分市场中权重过高，而在表现优于基准市场的细分市场中权重过低时，就会出现负分配。o选择效应衡量经理人相对于基准在给定细分市场内选择证券的能力。投资组合的超额或超额表现由基准权重加权，因此，选择不受细分市场分配的影响。投资组合中细分市场的权重决定了影响的大小。o互动效应衡量一个细分市场内选择和分配决策的综合效应。如果某个片段的权重过高，且选择更优，则交互作用效果为正。如果选择良好，但片段重量不足，则交互效应为负。  我们需要衡量是否有任何购买或出售的决定，在市场的运动预期。这就是所谓的计时。我们可以通过运行以下形式的回归来测试时间。

如果在下面的回归中，常数ci为零，那么它表明一条直线可以解释投资组合的回报，这意味着没有太多的计时能力。Rit–RFt=ai+bi（Rmt-RFt）+ci（Rmt-RFt）+eitRitis投资组合在Trmt期间的回报率是主要指数或基准在Trft期间的回报率是无风险资产的回报率是基金i在tai、bi、ciare常数期间的剩余回报率。  我们还需要研究投资组合的多元化程度，通过投资组合回报与主要指数的相关性来衡量。  作为风险的衡量标准，波动性存在一些问题。波动性不是投资过程的准确衡量标准，因为它不区分价格的向上变动和向下变动。其他一些衡量指标，包括某一点和不同历史点的价格差异，以及这些点之间的时间，将以更好的方式反映价格的上升和下降轨迹。  我们只需计算去年持有期（比如一个月）的投资组合回报。然后，我们看看其中有多少，我们的表现超过了基准。  通过将基金收益率与基准收益率进行回归，我们得到了误差项的α、β和标准差的估计值。利用这些，我们从众多可能性中考虑以下几个经风险调整的绩效指标。我们需要跟踪不断变化的投资组合组成以及由此导致的投资组合均值和方差的变化；否则我们会得到错误的结果。  夏普比率是平均投资组合超额收益除以样本期内收益的标准偏差。

（Rp–Rf）/σp（Rpis投资组合回报率；Rfis无风险利率）。  Treynor测度是投资组合超额收益除以系统风险（β），而不是总风险。（Rp-Rf）/βp  Jensen\'s Alpha是投资组合的平均回报率，高于资本资产定价模型（CAPM）预测的回报率。αp=Rp-[Rf+βp（Rm-Rf）]  Alpha信息比率是Alpha除以Portfolio的非系统风险（误差项的标准偏差）。αp/σεpRavi Kashyap第41页  我们计算α估计（αp）的t统计量*√N） /σεp（N是时间段的数量；σεpis是误差项的标准偏差），以了解我们可以归因于α的重要程度。我们的采样频率越高，t统计量就越准确。  我们可以通过将投资组合收益与基于小盘、大盘、高市盈率（增长）等特定投资风格形成的不同风格投资组合的收益进行回归，来了解特定投资风格对业绩的影响。  投资组合总收益率和基准总收益率之间的积极管理效应是不同的。这是分配、选择和相互作用三种效应的总和。在上述时间点，现金和股票将是我们的两大资产类别。虽然这不适用于我们的具体案例，但这样做很有用。分配指的是投资组合经理跨多个细分市场进行分配的能力。选择效应衡量经理人相对于基准在给定细分市场内选择证券的能力。交互效应衡量一个区域内选择和分配决策的综合效应。1.

股票资产类别对于股票，我们可以将收益归因于基本面因素、宏观因素、行业等，即各种基准。这将给我们超额回报或阿尔法。第二节、第八节、第九节、第XI节、第十二节以及上述常见绩效部分详细讨论了这些因素和归因模型。2.固定收益资产类别固定收益归属没有股权评估流程那么规范。在衡量绩效时，我们还需要考虑不同的影响。我们来看一组Ravi Kashyap 42页的方法，这些方法对固定收益工具很有效，并且遵循三步流程。  第一步是计算投资组合中每种证券的回报率和每天的基准，并将其分解为各种风险成分。  其次，根据投资流程对单个组成部分进行汇总。  第三，计算归因效应。我们看三个主要的影响，o结转效应是由于时间对工具收益的影响。这可以进一步分解为系统和具体的进位收益。系统收益来自参考收益率曲线，具体的结转收益率与该证券的传播有关。我们还有couponeffect和convergence effect，顾名思义，这是基于息票支付的，convergence解释了债券票面价值拉动产生的价格变化。o收益率曲线效应是由于收益率曲线的变化。我们可以将这些变化归类为收益率曲线的平行位移；收益率曲线的旋转；改变收益率曲线的形状，缩短债券的剩余到期时间。o利差效应是指证券的收益率与该证券（ZF债券）的无风险利率之间的差异。

利差变化是由于公司的信用评级、工具部门的利差、特定国家的利差而产生的。  此外，我们需要考虑各种辅助措施，例如，o价格效应是投资组合估值（内部完成）和基准（根据提供的指数进行估值）之间的差异。Ravi Kashyap第43o页“交易效果”显示了交易时的价格与当天房屋内估值之间的差异。o正如我们前面所讨论的，分配效应显示了某个部门或类别相对于基准权重的结果。o持续时间效应是由于修改了证券的持续时间。o凸性效应，这是由于安全性或特定部分的收益率曲线的凸性造成的。  主成分分析是一种常用的工具，用于许多产量曲线相关的属性。3.商品和外汇  由于这些工具的物理性质，以及它们主要用于消费，因此需要稍微不同地对待商品的回报。与存储工具相关的成本，我们需要在我们的回报归因机制中考虑到这一点。我们将在下面详细讨论商品期货的情况。  由于储存方面的原因，商品具有所谓的便利收益率，这反映了市场对商品未来可用性的预期。空头发生的可能性越大，便利收益率就越高。如果该商品的用户拥有高库存，则短缺的可能性很小，且便利产量也很低，反之亦然。

这是因为消费商品的使用者可能会觉得实物商品的所有权提供了期货合约持有人无法获得的利益。  投资者很少持有商品期货合约，直到到期，因为他的意图不是提取实物商品，而是让toRavi Kashyap第44页接触到商品价格的变化。为了避免提货，投资者将平仓或出售期货合约，并在另一个到期日较晚的期货合约中启动新的多头头寸。  被动购买期货合约并不断向前滚动的回报称为纯期货回报。这种回报也被称为超额回报，因为这是在抵押品的任何回报之外赚取的。  总回报是纯期货回报和抵押回报的组合。  我们将期货收益分成即期收益率和滚动收益率。现货收益率是由于附近合同价格的变化（按到期日计算）而产生的。在向前倾斜的曲线环境中滚动一个位置会产生滚动屈服。  滚动收益等于便利收益减去储存商品的成本以及购买商品的融资成本。  此外，我们可以借鉴前面关于权益和固定资产的讨论，来理解商品的价格驱动因素。  货币表现归因。

当我们研究具有多种货币或外币计价工具的投资组合时，我们需要将回报分离为以本币计价的资产的价格升值；将本地资产价值转换回基础货币的收益；以及交叉产品回报，即将本地利润汇回基础货币或本地回报与货币回报的组合所产生的回报。Rn=Ln+Ek+LNEKRN是资产nRavi Kashyap的基础货币回报，第45LN页是资产n的本地回报，以货币kEkis为单位，是货币k相对于基础货币的表现。根据相对于无风险利率定义的超额回报，这是有用的。如果我们让RFkbe为货币k的无风险回报，RbSeb为基础货币相应的无风险回报，上述方程可以写成，Rn-Rbase=（Ln-RFk）+（RFk+Ek+RFkEkRbase）+（Ln-RFk）。Ek这个结果将基础超额回报分解为本地超额回报，这就解决了本地资产是否优于本地无风险利率的问题。第二个组成部分是货币超额回报，它回答了以k货币持有现金是否优于以基础货币持有现金。a对表现优于基础货币的货币的积极敞口对投资组合货币效应有积极贡献。净货币效应是由于持有现金和风险资产。第三个组成部分，叉积，来自将当地超额利润转换为基础货币。这通常是一个很小的组成部分，只有在本地超额收益和汇率波动较大的情况下才有意义。

这不是由任何积极的管理决策引起的，而是本地投资和货币风险决策的综合影响。  这里的另一个关键概念是货币叠加技术，它用于管理货币风险，有时也从中受益。所有外币的敞口与资产合并并单独管理。可以使用远期货币合约、货币互换、期货或期权被动对冲风险敞口。风险敞口也可以通过基于汇率表现的时间决策进行有效管理。在这方面，需要做出决定，并不断修正需要主动管理与被动对冲的总货币敞口比例。在这里，可以根据使用基本因素（利率、国际收支平衡、资本流动等）的不同类型的模型形成观点；技术因素（基于价格历史）；交易因素（基于期权或利差等）或三者的组合。根据风险管理策略的选择，可能需要将货币回报进一步归因于这些因素。十六。结论在社会科学不确定性原理的基础上，我们了解了权益资产类别的基本特征以及如何制定交易策略。一旦这些策略形成，我们将深入研究投资组合的构建、投资组合的实施、风险管理、再平衡以及由此产生的投资组合的绩效衡量。

我们还建立了一种方法，可以系统地为我们在Black Littermanmodel中制定的任何视图形成置信水平，作为推导投资组合权重的一部分。最后，我们研究了与实施股票投资组合相关的交易成本，并简要探讨了其他资产类别的实施成本。十七。参考亚历山大C.（1999）。使用协整的最优套期保值。theRavi Kashyap哲学学报第47页伦敦皇家学会。A辑：数学、物理和工程科学，357（1758），2039-2058。http://dx.doi.org/10.1098/rsta.1999.0416Almgren，R.，和Neil，C.（2001）。投资组合交易的最佳执行。《风险杂志》，3，5-40。阿维拉内达，M.，和萨沙，S.（2008）。在限价指令簿中进行高频交易。定量金融，8（3），217-224。http://dx.doi.org/10.1080/14697680701381228BodieK.和Kane，A.（2002年）。马库斯。投资。布莱利，R.A.，斯图尔特，C.M.，和富兰克林，A.（2006）。公司财务（第8卷）。麦克劳希尔/欧文。卡奥埃特，J.B.，爱德华，I.A.，保罗，N.（1998）。管理信用风险：下一个巨大的金融挑战（第二卷）。约翰·威利父子公司。Chiu，J.，Lukman，D.，Modarresi，K.，和Velayutham，A.（2011）。高频交易。美国加利福尼亚州斯坦福德：斯坦福大学。Chlistalla，M.，Speyer，B.，Kaiser，S.，和Mayer，T.（2011）。高频交易。德意志银行研究所。克里斯托杜拉基斯，G.A.（2002年）。贝叶斯最优投资组合选择：黑窝蟑螂。未发表的论文。从http://www.工作人员城市ac.英国/~gchrist/教学/QAP/最佳组合。PdfCopeland，L.S.（2008）。汇率和国际金融。培生教育。邓普斯特，M.A.H.，琼斯，C.M.（2001）。使用遗传编程的实时自适应交易系统。

定量金融，1（4），397-413。http://dx.doi.org/10.1088/1469-7688/1/4/301DermanE.和Paul W.（2009）。金融建模者宣言。恢复fromhttp://ssrn.com/abstractElton，E.J.（2009）。现代投资组合理论与投资分析。约翰·威利父子公司。恩格尔，R.F.，克莱夫，W.J.G.（1987）。协整和误差修正：表示、估计和测试。计量经济学：计量经济学学会杂志，251–276。http://dx.doi.org/10.2307/1913236FamaE.F.和James，D.M.（1973）。风险、回报和均衡：实证检验。政治经济学杂志，607-636。http://dx.doi.org/10.1086/260061Ferguson，N.（2008）。《金钱的崛起：世界金融史》。企鹅格拉德威尔，M.（2006）。转折点：小事情可以带来大的不同。哈切特数字公司，M.格拉德韦尔（2009）。离群者：成功的故事。企鹅英国。Guilbaud，F.，和Huyen，P.（2013）。具有限制和市场指令的最佳高频交易。定量金融，13（1），79-94。http://dx.doi.org/10.1080/14697688.2012.708779Gujarati，D.N.（1995年）。基础计量经济学（第三版）。哈耶克，F.A.（2009）。农奴制之路：文本和文件——权威版。芝加哥大学出版社。他，G.，罗伯特，L.（2002）。黑人垃圾模型投资组合背后的直觉。赫尔，J.（2010）。期权、期货和其他衍生物，7/e（含CD）。皮尔逊教育学院。Levitt，S.D.，和Stephen，J.D.（2006）。畸形经济学（Freakonomics）Rev Ed LP：一个无赖的经济体探索一切事物隐藏的一面。哈珀柯林斯。Mallaby，S.（2011）。比上帝还有钱：对冲基金和新精英的创造。布鲁姆斯伯里出版社。马克思，K.，弗里德里希，E.（2012）。共产党宣言。耶鲁大学出版社。麦克劳，T.K.（1997）。创造现代资本主义：企业家、公司和Ravi Kashyap如何在三次工业革命中取得胜利。

哈佛大学出版社。米塞斯，L.V.（1980）。货币和信用理论。伦敦纳滕伯格，S.（1994）。期权波动与定价：先进的交易策略和技术。麦格劳·希尔专业人士。Norstad，J.（1999年）。正态分布和对数正态分布。Paich，M.，和John，D.S.（1993）。繁荣、萧条和在实验性市场中学习失败。管理科学39（12），1439-1458。http://dx.doi.org/10.1287/mnsc.39.12.1439Perold.，R.F.（1998）。实施不足：纸面与现实。《街舞：投资组合管理杂志》最佳，106。波普尔，K.R.（2006）。历史主义的贫困。Shlens，J.（2005）。主成分分析教程。加州大学圣地亚哥分校系统神经生物学实验室。史密斯，A.（1863）。对国家财富的性质和原因的调查。斯威尼，J.，理查德，J.S.（1977）。《货币理论与大国会山保姆危机：评论》。货币、信贷和银行杂志，9（1），86-89。http://dx.doi.org/10.2307/1992001Taleb，N.（2005年）。被随机性愚弄：机会在生活和市场中隐藏的角色。兰登书屋贸易平装本。塔勒布，N.N.（2010）。《黑天鹅：极不可能的脆弱性的影响》。RandomHouse Digital Inc.Tornell，A.，和Frank，W.（2002）。中等收入国家的繁荣-萧条周期：事实与解释。号码w9219。国家经济研究局。塔克曼，B.（1995）。用于当今管理的固定收益证券工具。叶，J.，盖，C.，姚，M.，陈，Y.，和盖，J.（2012）。高频交易的外部性。

感谢分享

感谢分享