投资、风险与现金管理（Investment, Risk, and Cash Management）#

改进我们的流程（Improving Our Process）

[战]略计划是脆弱的，但这并不削弱规划的价值。一项计划的优点不在于其面值，而在于当面对阻力时，它赋予我们果断而有效行动的许可。无论我们遭遇的是一场结构化、有组织的竞争性攻击，还是市场力量那不可理解的混乱，一个深思熟虑的计划都能帮助我们更自信、更胜任地驶过波涛汹涌的水域。

**为混乱做计划，并执行这个计划。**对常规风险进行恰当的日常风险管理（risk management），应使一家企业在常规条件下平稳运行。如果正常的风险能够被习惯性地控制住，那么对资本和存续能力的非凡威胁，就可以通过执行预先制定的评估与行动方案（"像实战一样训练，像训练一样实战 train like you fight, fight like you train"^1^），迅速、客观、有效地加以应对。正如 Daniel Kahneman 所写，即便简单的规则也常常胜过专家的判断，尤其是在情绪化与关键的情境下。

以下是一些基本的风险管理概念，它们能够帮助我们从最初的计划到持续的执行全过程中找到方向。

**首先，要灵活适应且积极主动。**正如那些以基于平均数的论证来贬低所有主动管理（active management）的人一样，规划的批评者常常攻击静态且被动的管理这一"稻草人"。一个表现不佳的投资策略，往往是因为不够系统化和理性——当策略陷入任意判断、过度交易或糟糕的预测时，就会失败。"你的第一次亏损就是你最好的亏损（Your first loss is your best loss）。"

**行为偏差不可避免。**系统性交易者或许认为主观管理无效，但在困境时期怀疑一个策略的稳健性是不可避免的。如果模型超出了其运行范围或表现异常，那么"拔掉插头（pull the plug）"也许是恰当的。

**风险控制是首要的'旋钮'。**优秀的投资者能从糟糕的局势中获利，而糟糕的交易者却能"从胜利的虎口中夺走失败"。增加终值财富（terminal wealth）并避免毁灭（ruin），是大多数投资计划的关键结果。保住我们所赚的，是成功的关键因素。执行、风险管理和资金管理（money management），往往比准确的分析和果断的投资更为重要。值得注意的是，强调风险而非潜在利润，有助于控制贪婪与狂热。风险也比未来收益更容易估计，因此它是一个更实际的目标。

**风险是用来花费的，而不是用来最小化的。**最好把风险视为一种货币，其最高尚的用途是可持续的繁荣。正如费用和成本可以被花得其所，也可以被漫不经心地挥霍，风险也必须审慎地花费，以产生并保留长期收益。投资管理人不最小化风险，而是最大化风险调整后收益（risk-adjusted return）。

**无补偿的或非本意的风险是浪费的风险。**如果消除一项风险的成本可以接受，就应当将其移除。其他风险必须权衡其成本，但也要权衡将部分风险预算（risk budget）花在它们身上的潜在收益。自保、对冲或移除有补偿的风险，应当基于可预测性与技能、内部观点与已计入价格的市场预期、风险容忍度（risk tolerance）和成本来决定。

以下是一些关于哪些风险有补偿、哪些风险无补偿的指导原则：

**可预测的外生风险（Predictable exogenous risks）**通常以风险溢价（risk premium）作为补偿，包括已实现波动率（realized volatility）、信用风险（credit risk）和通胀。

**不可预测的外生风险（Unpredictable exogenous risks）**没有补偿（例如某些货币，以及自然灾害、战争和饥荒等灾难）。某种程度的不可预测性（如隐含波动率 implied volatility）可能有补偿，但长尾或肥尾可能没有。

**有界的内生风险（Bounded endogenous risks）**是有补偿的，例如投资的非流动性（illiquidity），或外部管理人约束及其隐含的绩效。

**无界的内生风险（Unbounded endogenous risks）**补偿不足，例如风格漂移（style drift）、违反约束与契约，以及关键人风险（key-man risk）。

**可分散的与操作性风险（Diversifiable and operational risks）**通常没有补偿，包括类别或高确信度交易的集中、杠杆、主经纪商（prime broker）过少、交易对手风险（counterparty risk）、欺诈、错误、糟糕的基础设施以及糟糕的治理。

**日常风险与毁灭风险。**我们应当揭示哪些风险是可知的、哪些是不确定的，这样我们才能处理那些已知的，并理解我们努力的局限性。这将有助于确保风险预算从收入中提取而非从资本中提取，并最小化所保留的风险对业务持续有效运行构成生存威胁的可能性。

**报告风险是必要的，但并不充分。**报告为利益相关者（stakeholder）服务于许多目的。我们的关注点是投资，因此管理风险所需的报告可以按功能分类：

必须的（Required），例如监管报告和交易对手信用，包括资本充足率，并影响准备金要求和抵押品管理（collateral management）

程序性的（Procedural），例如仪表盘（dashboard）、预警和关键风险指标（key risk indicator, KRI）

管理性的（Managerial），例如行动事项和管理报告

组合层面的（Portfolio），例如客户报告

特定的（Specific），例如被视为有风险的单只证券和因子。特定风险的一个例子是那些收入依赖于资产而非运营现金流的投资，例如项目融资（project finance）。

**管理风险的框架。**贯穿本书，我们铺陈了一个通过整体流程来识别和管理风险的框架。治理（governance）、*领导力（leadership）和一种风险文化（culture of risk）*是一个有效框架的基础。虽然这些流程不能取代健全的判断，但它们能够帮助贯彻彻底性、纪律性和客观性。数据管理（data management）、模型设计（model design）、*研究（research）和测试（testing）*方法被用来最小化偏差与错误。量化投资的优势就在于能够始终如一地、出色地做到这一点。

*资产配置（asset allocation）*应当分散掉不需要的风险（如系统性风险），并施加约束以防止过度（如集中投资、不受欢迎的偏差以及其他风险）。许多资产配置决策（包括全球宏观经济论点）将大部分风险预算花在了资产配置上。证券选择（security selection），包括尽职调查（due diligence）和"深度研究（deep dive）"，是风险预算能够花得其所的另一项活动。特异的、不可分散的选择是风险的优良用途。

*周期性监控（periodic monitoring）和再平衡（rebalancing）*应当是管理基金的有机组成部分，而不是临时进行。它应当被研究并被系统化。持续监控（constant monitoring），用于归因绩效并评估风险的有效使用，最好由投资团队之外的人员来监督（职责分离 separation of duties）。职责的区隔化可以减少偏差、委托-代理问题（principal-agent problem）和利益冲突。

*组合风险管理（portfolio risk management）*是监控行动背后的"牙齿"，应当涉及客观且无可误认的流程（包括及时预警、限额和触发器）。风险流程应当由投资委员会或治理委员会设定，以缓解、控制和引导业务的风险，而不依赖于外部性。*学习（learning）*分析、归因、改进绩效并最大化目标（例如绩效、风险和约束），才是我们真正渴望的结果。有些人把这项工作视为一种平凡的报告职能，从而放弃了大部分价值。"走过场"无法实现保护组合、客户和基金的目标。

治理与流程（Governance and Process）#

许多传奇投资者强调风险管理和纪律，胜过利润和乐观。意外之财罕见，但毁灭却不然^2^。贪婪、绩效激励、基金结构、短期主义（short-termism）和行为偏差，共同营造了一种环境，使得恰当的风险意识投资成为最具挑战性也最有回报的职业之一。许多投资巨头（包括 Ray Dalio 和 Paul Tudor Jones）创造了一种风险管理与自省的文化；这是他们的标志。治理和风险管理的关键问题能让一些公司栽跟头，却帮助另一些公司脱颖而出。

**"在决策桌前拥有一席之地（A seat at the table）。"**在以销售或产品为导向的文化中，销售和产品人员（他们获取费用并最直接地为公司创造收入）与投资管理人（以及风险管理人，其风险调整后收益是产品的基石，但距收入和影响力更远一步）之间有时存在鸿沟。此外，投资管理人和销售员将意图直接转化为可盈利的行动，从而赋予他们政治影响力，而风险管理人往往只能依赖较弱的说服性叙事来为自己的论点辩护。"就这一次"的政治权宜，可能压倒审慎的管理。

**代理问题（Agency problems）。**风险关切往往缺乏影响力，因为社会和业务目标更为紧迫^3^。绩效激励在削弱风险管理影响力方面扮演了重要角色。

风险管理虽然在通常情况下并不紧迫，却保护企业免受长期和理论性事件的影响。当紧迫的需求遭遇有争议的关切时，就会产生代理问题。强大而成功的投资管理人——连同合伙人、顾问和销售人员——有时会削弱审慎的风险努力。Zillow 在 2021–2022 年交易房屋业务上的惨痛失败，就是业务目标压倒审慎风险管理的众多案例之一。

**技能与运气（Skill versus luck）。**出于善意的投资管理人和高管，常常受到诱惑去变通规则以求短期成功，或"靠赌博摆脱困境"。风险可控的激励方案能削弱运气、广度、刺激和意外之财的作用。可以理解的是，一位被激励去追求短期利润的管理人——这是一条颠簸之路，其间偶尔的厄运既在预料之中也会被宽恕——会希望最大化自己的机会暴露，以图利用好运。如果她亏损了投资者的钱，她可以在保留大部分过往回报的同时找到一份新工作（一种"真实的"期权和一种扭曲的激励 perverse incentive）^4^。许多高管和投资管理人曾"掷骰子"以逃避严重或生存性的损失。想要"回本"的欲望，是许多流氓交易（rogue trading）阴谋和庞氏骗局（Ponzi scheme）的起源，导致了惊人的破产和监禁。1995 年巴林银行（Barings Bank）的覆灭，是治理和流程不善的众多案例之一。激进的、经过计算的风险承担与不负责任的赌博，二者之间的差别可能恰好在最糟糕的时刻需要被直面。治理和流程的存在，正是为了在系统性方法受到质疑的困难时期进行管理。

**产品成功与投资卓越（Product success versus investment excellence）。**产品成功可能对公司成功产生毒害（声誉风险 reputational risk）。正如我们先前所讨论的，VXX^5^ 是一款极为成功的产品，却是一项糟糕的长期投资（参见第4章图 4-2）。产品和销售目标的优先级，可能分散善意公司对投资受托责任追求的注意力。作为审慎管理人取得可持续成功，需要坚定而专注地致力于绩效。

**西西弗斯与职责区隔（Sisyphus and compartmentalization）。**行动，而非度量，才是风险管理的目的。许多风险管理人有效地实施了风险管理，尤其是在高度监管的行业中（如银行和保险公司）的那些人。还有更多的人在关键情况下被否决时感到挫败。他们可能觉得自己的建议或许能防止灾难，也可能不理解更大的业务目标。沟通与包容能够促进团队协作和步调一致；"蘑菇式（mushroom）"^6^管理则不能。

**责任之弧与"打长期战役（playing the long game）"。"**让技能娴熟、专注的专业人士承担他们所管理风险的后果，这一点至关重要。当决策变得有争议时，以利润为中心的论点，例如

对于像我们这样的新兴市场（EM）基金，剥离俄罗斯和中国的头寸会削弱我们的核心叙事，并立即使销售额下降 20%。

可能比负责任的反论更有说服力，例如：

如果俄罗斯入侵乌克兰（一个高度不确定但可预见的情境），我们的收益有 65% 的概率可能下降 6.5%，进而导致客户赎回（但赎回多少并不容易判断）。

在第 I 部分中，我们通篇讨论了支持那些与更紧迫业务目标相冲突的审慎行动所需的恰当激励与文化，它们正是这一挑战的解决方案。

**弥合鸿沟——一种风险与盈利能力并重的文化（Bridging the gap—a culture of risk and profitability）。"**对事业的承诺、赋权，以及对业务成功的个人担当，都不能保证有效性。相互冲突的动机与激励，将使投资管理人与坚定的风险管理人之间不可避免地发生健康的对峙与分歧。使风险管理的真正目的社会化——让业务可持续且高效——至关重要。通过启发来推行治理，比依靠强制和胁迫更为有效，也更令人愉悦。

责任文化（A Culture of Responsibility）#

建立一种负责任的文化，或将一种文化转变为更加负责任，既重要又同样具有挑战性。大多数人都会认同良好文化的必要性，但赢得人心比说服头脑更难。利润激励常常与公司面临的生存风险以及客户福利相冲突。有时，人心与头脑是无法企及的。

**流程（Process）。**一个可持续且有效的投资流程需要：

**经过验证和审计的（Verified and audited）**研究绩效，以防止虚假或不可复现的结果

**富有洞见且可行动的（Insightful and actionable）**对组合层面和公司层面投资质量的监督

可行动的改进建议（Actionable recommendations）

**实施（Implementing）**这一流程涉及：

一个结构（A structure），为投资任务提供框架，以实现可复现的卓越

关键绩效指标（Key performance indicator, KPI），提供可行动的目标并允许监控

预期结果（Expected outcomes），作为里程碑、动机和进展指标

绩效与风险度量（Performance and risk measurements），提供反馈

**归因（Attribution）**与评估，以确定绩效和表现不佳的原因，并指出强化或补救这些原因的行动

**风险预警（Risk warnings）**与触发器，快速识别问题并提供清晰的升级路径

缓解与纠正方案（Plans for mitigation and correction），为行动指明清晰的前进方向

**成功的（Successful）**结果包括：

投资绩效（Investment performance），可度量、可归因、并可以可扩展的方式改进

可持续性（Sustainability），穿越困难时期，并在构建新的、易分心的产品时保持一致性以增长

可扩展性（Scalability），面向新客户和目标公司，以及新的、发散的业务线

问责制（Accountability），对产品层面高强度努力所产生的全公司影响负责

视角（Perspective），作为"第十人（tenth man）"^7^来抑制群体思维（groupthink）

**文化改革（Cultural reform）**需要：

**识别（Identifying）**利益相关者目标和公司投资目标，以建立共享愿景和目标的一致性

确保"认同（buy-in）"和一致性，在整个组织中统一集体利益，以确保投资研究和管理的卓越，以及公司的长期成功，同时满足业务部门所需的及时解决方案的需求

跨孤岛（silos）利用投资实践，形成全公司范围内的、协作的投资流程

交付长期的风险调整后绩效和可持续性，以及短期利润驱动的客户成果

基于最佳实践构建一个严谨的全公司范围研究和投资流程

资金与危机管理（Money and Crisis Management）#

我们将讨论在面对不确定性和外部冲击时，一个稳健而有效的投资流程是如何运作的。诸如伦敦证券交易所（London Stock Exchange）暂停镍交易，以及 2022 年入侵乌克兰期间取消已执行并对冲的交易等事件，都是不可预测的；但破坏性事件发生得足够频繁，以至于任何成功的策略都会多次遭遇它们。

以下是一些使投资流程稳健的品质：

技能（Skill）。"永远不要心甘情愿地接受一场势均力敌的战斗。"利用竞争优势并系统性地避开那些不提供实质性优势的情境，至关重要。

**广度（Breadth）。**我们可以通过将利基策略暴露于尽可能多的高确信度机会来提高成功概率，例如从广泛的投资标的中选择多种投资工具，而不仅仅是常见和流动性好的工具。

**纪律（Discipline）。**许多讨论止步于系统性规划和预测，但销售、募资和限制赎回，通常对盈利能力和连续性更为重要^8^。 **准备（Preparation）。**系统性风险管理（包括杠杆、对冲、风险转移和风险触发器），使一只基金即使在危机期间也能以预期的方式运作，以保留"心理资本（mental capital）"并防止混乱和"瘫痪"。风险触发器可以定义事件以及随后的行动事项——"一条前进之路"。

**果断（Decisiveness）。**风险触发器应当配以行动方案来详述，以在混乱中增添结构（一份"行动手册 playbook"）。投资委员会应当评估投资流程，并在危机期间采取迅速而审慎的措施来继续、纠正或终止一项系统性策略。在危机发生之前，他们应当通过透彻理解策略的假设、运行范围、优势和劣势来做好准备，包括评估和接受流程中嵌入的偏差^9^。

系统性风险管理（Systematic Risk Management）#

可以理解的是，系统性投资者倾向于把风险管理简化为一种机械的练习，但良好的规划可能不够灵活，难以在"与敌人接触（contact with the enemy）"^10^后存活下来。每一项系统性风险管理策略都隐含着对市场行为的一种信念。美元成本平均法（dollar-cost averaging）、再平衡策略、马丁格尔系统（martingale system）、Kelly 准则（Kelly criterion）的各种变体，以及 Markowitz 优化（Markowitz optimization）的各种变体，都隐含着关于市场未来将如何运作的强烈观点；它们是对是错，取决于各种条件，例如体制转换（regime change）。

系统可能暴露于并不明显的市场行为，但有意无知是一个糟糕的决策，它并不能免除管理人作出选择的责任。让我们快速审视一些最常见的风险管理策略：

**分散化（Diversification）**依赖于对市场结构的假设和预测，包括资产之间动态的、条件性的相关性，以及所采用的约束和目标（例如日常波动率与 CVaR 或"尾部风险 tail risk"的对比）的相关性。

**对称与非对称（Symmetric and asymmetric）**策略对稳定性、运行范围和线性等特征作出了影响深远的假设。

**均值回归（Mean reversion）**可以激发凹性策略（concave strategy），例如以低买高卖为目的进行再平衡的固定比例方案（constant mix scheme）。

**趋势体制（Trend regime）、**动量（momentum）或凸性策略（convex strategy）与战术，包括固定比例组合保险（constant proportion portfolio insurance, CPPI）或止损等技术。

**时间不变（Time-invariant）**方法通过诸如穿越周期技术（through-the-cycle technique）、波动率目标（volatility targeting）和时间不变聚类（time-invariant clustering）等策略，最小化了择时的重要性。

**择时（Timing）**在除套利技术以外的大多数应用中都出了名地困难。包括系统性去杠杆（调仓 sizing）在内的回撤控制策略的失败，由于过拟合和其他陷阱而司空见惯。

**方法（Methods）**用于控制风险，应当是整体性的，并贯穿投资流程的每一个阶段加以整合。机会选择和产品设计应当在流动性和可持续性需求、广度与投资者结果（如盈利能力、方差，以及在不过度"伸向"低确信度机会的前提下扩展投资策略的能力）之间取得平衡。

例如，结构性复杂（如使用动态策略和金融工程来模拟商品暴露或稳定价值）能够创造出令人兴奋和受欢迎的产品。然而，由于预期暴露与其实际机制之间的相似性仅"流于表面（skin deep）"，不够成熟的受众可能误用这些产品，而"反噬（blowback）"可能导致声誉损害。流程设计和问题规约应当对其目标和实现方式深思熟虑。一个常见的致命错误就是回答了错误的问题。

领导力和治理的价值可能涉及规则和组织，但其价值在于"赢得人心"以促进合规，并在具体案例不存在时，允许体现投资卓越精神的即兴发挥。研究与开发不仅仅是预测利润，即便是在风险调整的基础上。特征、预测因子、响应和目标，都应当以警惕和诚恳的态度来设计、质询和验证。策略设计、回测、敏感性、冲击和情境分析应当聚焦于投资的风险成分，包括模型风险（model risk）。执行与实施（如再平衡、调仓和择时交易）应当在适当的风险承担和恰当激励的指引下，进行设计、回测、验证和执行，以防止偏离或委托-代理问题。

缓解技术（Mitigation techniques）（包括对冲、风险管理叠加层 risk-management overlay 和风险触发器）应当为非预期的后果进行彻底审查。这些方法常常产生与其意图相反的效果，这是司空见惯的。例如，一个去杠杆叠加层可能会滞后地减少市场暴露，在底部卖出，再滞后地加杠杆，在复苏之后买入。设计恰当的缓解策略应当限制逆向选择（例如出售优质的流动性投资来"支撑"表现不佳的非流动性投资）。

沟通（Communication），自上而下、自下而上以及横跨整个业务，并与外部利益相关者（如主经纪商、投资者和母公司）的沟通，能够避免生存性问题。回避沟通并"围起马车（circling the wagons）"可能是一个权宜之计，借助运气的帮助或许能避免问题；但诚实而有效的沟通能在情况恶化时让我们存活下来。流氓交易和庞氏骗局或许能靠赌博挽回小损失，也可能导致入狱和收入的永久丧失。主动重组债务，是一个比寄希望于中彩票然后违约更好的策略。

**对冲与风险转移（Hedging and risk transfer）**可以用来管理风险。通常，这些方法的经济成本超过其经济价值，但可能提供效用。将令人分心的风险和潜在的操作性错误外包出去，可以让投资团队专注于其核心竞争力。在本书中，我们讨论了选择层面和组合层面的对冲，以及一些执行与实施层面的对冲。风险转移协议可以将组合风险整体或部分地外包出去，包括养老金的受益人负债、银行的资本要求，或捐赠基金的未来项目资金。

一些养老金计划层面的或有索取权可以转移，但其他考量则特定于这些计划的资金承诺。资金状况（funded status）（计划本身的关键风险）可能因多种原因下降，包括资产价值未随负债增长而升值；负债可能根据通胀、缺口（shortfall）和缴款（contribution）进行调整。负债可以明确地或有条件地得到担保。缺口（雇主未能使计划保持资金充足的风险）必须加以管理。而缴款会随时间、人口结构和员工状态的变化（例如从向计划缴款到退休并提取现金）而变化。计划关于缴款的精算假设可能假定一个稳定的流。预期缴款与实际缴款之间的这一差距必须加以管理。

**风险触发器与政策升级（Risk triggers and policy escalations）**是控制行为偏差并给予投资者和其他利益相关者信心的关键工具。风险触发器可以按关注点和严重程度分类，可能包括：

**基准（Benchmark）**层面的触发器和对冲，针对基准的风险，但不针对政策相对于基准的偏离

**组合与政策（Portfolio and policy）**违规，例如超出约束和跟踪误差（tracking error）

**配置（Allocation）**违规，例如超出配置区间

**选择（Selection）**违规，例如堕落天使（fallen angel）

交易对手暴露和证券借贷/回购（Counterparty exposure and securities lending/repo），看似不重要，但可能是生存性风险

流动性与容量约束（Liquidity and capacity constraints），必须加以监控

**代理（Proxy）**证券或配置，常用于模拟难以估值的投资

**绩效与风险（Performance and risk）**违规，例如风险价值（value at risk, VaR）、趋势和两两相关性

主动与被动投资（Active versus passive investments），可指受管理的与指数化的投资

主动与被动违规（Active versus passive violations），例如故意偏离与因外生力量（如价格行为或信用降级）而导致的违规

**结构性（Structural）**违规，如资金流、集中、羊群行为、杠杆、流动性和欺诈

**操作性（Operational）**违规，如"胖手指（fat finger）"、信息安全和客户流出

对赎回的有限控制（Limited control），这可能妨碍风险管理

*赎回（Redemption）*是一个棘手的问题。对于一只流动性基金的管理人而言，客户流出可能难以放缓。对于投资于非流动性基金的投资者而言，应对门槛（gate）和锁定期（lock-up）可能是一个问题，正如我们在先前的案例研究中所讨论的（参见第1章专栏 1-4）。

通常，流出会传染（"把婴儿和洗澡水一起倒掉 throwing out the baby with the bathwater"），而基金管理人的应对可能看似有悖常理（变卖优质投资以覆盖对劣质投资的追加保证金和亏损）。管理人的应对可能超出他的控制或职责范围。即使这些情况在源头无法控制，果断的行动也可能防止过度损失。在流动性事件（如逼空 short squeeze 和闪电崩盘 flash crash）期间，先发优势（"你的首次亏损就是我们最好的亏损"）或耐心（"这也会过去的"）可能避免恐慌以及由此产生的高昂交易成本。恰当的风险管理和资本储备能让耐心变得可接受。

在存在退出壁垒的情境中，善意的行动可能产生不利影响。例如，警告一位管理人他已被列入观察名单，可能激励他承担过度的风险。

系统性与定性启发式（Systematic and Qualitative Heuristics）#

系统性偏差出现在投资流程的许多地方。它们主要呈现为四类：

不熟悉性（Unfamiliarity），由不直观的决策（例如由机器学习算法作出的决策）引入的偏差

**机会（Opportunity）**识别，通过分析和利用竞争对手的行为偏差来实现

内置的不利行为启发式（Built-in adverse behavioral heuristics），在系统设计中实现，可能是有意为之以符合管理人预期（如缺口 shortfall），也可能是因自省不足而无意产生

监督（Oversight），可能受到行为偏差的影响，从而影响这些系统的运作，例如偏离系统建议的决策

**近视与自动化（Myopia and automation）。**在第 3 章中，我们讨论了代理风险（agency risk）和搭便车问题（free-rider problem）^12^，并引入了"责任之弧（arc of responsibility）"（图 3-1）。通过试图将决策流程中的即时责任移除并代之以看似程序性的决策，委托-代理冲突（principal-agent conflict）可以通过自动化被缓解或放大。投资团队仍保留责任，但可能不当地放弃它。这可能导致多种可能的结果。

**非预期后果，以及始终存在的可解释性与可诠释性关切（Unintended consequences, the ever-present concern of interpretability, and explainability）**是机器学习和系统性投资中的关键问题。简单系统的刻意预期和反应的含义可能看似显而易见，但结果可能不准确，尤其是与其他系统结合时。更复杂的系统可能看似简单而理性，但形成其决策模式的机制可能不直观。这些模型可能产生与其设计者意图相符的决策，但它们所走的路径——例如使用组合推理或概率推理——在响应关键决策时，可能以一种外行人无法想象的方式进行。

**缓解追求中的恶化（Aggravation in the pursuit of mitigation）。**委托-代理问题的道德风险（moral hazard）^13^并未从投资风险中消除，反而因将意图——无论是恶意的还是其他——蒸馏为不完美的规则，或允许不自然的系统去发现它们而变得更加复杂。这些系统可以用一个强大但不理解自身目的的代理人，取代一个智能但有限的代理人。行为启发式应当被视为系统化过程中呼唤谨慎与警惕的行动号角。通过将责任从理性的决策转移到自动化系统，我们变得容易受到新的、不熟悉的和危险的风险的侵害，这需要创造性的警惕和对目标的信念^14^。

**机会识别（Opportunity identification）**基于人群或个人的行为，是许多"看盘（tape reading）"或技术技巧的理由，也是大量市场微观结构研究的焦点。一些例子包括：

**预期（Expectations）：**市场预期与组合管理人观点之间的差异，追逐绩效，或其他潜在的非理性动机。

**非理性（Irrationality）：**非理性动机，例如模因股（meme stock）和魅力交易（glamor trade）。

**不敏感（Insensitivity）：**价格不敏感的代理人及其能力限制，包括行业和类别轮动、再平衡、指数变更以及其他价值不敏感的交易。

**信息速率（Information rate）：**信息传播和吸收的速率与程度，包括缺失或误导性信息、能力不对称、进入和退出壁垒，或无法有效处理信息。

**脆弱性（Fragility）：**市场与工具之间关系的弹性或脆弱性。

**不可及的机会（Inaccessible opportunities）：**特定于行为主体的，如税务交易；或广泛可及的，如错位（dislocation）。

**间接工具（Indirect vehicle）：**与另一不同工具的行为相关，例如对冲。

**间接决策（Indirect decision）：**与行为主体无关的自由裁量，例如由第三方作出。

**流（Flow）：**与供求无关的流或其他动机。

**碎片化（Fragmentation）：**市场和工具的碎片化、隔离或不可及。

**传染（Contagion）：**相关性或其他羊群行为，包括跨市场联动。

**狂热（Exuberance）**超过审慎。

**投降（Capitulation）**或其他被迫的行动。

**行为偏差的不利实施（The adverse implementation of behavioral biases）**作为系统的一部分是司空见惯且阴险的，主要原因是其设计者缺乏自省。有意识地处理目标和约束（如风险调整后收益和缺口风险）相对于纯粹理性目标（如终值财富）的显著性是有价值的，但这些让步通常会阻止理性结果的最优实现。一个设计用来使损失可接受的系统，可能不太可能为被锁定的客户最大化财富（"惊弓之鸟 gun shy"），但一个财富最大化的策略可能在获得回报之前就失去投资者。

对系统的**监督（Oversight）**本质上受到行为偏差的感染。未预料到的和充满压力的环境会导致对系统性策略稳健性信心的缺乏。贝叶斯更新（Bayesian update）的诱惑、利益相关者压力、"这次不一样"的结论诱惑，以及更矛盾的诱惑（如想靠赌博摆脱亏损交易），都会把人类决策强加于系统之中。

Hirshleifer^15^提供了一个有用的行为偏差分类法：

外生偏差（Exogenous biases），如羊群行为和传染

内生的情绪偏差（Endogenous emotional biases），如过度自信、损失和后悔

坚持不懈（Perseverance），如确认偏差、代表性偏差和控制错觉

处理过载（Processing overload，由于信息过多），如锚定（anchoring）、框架（framing）和可得性（availability）

许多这样的偏差难以识别和纠正。幸存者偏差（survivorship bias）就是一个例子^16^。

学习与改进（Learning and Improvement）#

本书讲的是获得持续的投资绩效。与那些聚焦于紧迫业务成果的其他投资目标（在艾森豪威尔式^17^的意义上）不同，大多数投资策略都在不断挣扎着改进，否则就会落后。幸运的意外之财和自满可能先于失败而至。市场充其量是冷漠和不宽容的，但往往是充满敌意和惩罚性的："通往地狱的道路是由正利差铺就的（the road to hell is paved with positive carry）。"

**投资是不同的（Investing is different）。**一家投资企业，如卖方银行或注册投资顾问（Registered Investment Advisor, RIA），常常聚焦于底线：销售产品、产生费用、募集资金、留住客户，以及扩大市场份额。这些是企业的命脉，是必要且正当的关切。

作为投资者，我们常常反对方便的叙事、条件性关系的过度简化实现，以及捷径，例如处置旧投资以为新购买筹集资金。虽然投资公司中的其他团队在审视其投资论点时可以随意，但真正的投资者往往会因此受到惩罚。

**真正的归因可以被回避（True attribution can be avoided）。**一些投资专业人士，其目标主要是募集资金和产生费用，他们未能正确地度量和归因自己的绩效。他们的叙事被按面值接受或被轻描淡写地探询，他们的不足被搪塞过去。他们获得了奖励，那他们为什么要向那些决定其薪酬和继续雇佣的人暴露自己的弱点？他们为什么要揭露关于自身技能的、令人不安且可能有害的真相？他们的资产在不归因的情况下增长；他们的损失可能在市场"轮动"回到其投资风格时回升^18^。

**好的归因是细腻而困难的（Good attribution is nuanced and difficult）。**即便能够诚实、透明地获取投资决策，正确地归因因果也很困难。没有这种获取权限，这充其量只是猜测。

归因只是第一步（Attribution is just the first step），尽管大多数公司止步于此。除非文化致力于接受洞见并据此行动，否则批判性的归因和自省毫无目的。持续的投资绩效需要：

一种诚实、细腻且准确的评估和自省，相对于运气和主动管理的低成本替代方案来评估绩效

对失败的宽容（Forgiveness of failure），以实验和改进为目标

对无能的蔑视（Disdain for incompetence），以及对新策略和想法的"极其透明"、纪律严明和严格的评估的承诺

带有问责的协作（Collaboration with accountability），允许"跨孤岛"创新而不破坏文化

识别和承认成功，以维持这一成功，并在整个组织中推广最佳实践

承认精英择优制（meritocracy）需要强有力的监督，以保持纪律和文化

在本书中，我们从一些基本但常常被误解的概念开始，讨论了如何设计和构建一个坚实的产品和业务。我们考察了开发一个可靠的量化策略，从收集数据到预测哪些因子会在哪些条件下表现良好。我们演示了如何以专业的精度建模和回测。最后，我们讨论了如何正确地度量风险并持续管理策略。

我们撰写本书时，心中想着三类人：量化投资工作的管理者、投资的管理人和分析师，以及高级学生（包括"市场里的学生"中的"社会大学"毕业生）。目的是拓展读者对生态系统中其他人如何看待量化投资的认知，让他们更好地理解整体流程，并实现跨渠道沟通。

例如，一位以风格为导向的对冲基金（hedge fund）管理人，如果其风格发生漂移，可能会表现得更好；但投资于其基金的资产配置者（asset allocator），需要管理人保持专注，即便管理人的风格表现不佳。管理人可能认为其职能是交付收益，但配置者需要保持对风格权重的控制，并会在管理人想要偏离时对冲掉风格。配置者可能不希望管理人来作出那个决定。

我们取得了一种平衡。大多数读者会对某些解释过于熟悉，而被另一些所启发。每位读者都会带着不同的思维拼图而来，读完本书后，应当拥有一幅比开始时更完整的图景。投资专业人士是其领域和业务的专家，但可能缺乏对其他专业的接触。我们希望每位读者都能找到有用的信息 nugget，即便是在最熟悉的章节中。

即便是最复杂、最灵活和最可扩展的技术，也不能保证成功。人类判断的关键性，以及对治理、文化、标准、规则和流程的坚定应用，必须与技术应用相整合，才能产生一个稳健、有韧性、长期的投资业务。

祝狩猎顺利，

Michael Robbins

纽约，纽约州

2023 年 2 月

1. 这句话及其各种变体或许可归功于 Archilochus；"我们不会上升到期望的水平，而是会下降到训练的水平（We don't rise to the level of our expectations, we fall to the level of our training）。"

2. 这可能看似显而易见，但许多投资者屈服于可得性偏差（availability bias）。他们记得那些惊人成功的故事（以及一些惊人的失败），却忘记了绝大多数投资者是悄无声息地失败的。

3. 优先处理紧迫但不太重要的事务，而非重要但不紧迫的事务，这是司空见惯的。久而久之，糟糕的选择会导致系统性问题。通常，毁灭是由一次不守纪律的例外引发的，它级联成无法恢复的失败。

4. 在第1章中，我们讨论了如何有效设计激励，以最小化运气的作用并使利益与业务保持一致。

5. VXX 是 iPath S&P 500 VIX Short-Term Futures ETN。

6. "把他们留在黑暗中，喂他们[肥料]。" Tracy Kidder，《一种新机器的灵魂（The Soul of a New Machine）》（Avon Books, 1982）。

7. 又称魔鬼代言人（devil's advocate），"第十人"反对共识，以确保不受欢迎的论点不被忽视。参见 Yosef Kuperwasser, "Lessons from Israel's Intelligence Reforms," the Saban Center for Middle East Policy at the Brookings Institution, 2007。

8. 一个称职的后台（back office）可以成就或毁掉一个系统性投资流程。组合管理可能不如日常的运营资金管理重要。

9. 行为启发式的知识和应用，可以帮助管理和投资团队识别对危机的理性而审慎的应对。

10. "没有任何作战计划在第一次与敌方主力接触后还能确定无疑地延续下去。" Helmuth von Moltke，《Moltkes Militärische Werke, II》, 1892。

11. 当一份期权的执行价格在到期时几乎与标的参考价格相同时，就会产生针定风险（pin risk）。这会造成该期权是否会以价内到期的不确定性。

12. 搭便车问题源于收益与责任的错配。当一名代理人对另一方的福祉负责，却被激励去违反这一责任时，就会发生代理问题，从而产生利益冲突（conflict of interest）。

13. 当一名代理人没有被恰当地激励以正确行事时，例如存在经济利益冲突时，就存在道德风险。

14. 思考系统会发展出自身的启发式。如果近期的证据是一种指引，那么机器行为启发式将反映我们自身的启发式，却没有羞耻的缓和。参见 Oscar Schwartz, "In 2016, Microsoft's Racist Chatbot Revealed the Dangers of Online Conversation: The bot learned language from people on Twitter---but it also learned values," IEEE Spectrum, November 2019。

15. D. Hirshleifer, "Investor Psychology and Asset Pricing," Journal of Finance 56, no. 4, (2001): 1533--1597。

16. 在第4章中我们讨论过，如果一项研究跨越多年，那么一项指数（Russell 3000）在研究开始时所包含的大多数股票，到研究结束时很可能已被指数编制者替换。如果指数编制者保留了原始名单，那么该指数的表现将与实际实现的 Russell 3000 指数表现大相径庭。

17. 艾森豪威尔方法（Eisenhower method）、矩阵或方框，指的是一种时间管理范式，它将任务分为四个象限——紧急且重要、不紧急但重要、紧急但不重要，以及不紧急且不重要。用艾森豪威尔的话说，"我有两类问题，紧急的和重要的。紧急的不重要，重要的从不紧急。"参见 Dwight D. Eisenhower, "Address at the Second Assembly of the World Council of Churches," August 19, 1954。

18. 2021 年 3 月，Cathy Wood 的 ARK 基金在过去一年中亏损了 45%，跑输 S&P 500 指数 65 个百分点，但仍然吸引了净流入。

索引#

ABS（资产支持策略 Asset-backed strategies），311--312

绝对绩效（Absolute performance），433, 435

可达前沿（Accessible frontier），354--355

问责制（Accountability），463, 477

会计比率（Accounting ratios），176--177

准确性（Accuracy），184

主动管理（Active management），265--266, 306, 471

激进主义策略（Activist strategies），322

活跃度度量（Activity measures），434

自适应资产配置（Adaptive asset allocation），32--33

自适应预期（Adaptive expectations），208

自适应风险管理（Adaptive risk management），456

组合新增（Additions, portfolio），287--288

临时性 EPS 调整（Ad hoc ERP adjustments），209

组合调整（Adjustments, portfolio），420

不利行为启发式（Adverse behavioral heuristics），472, 474

不利权重（Adverse weightings），445

顾问（Advisors），51, 55

代理冲突（Agency conflicts），176, 209, 460, 472n12

积极风险管理（Aggressive risk management），456

配置决策（Allocation decisions），82--84, 221, 242, 257, 471

Alpha 衰减（Alpha decay），365--366, 399--401

Alpha 模型（Alpha models），250--257, 366, 404--410

另类数据（Alternative data），105

另类特征（Alternative features），180--181

另类投资（Alternative investments, alts），82--93, 297--299, 313--314

模型歧义（Ambiguity, model），261--262

摊销型工具（Amortized instruments），70

估值型持仓（Appraised holdings），438

套利（Arbitrage），310--313, 319, 321--323, 351, 355, 372

档案数据（Archival data），96, 100--102

到达价（Arrival price），351, 359

艺术品（Art），90

股权风险溢价相关产物（Artifacts, ERP），209

"现状"分析（"As-is" analysis），42

资产配置（Asset allocation），19--23, 32--33, 265--304, 458（参见配置决策 Allocation decision）

资产支持策略（Asset-backed strategies, ABS），311--312

资产类别（Asset classes），62--63, 294--299

资产特征（Asset features），179--180

IPS 中的资产组合（Asset mix, in IPS），48

资产特定风险（Asset-specific risk），411--412

资产类型（Asset types），61--94, 433

非对称度量（Asymmetric measures），429, 432

非对称风险管理（Asymmetric risk management），465

归因（Attribution），349, 426, 429--431, 439--445, 463, 476--477

归因模型（Attribution model），258, 353, 359, 374

审计报告（Auditor's report），104, 105

自相关（Autocorrelation），122, 146, 179, 384, 439

自动化（Automation），472--473

模型自主性（Autonomy, model），251

可得性与可得性偏差（Availability and availability bias），35, 237--239, 367

回测器的后台功能（Back-office function, of backtester），332, 348

回测（Backtesting），212--215, 325--375, 466（参见再平衡 Rebalancing；税收 Taxes）

资产负债表（Balance sheet），104, 105

区间再平衡（Band rebalancing），387, 388

回测器的银行功能（Bank function, of backtester），332, 348

银行贷款（Bank loans），71--72

基线（Baseline），278

批量模式回测（Batch mode backtesting），328--330

贝叶斯技术（Bayesian techniques），236, 273, 438

BBO（最优买卖报价 Best bid and offer），349

行为偏差（Behavioral biases），456

行为启发式（Behavioral heuristics），24, 472, 474

行为指标与度量（Behavioral indicators and measures），179, 432

基准感知算法（Benchmark-aware algorithms），372

基准再平衡（Benchmark rebalancing），387, 388

基准（Benchmarks），48, 368, 444--445, 447--449, 470

仁慈基准（Benevolent benchmarks），444

最优买卖报价（Best bid and offer, BBO），349

最大努力（Best efforts），371

最优执行（Best execution），338, 371

偏差（Biases），5, 38, 153, 228, 269, 344--345, 371, 445

买卖价差（Bid-ask spread），361

大数据（Big data），229

分箱数据（Binning data），143, 147

"小口"度量（"Bite-size" measures），434

Bloomberg US 综合债券指数（Bloomberg US Aggregate Bond Index），68

有界内生风险（Bounded endogenous risks），457

流程广度（Breadth, of process），365, 464

经纪商模型（Broker model），353, 359, 374

回测器的经纪商模块（Broker module, of backtester），334--335, 349, 352

分桶数据（Bucketing data），127

预算约束（Budget constraints），286

自建或外购决策（Build-or-buy decision），237, 327, 427--431

批量数据（Bulk data），96--98, 102

捆绑服务（Bundling services），354

燃尽（Burnout），288, 398

商业案例（Business case），36, 39--45

商业周期（Business cycle），186

商业模式（Business model），320

业务结构（Business structure），52

业务估值（Business valuation），320

回购（Buybacks），113

认同（Buy-in），463

买入度量（Buying measures），396

日历再平衡（Calendar rebalancing），386, 387, 389

因果可加模型（Causal additive models, CAMs），234

容量约束（Capacity constraints），438, 471

资本（Capital），258, 309, 394

市值加权指数（Capitalization-weighted indices），85--86

资本市场假设（Capital market assumptions），22, 196--198

资本结构（Capital structure），78, 86, 312, 321

投降（Capitulation），474

封顶暴露（Capping exposures），449

基数特征（Cardinal features），121

利差（Carry），178--179, 314

级联（Cascades），244

现金流量表（Cash flow statements），104, 105

现金工具（Cash instruments），70

现金储备（Cash reserves），331

分类特征（Categorical features），121, 142, 144--146

因果可加模型（Causal additive models, CAMs），234

因果分析（Causal analysis），124

因果关系（Causal relationships），232--234, 428--429, 451

CBOE 波动率指数（CBOE Volatility Index, VIX），65, 110

确定性等价模型（Certainty-equivalent models），275

数据监管链（Chain of custody, data），114--115, 125, 237

慈善机构（Charities），10, 56

规避（Circumvention, with model），262--263

分类（Classification），274, 405--406, 433, 438

聚类（Clustering），142, 433

或有可转换债券（CoCos, contingent convertible bonds），74

队列（Cohorts），86, 299, 397

协作（Collaboration），477

收藏品（Collectibles），90, 313

因子组合（Combinations of factors），177

合并公司暴露（Commingled company exposure），66--67

佣金（Commissions），338--339, 356

商品（Commodities），80--82, 173, 297--298, 313--314

商品交易顾问（Commodity trading advisors, CTAs），395

公司暴露（Company exposure），64--69

职责区隔（Compartmentalization），51, 461

竞争（Competition），320, 409

复杂性（Complexity），5, 164, 167--168, 213, 227, 290, 295, 392--393, 454

复利（Compounding），427

综合收益表（Comprehensive income statement），104, 105

建模中的妥协（Compromises, in modeling），228--232

集中型基金（Concentrated funds），315

集中（Concentration），282--283

运行概念文件（Concept of Operations, document），43--44

条件约束（Conditional constraints），290

条件数据（Conditional data），240

条件因子（Conditional factors），150--152

条件投资（Conditional investments），442

条件化（Conditioning），433

信心数据（Confidence data），99, 271

保密性（Confidentiality），241

混淆数据（Confounding data），109, 208--209

保守型基金（Conservative funds），315

约束（Constraints），281--282, 285--290, 352, 378, 390--391, 416--417, 470

传染（Contagion），474

应急规划（Contingency planning），326

或有可转换债券（Contingent convertible bonds, CoCos），74

或有订单（Contingent orders），337

持续学习模型（Continuous learning models），230

逆向择时（Contrarian timing），185--186

控制（Control），233, 254--255, 268, 274, 275, 293, 317, 456, 466--467, 471

便利的成本（Convenience, cost of），365

可转换债券（Convertible bonds, converts），73--74, 312

确信度数据（Conviction data），106

公司行为（Corporate actions），112--113, 180, 207

公司债务（Corporate debt），72--73

公司固定收益投资（Corporate fixed-income investments），71--74, 312

公司计划（Corporate plans），10, 56

相关性交易（Correlation trading），310--311

零成本产品与交易（Costless products and transactions），354n10, 469

成本模型（Cost models），413

交易对手（Counterparties），372, 471

协方差（Covariance），179, 233, 259

信用套利（Credit arbitrage），312, 322--323

信用溢价（Credit premium），205--207

信用保护（Credit protection），311

信用质量变化（Credit quality, changes in），321

信用风险（Credit risk），426, 447

危机管理（Crisis management），302, 464--465

跨资产特征（Cross-asset features），173

交叉撮合技术（Crossing techniques），372

截面配置技术（Cross-sectional allocation techniques），268--299, 415

截面分析（Cross-sectional analysis），97, 207

截面选择策略（Cross-sectional selection strategies），307, 310--314, 418

交叉验证（Cross-validation, CV），137, 228--229, 340, 341

拥挤（Crowding），180

加密货币（Cryptocurrencies, crypto），90--92, 313

商品交易顾问（Commodity trading advisors, CTAs），395

文化（Culture），36--39, 458, 462--464

货币工具（Currency instruments, currencies），79--80, 297, 314

当前数据（Current data），96

回测器的托管功能（Custodian function, of backtester），332, 348

定制基准（Custom benchmarks），448--449

CV（参见交叉验证 Cross-validation）

数据探索（Data exploration），125--132

数据收集（Data gathering），227, 234--241

数据模型（Data models），249

数据组织（Data organization），96--98

令人沮丧的数据源（Data sources, frustrating），235--237

日计数基础（Day-count basis），67, 204, 356

决策矩阵（Decision matrix），187

决策价（Decision price），359

决策树（Decision trees），228, 406--407

果断（Decisiveness），464--465

分解（Decomposition），426, 439

违约溢价（Default premium），206

防御型基金（Defensive funds），315

延迟（Delays），285, 352, 357--358, 439

需求（Demand），201, 204, 474

市场深度（Depth of market, DOM），338

衍生品（Derivatives），49, 74--75, 312

描述性数据（Descriptive data），97, 102

描述性特征（Descriptive features），168--169

差分隐私（Differential privacy），241

差异化（Differentiation），27

稀释（Dilution, ERP and），208

降维（Dimension reduction），142, 154--157, 233, 238

房地产直接投资（Direct investments in real estate），89

方向决策（Direction decisions），215, 222, 242, 259

纪律（Discipline），464

离散化（Discretization），143, 290, 293

溢价之间的脱节（Disjoints, between premia），210

离散度（Dispersion），259

位移变量（Displacement variable），146

困境策略（Distressed strategies），322--323

分布（Distributions），113, 115--117, 193, 219--220, 240, 287--288, 294, 452

可分散风险（Diversifiable risk），259, 457

分散化（Diversification），20, 269--270, 315, 316--317, 465

领域特定特征（Domain-specific features），179--180

市场深度（DOM, depth of market），338

回撤（Drawdowns），20, 21, 254--255, 268

漂移（Drift），361, 362, 438

动态规划（Dynamic programming），275, 293, 414

动态时间规整（Dynamic time warping），147, 149

违约暴露（Exposure at default, EAD），206

每股收益（Earnings per share），105

计量经济模型（Econometric models），142, 227

经济分析（Economic analysis），45

经济数据（Economic data），98, 99--102, 237, 239

经济环境（Economic environment），320

经济因子（Economic factors），170, 171

经济特征（Economic features），170--173

经济直觉（Economic intuition），283, 328

经济模型（Economic models），28--29

经济价值最大化（Economic value, maximizing），394

电子数据收集、分析与检索系统（Electronic Data Gathering, Analysis, and Retrieval, EDGAR, system），104--105

内嵌特征选择（Embedded feature selection），158--159, 238--239

新兴市场投资（Emerging market, EM, investments），68--69, 71, 176, 296--297, 309, 312, 320

情绪化度量（Emotionally charged measures），436

雇主驱动数据（Employer-driven data），99

内生风险与偏差（Endogenous risk and biases），457, 475

捐赠基金（Endowments），10, 50

能源策略（Energy strategies），314

集成（Ensembles），243, 406--407

环境、社会与治理投资（Environmental, social, and governance, ESG, investing），54--55, 93, 181, 309

等风险预算技术（Equal risk budget techniques），274

等权重规则（Equal weighting rules），270

股票（Equities），64--69, 173, 175--177, 295, 296, 426

股权型策略（Equity-based strategies），253, 307, 318--320, 418

股权对冲（Equity hedges），84, 318

股权非对冲基金（Equity non-hedge funds），319

股权风险溢价（Equity risk premium, ERP），202, 207--209

ESG 投资（参见环境、社会与治理投资 Environmental, social, and governance investing）

估计偏差（Estimation bias），199

估计误差（Estimation error），291, 360, 438

交易所交易基金（Exchange-traded funds, ETFs），13, 395

事件驱动回测（Event-driven backtesting），328--330

事件驱动策略（Event-driven strategies），84, 253, 308, 321--323, 418

事件时间（Event time），147, 148

交易所交易基金（Exchange-traded funds, ETFs），13, 395

执行便利（Execution facilitation），326

执行特征（Execution features），181--182

执行模型（Execution model），221--223, 333--334, 348, 353, 358, 371--373

执行价（Execution price），218, 359

执行方案与策略（Execution schemes and strategies），348--349, 370, 372--373, 419, 466--467

执行委员会（Executive committees），41--43

执行摘要（Executive summary），42, 46--47

退出策略（Exit strategies），394

分解（Decomposition），426, 439

违约溢价（Default premium），206

外生偏差与风险（Exogenous biases and risk），457, 475

预期结果（Expected outcomes），462

预期收益（Expected returns），407, 416

响应建模实验（Experimentation, response modeling），214

显性费用与成本（Explicit fees and costs），353, 356

违约暴露（Exposure at default, EAD），206

外部施加约束（Externally applied constraints），288--289

狂热（Exuberance），474

基于因子的归因（Factor-based attribution），441

基于因子的回测（Factor-based backtests），342--343

因子效力（Factor efficacy），189

因子暴露（Factor exposures），19--20, 63, 65

因子预测（Factor forecasting），191--212

因子投资（Factor investing），24--28

因子模拟组合（Factor mimicking portfolios），290

因子优化（Factor optimization），273

因子（Factors），30, 61--63, 213--214, 299（参见特定因子 specific factors）

因子择时（Factor timing），184, 440

模型的公平性（Fairness, of models），229

家族办公室（Family offices），9

特征条件化（Feature conditioning），182--188

特征工程（Feature engineering），121--162

特征提取（Feature extraction），140--152

特征层级（Feature hierarchy），164--168

特征选择（Feature selection），133--134, 142, 158--159, 238

特征择时（Feature timing），182--186

联邦学习（Federated learning），241

反馈（Feedback），420

费用（Fees），317, 338--339, 348--349, 351, 355--357, 363--369, 374--375

FICC 投资（参见固定收益、货币与商品投资 Fixed income, currency and commodity investments）

富达麦哲伦基金（Fidelity Magellan Fund），26, 27

字段信息（Field information），96

财务分析（Financial analysis），44--45

金融资产（Financial assets），312

财务收益摘要（Financial benefit summary），44

财务数据（Financial data），95--120

财务报表（Financial statements），104, 105

股票与融资（Financing, equities and），64, 66

公司类型（Firm type），7--10, 50--51, 55--56

固定佣金（Fixed commissions），356

固定费用与成本（Fixed fees and costs），354, 364

固定期限模型（Fixed-horizon models），216, 242

固定收益、货币与商品投资（Fixed income, currency and commodity, FICC, investments），69--82, 173, 296, 446--450

固定收益套利（Fixed-income arbitrage），311--313

固定收益溢价（Fixed-income premia），204--207

固定收益策略（Fixed-income strategies），84, 85

固定比例技术（Fixed proportion techniques），268, 271

浮动利率票据（Floating-rate notes, FRNs），69--70

流（Flow），99, 389--390

基金中基金（Funds-of-funds, FoFs）（参见基金中基金 Funds-of-funds）

预测（Forecasting），5, 44, 113--117, 191--212, 403--415

外汇工具（Foreign exchange instruments）（参见货币工具 Currency instruments）

公式基金（Formula funds），309

前向填充（Forward filling），108, 109

分数化数据（Fractionated data），438

碎片化（Fragmentation），373, 474

框架偏差与效应（Framing bias and effects），199, 255

再平衡频率（Frequency, rebalancing），381, 383--385

浮动利率票据（Floating-rate notes, FRNs），69--70

前沿市场（Frontier markets），309, 320

函数型模型（Functional models），234, 249, 250

基本面数据（Fundamental data），98, 104--105

基本面策略（Fundamental strategies），253

资金状况（Funding profile），45

回测器的基金模块（Fund module of backtester），333, 348, 353

募资（Fundraising），54

基金中基金（Funds-of-funds, FoFs），87--88, 307, 315--317, 418

基金结构（Fund structure），8, 11--13, 47

未来现金流（Future cash flows），311

博弈论（Game theory），362--363

缺口风险（Gap risk），80, 303, 468--469

门槛（Gates），15--18, 317, 348

GBTC 溢价（GBTC premium），91--92

一般订单（General orders），337

Gibbs 采样器（Gibbs sampler），107, 238

目标导向投资（Goal-based investing），51, 379n2

目标冲突（Goal conflicts），284

治理（Governance），35--56, 372, 458--462

政府机构（Government institutions），10, 56

政府政策（Government policy），199, 208

政府债券（Govies），70, 380

灰度比特币信托溢价（Grayscale Bitcoin Trust premium），91--92

分组约束（Group constraints），286

成长因子（Growth factors），177--178

保本基金（Guaranteed funds），309

担保订单（Guaranteed orders），338

硬货币费用（Hard-currency fees），354, 356

难以借入的空头（Hard-to-borrow shorts），355, 409

对冲基金（Hedge funds），9, 84--85, 298--299

对冲（Hedging），33, 84, 259, 303, 380--382, 467--470

羊群问题（Herding problem），282--283, 317

启发式（Heuristics），288, 431--432, 445--446, 472--475（参见简单规则 Simple rules）

隐性费用与成本（Hidden fees and costs），353--354, 364

对 ERP 的隐性影响（Hidden influences on ERP），208

隐性风险（Hidden risks），439

高、低、开、收盘成交量（High, low, open, close volume, HLOC）K 线，349

高偏差模型（High-bias models），122

高频归因（High-frequency attribution），443--444

高频数据（High-frequency data），349--350

高水位（High-water mark），14n4, 333, 348

高收益 ABS 策略（High-yield ABS strategies），312

历史数据（Historical data），96, 201, 340--342

HLOC K 线（HLOC bars），349

持有待投资会计（Hold-for-investment accounting），396

基于持仓的分析（Holdings-based analyses），433--435

基于持仓的归因（Holdings-based attribution），442--443

持仓约束（Holdings constraints），285, 390--391

持仓汇总统计（Holdings summary statistics），435

同态加密（Homomorphic encryption），241

汇总（Householding），280, 389, 393

门槛率（Hurdles），14n4, 333, 348

混合回测执行（Hybrid backtesting execution），330--331

混合模型（Hybrid models），201, 206

超参数化（Hyperparameterization），232, 344--345

IDD 文件（IDD document），36, 52--54

特异关系（Idiosyncratic relationships），428--429

特异风险（Idiosyncratic risk），259, 447

无知的成本（Ignorance, cost of），352

非流动资产与持仓（Illiquid assets and holdings），82--84, 90, 296--297, 438

不平衡数据（Imbalanced data），237--238, 244

免疫基准（Immunizing benchmarks），449

减值（Impairment），258

实施缺口（Implementation shortfall），17, 333, 359, 369, 467

隐性费用与成本（Implicit fees and costs），353--354, 356--357

隐含波动率（Implied volatility），446--447

重要性采样（Importance sampling），231, 233, 238

插补（Imputation），159--160

不可及的机会（Inaccessible opportunities），474

激励（Incentives），8, 9, 13--18

收益表（Income statements），104, 105

不兼容度量（Incompatible measures），438

不一致数据（Inconsistent data），438

自变量（Independent variable），146

不确定延迟（Indeterminate delays），439

指数基金（Index funds），306, 309

指数变量（Index variable），146

指数（Indices），68, 319

间接决策（Indirect decision），474

间接费用与成本（Indirect fees and costs），353--354

间接工具（Indirect vehicles），474

行业环境（Industry environment），320

通胀（Inflation），68, 426

信息含量（Information content），364

信息视野（Information horizon），366, 383

信息速率（Information rate），474

信息论（Information theory），362--363

基础设施投资（Infrastructure investments），89--90

不频繁延迟（Infrequent delays），439

创新管线（Innovation, pipeline of），326

机构规划（Institutional planning），207

机构的 IPS（Institutions, IPS for），50

保险公司（Insurance companies），10, 50, 55--56

被保险基金（Insured funds），301, 309

集成模型（Integrated models），261--263, 328, 414--415

知识产权（Intellectual property），311

本意风险（Intentional risks），365

利率（Interest rates），205, 295--296

内部基金中基金（Internal funds-of-funds），87--88

跨期执行（Inter-temporal execution），285

存货风险（Inventory risk），412

倒挂收益率曲线（Inverted yield curve），99, 111

投资银行（Investment banks），10, 55--56

投资委员会（Investment committees），41, 43

投资成本（Investment costs），351--352, 357--358

投资尽职调查文件（Investment Due Diligence, IDD, document），36, 52--54

投资期限（Investment horizon），417

投资政策声明（Investment Policy Statement, IPS），36, 45--51

投资流程（Investment process），19--34, 43--44, 53, 194, 351--352, 393--394, 443, 459--465, 475--477

投资技能（Investment skill），8, 10, 429--431, 460, 464

投资标准（Investment standard），46--48

投资策略（Investment strategy），53, 211--223

投资团队（Investment team），53, 333

iPath S&P 500 VIX 短期期货 ETN（iPath S&P 500 VIX Short-Term Futures ETN, VXX），65, 110

IPS（投资政策声明 Investment Policy Statement），36, 45--51

非理性动机（Irrational motivations），473

核变换（Kernel transformations），153--154

关键绩效指标（Key performance indicators, KPIs），462

领导力（Leadership），35--56, 458

杠杆（Leverage），257--258, 331, 426

杠杆贷款（Leveraged loans），75

杠杆度量（Leverage measures），179

违约损失（Loss given default, LGD），206

负债驱动投资（Liability-driven investing），379--380

负债风险（Liability risk），412

生命周期成本（Life-cycle cost），45

人生规划（Life planning），208

限制暴露（Limiting exposures），449

限价指令簿模型（Limit order book, LOB, models），413, 419

线性归因（Linear attribution），440

线性插值（Linear interpolation），108, 109

线性变换（Linear transformations），153

挂钩证券（Linked securities），76--77

流动性（Liquidity），49, 316, 317, 361, 362, 373, 426

流动性约束（Liquidity constraints），471

流动性执行方案（Liquidity execution schemes），372

流动性度量（Liquidity measures），179

流动性风险（Liquidity risks），447

限价指令簿模型（LOB, limit order book, models），413, 419

锁定期（Lock-ups），15--18, 317, 348, 398

模型逻辑（Logic, model），325

长期风险调整后绩效（Long-term risk-adjusted performance），463

前视偏差（Lookahead bias），100, 212, 217

违约损失（Loss given default, LGD），206

运气（Luck），460

机器学习（Machine learning），152--162, 220, 227, 233--234, 412, 417, 444, 454

宏观经济策略（Macroeconomic strategies），84, 253, 307--309, 417

宏观因子（Macro factors），446

宏观多策略基金（Macro multi-strategy funds），308--309

撮合者-接受者方案（Maker-taker schemes），356

管理期货（Managed futures），84--85

管理体制变化（Management regime changes），438

管理性报告（Managerial reporting），458

管理人策略（Manager strategies），433

边际风险（Marginal risk），274

市场数据（Market data），98, 102--103

市场预期（Market expectations），473

市场特征（Market features），179--180

市场模型（Market models），29, 333, 348, 352, 353, 358, 369--371

市场体制变化（Market regime changes），438

市场风险（Market risk），258--260, 410--411

市场结构（Market structure），438

市场技术分析者（Market technicians），141--142

并购（Mergers and acquisitions, M&As），113, 321

最大增长方法（Maximum growth methods），272

极大似然估计量（Maximum likelihood estimator, MLE），17--18, 233

MBS 策略（MBS strategies），312--313

均值回归策略（Mean-reversion strategies），33, 303, 465

IPS 的度量标准（Measurement criteria, IPS），48

机制性变换（Mechanistic transformations），189--190

并购套利策略（Merger arbitrage strategies），321--322

并购（Mergers and acquisitions, M&As），113, 321

元标记（Meta-labeling），406

元学习（Meta-learning），272--273, 407

最低投资规模（Minimum investment size），316

最小风险方法（Minimum risk methods），274

少数数据（Minority data），127--128, 185

错配（Misalignments），290

错误标记（Mislabeling），440

缺失数据（Missing data），107--109, 136--137, 159--160

缓解（Mitigation），463, 467, 473

极大似然估计量（Maximum likelihood estimator, MLE），17--18, 233

模型误差（Model error），327

模型组合（Model portfolios），44, 278, 280

模型验证（Model validation），450

信用利差与修改（Modifications, credit spread and），207

动量（Momentum），209, 272, 303, 361

动量因子（Momentum factors），177--178, 207

资金管理（Money management），464--465

货币市场（Money markets），70

抵押贷款支持证券策略（Mortgage-backed security, MBS, strategies），312--313

多资产模型（Multi-asset models），449--450

多重共线性（Multicollinearity），122, 146, 179, 439

多维标度（Multidimensional scaling），156

多因子溢价（Multifactor premia），25

多标签模式（Multi-label patterns），243

多期分析（Multiperiod analysis），293--294, 444

多策略 CTA（Multi-strategy CTAs），85

多策略基金（Multi-strategy funds），307, 315--317, 418

市政债券（Municipal bonds, munis），71

共同基金（Mutual funds），395

朴素策略与模型（Naive strategies and models），212, 254--255

自然资源（Natural resources），309

负利差（Negative carry），409

负凸性（Negative convexity），287, 410

神经网络（Neural networks），156, 228, 407--408

中性类（Neutral classes），243

纽约证券交易所（New York Stock Exchange, NYSE），114

没有免费午餐定理（No free lunch, NFL, theorem），227, 364

噪声（Noise），269, 367

非一致度量（Non-coherent measurements），438

风险的非线性估计（Nonlinear estimations of risk），410--411

非线性暴露（Nonlinear exposures），447

非线性投资（Nonlinear investments），439, 442

非线性度量（Nonlinear measures），429, 432

归一化（Normalization），143--144, 179

带信用溢价的票据结构（Note structures, with credit premium），206--207

现时预测（Nowcasts），102, 236

数值信号（Numerical signals），405

纽约证券交易所（NYSE, New York Stock Exchange），114

数据混淆（Obfuscation of data），241

目标函数（Objective function），212, 233, 416

投资目标（Objectives, investment），46--48, 282

可观察费用与成本（Observable fees and costs），353, 364

单边度量（One-sided measures），431--432

持仓不透明（Opacity, of holdings），439

运营委员会（Operating committees），41, 43--45

操作错误（Operational error），327

策略分析中的操作性因子（Operational factors in strategy analysis），320--321

操作性风险（Operational risk），301--302, 352, 363, 412, 457

操作性策略（Operational strategies），314

操作性违规（Operational violations），471

机会成本（Opportunity costs），354, 363--365

机会识别（Opportunity identification），472--474

机会矩阵（Opportunity matrix, threat matrix），23, 451--452

机会陈述（Opportunity statement），42--43

优化（Optimization），262, 268, 273--275, 326, 358, 415--416

优化假设（Optimization assumptions），280--281

订单簿（Order book），103, 338, 347, 350--351

配置的排序规则（Ordering rules for allocation），272

订单级数据（Order level data），350--351

订单路由（Order routing），326

订单（Orders），336--339, 349--351, 358

序数特征（Ordinal features），121, 141--144

归因中的正交性（Orthogonality, in attribution），440, 442

正交溢价（Orthogonal premia），25

僵化（Ossification）（参见锁定期 Lock-ups）

异常值（Outliers），137--140

外包开销（Outsourcing overhead），316

过度分散（Overdiversification），317

叠加层（Overlays），48, 257--258, 268, 306, 383, 385, 468--469

过采样（Oversampling），128--129, 238

监督（Oversight），49, 372, 462, 472, 474--475

过度简化（Oversimplification），261--262, 281, 428

参数估计（Parameter estimation），293, 450

被动管理（Passive management），265--266, 471

路径依赖响应（Path-dependent response），218--220, 242

违约概率（Probability of default, PD），206

PE（参见私募股权 Private equity）

市盈率扩张（P/E expansion），209

养老金（Pensions），10, 20, 21, 56

成交量百分比（Percent of volume, POV），182

绩效归因（Performance attribution），326, 335--336, 419--420

绩效违规（Performance breaches），471

绩效数据（Performance data），441

绩效评估（Performance evaluation），426, 439--445, 476

绩效费（Performance fees），9

绩效管理（Performance management），33--34

绩效度量（Performance measurement），87, 335--336, 349, 425--454, 462

绩效监控（Performance monitoring），326, 420

绩效统计（Performance statistics），435--437

周期性决策（Periodicity decisions），284, 358

周期性规约（Periodic specification），331

永久性影响（Permanent impact），359, 361, 363

坚持不懈（Perseverance），475

扰动（Perturbation），231, 450

PIPE 基金（PIPE funds），323

规划（Planning），5, 59, 455--456

点估计（Point estimates），113, 193

时点数据（Point-in-time data），96, 100--102

政策违规（Policy breaches），471

政策组合（Policy portfolio）（参见战略资产配置 Strategic asset allocation, SAA）

政治观点合规基金（Political-view-compliant funds），309

组合违规（Portfolio breaches），471

组合构建（Portfolio construction），31--33, 62, 257, 300--301

组合工厂方法（Portfolio factory approach），278--280, 393

回测器的组合管理模块（Portfolio management module of backtester），333

组合报告（Portfolio reporting），458

组合排序（Portfolio sorting），187--188

PORT 函数（PORT function, Bloomberg），27

成交量百分比（POV, percent of volume），182

精度（Precision），244, 440

精确率-召回率曲线（Precision-recall curve），139

可预测的外生风险（Predictable exogenous risks），457

可预测的费用与成本（Predictable fees and costs），354

预测交易成本（Predicting trading costs），358

作出预测（Predictions, making）（参见预测 Forecasting）

预测性分析（Predictive analysis），124, 232

优先股（Preferred stocks），63, 73

预处理（Preprocessing），136--140, 331

交易前条件（Pre-trade conditions），359--361, 363

市盈率扩张（Price/earnings, P/E, expansion），209

价格不敏感的代理人（Price-insensitive agents），474

定价模型（Pricing models），409

定价源数据（Pricing sources, data on），102

隐私（Privacy），241

私人银行（Private banks），10

私人客户的 IPS（Private clients, IPSs for），51

私募股权（Private equity, PE），9, 48, 86--87, 299

私募基金（Private issue funds），323

概率约束（Probabilistic constraints），293

概率方法（Probabilistic methods），156

概率度量（Probabilistic metrics），139

违约概率（Probability of default, PD），206

问题规约（Problem specification），60, 466

程序性报告（Procedural reporting），458

处理过载（Processing overload），475

产品成功（Product success），460--461

盈利能力（Profitability），462

项目定义（Program definition），43--45

累进税（Progressive taxes），392, 397

自营交易公司（Proprietary trading firms, prop houses），8

代理证券与组合（Proxy securities and portfolios），471

定性分析（Qualitative analysis），27

定性策略（Qualitative strategies），253--254, 306--307

质量因子（Quality factors），175--177, 207

量本位技术（Quantamental techniques），26, 307, 320

量化模型（Quantitative models），29

量化策略（Quantitative strategies），253--254, 345--346

作为特征的量（Quantities, as features），121

数量决策（Quantity decisions），215, 223, 242, 381, 383--385

排序特征（Ranking features），143

排序度量（Ranking metrics），139

发现速率（Rate of discovery, ROD），125, 126

原始逐笔数据（Raw ticks），349

房地产（Real estate），78--79, 89, 298, 314

房地产投资信托（Real estate investment trusts, REITs），79

响应的现实性（Realism, response），213

实时数据（Real-time data），96

再平衡（Rebalancing），31, 32, 257--258, 378--392, 414, 458

再平衡触发器（Rebalancing triggers），389--390

受试者工作特征曲线（Receiver operator curve, ROC），139

循环神经网络（Recurrent neural networks, RNNs），407--408

降维度量（Reduction metrics），156--157

体制变化（Regime changes），199, 208, 363, 411, 438, 452

体制检测策略（Regime detection strategies），253

体制择时（Regime timing），184

注册投资顾问案例研究（Registered investment advisor, RIA, case study），118--120

回归（Regressions），228

D 条例基金（Regulation D funds），323

法规与监管环境（Regulations and regulatory environment），285, 320, 380, 410

监管申报数据（Regulatory filings data），109--110

监管模型（Regulatory model），258

房地产投资信托（REITs, real estate investment trusts），79

相对约束（Relative constraints），286--287

相对绩效（Relative performance），433, 444

相对价值策略（Relative value, RV, strategies），253, 310, 418

ERP 的相关性（Relevance of ERP），208

宗教观点合规基金（Religious-view-compliant funds），309

报告（Reporting），48, 326, 441

报告风险（Reporting risk），458

回购协议（Repurchase agreements, repos），113, 471

必须报告（Required reporting），458

重采样（Resampling），342

资源调查（Resource surveys），60

响应函数（Response function），212

响应（Responses），100--101, 211--215, 218--220, 227

责任（Responsibility），37--38, 461--464

重组（Restructurings），321

ERP 与留存（Retention, ERP and），208

再训练（Retraining），230

收益分布（Return distribution），219--220

收益优化（Return optimization），273

基于收益的归因（Returns-based attribution），441--443

逆向工程基准（Reverse-engineering benchmarks），445

IPS 的复审（Reviews of IPS），49

档案数据的修订（Revisions, archival data），101

RIA 案例研究（RIA case study），118--120

正确方向风险（Right-way risk），17, 213n1, 229

风险文化（Risk, culture of），458, 462

风险调整后绩效（Risk-adjusted performance），287, 436--437

风险套利策略（Risk arbitrage strategies），321--322

风险感知执行方案（Risk-aware execution schemes），372

风险违规（Risk breaches），471

风险预算（Risk budget），20, 258, 274, 456

风险控制（Risk control），456, 466--467

风险因子的择时（Risk factors, timing of），184

无风险利率（Risk-free rate），204

风险识别（Risk identification），5

风险管理（Risk management），33--34, 44, 49, 256, 301--302, 411, 455--462, 465--472

回测器的风险管理功能（Risk management function, of backtester），334, 348--349

风险度量（Risk measurement），425--454, 462

风险缓解（Risk mitigation），394

风险模型（Risk models），257--260, 410--412

风险监控（Risk monitoring），326, 427, 458

风险优化（Risk optimization），273

风险溢价（Risk premia），24--25, 201--210

风险统计（Risk statistics），436

风险转移（Risk transfer），92, 467--470

风险触发器（Risk triggers），260, 301, 470--472

风险预警（Risk warnings），463

循环神经网络（RNNs, recurrent neural networks），407--408

稳健优化方法（Robust optimization methods），292--293

受试者工作特征曲线（ROC, receiver operator curve），139

发现速率（ROD, rate of discovery），125, 126

滚动期货合约（Rolling futures contracts），110--112

路由（Routing），358, 372

基于规则的模型（Rules-based models），227, 428--429

RV 策略（参见相对价值策略 Relative value strategies）

SAA（参见战略资产配置 Strategic asset allocation）

样本参数（Sample parameters），434

特征工程的采样（Sampling, for feature engineering），126--129

采样数据（Sampling data），106--112

可扩展性（Scalability），463

观测稀缺（Scarcity of observations），231

情境分析（Scenario analysis），451--452, 466

基于情境的优化（Scenario-based optimization），274--275

情境生成（Scenario generation），452--454

情境矩阵（Scenario matrix），23

调度算法（Scheduled algorithms），372

计划性费用与成本（Scheduled fees and costs），354, 364

评分函数（Scoring function），212

评分模型（Scoring models），249--264

季节性（Seasonality），181, 182, 362

席位价值（Seat value），368--369, 430

长期体制（Secular regimes），186--187

证券借贷（Securities lending），471

证券化产品（Securitized products），74--75

证券选择（Security selection），20, 22, 30--31, 276, 305--324, 417--419, 458

选择偏差（Selection bias），235, 240

选择违规（Selection breaches），471

选择决策（Selection decisions），215, 221--222, 242, 257, 358, 381, 383--385

自我报告（Self-reporting），438

卖出度量（Selling measures），396

半连续约束（Semicontinuous constraints），290

敏感性（Sensitivity），231, 244, 283

敏感性分析（Sensitivity analysis），45, 231, 326, 450, 466

情绪数据（Sentiment data），181, 288

独立管理账户（Separately managed accounts, SMAs），285, 316

结算期（Settlement periods），16--18

股东权益表（Shareholders' equity statement），104, 105

伊斯兰基金（Sharia funds），309

冲击（Shocks），411, 451, 466

卖空（Shorting, short selling），286--287, 409--410

信号与发信号（Signals and signaling），215--217, 271, 362--363, 405

简单规则配置（Simple rules allocation），268, 271--272

模拟（Simulations），327--336, 350, 359, 419, 452, 453

偿债基金工具（Sinking-fund instruments），70

规模决策（Size decisions），215, 223, 242, 381, 383--385

规模因子（Size factors），207

滑点（Slippage），351, 354, 359--360

智能贝塔（Smart beta），24, 85--86, 250, 306, 445

独立管理账户（SMAs, separately managed accounts），285, 316

数据平滑（Smoothing, data），109

软约束（Soft constraints），290

软货币费用（Soft-currency fees），354, 356--357

方案分析（Solution analysis），43

主权债券（Sovereign bonds），70--71, 313

主权财富基金（Sovereign wealth funds），10, 56

SPAC 基金（SPAC funds），323

特殊事件择时（Special event timing），361

特殊情境策略（Special situation strategies），323

规约问题（Specification issues），357--358

特定报告（Specific reporting），458

分拆（Spinoffs），113, 321

零星延迟（Sporadic delays），439

堆栈（Stack）（参见订单簿 Order book）

堆叠（Stacking），25, 406

标准假设的违反（Standard assumptions, violations of），180

标准化（Standardization），143--144, 227

财务状况表（Statement of financial condition），104, 105

静态模型（Static models），230

平稳性（Stationarity），179

统计模型（Statistical models），227, 253

稳态（Steady state），360--361

随机控制（Stochastic control），274, 275, 293

随机方法（Stochastic methods），156, 417

随机规划（Stochastic programming），293--294

止损（Stop losses），288--289

战略资产配置（Strategic asset allocation, SAA），19--22, 275, 444

战略预测（Strategic forecasting），198--200

战略性基金（Strategic funds），315

分层采样（Stratified sampling），127, 137, 272

压力测试（Stress testing），161, 326, 451

结构性偏差（Structural bias），444

结构性违规（Structural breaches），471

结构模型（Structural models），228, 233, 253

结构性体制变化（Structural regime changes），438

结构性风险溢价（Structural risk premia），24--25

结构化基金（Structured funds），309

结构化票据（Structured notes），75--77

风格归因（Style attribution），441--443

风格漂移（Style drift），438

风格特征（Style features），173--179, 207

替代（Substitution），372, 400

供给（Supply），201, 204, 474

调查（Surveys），106, 201

幸存者偏差（Survivorship bias），180, 199, 208--209, 438

可持续性（Sustainability），463

互换（Swaps），66, 77--78, 318n6

对称度量（Symmetric measures），431--432

对称策略（Symmetric strategies），465

合成公司暴露（Synthetic company exposure），66--67

合成数据（Synthetic data），106, 160--162, 237, 239--240, 343--344

系统性偏差（Systematic biases），472

系统性风险管理（Systematic risk management），465--472

系统性策略（Systematic strategies），33, 309, 310

战术资产配置（Tactical asset allocation, TAA），22--23, 275--276

战术预测（Tactical forecasting），200--201

战术展望（Tactical outlook），451--452

止盈订单（Take-profit orders），288--289

接受者-撮合者方案（Taker-maker schemes），356

有形资产（Tangible assets），311

税收优惠产品（Tax-advantaged products），71

税收 Alpha 衰减（Tax-alpha decay），399--401

管理税收效应（Tax effects, managing），394--397

税收高效投资（Tax-efficient investing），392, 396--397

税收（Taxes），288--289, 356, 378, 392--401, 443

税收损失收割（Tax-loss harvesting, TLH），288, 392, 397--401

税收批次（Tax lots），285, 332

TCA（参见交易成本分析 Transaction cost analysis）

技术约束（Technical constraints），285, 289--290

技术策略（Technical strategies），253

技术变换（Technical transformation），142

技术（Technology），282

时间变换（Temporal transformation），142, 146--150

临时性影响（Temporary impact），359--362

期限溢价（Term premium），99, 178, 204--205

投资条款（Terms of investment），53--54

特斯拉（Tesla），68

文本即数据框架（Text-as-data framework），409

主题基金（Thematic funds），309, 319

主题策略（Thematic strategies），307, 308, 417

理论价值（Theoretical value），220

威胁矩阵（Threat matrix），23, 451--452

阈值度量（Threshold metrics），138

逐笔数据（Ticks），103, 147, 349

组合倾斜（Tilts, portfolio），22

时间（Time, diversification and），269--270

时间 K 线（Time bars），349

时间依赖（Time dependence），187, 215--217, 242

有效时间修饰符（Time-in-force modifiers），337

时间不变方法（Time-invariant methods），466

及时性（Timeliness），185

时间序列分析（Time-series analysis），207, 407--408

时间序列数据（Time-series data），97, 98

时间序列技术（Time-series techniques），268, 300--303, 415

特征择时（Timing, feature），182--186

择时决策（Timing decisions），31, 222, 242, 259, 358, 440, 466

TLH（参见税收损失收割 Tax-loss harvesting）

"未来态"分析（"To-be" analysis），42--43

容忍度再平衡（Tolerance rebalancing），387, 388

交易订单管理系统（Transaction order management system, TOMS），347

跟踪误差（Tracking error），286, 355, 400, 444

响应的可处理性（Tractability, response），214, 219

交易成本（Trading costs），352, 358--363

交易效率（Trading efficiency），326

训练负担（Training burden），231

分券（Tranches），75

交易成本分析（Transaction cost analysis, TCA），335--336, 349, 413

交易成本模型（Transaction cost models），413

交易成本（Transaction costs），347--375, 419, 443

交易订单管理系统（Transaction order management system, TOMS），347

基于交易的数据（Transactions-based data），443

交易阶段（Transaction stages），360--361

模型迁移（Transference, model），263

迁移学习（Transfer learning），230, 233, 236, 330, 408

变换（Transformations, feature extraction），140--144, 146--150

透明度（Transparency），427--428

趋势（Trends），199, 308, 409, 466

触发算法（Triggered algorithms），372

三重障碍法（Triple barrier method），218

换手率（Turnover），289--290, 381, 383--384, 434

无界的内生风险（Unbounded endogenous risks），457

不确定费用与成本（Uncertain fees and costs），354, 364

不确定性（Uncertainty），229, 259--260, 272, 283, 291, 361, 437--439, 450

无补偿风险（Uncompensated risk），457

欠采样（Undersampling），128--129, 238

不熟悉偏差（Unfamiliarity biases），472

对冲的非预期后果（Unintended consequences of hedging），380--382

非本意风险（Unintentional risks），365, 457

不可预测的外生风险（Unpredictable exogenous risks），457

美国政府短期、中期和长期债券（US government bills, notes, and bonds, goviest），70, 380

基于效用的方法（Utility-based methods），433

利用率数据（Utilization data），99

验证（Validation），344--345

风险价值（Value-at-risk, VaR），17--18, 411

价值因子（Value factors），175--177, 207

可变费用与成本（Variable fees and costs），354, 364

变量数量（Variables, number of），255, 256

方差（Variance），153, 228, 259, 273, 371

风险价值（VaR, value-at-risk），17--18, 411

向量化回测（Vectorized backtesting），328--330

验证（Verification），284

年份（Vintages），86, 101, 397

费用与成本的可见性（Visibility, cost and fee），353--354

可视化（Visualizations），129, 131--132

VIX（CBOE 波动率指数 CBOE Volatility Index），65, 110

波动率（Volatility），92, 362, 410

波动率套利（Volatility arbitrage），310

波动率因子（Volatility factors），177--178, 207

波动率策略（Volatility strategies），313

成交量度量（Volume measures），179

VXX（iPath S&P 500 VIX 短期期货 ETN），65, 110

工资数据（Wage data），99

前进法（Walk-forward method），340, 341（参见交叉验证 Cross-validation, CV）

财富管理顾问（Wealth management advisories），9, 51, 55, 395--396

加权（Weighting），22, 119--120, 199, 270, 302, 386--389, 445

白标（White-labeling），12

整笔贷款（Whole loans），74

窗口粉饰效应（Window dressing effect），146, 438

盈亏统计（Win/loss statistics），435

提取（Withdrawal），287--288, 378, 392

封装器（Wrappers, feature），133, 158, 238

收益率曲线（Yield curve），99--100

僵尸公司（Zombie companies），410

关于作者#

[M]ichael Robbins 是一家大型投资公司的首席投资官（Chief Investment Officer）。这是他的第六个 CIO 任命，其中包括一家拥有 850 万客户的银行。他曾管理养老金、捐赠基金（endowment）和家族办公室（family office），并曾任犹他州（State of Utah）各系统的首席风险官（Chief Risk Officer）。Michael 担任私募股权（private equity）董事会董事，并在 Columbia University 任教授，教授量化投资，包括全球宏观经济战术资产配置（global macroeconomic tactical asset allocation, GTAA）和环境、社会与治理（environmental, social, and governance, ESG）投资的研究生课程。