主动投资组合管理

Kin_桑 2016-11-23 0

内容充实，多因子那块内容再多点就好了

hilbertan 2017-02-05 1

这本书适合认真反复阅读四五遍以上。心如止水。何必浮名绊此生。

yema 2015-03-29 0

一本真正教你投资的书！

MartinCJ 2016-01-18 0

教科书

樱木哈哈 2016-11-18 0

量化基石，高频交易的理论基础~ 不过翻译语句读的太难受了~

羲吾 2015-06-24 0

还是看不懂。。。。。。日后再看。。。。。

OntheDesk 2016-08-29 3

哈哈，学完CFA之后再读就木有压力了，不过还是要实操！

OntheDesk 2016-08-29 3

哈哈，学完CFA之后再读就木有压力了，不过还是要实操！

hilbertan 2017-02-05 1

这本书适合认真反复阅读四五遍以上。心如止水。何必浮名绊此生。

Kin_桑 2016-11-23 0

内容充实，多因子那块内容再多点就好了

yema 2015-03-29 0

一本真正教你投资的书！

MartinCJ 2016-01-18 0

教科书

樱木哈哈 2016-11-18 0

量化基石，高频交易的理论基础~ 不过翻译语句读的太难受了~

羲吾 2015-06-24 0

还是看不懂。。。。。。日后再看。。。。。

我想说两句

主动投资组合管理读书笔记

樱木哈哈 2016-11-19 0赞

1整本书还是体现了西方式思维，作者的关注点和理念在于把直觉、建议和灵感转化为分析、流程和结构。就像西餐厅总能提供出来标准化的服务。个人认为立足点偏宏观，投资这东西还是抓漏洞、等别人失误，或者靠信息不对称。

2把业绩划分为基准和残差收益，也就是和业绩基准不相关的部分。

3作者并不热衷于基准择时，认为对整体收益的提高有限，而是关注两个方面：A获取残差收益的能力IC；B投资的广度BR；

4CAPM模型的残差收益期望为0，也推导出没有信息优势的人应该持有市场基准组合。所以主动投资经理能力的分野在于获取残差收益的能力。

5认为风险本质依赖于收益率的概率分布，风险是收益率的标准差，也可以称作为波动率。

6根据对风险的数学定义，推导出风险的不可加性，并且分散投资会显著性的降低整体风险，这都是很久远的基础理论，并且很少人对基于历史样本的风险模型感兴趣。

7作者认为择时决策应该与选股决策相分离，赞同。
预期的收益率包含四项：A时间溢价B基准部分C择时部分D阿尔法部分
并且通过基准择时产生附加值的机会很小。并不是说择时没用，而是努力与效果不成比例。

8投资经理的信息率IR及残差风险厌恶程度决定了激进程度
IR不依赖于激进程度，但决定了机会集，IR=残差收益率/残差风险；
附加值依赖于机会集和激进程度；
现金的阿尔法为0

9 IR=IC*sqrt(BR);
IC是投资经理的能力，是判断与结果的相关系数；
BR是投资策略的广度；
如果要求IR可加，那么IC针对每次判断决策最好独立，并且要求决策之间IC差别不大；
所以推导出对投资经理能力的要求并不需要很高的IC，而是需要配合很高的广度BR；
（觉得这里是高频交易能成功的理论基石）

10套利：0成本获得确定性收益。
又讲历史回顾不能代表未来，因为市场是动态的。

11估值理论：略去；

12投资的艺术性：量化帮助我们关注洞察力，但并不能取代洞察力。很有道理。

13作者对IC的评价范围0.05=良好、0.1优秀、0.15大师、0.2以上有内幕或者是带有记忆性模型的回测。个人认为如果简化盈亏比为1:1的情况，IC=0.05意味着只需要52.5%的判断准确性，同理IC=0.1等价55%；而60%以上的判断正确率意味着内幕交易。
或许很多人认为这种评价范围太低了，个人认为是很合适的。因为投资大师的年化收益率也很难超过20%，认为低的人要么是高手、要么是没有管理过上亿资金。换到实业领域，一年ROE超过20%的公司也很少，A股上市公司接近3k，实际上不超过60家ROE能到20%，能每年保持的就更少了。

14IC的不确定性或者说向0收缩，会导致阿尔法能力的衰减。

遗憾的是读完全书，作者站在宏观的角度上分析的头头是道，公式推导眼花缭乱，但是并没有告诉你获得强大稳健IC的能力或者方法，只是说你的方向应该是脱离对高IC的追求，而是应该增加对投资广度BR的研究。等于说科学的讲：高频交易才是出路。

有时候学点科学让人对现实更加悲观无奈，还是试试运气吧！

BTW：清华大学出版社翻译版本好多了~
https://book.douban.com/subject/3107257/

实用性与科学性的平衡

李子墨 2016-06-11 4赞

2016年8月19日补
关于英文原版和中文翻译的选择。
个人意见是：对于专业性书，译者要看懂原文才好作翻译。
举例而言，一致预期收益率。为何它翻译成一致预期收益率，经过维基百科等的搜索，似乎这不是一个专业词汇。
然后英文版中有这么一句，This is in fact what we mean by "consensus." The market portfolio is the consensus portfolio, and the CAPM leads to the expected returns which make the market mean/variance optimal.
这种翻译的时候，少一个一致上面的引号都不行。要不然不容易读懂。

=====================================
首先，一样东西要是真理，才值得看。
其次，它最好显得简单，我看得懂。
这大概就是一本企图做到这两点的书。

翻译的水平总体来讲还行。如果有疑问，可以对照网上的英文原版。但是缺少一个中英的索引，这个很关键，比如因子暴露，有许多人翻译成因子载荷，因子敏感度等等……有些可能中文名词与英文直译不相关的，可以来个译者注，比如我现在还不知道EPS鱼雷是什么。

用python做了里面讲到的许多分析，但是看得懂不表示实现的了，理解了背后的思想，不懂线性代数，有些代码要写起来，总是觉得费力。
在这个里面，统计学很重要，可惜python对于统计的库statsmodel还不是完美。向逐步回归等等似乎还没有包括进去，主成分分析也没有，虽然matplotlib.mlab里有……但是一个统计库的不完善就讨论的人少。越到后来，实现起来越难。

举个理解容易写代码难的问题，结构化风险模型，大致可以看到是在降低维度，将一个协方差矩阵用因子矩阵来代替。但是，因子确定，因子估计，模型实现，不头疼是不可能的。

另外虽然现在国内出现了tushare这样好用的股市相关的库，但是，还有更多的东西需要处理。比如复权。

如果做量化分析，这本书可以是一个良好的开始。如果不以此为职业，这本书也有用的地方，比如，降低自己的投资风险，我们拿方差来衡量风险的话。给个例子：一般常在说的一句话是，不要把鸡蛋放在同一个篮子里，需要分散化投资。
但是其实如果有两个强正相关的股票，假设99%，那么实际上这种风散投资完全没有降低风险，但是如果两个完全不相关的股票，那么风险就只有方差之和的平方根。这就切切实实的降低了风险。
然后如果我们假定行业是一个影响风险的重要因子，那么我们可以大致根据历史数据做个相关性的衡量。比如铁路和空运的行业，就有比较大的相关性……

为何我说这本书是起点，而不是终点。举个自己做的例子，拿信息率作为衡量，对三年的历史数据做回归分析，发现一堆高信息率的都是曾经的ST公司……我不喜欢借壳上市的赌，赌自己有没有买对壳。所以对于这种公司，前期应该把它筛选掉。这部分在数据挖掘中被谈到很多。

当心书中对于数据挖掘的批判。因为这年头，数据挖掘也是前沿学科。向书中提到的神经网络等等，也被应用到数据挖掘中。对于不正常数据的筛选，数据挖掘可能的方法有许多优势。但总体来讲是，需要的知识要命啊。

客户承担市场风险，主动经理承担残差风险。这是书中的一句原话。书中没有告诉你市场风险的确定，但对于客户来讲，有时候市场风险比残差风险大很多。以译者的序为例就是，牛市的时候似乎炒股的人人都赚钱。

通常，barra的结构化风险模型，只在其他的金融建模的书中占小的一节。就如它谈到ARMA等等算法的时候，只是稍稍说了下。

实用性与科学性的平衡

李子墨 2016-06-11 4

2016年8月19日补
关于英文原版和中文翻译的选择。
个人意见是：对于专业性书，译者要看懂原文才好作翻译。
举例而言，一致预期收益率。为何它翻译成一致预期收益率，经过维基百科等的搜索，似乎这不是一个专业词汇。
然后英文版中有这么一句，This is in fact what we mean by "consensus." The market portfolio is the consensus portfolio, and the CAPM leads to the expected returns which make the market mean/variance optimal.
这种翻译的时候，少一个一致上面的引号都不行。要不然不容易读懂。

=====================================
首先，一样东西要是真理，才值得看。
其次，它最好显得简单，我看得懂。
这大概就是一本企图做到这两点的书。

翻译的水平总体来讲还行。如果有疑问，可以对照网上的英文原版。但是缺少一个中英的索引，这个很关键，比如因子暴露，有许多人翻译成因子载荷，因子敏感度等等……有些可能中文名词与英文直译不相关的，可以来个译者注，比如我现在还不知道EPS鱼雷是什么。

用python做了里面讲到的许多分析，但是看得懂不表示实现的了，理解了背后的思想，不懂线性代数，有些代码要写起来，总是觉得费力。
在这个里面，统计学很重要，可惜python对于统计的库statsmodel还不是完美。向逐步回归等等似乎还没有包括进去，主成分分析也没有，虽然matplotlib.mlab里有……但是一个统计库的不完善就讨论的人少。越到后来，实现起来越难。

举个理解容易写代码难的问题，结构化风险模型，大致可以看到是在降低维度，将一个协方差矩阵用因子矩阵来代替。但是，因子确定，因子估计，模型实现，不头疼是不可能的。

另外虽然现在国内出现了tushare这样好用的股市相关的库，但是，还有更多的东西需要处理。比如复权。

如果做量化分析，这本书可以是一个良好的开始。如果不以此为职业，这本书也有用的地方，比如，降低自己的投资风险，我们拿方差来衡量风险的话。给个例子：一般常在说的一句话是，不要把鸡蛋放在同一个篮子里，需要分散化投资。
但是其实如果有两个强正相关的股票，假设99%，那么实际上这种风散投资完全没有降低风险，但是如果两个完全不相关的股票，那么风险就只有方差之和的平方根。这就切切实实的降低了风险。
然后如果我们假定行业是一个影响风险的重要因子，那么我们可以大致根据历史数据做个相关性的衡量。比如铁路和空运的行业，就有比较大的相关性……

为何我说这本书是起点，而不是终点。举个自己做的例子，拿信息率作为衡量，对三年的历史数据做回归分析，发现一堆高信息率的都是曾经的ST公司……我不喜欢借壳上市的赌，赌自己有没有买对壳。所以对于这种公司，前期应该把它筛选掉。这部分在数据挖掘中被谈到很多。

当心书中对于数据挖掘的批判。因为这年头，数据挖掘也是前沿学科。向书中提到的神经网络等等，也被应用到数据挖掘中。对于不正常数据的筛选，数据挖掘可能的方法有许多优势。但总体来讲是，需要的知识要命啊。

客户承担市场风险，主动经理承担残差风险。这是书中的一句原话。书中没有告诉你市场风险的确定，但对于客户来讲，有时候市场风险比残差风险大很多。以译者的序为例就是，牛市的时候似乎炒股的人人都赚钱。

通常，barra的结构化风险模型，只在其他的金融建模的书中占小的一节。就如它谈到ARMA等等算法的时候，只是稍稍说了下。

主动投资组合管理读书笔记

樱木哈哈 2016-11-19 0

1整本书还是体现了西方式思维，作者的关注点和理念在于把直觉、建议和灵感转化为分析、流程和结构。就像西餐厅总能提供出来标准化的服务。个人认为立足点偏宏观，投资这东西还是抓漏洞、等别人失误，或者靠信息不对称。

2把业绩划分为基准和残差收益，也就是和业绩基准不相关的部分。

3作者并不热衷于基准择时，认为对整体收益的提高有限，而是关注两个方面：A获取残差收益的能力IC；B投资的广度BR；

4CAPM模型的残差收益期望为0，也推导出没有信息优势的人应该持有市场基准组合。所以主动投资经理能力的分野在于获取残差收益的能力。

5认为风险本质依赖于收益率的概率分布，风险是收益率的标准差，也可以称作为波动率。

6根据对风险的数学定义，推导出风险的不可加性，并且分散投资会显著性的降低整体风险，这都是很久远的基础理论，并且很少人对基于历史样本的风险模型感兴趣。

7作者认为择时决策应该与选股决策相分离，赞同。
预期的收益率包含四项：A时间溢价B基准部分C择时部分D阿尔法部分
并且通过基准择时产生附加值的机会很小。并不是说择时没用，而是努力与效果不成比例。

8投资经理的信息率IR及残差风险厌恶程度决定了激进程度
IR不依赖于激进程度，但决定了机会集，IR=残差收益率/残差风险；
附加值依赖于机会集和激进程度；
现金的阿尔法为0

9 IR=IC*sqrt(BR);
IC是投资经理的能力，是判断与结果的相关系数；
BR是投资策略的广度；
如果要求IR可加，那么IC针对每次判断决策最好独立，并且要求决策之间IC差别不大；
所以推导出对投资经理能力的要求并不需要很高的IC，而是需要配合很高的广度BR；
（觉得这里是高频交易能成功的理论基石）

10套利：0成本获得确定性收益。
又讲历史回顾不能代表未来，因为市场是动态的。

11估值理论：略去；

12投资的艺术性：量化帮助我们关注洞察力，但并不能取代洞察力。很有道理。

13作者对IC的评价范围0.05=良好、0.1优秀、0.15大师、0.2以上有内幕或者是带有记忆性模型的回测。个人认为如果简化盈亏比为1:1的情况，IC=0.05意味着只需要52.5%的判断准确性，同理IC=0.1等价55%；而60%以上的判断正确率意味着内幕交易。
或许很多人认为这种评价范围太低了，个人认为是很合适的。因为投资大师的年化收益率也很难超过20%，认为低的人要么是高手、要么是没有管理过上亿资金。换到实业领域，一年ROE超过20%的公司也很少，A股上市公司接近3k，实际上不超过60家ROE能到20%，能每年保持的就更少了。

14IC的不确定性或者说向0收缩，会导致阿尔法能力的衰减。

遗憾的是读完全书，作者站在宏观的角度上分析的头头是道，公式推导眼花缭乱，但是并没有告诉你获得强大稳健IC的能力或者方法，只是说你的方向应该是脱离对高IC的追求，而是应该增加对投资广度BR的研究。等于说科学的讲：高频交易才是出路。

有时候学点科学让人对现实更加悲观无奈，还是试试运气吧！

BTW：清华大学出版社翻译版本好多了~
https://book.douban.com/subject/3107257/

我要写长评

想读在读读过

标签(多个标签以“，”分开):

保存

主动投资组合管理

推荐文章

猜你喜欢

附近的人在看

推荐阅读

拓展阅读