新書推薦：
《
那本书是（吉竹伸介与又吉直树 天才联动！）
》
售價：NT$
454.0
《
传播的跃迁：人工智能如何革新人类的交流
》
售價：NT$
505.0
《
纯粹·古代中国的历史与制度
》
售價：NT$
286.0
《
生活来来往往 别等来日方长 新版（伍佰：“讲好了这一辈子，再度重相逢。”别等，别遗憾！珍惜当下才是最好的解药）
》
售價：NT$
265.0
《
一个英国军事顾问眼中的二战
》
售價：NT$
1265.0
《
就业、利息和货币通论（徐毓枬译本）（经济学名著译丛）
》
售價：NT$
306.0
《
瘦肝
》
售價：NT$
454.0
《
股票大作手回忆录
》
售價：NT$
254.0
|
| 內容簡介： |
机构投资者构建体系化的深度认知护城河
战略与战术性资产配置的底层逻辑新范式
◎近年来，指数型投资策略的市场份额已超过主动管理型策略，主动选股者应如何第一时间找到被大量抛售的ETF，识别其中的局外股，因主动选股而赚取超额收益？
◎市盈率、市净率和市现率等基本面分析指标，哪个指标最有可能预测实际收益与初始净利润和增长预测之间的差异？是否存在将前瞻性投资判断与量化分析相结合的方法？
◎在金融危机期间，多元化投资几乎毫无例外地以失败告终，在某些市场环境下，股票-债券的相关性甚至会失效，为何久期风险可能是多资产组合中唯一真正的多元化来源？
《杰出投资者的顶层认知》是普信集团的顶尖资产配置专家塞巴斯蒂安·佩奇撰写，援引200多篇金融学家文章，融合马科维茨、萨缪尔森、威廉·夏普、默顿·米勒、罗伯特·希勒、罗伯特·恩格尔等众多诺贝尔经济学奖得主和前沿金融思想家的研究成果，赋予原本枯燥的资产配置理论鲜活的生命，诠释了资产配置、风险衡量和预测收益等领域最新的调查研究成果，带来了超越传统格局的投资新思维。
本书理论扎实，资料来源权威可靠。书中巧妙地把学术成就和实践成果融为一体，详细介绍了普信集团资产配置团队完整的决策过程；同时书中还妙趣横生地讲述了马科维茨、萨缪尔森亲自参与讨论投资组合的轶事，以寓教于乐的方式为我们全面论述了最先进的资产配置技术。
但本书反复强调，金融从业者不应执迷理论研究，因为任何理论、模型或“秘方”都不能取代个人良好的判断力，故应致力于提高决策过程的质量。读懂本书，个人和机构都将掌握在自己能承担的既定风险水平下实现最高的收益率。
|
| 關於作者： |
塞巴斯蒂安·佩奇 （Sébastien Page）
◎普信集团全球多元化资产部门首席投资官
◎管理资产规模超过3500亿美元
◎诺贝尔经济学奖大热候选人
佩奇是这个时代资产配置领域伟大的投资者，他率先提出基于收益率和风险构建投资组合，管理资产规模超3500亿美元。他总是尝试用易于理解的方式去解释复杂的投资话题，被誉为具有创造性的思想家。
佩奇还是令人敬畏的金融学导师，他善于引导诸多最有天赋的投资者进行激烈辩论，为他们的关键决策提供最宝贵的信息。佩奇坚持脚踏实地、严谨自律的学术作风，2003年、2010年和2011年发表在《投资组合管理杂志》的文章，以及2010年和2014年发表在《金融分析师杂志》的文章，均获研究论文奖。
此外，佩奇拥有无与伦比的勇气，有自己的一定之规和思维过程，对已经约定俗成的权威金融观点也时常提出颠覆性看法。作为特许金融分析师，他经常在特许金融分析师协会上发表主题演讲；彭博电视台和美国消费者新闻与商业频道等权威财经媒体定期邀请佩奇发表专业评论。
|
| 目錄：
|
第一部分 投资前提：预测收益率
第 1 章 资本资产定价模型不完美但实用
金融学中的“牛顿运动定律”
股市收益率平均水平的计算方法
到期收益率是评估债券收益率的最优指标
投资组合应包括的资产类别以及权重
计算不同市场里不同资产的平均收益率
CAPM 是预测收益率的最好参照基准
第 2 章 给市场估值，哪些指标更实用？
最简单的基础估值模型：累积法
基本面分析与量化分析并非格格不入
延长时间窗口，利率走向并不如想象中重要
第 3 章 估值指标在短期内存在的不确定性
实战案例1：普信集团如何进行短期的动态配置？
哪个估值指标预测精确度更高？
加息对股市而言一定是利空吗？
第 4 章 宏观因子能否预测短期收益率？
金融投资界对宏观因子的研究
实际运用宏观因子存在的难点
宏观因子与短期收益率几乎不可能建立因果关联
第 5 章 价格动量在实际中的预测性
动量策略VS 估值策略
动量预测股票：短期有效，长期均值回归
动量预测债券：聊胜于无
实战案例2：普信集团如何做投资决策？
第 6 章 不要拒绝经验和判断
除了数学计算，资产价格由人决定
预测收益率的20 条经验法则
第二部分 投资准备：预测风险
第 7 章 基于风险的投资更简单、稳健
波动率管理策略胜过传统平衡型基金
波动率风险溢价或许代表对尾部风险的补偿
波动率管理策略优于买入并持有策略
第 8 章 风险持续性与时间窗口的关联性
时间窗口越短，风险持续性越明显
时间窗口越长，均值回归越明显
偏态和峰度没有可预测性，也没有持久性
第 9 章 资产多元化就可对抗风险吗？
资产相关性在下行期增加，上行期减少
不要神话多元化，资产配置不是免费午餐
股债相关性远比我们以为的更复杂
7 条尾部风险认知分析的建议
第10 章 资产相关性是否可预测？
资产相关性可预测的最佳节点
条件风险价值具有良好预测能力
复杂并不代表最优，基本参数的选取很重要
第11 章 肥尾效应：罕见却可能发生
黑天鹅事件不可预测，必须学会适应其存在
25 个西格玛事件发生概率有多低？
攻守兼备：情景分析法
难以置信的风险误测？却频频发生
第三部分 开始投资：构建投资组合的顶层认知
第12 章 风险因子构建组合是否更能抵御市场波动？
资产类别对风险因子的窗口随时间而变化
不同情景下的风险溢价
莫陷入数据过度拟合的陷阱中
第13 章 个人投资者应按什么调整股债比例？
人力资本也是生命周期投资的一部分
人力资本到底是像股票还是像债券？
懒人理财首选：目标日期基金
第14 章 优化投资组合需要考虑哪些因素？
发起异想天开的智力竞赛，只为比拼优化结果
寻找最简单和最复杂之间的优化模型
如何解决优化导致的个别资产过度集中？
优化的价值是否被过分夸大？
关于风险平价策略的争论仍在继续
第15 章 私募股权能否提升投资组合收益率？
私募股权的业绩存在注水嫌疑
私募股权基金更易遭受流动性危机
公募股权与私募股权之间的非公平竞争
第16 章 主动选股者如何从指数基金中获利？
指数基金规模越大，主动选股者越容易赢
实战案例1：医疗ETF 内局外股跑赢其板块指数14.2%
实战案例2：金融ETF 内局外股跑赢其板块指数20%
不同风格投资者的相爱相杀
第17 章 6 个可复制、可落地的投资组合范例
自动驾驶式资产配置方案
保守型资产配置方案
中等风险资产配置方案
全球多元化均衡资产配置方案
收益最大化资产配置方案
特殊组合：针对波动率的资产配置方案
资产配置仍处于持续快速发展阶段
后 记 永无止境地追求更好的资产配置结果
|
| 內容試閱：
|
第一部分 投资前提：预测收益率
几年前，我曾参加过一场小规模量化分析研究会，当我昏昏欲睡时，一场有趣的讨论悄然发生。一位采取基本面策略的基金经理（应该算宽客中的异端）略显粗鲁地问会议主持人，按照对“GIGO”（garbage in，garbage out， 意为输入垃圾，输出垃圾）的指责，是否所有投资组合优化模型实际上都一无是处。这个问题让整个会议室顿时鸦雀无声。
激怒宽客（量化分析师）最简单的方法，或许就是祭出对“GIGO”的诋毁。提问者继续辩称，既然我们无法以合理的置信度评估预期收益率（输入垃圾），投资组合优化模型的输出永远不可能是正确的（输出垃圾）。这样的指责是有道理的，因为投资组合优化模型经常给人以错误的精确感。归根结底，市场上永远都不存在金融炼金术这样的神技—任何计算器都不可能把错误的输入转化为正确的结果。从广义上说，投资组合优化模型不过是非常复杂的计算器而已。
会议主持人是博尔德·舍雷尔（Bernd Scherer）博士，他是业内备受推崇的一位思维领袖，多年来横跨学术界和投资实践领域，业绩与声誉俱佳。舍雷尔博士刚刚从海外归来，还处于倒时差中，完全没有心情在哲学层面上讨论GIGO 这样的话题。这让我听到有史以来最凌厉的反驳之一。辩论刚开场，他的回答已经结束。这些年来，这句话一直萦绕在我的耳边。他说得铿锵有力：“如果你觉得没有办法评估预期收益率，就不要做投资。”
投资前的一项重要任务就是预测收益率。投资者或许不能把预期收益率界定为单一精确数字，但是在选择股票、债券或配置资产时，他们也会根据价格作出隐含性预测。这些隐含性预测固然不准确，但至少需要反映市场走势，比如上涨还是下跌？跑赢还是落后大盘？并在一定程度上预测与头寸规模相对应的涨跌幅度。即使是风险平价策略的支持者，在确定风险收益率对投资组合的贡献时，也需要对隐含性收益率作出假设。总而言之，我们必须在收益率预期和风险之间实现均衡。这就需要我们充分考虑相关性、投资目标、投资的时间窗口、风险承受能力以及负债水平等。但回想一下舍雷尔博士的说法：如果你认为自己对预期收益率一无所知，当然也就难以称自己为真正的投资者。
测算预期收益率的方法有很多种，从基本面分析到量化分析，以及介于两者之间的诸多模型。多年来，我曾与很多投资者进行过合作，他们普遍认为，对历史数据的过度依赖使得量化模型过于幼稚；与我合作过的量化分析师则认为，基本面策略缺乏严谨性，不过是各种故事的大杂烩而已。但大多数成功投资者当然不会这么教条，实际上，他们的观点介于基本面分析和量化分析之间。他们认为，只要把强大的动量数据分析与基本面的前瞻性判断结合起来，就能获得最佳结果。
当然，问题在于如何让基本面分析与量化分析实现结合，本书将对此提出建议。但首先需说明的是，仅仅因为使用的是历史数据（因而不具有“前瞻性”），就把量化预期收益率归于无用，这样的批评显然失之偏颇，自然也要予以反驳。至于对“GIGO”的批评，更是曾让我“血压升高”。
毕业后，我的职业生涯是从道富银行（State Street）开始的。我当时的一项重要任务，就是参与预测量化分析中的预期收益率。客户有时会质疑这些模型，他们会说：“这种方法根本行不通，因为它只考虑历史数据，没有考虑未来趋势，但目前的市场环境已发生很大变化。”
尽管我非常热爱道富银行的这份工作，但同时也苦于全球各地旅行带来的紧张压力。有一天，在我还没有消除时差反应的时候，再次遇到有人对预期收益率提出疑问，像舍雷尔博士一样，我毫不客气地给客户做出最简短的反击：“我很抱歉，虽然我也在到处寻找预测未来数据的水晶球，但没有找到。彭博社也不会找到。”
其实，我想说的关键是，历史数据就是我们唯一拥有的信息。它们的价值至少体现在帮助我们形成对未来的认识。正因为如此，我们将在本章中探讨各种针对预期收益率的分析方法。
资本资产定价模型不完美但实用
对多元化资产投资者而言，预测未来收益率的基础方法，就是使用CAPM。尽管存在诸多缺陷，但CAPM 的实践效果显然超过大多数投资者的认识，因为它将预期收益率、风险以及当前利率水平的客观标准联系起来。20 世纪60 年代，美国学者威廉·夏普（William Sharpe）、约翰·林特尔（John Lintner）、杰克·特里诺（Jack Treynor）和简·莫辛（Jan Mossin）等人从投资组合理论出发，分别开发出各自的CAPM 。任何学过基础金融知识的人都应该熟悉CAPM。我在读本科的时候，第一次了解到这个模型背后的历史变迁。当时，一位教授送给我一本彼得·伯恩斯坦（Peter L. Bernstein）出版于1991 年的著作《资本革命》（Capital Ideas），这是一本介绍现代金融起源和发展历程的鸿篇巨作。这本书比我读过的任何其他书都更影响我对金融的兴趣和职业选择的规划。
在2007 年出版的续集《资本新革命》（Capital Ideas Evolving）中，伯恩斯坦对《资本革命》所述概念的实践应用进行了讨论。对此，伯恩斯坦得出的结论是：“在《资本革命》一书中提出的所有理论，CAPM已经成为最吸引业界关注，或许也是最具影响力的理论。”同样不能不提的还有出版于1995 年的《现代投资组合理论与投资分析》（Modern Portfolio Teory and Investment Analysis），在这本已被奉为殿堂级教科书的作品中，埃德温·埃尔顿（Edwin Elton）和马丁·格鲁伯（Martin Gruber）把CAPM 称为“金融界最重要的发现之一”。
金融学中的“牛顿运动定律”
但CAPM 并非完美无瑕。它的推导过程依赖于一系列令人质疑的假设：投资者是理性的、不存在税收及交易成本、所有投资者都掌握相同的信息等。甚至现代投资组合理论之父哈里·马科维茨（Harry Markowitz）也对CAPM 能否获得广泛接受表示担忧。
2005 年，马科维茨在《金融分析师杂志》发表了一篇题为《市场效率：理论差异及其对策》的论文。他在文中写道，CAPM“虽然简单方便但不切实际”。马科维茨关注的点，既是CAPM 的一个关键部分，但也是很少有人讨论的地方：投资者可按无风险利率随心所欲地借贷的假设明显不切实际。在“层层叠”游戏中，如果你抽错一块积木，整个结构就会轰然而倒；如果我们在CAPM 中删除这个最重要的理论假设，整个理论体系同样不复存在。
马科维茨指出，离开了这个假设，市场投资组合将不再“有效”，也就是说，其他投资组合可能会带来更高的按预期风险调整后的收益率。而且CAPM 的核心理论和用途也不再合理。考虑到当下指数基金已成为主流，因此，这个结论尤为有趣。
在汇聚学术界和投资专业人士的量化投资会议上，我们偶尔会有机会听到马科维茨和夏普就CAPM 及其他问题展开的辩论。我很幸运成为这个行业群体的一员，有幸与诺贝尔奖获得者以及从业者交流思想，开展理性的讨论。通过这些讨论，我清楚地认识到，这两位金融学大师已坦然接受他们在某些问题上的分歧。他们之间的友谊不仅未受丝毫影响，反而愈加深厚。当夏普听闻自己与马科维茨及默顿·米勒（Merton Miller）同时获得诺贝尔经济学奖的消息时，他非常高兴能与马科维茨分享这个奖项：“我们已经是老朋友了，而且是非常亲密的朋友。同时他也是我的导师。他获得这份荣誉当之无愧，米勒当然也如此。”
但我从字里行间细细地品味马科维茨对CAPM 的看法，我发现，马科维茨批评CAPM 的动机可以这样理解：虽然CAPM 源自均值‐方差投资组合优化理论（mean-variance portfolio optimization，这也是马科维茨对金融学最重要的贡献之一），但他并未表示不需要这个模型。从字面上理解，该模型认为，所有投资者持有的现金和股票在投资组合内的比例取决于对两者的风险厌恶程度。但马科维茨在2005 年发表的论文中，直接对这个结论提出疑问：
在CAPM 出现之前，传统观点认为，有些投资方法适用于毫无市场经验的新手，但有些则只适合那些已准备好承担“投资风险”的人。CAPM 让很多人认为，这种传统思路是错误的，投资风险性有价证券，创建投资组合是有必要的。因此，无论是新手，还是经验丰富的投资者，它们的唯一区别就在于现金或杠杆的使用数量。但正如我们即将看到的那样，如果将负债能力上限纳入分析中，我们或许应该认为，在CAPM 出现之前的传统思路才是正确的。
归根到底，马科维茨承认CAPM 的理论参考价值，但他以经典物理学的重力现象做类比，提醒我们应在实践中警惕它的局限性：
尽管CAPM 存在不足，但还是应把CAPM 作为金融学的重要理论。举例来说，经典物理在研究地球上的物体运动时，假设地球上没有空气阻力。按这个假设，所有计算和结果自然会简单得多。但是在某些情况下，我们必须对一个显而易见的事实予以关注和适当解释：在地球上，同一高度的铁球和羽毛同时下落，永远不会同时落地。同样，对金融专业学生而言，也需要在某些情况下看到现实情况与理论假设之间的差异。
其他学者则从理论和实证角度表达了对CAPM 的普遍疑虑。在2004 年发表于《经济展望杂志》（Journal of Economic Perspectives）的《资本资产定价模型：理论和证据》一文中，尤金·法玛（Eugene F. Fama）和肯尼斯·弗伦奇（Kenneth French）对CAPM 发出了比马科维茨更猛烈的攻击：
归根到底，我们认为，CAPM 的问题不管是来自理论上的缺陷还是实操中的不足，CAPM 在实证检验中的失败都表明，该模型的大多数用途是无效的。
对一篇学术论文来说，这无异于发起战争，如此直言不讳、毫不留情的攻击绝对实属罕见。为证明他们的观点，法玛和弗伦奇提出，个别股票按CAPM 得到的预期收益率与随后所实现收益率完全不一致。
此外，法玛和弗伦奇还阐述了账面市值比和组合规模等其他变量对CAPM 的影响。
但是，多元化资产的投资者还是应谨慎对待这些检验结论，因为它们完全基于对短期收益能力的考量，也只考虑了CAPM 对股票类别资产的预测。因此，这些检验并不能说明CAPM 预期收益率对其他资产类别的有效性。
无独有偶，纳西姆·尼古拉斯·塔勒布（Nassim Nicholas Taleb）在这个话题上也毫不讳言。他在2010 年出版了有些夸张但却妙趣横生的畅销书《黑天鹅》（The Black Swan）。在这本书中，他表达了对夏普和马科维茨的否定。在谈到他们获得诺贝尔奖的时候，塔勒布以一种似乎很愤怒的口气写道：
诺贝尔奖评奖委员会已经习惯于把诺贝尔奖发给那些利用伪科学和伪数学为经济学“带来所谓严谨”的人。在股市崩盘后，他们居然把奖项颁发给两名理论家马科维茨和夏普。他们的成就不过是以高斯方法为基础，构建起精美漂亮、充满理想主义气息的模型，从而对所谓的现代投资组合理论作出“贡献”。如果剔除他们采用的高斯假设，把价格视为可拓展变量，那么剩下的就只有胡说八道。诺贝尔奖评奖委员会或许已经验证过夏普和马科维茨的模型，但其实它的作用无异于在互联网上兜售江湖偏方。
这似乎与埃尔顿和格鲁伯将CAPM 奉为“金融界最重要的发现之一” 的评价相去甚远。塔勒布认为，无论是现代投资组合理论还是CAPM，都是在高斯假设下推导得到的。在本质上，这些理论都是假设，投资的风险可以表示为收益率的标准方差。这样，我们就必须假设潜在收益率是正态分布，不存在长尾分布。
在本书第二部分，我们将探讨高斯假设的局限性，以及针对多元化资产投资者的收益补救措施。但现在，我只想说，极端收益率远比正态分布的预测更频繁，尤其是在熊市趋势中。有经验的投资者都知道，在市场上，收益率存在长尾分布的特征。因此，如果依赖推导CAPM 的理论，亏损风险可能会远超预期。
公平地说，马科维茨、夏普及其他学者都会接受的观点是，实际的收益率分布通常是非正态的。比如说，早在1959 年，马科维茨就曾在论文中提出以半方差分析法解决非正态收益分布。但这并不意味着，CAPM 和其他相关模型是错误的。借用马科维茨以经典物理实验做的类比，铁球和羽毛在真空中会以相同速度下落，也就是说，只要假设成立，这些模型就是正确的。从这个意义上说，CAPM 就是金融学中的“牛顿运动定律”。
归根结底，评估预期收益率就是尝试预测未来，这非常困难！没有人拥有能看到未来的水晶球，任何模型都是有缺陷的。在我看来，尽管数十年以来学术界对CAPM 的价值褒贬不一，但是和其他所有模型一样，CAPM 为多元化资产投资者提供了良好的理论框架，因为它把预期收益率与风险有机地联系起来。
从这个角度看，虽然针对预期收益率的讨论经常会演变为一场关于预测未来的无休止争论，但借助CAPM，我们至少可以用一种大部分人认可且分歧较少的方式预测未来。当然，任何人都难以驳倒应对风险予以补偿的观点：高风险资产类别应比低风险资产类别要求更高的预期收益率，这至少适用于时间窗口足够长的投资。这种方法背后的均衡概念非常有吸引力。但一个重要的细微之处在于：在CAPM 中，风险不是被定义为资产价格的波动率或亏损敞口，而是对多元化资产投资组合收益波动率的影响度。换句话说，证券或资产类别的预期收益率与它们对全球市场投资组合的敏感度成正比，而衡量这个敏感度的标准即为贝塔系数（Beta，或表示为β）。
我们不妨简单讨论一下贝塔系数的细节。要计算资产的贝塔系数，我们只需用资产波动率与总体市场波动率之比乘以资产与市场的相关系数。具体表示为如下公式：
贝塔系数=（资产波动率/ 市场波动率）× 相关系数
其中，波动率表示为资产收益率的标准差（standard deviation），相关系数对应于资产和市场之间的相关性。据此，我们可以把预期收益率定义为：
预期收益率=无风险利率 贝塔系数×（市场预期收益率–无风险利率）
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
