TWI567679B - 用於在一資料庫中建構投資證券之表示的電腦實施方法及系統 - Google Patents

Description

用於在一資料庫中建構投資證券之表示的電腦實施方法及系統 【相關申請案的交叉參考】

待完成

本申請案主張2014年1月23日申請的美國臨時專利申請案第61/930,807號的權益，所述專利申請案的內容藉此以其全文引用的方式併入本文中。本申請案與以下申請案有關：2014年3月17日申請的申請案第14/216,390號，以及2014年3月17日申請的申請案第14/216,936號，所述兩個申請案的內容藉此以其全文引用的方式併入本文中。

本發明大體而言係關於使用邏輯資料模型建構投資證券的分層複合投資組合的電腦化技術。

投資組合的管理已成為實質性理論及研究的主題。投資組合理論藉由謹慎地挑選各種資訊的比例而考慮應如何投入財富及針對給定量的投資組合風險應如何使投資組合的期望報酬最大化，或等效地針對給定等級的期望報酬使風險最小化。雖然可能期望某一報酬率，但投資組合中的個別持有資訊的估值可能向上或向下偏離所述預期報酬率。偏離期望價值的此向上及向下變化被稱為差異或波動性。隨時間推移，理論上，證券應具有針對預期波動性及報酬的效率前緣。根據理論，具有較高預期風險的證券將具有較高預期報酬。

S&P 500為世界上的最大股權基準。上萬億美元投入此基準中或進行基準測試的基金中。自1999年年末以來，諸如S&P 500的廣泛市場指數經歷了較長時間段，其中關於廣泛式股權指數的報酬表現欠佳。舉例而言，S&P 500中1999年年末的投資者在遲後10年的2010年年末下降了約20%。直至2012年末，S&P 500對於此等1999年年末的投資者呈現了正報酬，包含許多大型養老基金及留本基金。在此相同時間段期間，持有政府或公司債務的廣泛式基金具有正報酬，其中此時間段期間的公司債務收益超過政府債務。此加值係歸因於公司債券相對於政府債券而言的額外風險。此等市場具有其每年的起伏，但在合理的時間段內，此等證券具有基於風險而預期正報酬及差值。對於絕對意義上而言損失價值且在較長時間段內關於持有公司或政府債務的風險較小指數實質上表現欠佳的諸如S&P 500的股權指數，無法作出此等兩種陳述式。

與最廣泛市場指數相似，S&P 500為資本化加權的。此情形意謂指數中的個別公司的權重與其相對於指數中的其他公司而言的市場資本化成比例。S&P 500中不存在確保以下情形的控制項：具有共同風險的單一證券或證券群組並不會變成投資組合中太大的一部分。亦即，用於科學領域及工程設計處理程序(其中群體控制項用以限制群體中的一部分可能對進行量測的總群體具有的影響)中的控制項的類型並不用於廣泛市場指數。此等控制項限制正面影響及負面影響兩者。在群體研究中，控制項用以產生基礎群體的規範性模型。因為在當前用以投資股權證券的基準中不存在控制項，所以不存在以下保證：自1999年年末至目前的此等歷史報酬大體上表示股權證券。至今僅知道：加權策略(無控制項的資本化加權)在較長時間段內產生低於平均值的報酬。

自1999年起的主要指數的結果呈現為與投資證券的定價的 主要理論及有效市場的理論不一致。關於有效市場的大量工作遵循馬科維茨及夏普(Markowitz and Sharpe)的開拓性工作，以及稍後的諸如默頓(Merton)的其他人的顯著添加。其理論暗示：個別證券係按期望相對於其他投資證券而言產生經風險調整報酬的等級定價且，藉由遵循某些規則，證券的投資組合具有在任何給定時間段中或在若干時間段內達成此經風險調整的報酬率的較高機率。馬科維茨及其他人所提議的規則經設計以藉由分析給定證券的各種可能的投資組合而輔助投資者及管理者選擇最有效投資組合設計。

藉由挑選並不會確切的「移動」在一起的證券，模型展示投資者如何降低其風險。此區域中的基礎模型被稱為均方差模型，此係因為其係基於各種投資組合的預期報酬(平均值)及標準偏差(方差)。當開發原始均方差模型時，馬科維茨作出假定：針對給定風險給出最大報酬或針對給定報酬給出最小風險的投資組合為有效投資組合。因此，使用以下規則來選擇投資組合：(a)自具有相同報酬的投資組合而言，投資者更喜歡具有較低風險的投資組合，以及(b)自具有相同風險等級的投資組合而言，投資者更喜歡具有較高報酬率的投資組合。儘管個別證券可能在較長時間段內表現欠佳，但針對有效投資組合構造開發的規則經設計以降低關於證券的投資組合而言表現欠佳的此機率。

關於現代投資組合與開發有效市場假定所基於的理論投資組合之間的不一致性的一個解釋在於：現代投資組合的尺度及複雜性比理論實例的尺度及複雜性大得多。理論模型傾向於使用個別證券且描述由證券的數字(數字為單一位數字及低兩位數字)組成的投資組合內的多樣化。許多基礎論文係在以下情形撰寫的：在開始於80年代擴展於90年代的共同基金繁榮之前，在藉由1974年的雇員退休收入安全法(Employee Retirement Income Act；ERISA)創建個人退休金帳戶(individual accounts；IRAs)以及在1976年引入第一指數基金之後。在金融雜誌中公佈的關於投資組合選擇的馬科維茨論文係在1952年撰寫的。根據由紐約股票交易所(New York Stock Exchange；NYSE)在1952年進行的第一股票持有者人口普查，僅6.5百萬美國人持有共同股票(美國群體的約4.2%)。夏普的論文「用於投資組合分析的簡化模型(A Simplified Model for Portfolio Analysis)」撰寫於1963年且其書籍「投資組合理論及資本市場(Portfolio Theory and Capital Markets)」撰寫於1970年，遠在由ERISA創建的共同基金繁榮、全球化及現代技術之前，且遠在投資者開始辨識管理此等大型基金的獨特問題之前。

現代投資組合管理上萬億美元，且，為了降低曝露於非系統性風險，投資組合需要不同風險群組中的上千個證券。在此尺度下，建置有效投資組合具有挑戰性。現今由平均機構進行的投資的絕對尺度按指數律成比例增長。另外，證券的基礎群體的非均勻性及複雜性增長。2012年美國共同基金中的總投資為$13萬億美元。美國公共證券按公司的數目計少於總的全球證券的20%。另外，大部分美國公司大量取決於全球經濟。此多樣性及互連性每年遞增。對公司的此投資組合中所嵌入的非系統性風險的控制的需要每年亦增加。

此情形導致若干問題：1)為測試資本化模型所在的時間段太短且應多次允許進行；2)為風險及報酬未必相同的理論錯誤；3)為具有效率低下設計的資本化加權證券投資組合且為與所需的此模型形成對比的具有控制項的其他實例。換言之，需要用於建構投資證券的投資組合的新規範性案例、藉由將馬科維茨及夏普的方法學及基礎原理應用於現今大型基金的複雜性而解決現今公司的複雜性及現今基金的遞增的大小及多樣 性的案例。

當前分類系統在建置此等大型現代投資載體的潛在的有效投資組合的新模型時產生困難。類似於財務中的基礎論文，此等系統係在出現大型數位數據庫之前創建且係在諸如杜威十進位系統(Dewey Decimal System)及標準行業分類系統時代的數據庫之後模型化。此等系統將實體歸入所述分類。每一者為固定階層，其中每一實體具有單一父代；所述父代具有單一父代，等等。每一父代具有特定固有屬性的描述而非概念，特定固有屬性將使得一個父代下的實體能夠與另一父代下的實體有關。在無此定界的情況下，難以理解公司所曝露於的多元風險且，因此，難以理解大型投資組合中多少個公司可共用類似或相關風險。在給定現今公司的複雜性及現今基金的遞增的大小及多樣性的情況下，分類中的此等類型的困難變得愈來愈顯而易見。儘管事實為：資本化加權策略中的最大風險中的一者為缺乏針對單一風險曝露、氣泡或大規模非系統性價格校正的控制項，但當前存在系統性地解決此等問題的有限工具。因此，需要一種藉由當前資料處理致能的多元分類系統，其能夠提供此等工具及建置多個不同投資組合以測試每一投資組合的效率且測試規範性案例的能力。

波動性

定價中的波動性隨著價格中的每一波動連續地發生。波動性為投資組合效能中的顯著因素且此等價格波動在投資組合增長上產生拖曳。舉例而言，展示日常波動性損害充分利用的交易所交易基金(exchange traded funds；ETFs)的報酬。(參見托尼庫柏的使用管理的波動性進行的α產生及風險平滑化(Alpha Generation and Risk Smoothing Using Managed Volatility)(2010年))。

在減少波動性對投資組合的影響的努力中，建議 了各種加權方案。舉例而言，美國專利第8,306,892號中描述的一種方法藉由基於市場資本化、國內生產總值及地理區計算權重進行操作。在另一實例中，描述於美國專利第8,131,620號中，證券的投資組合的權重係基於市場資本化及正的股利率。存在眾多其他投資組合加權方案。此等加權方案中無一者充分實現馬科維茨模型，具體而言，正規化風險/報酬為統計處理程序，其需要使證券的數目與特定證券之間的相關性的程度匹配。

諸如描述於美國專利第8,005,740號中的實例的一些實例使用北美行業分類系統(North American Industry Classification System；NAICS)板塊用於加權。基於NAICS或全球行業分類標準(Global Industry Classification Standard；GICS)的加權方案藉由公司處於固定階層中的位置來提及公司。存在固定NAICS及GICS階層的兩個顯著限制：1)無共同父代的任何項目不相關且無法進行比較；2)相同父代中的任何項目僅可依據GICS或NAICS用來界定所述群組的量度(僅在群組的名稱指示將群組分離的量度的範圍內，例如，「消費者」對「商務」可涉及客戶基礎)進行比較。

在無控制項的情況下，證券的隨機群組在一個時間段至另一時間段期間可能具有上下的顯著估值擺動的時間段。假值的此等大規模擺動可能並非由諸如帳戶處理屬性或其作為「增長」或「價值」股的名稱的變數造成。確切而言，其可能由包括群組的個別公司的特定固有屬性造成。估值擺動可能由於以下情形造成：例如，當特定大宗物資突然損失其價值時，公司的大宗物資時間較長；對於公司或行業產品的需求前景中存在過度繁榮且其並不滿足需求；其具有長時間的固定成本收縮及可用於其競爭 者改變的實際成本；或其對產品搭配組合中的某一資產過度加權且所述類損失其價值；或其他原因。

對於隨機氣泡，存在許多原因。在一些狀況下，其為廣泛市場(亦被稱作系統性的)氣泡；在其他狀況下，其限於組成群組(諸如，資產類或行業)。存在看起來為系統性的某些事件，此係因為其創建了如此多的偏差(例如，網際網路氣泡)，但其為非系統性的。在任一狀況下，對投資者的報酬的影響可為極其負面的。

隨機漫步理論表示解決股權式投資證券中的波動性及報酬的顯而易見隨機性的不可能性。隨機漫步理論陳述：對股權式投資證券的大型隨機選擇將進行，以及對股權式證券的主動管理選擇將進行。隨機漫步理論為指數基金的基礎原因及對學術界的被動型指數基金的廣泛支援。隨機漫步理論，「[采]用其邏輯極端......意謂向股票行情表投擲飛鏢的蒙住眼睛的猴子可選擇將僅進行的以及專家所選擇的投資組合的投資組合」(B.Malkiel，漫步華爾街，第10版，2012年)

已提議許多不同的加權策略來處置股權式投資證券中的隨機波動性的此問題。此等指數與相當的債務指數相比較而言的最近的表現欠佳突出顯示了此等被動指數不斷地受相同隨機性假定困擾。

歷史上，醫療保健亦受類似隨機性問題困擾。在醫療保健中，此假定經框定為隨機患者來到具有接收隨機應答的某一機率的隨機醫生。在現代藥物及現代統計控制群組之前，許多人認為隨機應答的機率極高。醫療保健行業藉由創建詳細的患者概況且使用來自此等概況的資訊開發統計方法以控制給定群體的基礎特性來緩慢地解決此問題。此工作隨著每一疾病區域及政府機構研究及理解一系列自然偏差而遞增地發生，直至良好開發的領域特定架構演進為止。

可藉由控制影響投資證券中的風險及報酬的總體隨機性的特定類型的隨機事件而在投資管理中使用本文所描述的系統及方法。投資證券中的隨機移動在報酬上產生拖曳，尤其是，由於諸如非系統性氣泡的破產或爆裂的事件造成的大型向下移動。在此等兩種狀況下，不存在投資證券將反彈至預先存在的等級的期望。在此等兩種狀況下，受影響的證券為重新定價的證券，此係因為關於證券定價過高的突然的市場辨識。

非系統性氣泡及破產與非系統性因素相關聯，諸如與特定投資證券相關聯的行業、公司或資產的基礎固有屬性。證券的大型投資組合的風險管理中的主要問題為不可能控制此等類型的事件的發生。若投資組合無意中在具有共同氣泡或破產風險的證券或證券群組中過度加權，則報酬可能實質上受投資組合中的相對較小數目個證券影響。在若干狀況下，特定非系統性變數中的過度加權對投資組合造成類似系統性的影響。此狀況清楚地為網際網路氣泡的狀況。在公曆年2000年中，經資本化加權的S&P 500下降9.09%。其為S&P 500歷史中的最不利的年中的一者。在所述年中，存在下降49.8%的16個股票，而市場的其餘部分上升4.28%。對於投資者而言不幸地，此等16個公司為全部投資組合的24.8%，所述16個公司皆在移動、儲存或處理資訊的商務。

改良投資組合報酬的先前努力看起來具有至少兩個問題：1)群組的次佳數目，及2)不能夠控制群組之間或每一群組內的差異或相關性以確保每一群組按可預測群組特定方式操作。證券的現有大規模異質投資組合對其組成群組具有不充分的控制，且資本化加權或均勻加權均無法解決群體控制的問題。

尺度問題

由於多種原因，上文所描述的問題在證券的大規模投資組合 中特別尖銳。在無屬性的可靠的且經驗證的系統以及使用分層複合階層的分層系統兩者的情況下，格外難以控制與證券相關聯的不同屬性。下文提供關於尺度下管理為何困難的各種實例原因。

(a)對於所有權的章程限制：對於許多基金及基金管理者，對其可擁有的公司的百分比存在限制。舉例而言，在5%持有資產下，存在13-D申請及監管。許多基金將不會或無法越過所述臨限值。

(b)對所有權的流動性限制：基金所擁有的個別證券愈多，出售愈困難，此取決於份額的流動性。另外，因為大小的原因，許多基金對所有權具有絕對美元或美元等效物限制。若基金具有$50十億投資，則$1百萬投資可能被視為太少。

(c)大型基金需要大量證券來填滿投資組合：歸因於上文所識別的因素以及其他實際問題，大型基金需要大量公司投資(歸因於流動性及所有權問題)。跨越經濟系統，存在許多連結且公司的數目愈大，追蹤及監管潛在的連結及來自此等連結的風險愈困難。此等連結的主要部分係歸因於與公司的供應商、產品、行業、操作、地理位置等以及其他因素相關聯的非系統性屬性。對於具有大量證券的投資組合而言，非常容易變得過度集中於非系統性風險類別。在無屬性的可靠的且經驗證的系統以及控制不同屬性的分層複合階層的情況下，理解不同的潛在風險群組及控制不同的潛在風險群組為困難的。

(d)投資者並不會選取限定公司的總體範圍來投資的事實：歸因於上文所識別的因素以及更多實際問題，大型基金需要投資大型公司。此群組中的可用公司隨時間而變化。另外，隨時間，取決於任何給定時間點的類別中存在哪些公司，此等證券具有可變權重且以不同方式聚合。除隨時間改變之外，此行業、板塊或公司選擇根據地理變化。事實上， 與驅動產品的基礎貨幣相比較而言，板塊差異可為地理之間的價格移動的較大原因。舉例而言，美國投資組合在科技股上占的比重大於拉丁美洲的歐洲。歐洲及拉丁美洲在大宗物資及原材料上占的比重相對較大。若基金管理者的目標為貨幣差異，則控制此等板塊變化為重要的。使用當前已知技術進行以下目標係困難的：首先理解在任何給定時間點及任何特定地理或類別中存在的不同的潛在風險群組，且接著能夠對其進行控制。

(e)屬性風險為多維的，如同集中風險：單一或多個屬性有助於區分個別公司中的風險。舉例而言，識別公司為半導體商務為可區分的風險。此外，半導體的類型(例如，儲存、處理、連結)為重要的，如同所需的原材料及對客戶的識別。常常將此等變化的但關鍵的因素聚合至大規模基金中的一個類別中。當前系統中的現有類別傾向於為基於全球而標準化的且不能夠區分此等因素。表示所連結的多個屬性風險的不可能性為對現有大規模投資組合的顯著限制。

若投資組合且詳言之大規模投資組合未得到良好控制，則非系統性事件可能看起來具有系統性影響。下文提供非系統性事件的實例。已知的及現有系統並不解決證券的大規模投資組合的組成成分的隨機波動性的系統性影響的基礎統計原因。然而，藉由改良的控制項，可限制非系統性事件的影響。

一種分層複合投資組合可藉由以下操作來形成：選擇投資證券的一群組，根據與一或多個所識別的投資證券風險相關的屬性將所述證券分層至組份中，以及基於所述組份的分層位置將相對投資組合權重指派給所述組份。所 述屬性可選自可能價值的一總體範圍。可在任何任意點或分層位置應用其他正偏差及負偏差，包含對個別投資證券、任意選擇的投資證券的群組或任意分層位置應用。

可使用與所述投資證券相關聯的所述特定屬性來將所述投資證券分層，且藉由將特定權重指派給風險群組而對一投資組合中的投資證券的持有資產加權，在所述風險群組中，保持所述基礎證券滿足所述總投資組合的任何風險目標。舉例而言，將風險群組分層中的目標中的一者可為總體減少屬性特定波動性拖曳對所述投資組合的影響。

多屬性風險複合物可提供一種藉由以下操作管理風險的工具：藉由對所述複合物進行工程設計以利用一管理者期望發生的一事件，減少或最小化來自此等屬性的潛在風險，及/或增加或最大化來自此等類型的風險的潛在報酬。

在一些實施例中，一種分層複合投資組合可藉由以下操作來創建：基於投資證券所固有的屬性用風險屬性對證券加標籤，以及應用限制對個別屬性的曝露的一加權方案。此處理程序的結果為一經加權的投資組合，其將跨越數個風險屬性類別的風險分層，且根據群組內的屬性類別將個別群組及子群組中的風險分層，以達成可藉由一目標分數表示的一所要風險概況。

1105‧‧‧分層模組

1110‧‧‧選擇子模組

1115‧‧‧分層子模組

1120‧‧‧投資證券屬性

1121‧‧‧關於規則的創建及選擇的輸入

1122‧‧‧屬性規則階層

1125‧‧‧分層投資組合架構

1130‧‧‧電腦化加權模組

1131‧‧‧投資證券的其他識別的清單

1132‧‧‧投資證券屬性

1135‧‧‧加權規則的創建/選擇

1150‧‧‧投資證券及權重的清單

1151‧‧‧指派給投資組合階層位置的目標曝露的清單

1155‧‧‧重新加權模組

1156‧‧‧重新加權觸發程式

1160‧‧‧重新加權規則的創建/選擇

1170‧‧‧指派給投資組合架構位置的目標曝露及復原時序

1205‧‧‧群組1

1210‧‧‧群組2

1215‧‧‧群組1A

1220‧‧‧群組1B

1225‧‧‧群組1C

1230‧‧‧群組2A

1235‧‧‧群組2B

1240‧‧‧群組1Ai

1245‧‧‧群組1Aii

1250‧‧‧群組1Bi

1255‧‧‧群組1Bii

1260‧‧‧群組1Bii

1265‧‧‧群組1Ci

1270‧‧‧群組1Cii

1275‧‧‧群組2Ai

1280‧‧‧群組2Aii

1285‧‧‧群組2Bi

1290‧‧‧群組2Bii

1295‧‧‧群組2Biii

圖1說明用於創建分層複合投資組合及對投資證券加權的實例方法。

圖2說明用於創建分層複合投資組合及對投資證券加權的實例方法。

圖3說明具有三個層級的實例分層。

圖4說明與實例三層級分層一致的實例資料集。

圖5說明用於創建分層複合投資組合及對投資證券加權的實例方法。

圖6說明用於計算分層複合投資組合的權重的實例方法。

圖7說明用於創建具有目標分數的分層複合投資組合的實例方法。

圖8A至圖8B說明表示為定義階層及條碼的陳述式的實例語法。

圖9以圖形方式說明語法元素之間的實例關係。

圖10說明用於分層複合投資組合加權的實例電腦化系統。

風險介紹

證券為金融工具，其表示上市公司中的所有權位置(股票)、與政府機構或公司的借貸關係(債券)，或如藉由選項表示的所有權的權利。證券為可替代的可轉讓的金融工具，其表示一種類型的金融價值。發佈證券的公司或實體被稱為發佈者。證券的價格係基於其隨著時間對所有權的預期報酬。預期報酬又基於與證券相關聯的基礎實體的預期品質及效能。

投資財產的投資係在對增值或報酬的期望及對潛在風險的期望或此等報酬的差異的情況下進行。投資證券具有兩個主要效能度量：報酬率及在指定時間段內達成預期報酬率的機率或風險。兩個度量連結在一起：預期風險愈高，預期報酬愈高。換言之，應對較高等級的風險補償 較高等級的報酬。報酬的機率與對給定投資證券的結果的預期差異連結在一起。投資財產所需的實際報酬可繫結至許多因素，包含市場條件、投資資本的給定供應或對通貨膨脹或通貨緊縮的期望。然而，對於給定時間的給定市場，對投資證券的相對報酬率將包含相對於投資證券的類型而言的風險及與投資財產相關聯的基礎財產或屬性。

證券在其報酬特性及期望值上變化。每一種類型的證券表示特定公司中的特定所有權位置。每一種類型(諸如，債券、股權工具或衍生工具)具有其自身的特定所有權及投資特性。來自證券的預期報酬係基於證券的類型及其特性及相關聯實體相對於藉由證券表示的所有權的基礎效能。對於任何證券，預期報酬及實際報酬可能實質上不同。預期報酬與實際報酬之間的差異為證券中的風險。

投資證券中存在兩種主要類型的風險。第一種類型(系統性或市場風險)係指影響聚合結果的事件，諸如廣泛市場報酬、總經濟廣泛資源持有資產，或聚合收入。在許多內容脈絡中，諸如地震及主要天氣災害的事件引起聚合風險，此係因為其不僅影響資源的分佈而且影響資源的總量。第二種類型(非系統性的，亦被稱為特質或商務風險)係指與證券相關聯的實體在其財富上經歷改變或甚至歸因於任何數目個因素而失敗的風險。系統性風險與一般投資區域的聚合風險有關。非系統性風險與證券具有所有權位置所在的實體的實體特定風險有關。

投資證券的預期報酬率(及波動性)取決於包含以下兩者的因素：市場力量，及繫結至特定投資證券及其基礎財產的力量。前者力量為系統性的且影響證券的廣泛類。後者力量為每一特定投資證券所特定的及獨特的，其繫結至每一特定投資證券的特定屬性。繫結至後者力量的投資證券報酬的差異繫結至特定證券的特定屬性。

非系統性風險

非系統性或商務風險為相關聯於證券的特定實體的品質或屬性所特定的。特定商務的財富或甚至破產的改變與商務自身的固有屬性有關。此等包含任何數目個因素，包含商務、其管理/雇員、其操作、其產品、其客戶、其消費者的客戶、供應商的可用性、其供應商的強度或商務的特定資產或負債。與此等各者中的任一者或此等各者的任何組合有關的事件可造成商務的財富改變且，在進行此情形時，改變與證券相關聯的商務的預期報酬。

若投資組合過度曝露或過度集中於特定非系統性風險，則除個別公司之外，證券的投資組合可受此等非系統性風險影響。具有投資組合的主要原因中的一者為：藉由將投資組合散佈於具有獨特的非系統性風險的數個投資上以使得無一個非系統性風險將實質上改變總投資組合的財富或預期報酬而減少至非系統性風險的此曝露。對於可能以相對較小量使相對較小數目個個別證券上的投資組合多樣化的個別投資者而言，此策略相對較容易。然而，對於具有欲投資數十億美元或美元等效物的諸如養老基金或留本基金的大規模投資者而言，此策略證實難以理解。彼等大規模投資者必須在任何給定時間點投資數百或數千證券，表示數十億的美元價值。對於具有所述投資尺度的投資者，最小化投資組合中的非系統性風險因素的影響已證實非常困難，且其傾向於在大型行業氣泡中過度加權且不利地受諸如抵押貸款證券的金融工具的大型破產或大型降級類中的重複技術氣泡及持續不斷的過度加權影響。本文所揭示的本發明提供一種供投資組合管理者系統性地控制不成比例地及不利地影響大規模投資組合的此等非系統性投資組合風險的方法。

屬性

本文所描述的系統可藉由將一或多個屬性指派給與投資證券相關聯的公司進行操作。本文所描述的方法可實施於計算裝置上以使用與公司相關聯的屬性或藉由與基礎投資證券相關聯的投資證券細分投資證券的投資組合。此等屬性可用作與諸如破產或氣泡的事件相關聯的特定風險的標記器。此等屬性使得投資組合管理者能夠根據特定屬性將投資組合分層或細分成群組，其中每一群組表示一特定屬性相關風險。此等父代群組的階層子代在群組之間具有獨特風險且與其父代共用共同風險。

在將投資組合分層之後，可將權重指派給分層單元且可執行在系統性基礎上復原權重的計劃。以此方式，投資組合管理者可理解並管理投資組合中的特定風險。另外，可藉由任意地設定分層單元的權重而對特定風險進行工程設計。在一些實施例中，管理者可在處理程序開始時判定所要風險，使用此等風險形成相異群組及子群組的多級階層，且接著根據所要風險結果對群組加權。

本文所描述的方法基於投資財產特定屬性計算具有特定性質的投資證券的投資組合的權重，所述特定性質不同於相同投資證券的不受控投資組合的性質。如下文更詳細地描述，本發明藉由建置投資證券的投資組合而使用投資財產特定屬性減少個別投資財產報酬的隨機性，所述投資組合藉由在群體分群的受控投資組合上以受控方式將特定屬性及其風險分層減少特定投資財產屬性的風險的影響，所述群體分群表示藉由共同屬性定義的分群及含有共用與分群相關聯的屬性的特定投資證券的分群。

分層

為了控制非系統性風險，投資組合管理者必須控制存在於任何投資組合中的商務特定風險。此等風險可為公司相關風險、行業相關風險、產品相關風險、客戶相關風險或供應商相關風險，以及其他風險。投 資組合變得愈大，投資組合管理者理解投資組合曝露於何種特定非系統性風險愈困難。本文所描述的風險群組分層方法總體減少屬性特定波動性對投資組合的負面影響。

本文所描述的系統可用以創建識別多種商務屬性的標準化條碼。系統可將具有標準化屬性的此標準化條碼指派給投資組合中的證券。基於屬性的此條碼，可識別存在於投資組合中的特定非系統性風險曝露且對其進行控制。一旦識別非系統性風險，便可使用方法來藉由限制至此等風險的投資組合曝露而控制此等非系統性風險。

系統可用以創建特定風險群組的分層階層，從而藉由應用所識別的非系統性風險的所計算的或使用者提供的權重而跨越此等分層風險群組分配投資組合中的證券且選擇至分層風險群組的所要曝露。因此，分層可用以系統性地控制至非系統性風險的曝露。可接著藉由創建重新平衡規則而隨時間管理此等曝露，所述重新平衡規則在適當週期性排程上重設投資組合至此等所識別的非系統性風險的曝露。以此方式，可系統性地判定及管理大規模證券投資組合至多種非系統性風險的曝露。

具有共同固有屬性或屬性集的商務與相關聯於所述屬性或屬性集的事件相關。相關性的度量將隨所述屬性在特定商務中的重要性等級而變化。舉例而言，若所有網路裝備公司共用相同客戶，則類似北電網路(Nortel)、巨人網路公司的主要客戶的損失將影響所有公司。然而，若北電網路為公司的唯一客戶，則影響將較大(與北電網路占公司的商務的小於5%的情形相比較)。以此方式，按藉由屬性定義的風險群組將公司分群的操作提供一種供投資組合管理者按與特定屬性相關事件相關的群組將證券分群的方法。另外，大部分屬性又為較大屬性群組的部分。共用北電網路的所有公司亦為網路裝備群組的部分，網路裝備群組又為通信裝備群 組的部分，通信裝備群組又為更大數位技術群組的部分。以此方式，使用特定屬性使得投資組合管理者能夠藉由廣泛類別及窄類別兩者及藉由此等類別對個別證券的重要性將證券分群。

分層處理程序可包含將群體劃分成獨立子集(稱為層)，來自特定群體的獨立樣本可置放於所述獨立子集內。分層為統計中的重要工具，在統計中，分層用以將群體劃分成部分或子集(被稱為層)以用於達成創建特定群體的樣本集的目的，其中接著進行選擇的樣本的所指派的比例來自每一層。以下情形係經由創建所定義的子集進行，所述定義的子集經指派所定義的比例：統計能夠創建對群體結果的有意義的控制項。

分層群體的結果被稱為控制群組，此係因為子集的組成成分及權重經定義且可進行測試。在任一群體中，傾向於存在隨機差異，其中群體的子集具有不同於群體總體的特性。此等異常子群體的影響可藉由以下操作來減輕：將群體分群成期望以不同方式表現的子群體，且接著確保每一子群體中的一些子群體用於研究總體群體。作為一實例，若吾人正研究工人的輸出，則吾人可能得知工人在週一早晨的效率不如一週內的其餘日子的效率。然而，若吾人進行在一年期間加工20日的隨機樣本，則吾人可隨機地接收異常地朝向週一偏差的樣本集。此情形將並不表示工人，此係因為資料集偏斜向工人效率較低時的一個時間段。在努力消除此偏差時，吾人可將跨越五個子集的群體集合分層，所述五個子集由用於一週的每日的一個子集組成。當吾人進行隨機樣本時，吾人將為每一子集指派相等數目個工作日以使得整個樣本由五個子集組成，每一子集具有相等數目個實例日。以此方式，分層可限制樣本集中的偏差且增加代表性結果的機率。

分層方法為上文參考的兩個例子中共同的。分層提供可進行 以下操作的控制項：1)確保表示整個群體的不偏樣本集；或，2)確保創建所要的但未必表示基礎群體的結果的特定偏差。前者的實例係在社會科學中的臨床試驗或實驗中。在彼等狀況下，實驗者嘗試形成代表性樣本集，可使代表性樣本集所依據的假定變化以調查其如何影響受控群體。後者的實例係在風險管理中，其中不同群體子集不相關且具有高度發散的出現率或變化。在所述狀況下，統計學家可能想要使樣本集朝向特定子類偏差，諸如具有相對較高或較低波動性的子集。在兩種狀況下，分層使得統計學家能夠基於所實施的分層模型的類型建置具有可預測結果的樣本集。在分層取樣中，層係基於成員的共用屬性或特性而形成。此等屬性可基於群體的相對定量量度，諸如群體的大小、速度或年齡。另外，屬性可基於實體可識別的屬性，諸如頭髮、皮膚或眼睛的色彩、善用右手或善用左手。

在投資證券的內容脈絡中，投資證券的價值可直接或間接地與以下各者有關：1)直接或間接地與證券相關聯的資產或操作的類型，及/或2)相關聯於直接或間接地與證券相關聯的資產或操作的特定屬性。

複合投資組合的聚合的期望報酬可根據每一個別投資證券的預期報酬及其在複合投資組合中的權重來判定。複合投資組合的聚合的波動性可根據個別投資證券的波動性及權重以及此等個別投資證券彼此的成對相關性來判定。由於此原因，可藉由將投資組合分層至具有相對較高群組內相關性及相對較低群組間相關性的群組中來控制及減少總的波動性。藉由將投資證券劃分成相關性叢集(亦即，基於對應於風險的共用及未共用屬性形成的分群)，可控制波動性。

定義

投資證券：如本文所使用，投資證券經定義為金融工具，其可表示以下各者中的任一者或全部：公司中的(股票)或資產的集合中的 所有權位置；與公司的借貸關係；直接或間接地藉由發佈者的資產擔保的個體或政府機構(債券)；或如藉由選項或其他衍生工具表示的所有權的權利。投資證券可為可替代的可轉讓的金融工具，其表示與實體相關聯的一種類型的金融價值。其價值可基於證券的類型、與發佈者的關係的類型，以及直接或間接地與證券相關聯的資產及負債的類型。

屬性：藉由投資證券表示的實體可與屬性相關聯。系統可辨識與實體相關聯的多種類型的屬性。作為非排他性實例，系統可對屬性的類操作，所述類為：(a)相對於總體範圍，或(b)固有。相對於總體範圍屬性可為(例如)計分系統、如高成交量/低成交量證券或如增長/價值證券的名稱。系統可經組態以辨識多種類型的固有屬性。作為非限制性實例，固有屬性的類型可為：語法上結構化固有屬性、內容相關屬性、帳戶處理屬性以及基於市場的屬性。一些固有屬性亦可被視為絕對的。實例帳戶處理屬性可為總債務且實例基於市場的屬性可為市場資本化。內容相關屬性的實例可包含：(a)地理屬性，(b)屬於公司的資產的屬性(例如，用於裝運公司的「大容器」對「小容器」)，(c)與產品有關的屬性(例如，「奢侈品」對「非奢侈品」服裝項目)，(d)與客戶有關的屬性(例如，特定客戶的清單)，以及(e)與供應商有關的屬性(例如，特定供應商的清單)。系統可辨識不同類型的屬性的任何組合。

多個屬性的任何組合可形成為複合屬性。固有屬性的任何組合可被視為複合固有屬性，而相對屬性或固有及相對屬性在一起的任何組合可形成為複合相對屬性。可將複合屬性定義為新的單一屬性。

在一些狀況下，可將屬性定義為包含與相關聯於投資證券的實體有關的屬性且對應地排除投資證券自身的屬性。對於彼等實施例，系統可經組態以定義屬性以便特別地排除與以下各者有關的屬性：投資證券 的類型，諸如股權、債務或衍生工具；及投資證券的特性，諸如偏好、成熟期、持續時間或履約價。在彼等組態中，彼等排除的屬性不被視為屬性，此係因為所包含的屬性與投資證券所相關聯於的公司或資產有關，而非與投資證券自身有關。

在一些實施例中，可將固有屬性定義為排除帳戶處理及效能屬性。所包含的固有屬性可為投資證券所相關聯於的基礎實體或資產的必不可少的品質、特徵或固有特性。舉例而言，固有屬性可定義以下各者：公司係做什麼的，諸如製造或運輸；與公司的產品有關的屬性，諸如汽車、電腦或長椅以及汽車、電腦或長椅的類型；與公司的客戶有關的屬性，諸如消費者或商務；與消費者的客戶有關的屬性；與商務或其個別操作的地理位置有關的屬性；與公司提供其產品所使用的產品及材料有關的屬性；與公司可進行操作的多元行業或行業區段中的任一者有關的屬性；與公司的商務的結構有關的屬性，諸如整合式、非整合式、向前整合式、向後整合式或網路連接式；管理或策略，諸如基於公司的管理、其決策及策略的獨特風險；金融槓桿作用；與相關聯於商務經營所在的特定商務或國家的多元政府或巨集經濟風險中的任一者有關的屬性；與藉由商務識別為其商務的核心的帳戶處理或商務風險相關聯的屬性；或與由投資團體繫結至特定商務或區段的分類相關聯的風險。在任何給定時間點，此等屬性因素中的任一者或與此等屬性因素有關的行業事件可影響與相關聯於具有此等屬性的實體的投資證券相關聯的風險。雖然固有屬性可提供相對排序或置放，但其未必為文字排名。

在一些實施例中，可將相對於總體範圍屬性定義為包含基於以下各者中的任一者的品質：評級系統；計分系統，其比較與一時間點的投資證券相關聯的實體或資產的基於比率的帳戶處理或效能特性且接著將 藉由投資證券的相對分數計分的投資證券分群；或任何識別系統，經由任何類型的計分系統，其將在不同時間基於其分數對相同實體、產品或資產給予不同識別值；以及排名系統。在此等系統中，相同實體或相同資產群組在不同時間點可被指派不同價值，此係因為此等系統為時間點量測結果，其基於給定時間點的量測結果將投資證券分群。滿足類別的證券取決於彼時的公司或資產群組的分數，且未必取決於計分的特定基礎商務或資產群組。

分層複合單元：如本文所使用，分層複合單元經定義為用於投資證券的分層組織，其包括：1)藉由一或多個屬性定義的父代群組，其中父代群組的所有成員具有共同的用以定義父代群組的屬性；以及2)父代群組的至少兩個子群組，所述子群組可被視為父代群組的子代及/或彼此的同胞。子群組的所有成員具有共同的用以定義子群組的屬性。另外，子群組的所有成員具有共同的用以定義子群組的父代群組的屬性。任何分層複合單元及分層複合單元中的子單元可包含遵循其父代單元或子單元的規則的任意數目個其他子單元。在一些狀況下，分層複合單元可僅由一父代群組及兩個子單元組成。在其他狀況下，分層複合單元可由原始複合單元父代將支援的大小及多樣性般多的部分組成。

分層複合投資組合：如本文所使用，分層複合投資組合經定義為包括至少兩個分層複合單元，其中複合單元中的父代的屬性表示風險群組以使得：1)父代風險群組關於其他父代風險群組具有不同的風險概況；以及，2)包括風險群組中的投資證券的所有子單元經形成為分層複合單元。

雖然分層複合單元的父代分群中可能存在其他限定性條件，但複合單元父代可滿足與成員共用特定共同屬性或共同屬性集的條 件。多個分層複合單元的父代分群可包括經定義為創建複合單元的投資組合的分層複合投資組合，以便藉由包括分層複合投資組合的複合單元來解決所定義的不同風險。

語法上結構化屬性

上文所描述的屬性可表示為域特定語法，其定義分層複合單元及分層複合投資組合的結構。所述結構可藉由使用域特定語法及域特定語法位置來定義，包含與相關聯於語法位置的域特定資料實體有關的屬性的識別。語法標籤可具有使得語法位置能夠彼此有關的關係屬性。

如本文所使用，語法可被視為規則集合。語法位置為基於此規則集合的有效位置。資料庫中的符號可用以標記資料實體。語法標籤可用以標記符號與規則之間的關聯。語法標籤基於語法建立的規則集合使藉由符號標記的資料實體與域中的其他資料實體相關聯。此語法加標籤處理程序提供一種用於使域特定資訊相關的手段。所述處理程序採用域中的資訊且用使得資訊在域中有關的規則對資訊加標籤。語法標籤可為動態的。

用於分層複合單元的語法標籤可為充當標籤的標示的運算式。此等運算式可符合可按BNF記法或等效元記法表達的語法。語法的任何運算式或子運算式(含有具有潛在價值的範圍的元素)可按階層式組織，在此狀況下，運算式或子運算式描述包含多維空間內的區及連續子區的維度。預設情況下，經指明為階層式的語法元素係按自左至右次序根據其在運算式內的位置進行解譯，如同階層內的自上而下的連續層級。

語法可表示提供連續特殊化的階層座標；特殊化的程度隨階層的深度而增加。語法亦可提供多個層級下的逐步序列化；序列化的程度隨連續層級下的元素的數目而增加。

另外，在特殊化的連續層級及/或序列化的程度下，語法元 素與以下兩者共用接近語法位置：a)其在階層中的父代；以及b)其在相同語法中相同域中跨越不同階層的類似位置中的同胞。

若語法元素基於其階層特殊化或序列位置而言相對接近於其他元素，則語法元素可被視為具有接近語法位置。此等關係考慮到跨越語法位置的價值的比較。預設情況下，經指明為階層式的語法的元素在階層的給定層級內按字母順序及/或按數值來組織。

屬性的語法加標籤操作藉由將資料實體指派給共同語法標籤集合中的元素而將資料實體與共用屬性連結在一起。語法標籤根據其語法關聯使資料實體與域中的其他資料實體相關聯。因此，其固有地將共用語法標籤的資料實體分群及/或叢集。在一些狀況下，語法標籤可用以創建投資組合的規範性模型，下文更詳細地加以論述。

在圖8A及圖8B中說明語法的實例表示。在圖9中說明語法的圖形表示。

投資組合架構創建

建構證券的大規模投資組合因眾多原因而具挑戰性。在無屬性的可靠的且經驗證的系統以及分層系統兩者的情況下，使用分層複合階層來控制不同屬性為困難的。獨立地及一起地，本文所描述的系統及方法使得能夠在大規模基礎上對風險曝露進行工程設計及管理。

投資證券的經工程設計的複合物為經工程設計(或經選擇)以擁有不同於用以建構複合物的基礎證券群體或基礎風險分群中的不受控分群的風險/報酬概況的證券群組。

包括投資證券的分層複合投資組合可基於類似類的實體的 動態組合，所述類似類產生由經組合以創建新實體的組成成分中的每一者的一部分組成的新單元，所述新實體具有不同於分別採用的基礎組成成分的性質。動態性質意謂投資證券的性質隨時間而變化及改變。投資複合物可經組態以考慮此動態本質以便創建實質上隨時間而維護其性質的可靠的複合物。

用於使用投資證券的域特定語法建置分層複合投資組合的方法可包含以下步驟：1)將具有共同風險屬性的投資證券分群；2)將經分群的投資證券分層至滿足以下條件的子群組中：a)與不同風險相關聯，同時b)仍與包含其的群組的風險特性相關聯。

在一個實施例中，分層複合投資組合可包含對多個投資證券的識別及相關聯權重。作為非限制性實例，可根據圖1中所說明的實例方法使用電腦化處理程序執行識別及權重。如圖1中所說明，方法可首先產生分層投資組合架構(1125)，且接著產生投資證券及權重的所得清單(1150)。在初始步驟中，分層模組(1105)可接收投資證券屬性(1120)及屬性規則階層(1122)作為輸入，投資證券屬性與屬性規則階層兩者可儲存於一或多個電腦化資料儲存裝置上。作為非限制性實例，投資證券屬性可選自上文在定義中提供的彼等實例。可使用其他屬性及屬性類型。

可藉由投資組合架構的語法來提供屬性規則，如上文所描述。語法規則可定義屬性與相關聯於屬性的投資證券之間的關係。

分層模組(1105)亦可包含選擇子模組(1110)以接收來自使用者的對屬性及/或規則的選擇作為輸入(1121)。在一些實施例中，規則及/或規則的結構可為預定義的。舉例而言，在圖8A至圖8B中說明包括用於描述公司的規則的語法。在其他實施例中，可由使用者編輯規則的預先存在的集合或可由使用者定義規則的集合。諸如圖8A至圖8B中所說明的 規則的規則定義語法的元素之間的關係。接著將由使用者選擇的屬性應用於語法。在其他實施例中，可為使用者提供介面以用於創建新規則(1121)，接著將新規則輸入至分層模組(1105)。

在一些實施例中，規則陳述可為呈「屬性」、「運算子」、「值」形式的布林陳述式，所述陳述式將基於其屬性針對實體或其相關聯投資證券傳回真或假。在一些實施例中，規則可為組合(經由布林運算子)一或多個規則陳述式的布林運算式。圖9中的線說明實例規則。

在一些實施例中，可將規則的階層定義為一組兩個或兩個以上規則之間的關係，所述關係定義在不符合階層中的一個節點處的規則的任何實體或其投資證券將不會通過父代的子代中的任一者的規則的約束下，應用彼等規則所依據的次序。分層子模組(1115)可經組態以基於規則的階層(1122)、投資證券屬性(1120)(在此階段視情況選用)、關於規則的創建及選擇的輸入(1121)或投資證券的其他識別的清單(1131)創建分層投資組合架構(1125)。可接著電子地表示分層投資組合架構(1125)且將其儲存於電腦化資料儲存裝置上。

可將規則用作基於屬性過濾實體及投資證券的陳述式。可使用階層來定義指定應用規則所依據的次序的規則之間的關係。被排除在最高層級之外的任何公司亦將被排除在較低群組之外。本文所描述的多個屬性系統可藉由借助於變化定義父代或子代的屬性中的一者(或一者以上)而變化任何父代或子代中的群體來組態。

在圖3及圖4中說明所得分層投資組合架構的實例圖形及文字表示。圖3說明實例屬性及其語法位置。在圖4中以圖形方式呈現圖3中所說明的基於屬性的規則。圖3中所說明的規則描述由具有房地產的企業軌跡(1；1205)及裝備材料製造商(2；1210)的兩個群組組成的最高階層 式層級。圖3中的規則進一步描述房地產開發商的企業軌跡(1.A；1215)、房地產業者的企業軌跡(1.B；1220)、REIT/房地產出租人的企業軌跡(1.C；1225)、資訊處理裝備的材料製造商(2.A；1230)，及非資訊處理裝備的材料製造商(2.B；1235)。此等企業軌跡係在分層架構的第二層級加以說明。圖4中的規則包含若干第三層級關係。第三層級定義以下各者的關係：房地產開發商(1.A；1215)下的消費型房地產開發商(1.A.i；1240)、工業房地產開發商(1.A.ii；1245)；房地產業者(1.B；1220)下的北美房地產業者(1.B.i；1250)、歐洲房地產業者(1.B.i；1255)以及亞洲房地產業者(1.B.i；1260)；以及REIT/房地產出租人(1.C；1225)下的低利用的REIT(1.C.i；1265)及充分利用的REIT(1.C.ii；1270)。其他關係係在群組(2.A；1230)及(2.B；1235)下加以說明，但此處未進一步加以描述。

眾多屬性可用以創建投資組合架構。投資組合架構可包含群組的巢狀階層。作為非限制性實例，在一些情況下，可藉由參考總體範圍中的所有實體所共同的屬性來形成此等群組，以使得在每一層級下，總體範圍的每個元素確切處於一個群組中。在一些實施例中，可將此等群組細分成任意數目個子代子群組--且此數目無需對於原始的父代群組中的每一者相同--且可將此細分處理程序執行任意數目次，每次按「自上而下」方式將一層級添加至階層。在一些實施例中，分層複合單元用以建置較大分層複合單元，從而按「由下而上」方式創建階層。在一些實施例中，可使用「自上而下」及「由下而上」方法的組合。不管建構方法，所得分層投資組合架構(1125)可包括根據所定義屬性規則按階層式配置的屬性集合的電子表示。

投資證券的加權

分層複合投資組合可由藉由相應地對分層投資組合的組成 成分加權而維護所定義的風險曝露的一或多個分層複合物建構而成。

可以各種方式調整本文所描述的分層以使得使用者能夠控制投資證券的群體且因此控制起因於與投資證券的群體相關聯的事件的結果。可基於對以下各者中的任一者或全部作出的改變創建及調整投資組合報酬中的偏差：1)對投資證券的群體的改變；2)如何將投資證券的群體分層(投資組合架構)；以及，3)如何在分層階層內的任意位置處對分層單元加權。

一旦判定投資組合架構，便可針對投資證券判定權重。作為非限制性實例，加權函數可為滿足以下情形的任何函數：針對分層投資組合架構中的特定群組，傳回介於0與1之間的值，所述值指示與所述群組相關聯的相對於其在分層投資組合架構中的同胞的權重。在一些實施例中，針對每一層級的所有同胞的加權函數的總和可等於1。

在一些實施例中，證券的權重僅為其在階層中的位置的函數。作為非限制性實例，可在給定父代群組的所有子代之間均勻地劃分權重。亦即，若第一層級含有10個群組，則將對每一群組給予10%的權重。若此等群組中的一者含有4個子群組，則將對每一子群組給予其父代群組的25%的權重，所得權重為25%*10%=2.5%；而若不同的最高層級群組具有5個子代群組，則每一子代將加權20%*10%=2%。可對每一層級重複此處理程序，最終產生用於每一底部層級群組的權重。可將類似處理程序應用於每一底部層級群組內的證券，從而產生用於總體範圍中的每一證券的權重。

在一些實施例中，可藉由電腦執行加權演算法，如下：

在其他實施例中，任何群組的權重可為所述群組中的公司的屬性的函數。作為非限制性實例，可藉由總體範圍中的證券所共同的屬性中的一或多者的函數來對群組(使用屬性中的任一者形成的群組)加權。作為非限制性實例，可在群組的父代群組內按與群組中的所有證券的總債務成比例方式對群組加權。在一些實施例中，函數取決於單一屬性。在其他實施例中，函數取決於複數個屬性。在一些實施例中，使用相同函數對架構中的每個群組加權。在其他實施例中，可使用不同函數對階層中的不同群組加權。在一些實施例中，可藉由電腦執行加權，如下：

參考圖1的實例，電腦化加權模組(1130)接收分層投資組合架構(1125)。如圖2中所說明，加權模組亦可經組態以接收投資證券的識別(1131)及與投資證券相關聯的投資證券屬性(1132)的識別。加權模組可接著產生投資證券及權重的清單(1150)。在圖6中進一步詳細地說明加權模組。如所說明，系統可接收待加權的投資證券的選擇及/或識別(1305)。待加權的投資證券可定位於上文所描述的分層階層中的任何一或多個點處。可接著針對當前層級計算用於個別證券及證券群組的權重(1310)。在一些實施例中，計算可自分層階層的最高層級開始。在當前層級下，識別用於所述層級的加權方案及規則(1315)。可藉由將權重的未完成比例除以n來計算加權係數，n為投資證券或證券群組的數目(1320)。作為非限制性實例，參看圖4，可將最高層級權重計算為第1群組50%且第2群組50%。在第二層級，可按各自.50*.33=0.165或16.5%對群組1A至1C 加權。

在計算權重之前或之後，可應用任何正的或負的加權偏差(1325)。可藉由加法、減法、乘法、除法或其他運算對權重應用偏差。應用於一個群組或投資證券的任何偏差需要在同一群組中或在同一層級下的同級群組中的其他處應用對應相反的偏差。若到達並完成底部層級，則加權處理程序可終止。否則，處理程序可繼續進行下一層級。

作為非限制性實例，可接著將經加權的投資證券的電子表示作為指令輸入至交易所交易基金(exchange traded fund；ETF)或諸如避險基金、共同基金、有限合夥或其他投資載體的其他金融工具。

在替代實施例中，可將用於分層及加權的方法的步驟重新排序。舉例而言，可在投資組合工程設計處理程序中的任何處引入投資證券的清單。可在分層之前挑選投資證券及/或復原處理程序以創建至特定總體範圍的曝露。可在挑選投資證券之前或之後選擇或挑選分層架構、加權方案及/或重新平衡方案中的任一者。

上文所描述的用於創建投資證券的投資組合的步驟的替代排序及變化係有可能的。舉例而言，參看圖1，可將投資證券的識別(1131)提供至分層模組(1105)。在所述配置中，分層子模組可產生投資證券的分層投資組合架構(1125)，接著將投資證券的分層投資組合架構輸入至加權模組(1130)。

復原及重新加權

另外，一些實施例可包含在週期性的基礎上復原所指明的權重以維護所要的風險曝露。分層投資組合可由一或多個分層複合單元組成，所述一或多個分層複合單元藉由以下操作維護所定義的風險曝露：相應地對分層投資組合的組成成分加權，且在週期性基礎上復原所指明的權 重以維護所要的風險曝露。參考圖1、圖2及圖5中所說明的實施例，可在任何任意點處執行所說明的步驟以基於修改的輸入(諸如，修改的加權規則)創建經重新加權的投資組合。參看圖5，在其他實施例中，可藉由單獨的重新加權模組(1155)提供重新加權。重新加權模組(1155)接收指派給投資組合階層位置的目標曝露的清單(1151)。重新加權模組接著選擇新的投資證券以用於包含於分層複合投資組合中。

分層複合投資組合計分

使用本文所描述的方法，可計算分層投資組合的分數。分數可為投資組合的特性且可用於多個內容脈絡中。在一些實施例中，目標分數可為投資組合希望達到的可量化數字。在其他實施例中，目標分數可為投資者希望投資組合具有的屬性的集合。投資組合分數可為根據投資組合計算的價值或價值向量，可將其與投資者對於投資組合具有的目標分數相比較。目標分數可為理論或估計值。

可使用目標分數作為最佳化投資組合的方式。投資者可選取目標分數且可接著使用系統建置經最佳化以用於所述分數的分層複合投資組合。替代地，目標分數可用以建置反映基礎群體的效能的投資組合。亦即，目標分數可為關於將期望群體執行的程度的度量，且分層複合物可用以量測群體的效能。在給定投資組合的投資證券的經加權清單及目標分數的情況下，可基於投資組合的衍生屬性計算投資組合的分數。

目標分數可形成關於期望投資組合執行的程度或管理者希望其基於其特性執行的程度的估計。可藉由量測以下各者中的任一者或全部的效能而達成目標分數：個別公司、隨機取樣的個別公司、分層單元，及/或複合物。

亦可將目標分數識別為投資者作為投資目標的部分委託的 目標分數。此處，投資者可能想要使用分層複合物來達到預定目標分數。藉由基於共同屬性建置群組，可形成風險群組。可接著適當地對此等風險群組加權以達成目標分數，從而產生具有已知偏差的投資組合。

在一些實施例中，可對分層複合投資組合進行工程設計以滿足使用者定義的目標分數。作為非限制性實例，目標分數可包含以下各者中的任一者或全部：(a)絕對報酬目標(例如，預期輪動速率)，(b)風險/報酬度量(例如，夏普比率(Sharpe ratio)、索提諾比率(Sortino ratio)或α)，或(c)如藉由波動性量測的風險目標(例如，跌勢差或β)。在一些實施例中，目標分數可為價值或元素的一維或多維向量，諸如上文提供的彼等實例。舉例而言，目標分數可為[實際報酬-無風險率]/[預期報酬-無風險率]，其中目標分數大於或等於一。

下文參看圖7描述根據一個實施例的用於建構具有目標分數的分層複合物的方法。作為初始步驟，使用者建立群體，在所述群體中，藉由識別投資證券的總體範圍進行投資(7005)。群體可為(例如)美國的金融公司及能量公司。接下來，篩選證券的總體範圍(7015)。接著將公司的群體分層(7020)。藉由此處理程序，基於共同特性將其置於分層單元、階層分群中。

在群體分層之後，識別將用以評估投資組合的量度。所使用的量度可取決於經分層的群體。舉例而言，可能期望用於投資級別債務投資組合的量度具有殖利率及波動性，而可能期望股權投資組合的量度具有風險及報酬。一旦識別量度，便可建立目標分數(7010)。目標分數為使用者希望看見投資組合達成的目標，所述目標係藉由所識別的量度量測。舉例而言，投資級別債務投資組合的目標分數可為投資者將希望投資組合達成的預期殖利率及預期波動性。下文描述目標分數的實例實施例。

一旦設定目標分數，便可創建經工程設計的複合投資組合(7020)。複合物可為兩個或兩個以上分層單元的組合。複合物可經工程設計以達到目標分數。可藉由以下操作對複合物進行工程設計：戰略上對分層單元及分層單元內的公司加權(7025)且對分層單元內的公司重新加權(7030)。加權及重新加權處理程序可包含改變群體的組成成分(添加滿足群體準則的組成成分或將滿足群體準則的組成成分自投資組合中刪除)。

可依據目標分數測試複合物(7035)。若接受目標分數，則處理程序可達到完成。若不滿足目標分數，則可調整各種參數中的一些參數或全部，包含1)階層規則(例如，架構)，2)加權規則，3)對階層篩選且經加權的總體範圍，以及4)重新平衡/復原策略。可重複處理程序，直至創建具有令人滿意的分數的投資組合為止。

可使用分層複合物作為最佳化投資組合的方式。如上文所描述，可建構經工程設計的複合物以滿足目標分數。此處，目標分數可被視為投資目標。舉例而言，目標可為：建置複合物，其報酬、效能、差異及/或其他品質匹配目標分數中概述的彼等情形。

因此，代替建置最代表基礎群體的投資組合，可創建戰略上對較低層級分群加權以使得投資組合將最密切地匹配其目標分數的投資組合。此處，將投資組合分層且建置複合物使得能夠進行群體內的相異風險群組的識別。因為識別此等風險群組，所以可在戰略上跨越風險群組分配權重以便滿足目標分數。

在投資證券中，投資者的主要關注點為風險及報酬。因此，在一些實施例中，目標分數可反映相對於投資組合的風險及報酬特性量化的投資組合的投資目標。創建投資複合物的目標係經由複合物設計及基礎組成成分的加權對風險及報酬進行工程設計。經工程設計的投資複合物可 產生可可靠地達成理論估計的複合分數(根據組合受多個屬性影響的個別證券資料計算的分數)。

使用本文所描述的方法，可對複合物進行工程設計以對此等固有性質進行改良。可創建特定性質以用於在特定環境中使用。在投資證券中，可形成複合物以管理複合分數。可使用分層複合物達成目標分數。分層允許在投資組合內將所識別的風險分群。因此，當創建滿足目標分數的經工程設計的投資組合時，可定性及定量地更好地理解投資組合將曝露於的風險。

用於分層複合投資組合的投資統計

可使用已知統計分析的修改的版本對根據本文所描述的方法產生的投資組合計分，包含α、β以及夏普比率及索提諾比率。可基於規範性分層模型投資組合及規範性投資組合的變化產生分數。舉例而言，可將分層α計算為對規範性分層投資組合的分數的經風險調整的加值。亦可針對分層投資組合計算關於分層正規化市場的分層β，其中分層正規化市場經定義為具有為1的β。

在一些實施例中，可在內容脈絡上定義規範性分層β，此係因為可將市場定義為總體市場的內容相關子集的分層投資組合。舉例而言，作為非限制性實例，可將內容相關子集定義為板塊、行業、地理、時間、辭典術語等。

用於分層投資組合的規範性案例

馬科維茨假定建置若干投資組合以判定最有效地表示群組的投資組合。建置個別模型以測試最具代表性的此處理程序為如何建置規範性模型。在建置規範性模型時，存在用於估計為自規範性案例達成的基礎群體及目標分數的控制項。在金融理論中，假定投資組合開發的此模型 係使用個別證券的投資組合。存在由於以下事實引起的不一致：用於投資證券、經資本化加權的投資組合的當前規範性案例並不達成理論假定的目標分數或報酬率

使用本文所描述的系統及方法，可定義規範性分層投資組合。可將分層單元用作用於建置規範性模型及產生規範性目標分數的工具。可使用投資證券的可靠的且經驗證的類別來細分投資證券的群體以驗證規範性研究。使用者可產生規範性分數以測試假定及驗證用於其他分層投資組合的比較研究的基線。系統可經組態以使得規範性分層投資組合可用以導出目標分數。可相對於基線規範性目標分數來定義用於分層投資組合的目標分數，諸如目標α分數。

在初始步驟，可定義理論或估計分數。使用基於對以下各者中的任一者或全部作出的改變的調整：1)對投資證券的群體的改變；2)如何將投資證券的群體分層；以及，3)如何在分層階層內對分層單元加權，可對投資組合進行工程設計以進行以下操作：1)針對給定群體創建代表性結果(在本文中被稱作規範性案例)；2)在第一方向上偏差的結果；或，3)在第二方向上偏差的結果。

取決於如何作出調整，偏差可朝向投資證券的特定群體集合內的群體子集，諸如地理或時間群組或特定固有屬性類(或屬性類的子集)。在給定群體的分層階層內，可經由階層結構自身(經由結構或屬性選擇)或指派給特定階層單元的權重來管理特定偏差(或不具有偏差)。

非規範性複合物為經設計為不同於規範性案例的複合物。與規範性案例的差異被視為經工程設計或演算法α。使用本發明，可能將負差異工程設計為用於短期投資位置的α。可將工程設計正差異工程設計為用於長期投資位置的α。舉例而言，分佈可為正常的(基於規範性案例)或非規 範性的。非規範性分佈可能正偏斜(偏斜至正常分佈的右方)或負偏斜(偏斜至正常分佈的左方)。可使用如上文所描述的對權重的調整來產生具有此等類型的分佈的投資組合。

資料集正規化及機率塑形

金融基準指數常常用以評估金融工具的效能。S&P 500指數為用於股票定向基金的一個此類基準指數及用於債券基金的基準指數(雷曼兄弟聚合債券指數)的實例。S&P 500指數為經加權以使得個別股票的市場價值用以對指數中的所述股票的價值加權的市場資本額(market cap)。因此，相對大型公司的市場價值的改變對指數具有不相稱的影響。當表示相對較大型公司的工具的價值波動時，追蹤此等指數的基金亦經歷價值的對應波動。

可將根據本文所描述的方法的數學處理應用於大的經濟資料集以減少結果的此等波動及隨機性，諸如投資報酬的波動及隨機性。在一些實施例中，可使用多元演算法來組織大資料集。所述方法可用以產生因果連接及執行即時分析。

系統可經組態以用於將表示投資證券的資料集正規化。正規化處理程序包含基於與投資證券相關聯的實體的屬性進行的統計分類。用於正規化的屬性可為上文所描述的彼等類型的屬性，或與相關聯於證券的實體的操作及資產有關的其他屬性。

可將多個投資證券組織成統計類別。可由系統來提供用於在屬性當中選擇的使用者介面。系統可包含統計類別編輯器(在一些實施例中，被稱作同義字編輯器)。可在系統內使用編輯器定義統計類別。可將統計類別定義為上文所描述的屬性中的任何一或多者，單獨地採用或彼此組合地採用。亦可基於上文所描述的語法及編碼系統定義統計類別。在一些 狀況下，統計類別亦可為分層單元。

破產實例

以下實例說明投資證券的複合物的使用狀況。在此實例中，創建投資級別公司債務證券的分層複合投資組合。

投資級別債務為特定類的證券，其具有良好定義的預期報酬率及良好定義的風險。藉由第三方評級機構對每一基金評級。此評級俘獲基金發佈者將拖欠債務的可能性。在違約風險(投資此等證券的最相關風險中的一者)的狀況下，具有相同評級的公司基金應具有類似的到期殖利率，從而保持諸如成熟期的其他變數恆定。到期殖利率為在給定基金的當前價格的情況下，基金持有者將在保持基金至成熟期中賺得的每年報酬率，假定如預期般進行所有付款(票息付款及票面價值)。換言之，到期殖利率為使得基金的現金流的現值等於基金的當前價格的折扣率。對於具有來自此等機構的相當評級的所有基金，給定成熟期日的殖利率將相同或在非常嚴格的範圍內。亦即，投資級別公司債務證券按可預測方式表現。

雖然不同投資級別債務證券可能具有相同的違約機率，但觸發違約的一或多個事件在發佈者之間不同。亦即，不同公司可能面對相對於公司的特定固有價值及其操作的不同風險因素。此等因素中的一些因素可能為所述公司所獨特的，而其他因素可能為公司群組所共同的。此等風險大體而言可包含在公司的控制之外的行業風險、產品風險、客戶風險、對利率的敏感度、地理、政治或經濟因素，或與公司的CEO或管理有關的風險。存在可繫結至公司的違約風險的許多公司特定屬性。此等屬性可包含(但不限於)：

1)金融槓桿作用：一些公司比其他公司利用得多；

2)基於固有操作或資產的屬性：此等屬性並非帳戶處理或 效能屬性，而是定義哪些公司進行諸如製造、運輸的屬性；與公司的產品有關的屬性，諸如汽車、電腦或長椅以及汽車、電腦或長椅的類型；與公司的客戶有關的屬性，諸如消費者或商務；與消費者的客戶有關的屬性；與商務或其個別操作的地理位置有關的屬性；與公司用以提供其產品所使用的產品及材料有關的屬性；與公司可進行操作的多元行業或行業區段中的任一者有關的屬性；與公司的商務的結構有關的屬性，諸如整合式、非整合式、向前整合式、向後整合式或網路連接式；與相關聯於商務經營所在的特定商務或國家的多元政府或巨集經濟風險中的任一者有關的屬性；與由商務列為其商務的核心的帳戶處理或商務風險相關聯的屬性；與由投資團體繫結至特定商務或區段的分類相關聯的風險。在任何給定時間點，此等因素或與此等因素有關的行業事件中的任一者可造成或增加任何特定公司中的破產的風險；

3)管理或策略：公司具有基於其管理、其決策及策略的獨特風險。

4)公司資產價值：破產(為一種類型的違約)根本上改變由單一公司發佈的投資證券的時期。在申請破產時，基於進行中的操作的報酬的推測改變從而包含清算情形及對公司的每一個別投資證券的權利的分析。在此狀況下，投資者基於給定投資證券在發佈公司的資本結構中的位置評估其接收所述證券的付款的能力。投資證券可能在清算中被指派優先級。若出售或處置公司的基礎財產，則此等清算優先級指明得到哪些證券、哪些證券繼續及何時繼續。

此等屬性中的每一者為固定收入投資者的違約或破產風險的潛在來源。此等屬性中的一些屬性可能與公司群組(例如，生產汽車的公司，或操作位於新奧爾良的公司)有關。由於此原因，並不控制特定屬 性的投資組合可能無意中曝露於特定風險的集中。當群組中的成員違約或申請破產時，所述群組中的其他公司亦可能受影響。

本發明包含用於按以下方式建置投資級別公司債務證券的分層複合投資組合的方法：使得藉由管理投資組合對任何特定公司或行業的曝露而限制對破產風險、公司事件及其他此等非系統性風險因素的曝露。在經資本化加權的債務投資組合中，按與證券相對於投資組合中的所有發佈的總大小而言的發佈大小成比例方式對證券加權。在此類非管理型加權方案的情況下，發佈大量債務的公司或行業有可能變得在投資組合中過度加權。若此等公司或行業中的一者具有負面事件(諸如，破產)，則投資組合自身將大大受影響。分層複合投資組合為一種用以進行以下操作的工具：限制對所計算的量的特定曝露及針對個別公司進行此操作以及限制廣泛行業或巨集經濟影響。

本發明用於管理投資級別公司債務投資組合中的違約風險的應用提供對一個實施例的說明。每一債務證券具有直接繫結至公司的基礎資產的清算中的價值的風險等級。此風險與以下各風險明顯分離：與債務證券自身的供應及需求相關聯的市場風險，以及可能影響在給定時間點給定投資證券所需的報酬率(諸如，彼時的無風險率)的市場因素。

本文所描述的系統保護免受跨越投資組合的此等非系統性風險；亦即，其可減少或消除單一證券或證券群組的材料影響。此情形可藉由以下操作來達成：基於非系統性屬性按風險群組(層)將公司分群，例如，藉由將具有類似產品或類似客戶基礎的公司分群在一起。在適當地執行的情況下，分層確保總體地無單一非系統性風險表示投資組合的重大風險。在此類分層複合物中，將破產風險散佈於足夠獨特群組上以使任一群組或公司的破產的影響最小化。

本發明可用以創建層如下。對於投資級別基金，可能存在降級或破產的三種類型的原因：1)公司特定風險；2)行業特定風險；以及3)產品特定風險。給定評級的投資級別基金應具有相同的降級或破產風險機率，但此評級並不提供關於破產的可能原因的資訊。且實際上，對於相同評級的基金，可能造成發佈者違約的因素可根本上不同。然而，此等破產因素與發佈公司的固有屬性緊密連結。使用此等屬性，有可能基於與群組的發佈者的破產因素有關的發佈者的性質將基金分群為風險群組。可重複此處理程序以形成風險群組的巢狀階層，其中每一子群組具有其自身的風險，但亦具有與父代群組相關聯的風險。此等風險群組則為可用以建構分層投資複合物的層。藉由將投資跨越此等層分層，可實質上減輕單一公司或行業的負面事件可能嚴重影響投資組合的機會。

行業風險實例

以下實例說明用於投資證券的分層複合物的額外使用狀況。在此實例中，創建來自S&P 900指數的股權的投資證券的複合物。此複合物為廣泛式指數，其包括由來自多種行業的美國公司發佈的大型及中等資本額股權證券。此總體範圍為分別追蹤大型及中等資本額美國公司的S&P 500指數及S&P 400指數的組合。在時間段內，股權的此類總體範圍應顯示相對於無風險投資(諸如，美國短期無息國庫券)的一致的報酬加值。

在此實例中，將經資本化加權的S&P 900的報酬與經工程設計為使用本發明的方法建構的分層複合物的證券的相同的總體範圍的報酬相比較。與此等900公司的功能特性有關的屬性用以創建將功能上類似公司分群在一起的階層式巢狀層。此等層用以遵循本文所描述的方法判定每一證券的權重。按季度對投資組合進行重新平衡，從而使每一證券返回 至其初始權重。

當特定行業經歷大的負面價格衝擊時(俗語稱作行業氣泡「爆裂」)，分層提供環境中的物質利益。當行業氣泡增長時，行業中的公司的市場資本化增長，因此所述行業在經資本化加權的投資組合中的權重增長。在經資本化加權的基金(其缺乏對個別公司及類似公司的群組兩者的權重的基於屬性的控制)中，此等氣泡可能產生對特定風險群組(包含僅影響特定行業的風險)的不希望的過度曝露。當經過度加權的行業氣泡崩塌時，投資組合不成比例地受損害。即使行業氣泡之外的公司合理地執行，經過度加權的公司的負報酬亦可對整個投資組合產生負報酬。

然而，在分層複合投資組合中，可藉由將總體範圍分層以使得層對應於相異的行業風險來實質上減輕行業氣泡的風險。以此方式，將行業特定風險隔離且使其無法不成比例地誘發投資組合中的負面效能。

自1997年至2000年的資訊技術股權的增長及崩塌舉例說明分層複合投資組合的益處。使用語法上結構化屬性，定義商務功能涉及移動、儲存或處理資訊的公司群組。此群組中的公司包含微軟、思科、因特爾、AOL、高通及其他此等資訊技術公司。

S&P 900中的20個最大此等資訊技術股權的權重在90年代後期增長，使得至2000年止，其主導投資組合。在1997年、1998年及1999年年末，此等20個股權分別共同地加權S&P 900的11.8%、13.7%以及20.4%。在2000年，當氣泡崩塌時，此等股權的價值下降達42.3%，而S&P 900總體返回-6.9%。排除此等資訊公司，S&P 900的其餘公司返回6.8%。亦即，2000年的「總體市場」衰退並非系統性故障；其為不受控過度曝露於單一行業的結果。

在分層複合投資組合中，可控制此行業特定風險。在實例分 層複合投資組合中，按2.9%的權重設定相同的20個資訊公司且按季度將其重新平衡至此權重。在2000年，此隔離的群組不良地執行(價值下降達59.7%)，但在此群組之外，實例分層複合投資組合健康地返回。排除此等20個公司，實例分層複合投資組合返回21.3%。總計，實例分層複合投資組合在2000年返回17.6%，勝過確切相同的總體範圍的經資本化加權的投資組合達24.5%。

經資本化加權的S&P 900對比相同的總體範圍的實例分層複合投資組合而言的效能表明分層可防止非系統性行業風險影響整個投資組合的方式。

系統架構

本文所描述的系統及方法可在軟體或硬體或其任何組合中實施。可使用一或多個計算裝置來實施本文所描述的系統及方法，所述一或多個計算裝置可能或可能不實體地或邏輯地彼此分離。另外，可將本文所描述的方法的各種態樣組合或合併至其他功能中。在圖10中說明用於實施本發明的實例電腦化系統。

在一些實施例中，可將所說明的系統元件組合成單一硬體裝置或分離成多個硬體裝置。若使用多個硬體裝置，則可將硬體裝置實體地位於接近彼此或遠離彼此處。

可在可自電腦可用或電腦可讀儲存媒體存取的電腦程式產品中實施所述方法，所述電腦可用或電腦可讀儲存媒體提供用於由電腦或任何指令執行系統使用或結合電腦或任何指令執行系統使用的程式碼。電腦可用或電腦可讀儲存媒體可為可含有或儲存用於由電腦或指令執行系統、設備或裝置使用或結合電腦或指令執行系統、設備或裝置使用的程式的任何設備。

適合於儲存及/或執行對應程式碼的資料處理系統可包含直接或間接地耦接至諸如記憶體元件的電腦化資料儲存裝置的至少一個處理器。輸入/輸出(Input/output；I/O)裝置(包含但不限於鍵盤、顯示器、指標裝置等)可耦接至系統。網路配接器亦可耦接至系統以使得資料處理系統能夠變成經由介入的私人網路或公用網路耦接至其他資料處理系統或遠端印表機或儲存裝置。為了提供與使用者的互動，可將特徵實施於電腦上，所述電腦具有用於向使用者顯示資訊的顯示裝置，諸如液晶顯示器(liquid crystal display；LCD)或另一類型的監視器；以及可供使用者將輸入提供至電腦的鍵盤及輸入裝置，諸如滑鼠或軌跡球。

電腦程式可為可直接或間接地用於電腦中的指令集。本文所描述的系統及方法可使用以下各者來實施：程式設計語言，諸如FlashTM、JAVATM、C++、C、C#、Visual BasicTM、JavaScriptTM、PHP、XML、HTML等，或程式設計語言的組合，包含編譯或解譯語言，且可以任何形式來部署，包含作為獨立程式或作為適合用於計算環境中的模組、組件、次常式或其他單元。軟體可包含但不限於韌體、常駐軟體、微碼等。諸如SOAP/HTTP的協定可用於實施程式設計模組之間的介面。可在於虛擬化或非虛擬化環境中執行的任何桌上型作業系統上，使用適合於軟體開發的任何程式設計語言實施本文所描述的組件及功能性，包含(但不限於)微軟WindowsTM、AppleTM MacTM、iOSTM、UnixTM/X-WindowsTM、LinuxTM等的不同版本。可使用諸如Ruby on Rails的web應用程式框架實施系統。

處理系統可與電腦化資料儲存系統通信。資料儲存系統可包含非關聯式或關聯式資料存放區，諸如MySQL^TM或其他關聯式資料庫。可使用其他實體及邏輯資料庫類型。資料存放區可為資料庫伺服器，諸如微軟SQL Server^TM、Oracle^TM、IBM DB2^TM、SQLITE^TM，或關聯式或其他方 式的任何其他資料庫軟體。資料存放區可儲存識別語法標籤的資訊及對語法標籤操作所需的任何資訊。在一些實施例中，處理系統可使用物件導向式程式設計且可將資料儲存於物件中。在此等實施例中，處理系統可使用物件關聯式映射程式(object-relational mapper；ORM)將資料物件儲存於關聯式資料庫中。本文所描述的系統及方法可使用任何數目個實體資料模型來實施。在一個實例實施例中，可使用RDBMS。在彼等實施例中，RDBMS中的表格可包含表示座標的行。在經濟系統的狀況下，可將表示公司、產品等的資料儲存於RDBMS中的表格中。表格之間可具有預定義的關係。表格亦可具有與座標相關聯的附加項。

用於執行指令程式的合適處理器包含(但不限於)任何種類的電腦的通用及專用微處理器，及唯一處理器或多個處理器或核心中的一者。處理器可接收並儲存來自諸如唯讀記憶體、隨機存取記憶體、唯讀記憶體與隨機存取記憶體兩者或本文所描述的資料儲存裝置的任何組合的電腦化資料儲存裝置的指令及資料。處理器可包含可操作以控制電子裝置的操作及效能的任何處理電路系統或控制電路系統。

處理器亦可包含用於儲存資料的一或多個資料儲存裝置，或操作地耦接至用於儲存資料的一或多個資料儲存裝置以與之通信。作為非限制性實例，此等資料儲存裝置可包含磁碟(包含內部硬碟及抽取式磁碟)、磁光碟、光碟、唯讀記憶體、隨機存取記憶體及/或快閃儲存器。適合於有形地體現電腦程式指令及資料的儲存裝置亦可包含所有形式的非揮發性記憶體，包含例如半導體記憶體裝置，諸如EPROM、EEPROM及快閃記憶體裝置；磁碟，諸如內部硬碟及抽取式磁碟；磁光碟；以及CD-ROM及DVD-ROM磁碟。處理器及記憶體可藉由特殊應用積體電路(application-specific integrated circuits；ASIC)來補充或併入於特殊應用積體電路 (ASIC)中。

可使用軟體或硬體元件的任何組合來實施本文所描述的系統、模組及方法。可使用獨立地或彼此組合地操作的一或多個虛擬機實施本文所描述的系統、模組及方法。可使用任何可適用的虛擬化解決方案將實體計算機器平台囊封至在於硬體計算平台或主機上執行的虛擬化軟體的控制下執行的虛擬機中。虛擬機可具有虛擬系統硬體及客體作業系統軟體兩者。

本文所描述的系統及方法可實施於電腦系統中，所述電腦系統包含後端組件，諸如資料伺服器；或所述電腦系統包含中間軟體組件，諸如應用程式伺服器或網際網路伺服器；或所述電腦系統包含前端組件，諸如具有圖形使用者介面或網際網路瀏覽器的用戶端電腦；或其任何組合。系統的組件可藉由任何形式或媒體的數位資料通信(諸如，通信網路)連接。通信網路的實例包含例如LAN、WAN以及形成網際網路的電腦及網路。

本發明的一或多個實施例可藉由包含以下各者的其他電腦系統組態來實踐：手持式裝置、微處理器系統、基於微處理器或可程式化消費型電子裝置、小型電腦、大型電腦等。本發明亦可在分佈式計算環境中實踐，其中任務係由經網絡連結的遠端處理裝置執行。

雖然已描述本發明的一或多個實施例，但其各種更改、添加、排列及等效物包含於本發明的範疇內。

在實施例的描述中，參考形成所述描述的部分的隨附圖式，隨附圖式借助於說明展示所主張的標的物的特定實施例。應理解，可使用其他實施例，且可作出諸如結構改變的改變或更改。此等實施例、改變或更改未必偏離關於既定主張的標的物的範疇。雖然可能按某一次序呈現本 文中的步驟，但在一些狀況下，可改變排序以使得在不同時間或按不同次序提供某些輸入，而不會改變所描述的系統及方法的功能。所揭示程序亦可按不同次序執行。另外，本文中的各種計算無需按所揭示次序執行，且可容易地實施使用計算的替代排序的其他實施例。除重新排序之外，亦可將計算分解成具有相同結果的子計算。

Claims (30)

1. 一種用於在一資料庫中建構投資證券的一表示的電腦實施方法，所述方法包括：將資料實體的一集合電子地儲存於一資料庫系統中，所述資料實體中的每一者表示一投資證券，且每一投資證券對應於一經濟實體；將表示所述經濟實體的屬性的標籤電子地指派給複數個所述投資證券；選擇藉由資料實體表示的複數個投資證券以用於包含於投資證券的一指數、基金或投資組合中；基於一第一共同屬性及一第二共同屬性將所述所選擇的投資證券分層至至少一第一分層群組及一第二分層群組中，其中藉由所述第一分層群組中的投資證券表示的所述經濟實體共用如藉由一或多個標籤識別的所述第一共同屬性，且藉由所述第二分層群組中的投資證券表示的所述經濟實體共用如藉由一或多個標籤識別的所述第二共同屬性；選擇投資證券的一分層群組；基於一第三共同屬性及一第四共同屬性將所述所選擇的投資證券分層至至少一第一分層子群組及一第二分層子群組中，其中藉由所述第一分層子群組中的投資證券表示的所述經濟實體共用如藉由一或多個標籤識別的所述第三共同屬性，且藉由所述第二分層子群組中的投資證券表示的所述經濟實體共用如藉由一或多個標籤識別的所述 第四共同屬性；將所述分層群組及子群組電子地儲存於一資料庫中作為一指數、基金或投資組合的一表示；電子地存取所述分層群組或子群組的所述資料庫表示；基於所述投資證券經分層至的所述一或多個群組或子群組電子地迭代所述所存取的表示以計算用於所述投資證券中的一或多者的一負或正權重；以及將所述負或正權重指派給所述資料庫中的所述投資證券中的所述一或多者且將所述負或正權重電子地儲存於所述資料庫中。
2. 如申請專利範圍第1項所述的方法，其進一步包括：將負或正權重指派給證券的所述一或多個群組，其中所述一或多個群組的所述權重的總和等於1；將負或正權重指派給所述一或多個子群組，其中所述群組的所述一或多個子群組的所述權重的總和等於1；以及將負或正權重指派給所述一或多個投資證券；其中所述子群組的所述一或多個投資證券的所述權重的總和等於1；以及將一負或正權重指派給一投資證券，所述指派係藉由計算在其子群組內的所述證券的所述權重、在其群組內的所述子群組的所述權重及在所述投資組合內的所述群組的所述權重進行。
3. 如申請專利範圍第2項所述的方法，其進一步包括：設定用於一群組、子群組或投資證券的一目標權重； 以及週期性地將所述群組、所述子群組或所述投資證券重新平衡至其目標權重；且其中用於所述群組、所述子群組或所述投資證券的所述權重進一步基於所述投資組合、指數或基金經分層至的群組、子群組或投資證券的數目或屬性。
4. 如申請專利範圍第2項所述的方法，其進一步包括將關於一或多個資料實體及一或多個權重的資訊傳輸、發送或中繼傳送至以下各者中的一或多者：一交易所、指數提供者、指數計算器、經紀人業務、資產管理者、投資顧問、基金管理者或證券交易平台。
5. 如申請專利範圍第4項所述的方法，其進一步包含在一證券、複合物、群組或投資組合中使用一或多個權重購買、出售、賣空或執行交易。
6. 如申請專利範圍第1項所述的方法，其中一或多個證券、子群組、群組或投資組合為股權、債券、衍生工具、大宗物資、基金或交易所交易基金。
7. 如申請專利範圍第1項所述的方法，其中所述群組、所述子群組及所述投資證券包括叢集投資證券的一分層投資組合架構；且其中所述資料庫電子地表示所述分層投資組合架構，藉此使得一電腦處理器能夠叢集所述投資證券且將權重指派給所述投資證券。
8. 如申請專利範圍第1項所述的方法，其中所述投資證券係選自股權、債券、衍生工具、大宗物資、基金或交易所交 易基金。
9. 如申請專利範圍第1項所述的方法，其中藉由投資證券表示的所述經濟實體為公司、資產、資源、產品或負債。
10. 如申請專利範圍第9項所述的方法，其中所述共同屬性與藉由所述投資證券表示的所述公司、所述資產、所述資源或所述負債的輸入、輸出、操作、產品、供應商、客戶或客戶的客戶有關。
11. 如申請專利範圍第1項所述的方法，其進一步包括：接收來自一使用者的一目標效能量度作為一輸入；以及評估一投資組合、群組或子群組以判定或籌劃其是否滿足所述效能量度，或進行籌劃以滿足所述效能量度；或建構一投資組合、群組或子群組以便達成所述效能量度。
12. 如申請專利範圍第11項所述的方法，其中所述效能量度為一預期報酬、風險度量、波動性度量、α、β或夏普比率。
13. 如申請專利範圍第1項所述的方法，其中一群組及其組成子群組包括一分層複合單元。
14. 如申請專利範圍第13項所述的方法，其中一分層複合單元經工程設計或選擇以擁有不同於來自基礎證券的群體的一不受控分群的一風險/報酬概況。
15. 如申請專利範圍第1項所述的方法，其中一指數為如藉由資料實體表示的投資證券的一未投入集合，且一投資組合為如藉由資料實體表示的投資證券的一投入集合。
16. 如申請專利範圍第1項所述的方法，其中所述第一屬性及 所述第二屬性不同。
17. 如申請專利範圍第16項所述的方法，其中所述第三屬性及所述第四屬性彼此不同且與所述第一屬性及所述第二屬性不同。
18. 如申請專利範圍第1項所述的方法，其進一步包括：識別額外共同屬性作為用於進一步分層至任意數目個層中的一基礎，其中每一層由較高層處的一集合的至少兩個子集組成；以及基於屬性的通用性進一步將所述子群組分層。
19. 如申請專利範圍第1項所述的方法，其中所述群組或所述子群組經分層以與一經資本化加權、經均勻加權或經因素加權的投資組合相比較而言創建一更正常分佈的效能，如藉由常態的一通常接受的統計測試量測。
20. 如申請專利範圍第19項所述的方法，其中效能係藉由以下各者來量測：報酬、預期報酬、風險、差異、波動性、預期差異、預期波動性，或流動性。
21. 如申請專利範圍第1項所述的方法，其中所述屬性為所述基礎經濟實體所固有的。
22. 如申請專利範圍第21項所述的方法，其中所述固有屬性並非基於因素、基於帳戶處理、基於效能或基於資本市場。
23. 如申請專利範圍第21項所述的方法，其中指派給一資料實體的一固有屬性為很可能在一任意時間間隔內維持一恆定價值的屬性，如藉由一統計顯著性測試驗證。
24. 如申請專利範圍第1項所述的方法，其中所述固有屬性與 公司或發佈者的基礎操作相關聯，或與其價值鏈中的一公司或發佈者相關聯。
25. 如申請專利範圍第24項所述的方法，其中操作包括採購、運輸、儲存、研究及開發、製造、品質控制、銷售、交易、儲備、投資研究、資產管理、審計、資本、能量、資訊、土地、房地產、工具、勞動力、原材料、簡單組份、複雜組份，或其他產品、最終產品、資源、資產、負債、中介、部門、工作群組、供應商、貸方、投資者、利益相關者、客戶、客戶的客戶、相對方、夥伴、服務提供者、輸入或輸出。
26. 如申請專利範圍第24項所述的方法，其中所述基礎操作並不包括所述公司或所述發佈者的資產、負債、輸入、操作或產品的基於帳戶處理或資本市場的表示或量度。
27. 如申請專利範圍第1項所述的方法，其中所述屬性特性化所述經濟實體中的每一者在將輸入轉換成輸出的一處理程序中的作用。
28. 如申請專利範圍第27項所述的方法，其中所述屬性為功能性的。
29. 一種用於在一計算環境中執行一命令以在一資料庫中建構投資證券的一表示的系統，所述系統包括：一電腦化處理器，其經組態以用於進行以下操作：將表示經濟實體的屬性的標籤電子地指派給複數個投資證券；選擇藉由資料實體表示的多個投資證券以用於包含於投 資證券的一指數、基金或投資組合中；基於一第一共同屬性及一第二共同屬性將所述所選擇的投資證券分層至至少一第一分層群組及一第二分層群組中，其中藉由所述第一分層群組中的投資證券表示的所述經濟實體共用如藉由一或多個標籤識別的所述第一共同屬性，且藉由所述第二分層群組中的投資證券表示的所述經濟實體共用如藉由一或多個標籤識別的所述第二共同屬性；選擇投資證券的一分層群組；基於一第三共同屬性及一第四共同屬性將所述所選擇的投資證券分層至至少一第一分層子群組及一第二分層子群組中，其中藉由所述第一分層子群組中的投資證券表示的所述經濟實體共用如藉由一或多個標籤識別的所述第三共同屬性，且藉由所述第二分層子群組中的投資證券表示的所述經濟實體共用如藉由一或多個標籤識別的所述第四共同屬性；電子地存取所述分層群組或子群組在所述資料庫中的所述表示；基於所述投資證券經分層至的所述一或多個群組或子群組電子地迭代所述所存取的表示以計算用於所述投資證券中的一或多者的一負或正權重；以及將所述負或正權重指派給所述資料庫中的所述投資證券中的所述一或多者；以及一電子資料存放區，其經組態以進行以下操作： 將資料實體的一集合電子地儲存於所述資料庫中，所述資料實體中的每一者表示一投資證券，所述投資證券對應於一經濟實體；將用於所述投資證券中的所述一或多者的所述負或正權重電子地儲存於所述資料庫中；以及將分層群組及子群組電子地儲存於所述資料庫中作為一指數、基金或投資組合的一表示。
30. 如申請專利範圍第29項所述的系統，其中所述電腦化處理器經進一步組態以進行以下操作：將負或正權重指派給證券的所述一或多個群組，其中所述一或多個群組的所述權重的總和等於1；將負或正權重指派給所述一或多個子群組，其中所述群組的所述一或多個子群組的所述權重的總和等於1；以及將負或正權重指派給所述一或多個投資證券，其中所述子群組的所述一或多個投資證券的所述權重的總和等於1；以及將一負或正權重指派給一投資證券，所述指派係藉由計算在其子群組內的所述證券的所述權重、在其群組內的所述子群組的所述權重及在所述投資組合內的所述群組的所述權重進行。