CN101095158A - 资产分配的方法及系统 - Google Patents
资产分配的方法及系统 Download PDFInfo
- Publication number
- CN101095158A CN101095158A CNA2004800307495A CN200480030749A CN101095158A CN 101095158 A CN101095158 A CN 101095158A CN A2004800307495 A CNA2004800307495 A CN A2004800307495A CN 200480030749 A CN200480030749 A CN 200480030749A CN 101095158 A CN101095158 A CN 101095158A
- Authority
- CN
- China
- Prior art keywords
- assets
- risk
- investment
- return
- class
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种通过评估预期回报率和风险的范围来符合投资者的目标组合投资回报率和风险的方法及系统,其中所述预期回报率和风险可能由至少部分包含另类资产类别的投资组合产生。该方法包含例如选择多个另类资产类别的可用历史数据;至少部分基于与各另类资产类别相关的传统资产类别的历史数据,不平滑化历史数据;针对存活率和选择偏差的影响校正另类资产类别的历史数据。至少部分基于不平滑化且校正后的另类资产类别的历史数据,计算每种另类资产类别的预期回报率和风险的预测值;以及识别具有预期回报率和风险的至少一种另类资产类别,以将其包含在投资组合中,其中该预期回报率和风险基本符合投资者的目标组合投资回报率和风险。
Description
优先权申请
本申请要求2003年9月11日申请的名称为“总净值资产分配(WHOLENET WORTH ASSET ALLOCATION)”的美国临时申请No.60/501,833以及2003年11月10日申请的名称为“资产分配的方法和系统(METHOD ANDSYSTEM FOR ASSET ALLOCATION)”的美国临时申请No.60/518,332的权益,在此通过参考的方式援引其全部内容。
技术领域
本发明一般地涉及一种为投资者提供的关于他们对每种资产类别应该持有的资产量的单个统一框架的方法及系统。更具体地(但非限制性地),本发明是一种资产分配的方法和系统,其能够优化几乎所有可投资资产类别(无论是流动的还是非流动的,传统的或另类的)。
背景技术
随着现代投资组合理论的发展,投资经理和投资者对各种投资的投资组合的观点发生了巨大的变化。关于对每种资产类别应该分配多少资产量才能以最低的风险提供最大的预期回报率,一直在进行着各种明智的决策。结果导致投资理念的重大跃进并且获得一种构建投资组合的新方法。
但是,现代投资组合理论基于以下几个重要的假设:(1)资产回报率可以比较测量;(2)所有资产类别的流动性水平大致相同;(3)已经可靠观察这些资产类别的长期表现;以及(4)这些资产类别的类型和风险特征相似且易于理解。
这些假设在传统投资界非常适用,因为它们合理地接近股票、债券和现金的实际情况。但是金融界是一个动态的领域,它不断地为投资者提供新的机会和挑战。这种动态变化会产生大量非传统的或者另类的投资产品,其包括对冲基金和非流动性投资(例如私人股本和房地产媒体),而投资者可以利用上述投资产品改善其投资组合的表现。
但是,作为许多高净值投资者的投资组合中越来越重要的部分,上述这些新资产类别的出现又产生了潜在问题。对于传统资产类别而言是合理的假设对于另类资产类别常常是不合理的,因为另类资产类别可能流动性较小、特征差异很大并且历史表现数据差或记录前后不一致。结果导致投资者陷入由于没有完全了解这些投资产品而不清楚是否应该利用这些产品的困境。因此,需要开发新的技术和工具来解决上述问题。
确定私人股本、房地产及其它非流动性投资的价值很难。于是,投资者需要一种创新的整体系统,以对平衡流动性需求与更高回报率潜力做出明智的决策。
许多投资者在寻求降低风险并增加其投资组合的回报率(即多元化投资的真正原因)时,可能增加了一些会导致投资组合失去平衡的资产。私人投资者学会(The Institute for Private Investors)是一个投资者具有最少为1000万美元可投资资产的教育组织,该学会报导称它们的成员现在平均有18%的资产投资在另类投资产品(例如房地产和私人股本)中。在最近的IPI(私人投资者学会)调查中,超过30%的成员家庭称他们计划增加其房地产和私人股本的持有量。这一趋势产生两个相关问题。
第一个问题:房地产持有量、信贷结构(购买债券投资组合并寻求通过抵押资产购买更多的证券来增加收益)以及在风险资本、负债收购和其它类型的私人股本方面的投资是非流动性的。这些资产的典型特征是必须持有多年,并且由于不能根据需要买卖,所以难以确定它们在任何给定时刻的确切价值。
上述问题导致第二个问题。在资产分配计划中包括非流动性投资非常难。已经证明优化投资组合以符合投资者的目标和风险容忍度的传统方法对确定投资组合中的股票、债券和现金的百分比很有用,但是这种传统方法实际上不能处理属性差异很大的非流动性资产。
如果将流动资产和非流动资产当作两个单独的投资组合部分,则不能回答某个投资者总共应该持有多少房地产或私人股本的问题。可是,回避流动性问题而将传统资产与房地产和私人股本混在一起,则忽视了两类资产之间的基本差异。所产生的投资组合会具有远高于投资者预期的风险。
意识到待需处理的难题,应该考虑一种用于建立投资组合的长期稳固的方法。在传统方法中,顾问帮助投资者确定长期目标和风险容忍度,然后考虑股票和债券的历史回报率和风险。股票的年度历史回报率为10.2%,但有时损失也相当大。债券的回报率约为股票的一半,但风险低得多。在考虑所有的数据之后,顾问设法创建一个混合多种资产的最佳投资组合,力求以可接受的风险水平提供最大的回报率。
以上非常简化地说明了依据资产选择的复杂分析以及顾问的判断和经验的处理方法。尽管传统资产分配的方法论建立得很成熟,但是,当在上述组合中添加非流动性投资时,问题就变得麻烦了。
根据传统资产分配技术的观点,私人股本和房地产看起来在几乎每个投资组合中均占有较重的份量。例如,根据汤姆森风险投资经济(ThomsonVenture Economics)的报告,在过去的20年中,风险投资的年回报率约为17%。该回报率比NASDAQ股票所获得的回报率高8个百分点。基于一些历史研究发现,风险投资的风险也较低,至少在波动性(回报率变动的幅度)方面是这样。
根据这些原始数字,投资者可能会判定一个最佳投资组合应该是以风险资本的方式持有其大部分资产。但是,由于几个原因应该调整上述方法。其一,由于股票和风险投资基金的定价方式差异很大,所以风险基金的波动性比建议的数据更高。股票价格不断变化,因而基于价格的时刻波动来计算股本的波动性。此外,在闭市时股票具有可测定数值。与此相对照,风险投资基金经理发布表现数据的频度很少高于每季度一次。并且,即便如此,上述数据也只不过是粗略估计而已。由于没有上述投资的公共市场,所以风险基金经理只能估计其持有基金的价值。基金的真正价值只有在基金投资组合中的所有公司都出售之时才能知道,此时可能已经是投资者投入资金10年之后了。
因此,尽管风险投资的波动性看起来要比股票低,其实原因仅仅在于上述频度少且不准确的估价趋向于使粗糙的价格数据(patch)变得平滑,从而在持有基金的价值实际上下波动时却显示价格正在逐渐上升。
投资顾问根据客户的目标和风险容忍度建议他们确信将具有最佳表现的资产(例如股票、债券、现金)组合。过去已经有几个定量模型,这些模型通过观察所有不同资产类别的历史回报率然后基于客户的风险容忍度和关于他们投资组合的目标来计算所有这些不同资产类别的正确平衡,试图从数学上优化投资组合。
还有一些定性方法,其中投资顾问不必对给定的资产类别的表现作大量的计算分析,而是基本上利用他们的直觉和给定资产类别的经济前景。但是,上述定量模型通常作为提出可靠资产分配建议的初步依据。
如上所述,定量模型的问题在于提出建议的能力通常仅限于传统资产类别,例如股票、债券和现金(有时可以包括对冲基金,但这些基金完全是灰色区域)。除对冲基金之外,这些传统资产类别通常具有许多可用的良好历史数据。从而能够非常容易地运行过去30年左右的数学模型,并能够提出关于这些资产类别将来表现如何的一些相当合理的建议,因而使得顾问能够构建具有满足投资者目标的较高可能性的投资组合。
但是,这些定量模型限于传统的资产类别。高净值私人客户实际上可以接触许多其它产品,例如另类投资产品和媒体,而不仅仅是股票、债券和现金等传统资产类别。这些客户可以接触对冲基金、私人股本、房地产等,这些投资类别不能被认为是传统的资产类别,因为它们不必是流动的,而流动性是传统资产类别的一大标准。
目前还没有在包含上述资产类别的较大组中以及在传统投资与另类投资之间进行明智且系统分配的模型。因此,举例说来,很难确定相对于属于典型流动资产类别的公开股票应该持有多少属于非流动资产类别的私人股本。没有一个单个统一的模型能够在所有这些资产类别中做任何类型的严格优化。现有技术的模型仅限于投资组合中的传统或流动组分。
因而,需要一种方法,利用这种方法投资顾问能够明智地建议最满足高净值投资者的目标且与投资者的风险容忍度一致的资产组合。具体说来,作为私人银行客户的高净值私人投资者应该明智地考虑非传统或另类资产类别,这些资产类别会对这种客户的投资组合非常有益。
发明内容
本发明的特征和优点是提供一种方法和系统,其在考虑客户的情况和对市场风险及非流动性的容忍度的基础上,为客户确定所有可用的不同资产类别的最佳组合量。
本发明的另一特征和优点是提供一种理解如何将整个范围的投资最佳地组合成一个投资组合的新颖规范的方法,所述投资范围包括传统资产类别、对冲基金和非流动性资产类别(例如私人股本和房地产)。
本发明的又一特征和优点是为关注投资组合的投资者提供可供选择的扩展投资范围(例如非传统资产类别),从而能够改进投资组合的多元化并更好地权衡风险与收益。这意味着愿意接受非流动性风险(即,愿意将其投资组合的一部分资产投入在不能轻易转换为现金的资产)的客户的投资组合可以具有更高的预期长期回报率,如图1所示,其中非流动性为20%的投资组合的预期回报率高于传统基准,而非流动性为30%的投资组合的预期回报率更高。
本发明的附加特征和优点使得投资者能够在统一框架中考虑他们所有的可投资资产并且针对适于其目标的每项资产量做出关于有远见且明智的决策。这对于那些可能并不是受组合投资需求的初始驱动而持有资产的投资者尤其有价值。这些投资者可能由于历史或家庭原因而拥有企业或投资财产。本发明的实施例将所有这些资产类别整合在单个统一的金融资产投资组合中。
根据本发明,这里定义的传统资产包括公开交易的股票、债券和现金。非流动性资产包括私人股本、房地产、自然资源和信贷结构。另类资产包括上述非流动性资产以及对冲基金和管理期货。
为实现上述及其它特征、优点和目的,本发明的实施例利用例如计算机硬件、操作系统、编程语言、应用软件及其它技术,提供一种通过评估预期回报率和风险的范围来符合投资者的目标组合投资回报率和风险的方法及系统,,其中所述预期回报率和风险可能是由至少部分包含另类资产类别的投资组合所产生的。
根据本发明的实施例,至少部分基于与各另类资产类别相关的传统资产类别的历史数据,选择并且不平滑化多个另类资产类别的当前可用历史数据。在不平滑化历史数据的过程中,至少部分基于相关传统资产类别的历史数据计算另类资产类别的逐日结算的回报率估计值。此外,例如,通过至少部分基于建模技术和学术研究计算存活率(survivorship)和选择偏差的影响估计值,针对存活率和选择偏差的影响校正另类资产类别的历史数据。至少部分基于上述不平滑化且校正后的另类资产类别的历史数据,递增计算每种另类资产类别的预期回报率和风险的预测值,即从较低风险的另类资产类别开始向较高风险的另类资产类别进行计算,并识别出至少一种具有预期回报率和风险的另类资产类别,以将该另类资产类别包含在投资组合中,其中该预期回报率和风险基本符合投资者的目标组合投资回报率和风险。
本发明的实施例例如通过计算对冲基金的与传统市场投资比率相关的各回报比例估计值和由专业经理产生的各回报比例估计值,以及至少部分基于对传统股票资产类别的预测值来计算与平均市场投资比率相关的该比例的预期回报率预测值,解决了计算对冲基金的预期回报率和风险的预测值的问题。之后,可以计算由专业经理所产生的该比例的预期回报率预测值。此外,为了解决涉及计算预期回报率和风险的预测值问题,可以针对费用对预期回报率的影响来调整计算结果,例如,从回报率估计值的计算结果中减去基金中的基金的费用,并且还可以针对税收对于应纳税投资者的预期回报率的影响来调整计算结果。
本发明的实施例的另一方案涉及例如通过利用风险价值(VaR)以预定的置信水平来量化负面风险,计算另类资产类别对投资组合的负面风险影响的估计值。本发明的实施例的又一方案涉及利用蒙特卡罗模拟法(MonteCarlo simulation)在多个风险水平计算另类资产类别的多个预期回报率的估计值。本发明的实施例的附加方案涉及基于例如由另类资产类别的非流动性程度对投资组合施加的投资限制和/或投资者限制,计算另类资产类别的非流动性程度对投资组合的影响估计值,该影响估计值是提高回报率的影响和降低风险的影响中的至少之一的估计值。本发明的其它目的、优点和新特征的一部分将在以下的说明中阐明,并且一部分对于本领域的技术人员在仔细研究下文时变得显而易见,或者可以从本发明的实施中获知。
附图说明
图1是示出流动性风险对长期组合投资回报率的影响实例的曲线图;
图2是示出本发明实施例的用于跟踪误差的默认设定实例的表格,所述默认设定反映对另类资产预测的信心,并且产生覆盖一定流动性水平范围的强健且高度多元化的投资组合;
图3是示出高收益债券的回报率分布实例的曲线图,该高收益债券具有负偏态并表现出峰态;
图4是示出在95%的置信水平下具有314万美元的VaR的1亿美元投资组合实例的曲线图;
图5是示出投资选择的近似流动性实例的表格;
图6是示出平滑化对另类资产的公布回报率的影响实例的曲线图;
图7是示出免税和美国应纳税投资者的长期回报率和风险假设实例的表格;以及
图8是示出本发明实施例通过评估预期回报率和风险的范围来符合投资者的目标组合投资回报率和风险的方法实例的流程图,所述预期回报率和风险可能是由至少部分包含另类资产类别的投资组合所产生的。
具体实施方式
按照规定,这里公开本发明的详细特征和实施例。但是,应该理解所公开的特征和实施例仅是本发明的示例,而本发明可以多种替代方式实施。附图不一定按比例绘制,为示出具体组成部分的细节,可能放大或缩小某些特征。因此,这里公开的具体结构和功能细节以及这些细节的任何具体组合不能解释为是限制性的,而仅作为权利要求的基础以及作为使本领域的技术人员能够以各种方式实施本发明的典型基础。
现在详细说明本发明的实施例,并在附图中示出本发明的各个实例,所提供的每个实例是为了解释本发明,而不是限制本发明。本领域的技术人员会清楚在不脱离本发明的范围或精神的前提下可以对本发明进行各种修改和变化。例如,作为一个实施例的部分示出或描述的特征可以用于另一实施例以获得又一实施例。因此,这意味着本发明覆盖落入本发明范围内的这些修改和变化。
本发明的实施例是一种能够优化几乎所有可投资资产类别(无论是流动的还是非流动的,传统的或另类的)的资产分配模型。本实施例提供另类(尤其是非流动)资产类别的优化分析。非流动资产类别的建模非常困难,其原因很多。例如,非流动资产可用的可靠历史数据很少。但是,可以在非流动资产类别与流动资产类别之间作比较,允许使用流动资产类别所用的某些定量方法,从而使非流动资产类别和流动资产类别置于一个公平竞争环境中,以使用这些定量方法优化所有的不同资产类别。
本发明的另一实施例为与优化程序背后的分析工作相关的方法。本实施例为对客户资产进行历史或总净值研究的业务流程。本发明使得投资顾问能够为客户不仅提供关于股票、债券、现金以及可能的对冲基金的咨询,而且能够提供客户拥有或希望考虑的房地产资产、私人股本等之类的咨询。例如,如果客户是自身企业的拥有者或具有许多租赁财产,则为这些资产建模和在考虑这些资产的基础上提出资产分配建议是非常困难或不可能的。
本发明的实施例结合输入信息和技术来构建强健且理性的投资组合。已经向更好地理解另类资产前进了很多,但是预测投资者投资组合中的另类资产行为的能力的置信度不同。当构建总净值投资组合时,需要考虑传统资产与另类资产之间的置信水平差异。上述相对置信度考虑是本发明实施例中的重要部分。
本发明的又一实施例涉及构建总净值投资组合所采用的框架。该框架以已经证明对传统资产有效的技术开始。这些技术以在投资者可接受的风险水平下构建具有最高预期回报率的多元化投资组合的方式,权衡每种资产类别的预期回报率与风险。经验表明,以上述方式构建的传统资产类别的投资组合在很长的一段时间内表现趋向于符合预期值(尽管过去的表现并不能预示将来的结果)。
要解决的问题是用如下方式将另类资产类别整合在上述方法中,即,实现由另类资产提供的收益优点,同时保持已经建立的资产分配技术的强健和有效特性。用于解决上述问题的方法称为风险预算。风险预算涉及寻找投资组合中的主要风险源,并以直观和实用的方式为这些风险源作预算(或核算)。
本发明的实施例涉及将投资组合风险分为两大部分:由传统资产产生的部分和由另类资产产生的部分。上述两种风险源中的每一种所产生的风险比例由投资者目标、资产类别的预测回报率和风险、以及投资者对那些预测的信心确定。
根据本发明,利用跟踪误差测量并控制风险预算。跟踪误差是一种测量两种投资组合表现的接近程度或按时间跟踪它们的方法。低水平的跟踪误差意味着两种投资组合表现相似,很可能具有许多相同的基础成分。高水平的跟踪误差意味着两种投资组合表现不同,可能具有差异很大的成分。跟踪误差常用于比较投资组合与其基准。
在又一实施例中,使用跟踪误差以如下的方式确定另类资产的水平。从传统资产的基准开始,构建结合传统资产和另类资产的新投资组合,该投资组合的总风险(由波动性测量)与该基准相似。另类资产或者通过提高多元化来降低风险,或者在相同的风险水平下提高预期回报率,由于新投资组合包括这种另类资产且同时保持风险不变,因此与基准相比新投资组合的预期回报率会有一定程度的提高。通过限制新投资组合相对于基准的跟踪误差,保持基于传统资产的基准的强健结构。投资者对另类资产预测的信心越大,他或她就越能适应更高水平的跟踪误差。通常,跟踪误差越大,则导致另类资产的分配比例越高,或者在另类资产中风险较高的另类资产越多。较高的跟踪误差将较多的风险预算分配给另类资产类别。
假定具有较高总风险容忍度的投资者更能容忍另类资产类别带来的额外不确定性。在本发明的实施例中,对于具有较高风险的投资组合,跟踪误差的水平增加。如图2所示,为跟踪误差确定了默认设置,所述默认设置反映对另类资产预测的信心,并且产生覆盖一定流动性水平范围的强健且高度多元化的投资组合。此外,本方法的附加优点是它允许投资者将自己对具体资产将以系统的和简洁的方式(清楚地联系长期战略与短期资产分配的方式)表现如何的观点结合在单个框架中。
负面风险和流动性是投资的两个不同方面,尽管它们都与投资者的投资期有关。投资期短的投资者可能能够避免高风险资产,因为他们将冒着在期限中间损失相当大比例的价值的风险。投资期短的投资者还应该避免非流动资产,因为将多年不能使用基金。对投资期短的投资者而言,适当的投资包括低风险流动资产,例如现金和短期债券。由于低风险投资者趋向于具有短投资期,因此低风险投资组合中通常不包括非流动资产。但是,如果特定的投资者考虑采用非流动资产,则低风险投资组合中也可以包括非流动资产。
正如预测的一样,新资产类别的出现也需要开发新方法来构建投资组合。必须解决三个主要的问题:首先,这些资产类别具有的风险类型不同于传统资产的风险类型;其次,即使在校正另类资产回报率的许多测量偏差之后,不同资产类别之间的预测的置信度也不同;最后,不同资产类别之间的非流动性程度不同。
在现代投资组合理论的早期,将风险作为回报率的标准偏差来进行测量。假设能够用钟形曲线或以平均预期回报率为中心的正态分布描述金融工具的回报率图形。金融分析师已经意识到这只能是现实的近似,并且某些金融工具与其它工具相比更接近该回报率图形。随着对衍生工具(例如期权)和另类投资的兴趣不断增长,很明显对这些投资而言正态分布并不能完全描述它们的投资回报率,而单用标准偏差也不足以测量风险。
图3示出高收益债券的回报率分布。尽管高收益债券通常不被看作另类资产类别,但是其回报率分布具有与某些另类资产相似的性质。投资偏离正态分布的两个重要方式是其或者具有偏态或者具有肥尾分布(也称为峰态)。偏态意味着回报率围绕平均回报率不规则分布。在正态分布中,正好有50%的回报率在平均回报率之上,50%的回报率在平均回报率之下。如果分布是偏态分布,则获得回报率在平均回报率之上或之下是一致的可能性更大。如图3所示,高收益债券具有负偏态。最高竖条左侧的竖条(上述分布模式)比右侧的竖条更高(可能性更大)。高收益债券更易于产生低于平均值的回报率。峰态是指产生极限回报率的可能性大于正态分布的情况。这有时称为事件风险,因为具有极端事件(例如默认值)的有意义(尽管通常较小)可能性的资产呈现峰态。图3中的高收益债券表现峰态:分布两端的竖条远高于正态分布。
投资者趋向于最关心亏本的风险,或负面风险。他们趋向于不将预想不到的正回报率看作“风险”,而从统计的角度讲,这些预想不到的正回报率是风险。当投资回报率图形不对称时,重要的是测量风险的方法要强调投资者关心的问题,即负面风险。有许多种测量负面风险的方法。一种流行的方法称为风险价值(VaR),该方法是在指定的置信(可能性)水平(以货币单位或价值百分比)量化预期损失。图4示出在95%的置信水平下在下一年具有314万美元的VaR的1亿美元投资组合的实例。这意味着该投资组合在下一年的损失不大于314万美元的可能性为95%。VaR用于管理信贷投资组合,该投资组合呈偏态和峰态分布。随后的方法类似地考虑负面风险对投资组合的影响。
当把偏态和峰态分布考虑进来时,构建投资组合的问题变得更加复杂。仅基于预期回报率、标准偏差和相关性来构建“高效”投资组合的标准工具不再适用。一种在金融界非常著名的称为蒙特卡罗模拟法的技术尽管仍需要这些输入信息,但也仅仅使用一部分标准资产分配成套工具。在使用蒙特卡罗模拟法时,对每个资产类别而言,除预测资产类别之间如何作用(以相关性表示)之外,还预测预期回报率、标准偏差、偏态和峰态。然后,基于这些输入信息,蒙特卡罗模拟法为每个资产类别制订好几万个假设的但看似合理的回报率路径。最后,查看所有这些模拟结果,就能够评估在给定具体风险水平的情况下哪个投资组合分配会提供最高回报率。
如上所述,通常在预测另类资产类别的回报率和风险时存在难题。非流动资产类别会产生许多新问题。流动性不能一概而论。不同的资产类别具有不同的平均流动性水平,而对具体资产类别中的特定投资而言,流动性的范围很宽。图5示出投资选择的近似流动性。
在投资非流动资产时需要考虑的具体因素可分为例如两类:投资限制和投资者约束。
非流动资产不能短期交易,这意味着包含非流动资产的投资组合不能根据常规完全重新调整。不能重新调整的后果重大。第一,投资组合将趋向于偏离目标回报率和风险水平。随着时间的推移,投资组合可能变得比预期的风险更大或更小。第二,非流动投资组合价值比例将随时间推移而逐渐变动。根据不同资产类别的相对回报率,初始的非流动性分配(例如20%)可能发生很大的变化。第三,投资者难以对有关非流动资产类别或非流动资产类别中的特定投资的新负面消息做出反应。即使投资者得到他们认为能够增值的新消息,他们通常也不能利用该消息。简言之,不能重新调整降低了投资者预测或控制投资结果的能力。
非流动投资还约束了投资者行为。非流动资产不能用于新基金,即无法预期的消费需求。尽管投资者或许能够抵押非流动资产,但不同投资者的利率也会不同,而抵押通过影响投资组合而导致投资者风险预测升高。并且,非流动资产可能是不可分割的,即投资者难以动用具体投资中的某些资金。由于上述限制和约束,为使非流动资产成为敏锐投资者的可行机会,相对于流动资产,非流动资产必须能够提高回报率或降低风险。在许多情况下,非流动资产能够同时提高回报率和降低风险。
非流动性的特点,尤其是限制使用基金的特点,使得在严格定量框架中考虑与风险和回报率相对的流动性水平变得非常困难。换句话说,正如不能判断风险的适当水平一样,顾问也不能告知投资者对他们而言流动性的“适当”水平是多少。尽管顾问能够示出流动性、回报率和风险之间的权衡,并在给定投资者情况下可以提供建议,但可接受的流动性水平基本是针对每个投资者的特定决策。
设计良好的投资规划通过对投资组合可能产生的回报率范围作现实的评估来符合投资者需求。概括地说,投资者在构建投资组合时大致要采取两个步骤。首先,他们需要适当的输入。在资产分配中,这些输入是对具体类型的资产(资产类别)的预期表现的评估。本步骤的一个要素是必须利用一致的框架将不同资产类别的预测结合或整合在一起。一旦投资者有了资产类别将如何表现的见识,下一步骤就是在假定资产类别的特性和投资者目标的前提下以合理的方式组合这些资产。本发明的实施例包括确定各投资者的适当非流动性水平,上述确定是本发明实施例的实施过程的一部分。
如上所述,另类资产类别的出现对预测提出了重大挑战。构建投资组合需要预测回报率、风险以及每个所考虑的资产类别的相关性。预测的关键是根据参数为资产类别分级,所述参数包括:预期回报率、风险和相关性。为了有效分级,需要观察每个资产类别的可比方法。这是资产分配的中心难题:投资者需要持有多种资产类别,因为这些资产类别具有多元化的回报率图形,但构建强健的投资组合又需要将这些本质上不同的资产类别进行相互比较。
根据本发明的实施例,为了比较资产类别,采用模块预测方法。递增计算每种资产类别的回报率预测值,即从较低风险的资产类别开始向较高风险的资产类别进行计算。该方法强调与每个投资者的风险预测有关的不同资产类别之间的结构差异。作为本发明的一部分,扩展这个框架以包括另类资产类别。
理解资产类别并能够根据长期回报率和风险预测其行为,需要对资产类别回报率的基础经济驱动以及历史数据的认识。历史数据有助于确认经济直觉;换句话说,资产类别的行为会不会象我们在具体经济环境中预期的那样?历史数据还有助于校准预测。例如,经济理论指出股票的风险高于债券,而历史数据能够帮助校准投资者应该预期多大的风险差异。
传统资产类别有大量的历史数据—在大部分情况下为一二百年的回报率。而某些另类资产是旧的,另一些是新的,另类资产可用的表现数据要少得多。这使得更难以使经济驱动与回报率相互关联,并且更难以校准和比较另类资产类别相对于传统资产类别的预测值。只有随着时间的推移积累有意义的另类资产回报率数据,才能解决这个难题。
影响非流动资产的另一数据问题是:由于它们交易不频繁,因此难以建立交易之间的公平市场价格。由于投资经理常常在为其持有资产估价时具有自行处理权的事实,这个问题可能被进一步复杂化。通常,利用定期估价为非流动资产重新定价,这种方法趋向于人工降低回报率的波动以及与其它资产类别的相关性。为使得流动资产与非流动资产的风险和相关性预测可比(资产分配的关键需求),采用专有技术以更有效地估计“逐日结算”回报率。这是通过观察相关传统资产类别的行为并作适当的校正(称为“不平滑化”的方法)而实现的。
图6提供平滑化对另类资产的公布回报率的影响实例。对比利用美国房地产市场的两种不同途径的公布回报率:房地产投资信托(REIT’s),其是在纽约股票交易所交易的流动投资媒体;和私人持有房地产集合基金,其流动性不高(两条曲线中较平滑的那条)。这两种媒体都将房地产作为基础资产持有,但基于所公布的数据看风险却相差很大。私人持有基金的波动性看起来要低得多,因为它们的价值是通过估价得到的,而不是市场交易。该新方法对数据作必要校正或“不平滑化”,从而能够以更公平和无偏差的方式比较资产类别回报率和风险。
影响历史数据的两个潜在的严重扭曲因素是存活率偏差和选择偏差。当数据采集器从数据库中去除特定投资(公司、财物或基金)而仅报告“存活者”的表现时,发生存活率偏差。数据采集器从数据库中去除一项投资的原因很多:投资可能破产或失败;投资可能已被兼并;继续采集特定投资的数据可能会不经济等。无论何种原因,最终的结果通常是剩余投资的平均回报率上偏,因为许多最坏的投资已经不在数据库中了。由于失败是大部分资产类别的当前风险,所以投资者的真正机会集合应该包括所有的投资,即也应该包括那些失败的投资。
例如在对冲基金操盘手直至等到基金的表现可接受时才将其采集在数据库中,此时发生选择偏差。如果基金表现较差,则操盘手不会将其报告在任何数据库中。另一方面,由于最好的基金可能选择不在指数中报告其结果,也可能发生选择偏差。在所有的这些情况中,有外部投资者的所有基金应该反映在投资者的机会集合中,即也应该包括那些选为不在数据库中报告的基金。
存活率和选择偏差影响大部分的新投资类别。作为一种最新的投资形式,对冲基金尤其易于产生上述偏差。相反,共同基金数据库产生上述偏差的几率非常低。这是因为由于法律要求和竞争激励,共同基金必须报告表现,这消除了选择偏差,并且许多数据库保留失败基金的数据,因为投资界认识到其价值。
对冲基金数据库已经开始保留失败基金的数据,但选择偏差仍是个问题。在本发明的实施例中,同时利用专用建模技术和学术研究,估计存活率和选择偏差对对冲基金的影响,并将估计结果结合在预测值中。
大部分另类资产类别缺乏可投资的基准。这意味着投资者获得这些资产类别的高度多元化且有代表性的投资比率(exposure)困难且昂贵。对小投资者而言更加困难。由于构成这些资产类别的各个投资的不同种类本质,所以产生另类资产的问题。尽管成千上万的投资者可以购买特定的大型或中型公司的股份,但仅有少数的投资者能够购买单个建筑物或特定风险资本或收购基金的拥有股权。这使得难以构建可广泛应用的、真正有代表性的指数。
这对资产分配的关键意义在于它降低了投资者获取另类资产类别已经产生的回报率以及预测另类资产类别将产生的回报率的能力的置信度。投资者可以分配他们的另类资产持有量以获取较宽的投资比率,但是表现与公布指数相比的偏离(称为跟踪误差)远高于大部分股票或债券基金与其指数相比的偏离。
预测对冲基金的回报率特别困难。上述的历史数据的许多问题仍然存在,还有另一层复杂性:由于积极管理,对冲基金改变其投资战略的灵活性很大。这样就不可能知道是否预测结合了关于应该如何投资特定基金的正确假设。
对冲基金是金融资产中积极管理的投资。大部分的对冲基金战略产生回报的来源有两个:投入市场(例如股票市场或信贷市场)并从实时市场中获取回报或选择市场中的证券。
如前所述,利用预期回报率来分级资产类别的关键是使得每个资产类别的预测值可比。如果市场投资比率所产生的回报部分是孤立的,则就向可比性迈进了一步。利用统计技术能够使估计建立在如下的基础上:特定对冲基金战略的回报率与平均市场投资比率的相关程度以及由投资经理的技能产生的回报比例。例如,如果平均有一半的对冲基金回报来自投入股票市场,那么对于该部分对冲基金预测,应该使用与股票资产类别预测一致的假设。然后,可以形成来自积极管理的回报部分的分离预测。最后,可以结合市场预测与积极管理预测以产生总预测。
复杂的是,由于对冲基金投资战略灵活性很高,随着时间的推移平均市场投资比率和积极管理回报率可能发生变化。对大部分(尽管不是全部)战略而言,已经确定在投资中期看市场投资比率相当稳定。但是,所有战略的积极回报水平的可变性相当大。投资经理改变战略的可能性以及积极管理回报的可变水平都降低了对冲基金的回报预测的置信度。
在此之前,已经从假设大型和免税投资者的角度讨论了回报率预测。对中小型投资者以及应纳税投资者而言,需要修改回报率假设以使得资产类别可比。
如果投资经理对每种资产类别收取相同的费用,并且如果该费用较少,那么在实际应用中,投资者可以在构建投资组合时忽略费用,因为该费用不会影响资产类别之间的差异。在传统资产类别的资产分配中,通常忽略费用,因为投资者如果愿意的话可以使用费用较低的指数基金进入市场。如果投资者计划使用积极投资经理,行使资产分配阶段不包括净超预期回报费。该费用将在后面的分析阶段考虑。
但另类资产添加至投资组合时,必须考虑费用,因为该费用远高于传统资产的费用。
中小型投资者获得另类资产的多元化且有代表性投资比率的唯一途径是通过基金中的基金媒体。基金中的基金是投资例如几个对冲基金或多个私人股本或房地产合伙的混合基金。基金中的基金提供两种潜在收益。首先,将基金中的基金设计为提供资产类别的多元化投资比率(尽管不是所有的基金中的基金都如此)。第二个潜在收益是由积极管理产生回报的可能性在资产类别基准之上。由于上述所期望的收益,基金中的基金在征收每个单独持有基金费用的基础上还收取一层费用。
由于基金中的基金媒体可能是较小投资者实现多元化有意义地使用另类资产类别的唯一途径,所以对投资者而言这些收益是真正的附加值。唯一的其它选择就是通过少数高度集中的持有资产来获得单一的(潜在风险很大且偏差很大)投资比率或者一起放弃该资产类别的投资(在某些情况下后者可能是优选的)。
理想地,仅扣除构建资产类别的多元化投资比率所需的基金中的基金费用部分,但是在实践中很难分离积极管理部分和多元化部分。通过减去基金中的基金媒体的估计总费用,调整另类资产类别回报预测值。
对应纳税投资者而言,税收对不同类型另类资产的预期回报的影响变化很大。对冲基金趋向于大量交易,因此其大部分回报为短期且应纳税比率较高。在纳税类别的另一端,某些私人股本基金的大部分回报作为长期资本收益产生。图7示出免税和美国应纳税投资者的长期回报率和风险假设的实例。
在本发明的另一实施例中,主要难题是为非流动投资指定理想的估价和波动性水平,从而使其容易与传统资产(例如股票和债券)比较。在某些情况下,公开资产与私人资产之间的直接比较可以提供粗略的指导。例如,如果公开市场下降了20%,则私人公司也有可能业绩较差。
在另一实施例中,在理解流动投资和非流动投资实际上如何彼此相关以及流动性与回报潜力之间的定量权衡的基础上,设计流动性调查问卷。试图提供客户对非流动性容忍度的大体概念,以大致相同的方式用风险容忍度问卷调查投资者容忍市场波动的能力。
使用非流动投资的另一问题是难以随着时间的推移为不同资产类别重新调整投资组合分配。根据定义,这些投资难以出售,并且没有调整非流动资产分配以使其与投资组合目标一致的简单方法。但是有能够获得类似结果的实用方法。投资者可以起初购买少于目标分配建议的非流动投资,然后缓慢增加投资。这样,非流动分配将与平均目标匹配。或者,客户可以逐渐进入房地产或私人股本。例如,投资者计划将300万美元投入私人股本基金。不是将所有的资金一次投入,资本买入期权会要求投资者随时间推移而投资,可能随后六年每年要投资50万美元。在投资者完成总共300万美元投资之前,投资者可能开始收到能够使基金产生利润的现金分配。然后投资者可能再次投入收益或者收回收益以限制分配。
本发明的另一实施例为有助于做出目标性更强的决策的资产分配模型,其平衡投资者对流动性的需求与他们对更高潜在回报率的追求。
本发明的另一实施例是提供两组推荐投资组合的系统:一组针对美国应纳税投资者,一组针对非美国应纳税投资者。在每组投资组合中,有五级风险回报目标一从全保本(最低风险)到最大资本成长(最高风险)。
非流动性还有附加的维度。在另一实施例中,推荐投资组合提供四级非流动性:每一风险水平的0、10%、20%和30%。如同风险水平一样,基于投资者独特的目标和非流动性容忍度选择流动性水平。对于给定的风险水平而言没有一个绝对的推荐流动性水平(除风险水平1之外,风险水平1不允许任何非流动资产,从而仅包含一个推荐分配)。非流动资产类别作为私人股本分类,包括子类,例如风险资本、融资买入和自然资源、以及房地产。
非流动资产本质上是不能周期性重新调整的。在给定的时间投资者不能容易地减少投资持有量,并且构建投资持有量通常会使机会窗口分散。因此,在另一实施例中,非流动资产分配不会例如象流动资产那样每季度重新调整。但是,由于流动资产与非流动资产相互影响,因此在进行流动资产类别重新调整时会评估和考虑非流动资产。
图8是示出本发明实施例通过评估预期回报率和风险的范围来符合投资者的目标组合投资回报率和风险的方法实例的流程图,所述预期回报率和风险可能是由至少部分包含另类资产类别的投资组合所产生的。参照图8,在S1,为多个另类资产类别选择可用的历史数据。在S2,至少部分基于与各另类资产类别相关的传统资产类别的历史数据来不平滑化上述选择的历史数据。在S3,针对存活率和选择偏差的影响校正另类资产类别的历史数据。在S4,至少部分基于上述不平滑化且校正的另类资产类别的历史数据,计算每种另类资产类别的预期回报率和风险的预测值。在S5,识别具有预期回报率和风险(其基本符合投资者的目标组合投资回报率和风险)的至少一种另类资产类别,以将该另类资产类别包含在投资组合中。以下是一假设案例研究,其示出本发明实施例通过评估预期回报率和风险的范围来符合投资者的目标组合投资回报率和风险的方法实例的流程图,所述预期回报率和风险可能是由至少部分包含另类资产类别的投资组合所产生的。
案例研究:
在总净值框架*中构建投资方案
总净值案例研究—美国客户
■总净值
你的投资目标框架
优点
我们的专有总净值模型解决了高净值客户及其顾问面临的关键问题:如何在较宽范围的可用投资资产类别中明智地分配—无论是流动资产还是非流动资产。
由资产管理和另类投资的分析团队为私人银行的客户特别设计,总净值提供实际上结合所有主要资产类别(包括非流动资产,例如私人股本和房地产)的优化分配建议。
■总净值
四步法
1 利用现金、固定收入、 2 识别投资者概况:投资
股票、对冲基金、私人 目标、风险水平和非流
股本和房地产六种主要 动资产分配
的资产类别分析客户投
资组合的风险和回报率
特性
3 相对于私人银行总净值的 4 建议目标分配以符合投
优公分配评估客户当前 资者风险、回报率和非
的主要资产类别水平投 流动性偏好
资组合
■分析风险和回报率特性
总净值评估实例
投资组合特性
观察
在评估总净值的收益时,客户同意提供其在别处持有的资产,以使我们能够提供完整历史投资组合分析。
客户15MM美元私人银行的分配在流动投资方面高度多元化。
10MM美元的资产持有在固定收入中,美国股票和私人股本结合在分析中。
目标
客户确认其对随时间推移多元化他的美国股票持有量以及扩展他的非流动资产持有量感兴趣。
客户愿意考虑将其在别处持有的资产转移至私人银行作多元化的重新投资。
1.使用一种方法以主要资产类别水平计算预测回报率和风险估计,该方法利用市场观察和基于我们估计和假设的多种统计方法推导回报率、波动性和相关性。因而,尽管我们认为我们的方法很好,但是由于高度不确定性,因此不能保证未来结果。
2.通过用预期风险除投资组合的预期回报率减无风险率3.1%所计算的风险调整测量。
3.通过将低于0%的可能性乘以低于0%的平均欠额计算私人银行专有负面风险估计。
4.负回报率平均值。
5.估计回报率最低为1%的平均值。
预期回报率和风险不能保证未来结果。
■确定投资者概况
■评估客户当前投资组合
比较分配
在评估其资产分配和投资目标与我们推荐的总净值分配时,客户选择风险水平为IV和达到20%非流动性的容忍度。
由于我们的WNW方法设计为更好地捕捉非正态回报率特性,因此使用负面风险估计而不是传统的风险测量(例如标准偏差)。
CPB水平IV-20%非流动资产提供类似于客户当前投资组合所具有的预期回报率和改进的风险预测。
*通过将低于0%的可能性乘以低于0%的平均欠额计算CPB负面风险估计。平均欠额代表负回报率的平均值。客户的当前分配呈现主要的资产类别水平的多元化以及多个资产类别内的多元化。
仅用于示例目的。预期回报率和风险不能保证未来结果。
■推荐目标分配
仅用于示例目的。预期回报率和风险不能保证未来结果。
■比较资本风险
观察
在比较投资组合时,客户可以观察到推荐模型投资组合的资本潜在损失降低。
为量化资本的潜在损失,我们采用最低1%估计回报率的平均值与初始投资量的乘积。
通过将客户当前分配进一步多元化为水平IV-20%非流动性模型,我们预期该模型投资组合降低资本的潜在损失。
资产的潜在损失基于最低1%估计回报率的平均值。总投资量=2500万美元。客户的当前分配呈现主要资产类别水平的多元化以及多个资产类别内的多元化。
仅用于示例目的。预期回报率和风险不能保证未来结果。
■推荐目标分配
对比客户的当前投资组合与推荐的模型分配
建议调整
客户应该减少其在债券和股票方面的分配额,并将收益分配给对冲基金和房地产。
他应该将其在美国股票方面的注意力扩散至全球多元化分配。
多元化房地产和对冲基金的添加也应该有助于降低投资组合的总风险。
仅用于示例目的。
注意:推荐模型投资组合的资产分配由私人银行投资政策委员会决定。利用试图导出多种投资资产类别的回报率和波动性特性以及资产类别之间的相关性的方法构建该分配。某些另类资产类别(例如私人股本和房地产)是非流动性的,因此不能由金融市场进行常规定价。我们试图利用特定市场观察和多种统计技术导出这些资产类别的回报率、波动性和相关性。尽管我们认为我们的观察在理论上很好,但是你应该意识到该分析涉及大量估计,因而不确定程度较高。客户实际的投资组合分配将基于投资政策委员会的战略决策。
附录
总净值案例研究的细节性问题
总净值案例研究
■总净值方法
结合测量“非流动资产”相对“流动资产”的回报率和风险的新方法
反映强健传统资产分配框架内的另类投资回报率预测能力的置信度下降
从两方面考虑客户风险容忍度:市场风险和非流动性风险
采用新的估计负面风险的方法
为说明非流动资产类别的非正态分布,我们使用蒙特卡罗模拟法为每个资产类别产生大量假设回报率
这些产生的回报率是计算风险估计的基础。
低于0%的可能性:产生负回报率的部分
低于0%的平均欠额:产生的负回报率中的平均值
负面风险:上述两因子的乘积
最差情况回报率:最低为1%的所产生回报率的平均值
■总净值需要新的风险量度
低于0的平均欠额和负回报率的可能性是风险的附加度量
平均欠额代表潜在损失的估计平均值
代表低于特定水平的回报率的估计平均值。在本实施例中我们使用0%。
捕捉与市场回报率或事件相关联的估计负面风险。
负回报率的可能性提供发生频率的指示
负面风险是估计可能性加权之后的平均欠额
代表低于0的平均欠额与负回报率的可能性的乘积。
*私人银行负面风险指数是可能性加权之后的低于0的平均欠额。其为低于0的平均欠额与负回报率的可能性的乘积。以上的风险估计基于20%的非流动性模型IV和V。
仅用于示例目的。预期回报率和风险不能保证未来结果。
■流动性指南
本指南设计为帮助客户/可能客户确定投资组合的非流动资产(私人股本和房地产)的适当水平。利用理论上的0%、10%、20%和30%的总净值非流动性水平设计该指南。在每一上述水平,为投资者提出一系列问题,这些问题的目的是确定投资者对非流动资产的容忍度。在本指南中顺序设置上述水平,从0非流动性开始。请注意应该联系当前的IOS形式使用该指南。
■流动性指南
■预期回报、风险量度和相关性(1)
回报和风险测量
预期回报率 | 风险 | 夏普比率(2) | 负面风险(3) | 低于0%的可能性 | 低于0的平均欠额(4) | 假设最差情况回报率(5) | |
现金债券股票私人股本房地产对冲基金 | 3.1%4.5%7.9%11.6%7.0%8.3% | 0.5%4.0%15.2%25.9%10.5%6.7% | N/A0.350.320.330.370.77 | N/A-0.3-2.8-4.8-1.6-0.3 | 0%13.2%30.9%35.9%24.6%10.2% | N/A-2.0%-9.0%-13.4%-6.6%-3.1% | 1.9%-4.6%-24.6%-35.0%-18.9%-6.9% |
相关性矩阵
现金 | 债券 | 股票 | 私人股本 | 房地产 | 对冲基金 | |
现金债券股票私人股本房地产对冲基金 | 1.00 | 0.271.00 | -0.040.191.00 | -0.14-0.180.751.00 | -0.110.030.440.351.00 | -0.040.210.729.850.361.00 |
1.使用一种方法以主要资产类别水平计算取测回报率和风险估计值,该方法利用市场观察和基于我们估计和假设的多种统计方法推导回报率、波动性和相关性。因而,尽管我们认为我们的方法很好,但是由于高度不确定性而不能保证未来结果。
2.通过用预期风险除投资组合的预期回报率减无风险率3.1%(CPB的现金战略回报)所计算的风险调整测量。
3.通过将低于0%的可能性乘以低于0%的平均欠额计算私人银行专有负面风险估计值。
4.负回报率平均值。
5.最低为1%的估计回报率平均值。
6.高风险对冲基金。利用私人银行专有总净值方法估计相关性和相关统计。
仅用于示例目的。预期回报率和风险不能保证未来结果。
以上已经以非限制方式概况说明了本发明的各种实施例。应该理解这些实例仅是由随附权利要求书限定的本发明的示例。本领域的普通技术人员将会理解,在不脱离本发明的精神和范围的条件下可以进行多种变化、调整和修改。
Claims (18)
1.一种通过评估预期回报率和风险的范围来符合投资者的目标组合投资回报率和风险的方法,其中所述预期回报率和风险可能是由至少部分包含另类资产类别的投资组合所产生的,该方法包括如下步骤:
选择多个另类资产类别的可用历史数据;
至少部分基于与各另类资产类别相关的传统资产类别的历史数据,不平滑化所述历史数据;
针对存活率和选择偏差的影响校正所述另类资产类别的历史数据;
至少部分基于不平滑化且校正后的另类资产类别的历史数据,计算每种所述另类资产类别的预期回报率和风险的预测值;以及
识别具有预期回报率和风险的至少一种另类资产类别,以将这种另类资产类别包含在投资组合中,其中该预期回报率和风险基本符合投资者的目标组合投资回报率和风险。
2.根据权利要求1所述的方法,其特征在于:不平滑化所述历史数据的步骤还包括:至少部分基于与各另类资产类别相关的传统资产类别的历史数据来计算另类资产类别的逐日结算的回报率估计值。
3.根据权利要求1所述的方法,其特征在于:针对存活率和选择偏差的影响校正所述历史数据的步骤还包括:至少部分基于建模技术和学术研究计算存活率和选择偏差的影响估计值。
4.根据权利要求1所述的方法,其特征在于:计算每种所述另类资产类别的预期回报率和风险的预测值的步骤还包括:递增计算预期回报率和风险的预测值。
5.根据权利要求4所述的方法,其特征在于:递增计算所述预期回报率和风险的预测值的步骤还包括:从较低风险的另类资产类别开始向较高风险的另类资产类别递增计算所述预测值。
6.根据权利要求1所述的方法,其特征在于:至少一种所述另类资产类别还包括对冲基金,并且计算所述预期回报率和风险的预测值的步骤还包括:计算所述对冲基金的与平均市场投资比率相关的各回报比例估计值和由专业经理产生的各回报比例估计值。
7.根据权利要求6所述的方法,其特征在于:计算所述预期回报率和风险的预测值的步骤还包括:至少部分基于对传统股票资产类别的预测值来计算与平均市场投资比率相关的所述比例的预期回报率预测值,以及基于所述各比例计算由专业经理所产生的所述比例的预期回报率预测值。
8.根据权利要求1所述的方法,其特征在于:计算所述预期回报率和风险的预测值的步骤还包括:针对费用对预期回报率的影响来调整计算结果。
9.根据权利要求8所述的方法,其特征在于:所述针对费用对预期回报率的影响来调整计算的步骤还包括:从回报率估计值的计算结果中减去基金中的基金的费用。
10.根据权利要求1所述的方法,其特征在于:计算所述预期回报率和风险的预测值的步骤还包括:根据税收对于应纳税投资者的预期回报率的影响来调整计算结果。
11.根据权利要求1所述的方法,还包括:计算至少一种识别的另类资产类别对投资者的目标组合投资回报率和风险的负面风险影响的估计值。
12.根据权利要求11所述的方法,其特征在于:计算所述负面风险影响的估计值的步骤还包括:利用风险价值(VaR)以预定的置信水平来量化负面风险。
13.根据权利要求1所述的方法,还包括:在多个风险水平计算至少一种识别的另类资产类别的多个预期回报率的估计值。
14.根据权利要求13所述的方法,其特征在于:计算所述多个预期回报率的估计值的步骤还包括:利用蒙特卡罗模拟法计算所述估计值。
15.根据权利要求1所述的方法,还包括:计算至少一种识别的另类资产类别的非流动性程度对投资者的目标组合投资回报率和风险的影响估计值,该影响估计值是提高回报率的影响和降低风险的影响中的至少之一的估计值。
16.根据权利要求15所述的方法,其特征在于:计算所述影响估计值的步骤还包括:基于由至少一种识别的另类资产类别的非流动性程度对投资者的目标组合投资回报率和风险施加的投资限制来计算所述估计值。
17.根据权利要求15所述的方法,其特征在于:计算所述影响估计值的步骤还包括:基于由至少一种识别的另类资产类别的非流动性程度对投资者的目标组合投资回报率和风险施加的投资者限制来计算所述估计值。
18.一种通过评估预期回报率和风险的范围来符合投资者的目标组合投资回报率和风险的系统,其中所述预期回报率和风险可能是由至少部分包含另类资产类别的投资组合所产生的,该系统包括如下装置:
选择多个另类资产类别的可用历史数据的装置;
至少部分基于与各另类资产类别相关的传统资产类别的历史数据来不平滑化所述历史数据的装置;
针对存活率和选择偏差的影响来校正所述另类资产类别的历史数据的装置;
至少部分基于不平滑化且校正后的另类资产类别的历史数据来计算每种所述另类资产类别的预期回报率和风险的预测值的装置;以及
识别具有预期回报率和风险的至少一种另类资产类别的装置,其中该预期回报率和风险基本符合投资者的目标组合投资回报率和风险。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US50183303P | 2003-09-11 | 2003-09-11 | |
US60/501,833 | 2003-09-11 | ||
US60/518,332 | 2003-11-10 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101095158A true CN101095158A (zh) | 2007-12-26 |
Family
ID=38992602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2004800307495A Pending CN101095158A (zh) | 2003-09-11 | 2004-09-13 | 资产分配的方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN101095158A (zh) |
ZA (1) | ZA200602186B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108038635A (zh) * | 2018-02-01 | 2018-05-15 | 深圳云图智联技术有限公司 | 基础设施资产投资回报的建模和分析方法及系统 |
CN108734586A (zh) * | 2011-05-30 | 2018-11-02 | 传康证券有限公司 | 财务管理系统 |
CN113614761A (zh) * | 2019-03-08 | 2021-11-05 | 摩根大通国家银行 | 用于计算投资组合配置建议的方法和系统 |
CN114742631A (zh) * | 2022-03-21 | 2022-07-12 | 远光软件股份有限公司 | 一种预算成本回收方法及电子设备、存储介质 |
-
2004
- 2004-09-13 ZA ZA200602186A patent/ZA200602186B/en unknown
- 2004-09-13 CN CNA2004800307495A patent/CN101095158A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734586A (zh) * | 2011-05-30 | 2018-11-02 | 传康证券有限公司 | 财务管理系统 |
CN108038635A (zh) * | 2018-02-01 | 2018-05-15 | 深圳云图智联技术有限公司 | 基础设施资产投资回报的建模和分析方法及系统 |
CN108038635B (zh) * | 2018-02-01 | 2022-04-19 | 深圳云图智联技术有限公司 | 基础设施资产投资回报的建模和分析方法及系统 |
CN113614761A (zh) * | 2019-03-08 | 2021-11-05 | 摩根大通国家银行 | 用于计算投资组合配置建议的方法和系统 |
CN114742631A (zh) * | 2022-03-21 | 2022-07-12 | 远光软件股份有限公司 | 一种预算成本回收方法及电子设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
ZA200602186B (en) | 2007-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7599872B2 (en) | Method and system for asset allocation | |
Owusu-Nantwi et al. | Analyzing the effect of macroeconomic variables on stock market returns: Evidence from Ghana | |
US8744888B2 (en) | Resource allocation management | |
KR101993038B1 (ko) | 투자 유가증권의 계층화된 혼합 포트폴리오 | |
Salem | Risk management for Islamic banks | |
Doumpos et al. | Analytical techniques in the assessment of credit risk | |
US20150235319A1 (en) | Method for selecting equity investments using quantitative multi-factor models of the relationship between common business characteristics and current stock prices | |
Gorman et al. | The Data Dilemma in Alternative Risk Premium: Why Is a Benchmark So Elusive? | |
Kim | A credit risk model for agricultural loan portfolios under the new basel capital accord | |
Athanasopoulou et al. | Risk management for sovereign financing within a debt sustainability framework | |
Yohannes | Financial Distress Conditions of Commercial Banks in Ethiopia: An Application of Altman's Z-Score 1993 Model. | |
CN101095158A (zh) | 资产分配的方法及系统 | |
Chen | Valuation Risk in Mutual Fund Portfolio Disclosure | |
Doumpos et al. | Credit scoring and rating | |
Vrins | Advances in Credit Risk Modeling and Management | |
Zhao | Forecasting the Stock Return Distribution Using Macro-Finance Variables | |
Fu et al. | Hedging the portfolio of raw materials and the commodity under the mark-to-market risk | |
Lang et al. | Risk quantification of retail credit: current practices and future challenges | |
Palnitkar | Private Equity Valuation | |
Jiang | Dynamic asset allocation decisions under policy and economic uncertainty: a macroeconomic news-based study | |
Darpeix et al. | Flow-Performance Relationship of French Bond Funds | |
Sorkhi | A hybrid Bayesian and data-envelopment-analysis-based approach to measure the short-term risk of initial public offerings | |
Clark | Methods and Techniques of Country Risk Analysis | |
Bah et al. | Empirical Evidence on the Impact of the Banking Sector on the Sierra Leone Economy. | |
Kemppainen | Strategic business portfolio realignment through asset sell-offs: Impact on technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20071226 |