CN101918973A - 用于生成和维护金融基准的计算机系统和方法 - Google Patents

Abstract

用于使用多/空投资策略生成和维护基准的方法可以涉及通过从宽基指数选择一组证券来生成基准，评估基准中所包括的证券，以及每月使用多/空投资策略来重新平衡基准。该方法也可以包括确定指数的值并发布指数的值作为多/空投资(10)组合的基准。可以周期性地、每日、动态地，或每隔15秒，确定指数的值。宽基指数中所包括的证券可以构成全部有资格的证券，并每月对其进行排序。同样，一种用于生成和管理与被动型多/空基准相互密切关联的被动型多/空投资证券组合的方法，并使用被动型多/空基准来重新平衡投资组合。

Description

用于生成和维护金融基准的计算机系统和方法

技术领域

本发明涉及金融基准。更具体而言，本发明涉及基于多/空投资策略的计算机实现的金融基准，以及产品。

背景技术

在金融领域，使用各种股票市场指数来确定投资者感情，并评估各种市场领域的表现，如单个公司的股票、共同基金、专业管理的投资组合等等。某些股票市场指数，如宽基指数，被用来评估整个股票市场的表现，例如，以确定经济的总体状况。这些宽基指数通常被用作评估专业管理的投资证券组合、共同基金等等的表现的基准。

一些最常引用的宽基指数是标准普尔500指数，美国道琼斯工业平均指数、罗素2000指数、英国伦敦金融时报100指数、法国CAC 40指数，以及香港恒生指数等等。这些指数分别利用不同的准则来评估相关股票市场的表现。例如，道琼斯工业平均指数是一种价格加权指数，其中，只考虑每一个成份股的价格，来确定指数的值，而恒生指数是市场价值加权指数，其中考虑了公司的规模以及该公司的股票价格。

标准普尔500指数是指价值加权宽基指数，该指数跟踪由标准普尔公司根据各种准则选择的500家公司的股票的表现。标准普尔公司还维护了其他宽基指数，包括标准普尔1500指数和标准普尔全球1200指数。

金融投资组合是指投资的集合，包括股票、债券、期权、期货合同、不动产、共同基金，其他投资组合中的股票，或预期保留它们的时效价值的其他项目。金融投资组合常常可以由个人投资者、金融机构或专业投资经理来维护或管理。为限制损失和最大化收益，某些金融机构进行他们自己的投资分析。

有多种评估金融投资组合的收益的方法。传统方法只基于投资组合中的证券的价格。然而，这样的传统方法常常不是投资组合的真实表现的准确评估。基于其他投资者的情绪或总体经济的状况，投资组合中的投入资产的价格随着时间的推移是会波动的。

用于评估收益的另一种方法可以是将投资组合的表现与基准进行比较。例如，标准普尔500指数是常用来评估各种投资组合的收益的基准。例如，如果专业管理的投资组合在某一时间内回报3％，而标准普尔500指数回报1％，那么，专业管理的投资组合比基准表现好2％。

在机构投资管理中一个增长最快的领域是所谓的多/空策略，诸如“130/30”类策略，其中，放松了传统的只做多的投资组合卖空约束。由于多/空股票对冲基金的历史成功和在只做多约束对表现的显而易见的影响下投资组合经理越来越多地受挫，130/30产品在资产方面到2007已经增长到超过$750亿，到2010可能达到$2兆。

尽管这样的策略越来越流行，但是，在经理和投资者之间关于130/30产品的适当的风险和预期收益仍有相当大的混淆。例如，通过构建，典型的130/30投资组合具有1.6∶1的杠杆比率，与不利用杠杆的“只做多”投资组合不同。杠杆通常与较高波动性收益相关联；然而，典型的130/30投资组合的波动性比得上其“只做多”对应物的波动性，并且其市场beta值大致相同。尽管如此，130/30产品的杠杆率的增大显示，预期收益应该高于其“只做多”对应物。然而，难以评估预期收益会高出多少。根据定义，130/30投资组合将其资本的130％作为多头部位，30％作为空头部位。因此，它可以被视为“只做多”投资组合加带有做多和做空暴露度(30％的“只做多”投资组合的市场价值)的市场中性投资组合。然而，130/30策略的积极的部分通常与市场中性投资组合差别非常大。因此，这种分解事实上是不适当的。

这些独特的特征说明，诸如标准普尔500指数和Russell 1000之类的现有的指数，对于诸如130/30基金之类的杠杆化动态投资组合，是不适当的基准。

发明内容

本发明涉及基准以及为包括与130/30基金相同杠杆约束和投资组合构造算法的，但是是透明的，可投资的，并且被动型的多/空投资证券组合提供基准的方法。本发明还涉及用于为多/空投资证券组合生成和维护基准的计算机实现的系统，用于维护与这样的基准密切关联的投资组合的计算机实现的系统，以及使用前面的系统的方法。本发明还涉及用于推荐或执行计算机辅助的金融工具交易的方法，该方法涉及针对这样的基准运行查询，本发明还涉及用于生成和管理与被动型多/空基准相互密切关联的被动型多/空投资证券组合。

基准可以是被动型的，但是动态的基准，包括标准130/30策略，使用已知的和/或公开可用的因素来对股票进行排序，以及用于基于这些排序构建130/30投资组合的标准方法。基于此策略，可以产生两种类型的指数：可投资的指数和“先行”指数，其中，前者只使用先验信息，而后者使用已实现的收益来产生表现的上界。一个130/30策略可能涉及周期性地重新平衡基准的成份股票，随着时间的推移，产生收益的基准时间系列。可以根据任何周期，包括每周、每月、每季、每半年，重新平衡成份股票。由于只有在每一个重新平衡日期之前可用的信息被用来制定投资组合权重，因此，指数是真正可投资的指数。可以向投资者提供用于确定基准的成份股票的数据和算法。如此，指数可以是被动型的，透明的，以及可投资的。

根据实施例的使用多/空投资策略来生成和维护基准的方法可以包含：通过从有资格的全部流动性证券，例如，宽基指数中所包括的证券或基于市场资本总额前500美国证券，选择一组证券，来生成基准；周期性地评估基准投资组合中的证券；以及，每月使用多/空投资策略来重新平衡基准投资组合。该方法也可以包含确定基准投资组合的值，并发布基准投资组合的值，作为多/空投资证券组合的基准。可以周期性地，例如，每季、每月、每日、每小时、每分钟、每15秒或更短，或动态地确定基准投资组合的值。同样，可以周期性地，例如，每季、每月、每日、每小时、每分钟、每15秒或更短，或动态地发布基准投资组合的值作为基准。同样，可以，例如，至少部分地使用已知的和/或广泛可用的定量的和/或定性的α预测因素，诸如，例如，10个瑞士信贷α因素，确定基准投资组合中要包括的证券。

根据实施例的用于生成和管理与基准相互关联的被动型多/空投资证券组合的方法可以包含：

基于使用多/空投资策略的基准，来创建证券的投资组合；每月评估投资组合的证券；按月重新平衡所述投资组合，以与所述基准相互关联；以及将证券的一部分提供给投资者，其中，评估包含使用预期收益估计因素，所述预期收益估计因素包含证券的传统的价值；相对价值；历史增长；预期的增长；利润趋势；加速销售额；收益动量；价格动量；价格反转；以及小规模这几项中的每一项。

根据实施例的使用多/空基准来重新平衡投资组合的方法可以包含：将投资组合的表现与多/空基准进行比较；以及，使用所述基准来重新平衡所述投资组合，所述基准是通过下列操作来生成和维护的：每月评估基准投资组合中的证券；使用多/空投资策略，按月重新平衡基准投资组合；每日确定基准投资组合中的证券的价值；以及，发布所述价值作为基准。

根据实施例的用于维护基准的计算机系统可以包括：数据存储器；预测基准投资组合中的一个或多个证券的表现的预期收益预测单元；以及，被配置成使用来自所述预期收益预测单元的输入来重新平衡所述基准投资组合的多/空投资策略重新平衡单元，其中，所述重新平衡单元被配置成按月重新平衡所述基准。此外，该系统可以包括被配置成存储关于基准中所包括的证券的信息的数据库。

根据实施例的存储了可由处理器执行的指令的计算机可读介质可以包括用于执行下列操作的指令：使用多/空投资策略，来创建证券的投资组合；每月评估投资组合的证券；使用多/空投资策略，按月重新平衡投资组合；以及，将证券的一部分提供给投资者。评估指令可以包含使用预期收益估计因素，所述预期收益估计因素包含证券的传统的价值；相对价值；历史增长；预期的增长；利润趋势；加速销售额；收益动量；价格动量；价格反转；以及小规模这几项中的每一项。

根据本发明的实施例的被动型多/空金融产品可以包括证券的投资组合。投资组合的内容可以由计算机应用程序基于α预测因素来进行选择，基于使用α预测因素的被动型多/空基准，在计算机应用程序上周期性地重新平衡内容，以对投资组合的证券进行排序。

本发明还包括一种金融产品，该金融产品可以包括证券的投资组合，其中，投资组合的内容是基于在计算机应用程序上运行的生成或获取被动型多/空策略基准的查询来进行选择的。还可以包括被配置成基于多/空策略生成基准并将基准转换为证券的投资组合的计算机设备。

附图说明

本说明书收入的并构成本说明书的一部分的各个附图示出了本发明，与描述一起，通过描述本发明的若干个实施例，进一步说明本发明的原理。

图1A是根据本发明的一个实施例的包括用于维护一个基准的设备的计算机网络的示意图。

图1B是根据本发明的一个实施例的包括用于维护一个基准的设备的计算机网络的示意图。

图1C是根据本发明的一个实施例的包括为一个基准维护基础投资组合的设备的计算机网络的示意图。

图2是描绘了根据本发明的一个实施例的生成并维护一个基准的方法的流程图。

图3是描绘了根据本发明的一个实施例的生成并维护一个基准的方法的流程图。

图4是描绘了根据本发明的一个实施例的维护一个基准的方法的流程图。

图5是描绘了根据本发明的一个实施例的维护一个基准的计算机系统的单元的示意图。

图6A是描绘了根据本发明的一个实施例的维护一个基准的计算机系统的单元的示意图。

图6B是描绘了根据本发明的一个实施例的维护一个基准的计算机系统的单元的示意图。

图7是描绘了根据本发明的实施例的被动型130/30可投资的指数的累积收益与其他宽基指数的累积收益的对照图。

图8是概括了根据本发明的实施例的130/30可投资的指数和先行指数的月收益的统计信息的表。

图9是概括了根据本发明的实施例的CS 130/30可投资的指数的年以几何方式复利的收益的表。

图10是概括了根据本发明的实施例的被动型130/30可投资的指数的月收益的表。

图11是概括了根据本发明的实施例的130/30可投资的指数和先行指数与各种市场和对冲基金指数的关联的表。

图12是概括了根据本发明的实施例的被动型130/30可投资的指数的每月成交和年度跟踪误差的表。

图13是概括了根据本发明的实施例的被动型130/30可投资的指数的每月成交和年度跟踪误差的表。

图14是概括了各种标准普尔指数的周转率的表。

图15是概括了根据本发明的实施例的被动型130/30可投资的指数中的每个月的做多和做空的证券的数量的表。

具体实施方式

现在将参考各种附图来详细描述本发明的具体实施例。尽管描述了具体实施例，但是，应该理解，这只是为了说明。所属技术领域的专业人员将认识到，在不偏离本发明的精神和范围的情况下，也可以使用其他配置。

利用算法或动态投资组合作为指数与规范偏离很大。诸如标准普尔500指数之类的现有指数，是只偶而变化的一篮子证券-不是需要按月重新平衡的动态交易策略。实际上，按月重新平衡的思想与被动型指数化的购买并持有的风气不一致。本发明的动态策略可以被视为被动型的，因为重新平衡算法充分机械，并可容易实现。

某些实施例可以针对利用130/30投资策略来确定基准的成份的多/空金融产品的被动型基准-而不是像标准普尔500指数那样的静态的或“购买并持有”的证券篮子。这样的指数可以具有至少两个不同的功能：(1)积极的经理可以对照其比较它们的投资组合的表现的被动型基准，以及，(2)具有引起大量投资者的兴趣的风险/奖赏简档的透明的，可投资的和被动型投资组合。

这两个功能中的基本概念是术语“被动型”，大多数投资者和经理将其等同为低成本的静态“购买并持有”投资组合。然而，被动型的功能定义可以更加一般：如果投资过程不需要任何自行决定的人的干预，则该投资过程叫做“被动型的”。如此，在重新平衡期间不需要人的自行决定的输入来选择应该将哪些证券包括在基准中的基准可以被称为被动型基准。在1970年代，此被动型投资概念显示静态值加权投资组合。但是随着在最近三十年改变了金融景观的许多技术革新的出现-例如，自动化贸易平台、电子通讯网络、计算机化的后勤部门和会计系统，以及直通处理-被动型投资的含义发生了变化。

某些实施例针对涉及导致标准130/30投资组合的机械投资过程的被动型指数。130/30策略可以有两个基本成份：投资组合全体中的每一个股票的预期收益或“α”的预测，以及用于构建有效的投资组合的协方差矩阵的估计。某些实施例可以使用涵盖了从投资风格到技术指标的大量的评价模型的一组10个合成的α因素。可以将这10个因素的简单等权平均值用作一般性预期收益预测。同样，也可以使用协方差矩阵来构建均值-方差有效的投资组合。此外，可以通过使用每一个证券的已实现的月收益，而不是投资组合优化过程中的预测，作为“先行”指数，来计算130/30投资组合的表现的上界。此上界可以充当用于度量由特定投资组合捕获的α的经济意义的尺度。

在本发明的上下文中，证券是指任何资产或负债，包括，但不仅限于，股票、债券、期权、期货合同、不动产、共同基金、其他基金中的股票，或预期保留它们的价值的其他项目。此外，术语“股票”和“证券”可互换地使用。

在本发明的上下文中，计算机是指具有处理数据的能力的各种设备，包括，但不仅限于，个人计算机、膝上型电脑、PDA等等。同样，数据存储设备包括计算机设备的高速缓存、外部或内部的硬盘驱动器、软盘、CD-ROM，及其他可记录的介质。

在本发明的上下文中，投资组合经理是指通过确定要包括哪些证券来管理投资组合的内容的任何人、机构、软件，或计算机实现的系统。

在本发明的上下文中，α预测因素，是指可以用来预测证券的预期收益的任何因素，包括，但不仅限于，价值加权和非传统的价值加权信息。下面讨论的10葛Credit Suisse(瑞士信贷)因素是α预测因素的示例。

在本发明的上下文中，130/30投资策略是指卖空表现差的证券并购买预期具有高收益的股票来使用财务杠杆的投资策略。在130/30投资组合中，可以卖空投资组合价值的最多30％的证券，可以使用其收益来对，例如，投资组合经理认为可能胜过市场的证券作多头交易。例如，投资组合经理可以基于预期收益对有资格的全体中的证券进行排序，卖空投资组合中的排序靠后的证券，最多达投资组合的价值的30％，并将所得的现金重新投资于排序靠前的证券。

本发明的某些实施例涉及多/空投资证券组合的基准。多/空投资证券组合包括130/30投资证券组合、150/50投资证券组合，及通常被称为1X0/X0投资证券组合的其他投资证券组合。通过将投资组合的预定的部分作为多头部位，而将投资组合的某些部分作为空头部位来管理这些投资组合。例如，根据定义，130/30投资组合将其资本的130％作为多头部位，30％作为空头部位。

根据本发明的某些实施例，这样的多/空投资证券组合的基准还包括与要评估的多/空投资组合相同的杠杆约束。此外，基准是透明的，可投资的，并且被动型。换言之，基准是使用系统而明确的规则集构成的；基准的投资组合的成份包括流动交换交易工具；指标的实现纯粹是机械的，不需要人工干预或自行决定。

根据本发明的某些实施例，可以使用各种定量的和定性的因素来评估所选全体证券之中的成份证券，以便生成根据本发明的基准。作为非限制性示例，可以使用10个瑞士信贷因素来生成被动型130/30投资证券组合的基准。10个瑞士信贷因素是可以从瑞士信贷的Quantitative Equity Research Group买到的评价因素。10个瑞士信贷因素包含：(1)传统的价值；(2)相对价值；(3)历史增长；(4)预期增长；(5)利润趋势；(6)加速销售额；(7)收益动量；(8)价格动量；(9)价格反转；以及(10)每一个证券的小规模。这些因素涵盖了从投资风格到技术指标的大量的评价模型。周期性地更新瑞士信贷因素。

图1A是可以用来实施本发明的一个实施例的计算机网络系统100a。应该理解，所描绘的数据库、计算机程序等等中的每一个都可以嵌入在一台或多台计算机或计算机处理设备中，或者甚至可以分散在一个或多个网络中。

计算机网络系统100a可以包括基准生成单元110a。基准生成单元110a可以使用关于一组证券的预期收益的信息来确定应该将哪些证券包括在基准的基础投资组合中。基准生成单元110a可以连接到内部数据库130a，该内部数据库130a包含关于一组证券的属性的信息，这些信息可以对预测证券的未来表现有用处。一个这样的信息的示例是瑞士信贷因素。数据库130a可以是静态数据库、周期性地更新的数据库，或动态地更新的数据库。

基准生成单元110a可以在个人计算机或其他信息处理设备上实现。在图1a中，基准生成单元110a是在计算机上作为存储在数据存储设备(DSD)111a上的软件来实现的。基准生成单元110a还可以通过网络连接到一个或多个第三方数据库。例如，在图1a中，基准生成单元110a通过网络190a连接到第三方市场信息数据库150a。数据库150a可以包括关于所选全体证券的成份证券的信息。所选全体证券可以是基于市场资本总额的美国的前500个证券。根据本发明的一个非限制性实施例，数据库150a可以包括关于包括在标准普尔500指数或标准普尔1500指数中的公司的信息，或包含关于在某一证券交易所交易的所有证券的表现信息的数据库等等。进一步地，对于某些实施例，也可以通过直接向计算机中进行人工输入来获取市场信息。例如，基准生成单元110a的用户可以通过键盘手动输入某一信息。

计算机网络系统100a还可以包括可以用来进行实际证券交易的交易实用程序160a。交易实用程序160a的示例包括New York Stock Exchange、NASDAQ等等。为交易在计算机可访问的平台上不可用的股票或证券，可能要求代理人进行证券的实际出售和购买。对于某些实施例，基准生成单元110a可以通过网络190a直接访问交易实用程序160a。

计算机网络系统100a还可以包括一个或多个投资者计算机170a。例如，投资者可能愿意通过网络190a从基准生成单元110a接收最新的基准。最新的基准可以被用来重新平衡投资者所拥有的投资组合。投资者计算机170a可以接收由基准生成单元110a所生成的基准的动态或定期更新。此外，如果有与基准紧密相关的投资组合或金融产品，那么，投资者可以购买这样的投资组合或金融产品的一部分。

图1B示出了本发明的另一个实施例。图1B中所描绘的基准生成单元110b可以通过网络190b从预期收益预测数据库130b获取关于一组证券的未来表现的信息。例如，管理预期收益预测数据库130b的金融机构可以通过因特网向基准生成单元110b提供α预测因素。基准生成单元110b还可以从又一个数据库150b获取市场信息。基准生成单元110b可以基于在多/空投资组合优化单元112b上实现的多/空投资策略，使用该信息来确定应该将哪些证券包括在基准投资组合中。

位于投资者计算机170b上的软件可以被配置成通过因特网190b来访问由基准生成单元110b所生成的基准，并可以使用该信息来周期性地或动态地评估投资者的投资组合的表现。

在图1C中，基准生成单元110c安装在投资者的计算机170c上。这样的基准生成单元110c可以被配置成通过建立虚拟基准投资组合来生成基准。计算机170c还可以被配置成通过在一个或多个证券市场上进行交易来实际管理资金。如果管理了实际资金，则投资者的计算机170c可以与基准生成单元110c一起包括交易单元172c。交易单元172c可以被配置成通过网络190c进行实际金融交易。

图2是描绘了根据本发明的一个实施例的生成并维护一个基准的方法的流程图。在步骤210中，标识要使用的全体证券。首选的全体证券可以是基于市场资本总额的美国的前500个证券。根据本发明可以使用的其他证券全体包括一个或多个宽基指数(如标准普尔500指数或标准普尔1500指数)中包含中的证券。在步骤220和221中，基于已知的和公开可用的定性的和/或定量因素，预测标识的全体证券中的每一个证券的预期收益。根据一个实施例，可以根据瑞士信贷α预测因素，来评估全体证券。例如，可以获取宽基指数中所包括的所有证券的瑞士信贷因素。在步骤230中，可以基于如步骤220中计算出的其预期收益，对标识的全体证券中的证券进行排序。在步骤240中，所选全体证券中的证券的排序可以通过，例如，排除在预定时间段内每天的平均交易额小于US$10000万的股票(流动性不足)或预定时间段内以每股小于US$5的平均价格交易的股票(资本不足)来进行调整。例如，可以从标识的全体证券中删除来自小公司的证券或表现非常差的证券，并可以对其余证券进行重新排序。在步骤250中，基于130/30投资策略，选择供包括在指数投资组合中的股票。选择供包括到指数投资组合中的股票可以使用各种投资组合构建和优化工具来实现，如步骤251所描绘的。利用某些投资组合构建和优化工具，构建指数投资组合可能包含选择股票以及股票的权重，并将那些信息输入到生成器优化器中，如步骤250和251所描绘的。根据一个实施例，可以使用Barra U.S.股本长期风险模型所带的MSCI Barra Aegis Portfolio Manager，来执行对130/30指数投资组合中的股票的选择和加权。一旦构建了指数投资组合，就可以周期性地或动态地计算和发布历史和每日指数投资组合收益。

还可以周期性地，重新平衡指数投资组合，以确保指数投资组合以最佳收益持续遵循130/30投资策略。如步骤260所示，重新平衡指数投资组合可能包含重复上文所描述的图2的步骤220到250。重新平衡的指数投资组合的构建可以是无约束的，或者，也可以根据百分比年周转量来进行约束。根据无约束的重新平衡，可以没有对被选择用于构建重新平衡的指数投资组合的证券的约束。根据受约束的重新平衡，将证券移动到指数投资组合中以及从指数投资组合中移出不得超出预先选择的约束。例如，如果每年将约束设置为15％，那么，在一年的过程中重新平衡交易(移到指数投资组合中以及从指数投资组合中移出的证券)的价值不得超出指数投资组合的总价值的15％。类似地，如果将重新平衡约束设置为100％，那么，在一年的过程中重新平衡交易的价值不得超出指数投资组合的总价值的100％。

此外，如图2的步骤270和280所示，在发生了涉及当前指数投资组合中的证券的特别的公司事件的情况下，可以在任何时间对指数投资组合进行调整。可能需要对指数投资组合进行调整的特别的公司事件可以包括，但不仅限于，股票分割、合并、收购、破产等等。

图3是描绘了根据本发明的另一种实施例的用于生成并维护一个基准的方法的流程图。此流程图中所描绘的方法可以在计算机上实现，以为被动型130/30投资证券组合自动地生成并维护一个基准。

方法300包括在步骤310中从全体证券中选择一组用来生成基准投资组合的证券，在步骤320中生成包括那些证券作为成份的基准投资组合，在步骤350中基于多/空投资策略，重新平衡基准投资组合的成份，在步骤360中，计算先行指数的值，在步骤370中，计算基准投资组合的价值，并作为可投资指数，发布这些价值。此外，还可以计算综合价格指数。

尽管有多种不同类型的多/空投资策略，可以使用130/30投资策略。为使所产生的基准成为度量130/30产品的表现的准确的指标，步骤350可以应用130/30投资策略来选择基准投资组合的成份。

此外，可以周期性地计算一个或多个指数值，如步骤360和370所示。例如，在步骤370中，可以对基准投资组合中所包括的所有证券的价值进行加权，以计算指数的值，可以发布该指数的值作为基准。此外，还可以如步骤360所示，使用每一个证券的已实现的月收益，来计算代表130/30投资组合的表现的上界的先行指数。这样的指数可以与基准一起发布，或被用来评估应该将哪些证券包括在下一基准投资组合中。此外，还可以计算和包括综合价格指数。

可以周期性地重新平衡基准投资组合，如步骤350所示。优选情况下，此周期是一个月。重新平衡可以周期性地进行，即，每半年、每季、每月、每周或每两周等等。当应用多/空投资策略以选择应该将哪些证券包括在基准投资组合中时，可以对一组有资格的证券进行排序，以确定非成份证券的预期将来表现出色的哪些证券以及多少股数可以被包括在基准投资组合中，代替预期表现差的成份证券。

本发明的某些实施例涉及基于130/30投资策略来生成被动型130/30基准的方法。此外，对于某些实施例，瑞士信贷因素可以用来对基准中所包括的证券进行排序。如下在方法300的上下文中描述了这样的实施例。

为创建这样的基准，在步骤310中，可以从全体证券中选择基准中所包括的一组证券。可以根据用户来定义全体证券。首选的全体证券可以是基于市场资本总额的美国的前500个证券。根据本发明可以使用的其他证券全体包括一个或多个宽基指数(如标准普尔500指数或标准普尔1500指数)中包含中的证券。在替代方案中，可以从在某些证券交易所交易的股票或证券中或某些多样化的投资组合中选择证券组。这些证券可以构成可以被包括在基准投资组合中的有资格的证券的集合。

为确定要将哪些证券包括在基准投资组合中，可以使用各种已知的定性和/或定量因素来对所选全体证券中所包括的所有证券进行排序。根据一个实施例，可以根据，例如，瑞士信贷因素来对所选全体证券中的证券进行评估和排序，并可以应用多/空投资策略，如步骤320所示，以生成第一基准投资组合。

在每一个重新平衡日期，投资组合经理可以收集全部有资格的证券中的每一个证券的定性的和定量评价因素，有时被称为“α预测因素”，以确定哪些证券可以被包括在重新平衡的基准投资组合中，如350所示。优选情况下，周期性地更新α预测因素，以便可以使用最新信息来预测每一个股票的未来表现。例如，可以访问包含瑞士信贷因素的数据库。可以，例如，使用每一个证券的10个因素的简单等权平均值，将这些因素组合起来，以获取可以用来预测该证券的预期收益的数值。基于该数值，可以将全体证券中的证券分类为必需。

可以，例如，通过基准生成软件来在计算机上执行重新平衡步骤。该步骤涉及获取给定全部有资格的证券中的每一个证券的预期收益或“α”的预测，并生成协方差矩阵的估计，以确定应该将基准投资组合中的哪些证券去除，并替换为全部有资格的证券中可用的非成份证券的哪些证券以及用多少股数。对于本发明的某些实施例，可以使用瑞士信贷因素或其他类似的因素，获取预期收益的预测。用于构建均值-方差有效的投资组合的协方差矩阵可以是，如由Barra U.S.股本长期风险模型给出的那种。

此外，在步骤360中，可以通过使用每一个证券的已实现的月收益，构建“先行”指数，来计算被动型130/30投资组合的表现的上界。尽管由于没有人具有完美的预见而可能不可能实现这样的收益，但是，此上界可以充当用于度量由特定投资组合捕获的α的经济意义的尺度。同样，在步骤370中，还可以计算综合价格指数。

如果方法300在计算机上实现，那么，如在步骤330中所描绘的，程序可以被设置为周期性地在设置的重新平衡日期重新平衡基准。例如，可以在每个月的最后一个星期五重新平衡基准。

图4是描绘了根据本发明的又一个实施例的为被动型多/空投资组合维护一个基准投资组合的方法400的流程图。基准可以是投资者可以用来评估他们的130/30投资组合的表现的130/30指数(下面称为“130/30指数”)。如步骤430所示，例如，可以在每天结束时，基于证券的收盘价格，评估基准投资组合中所包括的成份证券的价值。还可以在每天结束时发布成份证券的价值。此外，如步骤450和460所示，还可以周期性地重新平衡基准投资组合。该周期可以是一个月或一个季度。此外，随着时间的推移，还可能有需要对基准的成份进行不均匀的调整的某些公司事件或公司的重大的变化。例如，股票分割、合并和收购，等等，都可能需要去除某一证券并替换为另一个证券。如在步骤470和480中所描绘的，可以根据需要随时进行这种调整。此外，如在步骤490中所描绘的，可以根据需要计算先行指数的值。此计算可以涉及使用基准投资组合的已实现的收益来产生投资组合的表现的上界。还可以周期性地计算基准的日内值，并将其作为指数来发布。周期可以短得如一小时、30分钟、1分钟，或15秒或更短。

在步骤430中，可以基于其成份的以美元计的收盘价格，来计算130/30基准投资组合的日终值，并作为指数来发布。指数可以，例如，以价格-收益(“价格指数”)、总的-收益(“总收益指数”)和综合价格-收益(“综合价格指数”)形式来计算。指数可以具有指数开始的月的基础日期，日期对应于在步骤410中启动基准的日期。指数可以具有当在步骤410中启动时的初始值100。指数可以包含做多和做空股票。

此外，在某些实施例中，可以提供与指数紧密相关联的实际被动型130/30投资组合(“130/30指数投资组合”)作为金融产品。投资者可以被允许购买这样的指数投资组合或金融产品的一部分，并得到类似于基准的收益的收益。例如，130/30指数可以局限于只包括来自单一国家(如英国、法国或美国)的被管理的证券交易所上市的公司的股票。例如，有资格的全体证券可以被设置为如市场资本总额所定义的在美国进行交易的前500家或前1500家公司。金融产品可以允许投资者购买指数投资组合中的股票。也可以只生成基准而不建立实股的指数投资组合。

不论是哪一种情况，都可以从定义的全部有资格的证券中选择130/30指数的成份。可以根据首选的定性的和定量评价因素，例如，10个瑞士信贷因素，对定义的全部股票中的公司进行排序。可以排除在最近6个月的时间平均交易额小于1000万美元的那些股票。可以进行此调整，以确保指数的表现不会由于缺乏流动性受价格崩溃的负面影响。当一种股票或证券具有多种列表或不同的股票类别表现突出时，则指数创建者可以制定应该考虑哪一个股票或证券或列表的规则。优选情况下，可以考虑主要或最流动的列表。

可以每月地选择成份证券。例如，可以在每个月的最后一个工作日执行此操作，以创建选择列表。选择列表可以指出在下一次重新平衡中指数的成份的可能的变化。选择列表也可以用于在必要时确定替代问题。

可以最初和在每一个按月的重新平衡日期给指数中所包括的证券赋予权重。每一个股票的加权可以用指数中所包括的股数来表示。可以在基础日期计算指数中的每一个公司的股数，并在每一个按月的重新平衡日期或在重新平衡日期之后的一定天数之后，对其进行重新计算。

如在步骤430中所描绘的，可以每天计算指数的值，并每天发布。此外，还可以周期性地更新它，并在当天发布。可以由计算代理来计算该值。为了计算日结束值，指数可以在纽约时间下午5点关闭。可以在纽约时间下午6.30之前通报收盘指数值。也可以动态地进行计算。

计算代理可以是计算机实现的软件，可以，例如，使用下列公式来计算指数的值：

价格指数计算方法

根据下列等式来计算指数(价格指数)：

$\mathrm{Inde}{x}_t=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Price}}_{\mathrm{it}}\mathrm{xShares}}{{\mathrm{Divisor}}_t}$

其中：

Index_t＝时间t时的指数值

Divisor_t＝时间t时的除数

N＝指数中的股票数量＝60

Price_it＝股票i在时间t以美元表示的正式的收盘价格

Shares_it＝指数中的股票i在时间t的股数

初始除数Divisor₀是按如下方式确定的：

$\mathrm{Divisor}0=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Price}}_{\mathrm{it}}\mathrm{xShares}}{\mathrm{BaseValue}}$

其中：

Divisor₀＝基础日期的初始除数(＝xx Month YYYY)

Base Value＝100(＝xx Month YYYY的基本指数值)

Price₀＝股票i在基础日期以美元表示的正式的收盘价格

Shares₀＝指数中的股票i在基础日期的股数

对指数成份的任何更改(在年度重新平衡日期和由于公司股东决策)可能需要对除数进行调整，以便维护指数系列连续性。根据下列公式，进行除数更改：

${\mathrm{Divisor}}_{\mathrm{postadj}}={\mathrm{Divisor}}_{\mathrm{preadj}}X\frac{\mathrm{\Σ}{\mathrm{Price}}_{\mathrm{postadj}}X{\mathrm{Shares}}_{\mathrm{postadj}}}{\mathrm{\Σ}{\mathrm{Price}}_{\mathrm{pread}}\mathrm{jX}{\mathrm{Share}}_{\mathrm{pread}}}$

其中：

Divisor_post adj＝在对指数进行更改之后的除数

Divisor_pre adj＝在对指数进行更改之前的除数

Price_post adj＝股票i在指数变化之后以美元表示的正式的收盘价格

Price_pre adj＝股票i在指数变化之前以美元表示的正式的收盘价格

Share_post adj＝在指数更改之后指数中的股票i的股数

Shares_pre adj＝在指数更改之前指数中的股票i的股数

当对股数进行了更改时(例如，在替换了成份股票的情况下)，成份股票的权重不应该改变。作为示例：

Shares _Stock out X Price_stock Out

${\mathrm{Weight}}_{\mathrm{atockout}}=\frac{{\mathrm{Shares}}_{\mathrm{StockOut}}X{\mathrm{Price}}_{\mathrm{StockOut}}}{\mathrm{\ΣPricei}}={\mathrm{Weight}}_{\mathrm{Stockin}}$

因此

${\mathrm{Weight}}_{\mathrm{stockin}}=\frac{{\mathrm{Shares}}_{\mathrm{StockOut}}X{\mathrm{Price}}_{\mathrm{StockOut}}}{\mathrm{\Σ}{\mathrm{Price}}_{\mathrm{stockin}}}={\mathrm{Weight}}_{\mathrm{Stockin}}$

价格指数可以不考虑正常的股息支付。为了计算总收益指数，可以通过每天将它们用于再投资，来考虑净股息。可以使用除股息日期来确定每一天的总的每日股息。特别股息需要指数除数调整，以防止这样的分配扭曲价格指数。尽管在图4中未示出，但是，本发明的某些实施例涉及每天检查是否在130/30指数中所包括的任何一个证券中派发任何股息。

例如，为了计算总收益指数，可以通过根据下列公式，每天将它们用于再投资(每天复利)，来考虑股息。

${\mathrm{TotalReturnIndex}}_{t+1}={\mathrm{TotalReturnIndex}}_{t}x\frac{(\mathrm{Inde}{x}_{t+1}+{\mathrm{Div}}_{t+1})}{\mathrm{Inde}{x}_t}$

其中：

Total Return Index_t＝在日期t那天总收益指数的收盘

Index_t＝在日期t那天价格指数的收盘，如附录1所概述的

DIV_t＝用指数点表示的日期t那天指数的总的净现金股息(普通)

Dividend_it＝如果是股票i的除股息日期：则是以美元表示的股票i的净股息，否则，0。

Shares_it和Divisor_t如附录1所示。

净股息：在扣除预提税之后，可以将股息用于再投资，对不受益于双重征税条约的非居民个人，应用息率。总收益指数可以近似于最小可能的股息再投资。要应用的息率是当前有效息率。

综合价格指数是按如下方式使用每日复利，通过综合股息收益率调整的总收益指数：

$\mathrm{SyntheticPriceIndex}=\mathrm{TotalReturnInd}{\mathrm{ex}}_{t}x{(1-\frac{\mathrm{SDY}}{365.25})}^{^t}$

其中，t以日历天度量，SDY是(固定)综合的股息收益率：SDY＝XX.00％

通过本发明的实施例的方法800创建和维护的指数可以叫做下列名称：

价格指数：瑞士信贷130/30US指数

总收益指数：瑞士信贷130/30US总收益指数

综合价格指数：瑞士信贷130/30US指数

可能有某些抛出的股票。

此外，可以周期性地查看130/30指数，以确保基础成份股票继续满足130/30指数的基本原理，并且指数继续尽可能接近地反映基础股票投资组合的价值。可以预定对指数成份股票的周期性复查根据设置的时间表来进行。

如果在按月重新平衡日期和按月重新平衡生效日期之间的时间段内相对于指数成份股票发生了会导致指数成份股票变得无资格的公司股东决策，则将无资格的成份股票淘汰。替换证券可以，例如，是在最近的选择列表上的最高/最低已排序的非成份证券。

除周期性复查之外，可以连续地查看指数，查看是否有由特别的公司股东决策所需的指数成份的更改，例如，涉及成份股票公司的合并、收购、分拆、解除上市资格和破产申请。当进行操作调整时计算代理的目标是要确保维护指数的基本原理，并且指数继续尽可能接近地反映基础股票投资组合的价值。替换公司可以，例如，是在最近的选择列表上的最高/最低已排序的非成份公司股票。

此外，本发明的某些实施例涉及生成和维护与130/30指数紧密相关的实际130/30基金金融产品的方法。维护这样的基金产品的方法可以象上文所描述的方法400那样，只是证券的实际股数包括在基础投资组合中。

可以使用各种测量值来预测每一个证券的预期收益。10个瑞士信贷因素可以分类为5个宽投资领域：价值、增长、盈利能力、动量，以及技术。每一个因素是使用来自财务报表的基本数据、一致性收益预测，以及市场价格和/或容量数据来确定的。

瑞士信贷的Quantitative Equity Research Group维护和更新标准普尔1500指数中所包括的每一个公司的这10个因素。由此，例如，标准普尔1500指数全体中的每一个公司都具有在每一个时间段与它相关联的10个瑞士信贷因素。

瑞士信贷因素，以及加入它们的计算的金融指标，如下：

合成α因素1：传统的价值。

传统的价值α投资组合购买便宜的股票并卖空贵的股票。传统的价值因素是使用诸如价格-收益、价格-帐面、价格-现金流，以及价格-销售额之类的价格比率构建的。这种比率很早充当传统的价值尺度。

在获取传统的价值α因素时可以考虑的因素如下：

·价格/12月远期收益一致性估计。这里，12月远期收益是作为FY1和FY2的时间加权平均来计算的(即将来临的以及下面的会计年度结束收益预测)。FY1的权重是一年中剩余的天数与一年里的总天数的比率，而FY2的权重是1减去FY1的权重。

·价格/尾随12月销售额。尾随销售额是作为最近4个季度的季度销售额的总和来计算的。

·价格/尾随12月现金流。尾随现金流是作为最近4个季度的季度现金流的总和来计算的。

·股息收益率。这是作为去年支付的总的DPS除以现行价格来计算的。

·价格/帐面价值。对于帐面价值，使用最后一个季度价值。

合成α因素2：相对价值。

相对价值α是使用诸如行业-相对价格比率之类的价值，作为价格-收益、价格-帐面、以及价格-销售额而确定的。例如，公司XYZ的行业相对价格收益比率是通过取得XYZ的价格-收益比率并使用XYZ的行业团体中的所有公司之间该比率的中值和标准偏离(使用中值计算的)将其标准化来构建的。在此方法中，如果一个股票的比率小于行业平均值，则该股票被视为便宜。

在获取行业相对价值α因素时可以考虑的因素如下：

·行业-相对价格/尾随12月销售额

·行业-相对价格/尾随12月收益

·行业-相对价格/尾随12月现金流

·行业-相对价格/尾随12月销售额(当前价差与5年平均值)

·行业-相对价格/尾随12月收益(当前价差与5年平均值)

·行业-相对价格/尾随12月现金流(当前价差与5年平均值)

合成α因素3：历史增长。

历史增长α投资组合购买带有强的增长记录的股票，并卖空带有平坦的或负的增长率的那些股票。增长是基于收益增长率、收益趋势，以及现金流的变化来度量的。

在获取历史增长价值α因素时可以考虑的因素如下：

·尾随12月现金流中的正的变化的连续的季度数量(按最近24个季度计数)。对于最近24个季度中的每一个季度，计算尾随12月现金流，然后，统计那些尾随现金流中的连续的变化的次数从一个季度到另一个季度是相同的符号，从最近一个季度开始并往回退。如果连续的季度到季度的变化是负的，则将每一个变化都当作-1。如果它们是正的，则将每一个变化都当作+1。

·尾随12月季度收益中的正的变化的连续的季度数量(按最近24个季度计数)。尾随12月季度收益是通过将最近4个季度的季度收益相加，并以与上面的项目同样的方式来计算连续的季度的数量。

·季度现金流中的12月变化。这是最近一个季度的尾随12月现金流和从最近一个季度一年前的季度的尾随12月现金流之间的区别。

·3年平均年销售额增长。对于最近3年中的每一年，计算销售额的1年百分比变动，然后，计算那些1年百分比变动的3年平均值。

·3年平均年收益增长。对于最近3年中的每一年，计算收益的1年百分比变动，然后，计算那些1年百分比变动的3年平均值。

·尾随12月收益中的12季度趋势线。对于最近的12个季度中的每一个季度，从尾随12月收益，计算适合于那12个点的线性趋势线的斜率，然后，将该斜率除以所有12个季度内的平均12月尾随收益。

·尾随12月现金流中的12季度趋势线。以与上面的项目中所描述的相同的方式来进行计算，但是，使用现金流而不是收益。

合成α因素4：预期增长。

预期的增长α投资组合购买带有高的预期收益增长率的股票，卖空那些带有低的或负的预期增长率的股票。

在获取预期增长价值α因素时可以考虑的因素如下：

·5年预期收益增长(I/B/E/S一致性)

·预期收益增长：会计年度2/会计年度1(I/B/E/S)

合成α因素5：利润趋势。

利润-趋势α投资组合购买表现出了强的帐本底线改进的股票，并卖空表现出了利润下降或亏损增大的股票。利润趋势可以通过使用下列比率来度量：开销-销售额，收益-销售额，以及销售额-资产。可考虑的其他趋势是下列比率：(应收帐款+库存)/销售额，以及现金流-销售额。

在获取利润-趋势值α因素时可以考虑的因素如下：

·(应收帐款+库存)/尾随12月销售额中的下降的连续的季度数量(按最近24个季度计数)。从最近的季度开始，并往回退。如果连续的季度到季度的变化是负的，则将每一个变化都当作+1。如果它们是正的，则将每一个变化都当作-1。应收帐款是作为此季度和一年前的季度的应收帐款的平均值来计算的，库存数也类似地计算。

·尾随12月现金流/尾随12月销售额中的正的变化的连续的季度数量(按最近24个季度计数)。从最近的季度开始，并往回退。如果连续的季度到季度的变化是正的，则将每一个变化都当作+1。如果它们是负的，则将每一个变化都当作-1。

·尾随12月开销/尾随12月销售额中的下降的连续的季度(按最近24个季度计数)。从最近的季度开始，并往回退。如果连续的季度到季度的变化是负的，则将每一个变化都当作+1。如果它们是正的，则将每一个变化都当作-1。尾随12月开销等于尾随12月销售额减去尾随12月COGS减去尾随12月EBEX，其中，尾随12月价值是通过将最近的4个季度的季度价值相加而获取的。

·行业-相对尾随12月(应收帐款+库存)/尾随12月销售额。这里，行业-相对比是通过使用该行业团体中的所有公司之间的该比率的平均和标准偏离来标准化基础比率而获得的。

·行业-相对尾随12月销售额/资产。这里，资产价值是此季度的资产和一年前的季度的资产的平均值。行业-相对比是通过使用该行业团体中的所有公司之间的该比率的平均和标准偏离来标准化基础比率而获得的。

·尾随12月开销/尾随12月销售额。尾随12月开销等于尾随12月销售额减去尾随12月COGS减去尾随12月EBEX，其中，尾随12月价值是通过将最近的4个季度的季度价值相加而获取的。

·尾随12月收益/尾随12月销售额

合成α因素6：加速销售额。

加速销售额α投资组合购买带有强的销售额增长记录的股票，并卖空带有平坦的或负的销售额增长的股票。这是通过度量销售额增长的速率-因此销售额的加速度-来确定的。

在获取加速销售额α因素时可以考虑的因素如下：

·尾随12月销售额中的3月动量。为计算此测量值，首先取得当前尾随12月销售额和一年前的尾随12月销售额之间的差值，然后，将该差值除以一年前的尾随12月销售额的绝对值。然后，取今天的此比率和3个月之前的此比率之间的差值。

·尾随12月销售额中的6月动量。这是以与上文所描述的同样的方式来计算的。

·贯穿季度销售额的4季度趋势线的斜率变化。为获得此数字，首先计算过去4个季度的每个季度的尾随12月销售额，并计算最近4个季度内那些尾随12月销售额的平均值。然后，计算贯穿尾随12月季度销售额的线性趋势线的斜率，并将它除以平均季度销售额。最后，使用一年前的数据来计算同一个比率，并将现行比率减去该值，以获得斜率的变化。

合成α因素7：收益动量。

收益动量是以收益估计，而不是历史收益来进行定义的。收益动量α投资组合购买带有正的实际盈余差距和向上估计修改的股票，并卖空带有负的实际盈余差距和向下估计修改的那些股票。

在获取收益动量α因素时可以考虑的因素如下：

·12月远期收益一致性估计/价格中的4周变化。12月远期收益是作为FY1和FY2的时间加权平均来计算的(即将来临的以及下面的会计年度结束收益预测)。FY1的权重是1年中剩余的天数与1年里的总天数的比率，而FY2的权重是1减去FY1的权重。

·12月远期收益一致性估计/价格中的8周变化。这是以与上文所描述的同样的方式来计算的。

·最近的实际盈余差距/现行价格。最近的实际盈余差距是报告的和预期收益之间的差值，这两者都是通过I/B/E/S来报告的。

最近的实际盈余差距/最后一个季度的每季估计值的标准偏差(SUE)。通过I/B/E/S来报告。

合成α因素8：价格动量。

价格-动量α投资组合购买在过去6-12个月具有高收益的股票，并卖空在过去6-12个月具有低的或负收益的股票。

在获取价格-动量α因素时可以考虑的因素如下：

52周趋势线的斜率(计算时有20天滞后)

超过260天低的百分比(计算时有20天滞后)

4/52周价格振荡器(计算时有20天滞后)。这是作为过去4周内平均每周的价格与过去52周平均每周的价格的比率减去1来计算的。

39周收益(计算时有20天滞后)

52周量价曲线(计算时有20天滞后)。这是以标准方式来计算的。请参阅此处引用的Colby和Meyers的论述(1988，The Encyclopedia of Technical Market Indicators，McGraw-Hill，p.544)。

合成α因素9：价格反转。

价格反转是短期的获利者常常遭受不利的反转，而短期的亏本者倾向于反冲到上面的模式。这些反转模式对于从一天到四周的范围是显而易见的。

在获取价格-反转α因素时可以考虑的因素如下：

5日行业-相对收益。这是作为5日收益减去该行业内的资本加权平均5日收益来计算的。

5日货币流量/成交量。为获得此比率的分子，对于过去5天中的每一天，计算收盘价格乘以那天的成交量(交易股数)，如果那天的收益是负的，则再将所得值乘以-1，并将那些每日值相加。为获得分母，简单地将收盘价格乘过去5天的每日成交量，再相加(如果对应的日收益是负的，不需要将那些每日乘积再乘以-1)。

·12-26Day MACD[S.O.F.T.]-10日信号线。MACD和信号线是以Colby，R.和T.Meyers所描述的标准方式来计算的(1988，The Encyclopedia of Technical Market Indicators，McGraw-Hill，page 281)，该文以引用的方式并入本文中。

·14日RSI(相对强弱指标)。这是以Colby，R.和T.Meyers所描述的标准方式来计算的(1988，The Encyclopedia of Technical Market Indicators，McGraw-Hill，page 433)，该文以引用的方式并入本文中。

·20日通道的随机指标，这是以Colby，R.和T.Meyers所描述的方式来计算的(1988，The Encyclopedia of Technical Market Indicators，McGraw-Hill，page 473)，该文以引用的方式并入本文中。

·4周行业-相对收益。这是作为4周收益减去该行业内的资本加权平均4周收益来计算的。

合成α因素10：小规模。

小规模α投资组合购买指数中的最小的十分位数股票，并卖空指数中的最大的十分位数。使用下列尺度来度量规模：市场资本总额、资产、销售额，以及股票价格。

在获取小规模α因素时可以考虑的因素如下：

·市场资本总额的对数

·市场资本总额的对数的三次方

·股票价格的对数

·总的最后一个季度资产的对数

·尾随12月销售额的对数

预测对10个α因素具有高暴露度的股票以提供正的α；具有低暴露度的股票应该产生负的α。为使高数字表示正的α，可以颠倒所有的传统的价值和相对价值比率，股息收益率除外。由于同样的理由，价格反转以及小规模单个α测量值中的全部，以及下列两个利润-趋势单个α测量值-行业-相对尾随12月(应收帐款+库存)/尾随12月销售额和尾随12月开销/尾随12月销售额，都乘以-1。

图5描绘了可以安装在计算机上的基准生成应用程序500的各处理单元。该计算机可以通过一个或多个Web服务器501来连接到网络，以与其他数据库进行通信。例如，基准生成应用程序500可能需要通过因特网获取α预测因素，以对所述基准投资组合中所包括的证券进行排序。此外，基准生成应用程序500还可能需要获取可以被包括在基准投资组合中的最新的一组有资格的公司的列表。

基准生成应用程序500还可以包括预期收益预测单元510，该单元510用于计算基准中的每一个证券及全部有资格的证券中的其他非成份证券的多余收益价值。然后，由预期收益预测单元510计算出的多余收益价值可以用于多/空投资策略重新平衡单元520中，以周期性地重新平衡基准投资组合。例如，预期收益预测单元510可以获取关于所选全体证券中所包括的每一个公司的瑞士信贷因素来预测这些证券的未来表现。

重新平衡单元520可以基于来自预期收益预测单元510的输入，对所选全体证券中所包括的证券进行排序。可以从数据库530中获取当前基准投资组合中所包括的证券的标识和股票的数量。数据库630还可以存储关于基准投资组合中当前或过去曾经包括的证券的历史表现的信息。

基准生成应用程序500还可以包括用于周期性地或动态地确定指数540的价值的单元。可以将这样的单元连接到因特网，以获取基准投资组合中所包括的每一个成份证券的价值。例如，可以在每天结束时获取基准投资组合中所包括的每一个证券的价值，以确定到那天为止该指数的总价值。可以由发布单元550每天或动态地发布该指数的值作为基准。

应该理解，基准生成应用程序的一个或多个单元可以位于分离的计算机上，或者甚至分布在一个或多个网络上。此外，本领域的技术人员也可以为实现相同的目标而改变这些单元的结构。这些修改也是本发明的一部分。

在本发明的某些实施例中，基准生成应用程序500可以被配置成使用类似于瑞士信贷因素的α预测因素。例如，可以使用关于价值、增长、盈利能力、动量，以及技术因素的α因素。更具体地说，基准生成应用程序500可以使用关于证券的下列各项的一个或多个α预测因素：(1)传统的价值；(2)相对价值；(3)历史增长；(4)预期增长；(5)利润趋势；(6)加速销售额；(7)收益动量；(8)价格动量；(9)价格反转；以及(10)小规模，等等。

此外，还可以通过规范化构成那些因素的基础各种α测量值并获取那些测量值的z分数来获取每一个α预测因素。例如，可以基于下列5个成份因素：价格/帐面价值、股息收益、价格/尾随资金流动、价格/尾随销售额，以及价格/远期收益，来确定传统的价值α因素。

可以通过获取特定公司在特定日期的价格/帐面价值比率，并基于两步骤规范化过程，规范化数据，将这些α测量值转换为传统的价值α因素，以基于所选全体证券中的所有公司的样本，计算其z分数。可以使用价格/帐面价值比率的在所选全体证券内的资本加权平均数，以及其标准偏差，来规范化该比率，计算该比率的z分数。可以使用资本加权平均数来计算此标准偏差。从样本中丢弃计算出的z分数的绝对值大于10的那些公司，可以基于此较小的样本，重新计算资本加权平均数和标准偏差。然后，可以为来自原始样本的公司，将每一个公司的价格/帐面价值比率重新规范化。可以以同样的方式来计算股息收益、价格/尾随资金流动、价格/尾随销售额，以及价格/远期收益的z分数。为获取传统的价值α因素z分数，获取其5个成份的z分数的等权平均值，然后，以如上文所描述的两个步骤将其规范化。

在给定其对应的成份指标的情况下，可以以同样的方式获取其他9个类别中的每一个类别的α因素。然后，对于全体证券的每一个公司，以及对于每一个日期，可以将其10个α因素的等权平均值用作被馈送到多/空投资策略重新平衡单元520的多余收益输入。

图6A示出了根据本发明的实施例的用于生成、维护，以及发布一个基准的系统610。系统610可以包括驻留在一个或多个计算机上的各种计算机处理单元以及数据库。多/空指数投资组合数据库615可以包含关于在基准投资组合中包括哪些股票以及多少股的信息。可以在日内/日终多/空投资组合指数评价单元620中在日内/日终计算基准投资组合中的股票的价值。日内评价可以根据基准创建者的确定，周期性地、每月、每小时、每隔30分钟、1分钟，或15秒或更短地进行。可另选地，也可以动态地或连续地执行。结果可以由多/空投资组合指数发布单元630，周期性地、每月、每小时、每隔30分钟、1分钟、15秒或更短，或动态地，例如，在因特网上发布。

多/空投资组合更新器和调节器单元640可以更新市场信息和关于基准投资组合中包含的股票的公司事件信息，并基于这样的更新的信息，对基准投资组合中包含的股票进行调整。任何调整的结果被用来更新多/空指数投资组合数据库615。多/空投资组合更新器和调节器单元640可以基于来自许多数据库的输入，包括如610所描绘的已排序的全部股票数据库651、市场信息数据库652，以及公司事件数据库653，确定需要对基准投资组合进行哪些更新(如果有的话)。可以从许多源，包括图6A中所描绘的市场信息、交易信息，新闻以及媒体源，收集这些数据库的内容。此信息收集可以由通过因特网搜索可用的信息的计算机应用程序单元动态地执行，或通过人工输入财务分析师来执行，或采用这两种方式。

图6B描绘了用于生成和维护基准的一个或多个计算机上的各种计算机处理单元和数据库。系统611可以包括多/空指数投资组合数据库616，该数据库616包含关于基准投资组合中所包括的股票以及股票的股数的信息。基准投资组合中所包括的股票以及股数可以周期性地、动态地或手动地更新。

系统611还可以包括调整了风险的收益估计器排序单元659，该单元659从市场信息数据库655和“α”分析工具数据库654检索信息。市场信息数据库655可以包括关于可以被包括在基准投资组合中的全部有资格的股票中的每一个股票的预期表现的各种信息。可以从许多源，包括图6B中所描绘的市场信息、交易信息，新闻以及其他媒体源，收集市场信息数据库655中的信息。此外，一些信息可能涉及可能会显著影响股票的价值的特别的公司事件或其他事件。某些信息可能指出，可以对全部有资格的股票进行某些调整，以改善基准投资组合。市场信息数据库655可以用来存储这样的信息。

α分析工具数据库654可以包括关于α预测因素的信息，该信息可以用来预测有资格的全部股票中哪些股票将来可能会表现出色。例如，α分析工具数据库654可以组合每一个股票的10个瑞士信贷因素或其他α预测因素，以评估每一个股票的预期收益。

调整了风险的收益估计器和排序单元659可以组合来自市场信息数据库655和α分析工具数据库654的输入，以对可以被包括在基准投资组合中的全部有资格的股票进行排序。例如，调整了风险的收益估计器和排序单元659可以检索存储在市场信息数据库655中的标准普尔500指数或其他宽基指数中所包括的所有公司的列表，并组合根据存储在“α”分析工具数据库654中的瑞士信贷α因素或其他α预测因素计算出的多余收益输入。然后，可以将排序存储在已排序的全部股票数据库656中。

可以由多/空指数投资组合构造器单元642来检索存储在已排序的全部股票数据库656中的排序，该单元642确定在基准投资组合中应该包括哪些股票以及多少股。多/空指数投资组合构造器单元642可以被配置成手动地或自动地接受关于约束和优化因素643的信息。约束可以包括有关在重新平衡日期可以从当前基准投资组合中淘汰的股票的百分比的约束。例如，对于130/30指数投资组合，可以如此设置约束，以便在每一个重新平衡日期不超过当前基准投资组合中的股票的价值的30％可以替换为非成份股票。通过使用来自已排序的全部股票数据库656的输入和由指数创建者设置的优化因素，多/空指数投资组合构造器单元642可以确定重新平衡的基准投资组合的内容，并将其存储在多/空指数投资组合数据库616中。如图6A所描绘的，可以在日内/日终多/空投资组合指数评价单元620中进一步处理存储在图6B的多/空指数投资组合616中的信息，并由多/空投资组合指数发布单元630进行发布。

图7是描绘了130/30可投资的指数的累积收益的图。此数据是通过设置根据一个实施例的130/30可投资的指数并使用过去的真实的金融数据运行历史模拟而获得的。130/30指数投资组合中的证券的选择和重新平衡是在Barra U.S.股本长期风险模型所带的MSCI Barra Aegis Portfolio Manager上执行的。130/30可投资的投资组合和先行投资组合是通过最初以现金$100,000,000开始，从1996年1月到2007年9月，按月建立和重新平衡的。对于每一个月，标准普尔500指数被用作投资组合构建中的基准和全部股票。下列的说明用于配置MSCI Barra Aegis Portfolio Manager来为130/30指数投资组合选择股票：

约束。将投资组合约束到等于1。

预期收益。对于标准普尔500指数中的每一个公司并对于每一个日期，当构建可投资的投资组合时，使用其对应的十个合成α因素z-分数的等权平均值作为输入到优化器的多余收益，而当构建先行投资组合时，使用一个月远期多余收益。将无风险利率、基准风险溢价，以及预期的基准差距都设置为零。

优化类型。使用多/空投资组合优化。将多/空部位杠杆分别设置为130％和30％。

交易。不对持有和交易阈值级别施加任何约束，并将有效权重设置为40个基点。这产生了跟踪误差，被定义为投资组合和基准日收益系列之间，每一个月的1.5％和3％之间的区别的年度标准偏差。

风险。使用Barra默认设置，包括下列规定：平均收益0，概率水准5％，风险厌恶值0.0075，以及AS-CF风险厌恶比率1。

交易成本。将单向交易成本设置为0.125％，并构建带有三个不同级别的年度周转-15％，100％，以及无约束-的投资组合，计划横跨大多数投资者和经理所感兴趣的相关范围。

税务成本。不采用税务成本的任何模型。

有关在MSCI Barra优化器上构建130/30可投资的投资组合的分步流程，参见附录I。

根据附录I中所描述的参数和设置，投资组合优化过程生成每一个月的在130/30投资组合中的每一个股票持有的最佳股数。现在，对于投资组合中的每一个股票i，获取下列每月信息：在上月结束时的股数S_it-I，在上月结束时的每股价格P_it-I，以及该月的总收益R_it。使用此信息来按如下方式形成净成本(net-of-cost)每月130/30投资组合总收益R_pt：

 -------------------------

$R_{\mathrm{pt}}\≡\underset{t}{\mathrm{\Σ}}\frac{P_{\mathrm{it}-1}{S}_{\mathrm{it}-1}}{{\mathrm{\Σ}}_j{P}_{\mathrm{jt}-1}{S}_{\mathrm{jt}-1}}{R}_{\mathrm{it}}-T{\mathrm{Cost}}_t-{\mathrm{SCost}}_t---\left(1a\right)$

TCost_t ≡0.0025×2×1.6×Turnover_t           (1b)

SCost_t≡0.3×0.0075/12                       (1c)

其中，TCost_t是在月份t发生的直接交易成本，Turnover_t是由MSCI Barra Aegis Portfolio Manager计算出的每月周转，而SCost_t是与130/30投资组合卖空相关联的成本(即，卖空折扣和由于使用杠杆而造成的借款成本之间的套利)。

可以在月末使用与构建可投资的指数相同的投资组合构建过程来创建“先行”指数，但是，利用该月份的已实现的多余收益替换预期的多余-收益预测。不是创建z分数作为预期的多余收益的代理，简单地，使用1个月远期收益和当月的收益之间的差值作为输入到MSCI Barra Aegis Portfolio Manager中的预期的多余-收益。以这样的方式创建的投资组合显然具有“完美的预见”，因为它使用已实现的收益代替预期的收益预测，并且此投资组合的收益将充当总的可用的α的上限。由于此投资组合是利用与可投资的指数相同的约束创建的，因此，该投资组合的收益将是130/30策略可用的最大潜在的收益。投资者和投资组合经理可以使用此收益来度量由他们自己的投资组合捕获的α的量，这可以是随着时间的推移α衰变的有用度量。

使用上文所描述的过程，利用从1996年1月到2007年9月的数据，构建此130/30策略的收益，对于三种不同级别年周转量：15％，100％，以及无约束，采用0.125％的单向交易成本。所选的证券总体是标准普尔500指数。因此，0.125％的单向交易成本，对于最流动的名称，被视为过度估计，但是，对于小盘股，凭经验，被认为比较似是而非。由于标准普尔500指数具有2％到10％的年周转量，如图14所示，15％的周转水平保留130/30投资组合的被动型特征，而允许它每个月对基础α因素中的变化作出响应。因此，大多数分析集中于此情况。

如图8所示的表概述了130/30指数对于0.125％的单向成本，以及三种不同级别的年度周转约束(15％、100％，以及无约束)的表现-还包括通过上文所描述的过程产生的先行投资组合以及由标准普尔500指数所定义的全体证券的表现。没有周转约束时，130/30指数的平均收益是15.67％，而在带有周转约束100％和15％时，下降至14.94％和12.13％。无约束的和有约束的投资组合之间的表现的差异是不惊人的，给定了它们的实现所需的交易总量的差别-与对于有约束的情况的100％和15％的周转相比，无约束的投资组合每年产生大致350％的周转。请参阅图12和13所示出的表。

交易成本对130/30指数的波动性具有很少的影响，在所有三个级别的周转下，对于可投资的指数，130/30指数的波动性大致为15％，并类似于标准普尔500指数的14.68％标准偏差。对于带有0.125％单向成本以及15％年度周转约束的130/30指数，此波动性水平显示0.47的夏普比率，采用5％的无风险利率，相当于标准普尔500指数的夏普比率0.37。当然，某些人认为，这样的比较是不适当的，因为130/30策略是杠杆化的，此论点对于我们的指数是非常刺激的。

图7绘制了130/30可投资的指数(带有0.125％单向交易成本和15％和100％年度周转约束)及诸如标准普尔500指数、Russell 2000，以及CS/Tremont对冲基金指数之类的其他流行的指数的累积收益。这些图示出了，130/30指数比CS/Tremont对冲基金指数表现得更像传统的股票指数，而且还表现了某些比标准普尔500指数和Russell2000更好的表现。

这些表现增益更容易通过图9捕获，在图9中，绘制了带有0.125％单向成本和15％年度周转约束的130/30策略的以几何方式地复利的年收益，以及该策略的做多仓位和做空仓位收益，以及类似的标准普尔500指数收益，其中，做多(做空)收益被定义为该策略的做多(做空)仓位的收益。除2002外，图9示出了130/30投资组合损害表现的空头部位，因此，它引诱断定，卖空增加很少的价值。然而，此解释忽略了空头部位产生的多样化优点，以及做多头承担的更主动的风险的灵活性而保持单元贝塔和投资组合的100％美元暴露度。

130/30策略与标准普尔500指数的一年一年的比较显示，130/30投资组合的增大的灵活性似乎产生高于标准普尔500指数的优点。然而，有诸如1998、2002，以及2006之类的时间段，130/30策略表现不如其“只做多”对应物。如图10所示的表包含各种130/30可投资的和先行指数以及标准普尔500指数的每月和年收益，而直接比较示出了，带有0.125％单向成本和15％年度周转约束的130/30策略的年度跟踪误差是1.85％，与此130/30指数相关联的平均多余收益为1.63％，显示信息比率(IR)为0.88。然而，给定了130/30策略的被动型和透明特征，此可观的IR不能解释为“α”的符号，而是由130/30格式所提供的增大的灵活性的优点。

除这些表现区别之外，如图8所示的表示出了130/30指数收益的其余统计属性几乎与标准普尔500指数的那些没有区别。在如图11所示的表中，示出了带有0.125％单向成本以及15％、100％，以及无约束的年周转量的130/30指数与各种市场指数、关键金融性资产，以及对冲基金指数的关联。不奇怪的是，130/30指数与所有股本指数高度关联，关联系数几乎与标准普尔500指数的关联系数相同。如图11所示的表的后两个次面板示出了相同的模式-130/30指数和标准普尔500指数具有与股票、债券、货币、商品，以及对冲基金指数基本上相同的关联。

为研究出围绕130/30指数的实现问题的感觉，图12和13报告带有0.125％单向交易成本的130/30投资组合的年度跟踪误差的每月和年周转量和每年平均值(每个月从MSCI Barra Aegis Portfolio Manager中获取的)，其中，年度周转被约束到15％或100％，或者保持无约束。130/30指数的周转从高的2000的16.3％到低的2003的6.8％，通常每月1％。为了进行比较，如图14所示的表包含多个标准普尔500指数的周转。与旨在作为证券的动态篮子的130/30指数不同，标准普尔指数是静态的，只是偶而在由于某些股票的特征变化而包括了或排除了这些股票时变化。因此，作为一个“购买并持有”指数，标准普尔500指数的周转通常比130/30指数的周转低得多，但是，图14的表示出了，甚至对于标准普尔500指数，也会有一些年此静态投资组合表现出的周转水平接近130/30指数的水平，例如，1998年，标准普尔500指数中的周转是9.5％。此外，对于诸如Mid Cap 400之类的其他静态标准普尔指数，周转水平超出130/30指数的周转水平，因此，实现130/30指数的实际的挑战不大于许多其他流行的“购买并持有”指数所带来的挑战。

如图15所示的表包含若干个130/30指数的多空仓位的证券，带有0.125％的单向成本，周转约束设置在15％、100％，以及无约束。平均起来，带有15％周转的130/30指数是多270名称，空150名称，产生相当多样化的投资组合。在这一方面，130/30投资组合类似于典型的美国大型核心股增强指数策略，在该策略下，由于只做多约束的放松，有效权重随着时间的推移以及在多种股票之间更可变。

尽管上文描述了本发明的各种实施例，但是，应该理解，它们只是作为示例来呈现的，而不作为限制。对那些精通本技术的人员显而易见的是，在不偏离本发明的精神和范围的情况下，可以对形式和细节进行各种更改，而这样的实施例都在本发明的范围内。如此，本发明的范围不应该受到上文所描述的实施例的限制，而只应根据下面的权利要求和它们的等效内容进行定义。引用了此处所讨论的所有专利和出版物作为参考。

附录I

下面是在MSCI Barra优化器上用来构建130/30可投资的投资组合的分步流程。(特定MSCI Barra关键字是黑体字。)

·打开Barra Aegis System Portfolio Manager。

·在下拉菜单上，选择Data→Select Model and Dates。

·选择要对其进行优化的包含特定日期的数据的文件，并点击OK。

·在下拉菜单上，选择Data→Benchmarks，Markets，and Composites，并点击按钮Remove AIL。现在点击按钮Add File，并进入对应于您的感兴趣的日期的Barra数据文件夹，以添加适当的指数(SAP500.por)。按Process，然后OK。

·在下拉菜单上，选择Data→Import User Data。首先按下Clear All。然后，进入包含所感兴趣的日期的标准普尔500指数公司的合成α因素z分数的文件。突出显示该文件并选择Add。按Process，然后OK。出于进一步指示的目的，假设用户输入文件中的z分数变量被标记为“Value”。

·构建投资组合。在下拉菜单上，选择File→New Portfolio。确保日期正确，并点击OK。在下拉菜单上，选择Portfolio→Settings。在Settings窗口内，选择下列：

General Tab

1.对于the Benchmark字段，点击Select，并选择您刚刚添加的指数(SAP500)。

2.通过按下Cash按钮，将Market字段设置为Cash。

3.如果您不是第一次执行此过程，则通过按下Browse按钮，将Initial Portfolio字段设置为上月的优化投资组合。否则，将Initial Portfolio字段设置为包含$10000万现金并且没有其他资产的投资组合。

4.为了填充Universe字段，点击按钮Use benchmark as universe。

5.     Base Value选项应该设置为Net Value，默认值。

Tax Costs Tab

此选项卡中的一切应该默认为禁用。

Optimize Tab

1.在Optimization Type下，将Portfolio选项设置为Long-Short。

2.在Cash标题下，让Cash Contribution保持为0.00。

3.在Transactions标题下，选择Allow All。

4.在Leverage标题下，输入下列参数：

(a)Max.Long Position＝130.00

(b)Min.Long Position＝130.00

(c)Min.Short Position＝30.00

(d)Max.Short Position-30.00

Risk Tab

在Return Distribution Parameters标题下，设置：

1.Mean Return＝Zero

2.Show Function Type＝Probability Density

3.Number of Bins＝24

4.Probability Level(％)＝5

5.让Truncate Total Return at-100％框保持未选中。在Risk Aversion标题下，设置：

1.Value＝0.0075

2.AS-CF Risk Aversion Ratio＝1.0000

Constraints Tab

1.Constraint Priority＝Default

2.Constraint Type＝Beta

3.Constraints on＝Net

4.将Factor字段设置为Beta，并将对应的Min和Max字段设置为1，并让Soft框保持未选中。

Expected Returns Tab

在Expected Asset Returns标题下，选择下列：

1.对于Return Source字段，选择User Data→“Value”。

2.让Description和Formula字段保持为空白。

3.对于这些方向，将Return Type设置为Excess，因为使用了z分数。

4.将Return Multiplier设置为0.0100(一般而言，这将取决于输入的z分数的比例)，对于Expected Factor Return，不定义任何东西。

在Return Refinement Parameters标题下，选择下列：

1.Risk Free＝0.00％

2.Benchmark Risk Premium＝0.00％

3.Expected Benchmark Surprise＝0.00％

4.Market Risk Premium＝0.00％

5.Expected Market Surprise＝0.00％

Transaction Costs Tab

1.Barra Market Impact Model＝Off

2.Analysis Mode＝One Way，并且Holding Period(years)＝1,00

3.Overall Transaction Costs(Buy Costs，Sell Costs，and Short Sell Costs)都应该设置为所希望的交易成本水平(对于无约束的周转优化，0.00％，对于受约束的周转优化，0.125％)Plus 0.0000 Per Share。

4.Asset Specific Transaction Costs(Buy Costs，Sell Costs，and Short Sell Costs)都应该设置为<none>Plus<none>Per Share。

5.Transaction Cost Multiplier对于无约束的周转优化，设置为1.0000，而对于受约束的周转模拟，设置为1.3500或12.0000。0.125％的单向交易成本和1.35的交易成本倍数产生每年大致100％的周转，而当交易成本倍数增大到12时，年度周转下降到15％。

Penalties Tab

保留默认设置(空白)。

Formulas Tab

保留默认设置(空白)。

Advanced Constraints Tab

保持禁用(默认值)。

Trading Tab

General Constraints的所有框都应该保持未选中，但Allow Crossovers框除外，该框应该被选中。所有Turnover框以及所有Trade Limits框都应该保持未选中。

Holdings Tab

在Asset Level Bounds下，设置：

1.Upper Bound％-<none>

2.Lower Bound％＝<none>

在Grandfather Rule标题下，让一切保持未选中。

在General Holding Bounds标题下，设置：

1.Upper Bound％＝b+0.40

2.Lower Bound％＝b-0.40

在Conditional Rule标题下，Apply Conditional Rule框应该保持未选中。

·在Settings窗口的右下部，按下Apply按钮，然后，在同一个窗口的右上方，按下OK。

·从下拉菜单，选择Actions→Optimize。

·保存所产生的输出。

Claims (25)

1.一种使用多/空投资策略来维护基准的方法，所述方法包括：

周期性地评估基准投资组合中的证券；

基于多/空投资策略，周期性地重新平衡所述基准投资组合；以及

计算所述基准投资组合的价值。

2.如权利要求1所述的方法，其中，所述基准是被动型基准。

3.如权利要求2所述的方法，进一步包括周期性地发布所述基准投资组合的价值作为基准。

4.如权利要求1所述的方法，其中，要包括在所述基准投资组合中的一个或多个证券是从包括在标准普尔500指数、标准普尔1500指数、其他宽基指数，或一个或多个上述指数的组合中的证券中选择的。

5.如权利要求1所述的方法，其中，对所述证券的周期性的评估包含使用预期收益估计因素，所述预期收益估计因素包含证券的传统的价值；相对价值；历史增长；预期的增长；利润趋势；加速销售额；收益动量；价格动量；价格反转；以及小规模这几项中的每一项。

6.如权利要求1所述的方法，其中，对所述证券的周期性的评估包含使用10个瑞士信贷因素。

7.如权利要求1所述的方法，其中，对所述基准投资组合的价值的计算是基于所述基准投资组合中的证券的收盘价格进行的。

8.如权利要求1所述的方法，进一步包括基于所述基准投资组合中的证券的已实现的收益来计算先行指数。

9.一种用于生成被动型多/空基准的方法，包括：

获取在一组有资格的证券中找到的每一个证券的α预测因素；

向多/空投资策略优化器中输入所述α预测因素，以确定将所述组中的哪些以及多少证券包括在基准投资组合中；以及

利用由所述优化器标识的证券生成所述基准投资组合。

10.如权利要求9所述的方法，其中，所述有资格的证券组包括标准普尔500指数、标准普尔1500指数、或其他宽基指数中所包括的所有证券。

11.一种用于生成和管理与基准相互关联的被动型多/空投资证券组合的方法，包括：

基于使用多/空投资策略的基准，来创建证券的投资组合；

每月评估有资格的证券集合中的每一个证券；

按月重新平衡所述投资组合，以与所述基准相互关联；以及

将所述投资组合的一部分提供给投资者，

其中，所述每月评估包含使用预期收益估计因素，所述预期收益估计因素包含证券的传统的价值；相对价值；历史增长；预期的增长；利润趋势；加速销售额；收益动量；价格动量；价格反转；以及小规模这几项中的每一项。

12.如权利要求11所述的方法，其中，所述创建所述投资组合包含从使用多/空投资策略的所述基准中所包括的证券中选择证券。

13.如权利要求12所述的方法，其中，所述每月评估包含使用10个瑞士信贷因素。

14.如权利要求11所述的方法，其中，所述投资组合的表现在90％内与被动型130/30基准相互关联。

15.如权利要求11所述的方法，其中，所述投资组合的表现在95％内与被动型130/30基准相互关联。

16.如权利要求11所述的方法，其中，所述投资组合的表现在98％内与被动型130/30基准相互关联。

17.一种使用多/空基准来重新平衡投资组合的方法，包括：

将投资组合的表现与多/空基准进行比较；以及

使用所述基准来重新平衡所述投资组合，所述基准是通过下列操作来生成和维护的：

每月评估基准投资组合中的证券；

每月使用多/空投资策略来重新平衡所述基准投资组合；

确定所述已重新平衡的基准投资组合中的证券的价值；以及

发布所述价值作为基准。

18.如权利要求17所述的方法，其中，要包括在所述基准投资组合中的证券是从一个或多个宽基指数中所包括的证券或在一个或多个证券交易所进行交易的证券中选择的。

19.一种系统，包括：

数据存储器；

预测基准投资组合中的一个或多个证券的表现的预期收益预测单元；以及

被配置成使用来自所述预期收益预测单元的输入来重新平衡所述基准投资组合的多/空投资策略重新平衡单元，

其中，所述重新平衡单元被配置成按月重新平衡所述基准投资组合。

20.如权利要求19所述的系统，进一步包括被配置成存储关于所述基准投资组合中所包括的证券的信息的数据库。

21.一种存储可由处理器执行的指令的计算机可读介质，所述指令包括：

使用多/空投资策略来创建证券的投资组合；

每月评估所述投资组合的证券；以及

使用多/空投资策略，按月重新平衡所述投资组合，

其中，所述评估包含使用预期收益估计因素，所述预期收益估计因素包含证券的传统的价值；相对价值；历史增长；预期的增长；利润趋势；加速销售额；收益动量；价格动量；价格反转；以及小规模这几项中的每一项。

22.一种被动型多/空金融产品，包括：

证券的投资组合，

其中，所述投资组合的内容是由计算机应用程序基于α预测因素来进行选择的，并且，基于使用α预测因素的被动型多/空基准，在所述计算机应用程序上周期性地重新平衡所述内容，以对基准投资组合中的证券进行排序。

23.一种金融产品，包括：

证券的投资组合，

其中，所述投资组合的内容是基于在计算机应用程序上运行的生成或获取被动型多/空策略基准的查询来进行选择的。

24.被配置成执行下列操作的计算机设备：

基于多/空策略生成基准；以及

将所述基准转换为证券的投资组合。

25.一种被动型和可投资的多/空策略指数，所述指数包括通过下列操作来进行管理的基准投资组合：

使用多/空投资策略创建所述基准投资组合，

每月评估所述基准投资组合中的证券；以及

每月使用多/空投资策略来重新平衡所述基准投资组合，

其中，所述每月评估包含使用预期收益估计因素，所述预期收益估计因素包含证券的传统的值；相对价值；历史增长；预期的增长；利润趋势；加速销售额；收益动量；价格动量；价格反转；以及小规模这几项中的每一项。

Images