CN108734586A - 财务管理系统 - Google Patents

财务管理系统 Download PDF

Info

Publication number
CN108734586A
CN108734586A CN201810296525.2A CN201810296525A CN108734586A CN 108734586 A CN108734586 A CN 108734586A CN 201810296525 A CN201810296525 A CN 201810296525A CN 108734586 A CN108734586 A CN 108734586A
Authority
CN
China
Prior art keywords
investment
risk
assets
investor
asset
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
Application number
CN201810296525.2A
Other languages
English (en)
Inventor
杰夫·索尔特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Transcon Securities Pty Ltd
Original Assignee
Transcon Securities Pty Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from AU2011902097A external-priority patent/AU2011902097A0/en
Application filed by Transcon Securities Pty Ltd filed Critical Transcon Securities Pty Ltd
Publication of CN108734586A publication Critical patent/CN108734586A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

一种为投资者构建投资资产组合的系统，所述系统包括：计算机系统；计算机可读数据存储器，其与所述计算机系统通信，包括存储在其中的计算机可读指令，当执行所述指令时，使得所述计算机系统执行以下步骤：接收表示投资者的风险承受能力水平的风险承受能力数据；从用户终端接收表示选择标准的数据；生成用于包含在所述资产组合中的投资的列表以显示在所述用户终端的用户界面上，其中根据所述选择标准对投资进行排序；从所述用户终端接收数据，所述数据表示来自包含在所述资产组合中的投资的所述列表中的投资的选择；以及生成用于显示在所述用户终端的所述用户界面上的表格，所述表格示出了所述投资选择的每笔投资；在每笔投资的一个或一个以上资产类别中的投资者资产的分配；在表示投资者的风险承受能力水平的基准风险种类的一个或一个以上资产类别中的资产的分配；以及针对整个投资资产组合的所述一个或一个以上资产类别中的资产的分配。

Description

财务管理系统
本申请是为分案申请，原申请的申请日为：2012年5月3日；
申请号为：201280037259.2；发明名称为：财务管理系统
技术领域
本发明涉及一种财务管理系统。
背景技术
哈利·马克思·马可维兹(Harry Max Markowitz)是约翰·冯·诺伊曼(Johnvon Neumann)理论奖以及诺贝尔经济学奖的获奖人。他最为出名的是他在现代资产组合理论中的先驱性工作，即，研究资产风险、收益、相关性和多样性对可能的投资资产组合收益的影响。
马可维兹选择将数学应用到股票市场的分析中。在研究随后成为当前对股票价格的理解时，马可维兹意识到该理论缺少对风险的影响的分析。这一洞察力带来了他的在不确定性下的资产组合分配的开创性理论的发展，所述内容发表于1952年的金融学期刊中1。马可维兹继续研究优化技术，进一步针对最佳均值方差资产组合的识别开发出临界线算法，基于该算法稍后命名出了马可维兹边界。他将临界线算法发表于1956年的文章以及发表于1959年的关于资产组合分配的书中2。
马可维兹的理论包括使用二次方程的相关系数技术，所述理论带来了投资资产组合的更为广泛的宏观评估。马可维兹技术依赖于均值和方差。然而，他并没有考虑其他特征，例如，分布的对称性(相对于基准的绝对风险调整后的收益)以及可选择性(客户风险承受能力与投资的选择之间的最佳差距分析一致性)。为了强调这一点，财务管理系统先前已采用了以下工具，例如，来找到投资资产组合的正确的投资混合：
1.为投资者创建风险预测；
2.针对投资资产组合选择投资；
3.在投资资产组合的投资上对投资者的资产进行分配；以及
4.根据投资者风险预测对与投资资产组合相关联的风险进行管理。
有利地是，资产分配表示超过90％的资产组合波动收益的精确度响应以及涉及资产组合的增值收益的70％响应机会。改进的可预测性期望的纯粹性带来了：
1.轻松的预测使用量；
2.高度集中的方法；以及
3.更好的绝对阿尔法。
最终，上述技术提供了对构建投资资产组合相关联的问题的动态的洞察和理解。然而，当针对投资资产组合进行评估和选择资产时，财务规划师无法摆脱对判断的练习。为此，财务规划师不断地面临以下困难：用于对选择包含在投资资产组合中的投资的无数的信息进行获取、理解和评估。此信息，下文中称作“通用比较信息(Universal ComparisonInformation)”，例如，具有以下形式：
1.投资比较信息，例如，阿尔法、贝塔、标准偏差等。
2.专业人员使用的对商业观点等行情进行估计的其他指示物；
3.投资和雇佣水平；以及
4.主要商品价格。
财务规划师，举例来说，通常通过检索通用比较信息使用能够识别具有前景的投资的观点来确定何时购买、销售或者持有投资。然而，这些决策是基于财务规划师的基于这些指标对投资进行比较和评估的能力的。因此，由财务规划师做出的决策易于出现人为误差和人为偏倚。
一些财务管理系统先前已经采用了工具对通用比较信息进行提取从而使投资选择过程自动化。然而，这些系统通常缺少解决财务规划师所需的完整的解决方案的实现性和可行性，而上述内容继而可以满足客户的指令。也就是说，客户不希望损失金钱，而同时客户期望获得恒定的业绩。
通常期望克服或者改善上述难题中的一个或一个以上，或者至少提供有用的替代物。
1H·M·马可维兹(1952年3月)；“资产组合选择”；金融杂志7(1)：77-91
2H·M·马可维兹(1959年)；投资的资产组合选择效率多样化
发明内容
根据本发明，提供了一种用于为投资者构建投资资产组合的系统，所述系统包括：
(a)计算机系统；
(b)计算机可读数据存储器，其与计算机系统通信，包括存储在其中的计算机可读指令，当执行所述指令时，使得计算机系统执行以下步骤：
(i)接收表示投资者的风险承受能力水平的风险承受能力数据；
(ii)从用户终端接收表示选择标准的数据；
(iv)生成用于包含在资产组合中的投资的列表以显示在用户终端的用户界面上，其中根据选择标准对投资进行排序；
(vi)从用户终端接收表示来自包含在资产组合中的投资的所述列表中的投资的选择的数据；以及
(vii)生成用于显示在用户终端的用户界面上的表格，所述表格显示出了所述投资选择的每笔投资；在每笔投资的一个或一个以上资产类别中的投资者资产的分配；在表示投资者的风险承受能力水平的基准风险种类的一个或一个以上资产类别中的资产的分配；以及针对整个投资资产组合的所述一个或一个以上资产类别之上的资产的分配。
优选地，所述选择标准包括效率比因素指标。
优选地，所述选择标准包括最大四分位数因素指标。
优选地，所述选择标准包括经典资产组合优化因素指标。
根据本发明，还提供了一种可以在一个或一个以上处理器中执行的计算机程序，用于为投资者构建投资资产组合，所述程序用于执行以下步骤：
(a)接收表示投资者的风险承受能力水平的风险承受能力数据；
(b)从用户终端接收表示选择标准的数据；
(c)生成用于包含在资产组合中的投资的列表以显示在用户终端的用户界面上，其中根据选择标准对投资进行排序；
(d)从用户终端接收表示来自包含在资产组合中的投资的所述列表中的投资的选择的数据；以及
(e)生成用于显示在用户终端的用户界面上的表格，所述表格显示出了所述投资选择的每笔投资；在每笔投资的一个或一个以上资产类别中的投资者资产的分配；在表示投资者的风险承受能力水平的基准风险种类的一个或一个以上资产类别中的资产的分配；以及针对整个投资资产组合的所述一个或一个以上资产类别之上的资产的分配。
优选地，所述选择标准包括效率比因素指标。
优选地，所述选择标准包括最大四分位数因素指标。
优选地，所述选择标准包括经典资产组合优化因素指标。
根据本发明还提供了包含指令的计算机可读媒介，在所述指令在执行时通过执行包含以下内容的方法使得计算机对与投资者的投资资产组合相关联的风险进行分析：
(a)生成用户界面以显示在用户终端上，所述用户界面包括由投资者完成的问卷调查；
(b)从所述用户终端接收表示问卷调查的答案的风险承受能力数据；
(c)基于所述风险承受能力数据生成表示投资者的风险承受能力水平的数据；
(d)使投资者与表示投资者的风险承受能力水平的基准风险种类相关联；
(e)生成用于包含在资产组合中的投资的列表以显示在用户终端的用户界面上，其中基于风险和收益以及与投资者的风险承受能力水平相对应的收益对投资进行排序；
(f)从用户终端接收表示来自包含在资产组合中的投资的所述列表中的投资的选择的数据；以及
(g)生成用于显示在用户终端的用户界面上的表格，所述表格显示出了所述投资选择的每笔投资；在每笔投资的一个或一个以上资产类别中的投资者资产的分配；在表示投资者的风险承受能力水平的基准风险种类的一个或一个以上资产类别中的资产的分配；以及针对整个投资资产组合的所述一个或一个以上资产类别之上的资产的分配。
根据本发明还提供了一种用于管理投资者的投资资产组合的方法，所述方法包括：
(a)通过用户终端，将投资者分类为由多个基准风险种类中的一个来表 示；
(b)生成用于包含在资产组合中的投资的列表以显示在用户终端的用户界面上，其中基于风险和收益以及与投资者的风险承受能力水平相对应的收益对投资进行排序；
(c)从用户终端接收表示来自包含在资产组合中的投资的所述列表中的投资的选择的数据；以及
(d)通过用户终端的处理器生成用户终端上的额外的用户界面，所述额外的用户界面包括示出了以下内容的表格：
i.投资资产组合的每笔投资；
ii.在一个或一个以上的资产类别中的投资资产组合的每笔投资的资产的分配；
iii.在基准风险种类的一个或一个资产类别中的另外的资产分配；以及
iv.针对全部投资资产组合的所述一个或一个以上资产类别的资产的分配，
其中所述额外的用户界面进一步包括用于将投资添加到投资资产组合中或者从投资资产组合中将投资移除的构件。
(e)通过用户终端，为了将一笔或多笔投资添加到投资资产组合中或者从投资资产组合中移除，需要使得针对全部投资资产组合的所述一个或一个以上资产类别中的资产的分配对应于投资者的基准风险种类的所述一个或一个以上资产类别中的资产分配。
优选地，所述表格进一步示出了另外的基准风险种类的一个或一个以上资产类别中的资产的分配，所述另外的基准风险种类表示一系列基准中的前一个或者下一个基准。
根据本发明还提供了一种用于管理投资者的投资资产组合的方法，所述方法包括：
(a)通过用户终端，将投资者分类为由多个基准风险种类中的一个来表示；
(b)生成用于包含在资产组合中的投资的列表以显示在用户终端的用户界面上，其中基于风险和收益以及与投资者的风险承受能力水平相对应的收益对投资进行排序；
(c)从用户终端接收表示来自包含在资产组合中的投资的所述列表中的投资的选择的数据；以及
(d)通过用户终端的处理器生成用户终端上的额外的用户界面，所述额外的用户界面包括示出了以下内容的表格：
i.投资资产组合的每笔投资；
ii.在一个或一个以上的资产类别中的投资资产组合的每笔投资的资产的分配；
iii.在所述基准风险种类的一个或一个资产类别中的另外的资产分配；以及
iv.针对全部投资资产组合的所述一个或一个以上资产类别的资产的分配，
其中，額外的用戶界面包括手段用於分配投資資產的比例，于投資組合的各項投資；及
(d)通过用户终端，改变分配到投资资产组合的每笔投资中的投资者资产的比例，使得针对全部投资资产组合的所述一个或一个以上资产类别中的资产的分配对应于投资者的基准风险类别的所述一个或多个资产中的资产的分配。
有利的是，所述系统提了财务规划师所需的完整的解决方案，继而满足了客户的委托的需求。也就是说，客户不希望损失金钱，而同时客户期望获得恒定的优胜(业绩)。
附图说明
下文中仅通过参考附图并借助于非限制性实例的方式对本发明的优选实施例进行了描述，其中：
图1是连接到网络的财务管理系统的一项优选实施例的示意图；
图2是图1所示的财务管理系统的示意图；
图3是图1所示的财务管理系统的网络应用的指导和文件结构的示意图；
图4是图1所示的财务管理系统的数据流图；
图5是由图1所示的系统生成的页面中的日志的屏幕快照；
图6和图7是由图1所示的系统生成的用户剖析的屏幕快照；
图8至图18是由图1所示的系统生成的风险剖析的屏幕快照；
图19是示出了用于风险剖析界面的由图1所示的系统执行的步骤的流程图；
图20是由图1所示的系统生成的用户剖析的屏幕快照；
图21至图26是由图1所示的系统生成的屏幕快照；
图27至图31是使用图1所示的系统执行的方法的示意图；
图32是示出了用于由图1所示的系统使用的基金管理者(1000+)的分配因素指标建筑块的核心谱对称性的表格；
图33是示出了用于由图1所示的系统使用的基金管理者(1000+)的分配因素指标建筑块的核心谱对称性的表格；
图34a至图34d是示出了由图1所示的系统使用的效率比因素定价指标的表格；
图35a至图35d是示出了由图1所示的系统使用的最大四分位数因素定价指标的表格；
图36a至图36d是示出了由图1所示的系统使用的经典资产组合优化因素定价指标的表格；
图37a至图37d是示出了针对图1所示的系统的轻视直接股份机会重构框架分析的表格；
图37至图58是由图1所示的系统生成的屏幕快照；
图59并不包括；且
图60至图247是由图1所示的系统生成的屏幕快照。
具体实施方式
图1所示的系统10为财务规划师提供了，例如，工具用于：
1.为投资者创建剖析；
2.为投资者创建反映投资者风险承受水平的风险剖析；
3.评估不同的经济部门中的投资；
4.为投资者选择用于投资资产组合的投资；
5.在投资资产组合的投资上对投资者的资产进行分配；以及
6.根据投资者风险剖析对与投资资产组合相关联的风险进行管理。
重要的是，系统10为财务规划师提供了发掘无数信息的工具，财务规划师可以使用所述信息以系统化的方式对投资进行比较(下文中称作“通用比较信息”)。具体而言，系统10使用核心谱因素指标(Core Spectrum Factor Metrics)对数据进行发掘，因此财务规划师可以避免基于易于出现误差和偏倚的人为判断做出决策。核心谱因素指标由以下部分组成：
1.硬件：-分布因素指标的核心谱对称性；以及
2.软件：-资本资产定价模型因素指标。
通过这样做，系统10提供了用于基于风险均衡的收益作出合理的经济财务决策的工具。也就是说，与基于可能易于出现误差和偏倚的人为判断作出决策相反的有效市场假说。这是由系统10提供的潜在的投资策略合理性，因为它代表了“成功投资的目标”以及“以有效边界为目标的广泛投资风险管理最优性系统”。
系统10还提供了用于认证的构件。系统10提供了绝对集中化风险调节后的收益相对基准，其包含这种有效投资结果，这是因为其自身调节机制或均衡方法，意味着唯一值得的风险应该是市场风险。暴露于市场风险由贝塔反应，贝塔对收益统计学以及所有的均值方差的敏感度以及特定的证券以及市场的投资组合的基础进行测量。因此，系统10的通过其灵活性技术阿尔法指标的这种系统性建筑块式方法形成了真正的卓越价值，这是相应地基于有效自身调节结构硬件和软件机制方法的内置技术，结合通过系统性建筑块处理的多种策略的利用的，从而以非常类似的方式为他们的客户构建解决方案，从而连续地选择谱系投资，使得根据变化的时间和不可预测的市场的一致性在相对强度资产等级中的资产分配可以意味着关于资产组合风险管理以及资产组合架构的长期假设可能需要得到质疑并且需要拓展新的方法学。
系统
系统10由图2所示的计算机系统12提供，其包括与数据库16通信的服务器14。计算机系统12能够使用标准通信协议在通信网络20中与系统10的成员或者用户的设备18通信。成员的设备18可以是多种通信装置，例如，个人计算机；交互式电视；手持式计算机等。通信网络20可以包括互联网、通信网络和/或局域网。
计算机系统12的组件可以按照多种方式进行配置。所述组件可以完全由 将要在标准计算机服务器硬件上执行的软件来实施，所述硬件可以包括一个硬件单元或分布在多个位置处的不同计算机硬件单元，它们中的一些可能需要通信网络20来进行通信。其多个组件或零件也可以由专用集成电路(ASIC)来实施。
在图2所示的实例中，计算机系统12是市面上有售的基于32位或64位英特尔架构的服务器计算机系统，并且由计算机系统12执行或实施的过程和/或方法是按照一个或一个以上软件组件或模块22的编程指令的形式来实施的，所述指令存储在与计算机系统12相关联的非易失性(例如，硬盘)计算机可读存储器24上。至少部分软件模块22可以替代性地作为一个或一个以上专用硬件组件来实施，例如，专用集成电路(ASIC)和/或现场可编程门阵列(FPGA)。
计算机系统12包括以下标准的市面上有售的全部由总线24互连的计算机组件的至少一个或一个以上：
1.随机存取存储器(RAM)26；
2.至少一个计算机处理器28；以及
3.外部计算机接口30：
a.通用串行总线(USB)接口30a(其中的至少一个连接到一个或一个以上用户接口装置，例如，键盘、指示装置(例如，鼠标32或触摸屏))，
b.网络接口连接器(NIC)30b，其将计算机系统12连接到数据通信网络，例如互联网20；以及
c.显示适配器30c，其连接到显示器装置34，例如，液晶显示器(LCD)面板装置。
计算机系统12包括多个标准软件模块，其包括：
1.操作系统(OS)36(例如，Linux或微软视窗软件)；
2.网络服务器软件38(例如，Apache，可以从http://www.apache.org获得)；
3.脚本语言模块(例如，个人主页或PHP，可以从http://www.php.net或微软ASP获得)；以及
4.结构化查询语言(SQL)模块42(例如，MySQL，可以从http://www.mysql.com获得)，其允许数据储存在SQL数据库16中/从SQL 数据库16中访问数据。
网络服务器38、脚本语言40，以及SQL模块42一起为计算机12提供了通用能力，以允许具有装配了标准网络浏览器软件的标准计算装置18的互联网20的用户访问计算机系统12，并且尤其是向数据库16提供数据以及从数据16接收数据。所属领域的技术人员应理解由系统12提供给此类用户的特定功能是由可由网络服务器38访问的脚本提供的，包括实施由计算机系统12执行的过程的一个或一个以上软件模块22，以及任何其他脚本和支持数据44，包括标记语言(例如，HTML、XML)脚本、PHP(或ASP)，以及/或者CGI脚本、图像文件、样式表等等。
软件模块22中的模块与组件之间的边界是示例性的，并且替代性实施例可以将模块结合或者施加模块功能的替代性分解。举例来说，本文中所讨论的模块可以分解为将作为多个计算机过程执行的子模块，以及，可选地，在多个计算机上。此外，替代性实施例可以结合特定模块或子模块的多个实例。另外，可以将操作结合起来或者操作的功能可以分布在根据本发明的额外的操作中。或者，此类行动可以包含在实施此类功能的电路系统的结构中，例如，复杂指令集计算机(CISC)的微代码、编程为可编程或可擦除/可编程装置的固件、现场可编程门阵列(FPGA)的配置，门阵列或者完全定制专用集成电路(ASIC)等的设计。
计算机系统12的过程的流程图的每个方框可以由(软件模块22的)模块或模块的一部分来执行。所述过程可以包含在机器可读和/或计算机可读媒介中用于对计算机系统进行配置以执行所述方法。软件模块可以储存在计算机系统存储器中和/或传输到计算机系统存储器以对计算机系统进行配置，从而执行模块的功能。
计算机系统12通常根据程序来处理信息(内部储存的指令的列表，例如特定应用程序和/或操作系统)并且经由输入/输出(I/O)装置30生成结果输出信息。计算机过程通常包括执行(运行)程序或程序的一部分、当前程序值和状态信息，以及由操作系统使用的资源来管理过程的执行。亲体过程可以繁衍其他子体过程来帮助执行亲体过程的全部功能。由于亲体过程专门繁衍子体过程来执行亲体过程的全部功能的一部分，所以由子体过程(以及孙体过程等)执行的功能有时可以被描述为由亲体过程来执行。
计算机系统12使用Tomcat 4.1作为网络应用的小服务程序网络容器。在图3中示出了用于网络应用的示例性目录和文件结构50。conf目录51包括用于对网络应用的小服务程序网络容器进行配置的三个XML配置文件52。serve.xml文件54对网络应用路径进行配置并且设置主机网络服务器的地址。web.xml文件56用于配置小服务程序以及组成网络应用的其他资源。tomcat-users.xml文件58包括真实用户名以及对应的秘密。
基金管理者目录60包括三个主要目录。Web-inf目录62包括实施网络应用所需的Java文件。对象目录64包括所有的小服务程序文件。成员目录66包括显示网络应用的界面所需的JSP文件。系统12的这些接口之间的数据流中图4中示出。
使用系统
一名成员，例如，财务规划师，可以使用他的或她的计算机18来访问图5所示的登录页面100，所述页面例如，由系统12在互联网20上生成。当在文本框102a、102b中接收到正确的用户名和密码之后，系统12为该名成员生成图7所示的成员剖析图形用户界面(GUI)104。成员剖析104包括功能按钮106a到106h，所述按钮提供对以下信息的访问：
1.客户风险剖析106a；
2.微观定量研究106b；
3.宏观趋势预测106c；
4.资产组合构建界面106d；
5.产品披露声明106e；
6.规划计算器106f；
7.合并报告106g；以及
8.实践管理106h。
在执行时，系统12生成由成员选择的与对应的功能按钮106a至106h相关联信息。
成员剖析GUI 104还包括“策略设定档”下拉菜单108，如图7所示该菜单提供了以下用户功能按钮：
1.客户风险剖析110a；
2.宏观经济110b；
3.微观定量110c；
4.研究110d；
5.定性报告110e；
6.规划计算器110f；以及
7.实践管理110g。
当用户选择“客户风险剖析”功能按钮110a时，系统12生成图8所示的风险剖析GUI112。财务规划师使用风险剖析GUI 112来确定投资者的风险承受能力水平并且将基准风险类别分配给投资者。风险剖析GUI 112包括以下功能按钮：
a.“介绍”114a，其在执行时生成图8所示的显示内容，包括关于风险承受能力问卷调查的介绍信息；
b.“关于剖析”114b，其在执行时生成图9所示的显示内容，包括关于风险剖析的信息；
c.“风险类别”114c，其在执行时生成图10所示的显示内容，包括解释风险类别的类型的信息；
d.“问卷调查”114d，其在执行时显示以下功能按钮的列表：
i.“问题1至3”114di，其在执行时生成图11所示的显示内容，包括问题116的一至三；
ii.“问题4至6”114dii，其在执行时生成图12所示的显示内容，包括问题116的四至六；
iii.“问题7至9”114diii，其在执行时生成图13所示的显示内容，包括问题116的五至九；
iv.“问题10至12”114div，其在执行时生成图14所示的显示内容，包括问题116的十至十二；
v.“问题13至15”114dv，其在执行时生成图15所示的显示内容，包括问题116的十三至十五；
vi.“问题16至17”114dvi，其在执行时生成图16所示的显示内容，包括问题116的十六至十七；以及
vii.“问题18至20”114dvii，其在执行时生成图17所示的显示内容，包括问题116的十八至二十；以及
d.“结果”114e，其在执行时生成图18所示的显示内容。
所列出的问题116中的每一个包括可以由财务规划师查看的多项选择答案118以及相关联的选择框120。一系列问题116是设计用于识别投资者的风险承受水平的。问题116是关于投资者在投资方面的态度、价值和经验的。“介绍”和“关于风险剖析”GUI 114a、114b包括，除其他内容之外，关于风险承受能力的讨论以及关于以下双重挑战的信息：
a.如同他们所察觉到的作出他们接受风险的意愿的精确的且有意义的评估；以及
b.通过某种方式表达此评估使得他们已经具有的以及现在提供给他们的替代物可以按照他们的风险承受能力得到评估。
这些GUI 114a、114b还包括一般性的关于风险剖析的信息以及五个风险类别的描述。风险剖析和投资者剖析由财务规划师在选择资产分配的过程中使用，而财务规划师的三重挑战是：
a.确定将实现客户的财务目标的资产分配；
b.确定资产分配是否与客户的风险承受能力一致；以及
c.如果没有满足这前两个挑战的资产分配，那么将具有解决此不匹配的过程。
参考图19，当执行“客户风险剖析”功能按钮110a时，系统12在步骤122生成风险剖析GUI 112。在步骤124，系统12接收对每个问题118的答案120。对每个问题的答案120进行加权且系统12在步骤126确定投资者的答案的累积的加权。在步骤128，风险剖析GUI 112将投资者的累积的加权与预定的基准风险类别的累积的加权范围进行比较。在步骤130，风险剖析GUI 112对投资者进行分类，如果他或她的累积的加权落入基准风险类别的范围内，那么投资者则归于某一基准风险类别中。下文中列出了示例性基准风险类别，以及相关联的分数范围，它们可以应用于：
1.保守型(0到20分)
保守性投资者。即喜欢同时穿戴背带和腰带类型的投资者。安全性是最为重要的。为了资本的安全性希望保证在长期内投资的得到保证的固定利息证券的收入。
2.中度保守型(20到40分)
低风险投资者。稳定的收益流以及一些保留的资本的中度的增长的业绩。总体资产组合中期到长期资本安全性以及低波动性。
3.平衡型(40到60分)
飞行的稍微高一点，但是还是将一只脚保持在地面上。可以小心的看到投资基金的益处且还关注良好的收益。可能已经具有投资且正在考虑要么开始要么添加投资资产组合。
4.中度进取型(60到80分)
在两极而非中间投资。愿意牺牲一些安全性已获得高于平均的收益。对投资并非完全陌生。然而，也欢迎一些在避免不必要的风险的情况下获得合理的收益的指导。可能更加喜欢，例如，通过信托结构获得股权。
5.进取型(80到100分)
并不担心通过冒险来获得远远高于平均值的收益。股权和财产市场具有较少的担忧且在海外投资也显然成为一个选择。
在完成最后的问题116之后，投资者可以执行“结果”功能按钮114e，以在步骤132生成图18所示的结果GUI 134。结果GUI 134显示了：
a.客户分数136；
b.客户相关联的风险剖析138；以及
b.示出了不同的风险组上的投资者的风险承受能力的分布的钟型曲线的风险计140。
用于选择包含在投资资产组合中的投资的系统和过程
财务规划师可以构建新的投资资产组合，或者审查现有的投资资产组合，方法是从成员剖析GUI 104的“策略剖析”下拉菜单108中选择“微观定量”菜单项110c，并且随后选择“澳大利亚基金管理者”菜单项142或“ASX公司”146菜单项，如图20所示。如果选择了“澳大利亚基金管理者”菜单项142，那么系统12生成显示有“基金”标签页152的资产组合构架GUI 150，如图21所示。或者，如果财务规划师选择了“ASX公司”菜单项146，那么系统12生成显示有“股份”标签页154的资产组合构架GUI 150，如图22所示。
资产组合构架GUI 150由财务规划师使用以比较和审查不同的投资，例如，管理基金和直接股份，方法是在选定的部分用选定的指示符来显示投资。举例来说，如果财务规划师在资产组合架构GUI 150中选择“基金”标签155，那 么系统12生成如图21所示的基金标签页152，其包括“选择基金部分”下拉菜单156，所述菜单包括以下部分：
1.现金：
a.现金；以及
b.增强型现金；
2.固定利息：
a.澳大利亚；
b.全球；
c.抵押贷款(澳大利亚)；
d.积极发放的抵押贷款；
e.多元化；
f.杂合体；以及
g.高收益信贷；
3.财产：
a.澳大利亚房地产；
b.全球房地产；以及
c.未上市的财产以及直接财产；
4.澳大利亚股权：
a.大型混合；
b.大型增长；
c.大型价值；
d.大型配适；
e.中型/小型混合；
f.中型/小型增长；
g.中型/小型价值；
h.各种各样的；以及
i.其他；
5.全球股权：
a.大型混合；
b.大型增长；
c.大型价值；
d.中型/小型增长；
e.世界/澳大利亚
f.新兴市场；
g.不包括日本的亚太地区；
h.欧洲；
i.日本；
j.北美；
k.基础设施；
l.技术；以及
m其他；
6.对冲基金：
a.澳大利亚；以及
b.全球；以及
7.多种基金：
a.保守型；
b.中度保守型；
c.平衡型；
d.中度进取型；以及
e.进取型。
图21所示的基金标签页152还包括“选择指示符”部分158，其包括以下下拉菜单：
1.历史评估158a：
a.尾随业绩；
b.年末业绩；
c.风险测量；
d.相对风险测量；
e.效率比尾随业绩；
f.效率比年末业绩；
g.效率比风险测量；以及
h.效率比相对风险测量；
2.远期评估158b:
a.买/卖
b.资产组合停滞；以及
c.效率比买/卖；以及
3.属性对称性158c：
a.效率比执行利率；
b.最大四分位数执行利率；
c.排行总结；
d.市场价格观察；以及
e.报告和PDS。
因此，财务规划师可以使用系统12通过选定的部分来显示管理基金，并且使用与选定的指示符相关联的数据比较选定的部分内的管理基金。
或者，财务规划师可以使用资产组合架构GUI 150通过选择“股份”标签160来审查和比较股份。当选定时，系统12生成图22所示的股份标签页154，其包括“选择股份部分”下拉菜单162，所述下拉菜单包括以下部分：
1.非必需消费品：
a.汽车和组件；
b.耐用消费品和服装；
c.消费者服务；
d.媒体；以及
e.零售业；
2.消费必需品：
a.食品和零食必需品；以及
b.食品、饮料和烟草；
3.能源：
a.能源；
4.金融：
a.银行；
b.多元化金融；
c.保险；
d.房地产-投资信托；以及
e.房地产-管理和开发；
5.健康服务：
a.健康护理设备和服务；以及
b.药物和生物技术；
6.工业：
a.资本货物；
b.商业货物和服务；以及
c.运输；
7.信息技术；
a.软件和服务
b.技术硬件和设备；以及
c.半导体和设备；
8.材料：
a.化合物；
b.建筑材料；
c.容器和包装；
d.金属和采矿业；以及
e.纸和林业产品；
9.通信：
a.通信服务；
10.公用设施：
a.公用设施；以及
11.部门相对强度趋势：
a.市场/部门/相对强度/趋势。
图22所示的股份标签页154还包括“选择指示符”部分164，其包括以下下拉菜单：
1.历史基本原理164a：
a.收入可持续性；
b.股息可持续性；
c.财务实力；以及
d.现金流；
2.历史评估164b：
a.尾随业绩；
b.风险测量；
c.相对风险测量；
d.效率比尾随业绩；
e.效率比风险测量；
f.效率比相对风险测量；
3.远期评估164c:
a.基本原理：
b.效率比基本原理；以及
c.错误定价基本原理；以及
4.属性对称性164d：
a.效率比总结；
b.最大四分位数执行利率；
c.错误定价基本原理；
d.排行总结；以及
e.市场价格观察。
因此，财务规划师可以使用系统12通过选定部分来显示直接股份，并且使用与选定的指示符相关联的数据比较选定的部分内的直接股份。
系统12为财务规划师提供了发掘无数信息的工具，财务规划师可以使用所述信息以系统化的方式对投资进行比较(下文中称作“通用比较信息”)。
一旦财务规划师已经适当的审查了投资，他或她可以选择最期望的投资来包括在投资资产组合中，方法是检查紧靠对应的期望投资的选择框166。财务规划师随后可以通过选择“投资组合”标签168来审查选定用于投资组合的投资。响应于选择“投资组合”标签168，系统12生成图23所示的投资组合标签页170。
投资组合架构
当财务规划师选定“投资组合”标签168时，系统12生成图23所示的投资组合标签页170。投资组合标签页170包括表171，所述表包括：
1.包括财务规划师选定的投资172的列；
2.包括每个选定的投资172的部分174的列；
3.示出了每笔投资的资产的分配176的行，所述分布是作为与以下资产类别178中的每一个的百分比：
a.现金：
b.澳大利亚股权：
c.国际股权；
d.澳大利亚固定利息；
e.国际固定利息；
f.澳大利亚财产；以及
g.国际财产；
4.包括用于投资资产组合的每笔投资的资产分配数据输入框180的列，使得财务规划师可以将投资者的资产的百分比分配到投资资产组合的每笔投资中；以及
5.示出了整个投资资产组合的每个资产类别中的资产的总和182的行，每个类别中的资产根据分配到投资资产组合的每笔投资中的投资者的资产的百分比来进行加权；以及
6.下拉“投资者类型基准剖析”框184a、184b，用于选择适用于投资者的基准风险类别。
或者，表171可以重新配置使得行和列的位置可以互换。
财务规划师可以选择使用风险剖析GUI 112确定的投资者的基准风险类别，方法是从下拉菜单184a中选择对应的类别。举例来说，财务规划师可以选择“中度进取型”。通过这样做，系统12生成且显示了表171中的一行，所述行按照图24所示的方式示出了整个资产类别178中的选定的基准风险类别的资产组合186。因此财务规划师可以使用系统12来比较整个资产组合的投资172的资产组合182如何与选定的基准风险类别的资产组合186紧密地对应。该选定的基准风险类别表示投资者的风险承受能力水平。
在一些情况下，投资者的风险承受水平可能不是与基准风险类别精确地匹 配的。举例来说，投资者可能是介于中度中进取型与进取型之间的。在这种情况下，财务规划师可以选择下一个上升的类别，例如，从下拉菜单184b中。通过这样做，系统12显示了投资者的资产组合应该落入的一组连续轨迹中，使得投资资产与投资者的风险承受能力匹配。
财务规划师可以使用系统12来进行资产分配，方法是按照图25所示的方式针对每笔投资172将数字输入到数据框180中。每个数字表示分配到对应的投资中的投资者资产的百分比。根据投资者的分配到投资资产组合的资产中的资产来加权的投资资产组合的每个资产类别中的资产的总和182由资产组合标签页170显示。因此财务规划师可以将整个投资资产的加权过的资产组合182与表示投资者的风险承受能力的选定的基准标记风险类别的资产组合进行比较。财务规划师也可以对分配给每笔资产的投资者的资产的百分比进行改变，使得资产组合182视情况更多地接近或者更少地接近投资者的选定的基准风险类别的资产组合186。为此，资产分配过程可以表示超过90％的投资组合波动性收益的精确度以及70％的涉及增值收益的响应机会。改进的可预测性期望的纯粹性带来了：
1.舒适的预测使用量；
2.高度集中的方法；以及
3.更好的绝对阿尔法。
通过审查表171中的选定的投资172，财务规划师可以决定通过添加或移除投资172来修改投资选择。为了从投资组合中移除投资，财务规划师仅需要不选与不期望的投资对应的选择框190且执行“更新资产组合”功能按钮192。系统随后将生成不会显示不期望的投资的新表171。为了将这笔投资添加到现有资产组合中，财务规划师仅需要选择“基金”标签152或“股份”标签160。在接收到“基金”标签152的选择之后，例如，系统12生成图26所示的基金标签页152。基金标签页152包括由关于选定的指示符158的数据表示的选定的资产组合投资194。基金标签页152还包括选定的部分的管理基金以及选定指示符158的数据。财务规划师可以从投资组合中移除投资172，方法是不选与不期望的投资对应的选择框196且执行“更新资产组合”功能按钮192。或者，财务规划师可以将投资添加到投资资产组合中，方法是检查与不期望的投 资对应的选择框166且执行“更新资产组合”功能按钮192。
创建专门针对相关有效边界的具有相对于基准的绝对集中的风险调节后的收益的资产组合(ACRARRBSCTEF)
以下描述是基于系统12的使用者/成员是财务规划师而做出的。然而，系统12的使用者/用户可以替代地为基金经理、股票经纪人，或者参与到投资的购买和销售中的任何其他人。另外，在说明书全文中使用了术语“基金管理者”。这些术语意图分别表示管理基金。
财务规划师可以使用系统12对以下策略进行多任务化，以连续地选择根据客户风险剖析对资产进行系统化分配的谱系投资。
1.基金管理者；
2.直接分享机会；
3.市场；
4.部门；
5.相对强度；
6.趋势；以及
7.选择过程分析。(FM/DSO/M/S/RS/T/SPA)
系统12改进了由马可维兹发明的现代资产组合理论风险管理(MPTRM)的利用，方法是就均值和变量基本原理以及例如以下其他特征来查看FM/DSO/M/S/RS/T/SPA：
1.属性对称性(绝对风险调节收益相对基准)；以及
2.分配的对称性(客户风险承受能力与投资的选择之间的最优性差异分析)
系统12具有FM/DSO/M/S/RS/T/SPA的以下主要机制以发现投资资产组合的正确的资产组合：
1.选择；
2.基于资产类别(或部分)的资产分配；以及
3.根据客户风险剖析的风险管理，
资产分配现象表示超过90％的资产组合波动收益的精确度响应以及涉及增值收益的70％响应机会。因此，无法忽视资产组合的重要性。系统12给出了关于舒适地预测高度集中的方法的使用以获得更好的绝对阿尔法的所有分 数的改进的预测性期望。
最终，上述工具可以用于提供对包含在投资资产组合中的投资进行比较和选择的问题的动态分析的洞察力和理解。然而，财务规划师所面临的长期问题存在于对这种针对指示符的采用统计学和数据形式的无数的信息进行获取和理解，所述指示符由专业人士使用以对市场进行估计(下文中称作通用比较信息)。此类指示符包括与了解何时进行购买、销售或持有的问题相关联的商业观点、投资和雇佣水平以及主要商品价格。
为了解决这一问题，系统12使用核心谱因素指标对通用数据进行发掘，因此财务规划师可以避免基于易于出现误差和偏倚的人为判断做出决策。核心谱因素指标由以下部分组成：
1.分布因素指标的核心谱对称性(硬件)；以及
2.资本资产定价模型因素指标(软件)。
系统12对历史评估、远期评估以及属性对称性数据进行收集和评估。系统12还探索这些关键性统计学验证系统是如何用于信息的分析与通用比较中以识别技能驱动的传统管理基金与直接股份机会。如图27中特别示出的，系统12使用由以下核心谱资本资产定价模型因素指标组成的过程：
a.层1(初级)；
b.层2(次级)；
c.层3(三级)；以及
d.层4(终级)。
如图28至图30所示，层1至层3统称为“部分A”，其包括属性定价模型选择过程分析系统和资本资产定价模型(APMSPAS和CAPM's)。如图31所示，层4称为“部分B”，其包括策略性资产组合优化过程分析系统以及资本资产定价模型(SPOPAS和CAPM's)。
这四个层过程带来了真实的最佳种系资产组合。它们是灵活的过程，其使用因素指标来确定市场上的不一致是真实的还是由于缺少对驱动与他们的估价的纯粹性相比的价格的力量的理解而生成的假象。这通过使资产组合的市场运行最小化的想法对预测部分的纯粹性和相对强度的可预测性与持续性造成影响，方法是根据客户的风险承受能力而规避风险。
系统12清除了这样一种理论，即如果没有所有的市场的业绩那么你完全 无法让它按照你的意愿行事。然而，当股份发生波动时，通过针对主要市场来加权波动性，它可以提供恒定的收益，而无论你周围发生了什么。用核心谱因素指标满足了客户的委托的需求。也就是说，客户不希望损失金钱，而同时客户期望获得恒定的优胜(业绩)。系统10提供了处理系统化风险和非系统化风险的独特的方式。
用于获得优胜业绩的与投资资产组合相关的惯常的学术和经验测量
学术文献的背景知识的介绍
值得讨论的任何学术和经验证据中的第一个问题是在测量某一基金的业绩时与仅仅计算意识到的或期望的收益相比更加复杂。由于收益和风险是正相关的，所以管理者可以简单地通过更加进取地投资风险更大的资产来改进资产组合收益。考虑到投资者更喜欢较少的风险(其他事情是等同的)，投资业绩测量应该并入这些指示符：资产组合风险和收益。然而，不同于收益，存在多种可以使用的风险的测量，且我们已经在上文中回顾了这些最为普通的方法。
因此，当考虑“从‘击败市场’的意义上来说基金管理者可否添加价值”时它成为了业绩的关键驱动力的负相关风险/收益的问题。管理基金业绩的早期研究的证据集中在这些问题上。这些研究的进行是用于检验有效市场理论的。它们也协助投资者来决定在主动型管理基金还是指数基金上进行投资是更好的。所述主题是复杂的，因为根据使用的基准的不同可以获得不同的结果。消费者可以成功的使用过去的业绩的测量作为基金选择的决策工具吗？
由于在关于“业绩持续性”方面进行的学术和经验文献的大量的查阅以确定管理基金的过去的业绩是否与它们的未来的业绩相关，由在过去的50年内记录的大约100多个相关的经验研究进行证实。
首先，最为重要且核心的发展是马可维兹(1952)的现代资产组合理论(MPT)中的资本资产定价模型(CAPM)以及詹森(1968)在策略性资产分配方面的贡献成为了市场的宏观阿尔法回报(系统化风险)并且通过资本资产定价模型(CAPM)的选择过程，很快可以发现该分析提供了可以施加以满足业绩测量的挑战的理论框架。特雷诺(1965)、夏普(1966)、詹森(1968)通过从使用类似的方法学或类似的基准的研究中出现了不同的结果这一事实使得该问题更为复杂。
其次，近期研究涉及用于将阿尔法从贝塔中分离的更为强健的方法学发 现。绝大多数研究已经对美国基金进行了调查，而对英国基金也进行了大量的调查，同样也考虑到澳大利亚基金的业绩的一些研究。绝大多数研究都关注于证券基金。所述研究涵盖了不同的时期，使用不同的基准并且获得了不同的结论。澳大利亚研究大体上与海外研究的模式一致。这些基金研究调查了以下参考文章，即，美国(卡恩和罗德(1995)；伊尔顿、格鲁伯、布莱克(1996)；卡哈特(1997)；丹尼尔、格林布莱特、蒂特曼和韦尔默(1997)；克里斯托弗森·佩尔松和格拉斯曼(1998))；英国(艾伦和塔恩(1999)；伍德·麦肯齐(2002))；澳大利亚(哈勒汉(1999)索斯科(2002))，查阅出他们的关于“绩效持续性”的主要发现类似于ACRARRBSTCEF建筑块机制，所述机制的业绩技术贡献了此类多数据点细节以对方差进行平均且转发基础计算表分析风险/收益/时间范围，以提供对资产组合与风险更加负相关的市场/部门/相对强度/趋势的更加广泛的概述分析。
然而，由于ACRARRBSTCEF应用以及建筑块框架的重要发展，从多种资产定价模型中通过仅关注市场相关风险(或贝塔)而非总风险提供了对这些数字如何以不同的方式对风险进行测量的实施的独特的洞察力，因此，它们的复合潜能有助于投资资产组合的优胜业绩。
因此，考虑到关于最佳资产定价模型的学术文献中的观点的这种范围，例如，CAPM中的候选人发生变化，以对基于定价的模型进行套利，获得具有由统计运用引起的多种基于特别因素的模型。除了使用不同定价模型的研究之外，他们还使用了多种基准来表示中立市场业绩。关于资产定价模型和业绩基准存在大量的学术文献。从使用类似的方法学或类似的基准的研究中出现的不同结果这一事实使得所述问题变得更加复杂。然而，使用了基础多组成阿尔法方法学方差的ACRARRBSTCEF是最强的总计分数的形式，通过它们的有价值的累积成果表示了这些研究中的不同业绩持续性，即，参见第74页的阿尔法提取/因素评估模型/核心谱/集中方法(AE/FEM/CS/CA(T2))，参见第76页的评分/分类/因素评估模型/核心谱/分布方法S/S/FEM/CS/SODA(T2)的对称性，最强总计分数/因素评估模型/核心谱/风险/收益机会方法(SAS/FEM/CS/R/ROA(T2))。
然而，这一问题的核心是“当消费者(或者他们的顾问)选择投资资产组合架构优胜业绩时过去的业绩信息的有用的程度”。同样在这篇文章中我们采 用了关于管理基金业绩的“持续性”的学术文献的大量的查阅。
所述学术研究关注于基金过去的业绩是否与它们未来的业绩相关联。如果基金的业绩持续地位于一组类似的基金的平均业绩之上(或之下)，那么这就被称作“持续性”。相对持续性的证据对于投资者在基金之间进行选择具有重要的指示意义。在过去的50年内记录的大约100多个相关研究中，我们更加关注于近期的研究以及具有更加强健的方法学的研究。这些研究中的绝大多数是关注于英国基金的，而一部分是调查了英国基金和澳大利亚基金的。我们查阅了他们的关于业绩持续性的主要发现。
我们考虑到零售业投资者所面临的形势并且聚焦于与真实世界形势最为相关的研究：
a.需要针对费用对收益进行调整；
b.大部分消费者的投资期限为至少若干年且在基金之间进行频繁的转换将造成费用和不便。
c.不同基金的风险水平是一个重要因素。
优胜业绩测量中需要考虑到因素
过去业绩信息的使用显然关联于两个相关的问题：
a.可以接受的业绩风险测量时什么？
b.考虑到业绩数字不可避免的与投资的风险相关联，适当的测量需要并入风险以及收益。
c.对于给定的业绩测量，过去的业绩可以用作可能的未来业绩的指导吗？
(i)风险以及异常收益
管理基金的主要目标是使收益最大化同时控制风险的水平。许多业绩报告和公告都完全地关注于获得的收益。然而，所有的投资的资产组合都会经受风险且在关于历史收益的任何陈述可以是有意义的之前都需要基金风险的指示，因为它们是消费者最有可能获得的且它们的波动的业绩可以从它们的单位价格中调查出来。
学术研究关注于基金收益优胜业绩是否具有一些适当的基准(其通常可以是综合市场指数)。如果业绩无法与相对冒险的多样化基准资产组合匹配，那么业绩就不是卓越的。一个潜在策略是被动多样化，这会产生具有与市场平均 值(例如，综合市场指数)相同的收益和风险特征的业绩。如果基金管理者通过试图选择盈利的股票而进一步冒险时，那么投资者需要对政策生成的收益是否与所采用的额外的风险水平相称进行衡量，即，十大控股混合授权过程分析(TTHBMPA)(T4)参见第113页；经典资产组合优化器过程分析(CPOPA)(T4)参见第115页；经济学家共识宏观旋转资产类别/回撤资产分配过程分析(ECMRAARACPA)(T4)/多样化投资人风格类型效用函数模型(DISTUFM)(T4)参见第126页；中等估价资产组合风险管理过程分析(MVPRMPA)(T4)参见第130页。
(ii)投资风险
由于收益和风险是正相关的，所以管理者可以简单地通过更加进取地投资风险更大的资产来改进资产组合收益。考虑到投资者更喜欢较少的风险(其他事情是等同的)，投资业绩测量应该并入这些指示符：资产组合风险和收益。然而，不同于收益，可以使用多种测量风险的方法。因此，可以查阅这篇文章中描绘的这些最为普通的均值方差/远期风险/收益测量的方法中的不具有其他风险和相对风险组分的一些，即，参见建筑块图32系统化建筑块灵活性技术(SBBFT(T1)参见第61页，即，ACRARRB-(属性定价模型选择过程分析系统/资本资产定价模型(APMSPAS/PCAPM)(T1)(T2)(T3))参见第57至第109页；STCEF-(策略性资产组合优化过程分析系统/资本资产定价模型(SPOPAS/CAPMS)(T4))参见第109-146页，即，历史评估均值方差(定量)/远期评估基本研究(定性)属性对称性/式样分析(HEMV(Q)/FEFR(Q)/AS(FA)(T1)参见第64页。
标准偏差
马可维兹(1952)建议将标准偏差用作风险的测量方法。这种指标从中间平均值中测量了收益的散布。所述指标具有能够获得推论的分布特性。举例来说，如果由基金生成的收益具有钟型正态分布，那么在100次中有95次收益应该在长期平均值的正或负两个标准偏差的范围内。标准偏差越大，基金的波动性越大，外加将所有的多变量合并到此主要算法中。
贝塔指数
贝塔是基金对市场运行的敏感度的测量。它测量了无风险投资(例如，国库券)的基金的超额收益与基准指数的超额收益之间的关系。在扣除了国库券 利率之后，具有1.10贝塔的基金的高端市场指数比它的基准指数的表现要好10％且其低端市场指数比它的基准指数的表现要差10％。相反地，0.85的贝塔指示了基金具有比高端市场中差15％的表现以及比低端市场中好15％的表现。
夏普指数(1966)
夏普比率是由诺贝尔奖得主威廉姆·夏普开发出来的风险调节测量方法。现代资产组合理论(MPT)的创始人马可维兹(1952)建议投资者基于他们期望的收益和风险特征选择最佳资产组合。如上文所述，资产组合的总体风险由其收益的标准偏差来测量。夏普使用这一概念构建了“收益对可变性”比率，而这一比率现在已成为了众所周知的夏普指数。所述指标是使用标准偏差以及超额收益(即，超过无风险投资的收益)进行计算的，以确定每风险单元上的收益。夏普指数越高，基金的历史风险调节业绩就越好。理论上，任何具有高于1的夏普指数的资产组合的业绩都要比市场基准要好。
特雷诺指数(1965)
第三业绩测量是特雷诺指数。这是使用基金的超额收益按照与夏普指数相同的方式计算的，但是基金的超额收益是由基金的贝塔衡量的，而不是基金的收益的标准偏差。
一个优势是因为投资者很有可能将他们的财富分散到多种基金中，所以更重要的是关注基金对总风险以及投资者的收益的边际贡献。这需要边际风险测量，例如贝塔。然而，所述测量也既是绝对测量又是相对测量。它提供了管理者能否战胜市场的测量，以及对于超过/低于业绩的大小的建议。
詹森的阿尔法(1968)
在这三种传统测量中，基于回归的詹森的阿尔法是在学术研究中最为普遍的使用的。它提供了管理者能否战胜市场的测量，以及对于超过/低于业绩的大小的建议。
詹森的阿尔法也同时是管理风险的回报和市场风险测量的回报。然而，它使用了不同的风险的概念。为了进行说明，我们首先需要意识到这种测量的框架是从多种资本资产定价模型(CAPM)中获取的。在这种模型中，与其他假设一起，它认为每名投资者持有多样化的资产组合。这允许投资者使他们的投资风险中的一些多样化，使得他们仅经受到‘系统化’或非‘系统化’多样化市场相关的风险。詹森的阿尔法仅使用了用于衡量资产组合的收益的系统化风 险。阿尔法从其平衡水平中测量资产组合收益的偏差，定义为来自针对该资产收益的风险调节期望的收益的偏差。出于排序的目的，阿尔法越高，业绩越好。如果詹森的阿尔法大于零的话，那么在系统化风险调节的基础上所述基金击败了市场，且反之亦然。出于排序的目的，詹森的阿尔法越高，业绩越好。上述方法中唯一存在问题的术语是资产组合贝塔。这可以通过类似的定义的市场上的超额收益的基金的超额收益(超过无风险利率的收益)的回归来进行评估。运行此回归的截距为詹森阿尔法。如果詹森的阿尔法大于零的话，那么在系统化风险调节的基础上所述基金击败了市场，且反之亦然，即，ACRARRB非‘系统化’风险的回报-属性定价模型选择过程分析系统/资本资产定价模型(APMSPAS/PCAPM)(T1)(T2)(T3)参见第57页至第109页，STCEF-‘系统化’回报用于策略性资产组合优化过程分析系统/资本资产定价模型(SPOPAS/CAPMS)(T4)参见第109页至第146页。
(iii)基准
这一问题是将要针对什么来比较业绩。存在两种广泛的投资策略：被动多样化投资策略或主动投资策略。
被动多元化
如果采用前一策略，那么投资者正在寻找管理者将要代表他购买的适当的多样化资产组合。投资者应该获得与在广泛的多样化资产组合中可以获得的相称的收益和风险的测量。如果他试图对澳大利亚股权的流动性资产组合进行投资，例如，S&P 100澳大利亚指数，那么他应该具有与该特定基准类似的收益和风险剖析。那么随后应该一直持有而无需太多修改，除非在指数的组成中发生变化。
主动投资策略
通过更加主动的股票选择策略，对管理基金进行投资仅在管理者可以添加比投资者自身可以获得的更多的价值时是值得的。同样，必须将基金的业绩与适当的基准进行比较。所述基准应该是可以在低成本下由一般投资者进行替换的有效的简单的资产组合。理想地，我们需要收益和风险的一些综合测量。此综合测量指数必须使评估的资产组合的风险保持恒定，因此可以基于已调节风险的收益对业绩进行判定。我们需要在两方面测量资产组合业绩：相对业绩(即，相对于其他主动资产组合)以及绝对业绩(即，相对于基准)客户剖析， 即，中等估价资产组合风险管理过程分析(MVPRMPA)(T4)参见第130页。
(iv)业绩持续性生存偏差的排序
业绩持续性排序研究面临被称作“生存偏差”的问题。这一问题的出现是由于底部向上/顶部向下业绩持续性排序研究的引入(参见图56)。这提供了对“排序生存偏差”的问题的察觉，因为在对购买/销售/持有进行研究的监控时间周期内一些基金消失了。通常这是由于管理基金的波动性本质，即良好的基金会得到促进而业绩较差的将会倾向于被淘汰或者从队列中被剔除。这是因为基于“排序生存偏差”的算法，即，绝对风险调节收益相对基准，其按照上升的顺序测量正排序收益且按照下降的顺序测量正风险，且具有灌输业绩持续性的能力。
管理基金可以在一定程度上关闭、合并，或者关于它们的数据可以变得不可用，在该程度上作为生存者取决于过去的业绩，使用基于生存基金的数据将会在相关风险表示用于管理基金业绩的资产类别/部门的真实的最大四分位数基准的情况下向上或者向下偏移。这是因为高业绩基金将倾向于在所述实例中被过度地表示。具有低业绩的基金将倾向于合并或者关闭且将从实例中脱离。
最后考虑到“排序生存偏差/业绩持续性”的程度很有可能超过在实例中表示的，可能会引起预测偏差，这是因为仅存在针对资产类别的每个部门中的阿尔法业绩基金的一(1)或可能的二(2)的空间。这是因为这些具有较差业绩的基金将倾向于脱离“最终候选列表”实例，即，排序总结/多品牌基金管理者/直接股份机会/选择过程分析(RS/MB/FM/DSO/SPA)(T3)参见第104页。
(v)有条件/无条件阿尔法业绩持续性
业绩持续性可以定义为初始排列周期与后续周期中的业绩排序之间的正相关。然而，虽然绝大多数研究获得了相同的风险/收益回归分析结论，除了有条件/无条件阿尔法的差异通过最大四分位数基准表示了较强的业绩持续性使用证据，所有的综合风险/收益/时间回归分析收益是在改变的/未改变的累积评分的有条件(ERSPA)(T3)/无条件阿尔法TQSRSPA)(T3)方法中测量的，以执行使用用于反應绝对阿尔法的更加真实的集中效应。
换言之，这种风险调节/收益/时间方法学，由于正常化的一致性测试通过从被动贝塔中分离主动阿尔法性能通过综合因素指标，其采用是通过实施有条件/无条件阿尔法进行最佳实践和综合风险/收益回归分析的使用，用于测量性 能持续性的研究避免来这些似乎正确的解释用于这些关于过去业绩的低持续性的结论，而更多的研究似乎发现较差的过去业绩增大了未来的较差的业绩的概率，即，效率比率选择过程分析-ERSPA(T3)参见第97页、最大四分位数执行率选举过程分析(TQSRSPA)(T3)参见第99页，最强总计分数/因素评估模型/核心谱/风险/收益机会方法(SAS/FEM/CS/R/ROA(T2)参见第80页。
(vi)对于关于过去业绩的低持续性的这些结论存在似乎正确的解释
a.如果没有适当地进行的话，那么业绩比较可以是非常具有误导性的，例如，保持在部门与部门之内以及市场与市场之内，这提供了涉及复杂的计算机分析的此类风险调节研究的方法，所述分析仅仅是可供研究机构和学术院校使用的。
第一规则是在分析收益时总是要记住需要小心，因为当比较“相似物与相似物”时只有针对风险/波动性进行调节，那么才是有意义的。
b.因此，风险调节研究对专家而非一般消费者手中的过去业绩信息的潜在价值进行测量。它们并不反应通过公告、排行榜或者正式的官方文件的零售业投资者可以获得的信息。
c.在一套市场条件下运作的最好的方法将不会在其他时间运作的最好。举例来说，价值和增长风格管理者试图在不同的时间都做到最好。然而，对于消费者而言很难预测未来的几年内的市场条件。这些研究中的许多研究都具有的一个问题是他们可能不会在一个完整的市场条件周期中对管理者进行追踪。
d.更有可能在短期内(一到两年)而不是在长期内发现持续性。长期比较可能与消费者持有管理基金的典型的周期更加相关。
e.发现持续性时，“优胜业绩”边际倾向于比较小。研究发现持续性时，一些特定报告的频繁转换到最佳业绩基金的将不能成为有效的策略，这是由于成本的转换。
f.所述发现与其他研究是一致的，其示出了基金管理者很难持续地优于相关基准。
g.投资的未来收益是极度难以预测的，因此基金业绩(与其同伴比较)的重要的一部分可能是随机的运气。
h.更多的研究似乎发现不佳的过去的业绩会增大未来不佳业绩的可能 性。
i.基金管理者持续地奋斗以与竞争者的业绩匹配。如果一家公司优胜于其同类公司，那么其他公司将试图照搬其方法以及/或者对其员工进行猎头。如果它试图吸纳大量的基金流入，那么它将难以安置这些基金且维持相对的业绩，前提是它是与被动基金相反的主动基金。
第一部分非业绩持续性的学术/经验研究的证据(针对风险的回报)(即，属性定价模型选择过程分析系统/资本资产定价模型(APMSPAS/PCAPM)(T1)(T2)(T3)参见第57至第109页。
(i)ACRARRB已经能够通过其最强累积分数方法学而关注于这些学术/经验业绩持续性研究证据，即，最强总计分数/因素评估模型/核心谱/风险/收益机会方法(SAS/FEM/CS/R/ROA(T2)参见第80页，作为综合风险/收益分数的集合，而使其成为现实世界情况中最为相关的因素之一，需要记住大多数投资者面临的顾虑是具有至少若干年的投资期限以及考虑到不同基金的综合风险/收益排序水平表示了重要性因素。因此，通过查阅与这些学术/经验业绩持续性研究相关的这些普通方法中的绝大多数以及ACRARRBSTCEF硬件使用的那些方法学(即，系统化建筑块灵活性技术SBBFT(T1)参见第61页；以及软件，即，历史评估均值方差(定量)/远期评估基本研究(定性)属性对称性/式样分析(HEMV(Q)/FEFR(Q)/AS(FA)(T1)参见第64页)，它们是持续地驱动绝大多数学术和经验研究的广泛性的主要机制；例如，卡恩和罗德(1995)美国。收益只有在用于比较“相似物与相似物”而基于业绩指标针对风险/波动性进行调节的前提下才是有意义的。
(ii)风险调节研究涉及复杂的计算机分析，所述分析基于无条件最大四分位数业绩，即，最大四分位数执行率选举过程分析(TQSRSPA)(T3)参见第99页，对过去业绩的值进行测量。因此，在分析绝对收益数据时，持续性测试的证据，使其能够在较长的时间内潜在地更加强健，考虑到当针对风险而不是相对收益对收益进行调节时，例如，伍德·麦肯齐(2002)，专家而非一般消费者手中的此类信息表明结果应该仅能由学术院校来解读或者仅供研究机构获得。
(iii)通过ACRARR采用与有条件/无条件阿尔法相关联的由HEMV(Q)/FEFR(Q)/AS(FA)(T1)参见第64页驱动的回归分析技术用于最佳实 践，以研究描绘了最佳种系基金的业绩持续性，例如，索斯科(2002)。通过回归分析中的有条件/无条件阿尔法，基于多时间范围数据点上的风险调节收益相对基准，其将阿尔法(超过最大四分位数)从贝塔(最大四分位数基准)中分离用于，即，阿尔法提取/因素评估模型/核心谱/集中方法(AE/FEM/CS/CA(T2)参见第75页；有效效率选择过程分析-ERSPA(T3)参见第97页；定价/因素评估模型/核心谱/定量/定性/集中方法-P/FEM/CS/Q/Q/CA(T2)参见第77页以及图32，得分/分类/因素评估模型/核心谱/分配方法的对称性S/S/FEM/CS/SODA(T2)参见第78页；最强总计分数/因素评估模型/核心谱/风险/收益机会方法(SAS/FEM/CS/R/ROA(T2)参见第80页。
(iv)类似地，ACRARRB专门采用了无条件阿尔法回归测量，其通过回归当前标准最大四分位数阿尔法测量表示对何种最佳业绩进行判断的基础。然而，作为文档说明的ACRARRB有条件测量与无条件测量(即，平均阿尔法和贝塔)相比关于未来业绩是更具情报性的，例如，克里斯托弗森·佩尔松和格拉斯曼(1998)美国报告了持续性随着未来收益期限增加到三年而变得更加强健。他们认为机构投资管理者在形成关于收益的期望时更有可能使用关于经济状况的当前信息，即，最大四分位数执行率选举过程分析(TQSRSPA)(T3)参见第99页，以及其典型的提取技术，即，定价/因素评估模型/核心谱/定量/定性/集中方法-P/FEM/CS/Q/Q/CA(T2)参见第77页以及图34a、图34b、图34c；得分/分类/因素评估模型/核心谱/分配方法的对称性S/S/FEM/CS/SODA(T2)参见第78页；最强总计分数/因素评估模型/核心谱/风险/收益机会方法(SAS/FEM/CS/R/ROA(T2)参见第80页。
(v)良好的过去业绩在最好的情况下看上去像中期到长期内的未来良好绩效的较差的且不可靠的预测。大约有一半的研究发现在良好的过去业绩与良好的未来业绩直接没有相关性。更有可能在短期内(一到两年)而不是在长期内发现持续性。长期比较对于消费者持有管理基金的典型周期而言是更加相关的，例如，丹尼尔、格林布莱特、蒂特曼和韦尔默(1997)美国，证实了股票收益上的动量效应以及基金管理者的动量策略的持续性使用是获得业绩持续性的主要原因。因此，针对此实例，投资者寻找最重要的宏观经济指标来获得很可能反应有利或不利的宏观商业条件的周期性知识信息反馈，即，微观/宏观/知识差距反馈方法学/核心选择/回溯测试/跟踪误差(M/M/KGFM/CS/BT/TE (T2))参见第84页；失去定价直接股份机会选择过程分析(MPDSOSPA)(T3)参见第99页；市场价格关注过程选择分析(MPWSPA)(T3)参见第103页。
(vi)ACRARRB已探索属性对称性指标的这些关键变量，即，效率比率排序总结与最大四分位数执行利率排序总结以及它们各自的历史/远期总结，基于风险/收益/在三(3)、六(6)以及十二(12)个月、二(2)、三(3)、五(5)、七(7)以及十(10)年的时间范围之后查看基金管理者的管理金钱的方式，例如，伊尔顿、格鲁伯以及布莱克(1996)美国得出了有利的是短期(1年)内地业绩持续性的存在且当在风险调节基础上完成排序时在预测未来三年的收益方面长期(3-年)内过去收益比一年的数据要好，这表明与“热手”线性相比存在更多的业绩的持续性，即，排序总结/多品牌基金管理者/直接股份机会/选择过程分析(RS/MB/FM/DSO/SPA)(T3)参见第104页。
(vii)市场/部门/相对强度/趋势作用于顶部向下/底部向上的过程的原理的目标简单的意味着首先选择最强部门随后针对最强的DSO/FM选择相同部门中的第二选择，从而促进成功的机会。另外，市场/部门/相对强度/趋势基本上是管理风险的指示，方法是基于相关技术通过HE/FE/AS(T1)的信息套利方法将投资机会与单独的投资剖析匹配起来，HE/FE/AS(T1)具有排列总是具有良好机会的所有部门投资的能力，因此消除了第二猜想的可能性，例如，艾伦和塔恩(1999)英国，确认了如果过去的业绩很好地指示了未来的业绩，那么在第一测试周期中我们将期望极好的管理者以继续在第二测试周期中呈现良好的业绩等等。总体上他们发现了实际收益与风险调节收益在长期内呈现了持续性的证据，但是在非常短的时期内并非如此。他们也通过将基金划分为两组而探索了业绩与波动性之间的关系：高方差和低方差。这些组中的每一个中的业绩呈现出重复胜利模式，表明卓越业绩并不是纯粹由风险投资策略决定的，即，市场/部门/相对强度/趋势/直接股份机会/基金管理者/选择过程分析(M/S/RS/T/DSO/FM/SPA)参见第106页；历史评估/远期评估/属性对称性(HE/FE/AS)(T1)参见第64页。
(viii)建模的第一部分预测我们认为主动基金管理者可能胜出多少。然而从主动阿尔法中获得的期望是一个巨大的问题，但是不幸的是，数学本身并不是非常有用的。它的深入基本上根据是否具有天赋，它们仅仅通过不断地增大风险水平来继续驱动阿尔法上升。因此，存在两种类型的风险-系统化风险 以及非系统化风险。系统化风险涉及市场且受到经济的影响，而特定风险的非系统化风险与市场相关且对于特定公司而言是独特的。现代资产组合理论说明由于非系统化风险可以通过多样化来减少，因此不应针对承受此风险对累积的投资者进行补偿，因为他们可以持有市场资产组合，这在理论上是完美的多样化的，例如，卡哈特(1997)美国避免了具有持续性较差业绩的基金、具有高于下一年平均期望收益的去年高收益的基金，但是在以后的年份中并非如此等等，且更多的研究似乎发现较差的过去业绩增大了未来的较差业绩的可能性。发现持续性时，“优胜业绩”边际倾向于比较高。研究发现持续性时，一些专门报告了频繁变换到最佳业绩基金将不会成为有效策略，这是由于变换的成本，即，平衡综合效应评估选择过程分析/风险基金管理者的回报/自由现金流-股东收益(ECEEPA/RFR-FM/FCF-SY)参见第100页。
(ix)高违规方法意味着高收益的机会与在投资组合的多元化控股中相比比较大，鉴于这是结合两个或两个以上的减少负收益的影响的预期，这被认为是影响投资者愿意支付溢价的合理的代理权。然而时代变化和不可预测的市场意味着长期假设的挑战和新方法，这可以变得非常复杂且没有可以提供良好的机会以及提供资本的保护的所需的工具。因此，微观/宏观市场/部门/相对强度/趋势的持续统计学/图表监控的必要性不同于定量风险和收益作为累积微观和宏观图表趋势，其关键变量表示利息率、通货膨胀和通货紧缩，其强调了经济范例住房、流动性且并入了利润泡沫得出了以下结论：分析研究预期阿尔法由优越的投资焦点和后期测试反馈的专业技巧组成以通过将定量分析转化为金融预测来破解这种广泛参与的长期收益。然而，定性风险分析并不是像标准化和量化成直接数字输出一样简单，例如，伍德·麦肯齐(2002)-它取决于时间周期。根据周期不同结果也不同。对于他们来说分辨何时的持续性周期将是明显的且何时的将不是明显的是不可能的，即：期望短期持续性(好或差)。在很大程度上它仅仅是取决于经济循环的阶段的受(或不受)欢迎到特定的信托投资模式或方法。无法识别这些周期将使得投资者(无论是零售业还是公共机构的)去购买位于其循环的顶部或销售的底部的管理器，即，微观/宏观高违规方法/因素评估模型/核心谱/机会较高收益(M/M/HCA/FEM/CS/OHR(T2))参见第82页。
(x)阿尔法是大多数投资者渴望添加到管理下的资产组合中的值。这种 作为属性对称性实际上采用因素建模/优于主动风险管理技巧的新平衡综合方法是通过各个资本资产定价因素机构的真正的决策制定者，即，效率比率、最大四分位数以及错过定价和作为用于获得主动风险管理技巧中最佳实践方法中的一个，反应且显示强健的定量/定性选择过程作为检测特定技巧和经验的合理的代理权。
正确的是资产组合选择风险管理可能需要受到挑战以探索对资产的正确组合进行资助的新的方法，其表示用于提取阿尔法的知识差距信息套利方法，因此也表示利用市场多选择过程的独特的资产投资技巧技术，以通过查看其背后的内容来了解如何选择谱系投资。多资产资金定价模型倾向于作出最佳位置，因为它寻求属性风格来表示搜索绝对资产组合选择能力中的机会作为仍然处于纯粹性预测中的证明，例如，哈勒汉(1999)澳大利亚。此研究使用三(3)个方法来探索基金业绩历史的信息内容用于通过投资目标的基金差异化组：1.回归分析；2.列联表(原始收益)；以及3.顶部和底部四分位数排序以探索基金业绩历史的信息内容用于通过投资目标的基金组队分类。这些回归分析的结果表明存在证据支持特定的风险调节基础上的业绩的持续性，但是是涉及多部门基金的更加模棱两可的证据。不同长度的基金业绩历史的列联表分析根据所使用的是原始收益还是风险调节收益而揭示了不同的结果。原始收益的使用创建了与风险调节收益相比的总体业绩印象的揭示，即，效率比率选择过程分析-ERSPA(T3)参见第97页；即，最大四分位数执行率选举过程分析(TQSRSPA)(T3)参见第99页，失去定价直接股份机会选择过程分析(MPDSOSPA)(T3)参见第99页；平衡综合效应评估选择过程分析/风险基金管理者的回报/自由现金流-股东收益(ECEEPA/RFR-FM/FCF-SY)参见第100页。
(xi)最后，由ACRARRB发现的涉及业绩持续性管理基金的最为有利且有效的结论中的一个强调了当作出关于业绩管理基金的结论时，关键的是提供精确的且公正的环境用于当前目的是根据风险调节收益相对基准的选择的业绩中的变化，这是在根据不同因素定价指标中的数据点框架的努力中拥有识别(在持续回归方法设定中)最为精确且最少偏差的方法，例如，对1、3、6、12个月、1、2、3、5、7、10年的矩阵的最大四分位数进行重复，例如，索斯科(2002)使用由在1985到1999年之间的15年周期内的涵盖了636个证券基金的月收益组成的大量澳大利亚数据组。索斯科的针对当前目的的一个关键 发现是根据业绩指标基准的业绩的变化。他概括出基准的选择对于业绩结果具有关键性影响。类似地，他使用回归方法[参见格林布莱特和蒂特曼(1992)]来测试管理基金中的持续性。他调查了过去的不同持续时间的周期如何影响各种预测时间范围(都最多为五年)。为了形成他的测试样品他首先选择了包含25％的人口的随机选定的基金的投资组合，发现了能够最好的平衡具有投资组合之间的风险的样品的强健性的比率是重复的(参见巴博、里昂和蔡，1999)。如果他试图发现过去36个月的收益与未来12个月的收益之间的关系，那么研究周期将等于48个月。他通过随机地选择存在于每个研究周期的结束点而非初始点上的基金消除了生存偏差。最后针对过去收益的12个月的矩阵按季度性间隔重复这一过程最多达到60个月的收益(过去)选择且使用它来预测未来12个月到未来60个月(未来预测月)中的任何的收益。
上述分析表明能够预测业绩且需要长期的评估窗口用于固定利息基金，这与债券基金相反。换言之，需要五年内的月数据来预测未来三年的业绩。考虑到可能的时期结构影响这并不是出乎意料的。债券基金的情况将得到更好的平衡，前提是考虑到未来三年的情况需要过去三年的收益的窗口。
上述这些分析设定并没有涵盖全部的内容。预测的能力似乎在极端分布中是更加集中的。如同在上述一些先前提到的英国研究中注意到的，其业绩非常差且较好的业绩倾向于在业绩中具有一定程度的持续性。另一个问题是你将试图预测多久以后的情况。索斯科发现更加有效的预测是与两年以及超过两年的业绩预测相关联的，即，属性定价模型选择过程分析系统/资本资产定价模型(APMSPAS/PCAPM)(T1)(T2)(T3)参见第57页至第109页。
部分B-资产组合持续性/市场的回报/资本资金定价模型(PPP/RFR/CAPMs)即，策略性资产组合优化过程分析系统/资本资产定价模型(SPOPAS/CAPM S)(T4)
用于战略目标相关有效边界的重要标准(SCTEF)
这些研究中的许多所具有的问题中的一个是试图提取APP(RFR)CAPMs，其本质上表示了阿尔法投资业绩持续性(针对风险的回报)以及阿尔法资产组合持续性(针对市场的回报)，因此通过市场条件的完整的周期而没有适当的ACRARRBSTCEF建筑块使得投资的未来收益将会是非常难以预测的。因此，业绩持续性的重要的部分(与其同类相比)避免了随机的运气或风险。
因此，由于所述发现与美国、英国、澳大利亚业绩持续性一致，研究表明基金管理者很难持续地胜过相关基准，因此ACRARRBSTCEF避免了对过去高业绩持续性方法的绝对依赖性，而是包括额外的针对有效边界的一致性测试，即，中等估价资产组合(MPVRMPA(T4)作为学术和经验研究资产组合多样化证据的基础，方法是通过适当的最佳实践阿尔法业绩持续性(针对风险的回报)以及阿尔法资产组合持续性(针对市场的回报)。
最终，在我们识别出价值和增长类型时，管理者试图在不同的时刻胜出而无需经济学家共识宏观旋转资产类别/回撤资产分配(ECMACAA)，这通过允许投资者进行多元化以避免他们的投资风险中的一些使得投资者更加难以预测可能的市场情况证据，从而使得他们仅经受‘系统化’或非可多样化的市场相关风险。因此，MPVRMPA(T4)资产组合架构过程，即，策略性资产分配/战术性资产分配/策略性资产组合优化以及反映预测CAPMs(SAA/TAA/SPO/PER)将迫使分析继续展望标准多样化的SAA权重，TAA暗示了各种资产类别相对于你的定制SAA/SPO权重“超重”或“重量不足”用于期望的投资者风险承受能力以及PER期望收益，方法是通过向前和向后针对过去20年的历史测试此资产组合的业绩。
因此与阿尔法业绩持续性(针对风险的回报)以及阿尔法资产组合持续性(针对市场的回报)相关联的额外信息的使用如下。
(i)没有用于为投资者获得适当资产分配的决定定制资产类别的基本建筑块表示业绩持续性的主要核心驱动，考虑到全球和本地经济周期和寿命周期的持续监控对投资者目标和需求造成的挑战。并非出乎意料的是适当的资产分配对于大多数投资者来说是不同的，这取决于收益期望、风险承受能力(你是否可以在夜晚入睡测试)、时间范围以及你生命周期的阶段(对于个人)，即，系统化建筑块灵活性技术(SBBFT(T1)参见第62页、历史评估/远期评估/属性对称性(HE/FE/AS)(T1)参见第70页。
(ii)用于确定投资者标准的风险剖析种类的标准客户剖析问卷调查将通过典型的(5)即，保守型、中度保守型、平衡型、中度进取型、进取型而得到处理，即，多样化投资人风格类型效用函数(DISTUF)参见第125页。
(iii)中等估价资产组合风险管理过程分析技术避免了从一组基于风险/收益/随机运气的市场条件中推测收益，因此作为策略性资产组合优化工具， 它可以利用多种基金管理者/直接股份作为有效边界的策略性过程。因此，通过其所有的重要的系统化建筑块，例如，SBBFT(T1)，所述建筑块可以成为良好的风险管理工具，其能够以非常低的全部风险相关传输业绩持续性。因此，此外还关注于生成如下增强型策略的风险调节收益；根据成员分类给予收益和保护资本；从管理风险中分离市场风险使得从此类牺牲中获得预测性以及各自的产出；还作为服从保护风格资产组合；由他们的相对策略优势确定的微观/宏观因素变量，例如，旋转资产分配以及回撤资产类别/部分；基金管理者的基金的问题倾向于使资产组合流动，且将你的钱放在最高分数处以确保具有优胜业绩的资格。
例如，詹森的阿尔法(1968)-在此资本资产定价模型(CAPM)中假设每名投资者持有多样化的资产组合(外加其他一些假设)。这使得投资者可以通过多样化而避免他们的投资风险中的一些，方法是通过系统化市场相关风险调节，因此使得他们仅经受‘系统化’或非可多样化市场相关风险。詹森的阿尔法仅使用了用于衡量资产组合的收益的系统化市场相关的风险调节。阿尔法从其平衡水平中测量了资产组合的收益的偏差，这定义为来自针对该资产组合的收益的已调节风险期望的收益的偏差，即，中等估价资产组合(MPVRMPA(T4)参见第129页；属性定价模型选择过程分析系统/资本资产定价模型(APMSPAS/CAPM)(T1)参见第57至第109页；策略性资产组合优化过程分析系统/资本资产定价模型(SPOPAS/CAPM'S)(T4)参见第109页至第146页。
(iv)然而，由于詹森的阿尔法CAPM的仅使用系统化风险用于衡量资产组合的收益的缺陷，这样他们使詹森的阿尔法经受非多样化市场相关风险，因为现在没有MPVRMPA智能多合一CAPM(SAA/TAA/SPO/PER)来允许投资者进行多样化来不仅远离携带重要业绩持续性优势的投资风险而且同时使得他们受到较少的系统化或非可多样化的市场相关风险，例如，业绩持续性强调了资产组合构架机制用于风险调节(通过在上述无风险率的资产组合上对超额收益进行回归)，即，SAA/TAA/SPO/PER-CAPM，例如，詹森的阿尔法(1968)-在此资本资产定价模型(CAPM)中假定每名投资者持有多样化资产组合(外加一些其他假设)。这使得投资者可以通过多样化而避免他们的投资风险中的一些，方法是通过系统化无风险率调节，因此使得他们仅经受‘系统化’或非可多样化市场相关风险。詹森的阿尔法仅使用了用于衡量资产组合的收益的系统化无 风险率调节。阿尔法从其平衡水平中测量了资产组合的收益的偏差，这定义为来自针对该资产组合的收益的已调节风险期望的收益的偏差，即，中等估价资产组合(MPVRMPA(T4)参见第129页；经济学家共识宏观旋转资产类别/回撤资产分配过程分析(ECMRAARACPA)(T4)参见第124页。
(v)适当的功能性部分B SPOPAS/FCAPMs(T4)可综合表示并且成为了有效边界问题，所述问题在没有用于测量策略资产组合优化方法的所需工具的情况下可以变得非常的复杂，以利用核心市场/部门/相对强度/趋势(M/S/RS/T(T3)，并且用低风险/高业绩专家来围绕它。这种新颖的示例方法发现由部分A APMSPAS/CAPMs(T1)(T2)(T3)表示，其涵盖了风险的失去定价的核心谱直至通过独特属性对称性技术的值添加。由部分A和部分B表示的资产组合优化分析系统更加易于保护资本，方法是依赖于用于提取双重阿尔法的系统化建筑块来确保全面的适当的选择。
这就是SAA/TAA/SPO/PER可以由投资者控制的地方，因此允许他们可接受的风险剖析内的可接受的风险收益。目标将会是根据资产类别/资产分配对最佳种系进行识别并且继续按照满足所述投资目标的方式继续它们。SPOPAS/CAPM's(T4)倾向于获得M/S/RS/T/SPA(T3)的优化位置，方法是通过ECMRACRAAPA(T4)/DISTUFM(T4)来管理更好的收益，因此根据投资者的实际的风险承受能力针对主要市场牺牲波动性，推断出正确的SCTEF资产分配现象表示了超过90％的资产组合波动性收益的精确响应以及涉及价值增加收益的70％的响应机会；因此无法忽视资产组合的重要性。SPOPAS/CAPM's(T4)类似地由成功进行投资的目标驱动，并且担当了呈现出观察到的价格与基本值之间的差异性的安全性的位置，即，詹森的阿尔法(1968)，基于回归的詹森的阿尔法是在学术研究领域中最为普遍的使用的。它提供了管理人能否战胜市场的测量，以及对于超过/低于业绩的大小的建议。在这种模型中，与其他假设一起，它认为每名投资者持有多样化的资产组合。这允许投资者使他们的投资风险中的一些多样化，使得他们仅经受到系统化憭或非系统化憭多样化市场相关的风险。出于排序的目的，阿尔法越高，业绩越好。
阿尔法从其平衡水平中测量资产组合收益的偏差，定义为来自针对该资产收益的风险调节期望的收益的偏差。我们所知的问题是投资者并非同时针对管理风险获得收益以及针对市场风险测量获得收益的事实。然而，它使用了不同 的风险的概念。为了进行说明，我们首先需要意识到这种测量的框架是从多种CAPM中获取的。詹森的阿尔法仅使用了用于衡量资产组合的收益的系统化风险。如果詹森的阿尔法大于零的话，那么在系统化风险调节的基础上所述基金击败了市场，且反之亦然。上述方法中唯一存在问题的术语是资产组合贝塔。这可以通过类似的定义的市场上的超额收益的基金的超额收益(超过无风险利率的收益)的回归来进行评估。运行此回归的截距为詹森阿尔法，即，中等估价资产组合风险管理过程分析(MVPRMPA)(T4)参见第130页；质量评估季度审查过程分析(QAQRPA(T4)参见第133页。
通常，MPVRMPA(T4)由这四(4)种用于资产组合架构的传统测量方法组成，即，SAA/TAA/SPO/PER是同时变换为针对管理风险的回报以及根据投资者风险承受能力的针对市场风险的回报。
(i)策略性资产分配(SAA)
a.实际上为资产组合架构的建筑块的起始点是某个人的SAA。所以是用于适当地加权关键资产类别的内容。这将典型地由以下内容组成：现金、固定收入、股权、腾飞信托(A-REIT)(列出的财产证券)以及替代物。
b.通过与资产类别负相关(资产分配)，有效地降低了波动性从而原理了总资产组合的风险。
c.重要的是响应的资产分配是在你寿命周期的那个阶段进行投资的。显然，对于个人来说，你的SAA基准加权在你25岁以及50岁时将会是不同的。
d.SAA加权用于典型的中度澳大利亚投资者剖析的标准多样化平衡基金。
e.当你接近领取养老金的阶段时你需要更具防卫性的收入风险。
f.如果你有长期的年金基金那么情况也将是不同的，会寻求支付每年所得的所有收入或进行再次投资。
g.对于年金基金来说，这将稍微更多的分配给替代物。这与许多其他大型全球留本基金以及全球的多种主权财富基金是一致的。
我们的上述实例的资产类别中的加权是：5％的现金(必须总是流动的且可获取的)；30％的债券(这包括澳大利亚政府债券、半官方债券、高质量企业债券、一些高产出证券以及兑换为澳元(AUD)的全球债券)；50％的股权(重要的是使用典型的MSCI基准这包括国内股权和全球股权)；5.0％的房地产(通 常包括澳大利亚房地产投资信托-所列出的A-REIT)。可以对直接财产进行建模用于为客户定制此类大型非获利型基金，考虑到许多人都具有10.0％的大量财产持有，即，中等估价资产组合风险管理过程分析(MVPRMPA)(T4)参见第130页。
(ii)战术性资产分配(TAA)
存在其他元件用于资产分配，例如，倾斜到TAA的“策略”部分，其表示各种资产类别与你的定制SAA加权相比是“超重”或者“低于重量”的。SAA是长期基准，其目标在于给予反映风险胃纳的期望收益。TAA叠加仅仅是在给定的各种估计模型下通过周期(短期)寻求的额外的业绩。
它取决于时间周期。根据周期不同结果也不同。对于他们来说分辨何时的持续性周期将是明显的且何时的将不是明显的是不可能的。错误的识别这些周期可能导致投资者(零售业或公共机构的)在其周期的最高点购买管理者或者在其最低点卖出。这并不是获得成功投资的秘诀，例如，伍德·麦肯齐(2002)进一步警告：期望短期持续性(好或差)。在很大程度上它仅仅是特定的信托的投资风格或者取决于经济周期的阶段的受欢迎(或不受欢迎)的方法，即，十大控股混合授权过程分析：(TTHBMPA)(T4)参见第113页，质量评估季度审查过程分析(QAQRPA(T4)参见第133页。
(iii)策略性资产组合优化(SPO)
SPO资产分配是寻求业绩持续性的投资者在许多经济周期的他们的寿命周期中的适当的核心驱动。
并不意外的是适当的资产分配对于大多数投资者是不同的，这取决于收益期望、风险承受能力(你是否可以在夜晚入睡测试)、时间范围以及你生命周期的阶段(对于个人)。在涉及做出他们的投资资产组合的决策时，投资者倾向于更加小心风险，因为看起来任何所涉及的财务决策都是围绕他们的风险承受能力水平的，这意味着他们观察到的风险的遏制应该与他们的舒适区域相关，在所述区域中不确定性是受到关注的，在针对更有利的产出的得到回报的相关的选择优于接受更加不利的产出。
因此，SPO方法意味着适当的通过经济学家共识(即，旋转资产类别/可追溯资产分配)的默认的SAA/TAA/PER优化满足上述客户的典型的多样化投资人风格类型效用函数，例如，伍德·麦肯齐(2002)。其遵照许多多样化资产 组合业绩经历了优势业绩的循环周期且随后经历了不良业绩周期。他们得出了警惕那种可能指示整个经济周期中的技巧的长期持续性优势业绩的结论，即，经济学家共识宏观旋转资产类别/回撤资产分配过程分析(ECMRAARACPA)(T4)/多样化投资人风格类型效用函数模型(DISTUFM)(T4)参见第126页；中等估价资产组合风险管理过程分析(MVPRMPA)(T4)参见第130页。
(iv)反映出的收益率(PER)
作为大多数分析可能知道的结果，PER是在基本中等估价资产组合(资产组合架构)最终完成之前需要按照惯例实践的单独的资产分配。因此，对PER标准的基本的理解如下。
目标在于通过有条件(ERSPA)和无条件(TQSRSPA)因素用最佳种系(以上最大四分位数实践)来扩增资产组合，这意味着根据定价指标来使用变化的加权因素。因此，通过高累积分数使得阿尔法与贝塔能够分离，而根据学术理论和经验这具有能够有信心的进行预测的潜力，例如，伊尔顿、格鲁伯以及布莱克(1996)得出的结论是支持短期(1年)中的业绩持续性的存在且在根据风险调节的基础完成排序时长期(3年)中的过去收益在预测未来三年的收益方面由于1年的数据，这表明与“热手”现象相比存在更多的业绩的持续性，即，历史评估/远期评估/属性对称性(HE/FE/AS)(T1)参见第70页；有条件效率比选择过程分析-ERSPA(T3)参见第80页；或者(即，无条件-最大四分位数执行率选举过程分析(TQSRSPA)(T3)参见第99页，根据它们各自的最强总计分数/因素评估模型/核心谱/风险/收益机会方法(SAS/FEM/CS/R/ROA(T2)参见第80页。排序总结/多品牌基金管理者/直接股份机会/选择过程分析(RS/MB/FM/DSO/SPA)(T3)参见第104页，即，十大控股混合授权过程分析(TTHBMPA)(T4)参见第113页；质量评估季度审查过程分析(QAQRPA(T4)参见第133页。
a.接下来反过来测试当前资产的期望收益的向前发展的前景，从而对可能影响当前资产组合向前发展的过去20年内的市场力度中的各个相似处进行估计。换言之，随着时间的资产分配将会成为驱动总投资收益的核心。大多数投资者应该在所有的资产类别中进行多样化，且在每种资产类别内，为了有助于降低资产组合收益的波动性，例如，克里斯托弗森·佩尔松和格拉斯曼(1998)认为机构投资管理人在形成关于收益的期望时更有可能使用关于经济 状态的当前信息，即，微观/宏观/知识差距反馈方法/核心选择/回溯测试/跟踪误差(M/M/KGFM/CS/BT/TE(T2))参见第84页；微观/自下而上/图形反馈方法/核心选择/回溯测试/跟踪误差(Micro/BU/Graph(FM/CS/BT/TE(T2)参见第87页，宏观/自上而下/图形反馈方法/核心选择/回溯测试/跟踪误差(MacroTD/GraphFM/CS/BT/TE(T2)参见第90页。
b.因此，此过程的清晰的目标是揭露在周期中负相关的资产类别。举例来说，1991年到1992年的澳大利亚经济衰退(我们的上一次经济衰退)、亚洲金融危机(1997/98)、2000年后期的科技泡沫的出现、不可原谅的GFC(2008)以及近期的欧洲信贷危机是多样化资产组合显著地降低了资产组合的波动性的一些明显的实例。资产组合多样化的技术在于它有效地降低了风险且有助于随着时间系统化地增加财富，即，十大控股混合授权过程分析：(TTHBMPA)(T4)参见第113页；经典资产组合优化器过程分析(CPOPA)(T4)参见第115页；经济学家共识宏观旋转资产类别/回撤资产分配过程分析(ECMRAARACPA)(T4)/多样化投资人风格类型效用函数模型(DISTUFM)(T4)参见第126页；中等估价资产组合风险管理过程分析(MVPRMPA)(T4)参见第129页；质量评估季度审查过程分析(QAQRPA(T4)参见第133页。
c.最后进行总结，我们的目标是通过用于平均中等投资者剖析的策略性资产组合优化(SPO)探索涉及资产组合多样化技术的基本原理和建筑块。非常明显所有资产类别中的多样化，且重要的是它们内部的多样化都是所有的投资者在他们的财富积累过程中需要认知的关键性概念。你的资产分配必须反映出你的收益期望，你所采用的风险的量(波动性)以达成你的目标以及你的时间范围(其反映出你所处的你的寿命周期的阶段)。每个人将会需要有效地探索他们自己的定制的SAA加权基准，因为我们都具有不同的需求和风险欲望。这可能将与在此说明中使用的加权不同。接下来，上文中我们分析的来自SAA基准的期望收益是7.75％的长期评估的资产组合收益结合了7.60％的评估资产组合风险。如果我们使用5.25％的无风险率，那么我们将获得0.33的夏普比率。值得重视的是，所有的投资者都需要考虑成本，但是存在将会满足收益期望且考虑到随着时间适当的满足需要的波动性水平的优化资产组合分配。这完全是关于满足个人期望。
在根据投资者的优选风险测量基金业绩时从这些广泛的学术/经验方法中 可以做出那些结论，即，绝对集中风险调节收益相对基准策略目标相关有效边界(ACRARRBSTCEF)
在文献中对两种形式的持续性，即，绝对和相对，进行了区分。如果基金无法持续地胜过特定的基准，那么它具有绝对业绩持续性。这具有对有效市场假说的暗示，或者将信息反映到证券价格中的速度。这还具有关于主动管理相对于指数基金的优点的暗示。另一方面，基金拥有相对业绩持续性，前提是它的业绩持续高于一组基金的平均业绩。相对持续性的证据对于基金管理者在投资之间进行选择具有指示意义。因此，我们可以从上文列举的这些广泛的文献中得出一些结论。早期研究中的许多通过MPT的发展而得到了促进，且因此相对于市场基准是关注于业绩的。近期越来越多的强调涉及特定基准的绝对业绩持续性。然而，学术研究使用两种主要技术来研究业绩持续性。
然而，即使某种测量在一端周期内有效但是也不能确保它在下一周期中将继续有效。这自然会带来业绩持续性的问题。如果投资者将要使用过去的业绩，那么我们需要知道过去的业绩(好的或坏的)是否与未来的业绩相关联；即，业绩持续性。ACRARRBSTCEF回顾了他们在“业绩持续性”方面的主要发现类似于根据风险/收益/时间范围进行分类和评分的此类专注机制-最大四分位数风险调节收益相对基准回归分析；较好的以及较差的均值方差以及远期基础业绩提供了市场/部门/相对强度/趋势的更加广泛的概述分析，例如，索斯科(2002)-类似地其业绩技术实际上表明相同的惯例，例如，用于形成他的测试样品，他首先选择了保护25％的人口的随机选定基金的资产组合，他调查不同持续时间的过去的周期如何影响多种预测时间范围(最多五年)。上述这些分析设定并没有涵盖全部的内容。预测的能力似乎在极端分布中是更加集中的。如同在上述一些先前提到的英国研究中注意到的，其业绩非常差且较好的业绩倾向于在业绩中具有一定程度的持续性。另一个问题是你将试图预测多久以后的情况。索斯科发现更为有力的预测是与多达两年以及超过两年的业绩预测相关联的，即，有条件-效率比选择过程分析-ERSPA(T3)参见第97页；或者(即，无条件-最大四分位数执行率选举过程分析(TQSRSPA)(T3)参见第99页，根据它们各自的最强总计分数/因素评估模型/核心谱/风险/收益机会方法(SAS/FEM/CS/R/ROA(T2)参见第80页；排序总结/多品牌基金管理者/直接股份机会/选择过程分析(RS/MB/FM/DSO/SPA)(T3)参见第104页。
如果存在联系的话，那么此信息可以辅助投资者做出更好的投资选择。如果就统计学方面而言在过去业绩与未来业绩之间没有联系，那么过去的业绩的知识将不会有助于投资者选择可能高业绩的基金或者避免可能的低于平均的业绩。
即使我们在一段时间间隔内精确地测量基金的收益，那么这也仅仅是真相的一半。对基金业绩进行衡量远比仅仅计算其实现的或期望的收益要复杂的多。
业绩测量的两个来源
一个方法是来自基准的风险调节收益的回归分析(使用詹森的阿尔法)。该研究随后检查先前周期与稍后周期之间的阿尔法的相关性。
第二种方法是在类似的资产种类中比较基金之间的收益(非风险调节)。中位数或四分位数用于比较先前周期与稍后周期中的排序。这就是列联表方法。
系统化业绩持续性(市场的回报)
学术研究始终如一地关注于基金的(即，ACRARRB)和资产组合的(即，STCEF–策略性资产组合优化过程分析系统/资本资产定价模型(SPOPAS/CAPM_S)(T4)参见第109页至第146页)收益胜过一些特定/适当基准(其通常可以是综合市场指数)。如果业绩无法与相对冒险的多样化基准资产组合匹配，那么业绩就不是卓越的。一个潜在策略是被动多样化，这会产生具有与市场平均值(例如，综合市场指数)相同的收益和风险特征的业绩。如果基金管理者通过试图选择赚钱的股票而承受更多的风险，那么投资者需要对获得收益的政策是否与采用的额外的风险水平相称进行衡量。然而，即使某种测量在一端周期内有效但是也不能确保它在下一周期中将继续有效。这自然带来了具有能够精确对此进行衡量的适当的工具的问题，即，十大控股混合授权过程分析：(TTHBMPA)(T4)参见第113页；经典资产组合优化器过程分析(CPOPA)(T4)参见第115页；经济学家共识宏观旋转资产类别/回撤资产分配过程分析(ECMRAARACPA)(T4)/多样化投资人风格类型效用函数模型(DISTUFM)(T4)参见第126页；中等估价资产组合风险管理过程分析(MVPRMPA)(T4)参见第129页；质量评估季度审查过程分析(QAQRPA(T4)参见第133页。
非系统化业绩持续性(风险的回报)
如果投资者将要使用过去的业绩，那么我们需要知道过去的业绩(好的或坏的)是否与未来的业绩相关联。如果存在联系的话，那么此信息可以辅助投资者做出更好的投资选择，即，“业绩持续性”。如果就统计学方面而言在过去业绩与未来业绩之间没有联系，那么通过研究精确的进行测量的三到五(3到5)年的排序总结(参见下文)的过去的业绩的知识将不会有助于投资者选择可能高业绩的基金或者避免可能的低于平均的业绩。从使用类似的方法学或类似的基准的研究中出现的不同结果这一事实使得所述问题变得更加复杂。随着马可维兹(1952)的现代资产组合理论(MPT)的重要发展以及詹森(1968)在策略性资产分配方面的贡献成为了市场的宏观阿尔法回报(系统化风险)并且通过资本资产定价模型(CAPM)的多个特定选择过程，很快可以发现该分析提供了可以施加以满足业绩测量的挑战的理论框架。特雷诺(1965)、夏普(1966)和詹森(1968)的发明意识到了它们的潜在应用，方法是将它们用作针对投资/资产组合业绩评估的MPT和CAPM中的特征，即，属性定价模型选择过程分析系统/资本资产定价模型(APMSPAS/CAPM)(T1)(T2)(T3)参见第57至第109页；(即，有条件-效率比选择过程分析-ERSPA(T3)参见第97页；或者(即，无条件-最大四分位数执行率选举过程分析(TQSRSPA)(T3)参见第99页，根据它们各自的最强总计分数/因素评估模型/核心谱/风险/收益机会方法(SAS/FEM/CS/R/ROA(T2)参见第80页；排序总结/多品牌基金管理者/直接股份机会/选择过程分析(RS/MB/FM/DSO/SPA)(T3)参见第104页，微观/宏观/知识差距反馈。
方法/核心选择/回溯测试/跟踪误差(M/M/KGFM/CS/BT/TE(T2)参见第84页。
部分A:-属性定价模型选择过程分析系统和资本资产定价模型(APMSPAS&CAPM's)
绝对集中风险调节收益相对基准(ACRARRB)
系统12提供了一组具有灵活技术的系统化建筑块以及资本资产定价模型(CAPM)，所述模型引入了大量的微观和宏观基准识别用于将分析转化为预测。系统12从多种市场多组分例如贝塔中分离出了多种管理业绩组分例如阿尔法，其倾向于以得到优化位置来结束。目标是寻找阿尔法驱动解决方案从而给出层2的CAPM机会来执行多结构化选择过程，所述过程由在通用比较信息飞 分析中具有替代性回溯验证机制的统计验证系统表示用于技巧驱动的传统管理基金，所述基金由每个资产类别中的最佳种系的最高/最强累积分数组成。作为表示具有高级算术/几何算法软件的集中流线型分析的此核心谱选择技术的结果，极大地通过定量和定性资本资产定价因素集中模型APMSPAS/CAPM(层1、层2和层3)改进了风险和收益评估，从而为优胜业绩和低波动性创造了良好的内在价值机会。
系统12由取代了证券的地位的成功的投资的目标驱动，其呈现出观察到的价格与基本价值之间的差异性。举例来说，学术分析将这些基金管理者/直接股份机会之间的差异性称作“市场异象”。系统12询问它们是否是真实的还是由于缺少对驱动价格的力量的理解造成的幻想，方法是对估计的纯粹性进行评估，其本质上由以下内容构成：
1.历史评估
2.远期评估；以及
3.属性对称性
这组成了有助于投资资产组合的主动管理的卓越的风险和收益调节系统。也就是说，是这样一种资产组合，其中针对相对基准对绝对风险调节收益策略进行衡量以用有效的阿尔法/贝塔资产组合选择来结束。因此，系统12可以检测任何增加的市场接触或者主动管理决策将基于每风险单元的超额收益或信息比/贝塔最有可能在何处发生。
鉴于上述考虑，这是达到适当的完整核心谱风险和收益投资分析的纯粹性的唯一方式，所述分析能够减少可以构建合适资产组合选择的通用比较信息，从而开始构建最终将驱动软件的硬件。也就是说，核心谱因素指标可以由以下内容组成：
1.分布因素指标的核心谱对称性(硬件)；以及
2.资本资产定价模型因素指标(软件)。
因此，在层1中执行的过程获得了适当的完整核心谱风险和收益投资分析的纯粹性，所述分析能够减少可以构建合适资产组合选择的通用比较信息。
另外，层1专门容纳了关键的算术、几何、算法、硬件和软件系统输入，其在整个范围内对链接层2和层3的驱动器的有效的驱动组件进行了显示。
层2和层3生成了用于提供可能的技术支持的多种因素集中模型。每单位 风险的超额收益越高，增值的一致性就越强。核心谱资本资产定价模型因素指标(即，APMSPAS/CAPMs(T1-初级)(T2-次级)(T3-三级))作为总分配或市场多分数，具有强调观察到的价格与基本价值之间的财务平衡差异性的能力，方法是通过在提到的资本资产定价模型之后加速、初始化或者预测它们的公平估价。
此独特的智能型多合一系统化建筑块灵活技术的目标在于寻找阿尔法驱动解决方案，因此通过十七(17)个资本资产定价模型给出了执行流线型分析的机会，其中高级的算术/几何算法软件是倾向于给出优化选择位置的多种市场多重组件。
层1：初级标准化统计学验证系统(算术算法硬件/软件系统)
属性定价模型选择过程分析系统/初级资本资产定价模型(APMSPAS/PCAPM)(T1)
参考图27和图28，最佳风险收益机会可能性由有效边界选择来表示，方法是多样化为与现有资产类别选定基准具有低相关性的新的资产类别或者部门。因此，这是获得适当的完整核心谱风险和收益投资分析的纯粹性的唯一方式，所述分析能够减少可以构建合适资产组合选择的通用比较信息，从而开始建立将最终驱动用于本发明组件的软件的硬件。因此，APMSPAS/PCAPM(T1)作为集体代理获得了适当的完整核心谱风险和收益投资分析的纯粹性，所述分析能够减少可以构建合适资产组合选择的通用比较信息。另外，APMSPAS/PCAPM(T1)专门容纳了关键的算术/几何/算法/硬件/软件系统输入，其在全部通用比较信息内对链接层2和层3的驱动器的有效的驱动组件进行了显示，生成了用于提供可能的技术支持的它们的各种因素集中模型框架。然而，关联于适当的完整核心谱风险和收益投资分析的纯粹性所有重要的提供者，所述分析能够减少可以构建针对资产组合选择而解决的问题的合适的多解决方案的通用比较信息
所有的一起，APMSPAS/PCAPM(T1)系统表示了用于总属性技术的微观/宏观行为结构软件模型选择过程，其中这些组件在满足财务规划师的多种需要和需求方面是极其重要的，从而使得层3方法与最高技术相关。因此，系统12可以用于基于针对风险平衡的回报做出合理的经济金融决策。也就是说，有效市场假说(供应和需求)而不是进行行为金融(情绪决策)，因此能够检测任 何增加的市场接触或者主动管理决策将基于每风险单元的超额收益或信息比/贝塔最有可能在何处发生。每风险单元的超额收益越高，附加值的持续性就将越大，从而以不需要再次猜测的有效阿尔法/贝塔资产组合来结束。
因此，作为起始，APMSPAS/PCAPM(T1)作为初级/标准化统计学验证系统指令用于管理风险和收益，方法是将投资激活与个人投资资产组合相关质量进行匹配，这涉及关联的“属性对称性”因素，所述因素最终导致报告的核心完整谱，要求APMSPAS/PCAPM(T1)代表以下定价模型中的每一个来运作：
1.系统化建筑块灵活性技术(SBBFT(T1))；
2.历史性评估均值方差(定量)/远期评估基础研究(定性)/属性对称性格式分析(HEMV(Q)/FEFR(Q)/ASFA(T1))；以及
3.历史性评估/远期评估/属性对称性(HE/FE/AS(T1))
最佳风险/回报机会可能由标准化统计学验证系统来表示的，所述系统实质上是通过APMSPAS/PCAPM(T1)获得的。因此，获得能够减少用于谱系选择的通用性的适当的完整核心谱风险和收益投资分析的纯粹性的唯一方法是开始构建硬件(即，SBBFT(T1))，借此系统化建筑块市场风险和收益暴露敏感度由分布的对称性反应。因此，对属性对称性负责的自动导航的此独特的算术算法软件系统，即，HEMV(Q)/FEFR(Q)/AS(FA)(T1)可以按非常低的总风险相关性来传送阿尔法收益，这是无法改变的，将最终驱动用于本发明组件的软件表示此逻辑的核心，作为本发明的集体代理获得纯粹性市场多选择过程，从而通过回顾基金管理/直接股权机会(FM/DSO)了解如何选择谱系投资。另外，能够通过灵活性技术通过信息套利来减少通用性的HE/FE/AS(T1)分析可以构建适当的资产组合选择，方法是通过边界进行多样化获得与现有资产类别选定基准具有低相关性的新的资产类别或者部门。
1.系统化建筑块灵活性技术(SBBFT(T1))
在SBBFT(T1)中的系统化建筑块的重要性，例如，图32和图33所示的那些，将资产分类为资产类别和子部分。使用这些，SBBFT(T1)提供了用于提取阿尔法的技术。随后SBBFT(T1)提供了良好的实践方法用于获取分配因素指标的核心谱对称性，这意味着绝对集中的风险调节收益相关基准。举例来说，这由以下数据点涵盖：
a.所有风险；
b.所有业绩(混合、增长、价值)；
c.所有均值方差；
d.所有基础；
e.所有资产类别；
f.所有部分；
g.所有历史评估；
h.所有远期评估；
i.所有定量；
j.所有定性；
k.所有微观；
l.所有宏观；
m.所有经济学家共识；
n.所有旋转资产类别；
o.所有可追溯资产分配；
p.所有排序增长降低风险和收益；
q.所有投资者风格类型；
r.所有时间系列；
s.所有场景支出；以及
t.所有有效边界。
因此，这使得SBBFT(T1)建筑块更有可能减少用于主动风险管理技巧的通用比较信息，所述技巧可以构建完整的核心谱风险/收益纯粹性用于资产组合选择。因此，SBBFT(T1)微标准化多滤波器硬件系统管理核心谱风险/收益用于提供了暗示性资本保护命令的资产组合选择以及系统化资产组合结构化优化，用于作为服从管理计划的客户/成员资产组合优化。
通过用SBBFT(T1)进行设计，不论市场上发生了什么，财务规划师的目标在于提供持续的收益，方法是针对主要市场来权衡波动性。使用基础建筑块来选择谱系投资解决方案的能力增大了财务规划师的灵活性并且增大了精确地根据投资者的需要对资产组合进行定制的可能性。
SBBFT(T1)具有统计数据的形式以及专业人士使用的其他指示物的形式，以对市场进行估计，例如，商业观点、投资和雇佣水平以及与知道何时购买、 销售或者持有的问题相关联的主要商品价格。
系统化建筑块灵活性技术作为定量/定性因素建模和传统方法中的一个，其部分或子部分机制根据较大或较小的市值对FM/DSO/M/S/RS/T/SPA(T3)进行布置，并且在市场帽状铺垫两端进入和离开范围，从而借助于灵活技巧获得新水平的风险标准。因此通过可以反应贝塔均值方差/基础的市场风险暴露的小心的灵活性设计技术，通过系统化建筑块，例如，SBBFT(T1)，继而使得所有的统计学软件对由HEMV(Q)/FEFR(Q)/AS(FA)(T1)提供的资产组合在的那些特定证券的敏感度进行测量。在投资的潜在增值更加重要的情况下，风险的错误定价的潜在损失也是非常大的。
因此作为将我们带入作为SBBFT(T1)建模设备的基础的最为重要的部分的验证的方法，具有说明真正的投资决策是关于哪些内容的范围，因为系统12提供了绝对集中的风险调节收益相对基准，其包含了由于其自身条件机制或平衡方法的此有效投资支出。因此，唯一应该获得回报的风险是市场风险。暴露于市场风险由贝塔反应，贝塔对收益统计学以及所有均值方差的敏感度/特定的证券以及市场的投资组合的基础进行测量。因此，SBBFT(T1)通过阿尔法指标形成了真正的卓越价值，这是相应地基于有效自身调节结构硬件/软件机制方法的内置技术，结合通过系统性建筑块处理的多种策略的利用的，从而以非常类似的方式为他们的客户/成员构建解决方案，从而连续地选择谱系投资，使得根据变化的时间和不可预测的市场的一致性在相对强度资产等级中的资产分配可以意味着关于资产组合风险管理以及资产组合架构的长期假设可能需要得到质疑并且需要由财务规划师的新的种系来拓展新的方法学。因此，系统12通过策略性定义表示因素指标结果的纯粹性预测，且因此系统12由多结构化建筑块组成，例如，图32和图33所示的那些，其目标在于基于依赖使选定的FM/DSO/M/S/RS/T/SPA(T3)扩增的传统方法构建投资资产组合，从而根据观察到的客户/成员的风险剖析在适当的资产类别中传播。
因此，由多结构化建筑块组成的SBBFT(T1)，目标在于基于依赖使选定的FM/DSO/M/S/RS/T/SPA(T3)扩增的传统方法构建投资资产组合，从而根据观察到的投资者的风险剖析在适当的资产类别中传播，从而跨越部分A和部分B。也就是说，APMSPAS/CAPMs(T1)(T2)(T3)和SPOPAS/FCAPM's(T4)。因此，其独特的强健硬件/软件定量/定性专注的使用构造技术，即，分配因素指 标的核心谱对称性，意味着绝对集中风险调节收益相对基准。
较少的财务规划师具有清晰的投资注意力和专业知识来战胜实际上存在于其用于因素标准化的结构硬件/软件中的优越性，即多种市场的多个组件的APMSPAS/CAPMs(T1)(T2)(T3)能够减少范围，无论哪种多微观/宏观使用流程或穿过结构边界的传输是在使市场变动最小化的想法下用于资产组合选择/风险管理情况的。
2.历史性评估均值方差(定量)/远期评估基础研究(定性)/属性对称性格式分析(HEMV(Q)/FEFR(Q)/AS(FA)(T1)
HEMV(Q)/FEFR(Q)/AS(FA)(T1)是一种选择过程，其表达了主动管理倾向以主要专门关注于阿尔法机会的识别。HEMV(Q)/FEFR(Q)/AS(FA)(T1)探索了获得集中因素的替代性方法，以通过适当的全核心谱风险和收益分析获得预报的纯粹性。然而，存在将着重点从传统的历史定义进行转移到需要，并且将风险作为综合均值方差、基础和优化来考虑。因此，通过用于管理基金和直接股份机会的HEMV(Q)/FEFR(Q)/AS(FA)(T1)属性对称性使用，其是独特的因此它创建了绝对集中风险调节收益相对基准的更大的画面。
基于强健效率比(ER)、最大四分位数(TQ)、经典资产组合优化，以及错误定价(MP)可用性因素指标，本发明是按照如下方式构建的：
1.用于基金管理效率比的不变的依赖性因素定价指标在图34a和图34b中示出；
2.用于直接股份机会效率比的不变的依赖性因素定价指标在图34c和图34d中示出；
3.用于基金管理者最大四分位数(TQ)的改变的依赖性因素定价指标在图35a和图35b中示出；
4.用于直接股份机会最大四分位数(TQ)的改变的依赖性因素定价指标在图35c和图35d中示出；
5.用于基金管理者经典资产组合优化的改变的依赖性因素定价指标在图36a和图36b中示出；以及
6.用于直接股份经典资产组合的改变的依赖性因素定价指标在图36c和图36d中示出；以及
5.用于直接股份机会错误定价(MP)的不变的依赖性因素定价指标在 图37a至图37d中示出。
系统12将上述因素指标施加到通用比较信息用于系统12中的每笔投资并且生成对应的排序分数。财务规划师可以使用排序分数来比较投资，从而排除发掘(深度探讨)通用比较数据的需要并且依赖于他的或她的判断来选择给定的投资资产组合的最佳投资。上述因素指标仅用于示例性目的。附图中所示的特定数字可以根据本发明的本质发生改变而不会脱离本发明。举例来说，数字可以根据经济气候的改变在国家与国家之间发生变化。
下文说明财务规划师如何使用系统12来实施HEMV(Q)/FEFR(Q)/AS(FA)(T1)的实例：
1.管理基金：
a.评分：
i.历史评估、效率比标准偏差在图38中示出；以及
ii.远期评估、效率比近期相对风险测量在图39中示出；
b.分类：
i.属性对称性、效率比历史总结在图40中示出；
ii.属性对称性、效率比远期总结在图41中示出；以及
iii.属性对称性、效率比综合总结在图42中示出；
c.评分和分类：
i.属性对称性、最大四分位数历史总结在图43中示出；
ii.属性对称性、最大四分位数远期总结在图44中示出；以及
iii.属性对称性、最大四分位数综合总结在图45中示出；以及
2.直接股份机会：
a.评分：
i.历史评估、效率比总收益在图46中示出；以及
ii.转发评估、效率比价格价值在图47中示出；
b.分类：
i.属性对称性、效率比综合总结在图48中示出；
ii.属性对称性、最大四分位数历史总结在图49中示出；
iii.属性对称性、最大四分位数远期总结在图50中示出；
iv.属性对称性、最大四分位数综合总结在图51中示出；以及
c.评分和分类：
i.转发评估、错误定价收入价值在图52中示出；
ii.转发评估、错误定价价格价值1在图53中示出；
iii.属性对称性、错误定价分数在图54中示出；以及
iv.属性对称性、错误定价分数在图55中示出。
通过HEMV(Q)/FEFR(Q)/AS(FA)(T1)，财务规划师能够探索接近多种完整核心谱方法的集中的三个主要的替代性方法，例如，不仅考虑均值和方差，而且还考虑将要获得优化产出的远期基础(资产/负债)，从而使其成为投资者准备支付的溢价的合理的代理。
HEMV(Q)/FEFR(Q)/AS(FA)(T1)使用最佳实践方法中的一些用于获得最佳种系，财务规划决策制定者会采用所述种系用于提高他们的技巧。HEMV(Q)/FEFR(Q)/AS(FA)(T1)现在可以探索属性对称性指标的关键变量(即，效率比排序总结)如何与最大四分位数执行利率排序总结一起结合它们各自的历史总结和远期总结，查看管理基金和直接股份机会作为他们管理金钱的方法。类似地，作为上述这些微观/宏观关键变量的结果，对于系统12制造的多任务仪器具有强烈的需求，所述系统有能力管理新的微观/宏观全球投资市场，而同时可以继续选择和管理这些市场。然而，HEMV(Q)/FEFR(Q)/AS(FA)(T1)由取代了证券的地位的成功的投资的目标驱动，其呈现出观察到的价格与基本价值之间的差异性。举例来说，将这些差异性称作“基金管理人与直接股份机会市场异常”，并且询问它们是否是真实的还是幻象，所述幻象是由于缺少对驱动价格与其价值的纯粹性的比较的力的理解造成的。因此，系统12有助于基于针对风险平衡的收益作出合理的经济财务决策。也就是说，有效市场假说(EMH)(供应和需求)而不是进行行为金融(BF)(情绪决策)。因此，这是由系统12提供的潜在的投资策略合理性，它不仅代表了“成功投资的目标以及以有效边界为目标的广泛投资风险管理最优性系统”。因此，相应地，为了构建硬件方法，所述方法由分配因素指数的核心谱对称性组成，例如，这由以下数据点涵盖：
a.所有风险；
b.所有业绩(混合、增长、价值)；
c.所有均值方差；
d.所有基础；
e.所有资产类别；
f.所有部分；
g.所有历史评估；
h.所有远期评估；
i.所有定量；
j.所有定性；
k.所有微观；
l.所有宏观；
m.所有经济学家共识；
n.所有旋转资产类别；
o.所有可追溯资产分配；
p.所有排序增长降低风险和收益；
q.所有投资者风格类型；
r.所有时间系列；
r.所有场景支出；以及
s.所有有效边界。
作为系统化建筑块，即，SBBFT(T1)。
因此，在核心谱的软件支持之后，因素指标(即，HEMV(Q)/FFER(Q)/AS(FA)(T1))，其事实上由历史评估/远期评估/属性对称性等过程形成，使其成为针对相对基准测量的用于绝对风险调节收益策略的卓越的风险和收益调节系统，以由有效的阿尔法和贝塔资产组合选择来结束，因此能够检测到任何增大的对市场或主动管理决策的暴露，所述决策将基于每风险单元的额外收益位于何处或者信息比/贝塔最有可能发生在何处。每风险单元的额外收益越高，附加值的持续性就会越高，且因此在意识到一些FM/DSO与另外一些相比是更加市场相关的，这是由于高级的设备，例如，核心谱资本资产定价模型因素指标，即，APMSPAS/CAPM的(T1-初级)(T2-次级)(T3-三级)作为具有能力强调观察到的价格与基础价值之间的财务平衡差异的总属性或者市场倍数分数，方法是通过加速、初始化或者预测这些先前提到的资本资产定价模型的公平估价，可以不对全能性(所有的强大的、全能的不可征服的)进行控制，但是可以至少 分担将全部的金钱投入到可能出错的临时信息套利系统中的痛苦。因此，你将你的投资越多的放在“自动导航”上，那么你将破坏它们的风险就越小。因为计算机驱动的模型在分析、分类/评分和评估方面是远远优于人脑的，这是因为其在瞬间内聚集真正的成千上万的计算的无限的能力。
3.历史性评估/远期评估/属性对称性(HE/FE/AS)(T1)
HE/FE/AS(T1)提供了基于分配建筑块硬件的强健的对称性的微观/宏观平台信息套利设施，即，SBBFT(T1)和软件HEMV(Q)/FFER(Q)/AS(FA)(T1)，其创建了通过系统化核心谱反应的绝对风险调节收益相对基准的较大的图像，所述核心谱选择最高的累积评分并且对驱动有效边界资产组合架构的技术进行分类和格式化。
为了有助于HE/FE/AS(T1)，系统12提供了典型硬件建筑块标准化灵活技术的对称性范围，如图56所示。另外，系统12提供了典型软件建筑块标准化灵活技术的对称性范围，可以探索属性对称性指标的关键变量(即，效率比排序总结)如何与最大四分位数执行利率排序总结一起结合它们各自的历史/远期/风险/收益总结，查看管理基金和直接股份机会作为他们管理金钱的方法，如图57所示。
由HE/FE/AS(T1)协助的信息套利提供了更大的回溯测试基准，所述基准克服了原始评分和分类估价框架并且提供了能够减少通用比较信息的适当的完整核心谱的纯粹性。HE/FE/AS(T1)具有关注于有效地分离非常相关的结果的一对一类型案例研究的能力，因为它提供了暗示的购买/销售/持有选择，暗示了合规保护并且暗示了资本保护。
作为微观和宏观行为结构化硬件模型HE/FE/AS(T1)具有如何执行这种分析的特征，并且出于此原因其创建了这种基于完整核心谱组件实践结果格式的分配的对称性的有趣的基准。其独特性成为了非常重要的贡献，因为关于投资的你所希望知道的一切都可以按照均值方差和基础评估的形式来关于它揭晓，这是由于信息套利分析格式技术的本质，且因此需要基于单独截屏的半自动控制设施。因此，在本质上与HE/FE/AS(T1)类似，作为集体代理使得每个定价模型由一组策略性标准化技术/实际因素/历史/远期倍数组成作为“总的多个属性”，因此，表示了层1-标准化统计验证系统，从而与SBBFT(T1)和HEMV(Q)/FEFR(Q)/AS(FA)(T1)一样在相同的旗帜下。因此，经由控制机构使 得信息套利成为半自动操作的HE/FE/AS(T1)使其成为具有HEMV(Q)/FEFR(Q)/AS(FA)(T1)的多任务能力的智能型多合一过程，以继续选择谱系投资解决方案。按照非常类似的方式，HE/FE/AS(T1)使用优选于自动导航类型系统的额外的控制机构，所述机构连接到作为信息套利的建筑块结构，用于资产组合选择和风险管理情况，其想法是使FM/DSO/M/S/RS/T/SPA(T3)的市场变化最小化，方法是根据针对风险资本资产定价平衡模型的APMSPAS/CAPMs(T1)(T2)(T3)回报来规避风险。
这使得HE/FE/AS(T1)成为通过场景回溯测试的原理来工作的卓越的信息套利风险调节系统，你可以让它做你所期望的任何事情，但是不能操控任何市场优胜业绩。然而，当FM/DSO发生波动时，通过HE/FE/AS(T1)信息套利可以提供持续的收益，而无论你周围发生了什么，即使通过针对主要市场权衡波动性来管理更好的收益。使用具有基础建筑块的信息套利来选择谱系投资解决方案的能力增大了财务规划师的灵活性并且增大了精确地根据投资者的需要对资产组合进行定制的可能性。因此，HE/FE/AS(T1)的目标在于基于信息套利方法来构建投资资产组合，根据观察到的投资者的风险剖析在使分布在适当的资产类别中的选定的FM/DSO/M/S/RS/T/SPA(T3)在增值方面依赖于传统方法。因此，由APMSPAS/CAPMs(T1)(T2)(T3)构建的验证结构技术取代了顾问/指导的角色，其目的在于使财务规划师的投资策略不仅在不同的时间中而且在所有的时间中都保持在正确的轨迹中。如果财务规划师不按照此惯例的话那么他们会以主要的暗示作为结局，例如，可能以具有高风险资产类别和可能无法在未来传送的财务产品作为结局。
HE/FE/AS(T1)除了通过传统的均值/基础优化方法创建谱系之外之外，同时它还查看将着重点从传统的自动导航历史定义中仅仅查看最大累积分数转移到针对每个个体产品风险/收益观点的每个个体均值方差，且不会考虑总体历史评估和基础评估。因此，针对风险的回报是均值方差与基础之间的匹配特征通过HE/FE/AS(T1)信息套利机制例如“分配方法的历史/远期/对称性”而等同。换言之，这将更加容易从经济学上解释APMSPAS/CAPM(T1)(T2)(T3)如何根据收入、增长和风险由持续朝向平衡移动的市场价格驱动。因此，绝对集中风险调节收益相对基准(ACRARRB)(本发明的里程碑式的颂歌)，因为它不仅表示了“成功投资的目标还表示了以有效边界为目标的其广义的投资风 险/收益管理优化系统目标”作为本发明的内在主题。换言之，对于谱系产品属性，投资方面唯一免费的午餐来自被称作统计验证系统技术的APMSPAS/CAPMs(T1)(T2)(T3)，其继而建立了表示有效边界的最佳风险/回报机会可能性。例如，不使用HE/FE/AS(T1)作为一种参考驱动建模是不可避免的，方法是通过多样化为与现有资产类别具有低相关性的新的资产类别或部分，所述现有资产类别通常是股权的传统的资产类别、固定利息、财产和现金，可以对有效边界进行改进以获得较好的风险回报机会，然而，HE/FE/AS(T1)资本保护类型在来自客户的/成员的投资的潜在附加值方面是更为重要的，但是在无法减少大量的通用信息方面的现在的损失仅与人脑的短期能力一样好，因此从错误定价的观点来看，这呈现出更大的潜在风险。
层2：-次级/纵向统计验证系统
(算术/几何算法硬件/软件系统)
APMSPAS/次级资本资产定价模型(APMSPAS/SCAPM's)(T2)
参考图27和图29，APMSPAS/SCAPM's(T2)创建了一种机会用高级算术/几何算法软件来执行流线型分析的机会，其提供了在整个范围内得到有效的驱动的完整的纵向统计验证系统，从而通过寻求阿尔法机会的条件和约束因素集中模型改进了风险和收益评估。提取阿尔法机构的HEMV(Q)/FEFR(Q)/AS(FA)(T1)是有力的预测潜在附加值，其通过历史与均值方差(定量)/基础/远期(定性)/属性优化资本资产定价因素建模之间的特征匹配创建了投资者愿意为其优越性进行支付的溢价的合理的代理。通过查看总属性对称性，尤其是创建较大的图像需要查看较多的优胜于平均基准的投资，因此越集中的指数/基准作为多样化的核心，那么其更多的对AE/FEM/CS/CA(T2)阿尔法进行多样化，无论时间的变化以及不可预测的市场这都是仍然成立的。因此，M/M/KGFM/CS/BT/TE(T2)反应了微观/宏观/知识差距反馈方法分析问题，这需要将估计风险/收益反映到预测中的新的查看装备，例如必须与强健的最大累积分数一致且知识差距回溯测试追踪误差由以下内容证明：
a.用于提取阿尔法的系统化建筑块灵活性使用技术；
b.属性对称性是用于最终阿尔法提取的核心谱评估模型；
c.所有的研究和转发查看陈述归因于绝对风险调节收益相对基准；
d.适当的定量/定性因素平分/分类方法创建了高级的选择技巧；
e.定价因素模型技巧倾向于制定集中优化位置；
f.通过系统化评分/分类反应的属性对称性；
g.最大累积分数被视作投资者愿意支付的溢价的合理的代理；
h.属性对称性可以以非常低的总体风险相关性传送收益；
i.属性对称性继续选择谱系投资；
j.用于提取阿尔法的系统化建筑块灵活性技术；
k.属性对称性提供暗示的资本保护；
l.属性对称性过程与最大累积分数一致；以及
m.特定属性对称性提供了高度确信的基金的机会。
如图29特定的示出的，层2被分为以下部分：
i.阿尔法提取/因素评估模型/核心谱/集中方法(AE/FEM/CS/CA(T2))：
a.定价/因素评估模型/核心谱/定量/定性/集中方法(P/FEM/CS/Q/Q/CA(T2))；
b.评分/分类/因素评估模型/核心谱/分配方法的对称性(S/S/FEM/CS/SODA(T2))；
c.最大总计分数/因素评估模型/核心谱/风险/收益机会方法(SAS/FEM/CS/R/ROA(T2))；以及
d.微观/宏观/高度确信的方法/因素评估模型/核心谱/机会更大收益(M/M/HCA/FEM/CS/OHR(T2))；以及
ii.微观/宏观/知识差距反馈方法/核心选择/回溯测试/跟踪误差(M/M/KGFM/CS/BT/TE(T2))：
a.微观自上而下/图形反馈方法/核心选择/回溯测试/跟踪误差(微观BU/图形FM/CS/BT/TE(T2))；
b.宏观/自上而下/图形反馈方法/核心选择/回溯测试/跟踪误差(宏观TD/图形FM/CS/BT/TE(T2))；以及
c.微观/宏观/具体文本/知识差距反馈方法/核心选择/回溯测试/跟踪误差(M/M/S文本/FM/CS/BT/TE(T2))。
部分i阿尔法提取/因素评估模型/核心谱/集中方法(AE/FEM/CS/CA(T2))
AE/FEM/CS/CA(T2)是与绝对风险和收益一起使用的完整核心谱模型，其提供了未来的继续的可持续性的指导。驱动阿尔法的分数是更加集中的。内在价值选择技术为优胜业绩创造了良好的机会。系统化仪器中AE/FEM/CS/CA(T2)优越性将连续地提取阿尔法作为其技巧传统的主要目标，当其进行范围内的分析时提供了更高的标准，因为AE/FEM/CS/CA(T2)将阿尔法理解为解决知道何时进行购买、销售和持有问题的无数的统计/数据/图像/其他指示物。AE/FEM/CS/CA(T2)知道使系统化建筑块继续驱动阿尔法所需要的，但是并不是在没有包含哪种估价方法如何适当的评估提取阿尔法的方式的一些挑战的情况下。因此，作为此知识差距反馈问题的一部分能够读取微观和宏观对称性，例如，绝对风险调节收益相对基准选择谱过程是AE/FEM/CS/CA(T2)的主要实施例的发现方法驱动器。
因此，为了解决知识差距分析问题需要新的查看装备用于将评估的风险和收益反映为预测。因此，通过有效地在通用比较信息中得到驱动的完整纵向统计验证系统来查看总属性对称性的AE/FEM/CS/CA(T2)提取阿尔法机制通过改进风险和收益评估寻找阿尔法机会，其通过执行具有高级算术和几何算法软件的集中流线型分析的条件和约束因素集中模型，尤其用于创建更大的图像，使其成为创建投资者愿意为其优越性进行支付的溢价的合理的代理的有力的预测。换言之，AE/FEM/CS/CA(T2)查看持续地优胜于平均基准的投资随后越集中的指数/基准作为多样化的核心，那么其更加能够驱动阿尔法。因此，HEMV(Q)/FEFR(Q)/AS(FA)(T1)(即，历史/远期/定量/定性/属性微观/宏观资本资产定价因素模型)是知识差距反馈方法源，其通过对均值方差与基础之间的特征进行匹配而潜在地添加价值，且仍然会形成最佳性而不论时间的改变以及不可预测的市场。因此，HEMV(Q)/FEFR(Q)/AS(FA)(T1)的成功目标是通过取得阿尔法期望策略性地管理投资机会用于根据客户的风险承受水平匹配风险/收益产出。
下文说明财务规划师使用系统12来实施AE/FEM/CS/CA(T2)的方法的实例：
1.管理基金：
a.评分和分类-效率比和最大四分位数
i.属性对称性、排序总结在图58中示出；以及
2.直接股份机会
a.评分和分类-效率比、最大四分位数和错误定价
i.属性对称性、排序总结在图59中示出。
1.定价/因素评估模型/核心谱/定量/定性/集中方法(P/FEM/CS/Q/Q/CA)(T2))
P/FEM/CS/Q/Q/CA(T2)是用于获取财务规划师可以采用的用于提高他的或她的技巧的最佳谱系的最好的实践方法，因为因素定价机构通过将原始的远期评估变为纯粹的预测而增大了选择多样化。P/FEM/CS/Q/Q/CA(T2)是提供了可用性协作的高标准的系统化因素定价模型，所述协作具有处理附加值的能力，以允许生成阿尔法的优化，从而确保溢价的合理的代理，因为本质上有效市场假说是属性对称性的产物，其中因素基准表示多样化的质量集中。因此，P/FEM/CS/Q/Q/CA(T2)通过定量和定性因素集中模型改进了风险和收益评估，通过将最高质量定价指标作为持续地提供高标准的处理系统的主要目标，其依照嘱托回溯测试和追踪误差对于用于定价的最小和最大因素集中建模方法来说是较好的。因此，P/FEM/CS/Q/Q/CA(T2)适当的部署了不变的任务可调节/依赖性(即，效率比、错误定价)和改变的任务不可调节/独立性(即，最大四分位数)因素定价指标系统目的用于以基于在完整的数据库中传播的有条件约束的评分方法为目标，然而任务依赖性因素定价估价系统的案例研究是专门开发用于快速地对有效阿尔法/贝塔市场进行估价的。
由P/FEM/CS/Q/Q/CA(T2)利用的核心谱资本资产定价模型因素指标的实例在图32至图36d中示出。
2.评分/分类/因素评估模型/核心谱/分配方法的对称性(S/S/FEM/CS/SODA(T2))
S/S/FEM/CS/SODA(T2)因素指标是在生成阿尔法中将绝对评分和分类视作高优先级标准的任务系统。它是关于针对定量(历史)和定性(远期)混合方法的机会的研究，因此通过倾向于给出优化位置的因素集中模型而改进了风险/收益评估。因此，通过S/S/FEM/CS/SODA(T2)系统因素评分/分类模型，所述模型含有适当的，即，最佳实践定量/定性的，最佳实践属性对称性并且结合反應了“充分/有效选择效率边界“的属性的对称性的最佳实践，创建了高级选择过程，其作为有价值的知识差距反馈确定了将要增殖哪种产品。因此，S/S/FEM/CS/SODA(T2)评分/分类系统的此类技巧作为标准化方法，巩固了分析创新技术中的技巧驱动的优越性，从而能够减少用于多种技巧驱动的有效阿尔法/贝塔谱系选择的范围。
另外，作为实际S/S/FEM/CS/SODA(T2)策略模型资产组合选择实施的额外的支持是明智的理解信息套利匹配设施的特征(即，HE/FE/AS(T1))创建的知识差距反馈方法学。
S/S/FEM/CS/SODA(T2)不仅创建了传统的均值方差和优化方法，还考虑到了资产/债务/基础问题，因为它围绕了适当的分配的对称性以及历史/基础/资产/债务倾向以给出高级的优化位置。有效比(即，ERSPA(T3))因素模型倾向于是阿尔法兼最大四分位数(即，TQSRSPA(T3))的最大提取级，其提取了阿尔法的合理的质量级。多排序系统包括：
i.层2-纵向统计验证系统；以及
ii.层3-横向统计验证系统满足用于提取阿尔法的知识差距方法。
因素集中模型仍然需要提供微观/宏观回溯测试/追踪误差的合法清查的其他矢量类型，使其成为真正有效的阿尔法/贝塔资产组合选择。
下文说明财务规划师使用系统12来实施S/S/FEM/CS/SODA(T2)的方法的实例：
1.管理基金：
a.评分：
i.历史评估、效率比峰态在图60中示出；以及
ii.远期评估、效率比近期风险测量在图61中示出；
b.分类：
i.历史评估、效率比相对风险测量总结在图62中示出；
ii.远期评估、效率比购买/销售/总结在图63中示出；以及
iii.属性对称性、效率比综合总结在图64中示出；
iv属性对称性、最大四分位数历史总结在图65中示出；
v.属性对称性、最大四分位数综合总结在图66中示出；
vi.属性对称性、排序总结在图67中示出；以及
2.直接股份机会：
a.评分：
i.历史评估、效率比下行波动在图68中示出；以及
ii.转发评估、效率比价格价值在图69中示出；以及
iii.转发评估、效率比价格价值2在图70中示出；
b.分类：
i.历史评估、效率比风险测量总结在图71中示出；
ii.远期评估、效率比远期评估总结在图72中示出；
iii.属性对称性、效率比综合总结在图73中示出；
iv.属性对称性、最大四分位数综合总结在图74中示出；
v.属性对称性、错误定价综合总结在图75中示出；以及
vi.属性对称性、排序总结在图76中示出。
3.最强总计分数/因素评估模型El/核心谱/风险/收益机会方法(SAS/FEM/CS/R/ROA(T2))
SAS/FEM/CS/R/ROA(T2)作为最强总计分数的目标在于寻找阿尔法驱动解决方案用于巩固此平衡投资方法的技术的开发所必需的大量的数据处理供应，因此根据APMSPAS/SCAPMs(T2)，唯一的风险应该是市场风险的回报。暴露于市场风险中由贝塔均值方差/基础反應，其测量HEMV(Q)/FEFR(Q)/AS(FA)(T1)的敏感度，以提供统计收益和所有涉及资产组合的特定证券。在投资的潜在增值更加重要的情况下，风险的错误定价的潜在损失也是非常大的。因此，通过APMSPAS/SCAPM(T2)技术用于保护资本，方法是选择可以控制下行风险的FM/DSO管理者，包括与标准偏差、贝塔、阿尔法、追踪误差、分类比、特雷诺比、上行风险、下行风险、偏斜度和峰态相同。因此，这使得SAS/FEM/CS/R/ROA(T2)成为高级阿尔法驱动决策制定解决方案机制，所述机制是DG/FP/AC/MT/FM/SB愿意为投资风险进行支付的溢价的合理的代理，且其在分析范围内的优越性用于技巧驱动的传统的DG/FP/AC/MT/FM/SB，其中创新的技术能够减少多种FM/DSO/M/S/RS/T/SPA(T3)以及组件以组成它们需要的这些调节。因此，SAS/FEM/CS/R/ROA(T2)倾向于给出优化位置，方法是首先确定将要增殖哪种产品且随后根据策略资产组合资产分配结构对它们进行增殖。马可维兹的方法的问题在于策略性资产分配是基于历史市场共同效率相关性暴露的，而SAS/FEM/CS/R/ROA(T2)最强总计分数现在已经探索了属性对称性指标的这些关键变量，即，效率比排序总结以及最大四分位数执行利率排序 总结结合它们各自的历史/远期总结，按照管理金钱的方式查看FM/DSO。
最强的总计分数，即，SAS/FEM/CS/R/ROA(T2)倾向于给出优化位置，从而根据最佳实践方法中的一个用于获取决策制定者/个人可以采用的最佳种系以增强他们的技巧。SAS/FEM/CS/R/ROA(T2)是关于提取最高使用性标准实践下的核心谱阿尔法的，即，ERSPA(T3)，TQSRSPA(T3)，其目标在于在分析用于技巧驱动的传统中的范围的优越性选择。因此，固有价值选择技巧能够创建较好的机会用于优胜业绩.低波动性并且因为此因素，将最强总计分数视作投资者愿意支付的溢价的合理的代理。然而，对于SAS/FEM/CS/R/ROA(T2)来实现其最佳结果，需要广泛的微观/宏观核心选择过程以及知识差距系统，通过具有策略/图表/文本回溯测试能力的市场/部门/相对强度/趋势(即，M/M/KFGM/CS/BT/TE(T2))来按照部门针对估价有效阿尔法进行研究。然而，是针对核心谱的微观/宏观标准化回溯测试技术组成了用于溢价的合理的代理。
下文说明财务规划师使用系统12来实施SAS/FEM/CS/R/ROA(T2)的方法的实例：
1.管理基金：
a.评分和分类：
i.属性对称性、效率比综合总结在图77中示出；以及
ii.属性对称性、最大四分位数综合总结在图78中示出；以及
iii.属性对称性、排序总结在图79中示出；以及
2.直接股份机会：
a.评分和分类：
i.属性对称性、效率比综合总结在图80中示出；以及
ii.属性对称性、最大四分位数综合总结在图81中示出；
v.属性对称性、错误定价分数在图82中示出；以及
vi.属性对称性、排序总结在图83中示出。
4.微观/宏观/高度确信的方法/因素评估模型/核心谱/机会更大收益(M/M/HCA/FEM/CS/OHR(T2))
M/M/HCA/FEM/CS/OHR(T2)高度确信方法意味着与资产组合中的多样化持有的大量收益相比的较高收益的机会。M/M/HCA/FEM/CS/OHR(T2)将这个视作 将两个或两个以上的期望的SAS/FEM/CS/R/ROA(T2)(最强总计分数)阿尔法结合起来，即，ERSPA(T3)(效率比)、TQSRSPA(T3)(最大四分位数)以及MPSDSOPA(T3)(错误定价)，其具有减少被视作投资者愿意支付的溢价的合理的代理的影响的负收益的效果。然而时代变化和不可预测的市场意味着长期假设的挑战和新方法，这可以变得非常复杂且没有可以提供良好的机会以及提供资本的保护的所需的工具。因此，针对微观/宏观市场/部门/相对强度/趋势的持续的统计/图像监控的必要性，例如，分配结构化建筑块的适当的对称性，即，SBBFT(T1)过程理解改进了完整谱估价的无数的分别计价的资产/统计的信息、定量(历史)定性(远期)评分混合方法，微观/宏观核心选择过程通过/市场/部门/相对强度/趋势，即，M/S/RS/T/DSO/SPA(T3)需要微观/宏观知识差距反馈方法需要回溯测试，即，M/M/KFGM/CS/BT/TE(T2)提供了彼此的必要的微观/宏观一致性。因此，实现内在价值选择技术的需要确保了优势业绩/低波动性的良好的机会的创建。然而，普通的方法是利用核心且用低风险/高业绩专业多策略结构优化来围绕它，使其更容易保护资本，因此核心谱过程能够理解为何一些FM/DSO是较少的市场相关的且不会测量到最佳实践。
下文说明财务规划师使用系统12以实施M/M/HCA/FEM/CS/OHR(T2)的方法的实例：
1.管理基金：
a.评分和分类：
i.属性对称性、排序总结在图84中示出；
ii.总收益、15对比/比较良好业绩在图85中示出；
iii.总收益、15比较/资本资产定价平衡在图86中示出；
iv.十大混合授权-增长在图87中示出；以及
v.十大混合授权-风险2在图88中示出；以及
2.直接股份机会
a.评分和分类
i.效率比/最大四分位数/错误定价在图89中示出；
ii.总收益-15对比EPS产出率％在图90中示出；
iii.总收益-15对比/股息产出率％在图91中示出；
iv.优化器-购买/销售/收入价值在图92中示出；
v.优化器-购买/销售/增长价值1在图93中示出；以及
vi.优化器-购买/销售/价格价值在图94中示出。
部分ii.微观/宏观/知识沟反馈方法/核心选择/回溯测试/跟踪误差(M/M/KGFM/CS/BT/TE(T2))
与定量风险不同，收益M/M/KGFM/CS/BT/TE(T2)是累计微观和宏观图形趋势，其关键变量表示强调经济范式住房的金融均衡的利率、通货膨胀和通货紧缩，流动性和企业利润泡沫得出以下结论：分析研究预期Alpha收益分数(例如，AE/FEM/CS/CA(T2))由优越的投资重点以及回溯测试反馈的专业知识技能构成，从而能够在长期收益中通过将定量分析转化成金融预测来减少此种整体参与。然而，定量风险分析不易于标准化且量化成直接数字输出。例如，如何将公司管理不佳的资产组合选择转化成收益评估的可变性。DG/FP/AC/MT/FM/SB如何有条理地使用具有重要价值，但难以度量的信息。在某种意义上，与引起FM/DSO估计的M/M/KGFM/CS/BT/TE(T2)定量分析一样，没有摆脱个人分析判断并且必须接受所述个人分析判断。然而，可以大致地对每个风险因素评分，投资人尝试以大致正确而不是精确错误的目的进行评估。因此，M/M/KGFM/CS/BT/TE(T2)能够反应每个个人风险或因素暴露，所述个人风险或因素暴露使天然风险/收益得分能够为每个FM/DSO进行编译，随后允许在一致的基础上对整体进行一定程度的比较。使用此种粗略得分仍会在一个证券(具有低透明度、公司管理不佳、低质量收益、高财务杠杆以及弱管理)与第二证券(具有高透明度、良好的公司管理、高质量收益、低财务杠杆以及强管理)之间提供广泛的风险估计方差。换句话说，M/M/KGFM/CS/BT/TE(T2)反应累计微观/宏观关键变量(即，核心光谱属性对称，这表示在相同基础本金上工作的绝对集中化风险调节后的收益相关基准)，因为此新范式背后的原因是关于：基于风险回报平衡作出合理的经济金融决策(即，有效市场假说(EMH)(供应和需求)，而不是作出行为金融(BF)(情感决策)，因此此种潜在投资策略由绝对集中化风险调节后的收益相关基准(ACRARRB)(本发明的重大咒语)合理地提供，因为其不仅表示“成功投资的目标”，而且表示其“针对有效边界的广泛的投资风险管理最优系统”。这就是与正确的投资决策有关的所有内容，即，包含这种有效投资的绝对集中化风险调节后的收益相关基准变成自身调节机制或均衡方法，因为根据ACRARRB，唯一值得的风险应 该是市场风险。暴露于市场风险由贝塔反应，贝塔对收益统计学以及所有均值方差的敏感度/特定的安全性以及市场的资产组合的基础进行测量。
然而，根据M/M/KGFM/CS/BT/TE(T2)微观/宏观关键变量，强烈需要一种能够管理新的微观/宏观全球投资市场的多任务仪器，所述多任务仪器不断选择和管理用于FM/DSO/M/S/RS/T/SPA(T3)的市场，然而同时能够解释未来现金流投资的推动者，即，定价、全球化的影响、上升的利率以及以及降低的住房资产泡沫、流动性和企业利润。M/M/KGFM/CS/BT/TE(T2)使用它们如何相互作用以影响资产价值的这些分析来开发连贯的投资纪律，然而同时在将资产组合的市场走势最小化的理念下，根据客户的风险承受能力通过远离风险的套期保值来自动地开发在相关强度的资产类别上分配的资产，例如，FM/DSO/M/S/RS/T/SPA(T3)。成功投资的目标是插手在观察价格与基本价值之间展现出差异的资产。研究者将这些差异称为“市场异象”，并且会询问市场异象是真实的还是由于缺少对推动价格和收益的力量的理解而产生的假象。因此，作为对未来现金流投资的推动者以及对自由现金流指标的价格影响的额外解释，可取的是，根据“市场异象差异”(表示真实的或由于缺少对推动价格和收益的力量的理解而产生的假象)，研究上文其他四(4)种最优形式/对增量利润的估值创建的影响。然而，方式是通过M/M/KGFM/CS/BT/TE(T2)的观察力与其特定的几何信息套利方法。
简而言之，微观和宏观知识沟反馈方法，即M/M/KGFM/CS/BT/TE(T2)是微观/宏观/知识沟反馈方法的其他调查矢量，用于定量/定性因素的研究。全球化应该导致实际利率持平或上涨。例如，GDP的变化反映企业利润的变化，因此GDP增长/企业利润增长随着时间推移往往相互影响，因为这个模型使用GDP相关输入以估算企业利润泡沫中的并行趋势。由于1930年的大萧条以来最严重的全球金融危机在非亚洲经济体之间留下过多的主权债务危机，因此目前大多数后泡沫经济遭受全球金融失衡。因此，M/M/KGFM/CS/BT/TE(T2)通过其图形分析将显示统计值如何与相关基准互动，所述相关基准形成了发达且连贯的投资策略纪律。随后，所谓的经济范式(住房/流动性/股票市场)均衡在历史上以反向波动的方式通过利率/通货膨胀-因此效果-盈余/P/E/比率/股东收益率来增强。
M/M/KGFM/CS/BT/TE(T2)使用它们如何相互作用以影响资产价值的这些 分析来开发连贯的投资纪律，然而同时在将资产组合的市场走势最小化的理念下，根据客户的风险承受能力通过远离风险的套期保值来自动地开发在相关强度的资产类别上分配的资产，例如，FM/DSO/M/S/RS/T/SPA(T3)。成功投资的目标是插手在观察价格与基本价值之间展现出差异的资产。研究者将这些差异称为“市场异象”，并且会询问市场异象是真实的还是由于缺少对推动价格和收益的力量的理解而产生的假象。因此，作为对未来现金流投资的推动者以及对自由现金流指标的价格影响的额外解释，可取的是，根据“市场异象差异”(表示真实的或由于缺少对推动价格和收益的力量的理解而产生的假象)，研究四(4)种其他(参见第3行)最优形式/对增量利润的估值创建的影响。然而，方式是通过M/M/KGFM/CS/BT/TE(T2)的观察力与其特定的几何信息套利方法。
下文说明财务规划师使用系统12以实施M/M/KGFM/CS/BT/TE(T2)的方法的实例：
1.宏观静态图表：
a.图95至图97中所示的图形的集合；以及
2.宏观趋势预测-动态图形：
a.每日在图98中所示的国内市场-ASX 200；
b.每日在图99中所示的全球市场-美国5年财政；以及
c.图100中所示的商品市场。
1.微观/自下而上/图形反馈方法/核心选择/回溯测试/跟踪误差(微观/BU/图形FM/CS/BT/TE(T2))
微观/BU/图形FM/CS/BT/TE(T2)的目的是获得一部分合并后的反馈技能，用于寻找所有投资结果的真正可能性，包括能够在市场上作出战术时机决策，例如，相对于相对基准测量到的绝对风险调节后的收益策略，从而以取得第二猜测的有效阿尔法/贝塔资产组合。DG/FP/AC/MT/FM/SB的反馈技能问题是，它们通常对自身在市场上作出战术时机决策的能力非常自信。这是达到适当的全芯谱风险/收益投资分析的纯度的唯一方式，所述分析能够减少可以构建合适资产组合选择的整体，从而开始建立最终驱动本发明中每一者的软件的硬件。因此，微观/BU/图形FM/CS/BT/TE(T2)能够反应每个个人风险或因素暴露，所述个人风险或因素暴露使天然风险/收益得分能够为每个FM/DSO进行编 译，随后允许在一致的基础上对整体进行一定程度的比较。使用此种粗略得分仍会在一个证券(具有低透明度、公司管理不佳、低质量收益、高财务杠杆以及弱管理)与第二证券(具有高透明度、良好的公司管理、高质量收益、低财务杠杆以及强管理)之间提供广泛的风险估计方差。换句话说，微观/BU/图形FM/CS/BT/TE(T2)反应累计的微观/宏观关键变量数据点，即，核心频谱署名对称性，这表示绝对集中化风险调节后的收益相关基准，例如，相关数据点(即，所有风险、所有性能(混合，成长、价值)、所有均值方差、所有基本、所有资产类别、所有环节、所有历史评估、所有远期评估、所有定量、所有定性、所有微观、所有宏观、在所有时序上的所有排名的本期增加本期减少风险/收益)。
因此中央核心问题是，形成方法的部分微观/BU/图形FM/CS/BT/TE(T2)系统图形信息的套利建筑块具有以下效果：对于买入/卖出/持有具有最严格强调的压力测试，这对于在通过约六十加(60+)市场过滤的所有关键变量上，使本发明的多个部件APMSPAS/CAPMs(T1)(T2)多样化是一个重要优势。
(a)主要/名词化统计核查系统(T1)并且由三(3)个专用定量/定量使用系数度量任务资本资产定价模型。
(b)辅助/垂直统计核查系统(T2)，即，由七个(7)专用定量/定量资本资产定价模式，其包括部分(i)结合使用的四个(4)阿尔法提取核心的风险/收益全谱模型，这应更好地解释与基准相关的资产组合选择的绝对风险/收益谱；部分(ii)与微观/宏观/知识沟反馈有关的三个(3)图形回溯测试/跟踪误差信息套利。因此，在严谨的系统名词化处理分析之后，会产生一组由战略/现实因素组成的历史/向前倍数，由于其总计的市场倍数得分，因此具有显著的决策制定能力。
因此，通过若干系统建筑块框架由总计得分开发的微观/BU/图形/FM/CS/BT/TE(T2)用于分析多技术场景测试，由此FM/DSO选择过程的输出性能或相对强度体现了风险均衡报酬的方法。随后，这支持与正确的投资决策有关的所有内容，即，本质上为有效的投资，变成自身调节机制或均衡方法，因为唯一值得的风险应该是市场风险。暴露于市场风险由贝塔反应，贝塔对收益统计学以及所有均值方差的敏感度/特定的安全性以及市场的资产组合的基础进行测量。微观/BU/图形FM/CS/BT/TE(T2)的工作是相对于价值破坏决策的 种类保护客户/成员，无论是太晚购买到时尚的资产还是仅在暂时低迷期间卖出。例如，所述风险大于临时、不稳定收益的危险，例如；
简言之，通过总计得分并且再次通过若干多场景测试使用技术开发的微观/BU/图形/FM/CS/BT/TE(T2)奏效，例如，各种系统建筑块框架，由此FM/DSO选择过程的输出性能或相对强度体现了风险均衡报酬的方法，作为最高总计得分需要与回溯测试/追踪误差一致的证据。因此，通过访问基于其大规模多图形信息套利的数据(参见表格10-对于投资决策的微观图形趋势预测方法)能够为输出性能创建良好的机会。在动荡市场中寻求此种机会，由此更广泛的微观/宏观知识沟系统考察由通过/市场/部门/相关强度/趋势的部门核心选择过程搜索阿尔法，完美位置为战略优化创造了正确的错误定价分析，从而使人们有可能获得更好的风险回报机会。
下文说明财务规划师使用系统12以实施微观/BU/图形/FM/CS/BT/TE(T2)的方法的实例：
1.基金管理者；
a.图101中所示的基金月报表条形图-3年；
b.图102中所示的基金月报表柱状图；
c.图103中所示的基金规模历史；
d.图104中所示的基金价格历史；以及
2.直接股份机会：
a.图105中所示的股价规模历史；
b.图106中所示的股价收益成分；以及
c.图107中所示的3年Alpha v的总收益。
2.宏观自上而下/图形反馈方法/核心选择/回溯测试/跟踪误差(宏观TD/图形FM/CS/BT/TE(T2))
宏观TD/图形FM/CS/BT/TE(T2)是转化为“战略宏观剖析经济学”的宏观趋势预测的一部分，所述“战略宏观剖析经济学”由一百五十个或者更多先行指数/指标组成，宏观TD/图形FM/CS/BT/TE(T2)用典型的五种典型主要综合指标表示，即世界观、澳大利亚前景、增长领域、金融市场和国内工资以及物价。这些包括实际货币供应量、股市价格指数、住宅建筑许可、非住宅建筑许可、加班时间、公司利润、实际单位劳动成本、生产物料价格、失业率、公共 部门对输出增长的贡献、贸易条件、净出口、净进口、汇率、收支平衡、商务部门的相对强弱变动、长期和短期利率、国外利率与国内利率之间的收益率利差、商品价格、输出价格对生产率增长、工资、材料、通货膨胀和进口物价的滞后影响。这样需要财务规划师通过宏观TD/图形FM/CS/BT/TE(T2)掌握经济脉搏，宏观TD/图形FM/CS/BT/TE(T2)是图形宏观信息套利趋势预测机制，因为其指示出执行不同类型的投资的方法，并且通过追踪大范围的经济数据(例如，先行指标的指数)，投资人能够确定未来经济增长的可能路径，从而更好地了解各个市场的经济背景。
因此，利用M/M/KGFM/CS/BT/TE(T2)的创新微观/宏观技术，例如，微观BU/图形FM/CS/BT/TE(T2)，宏观TD/图形FM/CS/BT/TE(T2)以及M/M/SText/KFM/CS/BT/TE(T2)能够减少投资产品的各种不同范围，以适应每一种类型的需求和组分，从而满足DG/FP/AC/MT/FM/SB的多种需求和要求。因此，通过使用宏观TD/图形FM/CS/BT/TE(T2)，图形信息套利是一种优势，因为其可以以与先行经济指数相同的“风险均衡收益”原则工作，所述先行经济指数经设计以预测和识别世界和澳大利亚经济中的转折点。先行指数包含在每日和每月产生的宏观TD/图形FM/CS/BT/TE(T2)“屏幕图报告”中。除了研究澳大利亚的先行指标，报告还研究了国家经济活动的共同偶然和滞后指标以及来外的比较数据的变动，同时基于通货膨胀、利率、经济增长、政府立法的变化以及基金和选股的潜在相对优点和缺点，研究施加在风险水平上的危险。
随后，宏观TD/图形FM/CS/BT/TE(T2)形成图形宏观信息套利趋势预测机制的压力测试的一部分，其为投资人的风险和收益的未来持续的可持续发展提供向导，形成APMSPAS/TCAPMs(T3)，所述机制由七个(7)水平统计检验系统(即，效率比、最大四分位数执行率、直接股错误定价、自由现金流、市场价格行情、排序总结/多品牌基金管理者以及市场/部门/相对强度/趋势分析)组成。APMSPAS/TCAPMs(T3)方法是利用核心的FM/DSO/M/S/RS/T/SPA(T3)并且用低风险/高绩效的专家围绕所述FM/DSO/M/S/RS/T/SPA(T3)。因此，用户友好的APMSPAS/TCAPM's(T3)将受到DG/FP/AC/MT/FM/SB的控制，从而允许在客户/会员可接受风险范围内的可接受风险收益结果。该目标是确定最佳种类的FM/DSO/M/S/RS/T/SPA(T3)并且以某种方式继续进行，从而满足战略宏观投影的上述投资目标，战略宏观投影通过与历史评估/远期评估/署名对称性 相对对齐而趋向于作出最优预测定位。因此，APMSPAS/TCAPM's(T3)的目标是其在利用创新技术来分析技能驱动的传统FM/DSO/M/S/RS/T/SPA(T3)领域时的优势，从而能够减少各种组分以弥补需要的调整。可以确定的一件事是：宏观TD/图形FM/CS/BT/TE(T3)以及通过传统主义者声称运行的模拟技术，其可以表现为“真正的决策者”。事实上，这个过程代表在所有均值方差/基本方面指示最小风险和最大收益的“绝对风险调节后收益”的非常状态，而另一方面，使其成为用于表示相对基准的战略资产分配多样性的有效集中过滤工具，因此成为战略家的梦想。对于广泛宏观筛选过程的优良使用的宏观TD/图形FM/CS/BT/TE(T2)确保FM/DSO/M/S/RS/T/SPA(T3)与估值适中的投资风格和风险管理相一致，这是通过多宏筛选过程运行的并且进行关键经济指标的透彻分析。利用宏观TD/图形FM/CS/BT/TE(T2)的能力，用于管理风险/收益方法的综合影响报酬的工具是关于理解分别驱动价格和收益的“市场异象”(真实的或假象)之间的差异势力，其快速成为新的投资环境，能够真正了解FM/DSO选择目标，这些选择目标总是使所有投资与良好机遇处于同一起跑线上，最终将以有效的阿尔法/贝塔资产组合结束。
简而言之，宏观TD/图形FM/CS/BT/TE(T2)背后的理念是关于管理全球化股权光谱中的绝对和相对风险，选择最强宏观市场中的最强微观部门来提升成功的微观/宏观核心选择过程的机会，通过市场/部门/相对优点/趋势为未来持续的可持续发展提供向导。在处理市场异象时，其问题是市场异象是真实的还是由于对推动价格的力量的理解而产生的假象，并且它们的收益是否是最高的。例如，收益曲线的方向指明有效评估经济状况的道路，并且同样地，可以从传统的主动管理者获得的数学是一个巨大问题。因此，宏观TD/图形FM/CS/BT/TE(T2)理解风险/收益报酬技术的合并资产保护作用以及市场异象的差异势力，因为最强趋势趋向于在一段时间保持最强。因此，宏观TD/图形FM/CS/BT/TE(T2)知识沟反馈方法的重要性被认为是投资人愿意支付溢价的一个合理代理。
下文说明财务规划师使用系统12以实施宏观TD/图形FM/CS/BT/TE(T2)的方法的实例：
1.关于全球以及国内经济的静态图的集合：
a.图108中所示的世界的主要经济指标；
b.图109中所示的通货膨胀以及工资度量；
c.图110中所示的海外利率；
d.图111中所示的全球股票市场；
e.图112中所示的全球债券市场；以及
f.图113中所示的全球汇率；以及
2.关于全球以及国内经济的动态图的集合：
a.每日在图114中示出的国内股票市场-ASX S&P 300；
b.每日在图115中所示的全球股票市场-FTSE 100指数；
c.每日在图116中所示的国内利率-澳大利亚5年联邦债券；以及
d.每日在图117中所示的全球债券市场-美国10年期国债。
3.微观/宏观/具体文本/反馈方法/核心频谱/回溯测试/跟踪误差(M/M/S文本/FM/CS/BT/TE(T2))
因此，M/M/S文本/FM/CS/BT/TE(T2)趋向于带动可变价格变化/盈利上调，投资人应该获得来自显著远期市场估值的稳定收益。例如，在M/M/KGFM/CS/BT/TE(T2)的协助下，其易于获得任何早期的趋势和迹象，例如，中国的需求仍然很旺盛。因此，这意味着大型矿业公司力拓矿业集团(RioTinto)和必和必拓公司(BHP)是有价值的并且即使基本金属价格一边走也会提供可观的收益。然而，在M/M/S文本/FM/CS/BT/TE(T2)经由各种APMSPA/SCAPMs(T2)资本资产定价模型图反馈方法/核心频谱/回溯测试/跟踪错误机制来管理核心频谱的情况下，例如，创建驱动FM/DSO/M/S/RS/T/PA(T3)的超高技能。同样地，M/M/S文本/FM/CS/BT/TE(T2)被专门建成一个“视觉接口/曝光模式”，其代表全球/国内/行业盈利前景的全频FM/DSO/M/S/RS/T/SPA(T3)，再次证明新范式商标背后的主要理由是：基于风险回报平衡作出合理的经济金融决策，即，有效市场假说(EMH)(供应和需求)，而不是作出行为金融(BF)(情感决策)，因此此种潜在的投资策略现在由绝对集中化风险调节后的收益相关基准(ACRARRB)(本发明的咒语)提供，因为其不仅表示“成功投资的目标”，而且表示其“针对有效边界的广泛的投资风险管理最优系统”，从而能够探测到任何增持市场或主动管理决定，这将根据最可能产生的每单位风险或信息比/贝塔的超额收益来确定。每单位风险的超额收益越高，增值的一致性就越强。因此，相应地建立硬件/软件方 法，其由分布的核心频谱对称性组成，例如，相关数据点(即，所有风险、所有性能、所有均值方差、所有基本、所有资产类别、所有环节、所有历史评估、所有远期评估、所有定量、所有定性、所有时序、所有微观、所有宏观、所有旋转资产类别、所有可再回溯的资本配置、所有有效前沿)。随后是核心频谱的软件支撑、系数度量。
简言之，M/M/S文本/FM/CS/BT/TE(T2)具体文本是知识沟技术的一部分，所述知识沟技术能够读取反馈以及任何价值判断趋势的优点，以大致取决于观看者的解释市场作出市场定价，从而提供建议作为对制衡的方式，以将系统股票/信贷市场风险最小化。是否持续过高股市场或低信用利差反映出投资人是否自满。现在，市场价对通过管理市场价的系统建筑块进行处理的M/M/S文本/FM/CS/BT/TE(T2)进行观察，因为通过微观/宏观资本资产评价模型机制可以创建卓越的驱动能力。因此，通过/市场/部门/相对强度/趋势的微观/宏观核心选择过程受到时代的变迁和无法预测的市场，这表示长期假设挑战和新的方法。例如，早在全球金融危机期间，在基于势头的对冲基金主题与主要下行修正风险模型接合之后，经受质量资产飞跃的市场代表完整的全球/国内行业价格走势。同样地，在股市场股票价格调高到经济之前时，其余确保了M/M/KGFM/CS/BT/TE(T2)知识沟反馈方法通过其回溯测试/跟踪误差敏感性模型将会发出警报。
下文说明财务规划师使用系统12以实施M/M/S文本/FM/CS/BT/TE(T2)的方法的实例：
1.基金管理者
a.图118中所示的欧斯特股票大型混合-资金投资报告；
b.图119中所示的欧斯特股票大型混合-资金资产组合报告；以及
c.图120中所示的欧斯特股票大型混合-属性总结报告&PDS；以及
2.直接股份机会
a.图121中所示的银行业-公司简介；
b.图122中所示的银行业-主要视图；
c.图123中所示的银行业-历史财务数据；
d.图124中所示的银行业-临时数据；
e.图125中所示的银行业-价格图标；以及
f.图126中所示的银行业-ASX公告。
层3：三级/水平统计验证系统
(算术/几何算法硬件/软件系统)
属性定价模型选择分析过程系统/三级资本资产定价模型(APMSPAS/TCAPMS)(T3)
参考图27和图30，APMSPAS/三级CAPMs(T3)处理系统的主要目标是即时提供高质量的系统可用性，使其成为具有清晰的优越投资焦点和专业知识的通用投资产品的等效标准。实际上，其在于：自选择目的以来的正常化定价是其在分析技能驱动的传统领域上的优越性，这使用系统建筑块/资本资产定价模型的重要性来增强资产组合结构。这种作为APMSPAS/三级CAPMs(T3)实际上采用因素建模/优于主动风险管理技巧的新综合方法是通过各个资本资产定价因素机构的真正的决策制定者，即，ERSPA/SAS/FEM/CS/R/ROA(T3)(效率比)、TQSRPA/SAS/FEM/CS/R/ROA(T3)(最大四分位数)以及MP/SAS/FEM/CS/R/ROA(T3)(错过定价)和作为用于获得主动风险管理技巧中最佳实践方法中的一个，反应且显示强健的定量/定性选择过程作为检测特定技巧和经验的合理的代理权的最强总计得分。
正确的是，作为APMSPAS/TertiaryCAPMs(T3)资产组合选择风险管理的前端的其他部分可能需要受到挑战以探索对资产的正确组合进行资助的新的方法，其表示用于提取阿尔法的知识差距信息套利方法，即，APMSPAS/TertiaryCAPMs(T3)、MPWSPA(T3)、RS/MB/FM/DSO/SPA(T3)以及M/S/RS/T/SPA(T3)，因此也表示利用市场多选择过程的独特的资产投资技巧技术，以通过查看其背后的内容来了解如何选择谱系投资。APMSPAS/三级CAPMs(T3)多资本资产定价模型趋向于作出最优定位，因为其寻求属性类型，所述属性类型代表在搜索绝对资产组合选择能力时，无用的基金管理者/直接股份机会的现实检查，这就是仍然保持预测纯度的证据。
1.效率比选择过程分析(ERSPA)(T3)；
2.最大四分位数执行率选择过程分析(TQSRSPA)(T3)；
3.错误定价直接股份机会选择过程分析(MPDSOSPA)(T3)；
4.平衡综合效应评估选择过程分析/风险基本管理者的回报/自由现金流-股东收益(ECEESPA/RFR-FM/FCF-SY)(T3)；
5.市场价格观察选择过程分析(MPWSPA)(T3)；
6.排序总结/多品牌基金管理者/直接股份机会/选择过程分析(RS/MB/FM/DSO/SPA)(T3)；以及
7.市场/部门/相对强度/趋势/选择过程分析(M/S/RS/T/SPA)(T3)
1.效率比选择过程分析(ERSPA)(T3)
如何将ERSPA/P/FEM/CS/Q/Q/CA(T3)作为效率比和不变的依赖价格因素指标的具体组合，该具体组合能够通过ERSPA/SBBFT(T3)系统建筑块灵活性技术提供全面的知识沟分析过程，该技术能够将估计转化成自信预测的阿尔法标准，因此ERSPA/S/S/FEM/CS/SODA(T3)能够为每个个人风险/回报风险打分/分类，确保能够编译真正的因素得分。因为ERSPA/SAS/FEM/CS/R/ROA(T3)是最强的总计得分，尽管原油得分框架具有轻微过色度(不过方式仅仅是：通过因素模型的调整框架来提高核心选择风险/回报)，通过以下事实：所有研究和前瞻性语句对绝对风险调整回报相对基准进行复制，其不会再基于最佳实践减弱为因素值条件/约束机制。除了APMSPAS/CAPM's(T1)/(T2)/(T3)，因此三(3)层纪律资本资产定价模型方法测量假定的风险以产生此种收益，同样地，M/M/KGFM/CS/BT/TE(T3)使用三个额外的定性市场模型，其提供用于提取阿尔法的微观/宏观和文本投资技能技术的知识沟反馈方法。简单的是，对能够提取三重阿尔法的效果的识别趋向于作出最优定位，因为在高信念下，面临着通过提高风险/收益集中度来使其变得更优越的挑战。
因此，ERSPA(T3)策略根据正式基准测量得到，从而以有效阿尔法/贝塔资产组合选择结束。多样化资产组合所面临的主要挑战之一是找到足够的阿尔法。阿尔法是大多数DG/FP/AC/MT/FM/SB渴望添加到管理下的资产组合中的值。然而，基金指数中的客户/会员采取任何可以从市场(贝塔)获得的回报，但是ERSPA(T3)在理论上应该能够添加额外的阿尔法。一些DG/FP/AC/MT/FM/SB行为同样自欺欺人地以为：他们具有良好的选择能力，但真正的问题是，它们的学习成果受到随机事件的显著影响。然而，由于此过程系统立即提供一个更高的盈亏平衡标准，此过程系统的ERSPA(T3)主要目标应该是：“样本之和”超过四十(40)，从而带来十(10)个的等效样本。因此，给定名字TQSRSPA(T3)(最高四分位或前25％)超过四十(40)个或更多的样本，ERSPA(T3)可用性选择结果的优点是系统地无限提高，而在分析技能 驱动的传统FM/DSO领域时，TQSRSPA(T3)总是会不断地变差。
下文说明财务规划师使用系统12以实施效率比选择过程分析(ERSPA)(T3)的方法的实例：
1.基金管理者：
a.定价-(ER)效率比：
i.图127中所示的历史评估-(ER)下行波动；以及
ii.图128中所示的远期评估-(ER)短期内相对测量；
b.得分-(ER)效率比：
i.图129中所示的历史评估-(ER)风险测量总结；
ii.图130中所示的远期评估-(ER)买/卖/持有；以及
iii.图131中所示的属性对称性-(ER)组合总结；以及
c.分类-(ER)效率比：
i.图132中所示的属性对称性-排序总结；
2.直接股份：
a.定价-(ER)效率比：
i.图133中所示的历史评估-(ER)标准偏差；以及
ii.图134中所示的远期评估-(ER)风险值；
b.得分-(ER)效率比：
i.图135中所示的历史评估-(ER)风险测量总结；
ii.图136中所示的历史评估-远期评估总结；以及
iii.图137中所示的属性对称性-(ER)组合总结；以及
c.分类-(ER)效率比：
i.图138中所示的属性对称性-排序总结。
2.最大四分位数执行率选择过程分析(TQSRSPA)(T3)
TQSRSPA/AE/FEM/CS/CA(T3)阿尔法是最高四分位度量任务，作为将给定样本划分成前25％分界点的结果，所述最高四分位度量任务是统计测量。过程系统的主要目标是立即提供一个高标准的系统可用性，因为选择的目标是其在分析技能驱动的传统FM/DSO/M/S/RS/T/SPA(T3)领域时的优越性。在这种特定情况下，与上文提及的ERSPA/AE/FEM/CS/CA(T3)阿尔法不同，其可用性任务为“变化的独立技术”，因此其前十(10)个分界点的优越样本也通过最高 四分位定量/定性因素集中模型惊人地提高风险/收益估计。尽管TQSRSPA/SAS/FEM/CS/R/ROA(T3)由用于生成阿尔法的、针对可用标准的单一分数条件响应/约束基准设置组成，其仍可以生成用于每个个人风险/收益风险变量的组合总分，从而提供四十(40)个以下的样本，因此确保对真正的因素得分进行编译。然而，少于此保本基准，ERSPA/SAS/FEM/CS/R/ROA(T3)仍然将TQSRSPA/P/FEM/CS/Q/Q/CA(T3)具体单一分数定价因素指标认为重要比较，当提及将估计转化为自信预测的阿尔法标准时，仅需要将其转化成百分位形式的“执行利率”。此外，TQSRSPA/SAS/FEM/CS/R/ROA(T3)最强总分阿尔法与真题结构特征相当类似，因为其能够为每个单个风险/收益风险打分，得到真正的因素得分，尽管作为知识沟属性对称性建模的一部分的微观/宏观能够读取反馈，使得TQSRSPA/SAS/FEM/CS/R/ROA(T3)最强总分必须与稳固的知识沟回溯测试跟踪误差相一致。
下文说明财务规划师使用系统12以实施四分位数执行率选择过程分析(TQSRSPA)(T3)的方法的实例：
1.基金管理者：
a.定价-最大四分位数：
i.图139中所示的属性对称性-(TQ)性能；以及
ii.图140中所示的属性对称性-(TQ)风险测量；
b.得分-(TQ)最大四分位数：
i.图141中所示的属性对称性-(TQ)历史总结；
ii.图142中所示的属性对称性-(TQ)远期总结；以及
iii.图143中所示的属性对称性-(TQ)组合总结；以及
c.分类-(TQ)最大四分位数：
i.图144中所示的属性对称性-排序总结。
3.错误定价直接股份机会选择过程分析(MPDSOSPA)(T3)
由于作为用于错误定价的远期股权谱的重要性，因此MPDSOSPA/SAS/FEM/CS/R/ROA(T3)错误定价建筑块集中方法是选择输出性能的关键，并且MPDSOSPA/M/S/RS/T/SPA(T3)非系统性风险/收益估计并借助于计算机驱动的关于“自动舵”的投资远远优于人类大脑，其可以转化成可以在结构上改变资产组合的预测。因此，MPDSO SPA/S/S/FEM/CS/SODA(T3)通过得 分/分类事实或估值模式始终反应绝对阿尔法反馈，因为有时基本分析在随意链接上优于历史经验，从而避免重大的错误估计。
MPDSOSPA/S/S/FEM/CS/SODA(T3)错误定价分析机制知道如何通过应用于阿尔法一致的稳固因素/得分/分类系统和属性对称性过程来选择低估DSO。当使用MPD SOSPA/P/FEM/CS/Q/Q/CA(T3)错误定价估值框架时，应该始终反映出传统股份价格水平。然而，主动DSO/管理者的一个主要问题是趋向于更多地关注收益基本，而不是风险因素集中方法，这是MPDSOSPA/M/M/KGFM/CS/BT/TE(T3)为微观/宏观阿尔法提取的原因，从而使得其与用于回溯测试/跟踪误差的微观/宏观知识沟反馈一致。因此，MPDSOSPA/Mic roBU/GraphFM/CS/BT/TE(T3)微观错误定价知识沟技术能够读取用于选择可预测性的反馈，并且由于MPDSOSPA/MacroTD/GraphFM/CS/BT/TE(T3)宏观错误定价知识沟技术能够回顾公司及时地抵抗泡沫破裂和经济冲击。
下文说明财务规划师使用系统12以实施错误定价直接股份机会选择过程分析(MPDSOSPA)(T3)的方法的实例：
1.直接股份：
a.a.定价-(MP)错误定价：
i.图145中所示的远期评估-(MP)收入值；以及
ii.图146中所示的远期评估-(MP)风险值1；
b.得分-(MP)错误定价：
i.图147中所示的属性对称性-(MP)错误定价得分；以及
ii.图148中所示的属性对称性-(MP)错误定价总结；以及
c.得分-(MP)错误定价：
i.图149中所示的属性对称性-排序总结；
ii.图150中所示的资本资产定价平衡-3年贝塔V'总收益；
iii.图151中所示的资本资产定价平衡-3年阿尔法V'总收益；
iv.图152中所示的资本资产定价平衡-风险回报；以及
v.图153中所示的公司细节-图标。
4.平衡综合效应评估选择过程分析/风险基本管理者的回报/自由现金流-股东收益(ECEESPA/RFR-FM/FCF-SY)
建模的第一部分预测我们认为主动ECEEMPA/RFR-FM/FCF-SY(T3)的估算 统计验证阿尔法可能输出多少。然而从主动阿尔法中获得的期望是一个巨大的问题，但是不幸的是，数学本身并不是非常有用的。它的深入基本上根据FM/DSO是否具有天赋，它们仅仅通过不断地增大风险水平来继续驱动阿尔法上升。这是一个得分点，因为ECEESPA/RFR-FM/FCF-SY(T3)认为主动FM/DSO的有效边界是二次的，即，在某种程度上，其实际上会回落。因此，将FM/DSO拉出，实际就会下降越多。然而，ECEESPA/RFR-FM/FCF-SY(T3)平衡综合效应风险回报/自由现金流方法避免了此种现象，方式是理解分别驱动价格和收益的“市场异象”(真实的或假象)之间的差异力。因此，存在两种类型的风险-系统化风险以及非系统化风险。系统化风险涉及市场且受到经济的影响，而FM/DSO特定风险的非系统化风险与市场相关且对于特定公司而言是独特的。现代资产组合理论指出，由于可以通过多样化来减少非系统化风险，因此总计投资人不应该补偿承受此种风险，因为他们可以持有市场资产组合，这在理论上是完全多样化的。这样，投资人将所有股票特定的风险从他们的资产组合中移除并且仅面临市场风险。同样地，ECEEMPA/RFR-FM/FCF-SY(T3)使用相同的哲学识别质量证券和投资，因此此合理性背后的原因由SAS/FEM/CS/R/ROA(T2)最强总计得分提供，其已经探索出属性对称性度量的这些关键变量，即，与最大四分位数执行率排序总结一起的效率比排序总结，与它们各自的历史/远期总结相组合，从FM/DSO后面来查看管理钱的方式。
首先，用于风险/回报平衡的ECEESPA/RFR(T3)评估模型是由投资人通过自我调节行动来建立的，这使得所述模型代表溢价，并且仍然不断地发展平衡方法，所述平衡方法通过将市场风险最小化来保护资本风险。因此，通过APMSPAS/CAPMs(T1)(T2)(T3)内在价值选择技术能够创造好的机会，因为具有较低波动的输出性能表示正常/垂直/水平统计验证系统，这使其成为特殊的风险调整系统。换言之，因为平衡方法是根据FM/DSO风险/回报方法来加强的，因此回报的唯一风险是市场风险。暴露于市场风险由贝塔反应，贝塔对市场的统计平均方差回报的敏感度，即，用于承受风险的补偿进行测量。根据经济理论，应该对投资人进行补偿以承受风险。这意味着风险资产的回报可以分解成两个部分-无风险回报和最为承受风险的补偿的回报。表示“债券无风险率”之上的资产回报的后一个回报被称为超额回报。这不应该与与将基准之上的资产回报或市场指数称为超额回报的行业实践相混淆。
第二，ECEESPA/FM/FCF-SY(T3)为用于股东收益率的自由现金流分析，这完全受到经济市场力的影响，此种利率、通货膨胀由平衡变化不断地强调，以管理总体总合构建，这依赖于全球化金融谱中的绝对集中化风险调节后的收益相关基准。在股东产生改变股本回报的三个推动者(即，划分的收益率(DPS)、每股收益(EPS)、价格收益率(PER))的情况下，这种新的投资景观承认自由现金流分析。因此，股东收益的推动者改变其重要性，发现有必要以重要推动者的顺序建立可持续的投资策略，所述推动者改变股东收益也影响价格估值的变化。
因此，在重要性方面(优选地投资估值)股权回报变化的推动者也因此改变可持续投资策略，这需要可以巩固优越性/分析能力/透明的机制，例如，核心谱属性对称性因素度量，这表示绝对集中化调节后的收益相关基准，例如，以下数据点；
a.所有风险，
b.所有业绩(混合、增长、价值)；
b.所有均值方差；
c.所有基本；
d.所有资产类别，
e.所有部门，
f.所有历史评估；
g.所有远期评估；
h.所有定量；
i.所有定性；
j所有微观；
k.所有宏观；
l.所有排序增长降低风险/收益；
m.所有时间系列。
下文说明财务规划师使用系统12以实施平衡综合效应评估选择过程分析/风险基本管理者的回报/自由现金流-股东收益(ECEESPA/RFR-FM/FCF-SY)的方法的实例：
1.基金管理者：
a.分类定价-属性对称性/排序总结：
i.图154中所示的资本资产定价平衡-风险回报；以及
ii.图155中所示的资本资产定价平衡-3年标准偏差V的总收益；以及
iii.图156中所示的资本资产定价平衡-3年阿尔法V的总收益；
2.直接股份：
a.得分/分类-属性对称性-排序总结：
i.图157中所示的股价收益成分-股东收益；以及
ii.图158中所示的资本资产定价平衡-风险回报；
iii.图159中所示的股价历史-每日股价v的所有普通股票指数；以及
iv.图160中所示的公司细节-公司简介。
5.市场价格观察过程选择分析(MPW SPA)(T3)
MPWSPA(T3)市场价格观察通过系统建筑块来处理，因此市场对市场的定价提供反平衡方法来将系统市场风险最小化。MPWSPA(T3)通过微观/宏观资本资产定价模型机制来管理市场定价，从而创造了优越的驱动技能，因此市场价格观察是能够读取反馈的知识沟技术的一部分，尽管其可预测性特性是其天然的阿尔法倾斜能力，以通过由于GFC损失减少产生的各种传统收集视觉暴露模型证据，例如，价格不利的债务市场以及所期望的进一步大幅盈利调整。MPWPA/SBBFT(T3)同样专门建立为“视觉界面/暴露模型”，其代表关于全球/国内/行业盈利前景的FM/DSO的整个市场价格，又基于从每日到两(2)年阶段的增量价格变动的度量时间序列再次证明其“红色或绿色海洋的优势”。因此，这趋向于带动可变价格变化/盈利上调，并且因此投资人应该获得来自显著远期市场估值的稳定收益。例如，在MPWSPA/M/M/KGFM/CS/BT/TE(T3)的协助下，其易于获得任何早期的趋势和迹象，例如，中国的需求仍然很旺盛。
因此，作为大型矿业公司即，力拓矿业集团(RioTinto)和必和必拓公司(BHP)的未来定价技术的形式，其可以是高估或低估的并且即使基本金属价格一边走也会提供可观的收益。因此，事实是通常只有专业人士和具有大量研究分析经验的MPWPSA/TCAPMs(T3)，并且获得大量信息，其管理挑选这些时间点，但即便如此，学习仍存在短期痛苦。因此，对于有利可图的投资策略的DG/FP/AC/MT/FM/SB摸索，具有新技术的高尔夫球手或者鸽子学会养活自己，都面临不可靠的反馈，因为它们试图区分有效信号和随机噪声。此外，正如ACRARRB发现建立一个可持续投资策略的必要性，需要用可信的优越性和透明度机制支撑，用于分析整个技术推动的传统FM/DSO，这还包含如何使高校投资变成自我调节机制或者平衡方法如何可以形成。然而，经由各种资本资产定价模型机制通过MPWSPA(T3)的管理核心谱，例如，APMSPASPA/CAPMs(T1)(T2)(T3)创造优越的技术驱动的FM/DSO/M/S/RS/T/SPA(T3)。由于考虑到公司债券价格的流动性溢价，目前隐含的违约率高于历史违约率几倍。股票估值响应于矿业类股飙升，因为大宗价格与周期性股票一样上涨并且每个国家都致力于巨大的延迟债券以为下一代服务。
下文说明财务规划师使用系统12以实施市场价格观察过程选择分析(MPWSPA)(T3)的方法的实例：
1.基金管理者：
a.图161中所示的属性对称性-市场价格观察；以及
2.直接股份：
a.图162中所示的属性对称性-市场价格观察。
6.排序总结/多品牌基金管理者/直接股份机会/选择过程分析(RS/MB/FM/DSO/SPA)(T3)
RS/MB/FM/DSO/SPA同样由取代了证券的地位的成功的投资的目标驱动，其呈现出观察到的价格与基本价值之间的差异性。当DG/FP/AC/MT/FM/SB试图传统地将FM/DSO评价成用于“最佳品种”和“品牌认知度”的某种种类的排名总结时，其在过去还没有准确地完成。为了克服这个缺陷，通过RS/MB/FM/DSO/SPA(T3)的方法认为，为了提供对未来输出性能的“最佳猜测”估计，因此RS/MB/FM/DSO/SPA(T3)发现，其非常依赖于其开创性的地标，例如，表示最强总计得分的SAS/FEM/CS/R/ROA(T2)现已探索出属性对称度量的这些关键变量，即，与最大四分位数执行率排序总结一起的效率比排序总结，与它们各自的历史/远期总结相组合，从FM/DSO后面来查看管理钱的方式。举例来说，将这些差异性称作“FM/DSO市场异常摔倒”，并且询问它们是真实的还是幻象，所述幻象是由于缺少对驱动价格与其价值的纯粹性的比较的力的理解造成的。因此，这种新范式合理性背后的原因是关于基于风险平衡回报来作出良好的经济金融决策，从而能够发现任何更多的暴露于市场，或者主动的管理决策将基于单位风险的超额回报或信息比率/贝塔最有可能发生的位置来 确定的。每单位风险的超额收益越高，增值的一致性就越强。这支持与正确的投资决策有关的所有内容，这也包含此中有效投资变成自我调节机制或平衡方法。此外，正如ACRARRB发现建立一个可持续投资策略的必要性，需要用可信的优越性和透明度机制支撑，用于分析整个技术推动的传统FM/DSO。因此，相对于RS/MB/FM/DSO/SPA(T3)排名总结，本发明的最重要发现之一是可以被描述为代表个人领域的单一“最佳品种”血统FM/DSO。
RS/MB/FM/DSO/SPA(T3)最好品种和部分特定的选择方法通过系统建筑块进行处理，这真正与良好的投资机会看齐。换言之，整个平台系统的RS/MB/FM/DSO/SAS/FEM/CS/R/ROA/SPA(T3)最强总计得分是通过HE/FE/AS(T1)信息套利相互依存的，该信息套利可以用作AE/FEM/CS/CA(T2)，例如，由M/M/KGFM/CS/BT/TE(T2)表示的阿尔法自下而上或自上而下微观/宏观知识沟反馈。简而言之，从阿尔法的贝塔分离需要作为来自无用FM/DSO管理者的真实检查来完成。RS/MB/FM/DSO/SPA/S/S/FE M/CS/SODA(T3)得分/分类方法更多是关于阿尔法/贝塔和错误定价评估的，这使得了解关于可以读取反馈建立品牌忠诚度的各种各样的信息变得十分重要。研究房屋评级系统来定制最好品种产生的问题可能会造成误导，因为尽管研究房屋分析大量的多部门特定产品并且当它们的策略是完全基于定性时，难怪它们的方法缺乏市场代理的接受度并且多部门特定产品报告往往是明显过时的。
同样地，顾名思义，多品牌可以调整为用于确定总复数/部门/分部门上的“品牌认知度”的内在部分。因此，我们的目标是，当提及提供用于达到“最佳品种解决方案”的最佳实践时，作为RS/MB/FM/DSO/SPA(T3)本发明方法背后的前提的解决方案是最近的历史评价/远期评价/属性对称性是对未来行业事件的最佳估计，因为通过使用基于基准的资产组合管理模型，与相关数据一起的FM/DSO/M/S/RS/T/SPA(T3)价格波动从最佳实践中产生。然而，通过分离全谱定量/定性方法借助于待量化的RS/MB/FM/DSO/SPA(T3)，通过本发明的三层介质被准确地感知，并且由APMSPAS/CAPMs(T1)(T2)(T3)选择过程分析系统呈现在“资产投资组合”上。然而，属于所有包含“最佳品牌”通过属性对称性方法资产组合选择技术的三(3)个平台是实现本发明的适当全芯谱风险/回报投资分析纯度的唯一方式，所述分析能够通过构建适当的资产组合选择平台来减少整体，从而建立合适的硬件，例如，APMSPAS/CAPM's(T1)，(T2)，(T3)等的各种各样的分类信息，其最终驱动管理得分/分类灵活性技术的软件，例如，因素定价和用于三(3)个层中每一层的知识沟反馈方法回溯测试技术。
下文说明财务规划师使用系统12以实施排序总结/多品牌基金管理者/直接股份机会/选择过程分析(RS/MB/FM/DSO/SPA)(T3)的方法的实例：
1.基金管理者：
a.得分/分类-(ER)效率比：
i.图163中所示的属性对称性-(ER)组合总结；
b.得分/分类-(TQ)最大四分位数：
i.图164中所示的属性对称性-(TQ)组合总结；以及
ii.图165中所示的属性对称性-排序总结；以及
2.直接股份：
a.得分/分类-(ER)效率比：
i.图166中所示的属性对称性-(ER)组合总结；
b.得分/分类-(TQ)最大四分位数：
i.图167中所示的属性对称性-(TQ)组合总结；
c.得分/分类-(MP)错误定价：
i.图168中所示的属性对称性-(MP)错误定价得分；
ii.图169中所示的属性对称性-排序总结；以及
d.图170中所示的属性对称性-通过基金管理者的排序/通过部门产品的多品牌。
7.市场/部门/相对强度/趋势/直接股份机会/基金管理者/选择过程分析(M/S/RS/T/DSO/FM/SPA)
M/S/RS/T/DSO/FM/SPA(T3)是利用针对市场/部门/相对强度/趋势的多种策略的多个管理者的资产组合，其通过系统建筑块进行处理，所述系统建筑块提供对全球投资分类系统(GICS)的当前最优分析/方向的相对强度引导。M/S/RS/T/DSO/FM/SPA(T3)更易于目标市场/部门/相对度/趋势，其在短期内至中期内会产生影响，以通过相对于市场/部门/相对强度/趋势产生有效边界来保护资本。通过M/S/RS/T/DSO/SAS/FEM/CS/R/ROA/SPA(T3)覆盖核心谱错误定价的新范式方法为自下而上的属性对称性并且作为分布技术的自上而下对称性的M/S/RS/T/DSO/FM/M/M/KGFM/CS/BT/TE/SPA(T3)变成有效的边界问题，在不具有用于测量M/S/RS/T/DSO/FM/M/M/KGFM/CS/BT/TE/SPA(T3)策略市场/部门/相对强度/趋势平衡最优结果所需的工具时，其实际可以变得很复杂。因此，假设对信息套利能力技术具有广泛需求的M/S/RS/T/DSO/FM/HE/FE/AS/SPA(T3)在板上做出合适选择，其包括M/S/RS/T/DSO/FM/SBBFT(T1)系统建筑块硬件之间的多样性计算，所述建筑块硬件驱动作为用于提取阿尔法形式的M/S/RS/T/DSO/FM/AE/FEM/CS/R/ROA/SPA(T3)的算数算法正常化软件M/S/RS/T/DSO/FM/HEMV(Q)/FEFR(Q)/AS(FA)SPA(T3)；市场/部门/相对强度/趋势；做出策略目标的最优，即，可以类似于有效边界的全球投资分类系统(GICS)。
M/S/RS/T/DSO/FM/SPA(T3)作用于自上而下/自下而上的过程的原理的目标简单的意味着首先选择最强部门随后针对最强的DSO/FM选择相同部门中的第二选择，从而促进成功的机会。熊市暴露了许多弱点；例如，亲眼目睹大多数DG/FP/AC/MT/FM/SB无法提供客户所需的事物，并且在所需风险下，所有性能都无法显示出它们可以以所述的方式提供绝对风险/回报。因此，可以检测任何增加的市场接触或者主动管理决策将基于每风险单元的超额收益或信息比/贝塔最有可能在何处发生。每单位风险的超额收益越高，增值的一致性就越强。这支撑关于所做出的所有正确决策，同时含有此有效投资变成自我调节机制或平衡方法，正如ACRARRB发现建立一个可持续投资策略的必要性，其需要用可信的优越性和透明度机制支撑，用于分析整个技术推动的传统DSO/FM。
此外，M/S/RS/T/DSO/FM/SPA(T3)基本上是管理风险的指示，方法是基于相关技术通过HE/FE/AS(T1)的信息套利技术将投资机会与单独的投资剖析匹配起来，HE/FE/AS(T1)具有排列总是具有良好机会的所有部门投资的能力，因此消除了第二猜想的可能性。因此，M/S/RS/T/DSO/FM/SPA(T3)首先是关于选择正确的阿尔法，即，来自自下而上分析的AE/FEM/CS/CA(T2)，其涉及最佳品种，并且第二是关于从自上而下分析中选择正确的资产组合选择，其涉及微观/宏观/知识沟回溯测试，例如，M/M/KGF/M/CS/BT/TE(T2)，从而对上升/下降方面市场中的风险/回报进行控制。例如，通过说明APMSPAS/CAPMs(T1)(T2)(T3)组合方法为最有效的技术之一，用于基于相关M/S/RS/T/DSO/FM/SPA (T3)通过将阿尔法投资机会与相对强度相匹配来管理风险，所述相关M/S/RS/T/DSO/FM/SPA(T3)能够得到总是伴随好机会的所有投资，从而消除第二猜想的可能性。同样地，获得微观/宏观多种回溯测试/跟踪误差仪器的重要性，例如，M/M/KGFM/CS/BT/TE(T2)根据非传统DSO/FM提供最佳品种，其作为优秀可预见的管理工具，它可以提供回报并且比包括非传统选择具有更低的总体风险相关性。因此，M/S/RS/T/DSO/FM/SPA(T3)是用于通过匹配阿尔法因素度量基准来管理投资机会风险的仪器，因此出现基于相关AE/FEM/CS/R/ROA(T2)的相对强度投资策略，所述投资策略能够得到总是伴随好机会的所有投资，从而消除第二猜想的可能性。同样地，获得微观/宏观多种回溯测试/跟踪误差仪器的重要性，例如，M/S/RS/T/DSO/FM/PA/M/M/KGFM/CS/BT/TE(T2)根据传统DSO/FM提供最佳品种，其作为优秀可预见的管理工具，它可以提供回报并且比包括传统FM/DSO/M/S/RS/T/SPA(T3)具有更低的总体风险相关性。
下文说明财务规划师使用系统12以实施市场/部门/相对强度/趋势/直接股份机会/基金管理者/选择过程分析(M/S/RS/T/DSO/FM/SPA)的方法的实例：
1.直接股份：
a.定价/得分/分类-(ER)效率比/(TQ)最大四分位数/(MP)错误定价：
i.图171中所示的历史基础-收入可持续性/EPS收益率％；以及
ii.图172中所示的历史基础-收入可持续性/营业利润率％；
iii.图173中所示的历史基础-收入可持续性/股本回报率％；
iv.图174中所示的历史基础-股息可持续性/股息收益率％；
v.图175中所示的历史基础-财务实力/企业倍数；
vi.图176中所示的历史基础-财务实力/股东回报％；
vii.图177中所示的历史基础-财务实力/净负债％；
Viii.图178中所示的历史基础-财务实力/资本回报％；
ix.图179中所示的历史基础-现金流/价格/现金流比率％；
x.图180中所示的历史基础-现金流/偿债能力比率；
xi.图181中所示的历史基础-现金流/收入税收比率；
xii.图182中所示的历史基础-总体回报；
xiii.图183中所示的历史基础-风险测量/标准偏差；
xiv.图184中所示的历史基础-风险测量/峰度；
xv.图185中所示的历史基础-风险测量/下行波动；
xvi.图186中所示的历史基础-风险测量/贝塔；
xvii.图187中所示的历史基础-风险测量/击球率；
xviii.图188中所示的远期评估-(ER)价格值；
xix.图189中所示的远期评估-(ER)远期评估；
xx.图190中所示的远期评估-(MP)增长值2；
xxi.图191中所示的远期评估-(MP)错误定价总结；
xxii.图192中所示的属性对称性-排序总结/(ER)组合总结；
xxiii.图193中所示的属性对称性-排序总结/(TQ)历史总结；
xxiv.图194中所示的属性对称性-排序总结/(MP)错误定价得分；以及
xxv.图195中所示的属性对称性-排序总结。
部分B：-策略性资产组合优化过程分析系统/资本资产定价模型(SPOPAS/CAPM)(T4)
具体目标相关有效边界(SCTEF)
参考图27和图31，在利用“现代资产组合理论风险管理(MPTRM)”的情况下，具有FM/DSO投资资产组合的三个主要推动者，即，资产类别的部门的选择/风险管理以及与资产类别/资产分配相关联的宏观经济/风险管理。前两个的回报机会已在上文中作为长期世界中的因素显著探测出，而积极的风险管理实际上仅通过SPOPAS/CAPM's(T4)来实践，随后出现投资资产组合的更广泛的宏观评估，以为投资的正确混合提供基金，其结果是，资产分配现象表示超过90％的资产组合回报率波动响应精度，以及关于价值和回报的70％的响应机会；因此资产组合的重要性不容忽视。SPOPAS/CAPM's(T4)同样由取代了证券的地位的成功的投资的目标驱动，其呈现出观察到的价格与基本价值之间的差异性。举例来说，学术分析将这些差异性称作FM/DSO/M/S/SRS/T/SPA(T3)市场异常假说，并且询问它们是真实的还是幻象，所述幻象是由于缺少对驱动价格与其价值的纯粹性的比较的力的理解造成的。因此，因为这新范式背后的原因是关于基于风险平衡回报作出良好的经济财务决策，即，有效市场假说(EMH)(供应和需求)，而不是行为金融(BF)(情感决策)，因此此种潜 在的投资策略合理性由绝对集中化风险调节后的收益相关基准具体目标相关有效边界(ACRARRBSTCEF)(本发明的咒语)提供，因为其不仅表示“成功投资的目标”，而且表示其“针对有效边界的广泛的投资风险管理最优系统”，从而能够探测到任何增持市场或主动管理决定，这将根据最可能产生的每单元风险或信息比/贝塔的超额收益来确定。每单位风险的超额收益越高，增值的一致性就越强。随后，SPOPAS/CAPM's(T4)跨越部分A/部分B，即，APMSPAS/CAPMs(T1)(T2)(T3)和SPOPAS/FCAPM's(T4)，因此其独特的稳固硬件/软件定量/定性专用重构技术，即，分布因素度量的核心光谱对称性，这表示绝对集中化调节后的收益相关基准。DG/FP/AC/MT/FM/SB应该完成的不是通过传统的均值方差创造资产组合，而是考虑资产/负债/分布的优化对称，有效边界问题通过以下重要的数据点表示，例如(所有风险、所有性能(混合，成长、价值)、所有均值方差、所有基本、所有资产类别、所有环节、所有历史评价、所有远期评价、所有定量、所有定性、所有微观、所有宏观、所有经济学家共识、所有转动的资产类别、所有可追溯的资产分配、所有排序增加减少风险/回报、所有投资人风格类型、所有场景结果、所有时序和所有有效边界)。清楚的是，较少的DG/FP/AC/MT/FM/SB具有清晰的投资注意力和专业知识来战胜实际上存在于其用于因素标准化的结构硬件/软件中的优越性，即多种市场的多个组件的APMSPAS/CAPMs(T1)(T2)(T3)能够减少范围，无论哪种多微观/宏观使用流程或穿过结构边界的传输是在使市场变动最小化的想法下用于资产组合选择/风险管理情况的。
因此，由第二实施例的部分B表示的SPOPAS/FCAPMs(T4)具体以策略资产组合优化为目标，方式是采取利用多个策略的多个管理者的资产组合并且通过七(7)个字上而下的后端系统建筑块过滤工具对其进行处理，用于制造有针对性的有效边界。因此，由组合的APMSPAS/CAPMs(T1)(T2)(T3)和SPOPAS/FCAPMs(T4)表示的适当功能部分B“分布的对称性”成为有效边界问题，在不具有用于测量策略资产组合优化所需的工具的情况下，该问题可以实际上变得更复杂。此种新范式方法发现由部分A表示，所述部分A覆盖核心光谱，用于通过独特的属性对称性技术对风险下降至增加值进行错误定价。由部分A和部分B表示的资产组合优化分析系统更加易于保护资本，方法是依赖于用于提取双重阿尔法的系统化建筑块来确保全面的适当的选择。
层4：-最终有效边界统计验证系统
(算术算法硬件/软件系统)
策略性资产组合优化过程分析系统/最终资本资产定价模型(SPOPAS/FCAPM)(T4)
参考图27和图31，SPOPAS/TCAPM's(T4)的重要事件是其能够提高资产组合结果的可预见性，因为一组新的物理变量，例如，因素度量分析可以预测一起反应微观/宏观趋势的定量/定性核心资产条件结构纯度，其提供指导以进一步进行对客户/会员所需的风险/收益的质量可持续回报。SPOPAS/FCAPM's(T4)方法可以是利用核心的FM/DSO/M/S/RS/T/SPA(T3)并且用低风险/高绩效的专家围绕所述FM/DSO/M/S/RS/T/SPA(T3)。因此，用户友好的SPOPAS/FCAPM's(T4)将受到DG/FP/AC/MT/FM/SB的控制，从而允许在客户/会员可接受风险范围内的可接受风险收益结果。目标将会对FM/DSO/M/S/RS/T/SPA(T3)的最佳种系进行识别并且继续按照满足所述投资目标的方式继续它们。SPOPAS/FCAPM's(T4)趋向于通过管理更好的回报来作出FM/DSO/M/S/RS/T/SPA(T3)的优化定位，方式是根据客户/会员切实的风险承受能力针对主要市场权衡波动性，因此使其成为流程的倒数第二后端。因此，假设这些部分A和部分B，即，前/后端因素定价模型系统与这些额外的条件/响应基准约束估计一起构成核心资产类别的场景测试系统组合能力的基本，其相对于它们对于一组全面的宏观趋势预测，即，宏观TD/图形FM/CS/BT/TE(T2)的依赖跨越整个典型投资产品。这些因素模型确保DG/FP/AC/MT/FM/SB访问金融产品和资产组合如何响应于全球和国内市场因素中的属性对称性的变化或者金融产品所暴露的指标，从而允许客户/会员可接受风险资产组合内的可接受风险回报结果。
因此，对于SPOPAS/FCAPM's(T4)运作的第二部分，并不相信会获得针对许多这些事物的纯战略资产组合优化方法，因为优化是非常精确的，但结果是，他们总是买你预测的最大误差。我们无法预测FM/DSO/M/S/RS/T/SPA(T3)在历史/前瞻性基础上的行为，其具有足够精度来采取具有超过一粒盐的任何事物的优化器的输出。最终，这些工具可能是有用的，因为它们提供了对问题动态的洞察和理解。但是你无法真正摆脱比其他专业人士(例如，医生或律师)行使更多的判断，这些人可以避免行使判断。因此，TTHBMPA(T4)利用错误定 价机会，方式是通过使用广泛的筛选过程以确保FM/DSO选择，其根据具体部门和资产类别的“相对强度”与选定FM/DSO传播相的CPOPA(T4)一致，并且ITFPA(T4)同样地穿过筛选过程以进行彻底的图形股票分析。因此，SPOPAS/FCAPM's(T4)构造所谓的客户/会员“最优性或沟知识分析过程”，其中MVPRMPA(T4)为基于传统方法的投资资产组合，其DG/FP/AC/MT/FM/SB通常依赖于SPOPAS/FCAPM's(T4)，进而应该承担法律顾问或向导的角色，旨在在困难时期将客户/会员投资策略保持在正轨上。不遵循此种SPOPAS/FCAPM's(T4)例程的那些DG/FP/AC/MT/FM/SB可能最终会以重要含义结束，因为它们最终可能会过度曝光于高风险资产类别(以及金融产品)，而在未来未能实施。
随后，部分B为SPOPAS/CAPMs(T4)的第二实施例，其表示如下所示的七(7)个自上而下后端过滤工具
1.十大控股混合授权过程分析(TTHBMPA)(T4)；
2.经典资产组合优化过程分析(CPOPA)(T4)；
3.国际化主题/区域框架过程分析(ITRFPA)(T4)；
4.新全球投资景观过程分析(NGILPA)(T4)；
5.经济学家共识宏观旋转资产类别/回撤资产分配过程分析(ECMRACRAAPAT4)/多样化投资人风格类型效用函数模型(DISTUFM)(T4)；
6.中等估价资产组合风险管理过程分析(MVPRMPA)(T4)；以及
7.质量评估过程过程分析(QAPA)(T4)。
1.十大控股混合授权过程分析(TTHBMPA)(T4)
TTHBMPA(T4)是分析选择混合研究过程，其管理与M/M/HCA/FEM/CS/OHR(T2)高信念的错误定价可能性有关的绝对和相对风险，用于通过远期(定性)股本光谱分析来提高风险/回报估计。TTHBMPA(T4)使用核心光谱方法，用于传统混合优选选择过程/资产分配和风险管理。管理阿尔法混合/授权资产组合取决于正确的策略工具，用于如何将非系统风险/回报远期估计转换成预测，其可以在结构上改变资产组合，方式是通过承担法律顾问或向导的角色，旨在在困难时期将投资策略保持在正轨上。因此，通过将估计转换成预测此方法服务于某一目的，因此预测纯度通过选择十大控股混合场景的TTHBMPA(T4)，通过定价P/FEM/CS/Q/Q/CA)(T2)拉下指标，例如，收入、增长1、增长2、风险和价格。因此，通过M/M/KGFM/CS/BT/TE(T2)，有利于理解一些FM/DSO 与其他FM/DSO相比没那么与市场相关的原因。TTHBMPA(T4)简单策略购买入提供股息的公司，因为基于股息的策略十分具有吸引力并且基于增长的策略是对股票基金的补充。
从本质上来说，这都是关于使用微观/宏观知识沟技术，用于FM/DSO错误定价可预测性，从与深入差距分析数据点相关联的角度查看此技术，用于实现客户/会员投资资产组合所需的风险/回报性能，例如，DG/FP/AC/MT/FM/SB会使用TTHBMPA(T4)来提供一种改进的远期预测技术，用于错误定价分析，这可能指向高度确信的方法(HCA)的舒适使用，用于更好的绝对阿尔法。最终，这些工具可能是有用的，因为它们提供了对问题动态的洞察和理解。但是你无法真正摆脱比其他专业人士(例如，医生或律师)行使更多的判断，这些人可以避免行使判断。TTHBMPA(T4)将对招聘和解聘负责，例如，混合投资风格、确定哪些资产类别/子类暴露和相对权重。不足为奇的是，一些现在承认了商业指导模型的统计链接“黑匣子”，用于主动选择、监控和FM/DSO资产类别权重调整的解决方案。换言之，TTHBMPA(T4)非常依赖于作为第一实施例的部分A微观风险，例如，先前可以看到的APMSAPS/CAPM(T1)(T2)(T3)通过严格的定量/定性过滤过程来确定它们在历史评估/远期评估/属性对称性的关键点上的得分/分类稳定性，其为本发明的基本过滤和回溯测试设备。因此，为了找出它们来自哪里，首先要求TTHBMPA(T4)经历坚固的HEMV(Q)/FEFR(Q)/AS(FA)(T1)、因素度量核心光谱来确定特定技能和经验，方式是在1、3和6个月至1年的短期内风险/收益变量加上1和2年远期估计阶段，测量它们在传统管理者的阿尔法而不是贝塔技能中的基准上的差额收益的追踪记录，因此，通过将估计转换成预测此方法服务于某一目的，因此预测纯度通过选择十大控股下拉指示符来确定，例如，收入、增长1、增长2、风险和价格。其有利于理解一些比FM/DSO其他FM/DSO没那么市场相关的原因。同样地，TTHBMPA(T4)易于理解一些FM/DSO/M/S/RS/T/SPA(T3)在1至2年远期阶段(预测)中将超越或执行，因为过滤过程的目标是其在分析整个技能驱动的传统FM/DSO上优越性。TTHMBPA(T4)的创新技术能够减少各种FM/DSO/M/S/RS/T/SPA(T3)和组件来弥补这些需要调整的位置。因此，TTHBMPA(T4)通过测量在阿尔法(而不是贝塔技能)基准上的超额收益的追踪记录，在当前和远期约1至2年阶段(预测)，系统再次理解如何将两年(2)远期估 计处理成一些有意义的可预测的收入、增长1、增长2、风险以及FM/DSO的价格。同样地，假设相对于相对基准测量的绝对收益/风险策略技术以有效阿尔法/贝塔资产组合结束。为了找到它们产生的位置，需要一个稳健的定量系统来测试具体技能和经验。
下文说明财务规划师使用系统12以实施十大控股混合授权过程分析(TTHBMPA)(T4)的方法的实例：
1.基金管理者：
a.得分/分类-(ER)效率比/(TQ)最大四分位数：
i.图196中所示的属性对称性-排序总结；
b.图197中所示的远期评估-十大控股；
c.图198中所示的资产组合-相关矩阵；
d.图199中所示的资产组合-十大混合收入；
e.图200中所示的资产组合-十大混合-风险2；
f.图201中所示的资产组合-十大混合-定价；
g.图202中所示的资产组合-资产组合细节/资产组合X-光线；
2.经典资产组合优化过程分析(CPOPA)(T4)
CPOPA(T4)用作草稿构造投资资产组合或轨迹运行，其目的是预测中度估值资产组合(MVPRMPA(T4))的纯度，因此在传统方法的基础上，依靠资产选定技术，即，APM SAPS/CAPMs(T1)(T2)(T3)。因此，FM/DSO需要在SPOPAS/CAPMs(T4)上进行资产分配，这回根据客户/会员“有效边界”产生资产类别。因此，由于综合的历史/远期数据库，CPOPA(T4)已经证明定量/定性风险方法的统计有效性，根据所述数据库来执行此种分析，并入基于风险的定量/定性研究机会是有吸引力的，仅仅是因为这是目前似乎更有竞争力的区域，因此，努力的回报应该是重要的。显然，DG/FP/AC/MT/FM/SB投资管理技能上具有高责任，以了解自己的能力并且保持在内；
i.CPOPA(T4)设计用于通过待考虑的DG/FP/AC/MT/FM/SB“高度确信FM/DSO资产组合”方法来留下一些“首先”想法证据。因此，临时部门由部门选择方法列表代表最高；CPOPA(T4)经典资产组合优化在每个可用FM/DSO金融产品上决定可行的暴露，其从每个资产类别中选择出大约三(3)至八(8)个FM/DSO，这取决于效率比/最大四分位数技术的四十(40)样本盈亏平衡假 说。这样确保优化的有效边界相对于最大四分位数/市场意义基准来预测核心光谱风险/收益，即(基金加权平均数/股票加权平均数、部门平均数、部门最大四分位数和市场平均数)的纯度，其分别在稳健的全球和国内FM/DSO资产类别上运行，分配结果深入核心光谱研究阿尔法分析和评价。随后，通过最初使用优越的研究工具，例如，ERSPA(T3)、TQSRSPA(T3)和MPDSOSPA(T3)，因此一方面代表CPOPA(T4)的输入，这最终为最终CPOPA(T4)草稿提供优越的股票选择输出，通过进一步部分的方法，部门集中选择技术方法(即，分别为1至2个基金和2至4个股票)将被认为有足够的多样化以防范极端波动而不是以大体冲淡自律资产组合构造过程的益处的方式。
ii.由于CPOPA(T4)的更多变量指数特征，例如，基准，提高指数变化的浓度和风险/收益特征的意识，这可能在资产组合构造优化中是一个重要考虑。因此，CPOPA(T4)决定如何一直使用传统估值模型将非系统风险/收益历史/远期估计转化成预测反應风险，例如，绝对风险调节后的收益相关基准，其通过系统建筑块经由更优良的多样化优化过程来产生风险/收益改进特征。换言之，一些分析师变得过度自信，因为他们相信，在理解给定FM/DSO的风险和收益机会上他们相对于市场具有竞争优势。这是主观的，但是意识到，尽管所有最好的意图，在他们广泛的覆盖范围内的所有FM/DSO中，分析师并不总是有相同的理解或信念水平。因此，与ERSPA(T3)、TQSRSPA(T3)、MPDSOSPA(T3)不同，CPOPA(T4)风险/收益分析认为，通过将预期的风险/收益得分转化成金融预测，定量/定性风险分析一样易于标准化和量化直接数字输出。例如，CPOPA(T4)资产组合将采取加权下的良好公司治理，并且将其翻译成最强总计得分的风险/收益可变性中的“一者”，即，SAS/FEM/CS/R/ROA(T2)估计，因此DG/FP/AC/MT/FM/SB可以有条不紊地使用此信息，但它们具有重要价值但难于测量。在某种意义上，与引起FM/DSO估计的定量分析一样，没有摆脱个人分析判断并且必须接受所述个人分析判断。
iii.然而，可以大致地对每个风险因素评分，投资人尝试以大致正确而不是精确错误的目的进行评估。使用此种粗略得分仍会在一个证券(具有低透明度、公司管理不佳、低质量收益、高财务杠杆以及弱管理)与第二证券(具有高透明度、良好的公司管理、高质量收益、低财务杠杆以及强管理)之间提供广泛的风险估计方差。因此，我们已设计与本CPOPA(T4)相关联的此种灵 活前部铸造技术，其提供有用能力以区分与选择群体有关的若干有竞争力的AE/FEM/CS/CA(T2)阿尔法，用于“优化资产组合位置”，因此将其翻译成对作为最强总计得分的风险/收益可变性进行打分/分类的“一者”，即，SAS/FEM/CS/R/ROA(T2)估计，根据首先排名最高得分，通过各个部门实施例系统并且同样地，将过程分为最强总计得分，其因此可以预测最佳品牌输出性能的纯度；在条件上与它们各自的一组物理变量一起反应综合评价，例如，总收益、风险和统计分析的全谱，其提供向导以进一步持续对选择优化资产组合的构成有用的战略预测，并且本SPOPAS/CAPM's(T4)的其他此种实施例为根据宏观统计趋势的系统，这可以在资产类别/资产分配的纯度上进行预测；在条件上与它们各自的一组物理变量一起反应经济条件，其提供向导以进一步持续对选择优化资产组合的构成有用的战略预测。
iv.此外，通过引导定性研究努力以更好地理解基本风险以及继续寻找阿尔法机会，DG/FP/AC/MT/FM/SB可以开发一个基础，用于将更大的基准追踪误差引入资产组合中，所述资产组合通过资产组合的更多多样化可能会在与基准相对的绝对风险调节后的收益中产生改进。更具体地说，不管使用什么测量方法，CPOPA(T4)证据通过其授权ACRARRBSTCEF关注资产组合性能中的绝对风险调节后的收益。同时，通常可以聚焦在收益目标或成就上，不应忽略假定会产生此种收益的风险。由于CPOPA(T4)展示集中技术的范围和能力，其通过基金管理者-历史性能(落后性能)、远期性能(股票统计)、风险测量1和2、相对风险测量1和2、市值、GICS、风格混合、地区、购买/出售来精炼定量/定性风险/回报估计。直接股份机会-历史性能(落后性能)、远期性能(购买/出售/持有-收益价值、增长价值1、增长价值2、风险值、价格值)、风险测量1和2、相对风险测量1和2、股息可持续性、收入可持续性、财务实例、现金流。因此，目标强化CPOPA(T4)补充比较价值分析(CAV)方法与周期底部的购买股票持平，在市场以低于它们所值的价格定价时，其中FM/DSO在峰值之前在周期顶部出售。其同样遵循以下规律：动荡的市场是寻找此种机会的完美地方。CPOPA(T4)基本上是CAV，也称为内在价值分析，因此寻找FM/DSO的额外机制成为被低估的价值，不管是中立还是增长风格FM/DSO，并且可以作出定位直到它们到达其真正价值为止。高度确信FM/DSO/M/S/RS/T/SPA(T3)从长期看来是有益的。总是存在代表比其他更好价 值的FM/DSO，其在价值与市场之间作为一个整体。同时，通常可以聚焦在收益目标或成就上，不应忽略假定会产生此种收益的风险。由于CPOPA(T4)展示了集中技术的范围和能力，其精炼定量/定性风险/回报估计。
v.然而，问题在于，基金是否是板上的合适选择，首先在我们看来在于通过所有重要的系统建筑块建立处理后的客户/会员“有效边界”。因此，结构化资产组合的行为，即，FM/DSO/M/S/RS/TA/SPA(T3)不需要仅注重均值和方差/基本方面。CPOPA(T4)着眼于通过其他特征，例如属性对称性(绝对风险/收益/相对基准)和可选性。(客户风险承受能力与称为沟分析的投资选择之间的最优性对齐)。在从CPOPA(T4)生成其他场景之后，部分的独特性由ECMRACRAAPA(T4)呈现。经济学家共识因素建模通过将个人金融产品的收益与资产类别暴露校准来实现。以此方式，通过与DISTUFMs(T4)的接口，DG/FP/AC/MT/FM/SB了解每个可用金融产品如何相对于因素模型采用的资产类别来表现。这样，DG/FP/AC/MT/FM/SB隐含地确定对个人客户/会员DISTUFMs(T4)所面临的不同资产类别的可行暴露的限制。如果客户/会员规避风险，合适的是根据合适的五(5)个多样化投资人风格类型效用函数实施例中的一者来调整资产组合的总体风险，其体现科学/数学基准，因此易于下拉投资人风格向下菜单，即，“保守、适度保守、平衡、适度咄咄逼人、咄咄逼人”。因此，这种经济学家共识技术预测通常所有经济学家预测的平均数目，其关于市场如何看待全球和国内前景在总体上创造自上而下期望。
最后，如果我们可以从适当的资产组合中找到唯一免费的午餐，即，SAS/FEM/CS/R/ROA(T2)最强总计得分，并且将其保持一段时间，那么我们应该有一个优越的结果以确定有效的资产组合结构，真正的自由裁量权的感觉通过实现客户/会员目标和目标客户的感知风险与投资组合的感知风险来实现。这通过可能在结构上改变资产组合的资产组合场景测试优化来完成。换言之，本CPOPA(T4)发明的此实施例已从“因素定价度量条件约束基准”中选出，例如，相应地，作为ECMRACRAAPA(T4)的经济学共识在主流FM/DSO/M/S/RS/T/SPA(T4)中开辟了一个可用的投资范围，其确保个人客户/会员能够根据自身的风险承受能力达到资产类别/资产分配选择的最广泛片段。因此，难怪CPOPA(T4)建筑块不能控制全能(所有强大的、非常不可战胜的)，但至少可以免除将所有钱都放在可能出错的特别多样化中的痛苦。你 将你的投资越多的放在自动导航上，那么你将破坏它们的风险就越小。因此，为了了解市场或FM/DSO/M/S/RS/T/SPA(T3)，当在多管理者资产组合中管理风险时，需要关注风险结构，暴露于特定FM/DSO，但增加价值，尽管具有一套由研究和特殊技能支撑的信仰。它们所面对的事情是降低增加风险的收益。因此，我们可以提高性能的一个方式对于FM/DSO/M/S/RS/T/SPA(T3)是不合标准的，从而通过战术资产配置维持可接受的整体资产组合风险暴露，即，通过平衡补偿技术的套利。
下文说明财务规划师使用系统12以实施经典资产组合优化器过程分析(CPOPA)(T4)的方法的实例：
1.基金管理者：
a.得分/分类-(ER)效率比/(TQ)最大四分位数：
i.图203中所示的属性对称性-排序总结；
ii.图204中所示的资产组合-基金优化器/历史性能；
iii.图205中所示的资产组合-基金优化器/远期性能；
iv.图206中所示的资产组合-基金优化器/风险测量2；
v.图207中所示的资产组合-基金优化器/相对风险测量2；以及
vi.图208中所示的资产组合-基金优化器/购买/出售/持有；
2.直接股份机会：
a.得分/分类-(ER)效率比/(TQ)最大四分位数/(MP)错误定价：
i.图209中所示的属性对称性-通过部门的排序总结；
ii.图210中所示的资产组合-资产分配/股票优化器；
iii.图211中所示的资产组合-股票优化器/购买/出售/持有-收入值；
iv.图212中所示的资产组合-股票优化器/购买/出售/持有-增长值1；
v.图213中所示的资产组合-股票优化器/购买/出售/持有-增长值2；
vi.图214中所示的资产组合-股票优化器/购买/出售/持有-风险值；
vii.图215中所示的资产组合-股票优化器/购买/出售/持有-价格值；以及
viii.图216中所示的资产组合-股票优化器/购买/出售/持有-最终DSO资产组合。
3.国际化主题/区域框架过程分析(ITRFPA)(T4)
ITRFPA(T4)战略是定量/定性管理技术的基本见解与哲学接地的巧妙融合。这是发展的“混合方法”概念的版本，其描述了DG/FP/AC/MT/FM/SB使用定量/定性工具和技术来构建资产组合的方式。基本方法具有以下优势:在知识的深度和独特见解方面，它们提供于个别公司，而定量方法具有以下优势：它们能够通过它们的模型以及通过纪律资产组合构建框架的管理风险来评估大量股票。因此，通过设计ITRFPA(T4)搜索阿尔法地理领域的手段和FM/DSO/M/S/RS/T/SPA(T3)的具体研究，HEMV(Q)/FEFR(Q)/AS(FA)(T1)为系统因素定价度量基准可用性过程，其基于历史评估/远期评估/属性对称性并且此推理已转向专注于高度确信方法(HCA)的效果，例如，“观察主题”、“全球体验”或者“下一个大事物”。假设变化机会的新兴市场和大宗商品本质，在股票选择中基本见解是优选的，假设专业管理者能够在公司股票中发展见解，从而向全球基金管理挑战提供新兴解决方案。然而，基本见解仍然是建立可投资整体的关键组件，这将用作资产组合构建过程的基准，该关键组件已通过量化管理者在传统上得到确认。自上而下、自下而上、指数化以及基准基本见解的传统方法可以在国际框架解决方案内中识别突出主题方面扮演重要角色，这将是建立用于投资的整体股票的关键组件。
ITRFPA(T3)基本上是定性/定性风险调节后的收益分析的因素和非因素集中的组合，其间接地使DG/FP/AC/MT/FM/SB依赖于“全球网络结构”，用于集中在“下一个大事、主题或全球经验”上，由此HEMV(Q)/FEFR(Q)/AS(FA)(T1)一起通过经典优化器一起提供另一矢量，例如，CPOPA(T4)，其提高定量可预测性，根据其创建此种微观/宏观统计验证系统，再次意图为本发明的实施例，即，ACRARRBSTCEF。实际上，及时地针对微观/宏观风险调节后的收益模型，整个APMSAPS/CAPMs(T1)(T2)(T3)和CPOPA(T4)应该更好地解释在特定点处相对于基准的资产组合。此外，结合对于风险而言的定性方法，包含在此基准多样性或浓度中的ITR FPA(T4)信息可以有助于确定搜索更高地理阿尔法，因此更高的追踪误差(偏离基准资产组合)会导致较低的绝对资产组合风险，这是由主动FM/DSO/M/S/RS/T/SPA(T3)的收益预期产生的，可以相对于基准保持。
ITRFPA(T4)非常关注使用研究努力，以通过投资基本使用方法提高收益，从而使一切回归正常。这是ITRFPA(T4)使用HEMV(Q)/FEFR(Q)/AS(FA)(T1) 定量/定性评估模型来提高风险/收益估计的原因，并且假设天然得分技术仍提供一定程度的风险评估，这将通过使用高度确信方法不断反應阿尔法。因此，此外，ITRFPA(T4)作出伟大前瞻性/思考陈述，这是关于下一个重大事件或全球经验或者观察主题，将能够处于提供主导收益的位置，由此部门的质量在此环境中是至关重要的。因此，作为改变ITRFPA(T4)的协定，更多地集中于基于数目的自然思考方面，这计划有关识别下一个重大事件或全球经验或观察主题的加权的修辞论证，因此确保集中于绝对的相对价值策略：
a.波动市场创造良好的机会；
b.简单策略-买入提供股息的公司；
c.绝大多数赞成拥有派息股票；
d.股息为何对投资人具有吸引力；
e.增长风格v的价值风格或旋转方法；以及
f.如何预测自由现金流产生未来现金流。
下文说明财务规划师使用系统12以实施国际化主题/区域框架过程分析(ITFPA)(T4)的方法的实例：
1.直接股份机会：
i.图217和图218中所示的资产组合-国际的/主题/区域框架。
4.新全球投资景观过程分析(NGILPA)(T4)
NGILPA(T4)新投资景观认识到在本投资和未来投资景观内的若干重要主题，受到影响的两(2)个最强大的全球影响是全球化和泡沫经济。
a.全球化
全球化继续经由比较优势法则分配劳动力和资本。这个过程一直保持通货膨胀，利率相对较低，并且导致生产力和利润显著增加。随着全球化不断影响我们的国际经济，面向投资哲学的自由现金流将比以前任何时候都重要。全球化导致了更高的全球GDP，因为实际利率已被证明跟踪历史GDP增长，由此可见实际利率将上升。全球化以不同方式影响名义利率和实际利率。然而，同时，全球化也经由比较优势法则内在的劳动力套利现象降低工资费用。这些低工资产生低价格，这样会保持通货膨胀。因此，如果我们在通货膨胀中添加此种下降，以增加实际利率，那么最终以名义利率上升，所述名义利率将上升、下降或借助于这两个独立变量的量值保持不变。
在这个时间点上，全球GDP的实际增长下降的消极贡献将与低通货膨胀的积极贡献相组合，以产生名义利率水平，所述名义利率水平可能遵循平衡增长轨迹，但是将保持低于其他利率水平，否则不存在劳动力套利及其对通货膨胀措施的影响。
b.股东收益率哲学
NGILPA(T4)相信，在降低利率会肯定会通过股东收益哲学应用对于告知的DG/FP/AC/MT/FM/SB打开新的机会时，将制造出许多新的危险和缺陷，作为对全球化联邦储备预算赤字快速修复收缩的货币政策的回报。哲学缺陷可能包括(在一些情况下，已经包括)预算赤字全球化，其应该产生实际利率以持平或上涨，事实正是如此。但是也存在全球化过程的各个方面，其可能压低利率以及NGILPA(T4)-管理新投资景观相信此种现象与名义利率一起存在，所述名义利率等于实际利率加上反应通货膨胀的测量。
NGILPA(T4)已解释了如何协调扩张性货币政策，使其维持利率低于原本利率，并且允许全球化的力量来聚集动力并且协助建立一个美元区。然后，NGILPA(T4)讨论了如何攀登利率，从而导致市盈率下降并且反过来允许股东收益-现金股息、股票回购以及债务偿还的三个组件，以降低作为股票市场收益中的主导积极解释变量的市盈率。简单地说，全球化是产生一些显著积极的结果，并且这些结果直接支持基于股东收益率方法的价值用于投资。由于劳动力套利效率通过比较优势法则变成可能的，因此全球劳动力成本平均较低，从而导致较高的全球自由现金流。由于世界工厂正在重新通过全球化，每单位资源创造越来越多的商品和服务，这意味着更多资源(即，自由现金流)可以以某种方式进行部署，从而通过股息、股票回购和削减负债来直接提高股东价值。这个过程一直保持通货膨胀，利率相对较低，并且导致生产力和利润显著增加。随着全球化不断影响我们的国际经济，面向投资哲学的自由现金流将比以前任何时候都重要。
c.后泡沫经济
因此，收紧利率的影响导致三大经济泡沫的出现：
i.房地产泡沫；
ii.全球流动性泡沫；以及
iii.企业利润泡沫。
因为利率也是构成股东收益概念的整体所需要的，因此会不断出现这些泡沫，但是会影响企业和投资人使用现金流作为主导投资指标。
下文说明财务规划师使用系统12以实施新全球投资景观过程分析(NGILPA)(T4)的方法的实例：
1.全球化股市光谱：
a.每日在图219中所示的宏观趋势预测-道琼斯指数；
b.每日在图220中所示的宏观趋势预测-S&P 500指数；
c.每日在图221中所示的宏观趋势预测-NASDAQ 100；
d.每日在图222中所示的宏观趋势预测-欧洲交易所100指数；
e.每日在图223中所示的宏观趋势预测-法兰克福市DAX 30指数；
f.每日在图224中所示的宏观趋势预测-FTSE 100指数；
g.每日在图225中所示的宏观趋势预测-日经指数100指数；
h.(每月)在图226中所示的宏观趋势预测-MSCI新兴市场自由W/美元总值；以及
i.(每月)在图227中所示的宏观趋势预测-MSCIAS Fer East Free ex Japan GrDiv A$；以及
2.全球化债券市场光谱：
a.每日在图228中所示的宏观趋势预测-美国13周国库券；
b.每日在图229中所示的宏观趋势预测-美国5年国债；
c.每日在图230中所示的宏观趋势预测-美国10年国债；以及
d.每日在图231中所示的宏观趋势预测-美国30年国债。
5.经济学家共识宏观旋转资产类别/回撤资产分配过程分析(ECMRAARACPA)(T4)/多样化投资人风格类型效用函数模型(DISTUFM)(T4)
唯一与所有本发明的典型投资人风格类型混合，(即，经济学家共识宏观旋转资产类别/回撤资产分配、风险承受能力资产组合情况调查以及生命周期基金)相关联的此类预测对于基于本APMPAS/CAPM's(T1)(T2)(T3)的此类实施例来选择“多样化优化资产组合”的构成是非常有用的，所述APMPAS/CAPM's(T1)(T2)(T3)作为根据微观统计趋势的系统，例如，可以对最佳品牌输出性能的纯度进行预测的HEMV(Q)/FEFR(Q)/AS(FA)(T1)；在条件上与它们各自的一组物理变量一起反應综合评价，例如，总收益、风险和统 计分析的全谱，其提供向导以进一步持续对选择优化资产组合的构成有用的战略预测，并且本SPOPAS/CAPM's(T4)的其他此种实施例为根据宏观统计趋势的系统，这可以在资产类别/资产分配的纯度上进行预测；在条件上与它们各自的一组物理变量一起反應经济条件，其提供向导以进一步持续对选择优化资产组合的构成有用的战略预测。显然，只有少数的DG/FP/AC/MT/FM/SB具有明确的投资重点和专业知识，因为此合理性背后的原因由绝对集中化风险调节后的收益相关基准具体目标相关有效边界(ACRRRBSTCEF)(本发明的咒语)提供，因为它不仅表示成功投资的目标，还表示针对有效边界的广阔投资风险管理最优系统，这意味着个人未来财务状况的结构变化，从而引起行为变化，这些变化可能对合适的投资策略具有主要的长期影响。由于ECMRAARACPA(T4)是有用的指导装置，其将DG/FP/AC/MT/FM/SB提供于内置于线上的系统经济学家共识反馈匹配资产分配/资产类别趋势预测，其负责基于具体市场/部门资产类别的相对强度选择与五(5)个DISTUFM(T4)效用函数有关的合适的风险回报的问题。这解释了ECMRAARACPA(T4)正在寻求资产分配和部门暴露的SPOPAS/CAPM's(T4)概念的原因，旨在产生与市场趋势和回报无关的绝对的相对收益，其中价值增加的资产组合的可能性更大。
1.经济学家共识宏观旋转资产类别/回撤资产分配
ECMRACRAAPA(T4)经济学家共识宏观旋转资产类别/回撤资产分配过程为用于选择资产类别/资产分配可预测性的后端宏观知识沟分析过程的一部分，使其纯度在一组变量和预测的经济条件下，生产通过系统建筑块进行处理后的战略资产类别/资产分配基准，从而反應典型投资人风格类型效用函数混合的绝对风险/收益，即，一直使用经济学家共识模型由保守、适度保守、平衡、适度咄咄逼人和咄咄逼人表示的五(5)个ECMRACRAAPA(T4)。ECMRACRAAPA(T4)策略资产组合优化基于预测的资产组合阿尔法制定有效边界，所述预测的资产组合阿尔法是自上而下/自下而上的经济学家机制可以增加的价值，这对于选择优化资产组合的构成是极其有用的。因此，与现有技术相比，作为重要因素模型预测工具的ECMRACRAAPA(T4)需要场景测试分析过程系统，卫星优化资产类别/资产分配混合具有危险。
因此，这种经济学家共识预测通常是所有经济学家预测的平均数目，其关于市场如何看待全球和国内前景在总体上创造自上而下期望。随后，基于合适 的经济学家共识条件响应技术，考虑到这是一种合适的因素模型，因此五(5)个DISTUFM(T4)由保守、适度保守、平衡、适度咄咄逼人以及咄咄逼人来表示，这使得其成为极其有用的选择指标，方式是通过建议事实上将DG/FP/AC/MT/FM/SB保持在电车轨道之间。这可能是相对缺乏经验的DG/FP/AC/MT/FM/SB的巨大信心增强剂，这有助于他们把资金多样化到新资产类别或者与现有资产类别具有较低相关性的部门中，这通常是股票、固定利率、房地产和现金的传统资产类别，可以提高有效边界以残生更好的风险回报机会。
2.风险承受能力资产组合问卷调查风格
对于“典型投资人风格类型混合”，ECMRACRAAPA(T4)更好的风险回报机会是可能的。换言之，由经济学家共识表示的最佳风险回报机会表示最好的“有效边界”，这种发生率被公认为“默认基准指导”，因此可以对预测变量的一组宏观趋势上资产类别(核心资产)条件的纯度进行预测，这反應远期全球/国内经济条件，从而提供持续的战略资产分配/所有资产类别。因此，这通过将个人金融产品的收益与资产类别暴露校准来实现。以此方式，通过与客户/会员的接口，DG/FP/AC/MT/FM/SB了解每个可用金融产品如何相对于因素模型采用的资产类别来表现。这样，DG/FP/AC/MT/FM/SB隐含地确定个人客户/会员，五(5)个多样化投资人风格类型效用模型，即DISTUFM(T4)面对的不同资产类别的可行暴露的限制。如果客户/会员规避风险，那么根据合适的五(5)自上而下典型多样化的效用函数投资人类型实施例中的一者，对资产组合的所有风险进行调节是非常合适的，所述实施例是科学/数学基准，因此由于心理指标温泉而基于二十(20)口语多选择问题来确定客户/会员风险承受能力资产组合。因此，五(5)个DISTUFM与ECMRACRAAPA(T4)之间的主流对齐是比较容易的。
生命周期基金
毫不奇怪的是，大多数DG/FP/AC/MT/FM/SB可以使用生命周期基金方法来管理资产混合，以在它们的生命期间适合它们不断变化的情况，从而调整至较低风险资产组合，由于接近退休的会员现在承认用于主动选择的解决方案的ACRARRBSTCEF(T4)统计上的链路“黑匣子”，从而对FM/DSO/M/S/RS/T/SPA(T3)的资产类别/子部门进行监控和权重调整。但是在理论上，改变资产的生命周 期基金方法以适合会员的情况，这并非没有问题。这通常取决于基金是投资至退休日期还是投资通过(以及超过)退休日期之间的微妙区别。个人问卷调查已详细描述了成员设定档以支持此类产品。同样地，理想的方法也需要在会员的整个生命中涉及不同的投资方法。因此，在人们工作时，他们能够冒更多风险并且追求高增长方法。生命周期基金需要认识到，人们在退休的时候，他们的风险储蓄处于峰值，他们的人力资本(生成未来收入的能力)正在下降。该系统的一个缺点是退休后的退休金没有积累阶段这么发达。通常，养老金依靠会员帐户的投资性能。
下文说明财务规划师使用系统12以实施经济学家共识宏观旋转资产类别/回撤资产分配过程分析(ECMRAARACPA)(T4)/多样化投资人风格类型效用函数模型(DISTUFM)(T4)的方法的实例：
1.客户风险剖析：
a.图232中所示的风险承受能力问卷调查；以及
2.微观/定量：
a.澳大利亚基金管理人：
i.图233中所示的多部门-保守的；
ii.图234中所示的多部门-中度保守的；
iii.图235中所示的多部门-平衡的；
iv.图236中所示的多部门-中度咄咄逼人的；以及
v.图237中所示的多部门-咄咄逼人的。
6.中等估价资产组合风险管理过程分析(MVPRMPA)(T4)
MVPRMPA(T4)是一种智能一体化系统，其能够实施多任务FM/DSO/M/S/RS/T/SPA(T3)策略以不断选择血统投资，其在系统上根据客户风险状态进行资产分配，这是策略资产组合构建动态的第二阶段，为此采取了更进一步的此种理论，而不是利用“马可维兹的现代资产组合理论(MPT)”，其获得了“诺贝尔奖”，因为通过使用二次方程发现了高效的相关技术方法，随后具有一个更广泛的宏观评估投资资产组合。然而，问题是，马可维兹的MPT是FM/DSO/M/S/RS/T/SPA(T3)不需要仅关注均值和方差，同时也应该从基本观点来关注(即，损益/资产负债表)以及优化特征，例如，属性对称性(即，绝对风险调节后的收益相关基准、客户的风险承受能力与投资选择之间的沟分 析对齐)。因此，MVPRMPA(T4)出现FM/DSO/M/S/RS/T/SPA(T3)投资资产组合的三个主要推动者，即，在资产类别上的选择风险管理(微观)以及根据客户风险剖析匹配资产类别(宏观)的资产分配风险管理。因此，为了找到争取的投资混合，总结出高效平衡的资产分配现象表示超过90％的资产组合波动收益的精确度响应以及涉及增值收益的70％响应机会，因此不能忽略资产混合的重要性。
因此，这向MVPRMPA(T4)提供了关于舒适地预测高度集中的方法的使用以获得更好的绝对阿尔法的所有分数的改进的预测性期望。最终，这些工具可能是有用的，因为它们提供了对问题动态的洞察和理解。但是你无法真正摆脱比其他专业人士(例如，医生或律师)行使更多的判断，这些人可以避免行使判断。由于MVPRMPA(T4)的目的是基于核心光谱因素度量来确定的，因此能够读取部分构成硬件的“知识沟反馈”；即属性因素度量的核心光谱对称性并且作为软件的其他部分；即无法简单地使核心光谱资本资产定价模型因素度量具有市场上需要的所有输出性能；然而，当股价波动时，可以提供不断的回报，不管周围发生什么，即使管理更好收益与MVPRMPA(T4)的设计，方式是权衡相对于主要市场的波动。能够使用的基本建筑块是选择血统投资解决方案，以增加DG/FP/AC/MT/FM/SB的灵活性并且精确地提高调整资产组合解决方案需要客户/会员投资人风格类型效用函数的可能性，因为困境在于，长期面对访问和理解无数信息的苦难的MVPRMPA(T4)以统计数据的形式出现，专业人员所用的其他指标用来衡量市场业务、投资和就业水平以及与购买、出售或持有时所了解的问题相关联的其他指标是DG/FP/AC/MT/FM/SB投资于MVPRMPA(T4)中，因为它是一个合理的代理费，在分析具有创新技术的整个技能驱动的传统FM/DSO/M/S/RS/T/SPA(T3)时，DG/FP/AC/MT/FM/SB愿意支付优越的投资风险，从而能够减少整体和各个组件来弥补这些需要的调整。同样地，相对于相对基准测量的绝对风险调节后的收益策略的技术以有效的阿尔法/贝塔资产组合结束。
因此，因为这新范式背后的原因是关于基于风险平衡回报作出良好的经济财务决策的阿尔法/贝塔资产组合，即，有效市场假说(EMH)(供应和需求)，而不是行为金融(BF)(情感决策)，因此此种潜在的投资策略合理性由绝对集中化风险调节后的收益相关基准具体目标相关有效边界(ACRARR BSTCEF) (本发明的咒语)提供，因为其不仅表示“成功投资的目标”，而且表示其“针对有效边界的广泛的投资风险管理最优系统”。因此作为将我们带入作为MVPRMPA(T4)建模设备的基础的最为重要的部分的验证的方法，具有说明真正的投资决策是关于哪些内容的范围，因为根据MVPRMPA(T4)，其包含了由于其自身条件机制或平衡方法的此有效投资支出，这意味着唯一值得的风险应该是市场风险。暴露于市场风险由贝塔反應，贝塔对收益统计学以及所有均值方差的敏感度/特定的证券以及市场的投资组合的基础进行测量。因此，MVPR MPA(T4)的通过其灵活性技术阿尔法指标的这种系统性建筑块式方法形成了真正的卓越价值，这是相应地基于有效自身调节结构硬件/软件机制方法的内置技术，结合通过系统性建筑块处理的多种策略的利用的，从而以非常类似的方式为他们的客户/会员构建解决方案，从而连续地选择谱系投资，使得根据变化的时间和不可预测的市场的一致性在相对强度资产等级中的资产分配可以意味着关于资产组合风险管理以及资产组合架构的长期假设可能需要得到质疑并且需要由新的DG/FP/AC/MT/FM/SB品种拓展新的方法学。因此，此新范式方法，即，MVPRMPA(T4)通过策略性定义表示因素指标结果的纯度预测，且因此MVPRMPA(T4)由多结构化建筑块组成，其目标在于基于依赖使选定的FM/DSO/M/S/RS/T/SPA(T3)扩增的传统方法构建投资资产组合，从而根据观察到的客户/成员的风险剖析在适当的资产类别中传播。MVPRMPA(T4)采取法律顾问/向导的角色，其目的在于不仅在困难时间而是在所有时期都将DG/FP/AC/MT/FM/SB投资策略选择保持在正规上，否则DG/FP/AC/MT/FM/SB会以重大影响结束，如果它们不遵循此中例程，则会以在未来无法交付的高风险资产类别和财务产品结束。随后，MVPRMPA(T4)同时跨越：首先微观部分A是关于选择的，例如，即APMSPAS/CAPMs(T1)(T2)(T3)历史评估/远期评估/属性对称性(均值方差/基本)以及唯一的其他特征；例如第二宏观部分B是关于资产类别/资产分配的，例如，SPOPAS/CAPMs(T4)是反應经济条件的敏感性的后端以提供策略资产类别/资产分配，其作为由MVPRMPA(T4)、CPOPA(T4)和ECMRACRAAPA(T4)证明的本发明的实施例的另一部分，表示传统主义者FM/DSO的广泛全球和国内市场多样化中的相对资产类别/资产分配基准，FM/DSO将会通过五(5)多样化经济学家共识相关联，因此其独特的稳健硬件/软件定量/定性专用构造技术，即，属性因素度量的核心光谱对称性，其表示 通过各个数据点的绝对集中化风险调节后的收益相关基准，例如(所有风险、所有性能(混合、增长、价值)、所有均值方差、所有基本、所有资产类别、所有环节、所有历史评价、所有远期评价、所有定量、所有定性、所有微观、所有宏观、所有经济学家共识、所有旋转资产类别、所有可回溯的资产分配、所有排序增加减少风险/收益、所有投资人风格类型、所有时序、所有场景结果、所有有效边界)。显然，较少的DG/FP/AC/MT/FM/SB具有清晰的投资注意力和专业知识来战胜实际上存在于其用于因素标准化的结构硬件/软件中的优越性，即多种市场的多个组件的APMSPAS/CAPMs(T1)(T2)(T3)能够减少范围，无论哪种多微观/宏观使用流程或穿过结构边界的传输是在使市场变动最小化的想法下用于资产组合选择/风险管理情况的。
因此，MVPRMPA(T4)为适度的估值资产组合风险管理过程分析技术，用于通过所有重要的系统建筑块来利用有效边界的多个FM/DSO管理人策略过程，例如，例如，制造优秀风险管理工具的SBBFT(T1)，其可以提供具有极低的所有风险相关性的更高收益，从而为有效边界制造策略资产组合优化。MVPRMPA(T4)分布选择/策略有效边界是相对过程基准技术，其实现绝对价值策略，因此HEMV(Q)/FEFR(Q)/AS(FA)(T1)为集中因素模型，其需要稳健的分类/得分处理系统，该系统在基准上添加过量的阿尔法收益，从而具有微观/宏观核心光谱的重要性，其用统计验证保证来进行处理，所有都是关于有效边界的可持续性。此外，因此聚焦在风险调节后的收益上，从而制造如下增强的策略；
a.提供会员寻求的收益和保护资本；
b.将市场风险与管理风险分离，从而确保此类权衡和各自结果的可预测性；
c.也用作合规保护风格资产组合；
d.由它们相对策略绩效确定的微观/宏观因素变量，例如，旋转的资产分配和回撤资产类别/部门；
e.基金管理人的基金问题往往会让资产组合产生偏差；以及
f.将钱花在确保如何获得较好表现的顶部得分位置。
此外，存在对于无用DG/FP/AC/MT/FM/SB的现实检查，它们的多个因素模型中的大多数用于阿尔法预期，其在理论上只不过是静态的核心卫星资产类别/资产分配估计，方式是定性管理人尝试确定在合适的感知投资上的选择之间 可能匹配的结果，所述投资与具有危险的感知客户的风险承受能力相匹配。
下文说明理财规划师使用系统12以实施中等估计资产组合风险管理过程分析(MVPRMPA)(T4)的方法的实例：
1.基金管理者：
a.图238中所示的资产组合-资产分配；以及
b.图239中所示的资产组合-客户剖析；以及
2.直接股份机会：
a.图240中所示的资产组合-最终资产分配；
b.图241中所示的资产组合-客户剖析；
c.图242和图243中所示的资产组合—综合基金/股票最终资产分配；以及
d.图244和图245中所示的资产组合—综合基金/股票客户剖析。
7.质量评估季度审查过程分析(QAQRPA(T4))
当提及与客户/会员管理的资产组合的定期评估(即，收入、增长和时间)的相对基准相比时，(T4)的目的在于，与相对基准相比，为了提供相对总性能的‘最佳猜测’估计，自上次调整日期之后其已经成为由这种暴露方法定义的。传统上，这已通过使用与价格波动和相关数据模型有关的最近历史FM/DSO/M/S/RS/T/SPA(T3)的定量/定量分析来完成。现在，QAQRPA(T4)提供“拨号时间/图形块机制”，用于使用基于索引的相对于特定时间块的建模相关性(即，每日、每周、每季度、半年、每年、两年)，因此能够改进其访问和管理客户/会员管理的资产组合的定期挑战，从而实现对QAQRPA(T4)如何成为重要部分的更好理解，因为此种合理性背后的原因由绝对集中化风险调节后的收益相对基准具体目标相关有效边界(ACRARRBSTCEF)(本发明的咒语)提供，因为其不仅表示“成功投资的目标”，而且表示针对有效边界的广泛的投资风险管理最优系统。因此，这使得QAQRPA(T4)成为出色的节省时间的设计，其提供了用于多种复合资产类别调节后的收益资产组合系统的事件反馈，其根据以下原理工作：通过监测由所有市场的典型相对基准表示的性能下的FM/DSO/M/S/RS/T/SPA(T3)，不断保持对客户/成员资产组合的追踪；然而，当FM/DSO/M/S/RS/T/SPA(T3)波动时，其可以提供恒定的收益，不管你周围发生什么事情，尽管通过相对于主要市场权衡波动性来管理更好的回报。因此， 我们的方法可以是利用核心的FM/DSO/M/S/RS/T/SPA(T3)并且用低风险/高绩效的专家围绕所述FM/DSO/M/S/RS/T/SPA(T3)。因此，用户友好的QAQRPA(T4)将受到DG/FP/AC/MT/FM/SB的控制，从而允许在客户/会员可接受风险范围内的可接受风险收益结果。目标将会对FM/DSO的最佳种系进行识别并且继续按照满足所述投资目标的方式继续它们。QAQRPA(T4)相信资产组合策略需要选择工具以确定条目和出口位置并且预测市场行为。同样明显的是，不同工具可能是或多或少适用于不同市场。这些资产组合策略可能涉及长期、中期或短期。技术分析使用“自上而下”和“自下而上”方法，除了他们关注市场数据、用于作出调整的主要标准价格。最有力的可能技术分析工具中的一者也是最简单的相对强度QAQRPA(T4)中的一者。
因此，QAQRPA(T4)质量评估季度审查是FM/DSO购买/出售/持有知识沟技术，其能够通过基于部门的投资的敏感微观/宏观建筑块来读取反馈。对于基本部分的中心部分，QAQRPA(T4)单独地分析构成资产组合的每个投资，基于共同的一段时间内它们各自的收入和资本增长，这通常用过去的购买价格/平衡日期/调整日期来表示。因此，这样建立一个平台，以相对于它们各自的经济基准指数分开比较它们各自调节后的个人输出性能。自然，所有改变都围绕在对于基准分界点的特定的决策制定规则中，不管FM/DSO/M/S/RS/T/SPA(T3)给定相对于典型相对基准附加的一个或两个季度比较的缓解(委婉地称为“三振出局”，从而位于正确位置)。一些DG/FP/AC/MT/FM/SB通常回到自下而上收入/增长和自上而下宏观混合的绘图板的“雇佣和解雇”分析/处理/系统。因此，QAQRPA(T4)不断地提醒其要监控血统FM/DSO后端阿尔法的程序，从而搜寻足够的绝对风险/收益回报。因此，ACRARRBSTCEF传统优化方法确保资产组合保护，例如，盈利策略需要选择工具，例如，用于系统投资性能v的市场风险的微观/宏观选择过程，以确定条目和出口位置并且预测市场行为，例如，股票/信贷市场的正常化不会意味着结束衰退，而会意味着严重的周期而不是长时间的停滞。因此，通过系统建筑块进行处理的ACRARRBSTCEF有效边界提供最好的练习方法，用于获得最佳品种，QAQRPA(T4)决策者可以采用以提高他们的技能，例如：
a.最好的策略结果会从资产类别的相对强度中出现；
b.简单策略-买入提供股息的公司；
c.创建容量约束的太多子管理人；
d.多个管理人如何胜过基金管理人的基金；
e.意识到可能永久毁坏资产组合估值的一些风险；以及
f.充当复杂的投资计划。
下文说明理财规划师使用系统12以实施中等估计资产组合风险管理过程分析(MVPRMPA)(T4)的方法的实例：
1.基金管理者：
a.图246中所示的资产组合-质量评估/季度报告；以及
2.基金管理者：
a.图247中所示的资产组合-质量评估/季度报告。
在不脱离本发明的范围的情况下，可以由所属领域的技术人员作出许多修改。
在整个说明书中，除非上下文明确指出，否则词“包括”及其变型应理解为暗示包括所陈述整数或步骤或者一组整数或步骤，而不排除任何其他整数或步骤或者一组整数或步骤。
本说明书中对任何先前技术的参考并不且不应视作承认或以任何形式暗示现有技术形成了澳大利亚公知常识的一部分。

Claims (10)

1.一种为投资者构建投资资产组合的系统，所述系统包括：
(a)计算机系统；
(b)计算机可读数据存储器，其与所述计算机系统通信，包括存储在其上的计算机可读指令，当执行所述计算机可读指令时，所述计算机可读指令使得所述计算机系统执行以下步骤：
(i)接收表示投资者的风险承受能力水平的风险承受能力数据；
(ii)从用户终端接收表示选择标准的数据，其中所述选择标准包括：效率比因素指标、最大四分位数因素指标、以及经典资产组合优化因素指标其中之一；
(iii)生成用于包含在所述资产组合中的投资列表以显示在所述用户终端的用户界面上，其中根据所述选择标准对投资进行排序；
(iv)从所述用户终端接收数据，所述数据表示来自包含在所述资产组合中的所述投资列表中的投资的选择；以及
(v)生成用于显示在所述用户终端的所述用户界面上的表格，所述表格示出了：
(A)所述投资选择的每笔投资；
(B)在每笔投资的一个或一个以上资产类别中的投资者资产的分配；
(C)在表示投资者的风险承受能力水平的基准风险种类的一个或一个以上资产类别中的资产的分配；以及
(D)针对整个投资资产组合的所述一个或一个以上资产类别中的资产的分配。
2.根据权利要求1所述的系统，其中计算机系统执行以下步骤：
(a)从所述用户终端接收数据，所述数据表示分配到所述投资资产组合的每一笔投资中的投资者资产的比例；以及
(b)对所述表格进行调节以示出分配到所述投资资产组合的每笔投资中的投资者资产的比例。
3.根据权利要求1或2所述的系统，其中所述存储器进一步包括指令，当执行所述指令时，所述指令使得所述计算机系统将投资添加到所述投资资产组合中。
4.根据权利要求1至3中任一权利要求所述的系统，其中所述存储器进一步包括指令，当执行所述指令时，所述指令使得所述计算机系统将投资从所述投资资产组合中移除。
5.根据权利要求1至4中任一权利要求所述的系统，其中所述投资资产组合的所述投资包括一个或一个以上管理基金。
6.根据权利要求1至5中任一权利要求所述的系统，其中所述投资资产组合的所述投资中的一个或一个以上包括直接股份。
7.根据权利要求1至6中任一权利要求所述的系统，其中所述表格进一步示出了另外的基准风险种类的一个或一个以上资产类别中的资产分配，所述另外的基准风险种类表示一系列基准中的前一个基准或者下一个基准。
8.一种用于对投资者的投资资产组合进行管理的方法，所述方法包括：
(a)通过用户终端，将投资者分类为由多个基准风险种类中的一个来表示；
(b)生成用于包含在所述资产组合中的投资列表以显示在所述用户终端的所述用户界面上，其中基于风险和收益对投资进行排序，所述收益与投资者的风险承受能力水平相对应；
(c)从所述用户终端接收数据，所述数据表示来自包含在所述资产组合中的所述投资列表中的投资的选择；以及
(d)通过所述用户终端的所述处理器生成所述用户终端上的额外的用户界面，所述额外的用户界面包括示出了以下内容的表格：
i.所述投资资产组合的每笔投资；
ii.在一个或一个以上的资产类别中的所述投资资产组合的每笔投资的资产的分配；
iii.在所述基准风险种类的一个或一个资产类别中的另外的资产分配；以及
iv.针对所述全部投资资产组合的所述一个或一个以上资产类别的资产分配，
其中所述额外的用户界面进一步包括用于将投资添加到所述投资资产组合中或者从所述投资资产组合中将投资移除的构件；
(e)通过所述用户终端，为了将一笔或多笔投资添加到所述投资资产组合中或者从所述投资资产组合中移除，需要使得针对所述全部投资资产组合的所述一个或一个以上资产类别中的资产分配对应于投资者的所述基准风险种类的所述一个或一个以上资产类别中的资产分配。
9.根据权利要求8所述的方法，其中所述表格进一步示出了另外的基准风险种类的一个或一个以上资产类别中的资产分配，所述另外的基准风险种类表示一系列基准中的前一个基准或者下一个基准。
10.一种用于对投资者的投资资产组合进行管理的方法，所述方法包括：
(a)通过用户终端，将投资者分类为由多个基准风险种类中的一个来表示；
(b)生成用于包含在所述资产组合中的投资列表以显示在所述用户终端的所述用户界面上，其中基于风险和收益对投资进行排序，所述收益与投资者的风险承受能力水平相对应；
(c)从所述用户终端接收数据，所述数据表示来自包含在所述资产组合中的所述投资列表中的投资的选择；以及
(d)通过所述用户终端的处理器生成所述用户终端上的额外的用户界面，所述额外的用户界面包括示出了以下内容的表格：
i.所述投资资产组合的每笔投资；
ii.在一个或一个以上的资产类别中的投资资产组合的每笔投资的资产分配；
iii.在所述基准风险种类的一个或一个资产类别中的另外的资产分配；以及
iv.针对所述全部投资资产组合的所述一个或一个以上资产类别的资产分配，
其中所述额外的用户界面包括用于将投资者的资产的一部分分配到所述投资资产组合的每笔投资中的构件；以及
(e)通过所述用户终端，改变分配到所述投资资产组合的每笔投资中的投资者资产的比例，使得针对全部投资资产组合的所述一个或一个以上资产类别中的资产分配对应于投资者的所述基准风险类别的所述一个或多个资产中的资产分配。
CN201810296525.2A 2011-05-30 2012-05-03 财务管理系统 Pending CN108734586A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
AU2011902097 2011-05-30
AU2011902097A AU2011902097A0 (en) 2011-05-30 Financial management system
CN201280037259.2A CN103930918A (zh) 2011-05-30 2012-05-03 财务管理系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201280037259.2A Division CN103930918A (zh) 2011-05-30 2012-05-03 财务管理系统

Publications (1)

Publication Number Publication Date
CN108734586A true CN108734586A (zh) 2018-11-02

Family

ID=47258145

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201810296525.2A Pending CN108734586A (zh) 2011-05-30 2012-05-03 财务管理系统
CN201280037259.2A Pending CN103930918A (zh) 2011-05-30 2012-05-03 财务管理系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201280037259.2A Pending CN103930918A (zh) 2011-05-30 2012-05-03 财务管理系统

Country Status (8)

Country Link
US (1) US20140164290A1 (zh)
EP (1) EP2715645A4 (zh)
JP (2) JP2014525062A (zh)
CN (2) CN108734586A (zh)
CA (1) CA2837673A1 (zh)
CL (1) CL2013003426A1 (zh)
SG (1) SG195216A1 (zh)
WO (1) WO2012162722A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919571A (zh) * 2019-01-24 2019-06-21 平安科技（深圳）有限公司 电子装置、合同现金流测试方法和计算机可读存储介质
CN112668820A (zh) * 2019-10-16 2021-04-16 北京国双科技有限公司 数据处理方法，装置、存储介质及电子设备
US20220300874A1 (en) * 2021-03-08 2022-09-22 Jean-Paul PAQUIN Risk assessment method and project management system using same

Families Citing this family (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9672573B2 (en) * 2013-03-15 2017-06-06 Perkins Coie LLP Graphical user interface for facilitating allocation of variable compensation
US9720758B2 (en) 2013-09-11 2017-08-01 Dell Products, Lp Diagnostic analysis tool for disk storage engineering and technical support
US9454423B2 (en) * 2013-09-11 2016-09-27 Dell Products, Lp SAN performance analysis tool
US10223230B2 (en) 2013-09-11 2019-03-05 Dell Products, Lp Method and system for predicting storage device failures
CA2865617C (en) 2013-09-30 2020-07-14 The Toronto-Dominion Bank Systems and methods for administering investment portfolios based on transaction data
US11449942B2 (en) * 2013-12-20 2022-09-20 Fmr Llc Dynamic asset sector simulator apparatuses, methods and systems
US10290059B2 (en) 2014-01-20 2019-05-14 Fmr Llc Dynamic portfolio simulator tool apparatuses, methods and systems
EP3128385B1 (en) * 2014-04-01 2019-04-10 TLV Co., Ltd. Risk evaluation system for process system, risk evaluation program, and risk evaluation method
US20160140651A1 (en) * 2014-11-13 2016-05-19 Genpact Luxembourg S.a.r.l. System and method for integrated model risk management
US20160162991A1 (en) * 2014-12-04 2016-06-09 Hartford Fire Insurance Company System for accessing and certifying data in a client server environment
CN104537564A (zh) * 2015-01-24 2015-04-22 宜信卓越财富投资管理（北京）有限公司 一种资产配置与投资组合管理系统及方法
JP6391498B2 (ja) * 2015-03-04 2018-09-19 株式会社アーバンレック 資産運用シミュレーションシステム
US10621535B1 (en) * 2015-04-24 2020-04-14 Mark Lawrence Method and apparatus to onboard resources
US9946879B1 (en) * 2015-08-27 2018-04-17 Amazon Technologies, Inc. Establishing risk profiles for software packages
JP6167163B2 (ja) * 2015-12-24 2017-07-19 三菱Ｕｆｊ信託銀行株式会社 ポートフォリオ分析装置
CN107093053B (zh) * 2016-02-17 2021-02-12 创新先进技术有限公司 一种提示日期的生成方法及装置
WO2017154914A1 (ja) * 2016-03-10 2017-09-14 三菱電機株式会社 プロジェクト管理支援システム、プロジェクト管理支援方法及びプロジェクト管理支援プログラム
US20180130134A1 (en) * 2016-03-16 2018-05-10 Fiduciary Investment Solutions, Inc. System and method for selecting portfolio managers
JP6715048B2 (ja) 2016-03-23 2020-07-01 株式会社野村総合研究所 目標達成ポートフォリオ生成装置、プログラム及び方法
US20220215474A1 (en) * 2016-03-31 2022-07-07 Wells Fargo Bank, N.A. Computer system and method for investment portfolio analysis and rebalance
US10614363B2 (en) * 2016-04-11 2020-04-07 Openmatters, Inc. Method and system for composite scoring, classification, and decision making based on machine learning
CN106874331B (zh) * 2016-08-02 2021-05-04 创新先进技术有限公司 一种数据对象分配系统及方法
CN106651584B (zh) * 2016-12-01 2020-02-11 况客科技（北京）有限公司 一种投资管理系统
US11151589B2 (en) * 2016-12-16 2021-10-19 The Nielsen Company (Us), Llc Methods and apparatus to determine reach with time dependent weights
US20180293656A1 (en) * 2017-04-06 2018-10-11 Brass Ring International Density Enterprise Limited Algorithmic system for dynamic conditional asset pricing analysis and financial intelligence technology platform automation
CN107330779A (zh) * 2017-07-20 2017-11-07 苏州浦瑞融网络科技有限公司 一种用于财务交易行为风险规避的方法
CN107730386A (zh) * 2017-07-28 2018-02-23 上海壹账通金融科技有限公司 投资组合产品的生成方法、装置、存储介质和计算机设备
US10915961B1 (en) * 2017-08-04 2021-02-09 EMC IP Holding Company LLC Calculating asset value using multi-dimensional models
US11853397B1 (en) * 2017-10-02 2023-12-26 Entelo, Inc. Methods for determining entity status, and related systems and apparatus
CN108022167B (zh) * 2017-11-22 2020-06-16 阿里巴巴集团控股有限公司 风险测评的实现方法和装置
US11860960B1 (en) 2018-04-15 2024-01-02 Entelo, Inc. Methods for dynamic contextualization of third-party data in a web browser, and related systems and apparatus
CN108803970B (zh) * 2018-05-08 2021-06-04 平安科技（深圳）有限公司 场景匹配展示方法及终端设备
CN109360104A (zh) * 2018-08-27 2019-02-19 平安科技（深圳）有限公司 用户类型划分方法、系统、计算机设备和存储介质
CA3056123A1 (en) * 2018-09-20 2020-03-20 Fundlab Technologies Inc. Risk assessment tool
CN110059272B (zh) * 2018-11-02 2023-08-15 创新先进技术有限公司 一种页面特征识别方法和装置
US20200286180A1 (en) * 2019-03-08 2020-09-10 Jpmorgan Chase Bank, N.A. Method and system for computing portfolio allocation recommendations
US11831670B1 (en) * 2019-11-18 2023-11-28 Tanium Inc. System and method for prioritizing distributed system risk remediations
CN110910253A (zh) * 2019-11-19 2020-03-24 广州西密雅思软件科技有限公司 股票信息处理方法、装置及控制器
CN111626881B (zh) * 2020-05-28 2023-09-05 泰康保险集团股份有限公司 年金组合风险管理系统、方法、服务器及存储介质
US11563764B1 (en) 2020-08-24 2023-01-24 Tanium Inc. Risk scoring based on compliance verification test results in a local network
WO2022154837A1 (en) * 2020-10-02 2022-07-21 Wt Ip Holdings, Llc Financial planning system with automated selection of financial products
US20220207443A1 (en) * 2020-12-31 2022-06-30 Ajay Sarkar Local agent system for obtaining hardware monitoring and risk information
US20230077527A1 (en) * 2020-12-31 2023-03-16 Ajay Sarkar Local agent system for obtaining hardware monitoring and risk information utilizing machine learning models
US11954733B1 (en) 2021-01-15 2024-04-09 Wells Fargo Bank, N.A. Customizable investment platform
US11741546B1 (en) 2021-01-22 2023-08-29 Wells Fargo Bank N.A. Data capture and integration architecture for a quantamental computer system
US20220237700A1 (en) * 2021-01-25 2022-07-28 Quantel AI, Inc. Artificial intelligence investment platform
WO2022212381A1 (en) * 2021-03-30 2022-10-06 Jpmorgan Chase Bank, N.A. Method and system for graph-based attribution analysis
CN113256432B (zh) * 2021-05-28 2024-03-12 郝新 一种基于金融投资项目的智能管理方法及系统
TWI765736B (zh) * 2021-06-04 2022-05-21 三竹資訊股份有限公司 模組化股票資訊筆記本之裝置與方法
CA3123401A1 (en) * 2021-06-28 2022-12-28 Pristine Mining Inc. Method of trading in minerals
IT202100031040A1 (it) * 2021-12-10 2023-06-10 Luca Parigi Sistema di elaborazione di dati complessi, in particolare per la generazione di un portafoglio di fondi di investimento
US20230325926A1 (en) * 2022-03-28 2023-10-12 The Beneficient Company Group (USA), L.L.C. Heppner Lockhart AltC? - Computer-Implemented Integrated System to Generate a Score to Demonstrate the Concentration Effect of an Additional Investment to a Portfolio of Alternative Assets
US20230342852A1 (en) * 2022-03-28 2023-10-26 Brad K. Heppner Heppner Silk AltQuote™ - Online Computer-Implemented Integrated System for Providing Alternative Asset Peer-Group Based Valuations
US20230306518A1 (en) * 2022-03-28 2023-09-28 The Beneficient Company Group (USA), L.L.C. Heppner Bowersock Hill AlphaAlt? - Computer-Implemented Integrated System for Forecasting Expected Returns within Private Market Segments
TWI831210B (zh) * 2022-05-18 2024-02-01 國立高雄科技大學 圖形化財務管理系統

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101095158A (zh) * 2003-09-11 2007-12-26 花旗银行全国协会（N.A） 资产分配的方法及系统
US20080040250A1 (en) * 2004-06-01 2008-02-14 Transcon Securities Pty Ltd., A Corporation System and Method for Analysing Risk Associated with an Investment Portfolio
CN101425168A (zh) * 2007-11-02 2009-05-06 乔美国际网路股份有限公司 投资保险的方法与系统
CN101783006A (zh) * 2009-01-19 2010-07-21 乔美国际网路股份有限公司 自主利率投资型终身寿险的方法与保险平台

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7783545B2 (en) * 1999-11-01 2010-08-24 Accenture Global Services Gmbh Automated coaching for a financial modeling and counseling system
US20020107770A1 (en) * 2000-05-12 2002-08-08 Meyer Chadwick M. System for allocating funds in a plurality of stock portfolios
US20020152151A1 (en) * 2000-10-06 2002-10-17 William Baughman Integrated investment portfolio management system and method
US7536332B2 (en) * 2001-02-02 2009-05-19 Rhee Thomas A Real life implementation of modern portfolio theory (MPT) for financial planning and portfolio management
JP2003058700A (ja) * 2001-08-20 2003-02-28 Mizuho Dl Financial Technology Co Ltd 社債ポートフォリオの最適化方法、そのプログラム
US7546264B2 (en) * 2001-12-28 2009-06-09 Water Street Advisers, Inc. Method for selecting investments in book-valued collective investment funds
AU2003277365A1 (en) * 2002-10-11 2004-05-04 Robert L. Padgette Method and system for selecting between alternatives
JP2004295492A (ja) * 2003-03-27 2004-10-21 Bank Of Tokyo-Mitsubishi Ltd ライフプランニング装置および方法、コンピュータプログラム、プログラム記録媒体
US7860774B1 (en) * 2003-10-31 2010-12-28 Charles Schwab & Co., Inc. System and method for providing financial advice for an investment portfolio
JP2005108263A (ja) * 2005-01-12 2005-04-21 Hiroshi Ishijima ポートフォリオの評価・制御・計測方法およびそのシステム
EP1984884A4 (en) * 2006-02-16 2009-10-14 Consulting Services Support Co SYSTEM AND METHOD FOR ENABLING A FINANCIAL ANALYSIS
US20070271197A1 (en) * 2006-05-18 2007-11-22 Stuart Alexander Law Investment method
CA2682850A1 (en) * 2007-04-03 2008-10-16 Itg Software Solutions, Inc. Method and system for multiple portfolio optimization
US20090018966A1 (en) * 2007-07-11 2009-01-15 Andrew Clark Formulation of Optimized Investment Indeces

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101095158A (zh) * 2003-09-11 2007-12-26 花旗银行全国协会（N.A） 资产分配的方法及系统
US20080040250A1 (en) * 2004-06-01 2008-02-14 Transcon Securities Pty Ltd., A Corporation System and Method for Analysing Risk Associated with an Investment Portfolio
CN101425168A (zh) * 2007-11-02 2009-05-06 乔美国际网路股份有限公司 投资保险的方法与系统
CN101783006A (zh) * 2009-01-19 2010-07-21 乔美国际网路股份有限公司 自主利率投资型终身寿险的方法与保险平台

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919571A (zh) * 2019-01-24 2019-06-21 平安科技（深圳）有限公司 电子装置、合同现金流测试方法和计算机可读存储介质
CN112668820A (zh) * 2019-10-16 2021-04-16 北京国双科技有限公司 数据处理方法，装置、存储介质及电子设备
US20220300874A1 (en) * 2021-03-08 2022-09-22 Jean-Paul PAQUIN Risk assessment method and project management system using same

Also Published As

Publication number Publication date
CL2013003426A1 (es) 2015-04-17
NZ618244A (en) 2015-10-30
EP2715645A4 (en) 2014-10-29
US20140164290A1 (en) 2014-06-12
JP2017228298A (ja) 2017-12-28
CA2837673A1 (en) 2012-12-06
JP6484843B2 (ja) 2019-03-20
SG195216A1 (en) 2013-12-30
JP2014525062A (ja) 2014-09-25
CN103930918A (zh) 2014-07-16
EP2715645A1 (en) 2014-04-09
WO2012162722A1 (en) 2012-12-06

Similar Documents

Publication Publication Date Title
CN108734586A (zh) 财务管理系统
Mun Modeling risk: Applying Monte Carlo risk simulation, strategic real options, stochastic forecasting, and portfolio optimization
Schroth et al. Cash breeds success: The role of financing constraints in patent races
Mogues Political economy determinants of public spending allocations: A review of theories, and implications for agricultural public investment
Sufian et al. The nexus between economic freedom and Islamic bank profitability in the MENA banking sectors
DE202016009077U1 (de) Segmentierung und Schichtung von Composite-Portfolios von Anlagepapieren
Oeffner Agent–based Keynesian macroeconomics-an evolutionary model embedded in an agent–based computer simulation
Walter Risk management: Foundations for a changing financial world
Ma Quantitative investing: from theory to industry
Yahya Empowering of Village Fund-Based Microfinance Sustainability; Banking Capital Preferences of Rural Communities
Talbot et al. Hard agencies in soft states
Ansari Neoliberalism and Resistance in South Africa: Economic and Political Coalitions
Ansari Financialization as a new regime of accumulation: Business, Apartheid, and the neoliberal transition
Kiweu The critical success factors for commercialising microfinance instititions in Africa
Aljumie Transforming the rentier state: prospects for Saudi Arabia: a small case study of rentier state economic diversification and its effects with application to Saudi Arabia’s vision 2030
Samanta The impact of adopting shareholder primacy corporate governance on the growth of the financial market in developing countries.
Hamza The impacts of the developmental state model on competition, efficiency and performance: The case of the Ethiopian banking industry
Raghavan Risk, the business driver in banks
Lemarchand et al. Mapping research and innovation in the Republic of Zimbabwe
AU2021218125A1 (en) Financial management system
Savvides Risk Analysis in Project Appraisal: The assessment of risk and return in capital investment decisions
Fakih The Impact of Domestic and Foreign Direct Investments on Economic Growth in North Africa and Turkey: Panel Data Analysis
García-Cáceres et al. An approach to the integral optimization of investment portfolios
Douch et al. Location, Location, Location: The Relative Effects of Agglomeration Economies and Access to Value Chains on Performance of Mncs Anddomestic Firms
MUHAMMAD PRIVATIZATION AND STATE-OWNED ENTERPRISES PERFORMANCE: THE CASE OF NIGERIA

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1262392

Country of ref document: HK