MPT之父马科维茨始终深知模型的局限性

“你甚至可能会说哈里·马科维茨对历史相关性的预测能力持怀疑态度,”桑德·格伯写道。

艺术_马科维茨_0803.jpg
哈里·马科维茨和桑德·格伯坐在一起。马科维茨拥有约翰·冯·诺依曼理论奖,这是他最珍视的奖项。格伯获得了诺贝尔奖。(礼貌照片)

无数投资者,从养老金领取者、医院捐赠基金到普通个人,都因为最近去世、享年 95 岁的诺贝尔经济学奖得主哈里·马科维茨 (Harry Markowitz) 而变得更加富有。

马科维茨的开创性创新是投资组合多元化的框架,数十年来一直被世界各地的投资经理和委员会孜孜不倦地应用,改变了投资的面貌。在 1990 年的诺贝尔奖演讲中,马科维茨谦虚地提出,他在投资组合理论方面的开创性工作至少可以让大投资者受益。正如我们现在所认识到的,这是华尔街历史上最轻描淡写的说法之一。

马科维茨辉煌职业生涯的最高成就是在不可预测的世界中开发和量化了跨资产类别多元化投资的优势。如今,优化回报与风险似乎就像重力、进化或电力一样不言而喻,但马科维茨富有洞察力的头脑才识别并形式化了这一革命性的观点。

三代多来,精明的投资者一直采用多元化这一金融领域唯一的“免费午餐”,在投资股票、债券和大宗商品时获得最佳的风险调整回报。马科维茨的开创性原则为他赢得了“现代投资组合理论之父”的称号。

新一代投资者正在采用同样的方法——利用多元化来优化主动投资组合经理和投资策略的回报风险。其结果是,价值数十亿美元的多策略对冲基金产业不断发展,产生的投资成果远远超过其各个部分的总和。我们应该将“多策略对冲基金之父”添加到他当之无愧的头衔名单中。

马科维茨不是一个安于现状的人,他永不满足的好奇心和雄心继续突破界限。我永远感激有机会成为他的朋友并与他一起工作,但我发现我们都对过去的相关性能否成功预测未来的相关性抱有深深的怀疑。这次合作使他的 MPT 取得了进步。我们的联合工作“格柏统计:投资组合优化的稳健联动衡量标准”改进了传统的相关性指标,最终提供更好的风险调整回报。

十多年来,在我们多次富有启发性的工作会议中,我逐渐欣赏马科维茨的内省谦逊。我深深钦佩他对新思想的开放态度,并且永远感激他在 MPT 巩固了他的遗产很久之后仍然致力于完善和磨练 MPT。

马科维茨明白,投资本质上是不确定的。尽管他依赖金融模型,但他注意到它们的预测能力有限。你甚至可能会说,他对历史相关性的预测能力抱有怀疑,他在 1952 年的论文中写道,投资过程中的相关性应该由“务实的人的判断”来确定。他的开创性研究融合了统计学和经济学,并最终为投资组合管理建立了明确的规则,使人类判断力得以蓬勃发展。

在我们的谈话中,马科维茨将金融解释为一门社会科学而不是一门硬科学。20 世纪 60 年代和 2000 年代计算能力的崛起使得金融工程师越来越多地利用历史数据来尝试预测 MPT 和其他金融风险模型中的相关性。马科维茨对这个话题有着清醒的认识,并在我们的一篇合作论文中强调,历史相关性实际上与未来的表现无关。


马科维茨的去世恰逢金融新时代的到来。在他的职业生涯中,快速增长的计算能力使投资者能够部署他的工具并从多元化中受益。但定量工具需要补充而不是取代人类的洞察力——这是金融界每隔十年左右需要重新学习的一课。现在,我们的自然语言模型和人工智能蓬勃发展。毫无疑问,马科维茨会发现这些计算创新在寻求投资多元化方面非常有趣且有用。我怀疑他还会提醒我们,它们最好用作改进投资流程的工具,而不是替代人类判断。我们将深深怀念他的智慧和指导,但他的遗产将永远有助于“优化”投资世界。

桑德·格伯 (Sander Gerber) 是全球投资管理公司哈德逊湾资本 (Hudson Bay Capital) 的首席执行官兼首席信息官。 2008年,格柏开发了格柏统计数据,用于衡量金融资产的联动性,从而能够及早发现绝对回报投资组合内的集中风险和多元化不足。

韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/75013.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 2023年8月14日 00:41
下一篇 2023年8月14日 01:32

相关推荐

  • 中国并不是唯一一个股票打折交易的新兴市场

    中国并不是唯一一个股票打折交易的新兴市场 Rayliant Global Advisors 的 Phillip Wool 表示:“困扰中国的挑战为中国以外的新兴市场投资者带来了巨大机遇。” 插图由II 新兴市场股票的前景看起来充满希望——至少从估值的角度来看是这样。 根据 Rayliant Global Advisors 全球研究主管 Phillip Woo…

    2023年8月3日
    19900
  • 在金融数据科学中使用具有经济意义的因素的好处

    因素选择是我们构建财务模型时最重要的考虑因素之一。那么,随着机器学习 (ML) 和数据科学越来越融入金融,我们应该为 ML 驱动的投资模型选择哪些因素以及如何选择它们? 这些都是开放且关键的问题。毕竟,机器学习模型不仅可以帮助因子处理,还可以帮助因子发现和创建。 传统统计和机器学习模型中的因素:(非常)基础知识 机器学习中的因素选择称为“特征选择”。因素和特…

    2023年9月14日
    17900
  • 投资零风险幻觉的心理学

    投资零风险幻觉的心理学 作者:Real Investment Advice 的 Lance Roberts,10 年 20 月 25 日 每个市场周期最终都会改变投资者的心理,让他们相信风险已经被克服。故事情节可能会发生变化,从“这次不同”到“美联储支持我们”,但心理却没有改变。当市场稳步上涨且波动性保持较低时,投资者会将稳定性与安全性混为一谈。这正是当今市…

    2025年11月7日
    4700
  • 北京大学金融时间序列分析讲义第12章: 模型比较和平均

    在实际金融事件序列数据的建模中,注意不存在所谓“正确的模型”,只能是从多个比较适合的模型中选择最合适的一个,或者将比较适合的多个模型的预测结果进行平均。 为了比较模型,有样本内比较和样本外比较两种方法。 样本内比较 如果建模目的是获得描述数据内在运动规律的参数模型,可以用样本内比较,利用全部数据建模,并比较不同模型的某个优良性指标,如AIC、BIC、新息方差…

    2023年7月22日
    27600
  • 未选择的路

    我将在许多年以后的某个地方叹息着讲述这句话:森林里分出两条路,而我我选择了人迹罕至的那条,从此我改变了一切。——罗伯特·弗罗斯特 投资管理行业和咨询行业选择了错误的模型作为其理论和实践的核心。 在之前的一篇文章中,我曾指责证券行业(该行业是金融业的很大一部分,包括投资管理和咨询服务)散布“已成为传统观念的欺骗网络”。但我说过,该行业的一小部分确实提供了有益且…

    2024年5月7日
    14300

发表回复

登录后才能评论
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部