主动投资组合管理
出版日期:2014-9
ISBN:9787111474724
作者:（美）理查德C.格林诺德（Richard C.Grinold）,雷诺德N.卡恩（Ronald N.Kahn）
页数:528页
内容概要
理查德 C. 格林诺德 博士（Richard C. Grinold)
巴克莱全球投资公司高级策略与研究部董事总经理。Grinold博士在BARRA公司工作了14年，先后担任研究总监、执行副总裁和总裁；在加州大学伯克利分校工商管理学院任教20年，先后担任金融系主任、管理科学系主任和伯克利金融研究计划的负责人。
雷诺德 N. 卡恩 博士（Ronald N. Kahn）
巴克莱全球投资公司高级主动策略组董事总经理。Kahn博士在BARRA公司工作的11年中，担任研究总监超过7年。他也是《投资组合管理期刊》（Journal of Portfolio Management）和《投资咨询期刊》（Journal of Investment Consulting）的编委。
两位作者发表了大量的文章和书籍。他们开创性的工作在业内熟知，包括风险模型、组合优化和交易分析；股票投资、固定收益投资和国际化投资；量化主动投资。
书籍目录
中文版序言
译者序
前言
致谢
第1章绪论
第一部分基础理论
第2章一致预期收益率：资本资产定价模型
第3章风险
第4章超常收益率、业绩基准和附加值
第5章残差风险和残差收益率：信息率
第6章主动管理基本定律
第二部分预期收益率和估值
第7章预期收益率和套利定价理论
第8章估值理论
第9章估值实践
第三部分信息处理
第10章预测基础
第11章高级预测
第12章信息分析
第13章信息时间尺度
第四部分策略实施
第14章组合构建
第15章多空投资
第16章交易成本、换手率和交易
第17章业绩分析
第18章资产配置
第19章基准择时
第20章主动管理的历史业绩
第21章开放性问题
第22章总结
附录A标准符号表
附录B词汇表
附录C收益率和统计基础
关于作者
作者简介
自第1版在1994年出版以来，《主动投资组合管理》以其数学上的严谨性和内容上的系统性成为量化组合投资领域的权威之作。该书描述了一套创新的方法：寻找资产收益率原始信号，将它们转化为精炼预测，以及根据这些预测构建具有超常收益率和最小风险的投资组合，即持续战胜市场的投资组合。这本书帮助了数以千计的投资经理。
与第1版相比，《主动投资组合管理》的第2版更胜一筹。第2版细致地描述了怎样将经济学、计量经济学和运筹学的理论付诸实践，解决投资中的现实问题：寻找更高的收益机会。它从一个基准组合开始，定义了相对于基准的超常收益率，进而建立了主动管理的理论框架。这一版本新增了许多章节：资产配置、多空投资、信息的时间尺度以及其他前沿课题。它还用新观点讨论了当前最紧迫的一些问题，包括风险、账户离差、市场冲击、业绩分析等，并在必要时给出了实证数据的例子。
结果就是，第2版为主动投资管理提供了一组现代的、全面的战略概念和经验原则，指导主动投资流程并提升其收益。全书由四个部分构成：基础理论、预期收益率和估值、信息处理以及策略实施，带领读者逐步了解整个流程。《主动投资组合管理》介绍了：
主动管理的合适理论框架，以及怎样在该框架下应用基本的投资组合理论
将市场洞察力转化为特异的、有价值的投资策略的技术
多空投资策略：何时用，何时不用，以及原因
证实过的评估投资策略的规则
估计交易成本的方法，以及降低它们的有效方法
风险模型精度的历史和实证信息
技术附录：对每一章数学推导更详尽的解释
独特的、真实的练习题，提供理解新概念的具体要素
《主动投资组合管理》覆盖了主动投资管理的基本原则和基础理论，以及实践细节。它为主动投资提供了一条可靠的途径，以战胜被动指数和竞争性的、较少严密性的其他投资方法。
发布书评
精彩书评 (总计1条)
-
2016年8月19日补关于英文原版和中文翻译的选择。个人意见是：对于专业性书，译者要看懂原文才好作翻译。举例而言，一致预期收益率。为何它翻译成一致预期收益率，经过维基百科等的搜索，似乎这不是一个专业词汇。然后英文版中有这么一句，This is in fact what we mean by "consensus." The market portfolio is the consensus portfolio, and the CAPM leads to the expected returns which make the market mean/variance optimal.这种翻译的时候，少一个一致上面的引号都不行。要不然不容易读懂。=====================================首先，一样东西要是真理，才值得看。其次，它最好显得简单，我看得懂。这大概就是一本企图做到这两点的书。翻译的水平总体来讲还行。如果有疑问，可以对照网上的英文原版。但是缺少一个中英的索引，这个很关键，比如因子暴露，有许多人翻译成因子载荷，因子敏感度等等……有些可能中文名词与英文直译不相关的，可以来个译者注，比如我现在还不知道EPS鱼雷是什么。用python做了里面讲到的许多分析，但是看得懂不表示实现的了，理解了背后的思想，不懂线性代数，有些代码要写起来，总是觉得费力。在这个里面，统计学很重要，可惜python对于统计的库statsmodel还不是完美。向逐步回归等等似乎还没有包括进去，主成分分析也没有，虽然matplotlib.mlab里有……但是一个统计库的不完善就讨论的人少。越到后来，实现起来越难。举个理解容易写代码难的问题，结构化风险模型，大致可以看到是在降低维度，将一个协方差矩阵用因子矩阵来代替。但是，因子确定，因子估计，模型实现，不头疼是不可能的。另外虽然现在国内出现了tushare这样好用的股市相关的库，但是，还有更多的东西需要处理。比如复权。如果做量化分析，这本书可以是一个良好的开始。如果不以此为职业，这本书也有用的地方，比如，降低自己的投资风险，我们拿方差来衡量风险的话。给个例子：一般常在说的一句话是，不要把鸡蛋放在同一个篮子里，需要分散化投资。但是其实如果有两个强正相关的股票，假设99%，那么实际上这种风散投资完全没有降低风险，但是如果两个完全不相关的股票，那么风险就只有方差之和的平方根。这就切切实实的降低了风险。然后如果我们假定行业是一个影响风险的重要因子，那么我们可以大致根据历史数据做个相关性的衡量。比如铁路和空运的行业，就有比较大的相关性……为何我说这本书是起点，而不是终点。举个自己做的例子，拿信息率作为衡量，对三年的历史数据做回归分析，发现一堆高信息率的都是曾经的ST公司……我不喜欢借壳上市的赌，赌自己有没有买对壳。所以对于这种公司，前期应该把它筛选掉。这部分在数据挖掘中被谈到很多。当心书中对于数据挖掘的批判。因为这年头，数据挖掘也是前沿学科。向书中提到的神经网络等等，也被应用到数据挖掘中。对于不正常数据的筛选，数据挖掘可能的方法有许多优势。但总体来讲是，需要的知识要命啊。客户承担市场风险，主动经理承担残差风险。这是书中的一句原话。书中没有告诉你市场风险的确定，但对于客户来讲，有时候市场风险比残差风险大很多。以译者的序为例就是，牛市的时候似乎炒股的人人都赚钱。通常，barra的结构化风险模型，只在其他的金融建模的书中占小的一节。就如它谈到ARMA等等算法的时候，只是稍稍说了下。
精彩短评 (总计7条)
-
教科书 -
还是看不懂。。。。。。日后再看。。。。。 -
哈哈，学完CFA之后再读就木有压力了，不过还是要实操！ -
内容充实，多因子那块内容再多点就好了 -
量化基石，高频交易的理论基础~
不过翻译语句读的太难受了~ -
这本书适合认真反复阅读四五遍以上。心如止水。何必浮名绊此生。 -
一本真正教你投资的书！