评估投资组合表现

评估投资组合表现为了能够最大限度地利用模型进行分析，在评估投资投资组合的建构过程中应考虑股票选择模型发现的评估投资具有相关性趋同的那些因素。评估投资如果不这样做则可能导致模型的观察点和投资组合风险之间出现不匹配。假设从市场上可以得到一种投资组合优化程序，这种评估投资优化程序只考虑估值模型中变量的一部分。评估投资使用这种优化程序所减少的风险将仅限于该优化程序所考虑到的那些方面。结果是，投资组合可能会更多地暴露于由模型而非优化程序所考虑到的变量风险中，同时评估投资更少暴露于那些由模型和优化程序共同考虑到的变量风险中。想象一下，一个投资者寻求分析师推荐购买低市盈率股票，但同时又使用一种评估投资包含了分析师未曾建议的市盈率因素的优化程序。结果是投资者得到的投资组合的风险水平可能逊于低市盈率情况下最佳水平，但优于分析师建议购买的投资组合的最佳水平。评估投资优化程序利用所有相关的变量可以确保投资组合的风险和收益机会能够按照模型的要求取得平衡。此外，利用更多各种各样的变量可以更多地微调投资组合的风险。

在投资过程中，股票选择和组合建构都是由模型驱动的，更适用于电子交易场所。这可以使投资者在多个方面受益。首先，电子交易一般成本较低，具有较低的佣金、市场影响和机会成本。其次，电子交易允许实时监控，可进一步降低交易成本。再次，自动化交易系统可以比个人投资者考虑更多的因素，包括特定交易的紧迫性和市场情况。最后，业绩归因过程应当与股票选择模型（及组合优化程序）的口径保持一致。这样可以确定收益的业绩归属，一个考虑了所有股票选择模型所确定收益来源的过程将会比一个通用的商业业绩归因系统更有见地。例如，那些设法利用低市盈率和分析师主动建议的投资者希望能够知道这些因素究竟是否真的对投资有所帮助，他们对由不属于股票选择过程的因素所产生的收益则没有那么感兴趣。为模型量身定制的绩效评估过程同时也有检测模型可靠性的作用。投资组合的业绩是否支持模型的分析？是否需要重新做些检查工作？而且同样重要的是，模型的可靠性是否能够持续？在当前经济和市场环境下运行良好的某个模型不一定在将来继续有用。评价和研究建模过程中的反馈循环过程有助于确保模型能够随着时间的推移保持稳定。