alphadex台灣指數etf股票市值
A. 怎樣查詢道瓊斯恐慌指數1到10
VIX指數是芝加哥期權交易所市場波動率指數的交易代碼，常見於衡量標准普爾500指數期權的隱含波動性。通常被稱為「恐慌指數」或「恐慌指標」，它是了解市場對未來30天市場波動性預期的一種衡量方法。
可在英為財情查看恐慌指數詳情。
B. 期貨交易計算
這就是使用股指期貨套期保值，系統風險指的是指數下跌，利用做空股指期貨來彌補持有股票現貨的損失。
我大概看了下題目，具體數字我就不詳細說了，好比投資者持有的股票在3月18的價格計算市場價值一億元，但是到9月18號的價格是未知的，也可能漲，也可能跌，所以到9月18日股票市值是：一億（3月18的市值）乘以（9月18市值比3月18日市值）
但是這個投資者考慮到預計大盤會下跌股票也隨之下跌，所以他要買一億元期貨合約進行套期保值，當時股指2300點，每點300元，也就是在3月18日做空145張股指合約，大概一億元，但是這一億元只需要大概最多10%--20%的保證金，所以只需要最多兩千萬來做空期貨，彌補股票現貨的損失。
假如如投資者所預料的，股指下跌，股價也隨之下跌，但是做空股指期貨盈利，彌補了股票下跌的損失，如果預料相反，大盤上漲，股價也會上漲彌補股指期貨虧損。期貨的優勢就是保證金交易，所以不需要一億，只需要最多兩千萬，甚至更少。
所以這樣做的目的就是為了穩定股票成本，需要指出的是所持有的股票必須是優質股票，也就是大盤漲，股票漲，大盤跌股票跌得很少，這個就需要技術和經驗，一般都是機構投資者利用股指期貨套期保值，穩定成本。
C. 怎樣理解fama french三因子模型
Fama 和French 1993年指出可以建立一個三因子模型來解釋股票回報率。模型認為，一個投資組合(包括單個股票)的超額回報率可由它對三個因子的暴露來解釋，這三個因子是：市場資產組合(Rm− Rf)、市值因子(SMB)、賬面市值比因子(HML)。這個多因子均衡定價模型可以表示為：
E(Rit) − Rft= βi[E(Rmt− Rft] + siE(SMBt) + hiE(HMIt)
其中Rft表示時間t的無風險收益率；Rmt表示時間t的市場收益率；Rit表示資產i在時間t的收益率；E(Rmt) − Rft是市場風險溢價，SMBt為時間t的市值(Size)因子的模擬組合收益率(Small minus Big)，HMIt為時間t的賬面市值比(book—to—market)因子的模擬組合收益率(High minus Low)。
β、si和hi分別是三個因子的系數，回歸模型表示如下：
Rit− Rft= ai+ βi(Rmt− Rft) + SiSMBt+ hiHMIt+ εit
但是，我們應該看到，三因子模型並不代表資本定價模型的完結，在最近的研究發現，三因子模型中還有很多未被解釋的部分，如短期反轉、中期動量、波動、偏度、賭博等因素。
D. 什麼是量化投資交易策略
一文看懂量化投資策略
閑話基
量化投資在近些年受到越來越多的關注，包括規模、策略、業績。量化投資，是指通過藉助統計學、數學方法，運用計算機從海量歷史數據中，尋找能夠帶來超額收益的多種「大概率」策略，按照策略構建的數量模型嚴格執行投資，力求獲得長期穩定可持續高於平均的超額回報。
跨市場策略涉及外匯兌換、國際期貨交易對沖，交易實現難度大，國內用得少。
由於期貨具有杠桿屬性，這類策略持倉的市值往往很大，有時候甚至超過產品資產總值，導致收益率的波動率是所有量化策略中最大的。在市場出現連續震盪行情時，這樣策略由於杠桿屬性會出現較大的回撤。另外一個對這類策略的一個限制是，目前市場上活躍交易的期貨品種不多，高頻交易很大程度倚重於品種成交量，開平倉時間間隔較短，使得策略容量不大。
E. 投資者可能構造出和股票指數完全一致的投資組合(二者在組合比例股指的價值與股票組合的市值方面都一致)嗎
你好，只要你資金夠充足，精力夠旺盛，是可以按照各指數的權重比構建出完全一樣的投資組合的。這樣的投資組合，其實已經有了，那就是指數ETF基金。他們都是按照所跟蹤的指數，等比配置各股票市值，走勢上被動跟蹤所跟蹤的指數，基本能做到同步一致。
因此，如果你對於指數走勢判斷特別准確，也不希望承擔過多的不確定因素（比如突然的停牌或者其他黑天鵝事件），交易ETF指數基金是一個不錯的選擇。並且也沒有印花稅，只收取雙向交易傭金。並且很多ETF基金都被券商納入了融資融券范圍，券源數量相對充足，是一個不錯的選擇。
希望以上回答能幫到你。
F. 這次股票大跌,是回調嗎有幾天
上證50和中證500股指期貨明日正式上市，新合約上市會造成什麼影響？2010年滬深300股指期貨推出後，滬指曾暴跌24%，5年後，面對與之前截然不同的市場，歷史會否重演？
業內專業人士認為，期指新品推出與市場走熊沒有必然聯系，不過兩期指新品推出必然增加期指市場交易量，同時增加對沖套利的工具和方式，對量化對沖投資形成利好。
從國內歷史來看，經過2009年滬深300指數大漲，在2010年4月推出滬深300股指期貨後，短期市場的波動有所增加。從中長期來看，滬深300指數期貨推出後並不會對市場波動造成影響，市場長期走勢則由基本面因素決定。
從海外經驗來看，股指期貨推出後，短期內大多數國家或地區標的指數走勢均存在不同程度的反轉，即股指期貨推出前上漲，股指期貨推出後現貨市場短期內會不同程度地下跌。不過，雖然短期內許多市場都出現反轉，但股指期貨的推出並沒有改變這些市場中長期的走勢。
上證50指數成分股代表了關系國計民生的大型企業，目前流通市值約9.6萬億元，約占滬深A股流通市值的30.38%，主要集中在金融、地產、能源等支柱性行業。推出上證50股指期貨，一是有利於增強大盤藍籌股的流動性，穩定藍籌股價值中樞，推動藍籌股市場建設，提高投資者持股信心，實現股市長期穩定發展；二是有利於機構投資者價值投資功能的發揮和資產配置效率的提高，目前跟蹤上證50指數的指數基金資產凈值超過450億元；三是能夠更好地配合已經上市的上證50ETF期權，為期權做市商和普通投資者提供更有效的對沖手段，促進期權市場定價更趨於合理，流動性進一步改善。
中證500指數成分股是滬深兩市中500隻中小市值上市公司，目前總市值為5.4萬億元，約占滬深A股市值的14.42%。該板塊公司數量多、單個公司市值小、行業覆蓋面廣，是我國經濟結構轉型、技術升級和創新發展的重要依託力量。根據研究，中證500指數的行業分散度非常好，不會受到單一板塊階段性表現的過度影響，有利於對沖交易投資者在尋求穩定的alpha的同時，盡量降低beta風險，因此更適合作為量化對沖的工具。經測算，與利用滬深300指數期貨對沖相比，利用中證500指數將顯著提升策略的收益風險比。
以史為鑒：滬深300期指上市後曾滬指暴跌24%
面對新品種的來襲，投資者最想知道其對市場到底會產生怎樣影響？
這里不妨來看一看歷史上的相關情況：比如2010年，滬深300指數期貨推出後的52個交易日，滬指暴跌24%，此後滬指調整時間長達兩個半月。此外，還可以參照其他地區資本市場的情況，比如富時100指數期貨、日經225指數期貨等推出後的狀況。
時間回到2010年4月16日，跟蹤滬深300指數的股指期貨正式推出。推出當日，滬指表現平穩，以1.1%的跌幅完成一天的演練。而在第二個交易日，在市場有所鬆懈之際，"噩夢"來襲。
就盤面顯示得情況來看，2010年4月19日，滬指在經歷了一個周末後，並沒有消化滬深300指數期貨上市的消息，當日跳空低開之後震盪下跌，當日滬指暴跌了150點，擊穿數根均線，報收2980點，跌幅高達4.79%。
由此來看，滬指"這一跳"重挫了市場信心。隨後滬指的走勢如決堤一般，被已經掉頭的5日均線壓著不斷走低，52個交易日，滬指累積下挫24.71%，最終在2010年7月2日下探2319點後，重新站穩反身向上。
申萬宏源的研究報告指出，滬深300股指期貨推出後，換手率和相對換手率均出現一定下行，暫不支持股指期貨增加股市流動性的結論。與此同時，滬深300股指期貨推出後，以日收益率標准差衡量的波動率水平出現下移，但相對波動率水平上移，這意味著股指期貨推出並沒有優化降低市場的波動率水平。
以上供您參考！
G. 什麼是α，β收益，量化投資的策略創建與分析
α收益：一攬子可以自定義低估、同質化並且有波動的股票，不斷買入更便宜的，賣出更貴的，從而獲得的收益。
例如：幾個跟著滬深300的ETF，你發現手中持有的滬深300ETF溢價2%了，而市場上同時存在一個折價1%的ETF，那麼就賣出溢價高的滬深300ETF，去買折價的，這樣雖然始終持有滬深300ETF，但獲得了超越滬深300指數本身的收益，就是α收益。
解釋一下同質化：明顯所有的滬深300ETF是同質化的，也可以認為最小市值20個股票是同質化的，所有銀行股是同質化的，分級A是同質化的。下文中有解釋自定義低估。
β收益：基本面本身上漲是β收益。
例如，自定義最小市值的10個股票為一個指數，這些最小市值從5億漲到20億，這就是β收益。自定義最低股價10個為一個指數，從牛市的5元跌到2元，那麼β收益就是負的
量化策略創建三個步驟：
策略的理論基礎
歷史回測
找到策略黑天鵝。
（一）策略的理論基礎：（大致分為三類）：
基本面理論
按基本面又可以分為：1.價值型；2.成長型；3.品質型；按中國特色A股基本面又可以添加；4.小市值型；5.股價型
技術面理論
按技術面又可以分為：1.趨勢型，2.趨勢反轉型，3.縮量反彈，4.指數輪動，5.擇時
風險套利
風險套利（或者稱輪動）：不斷買入更便宜的，賣出更貴的。
注意：
有些理論基礎並不牢固，並且不能很好解釋（這也導致了各種投資流派互相不服）
有些量化跳過了理論基礎，直接根據歷史統計進行量化（本文不討論），例如，統計兩會前後漲跌，一季度歷史表現最好板塊
對策略理論的解釋：
基本面策略可以定義什麼是低估，比如低PE是低估，低市值是低估，低股價是低估，高ROE是低估，高成長是低估；也可以自定義低估，PB*PE是低估，總市值*流通市值小是低估
基本面理論提供了一攬子同質化並且有波動的股票。有些基本面策略的股票間波動較小，例如最低PE股，一段時期內總是那麼幾個銀行股；有些波動較大，比如小市值型
技術面理論有些很難定義什麼是低估，比如趨勢型；有些則看似可以定義低估，例如，BIAS最小，20日跌幅最大，其實也不是
能自定義低估的策略是風險套利，不能自定義低估的策略是統計
基本面本身能上漲，就獲得了β收益
我得出的結論是：風險套利策略的核心是對自定義低估的輪動，即不斷獲得α收益！！
如何獲得α收益：大部分基本面策略的收益是因為風險套利獲得的；也就是不斷買入更低估的，賣出更貴的；也就是因為調倉周期內因不同股票的波動而產生收益，因此適當縮短周期有利於提高收益；所以在一年內交易次數越多，alpha收益越大（投資大師說的減少交易次數，並不適用於套利）
理論本身獲得的β收益並不多，甚至為負（價值型由於近幾年市場估值不斷降低，不調倉的話，收益是負的）
我們應當尋找的是：基本面理論本身能上漲，且能提供同質化，波動較大的策略（即獲得α，又獲得β）
統計策略其內在邏輯說服力小，是過去的概率來預測未來
（二）歷史回測：回測中最重要一點是：不要欺騙自己
歷史回測中要用到一個哲學思想，叫做奧卡姆剃刀:較簡單的理論比復雜的理論更好，因為它們更加可檢驗
改變測試起始時間。調倉周期超過2天的策略，應該試遍每個起始時間，取平均收益，這才最接近策略真實歷史回測，因為理論上起始時間變化一兩天對策略收益影響是不大的，如果變化很大就說明過度優化。
不要創建靜態股票池。歷史上每個階段都有大牛股，完全可以收集大牛股作為股票池，算好調倉周期，每個階段買最牛的，收益可以美到不敢想像
不要用PE.PB等指標精確逃頂抄底，最多用來確定一個大致范圍。每次大頂點位都是不同的，這樣的擇時毫無意義。
先用25個以上股票測試，確定策略有效性，再減少數量做策略，如果25個測試無效，那麼一兩個即使收益很好，也該放棄。
改變條件權重。如果稍微改變權重，收益變化很大，那麼就降低策略未來預期收益，別指望策略以後會表現這么好。
盡量從07年開始測試。除非你能確定每個時間市場的風格，顯然這是不可能的。
同一套擇時系統，如果用在策略1上回撤是30%，用在策略2上回撤是15%，你肯定會選擇策略2，如果策略1和2本質上是差不多的策略，別太高興，在未來，策略1和2表現誰好誰壞也是難說的
（三）找到黑天鵝：每個策略都有黑天鵝
價值型，成長型，品質型策略，黑天鵝是過一個季度，可能財務數據完全變了，因此持倉個數不能太少，行業要分開
小市值，低價，低交易額策略，黑天鵝是出現仙股
統計類，技術類策略，黑天鵝是理論本身就不完美
H. 「聰明基金「Smart beta策略能賺大錢嗎
自2000年以後，股票已經經歷了兩輪大熊市，而現在又開始有走軟跡象。養老基金，保險公司以及捐獻基金尋找新的回報來源就沒什麼奇怪的了。「smart-beta」正是最新的基金管理業的術語。
「Alpha」是選擇單個標的資產超越大盤的技能。
「beta」則是資產組合相對於整體市場(如以某個指數基金為代表)的相對收益。
傳統的「市值加權」法，是投資者按市值等比例購買股票或者債券的方法，
而「smart beta」則是嘗試在跟蹤某一大類資產的同時，調整成份證券權重，以獲取增強性收益的投資方法。
[Smart Beta]
眾所周知，beta在CAPM模型中衡量了相對於持有整個市場所帶來的風險溢價（risk premium）的大小。整個市場通常用市場投資組合（market portfolio）或市場指數基金（market index fund）來表示。市場指數通常都是市值加權（market capitalization weighted）。如果把市場指數換成按非市值加權的指數或投資組合，其得到的beta即為smart beta，又被稱為alternative beta或exotic beta。理由是因為這些新指數的權重是由某些量化演算法得出的，看上去比最普通簡單的市值加權要更「聰明」些。
現在比較流行的演算法有：
等權重加權（Equal Weight, EW）:
等風險加權（Risk Parity），可以看作是調節波動率後的等權重
等風險貢獻加權（Equal Risk Contribution ，ERC），可以看作是考慮了資產回報率之間協方差後的risk parity
最小方差加權（Minimum Variance, MV
最大多樣化加權（Maximum Diversification，MD
如下圖所示，從左至右，這些加權法需要的參數逐漸增加。ERC，MV，和MD都屬於「robust risk parity」因為它們把協方差考慮在內。最經典的均值-方差優化法（mean-variance optimization）需要知道預期回報，方差與協方差，因為此優化法同時使風險最小化，預期回報最大化，不過，這里涉及到因子對准問題（Factor Alignment Problem, FAP），下文中會提到。smart beta策略只考慮波動率與協方差，所以，我們把它們看作只關注風險（risk-based）而不關注預期回報（return-based）的策略。
[隨機折現因子，SDF]
事實上，CAPM模型是資產定價模型（asset pricing model）的一個比較有名的特例，因為廣義的隨機折現因子（stochastic discount factor，SDF）在CAPM中被狹義的市場投資組合所代表了。
按資產定價模型的定義：p = E(mx)，任何資產的價格就是折現後所得回報的期望，其中x是資產在未來的回報，m就是隨機折現因子SDF。利用協方差的定義，我們得到
所以，任何資產的價格等於用無風險率折現後所得回報的期望再加上一個風險溢價（risk premium），而這個溢價是SDF與未來回報的協方差。
按照芝加哥大學經濟學教授John Cochrane的說法，投資者的狀態有『好』和『壞』之分（good vs. bad times）。『壞』的狀態一般指個人財富降低，導致其發生的原因可以是由於個人負債過高，或收入降低等等造成的。而SDF是定義這個狀態『壞』時的指標，狀態越『壞』，指標越高。由於大部分資產在狀態『好』時，回報很高，所以這個協方差通常為負。更重要的是，如果一個資產的回報與個人狀態好壞無關，即與SDF無關（風險中性狀態，risk-neutral），那它的價格只能由無風險率決定（協方差為零）。
把上式寫成預期回報率（expected return）的形式，會更直觀些
進一步推導得到預期資產回報率的「beta表達式」
換句話說，人們只有承擔系統性風險（systemic risk，與SDF相關）才能取得收益。如果承擔非系統性風險（idiosyncratic risk），則無任何益處。
由此可見，SDF作用很重要，但是它只存在於理論中。人們千方百計地在真實世界裡尋找替代品，即所謂的風險因子（risk factor）。所以，我們也可以這樣認為：人們承擔的（系統性）風險越大（尤其在狀態『壞』時），作為補償的因子風險溢價（factor risk premium）也越大（尤其在狀態『好』時）。高風險的資產必須有足夠高的預期回報率，即足夠低的價格，才能吸引人們來購買並持有它。
[多因子模型]
由於我們在CAPM中假設SDF只與市場投資組合回報有關，所以市場投資組合是CAPM中唯一的因子。在此基礎上，我們也可以進一步假設SDF與多個因子線性相關
由此得到多因子模型。因子不同，對投資者狀態『壞』時的定義也不同，由此承擔的風險敞口以及獲得的溢價也會不同。Fama-French三因子模型是多因子模型中的經典代表。諾獎得主Gene Fama和Dartmouth大學教授Ken French通過對大量股票中某些共同特徵進行篩選，從而得到有別於大盤因子的兩個新因子：規模與價值（HML，SMB）用以組成三因子模型。這個模型恰好能很好地解釋股票的預期回報。後來，該模型又加上了動量因子（momentum），遂成四因子模型。從結構上講，這與Stephen Ross提出的套利定價理論（arbitrage pricing theory）相似。唯一不同的是，APT直接從統計的層面入手，假設資產回報率可以由一系列因子表示。
[基於因子的資產配置策略]
前面啰里啰唆說了這么多，我只想強調因子的重要性。需要指出的是，上文中提到的廣義資產定價模型與風險因子不只局限於股票市場，而是適合任何資產和資本市場。可以這么說，風險因子才是資產之間聯動的根本原因，資產配置實際上是因子的配置。
我們可以把各種資產比作各種食物，把各種因子比作各種營養，比如維生素。理論上來說，我們既可以通過攝取不同食物來獲得不同維生素，也可以通過直接服用維生素來獲得所需營養。比如，為了治療腳氣，人們即可以多吃穀物，獼猴桃，藍莓等富含維生素B1的食物，也可以直接服用維生素B1葯片。
如同某一食物含有多種營養一樣，買入並持有某一個資產可能會帶來不同的因子風險敞口（factor risk exposure）。比如，在美國NASDAQ上市的網路，它的股票價格即包含了科技板塊的風險，也包含了中小版塊的風險，另外，由於公司的總部在中國，它還包含了中國經濟發展的風險。當然，還可能包括一些其他未知風險。這也是多因子模型中資產表現評估（performance assessment）的精髓。
同樣道理，如果我們只想要某單一風險，如同維生素B1葯片，我們就要巧妙選取資產來達到此目的。在上文提到的Fama-French三因子模型中，Fama和French為我們很好地展示了如何對大量股票進行篩選，把具有共性的多支股票組合在一起，構造出所需要的因子（factor mimicking portfolio）。人們根據不同的風險偏好選擇不同因子，以獲得不同的因子風險敞口從而賺取不同的因子風險溢價，比如，動量因子，基本面指數。
至於如何發現新的有用的風險因子，則不在本帖討論范圍內。不過，下圖展示了資產配置策略的發展過程與新風險因子的發現密不可分。這些新因子現在已被大眾廣泛應用於投資中了
70年代，人們開始將投資組合用於主動投資管理中（active management）。
80年代，市場指數基金的流行使人們更加便捷且廉價地投資整個市場，因為CAPM模型讓他們意識到只有承擔系統性風險（systemic risk）才能取得收益，其風險及收益的大小由beta來衡量。而那些市場超額回報則由alpha來衡量。
90年代，人們不再局限於市場這個單一因子，APT和Barra多因子模型擴大了人們選擇因子的范圍，其中包括國家地域因子，行業因子，宏觀因子等。
2000年之後，人們對因子的認識又擴展到了新領域：風格因子與策略因子。比如，Fama-French三因子及Carhart四因子模型中的規模，價值，和動量因子。新的因子又比如carry，低波動率，流動性（liquidity），基本面因子，以及本帖介紹的smart beta策略等。更重要的是，人們意識到之前他們認為的alpha，其中有很大一部分是非傳統的beta。那些業內人士把這些beta包裝成alpha在推銷（sell beta as alpha，見下文「另類投資」部分）。
隨著ETF的流行，人們能夠越來越方便地接觸到不同因子並直接應用於投資中，尤其是應用於被動投資中。與對沖基金，共同基金，期貨等相比，ETF的優點是更透明，成本更低，進入市場的門檻更低。一些較受歡迎的因子ETF或smart beta ETF包括：RSP（標准普爾500等權ETF），SPLV（標准普爾500低波動率ETF），FNDB（Schwab美國基本面指數ETF）等等。
[全天候式投資組合（All-weather Portfolio）]
上文中提到了宏觀因子（macro factors），就不得不提一下與之有關的資產配置策略：全天候式投資組合（All-weather Portfolio）。此策略是美國知名對沖基金Bridgewater的負責人Ray Dalio長期研究的成果，其核心觀點是將宏觀因子，經濟情景（economic scenario），和上文中提到的等風險權重（risk parity）結合在一起。
宏觀因子與資產回報之間的相關性很低，尤其是在短期，但使用經濟情景可以在長線投資中彌補這個不足。另外，由於一般投資者不喜歡借錢來投資（leverage aversion），這造成了投資組合中股票等高風險資產的權重高於理論中的最優值。使用等風險權重可以糾正這一偏差。
這里，宏觀因子主要考察的是經濟增長和通貨膨脹，並由此定義四種經濟情景：
（1）經濟增長上升，通脹上升
（2）經濟增長上升，通脹下降
（3）經濟增長下降，通脹上升
（4）經濟增長下降和通脹下降。
然後，從歷史數據中找出資產價格的變化與這些經濟情景的關系，從而確定可投資的資產以及相應的權重，使得投資組合在每個經濟情景中分配到的風險相等（如下圖所示）。這樣，隨著時間的推移，該投資組合能夠經受住各種宏觀風險的沖擊，「全天候式」的名稱由此而來
不過，全天候式投資組合在2013年遇到了些小麻煩。在標准普爾500指數增長30%的情況下，Ray Dalio旗下的全天候式投資組合基金的回報率為-3.9%。於是，全天候式投資這個概念也遭受了質疑 。但我認為資產配置的重要功能之一就是幫助保護投資者的財富，防範風險。所以其分散風險的優勢要在長線投資中才能顯現出來，人們不應該太在意短期的失利，下文中會提到。
[耶魯模式 Yale Model]
耶魯大學捐贈基金（Yale Endowment）由於其在同行中長期傲人的投資表現，已經被視為是資產配置行業的一個榜樣，簡稱耶魯模式（Yale Model）或常春藤投資組合（Ivy Portfolio）。耶魯模式之所以能取得不錯的收益，主要得益於其在另類投資（alternative investment）中的高配置，包括各種私募基金，對沖基金，風險資本（venture capital），房地產等。近年來，其占整個投資組合的比重高達60%。耶魯基金從上世紀90年代就開始投資當時頗具神秘色彩的私募基金和對沖基金了。這些基金的特點是乏人問津，投資准入門檻高，因此其收益可以說是來源於價值因子和低流動性因子。
雖然，這些因子給耶魯基金帶來了可觀的回報，但在08金融危機中，由於人們的恐慌性拋售，低流動性資產重創了該基金。從理論上來講，這符合上文中提到的因子投資的特性，即人們承擔的（系統性）風險越大（尤其在狀態『壞』時），作為補償的因子風險溢價（factor risk premium）也越大（尤其在狀態『好』時）。
然而08金融危機過後，在標准普爾500屢創新高的情況下，耶魯基金的資產始終沒有超過08年的最高點。一個很重要的原因是因為耶魯基金的成功模式開始被不少養老金機構和規模較小的大學捐贈基金效仿，導致了在另類投資中的風險溢價大幅減少。耶魯基金在其年報中也承認了這一點。但它近年來仍能在投資表現上對同行保持微弱的優勢，其成功的關鍵在於它能夠找到最優秀的基金經理來管理投資，這在其年報中也提到了。可惜的是，這些最優秀的基金經理中的大部分都已不接受新的資金。因此，這個成功的關鍵只適用於耶魯自己而無法被他人復制。
由此可見，耶魯基金在可預見的未來仍可能繼續領跑這個行業，但它作為一種已被大眾所熟悉的投資模式不可能在短期內重塑輝煌。
[另類投資不另類]
隨著耶魯基金的成功，那些往日不為人知的另類投資（alternative investment）也掀開了它們神秘的面紗。以其中的對沖基金為例，其高回報及低相關性吸引了人們來研究它。
研究結果顯示對沖基金的回報能提供的alpha非常有限，而有很大一部分是來自各種beta，我有一個帖子專門討論了這個現象。除去少數明星基金，大部分對沖基金能取得回報的一個重要原因並不是因為它們能提供下行風險的對沖（protection on downside risk），恰恰相反，而是因為它們在市場下行的時候回報足夠糟糕，也就是說它們對尾部風險（tail risk）的敞口很大。這與我們之前的認知不太一樣，但符合因子投資的特徵。
大家可能都知道股神巴菲特與另類投資公司Protege Partners之間的十年賭約吧。巴菲特在2008年初跟對方打賭說「an index fund will beat a fund of hedge funds over ten years」。那到目前為止（2014年）結果怎樣呢？有「好事」者把兩者做了一個比較，發現巴菲特建議的投資暫時領先（見下圖）
進一步的研究發現，如果我們把指數基金降低杠桿並收取費用，我們竟然得到了與對沖基金同樣的收益！（見下圖）
另一方面，如果想要得到私募基金的回報，我們只有增加杠桿並收取費用即可。由此可見，另類投資行業經常把已知的beta當成alpha來推銷。然而，隨著因子研究的不斷深入，人們對另類投資的理解也越來越深刻。另類投資已變得不再另類。
[重新審視Smart Beta]
在了解了因子與資產之間的關系後，我們現在再來重新審視一下Smart Beta策略，看看它們是不是有特別之處呢？回答是否定的。
研究顯示這些Smart Beta策略其實都是某些因子的組合。比如，等權重加權法偏向於規模因子。這個很容易理解，因為這種加權法使小盤股獲得與大盤股同樣的權重。又比如，最小方差加權法偏向於低beta因子與低波動率因子。然而，等風險加權法與等風險貢獻加權法更偏向於低beta因子和規模因子。
如下圖所示，Smart Beta策略與上文中提到的其他因子策略同屬一個均值-方差框架內，但正如上文中提到的，Smart Beta策略的著重點是風險，而其他因子策略的著重點是預期回報（risk-based vs. return-based）。不過，最後的效果是相似的，都具有某些因子偏向（factor tilt）
更令人意想不到的是，與Smart Beta正好反向操作的策略竟然也能賺錢。究其原因，原來這些反向策略仍就偏向規模與價值因子。即使是隨機投資組合（random portfolio，即著名的「猩猩擲飛鏢選股法」，在《漫步華爾街》一書中屢次被提及）也有類似的因子偏向（factor tilt，下圖所示）。由此可見，Smart Beta策略能跑贏大盤就不足為奇了，因為它們承擔了一定的因子風險。
既然談到了均值-方差優化框架，這里就順便提一下因子對準的問題（Factor Alignment Problem）。此問題的出現是因為在均值-方差優化法中的預期回報，風險與優化問題的約束條件（optimization constraints）三者所側重的因子有時不盡相同（misalignment）。比如，在預測預期回報中使用的因子可能在風險模型中沒有被使用到。當我們運用優化演算法時，更惡化了這個問題，因為我們可能低估了那部分因子的風險，從而在使預期回報最大化的過程中，高估了與風險模型無關的那部分因子的預期回報。慶幸的是，Smart Beta策略和其他因子策略都只側重均值-方差優化法中的一部分，從而避免了此問題。
雖然Smart Beta策略只是普通的因子配置，但它如此受歡迎有它的道理。我認為主要原因有下列幾個：
（1）美聯儲的QE大幅降低了固定收益類資產的回報，使得投資者不得不尋找其他投資門道來增加收益。
（2）08金融危機中的恐慌和之後美聯儲的QE都影響了市場對各種資產的真實定價功能，資產與資產間原有的聯系減弱了。取而代之的是，大部分資產都隨著美聯儲的貨幣政策起舞。「risk-on/off」模式使得傳統的資產分散化投資（diversification）失靈了。
（3）投資者們仍然對08金融危機時財富大幅縮水記憶猶新，所以比起資產的預期回報，他們更注重風險的控制，更偏愛能控制風險的策略。
（4）08金融危機後，投資者希望在投資中減少人為操縱的因素，更偏愛透明度高，原理簡單的投資產品。
（5）依照某些演算法或規則產生的投資策略（rule-based strategy）可以大大降低由於人們行為上的偏差（behaviour bias）而造成的損失。
（6）傳統的對沖基金和共同基金的高費用一直受人詬病。
因此，這些主題明確，成本更低，且看上去能控制風險的Smart Beta策略在經過精心包裝後迅速受到了大眾的追捧。目前掌握著金融市場大部分資金的機構投資者（institutional investors），比如養老基金，大學捐贈基金，資產管理公司，保險公司等都在往這個方向發展，這股趨勢對人們投資理念的影響深遠。
[市場與因子風險溢價]
雖然因子投資有種種優點，但是，我們沒有任何理論可以保證某一個因子策略可以始終跑贏市場。
事實上，我們經常看到的是這樣的情形：某一個策略或資產在某一段時間內的表現持續地領先整個市場，通過媒體的報道和業界專業人士的包裝，普通投資者們立刻對它們趨之若鶩。於是，這些策略中對應的資產價格井噴式地被抬高，預期回報大幅降低，直到泡沫破裂，重新回歸長期均線為止。這樣的例子比比皆是，比如90年代的增長型股票策略，08金融危機前的新興市場策略，危機後的黃金，低波動率策略，高股息策略等等。
投資者持有資產時因為包含了風險因子才會得到風險溢價，用以補償他們所承擔的某一種系統性風險，我們知道風險溢價是隨時間變動的（time varying），我們不知道何時能夠得到補償。這也是為什麼股神巴菲特不斷鼓勵人們不要在意一時的得失也不要隨意改變投資風格，而要做長線投資。只有這樣獲得溢價補償才是大概率事件。巴菲特本人就用他大半生的經歷來證明這個理念的正確性。如果我們用多個因子構造出一個投資組合，我們就可以利用它們之間穩定的低關聯性等優點進行分散化投資，以避免上述單因子策略出現的損失。美國著名對沖基金AQR就巧妙地利用了因子的這些優點構造投資組合並取得了持久且不錯的收益。
市場是個零合游戲（zero-sum game），任何異於市場的投資，必定有一個與之對應的反向投資，而它們在長期都將回歸到市場這個動態的均衡點上（equilibrium）。任何想跑贏市場的投資策略（包括因子策略，擇時策略等）只適用於一部分人，因為這需要另一部分人反向操作來支持他們。如果市場內的大部分人都採用同一種策略，那新的市場均衡點就形成了，投資策略也就失去了意義。這也是為什麼包括對沖基金在內的另類投資在被大眾熟悉後就失去了往日的光環。
有人擔心如果市場上大量的資金流向指數基金和被動投資策略，主動投資的交易減少會導致市場失去發現資產真實價值的功能。我倒不這么認為，因為從本帖的分析中我們了解了，只有長期持有整個市場投資組合才是真正的被動投資。除此之外的其它異於市場權重加權的策略或指數都是主動投資，因為它們都具有某些因子的偏向。為了保持這些因子敞口，人們要定期地主動地進行再平衡調整（rebalance，即始終持有對某個因子偏向最強的資產，拋棄偏向最弱的資產）。只不過，主動投資的控制權不在投資者而在指數或ETF管理公司那裡。無論如何，主動投資仍是市場中的大多數。
另一方面，傳統意義上的主動投資（包括共同基金，對沖基金）從長遠看並不會消失。盡管主動投資的表現不盡如意，收費也較高。如下圖所示，以代表對沖基金整體水平的指數HFRX已經連續十年跑輸僅由股票和債券組成的簡單投資組合了
但是投資者們寄希望於將來能夠選到更優秀的基金經理來跑贏被動投資，而且主動投資的參與者越少，能跑贏的概率越大，因此，投資者們仍然堅守著自己的主動投資倉位盡管有一些下降。投資者的這個看似愚蠢的決定其實是經過理性思考後做出的。
這就是主動投資與被動投資之間此消彼長的辯證關系，假設在極端情況下，資產的價格反映了所有信息，那麼人們就沒有動力去主動尋找新的信息。大家都被動接受信息的結果是整個市場沒有信息。那麼，這時候主動尋找新信息就可以佔得先機。此關系可以看作是對有效市場假說（EMH）的一個註解。所以，完全有效的市場是不穩定的均衡點，永遠不可能達到。市場始終處在半informative 半uninformative的狀態，兩者的人數多少取決於信息的成本和市場本身的結構。比如，在像中國這樣不成熟市場中，由於種種原因使得獲得信息的成本較高，從而使主動投資者更可能取得較高的回報。不過，隨著市場的不斷完善，獲得信息的成本降低，越來越多的投資者會加入到被動投資的陣營中。
[結語]
總而言之，風險因子才是資產之間聯動的根本原因，它描述了資產間某些共同特徵。資產配置的實質是因子的配置。大規模的資產配置投資很難不涉及到某些因子敞口，而且，因子投資的特性會不斷激勵人們挖掘新的因子。隨著資產定價理論的不斷發展，我們不知道的beta會越來越少。