I analyze securities based on value investing, an owner's mindset, and a long-term horizon. I don't write sell articles, as those are considered short theses, and I never recommend shorting.I was initially interested in a career in politics, but after reaching a dead-end in 2019 and seeing the financial drain this posed, I choose a path that would make my money work for me and protect me from more setbacks. This brought me to study value investing, in order to grow wealth with risk management in mind.From 2 ...

作者背景与投资理念 - 作者采用价值投资理念 以所有者心态进行长期投资 不撰写看空报告或建议做空[1] - 作者职业生涯始于2020年至2022年在一家律师事务所担任销售角色 作为顶级销售员后管理团队并参与销售策略制定 此经历有助于其通过销售策略评估公司前景[1] - 2022年至2023年作者在富达投资担任投资顾问代表 专注于401K规划 但因公司基于现代投资组合理论的方法与个人价值投资理念不符 于一年后离职[1] - 作者自2023年11月起在Seeking Alpha平台撰写文章 分享其为自己寻找的投资机会[1]

量化模型与构建方式 1. **模型名称：基于Gaussian分布的Black-Litterman宏观择时策略** * **模型构建思路**：将ETF作为可交易标的，构建大类资产宏观择时策略。策略根据经济周期划分，对不同类别ETF的配置权重进行限制，并基于海外指标择时信号决定是否纳入海外资产[42][44]。 * **模型具体构建过程**： 1. 选取涵盖股票、商品、债券、境外、货币等品种的ETF，分别对应大类资产配置中的不同指数[42]。 2. 以ETF在不同周期的历史均值收益作为观点矩阵，分别输入基于Gaussian分布的Black-Litterman模型与基于Copula分布的Black-Litterman模型[43]。 3. 根据经济周期（复苏、过热、滞胀、衰退）对股票ETF、债券ETF、商品ETF和货币ETF的配置权重施加不同的下限约束[45]。 4. 对于海外资产（如标普500ETF），仅当海外指标发出择时信号时才纳入股票ETF类别进行配置，否则不配置[44]。 5. 通过上述模型和约束，最终计算出各类ETF的配置权重[43]。 2. **模型名称：动量择势策略** * **模型构建思路**：结合动量和拥挤度指标构建ETF交易策略，旨在捕捉价格动量，并在动量结束时通过拥挤度指标降低损失风险[53]。 * **模型具体构建过程**： 1. **动量指标**：使用XGBoost模型预测出的ETF上涨概率作为动量指标[53]。 2. **拥挤度指标**：以基金份额的历史分位数代表拥挤度[53]。 3. **板块筛选**：首先计算板块动量（板块内ETF动量均值）和板块拥挤度（板块内ETF份额总和的历史分位数）。选择动量排名前20且（1-历史分位数）排名前20的板块[53]。 4. **板块数量调整**：若初步选中的板块数量≥5个，则从中取（1-历史分位数）排名前5的板块；若<5个，则在筛选结果中加入纯债和黄金板块，以增加组合分散度[53]。 5. **ETF选择与权重**：在最终选定的板块内，选择动量最大的ETF。根据拥挤度计算ETF的配置权重[53]。 6. **调仓与训练**：策略每周调仓。每个季度末重新训练一次XGBoost模型[53]。 3. **模型名称：低波扩散行业轮动策略** * **模型构建思路**：将行业轮动策略应用于ETF，通过行业扩散指数因子捕捉行业动量，并叠加波动率因子进行改进，构建低波动的行业轮动模型[60][61]。 * **模型具体构建过程**： 1. **因子构建**：使用行业扩散指数因子，该因子是基于指数成分股上行状态合成的动量指标，相比传统动量因子更能反映指数涨跌背后的贡献来源[60]。 2. **模型改进**：在扩散指数因子的基础上，叠加波动率因子，构造“低波扩散”行业轮动模型[60]。 3. **ETF映射**：梳理已上市ETF，构建标的池。通过计算ETF跟踪指数与行业指数的相关性，将行业与ETF进行匹配，选择相关系数较高且规模靠前的ETF作为对应行业的可投资标的[61]。 4. **组合构建**：按月调仓，在选定的行业组内对ETF进行等权配置[61]。 4. **模型名称：资金流向策略** * **模型构建思路**：利用资金流向指标和风险度量指标筛选行业和ETF，并通过二阶随机占优优化方法确定最终持仓权重[64]。 * **模型具体构建过程**： 1. **行业筛选**：利用1倍权重的资金流向指标辅以0.5倍权重的风险度量指标，筛选出排名靠前的行业[64]。 2. **ETF筛选**：在筛选出的行业中，根据换手率和折溢价率指标进一步筛选出具体的ETF[64]。 3. **权重优化**：利用历史数据生成联合分布，使用二阶随机占优（SSD）优化方法计算并确定最终的ETF持仓权重[64]。 5. **模型名称：分位数回归策略（基于分位数随机森林的科技类ETF策略）** * **模型构建思路**：基于分位数随机森林算法对科技类行业指数的未来收益率分布进行预测，筛选收益风险比最优的科技类ETF，并经过仓位调整和权重优化得出最终持仓[71]。 * **模型具体构建过程**： 1. **分布预测**：使用分位数随机森林算法对科技大类二级行业指数的未来收益率分布进行预测建模[71]。 2. **指数筛选**：利用预测结果抽样计算指数基于预测分布的复合指标，并以此作为筛选指标来选择指数[71]。 3. **ETF选择**：根据流动性和规模指标，选择追踪上述筛选出指数的对应ETF[71]。 4. **仓位调整与优化**：对选出的ETF组合，经过MACD和波动率指标进行仓位调整，再使用二阶随机占优方法优化持仓权重，得出最终配置[71]。 模型的回测效果 （以下回测结果均截至2025年12月15日，除非特别说明） 1. **基于Gaussian分布的B-L宏观择时策略**，年化收益率9.03%[45]，年化波动率0.21%[46]，夏普比率2.8899[45]，Calmar比率2.8099[45]，最大回撤-4.95%[45]。 2. **动量择势策略**，年化收益率13.89%[54]，年化波动率21.99%[55]，夏普比率0.3898[54]，Calmar比率0.8097[54]，最大回撤-23.96%[54]。 3. **低波扩散行业轮动策略**，年化收益率15.55%[61]，年化超额收益率9.19%[61]，年化波动率21.25%[62]，夏普比率0.90[62]，最大回撤-41.53%[61]，超额最大回撤-19.86%[61]。 4. **资金流向策略**，年化收益率7.16%[64]，年化波动率11.54%[67]，夏普比率0.0617[64]，Calmar比率0.1277[64]，最大回撤-59.69%[64]。 5. **分位数回归策略**，年化收益率19.25%[72]，年化波动率15.03%[73]，夏普比率1.0617[72]，Calmar比率0.5257[72]，最大回撤-19.69%[72]。

报告行业投资评级 未提及 报告核心观点 - 分析国内外股债恒定指数设定及其对底层资产和资管产品生态的影响 [1][112] - 股债恒定指数处于低回撤中弹性区间，股债比例决定性价比，债券风格决定收益底部，权益指数决定收益弹性 [2][113] - 股债比例为 20:80 的股债恒定指数近 3 年回撤在 5%以内且年化收益率最低为 4.7%，风险收益比优于较多二级债基，若 ETF 推出可能替代二级债基影响公募基金生态 [2][113] 各部分总结 股债恒定指数相关背景 - 现代投资组合理论为资产配置奠定数理基础，多资产基金是多元化配置的关键工具，股债恒定比例是多资产指数编制常见策略 [15] - 美国市场股债相关性受货币政策影响，国内市场股债以负相关为主，股票内部指数相关性下降 [17][20][23] 股债恒定指数基本情况及收益风险特征 股债恒定系列指数基本情况 - 截至 2025 年 11 月底，中证指数有限公司发布 100 条多资产指数，策略覆盖恒定比例等多种类型 [28] - 2024 年以来发布 9 种配置策略、5 个股债比例梯度，共 39 只股债恒定比例指数，股票指数聚焦红利和现金流等，债券指数对应中高等级信用和国债及政金债指数组合 [32] - 不同系列股债比例设置不同，若首期产品以固收 + 定位，预计聚焦股票占比 20%及以下的指数产品 [33] 股债恒定相关指数成分及行业特征 - 以中证红利指数为例分析股票指数成分股及调样情况，样本每年调整一次，调整比例一般不超 20%，行业权重有变化 [43] - 中证 800 现金流指数每季度调整，强调盈利现金流质量，行业集中在材料等；A500 指数每半年调整，强调行业均衡 [50][54] - 中证 800 现金流指数与 A500 指数成分股有重合但权重不同，中证红利指数与 A500 指数成分股差异较大 [58] 股债恒定相关指数收益、波动及回撤表现 - 近 3 年中证 800 现金流指数年化收益率较高，红利相关指数次之，A500 指数靠后；债券指数中中高等级信用债收益波动比更高 [61] - 各系列股债恒定 ETF 收益与波动率和中证转债指数可比，近 3 年多数股债恒定指数最大回撤在 5%以内 [63][68] - 近一年成长风格表现优于红利风格，中证 A500 指数收益率超过其他指数，债券指数中中高信用票息策略性价比高 [74] - 不同年份各指数表现不同，市场好时不同指数表现有差异，市场差时 A500 表现相对较差；多数年份现金流和红利指数回撤小于 A500 指数 [88][89] 股债恒定指数与主动固收 + 的比较 - 债性使股债恒定指数防御性强，如红利低波相关指数可降低波动 [93] - 近三年股债恒定指数收益整体优于 WIND 二级债基等权指数，波动率更低，走势有相关性和背离情况 [96] - 20:80 股债恒定指数表现优于大部分二级债基，若股债恒定 ETF 推出，部分资金可能从二级债基切换，影响二级资本债市场 [100][106][108] - 股债恒定 ETF 对对应指数成分股和债券指数成分券影响预计较小 [111]

核心观点 - 股价的短期波动本质上是不可预测的，大多数试图战胜市场的主动交易努力最终会失败 [2] - 长期持有广泛分散的指数基金，往往能持续跑赢绝大多数主动交易策略 [2] - 交易者应将重心从预测市场转向风险管理、资产分散和纪律执行 [2][19] 作者背景与权威性 - 伯顿·马尔基尔职业生涯横跨华尔街实战与学术界，曾担任投资分析师、投资委员会主席及全球最大投资机构之一的董事 [3] - 他是普林斯顿大学的经济学家，数十年来持续研究证券市场，其著作系统介绍了有效市场假说 [3] - 其观点结合了一线市场运作的深刻理解与学者的严谨数据分析，具有重要分量 [3] 书籍核心内容 - 核心论点是股价短期波动近似随机，长期持续精准择时几乎不可能 [4] - 对比了“坚实基础理论”（价值源于基本面）和“空中楼阁理论”（价格由群体心理推动）两种经典理论 [4] - 回顾了从郁金香狂热到互联网泡沫、房地产泡沫等历史投机泡沫，揭示人类行为模式的重演 [4][6] - 系统审视了技术分析和基本面分析，指出二者均存在严重缺陷 [4] - 后半部分聚焦于现代投资组合理论、行为金融学，并提供构建低成本、充分分散组合的实用建议 [4] 书籍的必读价值 - 提供历史视角，剖析数百年市场泡沫，揭示不变的人性，帮助交易者建立对抗市场炒作的心理防线 [6] - 提供可落地的实践路线图，如分散化、风险调整收益模型及对行为偏差的认知 [7] - 解释了指数投资胜出的原因在于成本、费用和人为错误会持续侵蚀主动交易者的收益 [7] 对交易的核心启示 - 价格波动在很大程度上不可预测，交易者应停止高估图表预测能力，将重心放在风险控制上 [8] - 分散化是唯一的“免费午餐”，将低相关资产组合可在不牺牲收益的情况下降低风险 [9] - 交易成本、管理费用和税负会悄无声息地侵蚀长期业绩，交易者需重视每一笔交易的“成本—收益”决策 [10] - 行为偏差（如过度自信、从众心理、损失厌恶）与市场风险同样致命，需通过流程化、规则化来对抗情绪冲动 [11] 帮助避免的常见错误 - 避免迷信市场择时，专业人士也无法持续稳定地精准择时，系统化、规则化的流程往往带来更好的长期结果 [11] - 避免追逐由群体心理驱动的热门叙事（如郁金香、科技股热潮），这些周期通常以剧烈崩盘收场 [12] - 避免忽视风险管理，控制波动性与追求收益同等重要，没有风险管理再聪明的想法也可能导致毁灭 [13] 经典语录摘要 - “一只蒙着眼睛、向股票清单掷飞镖的猴子，选出的投资组合，表现可能和专家管理的组合一样好” – 强调在随机性主导的体系中不要高估个人技巧 [15] - “市场中持续的失败者，往往是那些无法抗拒被某种‘郁金香狂热’卷走的人” – 强调群体心理的代价，关键在于坚持流程而非追逐热度 [16] - “投资者若是买入并长期持有指数基金，往往比试图频繁买卖个股要好得多” – 提醒简单往往胜过复杂，成本和错误的复利效应增长迅速 [16] 目标读者 - 不适合完全依赖短期价格预测（如剥头皮、极短周期技术信号）的日内交易者 [17] - 最适合希望构建长期财富、不被日常噪音淹没的人群，如管理退休账户的专业人士、向财富保全转型的交易者、以及长期跑输指数的投资者 [17] - 能为新手提供系统化的投资框架，并促使经验丰富的交易者审视其投入与回报是否相称 [18]

作者背景与投资理念 - 作者采用价值投资理念 以所有者心态进行长期投资 不撰写看空报告或建议做空[1] - 作者职业生涯始于2020年至2022年在一家律师事务所担任销售角色 并成为顶级销售 后管理团队并参与销售策略制定 此经历有助于其通过销售策略评估公司前景[1] - 2022年至2023年作者在富达投资担任投资顾问代表 专注于401K规划 但因公司基于现代投资组合理论的方法与个人价值投资理念不符而选择离开[1] - 作者于2023年11月开始在Seeking Alpha平台撰写文章 分享其为自己寻找的投资机会[1]

作者背景与投资理念 - 作者采用价值投资理念 以所有者心态进行长期投资 不撰写看空报告或建议做空[1] - 作者职业生涯始于2020年至2022年在一家律师事务所担任销售角色 并成为顶级销售员 后管理团队并参与销售策略制定 此经历有助于其通过销售策略评估公司前景[1] - 作者于2022年至2023年在富达投资担任投资顾问代表 主要负责401K规划 但因公司基于现代投资组合理论的方法与个人价值投资理念不符 于一年后离职[1] - 作者自2023年11月起在Seeking Alpha平台撰写文章 分享其为自己寻找的投资机会[1]

作者背景与投资理念 - 作者采用价值投资理念 以所有者心态进行长期投资 不撰写看空报告或建议做空[1] - 作者职业生涯始于2019年 因政治道路遇阻及财务压力转向投资领域 旨在通过价值投资实现财富增长并管理风险[1] - 2020年至2022年 作者在一家律师事务所担任销售职位 作为顶级销售员管理团队并参与销售策略制定 业余时间通过阅读书籍和年报积累上市公司知识 此经历有助于其通过销售策略评估公司前景[1] - 2022年至2023年 作者在富达投资担任投资顾问代表 专注于401K规划 其提前两周通过系列考试并在工作中表现出色 但因公司基于现代投资组合理论的方法与个人价值投资理念不符 于一年后离职[1] - 作者于2023年11月开始在Seeking Alpha平台撰写文章 分享其为自己寻找的投资机会 并与读者共同探索投资道路[1]

作者背景与投资理念 - 作者采用价值投资理念 以所有者心态进行长期投资 不撰写看空报告或建议做空 [1] - 作者的个人职业经历包括2020年至2022年在一家律师事务所担任销售角色 并成为顶级销售员 后管理团队并参与销售策略制定 此经历有助于其通过销售策略评估公司前景 [1] - 作者于2022年至2023年在富达投资担任投资顾问代表 主要负责401K规划 但其价值投资理念与公司基于现代投资组合理论的规划方式存在分歧 于一年后离职 [1] - 作者自2023年11月起在Seeking Alpha平台撰写文章 分享其为自己寻找的投资机会 并与读者共同实践投资之路 [1]

作者投资理念与职业背景 - 作者采用基于价值投资、所有者思维和长期视野的证券分析方法 不撰写看空文章或建议做空 [1] - 作者在2020年至2022年于一家律师事务所担任销售职位 作为顶级销售员 曾管理团队并参与销售策略制定 此经历有助于通过销售策略评估公司前景 [1] - 作者在2022年至2023年于富达投资担任投资顾问代表 主要负责401K规划 但因公司基于现代投资组合理论的方法与个人价值投资理念不符 于一年后离职 [1] - 作者自2023年11月起为Seeking Alpha撰稿 分享其为自己寻找的投资机会 [1] 知识积累与投资方法 - 作者利用业余时间阅读书籍和年报 持续积累关于上市公司的知识库 [1] - 作者对产品看似能自我销售的公司感到特别兴奋 [1] - 作者通过积极储蓄和积累资本基础 目前进行积极投资 [1]