阅读《打开量化投资的黑箱》摘录和心得（2）

市场可能持续非理性，一直到你破产为止。——约翰·梅纳德·凯恩斯

风险管理并不只是规避风险或者减少损失，它是为了提高回报的质量和持续性，二队敞口（exposure）实施有目的的选择和规模控制。

在很多方面，宽客的失败通常是由管理风险的失败造成的，比如1998年的长期资本管理公司时间和2007年8月的一些宽客破产事件。

头寸规模限制是风险管理的一种重要形式，承担的风险敞口与考虑到的机会（阿尔法）和下行的趋势（风险）相匹配，这种做法是谨慎的。

因为理论驱动型风险控制模型包含的风险因素是有意义的，所以宽客通常容易被其所吸引。这和支持阿尔法模型中的理论型方法有大致相同的论据，因为任何理性的人都可以理解理论，而且看起来也可能是正确的。当模型表现不是很好时，这并不会动摇宽客对模型的信赖。例如，沃伦·巴菲特并没有因为他的表现在互联网泡沫期间显著差于股票市场而改变他的类型。他能够坚持信念，很大一部分原因是他对市场的看法有非常强的理论基础。

宽客选择经验型风险控制模型一般是为了追求适应性带来的益处，理论型风险控制模型相对比较死板，也就是说风险因素不能经常改变，否则这个理论从根子上就不能非常令人信服了。然而驱动市场的因素是随着时间而改变的，一个以经验为依据的模型可能更能适应随时变化的市场环境，因为不论什么样的因素暗地驱动市场，以经验为依据的模型都可以探测到变化。对于环境的这种适应性有两个阶段，在股市结构变化的早期（例如当股票投资者迅速地由风险追逐改为风险厌恶），宽客仍在利用不相关的历史数据来决定相关系数并度量风险因素。因此在这个阶段，以经验为依据的风险控制模型就会错误地判断市场风险。随后，如果新的市场行为模式持续下去，风险型风险控制模型最终会跟上变化后驱动市场主导的结构因素，然后又恢复运行良好。

除了在结构变化是表现出来的劣势之外，对统计的基本理解也解释了经验型模型的另一个问题。在计算不同的金融产品的相关系数时，为了达到统计上的显著性并且减少潜在的度量错误，经验型风险控制模型需要大量的数据。这将导致经验型风险控制模型在适应性上的优势被吞噬掉大部分，每一个新的数据点是一组庞大的数字，因而需要的数据越多，需要回溯的历史也就越久远，则数据的适应性也就越低。如果我们用两年或者约520个交易日滚动的日数据，新的一天将添加新的数据而导致旧的数据移出样本。所以对于已经过去的一天，只有两天的数据在这520个数据中有所变化。因此，模型需要很长的时间才能“调转船头”，并且在数据中发现新的驱动风险的因素。然而，如果宽客试图通过缩短所使用的历史窗口来提高适应性，统计量的解释力又会显著下降，以至于在度量中没有足够的可信度来采用它们。

 欢迎添加关注，将持续分享对市场解读、提供投资建议！