Risk Management & Investment Management 风险管理与投资管理 · 15% · 约12题

因子清单：三类来源

• 市场——一个可交易的投资因子，也是 CAPM 唯一承认的因子。
• 利率——单独的因子。
• 投资风格——价值/成长、低波动、动量。
• 基本面宏观因子——通胀、经济增长。

补充：并非所有东西都能当因子。股票与政府债券可以本身被当作因子；而公司债、私募股权、对冲基金不是因子本身，它们含有很多因子——股票风险、利率风险、波动率风险、违约风险。资产的风险溢价反映的正是这些因子。

因子风险＝对「坏时光」的暴露

因子风险代表对坏时光（bad times）的暴露，对不利经济与投资条件的暴露要用风险溢价来补偿。坏时光可以是经济上的坏时光（高通胀、低经济增长），也可以是投资上的坏时光（投资或市场表现糟糕）。

每个因子都是独特的，各自对应一组不同的坏时光。正因如此，投资者在正常时期要求补偿（例如对波动率风险要求波动率溢价）。2007–2009 年金融危机是「坏时光」的一个近期重要实例。

CAPM 的六个教训 ⭐

• ① 持因子，而非个股。在 CAPM 世界里股票按市值比例持有，唯一因子是市场组合。市场组合可由持有大量资产构成，从而分散掉特异（公司特有）风险，只剩系统性（市场）风险。个股的风险溢价补偿的是投资者对市场因子的暴露。
• ② 投资者各有自己的最优因子风险暴露。所有人都持同一个风险性的均值-方差有效（MVE）市场组合，但持有比例不同——各人处在资本配置线（CAL）上的不同位置。
• ③ 平均投资者满仓市场。风险厌恶程度处于平均水平的投资者，会 100% 持有风险性的 MVE 市场组合——这正是 MVE 前沿与 CAL 的切点。因此，市场的风险厌恶＝平均投资者的风险厌恶。
• ④ 对因子风险的暴露必须获得补偿。当所有投资者都投同一个风险性 MVE 组合时，均衡下该 CAL 被称为资本市场线（CML）。市场风险溢价取决于投资者风险厌恶与市场组合波动率（见下方公式）。市场波动大时（如 2007–2009 危机）股票价格通常下跌、预期收益上升；平均投资者风险厌恶上升时，市场风险溢价也应上升。
• ⑤ 风险以 beta 暴露来度量。个股风险＝它对因子的暴露；因子暴露越高，预期收益越高（假定溢价为正）。个股风险溢价由 beta 定价构成证券市场线（SML）。
• ⑥ 有价值的资产风险溢价低。CAPM 的风险溢价是投资者「在坏时光里持有该资产」所获的报酬。既然市场组合就是风险因子，坏时光就意味着低市场收益。在市场收益低时亏损的资产beta 高→ 风险大 → 应有高风险溢价；而低 beta 资产在市场差时有正收益，对投资者有价值，因此不需要高溢价。极端例子：2007–2009 危机中黄金与政府债券等「避险资产」变得如此有吸引力，以致其预期收益为负——投资者实际上是付钱去持有它们。

均衡（equilibrium）为何必然成立

均衡下资产需求＝供给。由于 CAPM 下所有投资者都持风险性的 MVE 市场组合，市场就是那个因子。均衡要求必须有人把 MVE 组合当作风险资产持有；如果没有任何投资者愿意持有某项风险资产，那它必然定价过高、预期收益过低——这种状态不可能是均衡。由于 CAPM 下资产的预期支付不变，价格下跌必然推高预期收益。均衡中风险因子就是市场、且它有风险溢价；市场因子是投资者风险厌恶与效用的函数，而风险溢价不会消失——因为投资者无法用套利消除系统性风险。

口径注（源文两处计数不一致）

源文正文枚举七项假设（含第 ⑦ 项「信息自由且人人可得」），但同篇「关键点小结」把它记作「六项」、未列入第 ⑦ 项。本页按正文的七项呈现；考试若遇到「共有几项」，以正文枚举为准，并注意「统一税收与交易成本」不是 CAPM 的假设——CAPM 假设的是没有税收与交易成本。

多因子模型的六个教训（与 CAPM 平行）

• ① 分散化有益。CAPM 中由市场消除特异风险；多因子模型中由因子的可交易版本消除。
• ② 投资者有最优暴露。CAPM 下是对市场组合的最优暴露；多因子模型下是对各因子风险的最优暴露。
• ③ 平均投资者持有市场组合。CAPM 与多因子模型都成立。
• ④ 对因子风险的暴露必须获补偿。CAPM 中市场因子在均衡下被定价；多因子模型中每个因子都有风险溢价（假定无套利或均衡）。
• ⑤ 风险以 beta 因子度量。CAPM 用市场 beta；多因子模型用因子暴露（因子 beta）。
• ⑥ 有价值的资产风险溢价低。在坏时光里有正支付的资产有吸引力，因而溢价低。CAPM 把坏时光明确定义为市场收益低。

定价核 vs 传统贴现率模型

• 传统贴现率模型：P_i ＝ E[ payoff_i ÷ (1 ＋ E(R_i)) ]，贴现率由 CAPM 决定 E(R_i) ＝ R_F ＋ β_i[E(R_M) − R_F]。
• SDF 模型：P_i ＝ E[ m × payoff_i ]——用 m 作为相关因子来贴现支付，这正是「随机贴现因子」这个名称的来源。
• 两边同除现价可得：1 ＝ E[ m × (1 ＋ R_i) ]；当支付恒定时，1 ÷ (1 ＋ R_F) ＝ E[m]。
• 风险溢价可仿 CAPM 写为：E(R_i) − R_F ＝ β_i,m × λ_m，其中 β_i,m ＝ cov(R_i,m)/var(m)，λ_m ＝ −var(m)/E(m)（负号代表因子风险的倒数）。含义：在坏时光有正支付的资产有价值 → 价格高 → 预期收益低。
• 预期收益也可写成对无风险利率与多个 beta 的暴露：E(R_i) ＝ R_F ＋ β_i,1E(f₁) ＋ β_i,2E(f₂) ＋ … ＋ β_i,kE(f_k)。每个 beta 代表一个不同的宏观因子——通胀、经济增长、市场组合或投资策略。

名称来源：这里借用统计学里「核（kernel）」的说法（用核估计量估计 m），因为核被用于推导资产定价，故称定价核。

Grossman-Stiglitz 与「循环论证」

另一支有效市场理论由 Sanford Grossman 与 Joseph Stiglitz（1980）提出：市场近乎有效、信息无成本。市场效率部分来自主动管理者寻找无效率区域——他们的搜寻反过来让市场更有效。这类无效率区域预期出现在流动性差、信息不自由流动的市场段，而这些无效率也让赚取大额利润变得困难。

但「信息无成本」这一假设带来一个循环论证：如果信息无成本、且价格已反映全部信息，那就没必要收集信息；可如果没人收集信息，信息又不可能充分反映在价格里。

有效市场假说（EMH）

• EMH 意味着投机交易成本高昂，主动管理者总体上无法战胜市场。而持市场组合的平均投资者，仅靠节省交易成本就能战胜市场。
• 即便市场无法做到完全有效，EMH 仍然有用——它能帮投资者识别可被主动管理利用的无效率区域。
• EMH 已被改良以修补 CAPM 的短板：允许不完全信息与各类成本（交易成本、融资成本、代理成本）。行为偏差同样构成无效率，其效果与摩擦类似。

价值溢价的规模（历史证据）

历史上价值股显著跑赢成长股：1965 年投入价值-成长策略的 1 美元，到 2012 年前后价值 ＞6 美元，2006 与 2007 年峰值近 8 美元。在这 40 多年里，价值股收益经历了数次急跌：1990 年代末的科技泡沫、2007–2009 金融危机、以及 2011 年。但总体而言，价值投资看起来是有效的。问题在于：价值股更高的收益，是源于一个系统性因子，还是存在一个价值风险溢价？风险因子向投资者提供溢价，补偿他们在坏时光（如 1990 年代末与 2007–2009）承受的亏损。

理性派：价值股更「危险」

• 在理性叙事里，价值股彼此同动、并与成长股共动——它们一起好、一起差。价值是有风险的，因此价值股有时表现很差；价值溢价正是对这些差表现期、对在坏时光亏钱的补偿。
• 价值在 1990 年代末的牛市中确实表现不佳。这意味着理性解释必须界定什么算「坏时光」，并承认价值股是平均而言赚溢价，而非持续赚溢价。另外，并非所有价值风险都能被分散掉——剩下的那部分被收进价值溢价。
• 用来解释价值溢价的因子包括：劳动收入风险、投资增长、「奢侈品」消费、长期消费风险、住房风险。由这些风险定义的坏时光里，价值股 beta 常上升，使价值股特别危险。
• 成长企业与价值企业的差别：成长企业的资本大多是人力资本，更可适应、能在时代变化时调整；价值企业更「老派」，资本以固定资产形式存在，时代变化时无法重新部署。因此价值企业有高且不对称的调整成本，使价值股从根本上比成长股更危险。
• 平均投资者持市场组合；有人选价值倾斜、有人选成长倾斜，抉择归结为能多好地承受坏时光。给定前述「对价值不利」的因子，投资者要自问「这些时光对我是否坏（相对于一般意义上的坏）」。在承担价值风险上有比较优势的投资者，才能赚取价值溢价。

行为派：两个基本思路

• 过度外推与过度反应（overextrapolation & overreaction）：投资者倾向于假定过去的增长率会在未来延续。例如一家科技公司因新产品需求旺盛而高速成长，许多投资者假定这种成长会延续，于是在无根据的乐观下把成长股价格推高到内在价值之上；当高增长预期落空时价格下跌，收益低于价值股。
• 损失厌恶与心理账户（loss aversion & mental accounting）：投资者厌恶损失甚于喜爱收益（损失厌恶），且倾向逐笔而非按组合看待盈亏（心理账户）。Barberis 与 Huang（2001）据此解释价值溢价：价值股之所以账面市值比高，是因为它们刚经历过一段极差的表现；损失厌恶的投资者觉得这类股票更危险，因而要求更高收益率。

与理性派的差别：在行为解释里价值股并不更危险，它们只是相对成长股便宜——投资者低估价值股的成长前景、高估成长股的成长前景。不误判的投资者应持市场组合；倾向过度外推者偏向成长股，反应不足者偏向价值股。

经济增长：谁在衰退里跑赢

• 风险资产（如股票）在低经济增长期一般表现差；风险较低的资产（债券，尤其是政府债券）在慢增长期倾向表现好。
• 抉择规则：能轻松熬过下行的投资者应投股票（长期回报更高，且增长期通常比下行期更长）；无法承受慢增长期大亏的投资者应投债券（下行期可能更好，但长期更差）。

波动率：杠杆效应与两条路径

• 衰退与低增长期，股票与债券的波动率都更高：大盘股收益波动率在衰退期 23.7%、扩张期 14.0%；政府债在衰退期表现最好，但波动也更大（衰退期 15.5% vs 扩张期 9.3%）。
• VIX（CBOE 波动率指数）代表股票市场波动率。VIX 与股票收益历史上呈负相关（1986–2011 年相关系数 −0.39）——即 VIX 上升时股票收益倾向下跌。
• 杠杆效应（leverage effect）：波动率上升时公司财务杠杆上升（债务大致不变，而权益市值下跌），权益变得更危险、波动率进一步上升。
• 高波动率压低股价的两条路径：① 杠杆效应带来股票收益与波动率的负关系；② 市场波动率上升时贴现率上升、股价下跌，从而使未来股票收益可以更高（以补偿更高波动率）——CAPM 支持第二条路径。

通胀：股债都差，但原因不同

高通胀对股票与债券的价格和收益一般都不利。上表显示所有类别在低通胀期都比高通胀期表现更好，且高通胀期波动率更高。低通胀期大盘股与小盘股收益 14.7% 与 17.6%，高通胀期降至 8.0% 与 13.0%。低通胀期政府债／投资级／高收益债收益 8.6%／8.8%／9.2%，比高通胀期高约 3 个百分点（逐项差 3.2／3.5／3.2）。

债券是固定支付证券，高通胀期表现差是显然的——通胀压低债券的实际收益。但股票在高通胀期为何也差则不那么显然：股票代表对真实生产性企业的所有权，而不是对一串固定现金流的要求权。

其他宏观因子：生产率、人口、政治

• 生产率风险：生产率冲击影响企业产出。生产率下降期（如 1960–1970 年代）股价下跌；生产率改善期（如 1980–1990 年代计算机革命）冲击为正、股价一般上涨。生产率冲击与股票收益的相关系数相对较高，约 50%。
• DSGE 模型：动态随机一般均衡宏观模型认为经济变量随时间变化，源于代理人（消费者、企业、政府、央行）的行动、技术（及其对企业生产的影响）、以及代理人互动方式（即市场）。Smets 与 Wouters（2007）的基准模型给出七种冲击：① 生产率、② 投资、③ 偏好、④ 通胀、⑤ 货币政策、⑥ 政府支出、⑦ 劳动供给。
• 人口风险：可解释为对劳动产出的冲击，即对企业生产的冲击。经济世代交叠（OLG）模型把人口风险当作影响投资者收益的因子：年轻、中年、退休工人共存，工作者在年轻与中年阶段储蓄，退休者提取储蓄而不再投资。冲击世代构成的事件（如一战二战、COVID-19 疫情、战后婴儿潮）会影响收益。
• 一个模型预测：婴儿潮一代退休、清算资产以供消费时，股价会下跌——前提是年轻与中年投资者相对较少、无法抵消退休者的资产清算；若年轻与中年工作者相对退休者更多，影响会减轻甚至被抵消。另一项研究表明风险厌恶随年龄上升，人口平均年龄上升时股票风险溢价也应上升。注意：人口研究必须使用跨国数据。
• 政治（主权）风险：曾被认为只在新兴市场重要，但它会提高风险溢价；2007–2009 金融危机清楚地表明，政治风险对发达与发展中国家都有影响。

波动率溢价是「负」的

• 通常买入资产（如股票）的多头头寸产生正预期收益——资产平均有正溢价。但波动率是负溢价。
• 要收取波动率溢价，必须卖出波动率保护（例如卖出虚值看跌期权）。已实现波动率平均比 VIX 隐含波动率低约 2%–3%，这意味着平均而言期权偏贵，做空波动率策略可以收取溢价。
• 正常经济时期卖出波动率提供高且稳定的支付；但崩盘时（如 GFC）卖方会遭受巨大负收益。Merrill Lynch 构造的一个波动率（互换）指数在 1989 年 1 月至 2007 年 12 月间累计收益稳步上升（仅小波动）；2008 年 9–11 月亏损近 70%。
• 偏度证据：若只看截至 2007 年 12 月的数据，卖出波动率看起来像「easy money」，负偏度仅 −0.37；纳入 GFC 的全样本负偏度高达 −8.26。
• 理论关系：E(R_M) − R_F ＝ γ × σ_M²（σ_M² 为市场收益方差，γ 为平均投资者风险厌恶）。γ 理论上为正，但各项研究估计其为正、为负或为零。无论正负，只有能承受高波动期巨大亏损的投资者才应卖出波动率。

直观类比：卖出波动率就像卖保险——大部分时候稳定收保费，但罕见崩盘会触发巨亏。卖出虚值看跌期权同理：卖方连年收取权利金，然后一场灾难（如 GFC）让卖方承受巨亏。期权买方事先知道自己最多亏多少（权利金），卖方不知道。

术语说明

学术文献里「风格因子（style factors）」「投资因子（investment factors）」「动态因子（dynamic factors）」可以互换使用；从业者也把它们称为「smart beta」或「alternative beta」。Fama 与 French 是最早建立捕捉这些效应的多因子模型的人。

动量投资：WML／UMD

• 1993 年（与 Fama-French 同一年），Jegadeesh 与 Titman 识别出动量效应。动量策略（也称趋势投资）＝买入过去一段时间（如约 6 个月）上涨的股票、卖空同期下跌的股票（买过去的「赢家」、卖过去的「输家」）。
• 动量因子 WML 代表「赢家减输家（winners minus losers）」，有时也记作 UMD（「涨减跌」，up minus down）。动量溢价在固定收益（政府债与公司债）、国际股票、商品、房地产、以及特定行业与板块中都可观察到。
• 动量收益远超规模与价值溢价：1965 年 1 月投入 WML 溢价的 1 美元，高点曾超过 60 美元，随后在 2007–2009 金融危机中急跌至 30 美元以下。同期价值溢价与动量溢价的相关系数仅约 −0.16——这意味着价值收益并非动量收益的反面。
• 动量可加入 Fama-French 模型：再加一项 β_i,WML×E(WML)。

动量风险与崩盘记录

• 动量风险三项：① 易崩盘的倾向；② 货币政策与政府风险（政府「挡在」资产价格的自然进程前面）；③ 宏观因子（商业周期、股市状态、流动性风险）。
• 记录在案的 11 次动量崩盘：1930 年代大萧条 7 次、2007 年起的金融危机 3 次、2001 年 1 次。
• 机制：2007–2009 危机中金融股受创最重。输家倾向继续输——本来很可能会继续，但政府纾困给股价设了下限。动量投资者做空这些股票，当政府纾困金融与其他重创企业、市场反弹时，动量投资者遭受巨亏。大萧条期间政策制定者也影响了资产价格，使动量投资者亏损。

动量的行为解释（两个难区分的阵营）

• ① 对好消息过度反应：过度自信、有信息的投资者（如散户与对冲基金经理）观察到股价的正面信号，把表现归因于自身技能，过度自信导致过度反应，把价格推高到基本面之上。
• ② 对好消息反应不足：「消息观察者」忽略历史股价信息，另一些投资者只看历史（过去的价格信号）而忽略公司的基本面信息。两种情况都使信息只被部分纳入股价，造成反应不足。

无论动量来自过度反应还是反应不足，价格长期终将回归基本面。考虑动量投资的投资者必须评估自己倾向过度反应还是反应不足，并且必须知道自己能承受崩盘期的大亏——历史上这些崩盘集中在政策制定者（如央行）打断动量、改变资产价格自然轨迹的时期。

一个可核验的对照

在 2011–2016 的五年间，一只低波动基金（iShares Edge MSCI Minimum Volatility USA ETF）的累计收益为 68.75%，而 S&P 500 指数 ETF 的累计收益为 65.27%——低波动组合跑赢了宽基指数，这与「多担风险才多收益」的传统说法直接冲突。

要点是把这句话读准：异象说的是风险调整后低风险股更优（更低的 beta／波动率对应更高的收益或 Sharpe），而不是「风险与收益毫无关系」。

什么时候用 Sharpe 比率

有时资产经理的基准是无风险利率（R_F）。此时 alpha 就是投资（R_t）超出无风险利率的部分：α ＝ R_t − R_F。而当无风险利率是合适的基准时，衡量风险调整收益最好的办法是用 Sharpe 比率——它的分子是 alpha，分母是资产的标准差：

常用的大盘基准还有 S&P 500 指数与 Russell 1000 指数。若基准是被动的，那么投资者取得的任何额外收益都来自「做了与基准不同的事」——按定义就是主动。

有效基准的四项标准 ⭐

• ① well-defined（定义清晰）：应由独立的指数编制商发布，从而可核验、无歧义。S&P 500 与 Russell 1000 都是定义清晰的大盘指数。
• ② tradeable（可交易）：如果基准不是一篮子可直接投资的证券，它就不是一个好的比较对象。
• ③ replicable（可复制）：与可交易标准密切相关。有些基准（如绝对收益基准）投资者根本无法复制；若无法复制，跟踪误差会非常高。
• ④ risk-adjusted（按风险调整）：承接上例——如果基准的风险水平高于被考察投资的风险水平，算出的 alpha 与 IR 都会偏低。

SMB 与 HML 的方向读法

• SMB（small minus big）＝ 做多小盘 1 单位 − 做空大盘 1 单位。SMB beta 为正＝与小盘股共动；为负＝与大盘股共动；若与两者都不共动（如中型公司），beta 为 0。
• HML（high minus low）＝ 做多价值股 1 单位 − 做空成长股 1 单位。HML beta 为正＝价值偏向；为负＝成长偏向；为 0 表示无关系。
• UMD（up minus down）＝ 做多上涨趋势股 − 做空下跌趋势股。为正＝偏向上行趋势股；为负＝偏向下行趋势股；为 0 表示无关系。

四只基金的对照（2001/01–2011/12，FF3＋UMD）

• 只有 Fidelity Magellan（FMAGX）的 alpha 统计显著，但它是负的：年化 −3.24%（＝−0.27% × 12）。
• Berkshire 的 alpha 仍为正，但在这个时间段不显著。
• 按 HML beta，LSV Value Equity 确实是价值型（0.51）；FMAGX 是以 1.12 的市场 beta 对市场加杠杆的玩法；UMD beta 确认四只基金都不是动量策略。

关于「滞后的 beta」与预测未来 beta

• 有意思的是，CAPM 并不预测滞后 beta（用过去期间度量）应产生更高收益；它预测的是 beta 与预期收益之间的同期（contemporaneous）关系——即高 beta 股票在 beta 被度量的同一时间段内也应有更高收益。这是一个印证性而非预测性的指标。
• 顺着这个逻辑：如果投资者能可靠地预测未来 beta，就能更准确地预测未来预期收益。麻烦在于历史 beta 并不是未来 beta 的好预测。Buss 与 Vilkov（2012）用期权定价模型中的隐含波动率度量估计未来 beta，发现比用历史 beta 有所改善。
• 因此，beta 异象与其说是「谜」，不如说是「如何可靠地预测未来 beta、以改进 beta 的风险视角」这一挑战。

四种候选解释

• ① 数据挖掘：Ang 等（2006）发现该异象在衰退期与扩张期都出现；Frazzini 与 Pedersen（2014）发现低 beta 组合在美国股票、国际股票、国债与公司债中都有高 Sharpe 比率；Cao 与 Han（2013）也在期权与商品市场找到风险异象的证据。因此数据挖掘这一说法得不到很好的支持。
• ② 受杠杆约束的投资者：机构投资者有时如此，但散户的约束尤其明显。某些投资者借不到钱投资，只好去买自带杠杆的高 beta 股票。对高 beta 股票的额外需求把其价格推高，直到它们被高估、给出更低的风险调整收益；同理，这一机制也压低低 beta 股票的价格，从而因入场价更低而带来更高的风险调整收益。
• ③ 机构管理者的约束：设想组合 A 因被低估而有正 alpha、组合 B 因被高估而有负 alpha。理想世界应做多 A、做空 B。但许多机构投资者受禁止卖空的约束；大多数还有跟踪误差约束，只允许相对基准的特定偏离。在这两种约束下，机构投资者无法捕捉它认为存在的 alpha。一种解法是更改基准或跟踪误差容忍带，但这往往是困难的过程——需要基金投资委员会的正式批准。
• ④ 偏好理论：有时投资者就是偏好高波动与高 beta 股票——例如他们的资本市场预期非常乐观，想放大收益。结果是他们买入高 beta 投资、把价格推高到未来收益大幅降低。总有一群人想回避「安全又无聊」的低波动股。好消息是：这反而为想要低波动的长期投资者创造了更少情绪驱动的入场点。

异质偏好：持有异质偏好（对投资前景看法不一致）且面临投资约束，可以解释风险异象的一部分。Hong 与 Sraer（2012）发现：当分歧低且投资者受只做多约束时，CAPM 表现最好；当分歧高时，某些投资被高估、导致未来收益降低；显著的分歧会带来 beta 与收益之间的反向关系。

五类投入

• 当前组合（current portfolio）：现有资产及其权重。相对其他投入，它可以最确定地度量——这是唯一「直接可观测」的输入。
• Alpha：组合内股票的预期超额收益（相对其预期收益）。这一投入受预测误差与偏误影响。
• 协方差（covariances）：协方差估计同样受估计误差影响。
• 交易成本：估计得到，且组合调整越频繁、成本越高；估计本身也带误差。
• 主动风险厌恶：对「主动组合收益与基准收益之差」的波动率的厌恶强度。管理人设定的目标主动风险水平，必须与其实际的主动风险厌恶程度相匹配。

除了当前组合，其余四类都带估计误差，并可能存在偏误——这正是后面所有「精炼／中性化／稳健化」手段存在的理由。

替代思路：反解 alpha

与其在优化中直接加约束，不如调整管理人估计的 alpha，让这些调整「等效地」施加约束。以禁止卖空的账户为例：不必做「权重非负」的约束优化，而是把优化方程反着用——解出「在无约束均值-方差优化下会自然产生非负权重」的那一组 alpha。最优权重会被推向基准权重。

这个做法让我们能聚焦于某一项具体约束对 alpha 的影响——而 alpha 才是主动组合构建的核心输入。关键顺序：先精炼 alpha，再做优化。

截断（trimming）

另一道工序是削减过大（过大正或过大负）的 alpha 值。「过大」的阈值经验上取3 倍 alpha 尺度。对过大的 alpha，要重新复核支持该数值的依据：

• 凡是复核发现源于可疑数据的 alpha，直接置零；
• 其余过大的 alpha，可压减到某个上限值，通常取 alpha 尺度的某个倍数。

基准中性（benchmark neutralization）

它消除基准 beta 与主动组合 beta 之间的任何差异。此时我们说主动组合的组合 alpha 为零。

设想一个主动组合 beta ＝ 1.1、基准 beta ＝ 1.0——这本身就是一注对市场（即基准）收益的主动下注：市场收益高时它跑赢基准，市场收益低（低于无风险利率）时它跑输基准。除非管理人有意通过调高／调低主动 beta 来做主动下注，否则可以把 alpha 调整为「主动组合 beta ＝ 基准 beta」。这就是基准中性——它等价于在均值-方差优化中加一条组合 beta 约束。

风险因子中性（risk-factor neutralization）

上面只用了单一风险因子（市场风险）。但多因子收益生成模型还会带来其他相对基准的非预期风险暴露。例如「小盘收益减小盘收益」这一风险因子：如果主动组合在小盘股上的权重高于基准，它的 alpha 输入就可能让组合对该因子更敏感。若这种暴露非本意，就调整 alpha，使主动组合在该因子上的 beta 与基准一致。

对行业风险因子同理：让各行业权重与基准一致，做法是从同一行业内每家公司的 alpha 中减去该行业的平均 alpha，得到的主动组合即相对基准在行业因子上中性。

上面每个例子中，中性化都是通过「把主动组合的因子风险对齐基准」来降低主动风险的。

现金中性（cash neutralization）

主动组合还可以做现金中性——调整 alpha，使组合没有主动现金头寸。alpha 值可以同时做到现金中性 ＋ 基准中性。

为什么还需要「特定因子风险厌恶」

除总体主动风险厌恶外，对特定因子风险的厌恶也很重要，理由有二：

• ① 处理大额潜在损失：它帮助管理人应对「头寸可能造成大额亏损」的风险。例如组合的行业风险与基准不匹配。
• ② 降低跨组合离散度：当管理人管理多个组合时，对特定因子风险设定足够高的厌恶值，会降低持仓与业绩在各组合间的离散度——因为高厌恶值会提高各客户组合的相似度，使它们倾向于持有同样的资产。

综合这两个效应，管理人就能确定在组合优化中应当采用的特定因子风险厌恶水平。

情形一：有预测、但股票不在基准中

对这类股票，用于基准对照的权重记为零，但仍可给它们分配主动权重，以产生主动 alpha。

情形二：股票在基准中、但没有预测

此时可以由「有预测股票的 alpha」反推调整后的 alpha。一种做法是先算两个量：

第二步：从每一个有预测的 alpha 中减去上述平均值，并把没有预测的资产 alpha 设为零。这样得到一组基准中性的预测——其中无预测资产的 alpha 为零。

为什么不能「一有新信息就调」

如果交易成本为零，管理人应当每次新信息到来时都修正组合。但现实中，交易决策必须基于预期主动收益、主动风险与交易成本三者。由于这些度量都不确定，管理人可能倾向保守：低估交易成本会导致交易过于频繁；而频繁交易与过短的期限，又会让 alpha 估计本身变得极不确定。因此管理人必须选择一个最优期限——在这个期限上，alpha 的确定性足以抵补交易成本。

① 筛选（screens）

筛选就是让一部分股票「通过」、其余被挡在外面。可以设计成多种形式，两种典型做法（设股票池 200 只）：

• 选出基准内 alpha 最大的 60 只，用等权或价值加权构造组合；
• 按 alpha 对全池股票赋予买入／持有／卖出评级——例如 alpha 最大的 60 只给买入、次高的 40 只给持有、其余给卖出；再平衡时买入名单中尚未持有的、卖出组合中落在卖出名单的。调整各类别规模即可调整换手率。

② 分层（stratification）

分层指先把股票划分为多个互斥类别，再在类别内筛选。例如按大／中／小盘分三类，再各分六个行业，得 18 个「规模—行业」类别；用基准在这些类别上的百分比权重，即可匹配基准的规模与行业覆盖。

分层是一种风险控制方法：若类别划分能很好地刻画基准的风险维度，风险控制效果显著；若不能，则风险控制落空。

分层能削弱各规模—行业类别内 alpha 估计偏误的影响；但代价是放弃了通过偏离基准的规模—行业权重来增值的可能——关于「类别之外的 alpha」与「行业层面的 alpha」的信息，在分层下全部损失。

③ 线性规划（linear programming）

线性规划是分层的改进：它使用多个风险特征（如公司规模、收益波动率、行业、beta），且不像分层那样要求类别互斥。它会挑选资产，使主动组合的类别权重贴近基准；还能纳入交易成本（从而降低换手）与头寸规模上限。

它的长处是造出「很像基准」的组合；但结果可能在持仓只数以及任何未被纳入的风险维度上与基准差异很大。

④ 二次规划（quadratic programming）

二次规划可以同时纳入 alpha、风险与交易成本，还能施加任意多条约束。理论上这是最优的优化方法——它最高效地利用 alpha 中的信息，产出（受约束的）最优组合。

但估计误差是重要顾虑。以 400 只股票的股票池为例，二次规划需要估计 400 个股票波动率与 79,800 个协方差（＝400×399÷2）。协方差的小估计误差未必显著降低增值；但即使是中等水平的估计误差也可能显著降低增值——5% 的估计误差下，增值甚至可能为负。因此「对相关投入（尤其是协方差）取得好的估计」怎么强调都不过分。

离散度的成因与控制

可控的部分：管理人可以通过更好的监督与控制，减少各组合之间的持仓差异与组合 beta 差异，从而降低离散度。

不可控的部分：不同账户的约束不同会不可避免地增加离散度（例如某些账户不能投资衍生品或其他资产类别）。

三种口径

• 分散化 VaR（diversified VaR）：把分散化效应算进去的组合 VaR。VaR_P ＝ Z_c × σ_P × P。其中 Z_c 是置信水平 c 对应的 z 值，σ_P 是组合收益标准差，P 是投入组合的名义价值。
• 单独 VaR（individual VaR）：把某个头寸孤立出来算的 VaR。VaR_i ＝ Z_c × σ_i × |P_i| ＝ Z_c × σ_i × |w_i| × P。权重取绝对值——因为多头与空头都带风险，而风险本身不可能是负数。
• 未分散化 VaR（undiversified VaR）：各头寸单独 VaR 的直接加总（组合中不含空头时）。它等于「假设所有头寸完全正相关」的组合 VaR。

精确算法为什么贵

要精确得到增量 VaR，必须在加入新头寸后对组合做全重估：增量 VaR ＝ 重估后的新 VaR − 加入前的 VaR。难点在于重估不仅要量新头寸自己的风险，还要量已有头寸风险的变化。组合有几百上千个头寸时，协方差矩阵迅速膨胀，计算变得极耗时。

捷径三步：① 把新头寸拆成风险因子，放进向量 [η]；② 取组合对各风险因子的边际 VaR 向量 [MVaR_j]；③ 做交叉积。这一路径更省事，因为管理人通常已经有第②步的边际 VaR 估计。

非椭圆分布怎么办：Euler 定理与历史收益法

前述成分 VaR 的算法前提是收益服从椭圆分布。若分布不满足这一假设，但满足一次齐次性（homogeneous of degree one，即 k×R_P ＝ Σ k×w_i×R_i），可以用 Euler 定理估计成分 VaR。实操上按历史收益走四步：

① 对组合历史收益排序；② 找出与所选 VaR 相对应的那个组合收益 R_P(VaR)；③ 找出 R_P(VaR) 发生时各头寸各自的收益；④ 用这些头寸收益作为该头寸的成分 VaR。

要提高精度，应取略高于与略低于 R_P(VaR) 的组合收益所对应的各头寸收益，分别求平均后再作为该头寸成分 VaR 的近似。

两个目标，两个条件

• 风险最小化：保持总投入资本不变，把资金从高边际 VaR 头寸挪向低边际 VaR 头寸，直到所有 MVaR_i ＝ MVaR_j。此时组合处于全局最小风险点。
• 组合最优化：传统有效前沿分析告诉我们最小方差组合不是最优组合。最优组合是从无风险利率出发的射线与有效前沿的切点，它有最高的 Sharpe 比率。把 Sharpe 式里的标准差换成 VaR，就得到「超额收益／VaR」比率。

最优条件：各头寸的（头寸收益 − 无风险利率）／MVaR_i 相等（对所有 i、j 成立）。在椭圆分布假设下，还可以用 β 更简洁地写成（头寸收益 − 无风险利率）／β_i 相等。

一句话对比：令 MVaR 相等 → 风险最低；令「超额收益／MVaR」相等 → 组合最优。

大型投资者（如养老金）的投资流程两步

• 第一步：确定长期战略资产配置。目标是用均值-方差优化等方法平衡收益与风险，决定对国内外股票、国内外债券以及房地产、创投、对冲基金等另类投资的配置。被动指数与其他基准的存在使这一步可行——它们是度量投资属性的标尺。
• 第二步：挑选管理人。管理人可被动跟踪基准，也可主动管理以图超越基准。投资者须定期复核管理人的活动与业绩，其活动要符合一份指引清单（含可投资类型与 β、久期等风险敞口限制）；管理人业绩则用跟踪误差评估。

为什么历史度量不够了：管理人多时，每个管理人都在自己的约束内做小调整，这些调整的集体效果用历史方法很难看出。这正是 VaR 这类前瞻性度量的用武之地。

对冲基金的风险管理挑战

对冲基金是高度异质的一类资产，策略五花八门。由于常用杠杆、交易频繁，其风险特征更像卖方。此外还有两类特有风险：

• 流动性风险：① 被迫过快变现造成损失；② 难以精确估值基金以判断其风险。更要命的是，低流动性会压低历史价格的波动率以及头寸之间的相关性——这会导致传统风险度量系统性低估风险。
• 透明度低：无论是风险的规模还是类型都难以度量。不知道风险类型，就难以管理含对冲基金的整个组合的风险。

绝对风险与相对风险

• 绝对（资产）风险（absolute / asset risk）：某期限内全部可能的损失，直接用该期限的收益度量。
• 相对风险（relative risk）：用超额收益度量，即相对某个基准的美元损失；缺口 ＝ 基金收益与基准收益之差（美元口径）。若超额收益服从正态分布，VaR 技术可直接用于跟踪误差（超额收益的标准差）。

口径注：本章「跟踪误差」的定义

源文专门提示：不同材料对「跟踪误差」的用法不一致。有的材料把「组合收益 − 基准收益」这个差值本身叫跟踪误差；本章（与一级/二级考试的一贯做法）把该差值叫超额收益（excess return），而把超额收益的波动率叫跟踪误差。本章及后续章节一律沿用后一种口径。

政策风险与主动管理风险

当一个投资机构把资金分配给不同资产类别的多个管理人时，把总组合风险拆成两块：

• 政策风险（policy mix risk）：来自目标政策本身，即政策中给各基金设定的权重。
• 主动管理风险（active management risk）：来自管理人做决策后偏离既定权重的部分。

VaR 分析在这里特别有用——它能分别显示两类风险的敞口，以及它们如何影响整个组合的总风险。主动管理风险通常不成问题，理由有三：① 对管理良好的基金，单个基金的主动风险通常相当小；② 各管理人偏离之间存在分散化效应；③ 偏离甚至可能与政策组合 VaR 产生分散化效应，反而降低总组合 VaR。

融资风险、盈余与 SaR

融资风险（funding risk）＝能否履行投资公司的义务（如养老金向退休人员的支付），换言之＝资产价值不足以覆盖基金负债的风险。不同机构的融资风险差别极大：有的为零，设定受益（DB）养老金计划最高。

分析焦点是盈余与其变动：

surplus ＝ assets − liabilities　｜　Δsurplus ＝ Δassets − Δliabilities

实务中把盈余的名义收益转换为对资产的收益率：

R_surplus ＝ Δsurplus／assets ＝ R_asset − R_liabilities × (liabilities／assets)

这一步要求对未来且不确定的负债做假设。养老金负债是「累积给付义务」，即欠员工与受益人的给付现值；求现值需要贴现率，通常挂钩当期市场利率。一个反讽之处：用于履行义务的资产（股、债）在利率下降时通常升值，但未来义务的现值可能升得更多——两者变动幅度不同，就产生了盈余的波动，这就是风险来源。若盈余转负，就须追加缴款，这就是盈余在险值（surplus at risk, SaR）。

标准解法是免疫（immunization）：让资产久期等于负债久期。但它未必可行（买不到必要的资产），也未必可取（可能意味着选择更低收益的资产）。

计划发起人风险

计划发起人风险（plan sponsor risk）是盈余风险的延伸，问的是「最终谁来承担」。两个分量：

• 经济风险（economic risk）：发起人全部经济利润的变动，要顾及各组成部分风险之间的相互关系（例如盈余与经营利润的相关性）。
• 现金流风险（cash flow risk）：向基金缴款的变动。能够吸收现金流波动，才允许更激进的风险画像。

从发起人视角，最终应聚焦企业经济价值的变动——管理层要把资产与盈余变动带来的各类风险，与企业整体财务目标整合起来，这与当前强调的企业级风险管理一致。

为什么要监控：三个场景

• 流氓交易员（rogue trader）：大机构里某个账户或基金的管理人偏离指引、甚至交易未授权投资。这类偏离可能很短促，常规的定期报告抓不到。
• 被动组合也要监控：有分析师误以为被动投资/基准化不需要风险监控，这是错的——基准自己的风险画像会变。1990 年代末跟踪 S&P 500 的组合，其风险敞口明显变化（高科技行业相关风险上升）。前瞻性的风险度量系统能捕捉这类趋势。
• 找出风险变化的原因：主动组合风险剧变有三种解释——① 管理人主动加风险；② 不同管理人下了相似的赌注；③ 市场本身变得更波动。

管理层追问清单：① 管理人是否超出风险预算？是市场变化导致的暂时偏离、是无意间让权重漂移推高了风险、还是未经授权的交易？② 管理人是否在下太多同风格赌注？若各管理人独立行动却恰好都预测利率下行，债券管理人转向长久期、股票管理人转向高股息稳定股（公用事业、REITs），整个组合的利率风险会急剧上升。③ 市场是否变得更波动？若整个市场的风险特征变了，高层要决定是接受波动，还是调整目标权重来降低它。

VaR 还能「反向工程」：利用成分 VaR 与边际 VaR，可以看出单个头寸变化会如何影响整个组合——前提是风险管理体系已识别出所有相关风险。

难度量的资产与全球托管人

房地产、对冲基金、创投这类独特资产类别的风险度量本身就是难题；某些类别的投资（如新兴市场、首次公开发行）信息有限。

行业趋势是选择全球托管人（global custodian）：把组合集中到单一托管人处，更容易获得基金全部敞口的合并视图；托管人能把头寸变动报告与市场数据结合，产出前瞻性风险度量。因此托管人是实现集中化风险管理的省事选择。与之并行，托管业本身也在向更少但服务更多的机构集中——大型托管银行（如 Citibank、Deutsche Bank、State Street）都在提供风险管理产品。

不选全球托管人的理由：他们觉得自己对风险度量有更紧的控制、能把 VaR 系统更好地嵌入运营。大机构常有规模经济（把风险管理系统的成本摊到庞大资产上），且当资产有一部分是内部管理时，需要更紧的控制。

另一个趋势是客户在追问管理人的风险管理系统——季度业绩报告已不能满足客户。许多管理人已把 VaR 系统并入投资管理流程；广泛使用的机构投资者风险标准要求同时度量整个组合的风险与每件工具的风险。没有全面风险管理系统的管理人，可能很快处于明显劣势；管理人也正试图用风险管理来做出差异化。

VaR 如何改进投资指引与投资流程

• 投资指引：VaR 能帮管理人摆脱目前指引常见的临时性（ad hoc）与对名义值、敏感度的过度依赖。在存在杠杆与衍生品头寸时，名义值与敏感度限额已被证明不够用——它们不考虑风险的变化，也不考虑相关性，而 VaR 限额把这两者都装进去了。只管头寸不管风险的问题在于：规则繁多却可能达不到主要目标，没有任何指标告诉你某段时间内可能亏多少（而这正是判断该备多少资本以应对流动性需求的关键量）；而且对某些头寸的简单限制，用现有众多工具很容易绕开。随着产品谱系不断扩张，传统的逐头寸指引会越来越无效。
• 战略资产配置：这一步通常用均值-方差分析，而最基本的 VaR 度量也用它，所以 VaR 能参与配置过程；它还能度量管理人主观调整权重（偏离纯量化建议）所带来的具体风险变化。
• 交易层面：交易员通常只关注拟建头寸的收益与单独风险，但合格的 VaR 系统能给出对整个组合风险影响的定量估计。系统应当能自动计算每个现有与拟建头寸的边际 VaR。若两个头寸收益特征相似，应选边际 VaR 更低的那一个。
• 寻找下一个最优投资：最优组合是各资产类别的「超额收益／边际 VaR」比率相等的组合。因此交易员应当去当前该比率最高的资产类别里寻找标的。

口径注：风险预算的 VaR 不计预期收益

源文明确提示：计算风险预算用的 VaR 时不纳入预期收益——这是保守口径，且与课程其他部分的 VaR 口径不同。考试中若风险预算题给了预期收益，建议忽略它。

跨主动管理人的风险预算

评估主动管理人的传统做法，是量其超额收益与跟踪误差，再导出信息比率：

IR_i ＝ 管理人预期超额收益 ／ 管理人的跟踪误差

对由多个管理人分别管理的基金组合，顶层关注的是组合信息比率 IR_P ＝ 组合预期超额收益 ／ 组合跟踪误差。若各管理人的超额收益相互独立，可以证明跨管理人的最优配置权重为：

管理人 i 的权重 ＝ (IR_i × 组合跟踪误差) ／ (IR_P × 管理人跟踪误差)

权重不必加总为 1——差额可以分给基准本身，因为按定义 IR_基准 ＝ 0。确定精确权重是一个迭代过程：每一组权重都会给出不同的组合预期超额收益与跟踪误差。

两种口径

• 金额加权收益率（dollar-weighted rate of return）＝组合的内部收益率（IRR），把所有现金流都纳入：期初账户价值是流入，所有存入是流入；所有取出是流出，期末价值也是流出。它回答"这个账户实际赚了多少"。
• 时间加权收益率（time-weighted rate of return）＝度量复合增长，即 $1 在给定期间内以什么速度复利。步骤三步：① 在重大增减资之前给组合估值，按现金流日期切分区间；② 计算每个子期的持有期收益率 HPR；③ 把各子期的 (1＋HPR_t) 连乘得整个测量期的总收益；若测量期长于一年，再取几何平均年化。它回答"管理人选得怎么样"。

五个指标：定义与适用场合

• Sharpe 比率：S_A＝(R̄_A−R̄_F)／σ_A，用标准差（总风险）作风险度量，表示每单位总风险赚到的超额收益。它同时评价收益水平与分散化程度。
• Treynor 指标：T_A＝(R̄_A−R̄_F)／β_A，用β（系统风险）作风险度量，表示每单位系统风险赚到的超额收益。
• Jensen alpha：α_A＝R_A−E(R_A)，其中 E(R_A)＝R_F＋β_A[E(R_M)−R_F]（CAPM 要求收益）。它是直接度量，不需要与其他组合比较；但与 Treynor 一样只看系统风险，不反映组合的分散化程度。注意它逐期使用组合收益、市场收益与无风险利率，而 Sharpe 与 Treynor 只用它们的平均值。
• 信息比率（information ratio，又称 appraisal ratio）：IR_A＝(R̄_A−R̄_B)／σ_A−B，把 Sharpe 里的无风险利率换成适当的基准；分母 σ_A−B 是超额收益（账户收益减基准收益）的标准差。分子是某期的剩余收益、分母是它的标准差，比值＝为取得基准之上的收益所承担的风险。比值越高越好。另有一种算法用 α_A／σ(ε_A)（alpha 除以非系统风险）。
• M² 指标：先构造一个组合 P′，使其标准差等于市场标准差（按适当比例同时投 P 与无风险资产），再比较 P′ 与市场的收益差。算法里没有任何平方项——"M-squared"只是两位提出者 Leah 与 Franco Modigliani 的姓氏。

对冲基金业绩计量的三大困难

• ① 风险随时间不恒定（非线性风险）：对冲基金的风险水平本身在变，单一 β 或 σ 无法刻画。
• ② 持仓常不流动（数据平滑）：不流动持仓必须用估值价格而非成交价，估值过程把"价值"过度平滑，从而在任何统计检验中引入序列相关——这会系统性低估波动率、高估 Sharpe。
• ③ 对传统市场的敏感度随市场状态变化：市场危机时敏感度上升、市场强劲时下降。这一条最要命——平时算出的低相关性恰好在最需要它的时候失效。

择时能力：两个模型

• 回归模型：R_P−R_F＝α＋β_P(R_M−R_F)＋M_P(R_M−R_F)D＋ε_P。其中 D 是哑变量：熊市（R_M < R_F）取 0、牛市（R_M > R_F）取 1。M_P 是牛市 β 与熊市 β 之差，成功择时者为正：熊市里 β 就是 β_P，牛市里 β 变成 β_P＋M_P。实证结果：多数共同基金的 M_P 实际为负，研究者据此认为基金管理人基本没有正确择时的能力。
• 看涨期权模型：设想一个 100% 完美预测者，按 E(R_M) 与 R_F 的比较，把资金全部投入 S&P 500 或国库券。他的收益必然是 R_M（当 R_M > R_F）或 R_F（当 R_M < R_F）。这个收益可以用"买入面值 S₀(1＋R_F) 的国库券 ＋ 持有行权价＝S₀(1＋R_F) 的市场指数看涨期权"完整复制：牛市中 S_T−X＋FV＝S₀(1＋R_M)；若市场涨幅不到无风险利率，看涨期权归零而国库券仍给出 R_F。结论：完美预测能力的价值（合理费用）＝市场指数看涨期权的价格。

风格分析与绩效归因

Sharpe 提出风格分析。他分析了 Fidelity Magellan 基金 1985 年 1 月至 1989 年 12 月的收益，结论是：97.3% 的收益由风格押注（资产配置）解释，2.7% 来自选择押注（个股选择与择时）。长期资产配置的重要性已被实证充分确立——择时与选股的收益至多微不足道，最差则不足以覆盖相应的运营费用与交易成本。

三步流程：

• ① 约束回归：把组合收益对一整套穷尽且互斥的资产类别指数回归——R_P＝b_P1R_B1＋b_P2R_B2＋…＋b_PnR_Bn＋e_P，其中 R_Bj 是被动基准资产类别 j 的收益、b_Pj 是组合对该类别的暴露。斜率被约束为非负且加总 100%，因此可解释为组合在各资产类别上的"有效"配置权重。
• ② 绩效归因：资产配置贡献＝R²（决定系数），选择贡献＝1−R²。其中资产配置归因＝Σ(组合权重−基准权重)×R_B——若组合权重等于基准权重则为零；选择归因＝Σ 组合权重×(R_P−R_B)——若无优越选择能力（各类别内组合收益＝基准收益）则为零；两部分相加＝总贡献＝Σ(组合权重×R_P)−Σ(基准权重×R_B)。
• ③ 推断投资风格：用回归斜率反推管理人风格。例如 R_P＝0.75R_LCG＋0.15R_LCV＋0.05R_SCG＋0.05R_SCV（LCG／LCV／SCG／SCV 分别是大盘成长／大盘价值／小盘成长／小盘价值指数收益），说明该管理人主要走大盘成长风格。

权益多空策略（equity long/short）

依靠基本面公司分析，重点评估公司所处行业、地域与更广宏观环境相关的风险与机会。目标是在相关证券上同时建立多头与空头头寸，以利用错误定价同时对冲整体市场风险；执行有效时，强选股能力使管理人能产生 alpha。管理人会为每个头寸设定投资期限（预期估值向其预测收敛的期间）；实现预期重估更快的头寸更有价值。

• 收益来源：① 多空两侧头寸产生的 alpha；② 利息回扣（interest rebate）——卖空所得现金赚取的利息，扣除经纪商与证券出借人的费用；③ 策略启动时为保证每日盯市而存放的流动性缓冲金所赚的利息。
• 成本：保证金贷款的融资费用、为做空借入股份支付的借券费、借入股票应付的股息，以及交易成本。
• 空头持有期为何尤其重要：股价上涨会触发昂贵的追加保证金，甚至轧空（short squeeze）迫使头寸在重大亏损下平仓。管理这一风险的做法是分散做空标的，使任何单一空头不超过基金资本的 2%–3%。虽然策略的首要目标是降低市场风险，管理人还会用先进因子模型消除 β 之外残余的因子暴露。

专注卖空、非对冲权益、全球宏观、新兴市场

• 专注卖空（dedicated short / short-biased）：识别被高估的证券并卖空。重大风险包括追加保证金、轧空、以及风控约束驱动的被迫补仓。共同基金主要找正 alpha 的股票，通常不做空（最多低配负 alpha 股），因此对高估证券关注有限——这给空头专家留出了空间。这些管理人擅长识别高估迹象：激进的会计手法、潜在法律问题、管理层掩盖负面信息的企图。但一个根本性挑战是：市场价格长期倾向上涨，对空头构成内在逆风与负收益偏向——没有专门专长或洞见，做空的基金很可能亏钱的同时还承担重大风险。
• 非对冲权益（nonhedged equity）：同样依靠基本面分析，但纯多头，聚焦个股或行业，更像传统的选股。共同基金强调预期收益、靠分散化管风险，有时某笔投资的预期收益太小、不值得做详细分析；对冲基金则可以集中于个股并同时评估上行与下行。由于常使用显著杠杆，对冲基金能把即使很小的错误定价放大。典型手法是牛市看涨价差（bull call spread）：买入较低行权价的看涨期权、同时卖出较高行权价的看涨期权——即使标的股票只涨 10%–15% 也能产生增强收益。
• 全球宏观（global macro）：对广泛的股票或固收市场、利率、外汇、商品的预期价格变动下大额、杠杆化的押注，并持有期权、互换、期货等挂钩各类标的资产与指数的衍生品头寸。与受指定投资领域限制的共同基金不同，全球宏观基金在跨全球市场选机会上有广泛自由裁量权。考虑的因素包括经济预测、国际资本流动、利率趋势、政治发展、国家与政府间关系、经济政策等。它们也倾向于交易流动性更高的工具。
• 新兴市场（emerging markets）：投资发展中国家的证券，含公司证券与主权债。新兴市场典型特征是经济快速增长与持续工业化。成功的管理人不仅需要强基本面估值能力，还需要对所投特定市场的深刻洞见。目标是更高收益，但这些机会伴随新兴市场特有的更高风险。

固定收益套利与相对价值套利

• 固定收益套利：多空方法，瞄准固收证券之间的定价无效率。例一：美国国债收益率与对冲后的意大利政府债收益率出现暂时背离，套利者据此建仓、押注收益率最终收敛。例二：卖空更贵的在岸（on-the-run）30 年期美债，同时买入 6 个月前发行、更便宜的离岸（off-the-run）29½ 年期美债；随着在岸溢价随时间消退，这笔交易能产生小额正套利利润。
• 相对价值套利：寻找跨资产类别的定价无效率并从中获利。配对交易（pairs trading）是最经典的形态：找两家同行业的竞争者或同类公司，若其证券历史上强相关、近期在没有基本面消息的情况下暂时背离，则卖空其中一只、买入另一只，押注价差回归先前的相对关系并收敛。统计套利（statistical arbitrage）把这一思路扩展到大量多空头寸，常用因子模型识别错误定价；有时收益来自向大型共同基金或其他机构提供流动性——大额抛售使股价暂时下跌，对冲基金买入被暂时错误定价的股票、同时卖空相关股票对冲市场风险，持有至价格回归正常。另一例是指数期货与成分股之间出现错误定价时交易：买入 S&P 500 指数期货、同时卖空 500 只成分股；由于卖空全部 500 只并不现实，计算机算法会比较交易成本等成本与错误定价，选出最优子集交易。组织内其他地方已持有成分股多头头寸的公司，能以更低成本从内部调拨所需股份，从而获得竞争优势。

可转债套利（convertible arbitrage）

可转债内含嵌入式股票看涨期权：持有人有权把债券转换为指定数量的普通股，并在所换股份价值超过债券现金赎回价值时行使该权利；在转换权行使之前，投资者如同传统债券持有人一样持续收取票息。可转债价格对三类因素敏感：利率变化、发行人信用风险、发行人股价与股价波动率。相应地，其价值由三个成分构成：投资价值、转换价值、期权价值。

机制：可转债套利＝买入可转债、同时卖空标的股票，从债券收入与股票波动率两侧获利。对冲设计为中性化股票风险，但必须主动管理——股价变化会改变可转债的 delta，因此需要持续再平衡，这一过程称为 delta 对冲。执行正确时对冲能产生利润，再加上债券票息与卖空所得利息；主要成本是付给证券出借人的借券费，以及必须付给出借方的借入股票股息。

额外的收益来源：① 货币化波动率——股价与可转债价格之间是非线性关系，股价变动对对冲的影响不对称；股价上涨或下跌时，空头股票头寸的损益倾向于超过可转债对应的损失或收益（这与债券价格—收益率关系中的凸性类似）。② 可转债本身被低估时（例如嵌入式看涨期权定价低于其公允价值）。

事件驱动机会的五类来源

• 战略（硬催化剂）：风险套利；评估公司的战略选择并据此建仓；部门或业务单元的潜在分拆；在可能被收购的目标上建仓；代理权争夺或维权股东行动；存根交易（stub trades）——隔离并利用控股公司股价与其底层资产价值之间的折价。
• 财务：基于信用重评级或流动性事件预期价格变动；会计方法变更；财务资本重组；债务或股权的首次发行；破产重组。
• 运营：并购带来的协同效应；公司扭转或重组机会；高级管理层更替。
• 法律／监管：基于诉讼结果建仓；基于监管变化建仓；基于预期立法建仓。
• 技术：破裂的风险套利情形；股权或股权挂钩票据的二次发行。

维权策略（activist）：取得公司的股权或衍生品头寸，然后设法影响管理层或董事会，推进其认为会提升股价的举措。维权投资者可征集代理投票向董事会施压，也可倡导公司治理改革、业务单元分拆、削减成本、股份回购、提高股息、增加杠杆等。

并购套利（merger arbitrage / risk arbitrage）

目标是从收购方要约价与目标公司股票在收购、购买或合并公告后的股价之间的价差获利。若收购方计划以自身股票支付（换股合并），套利者可卖空收购方股票、同时买入目标公司股票，并在合并时平掉头寸，理想情况下获利。

• 交易完成时可获益于：① 套利价差（目标公司股票在收购公告时的价格与交割时最终买价之差）；② 目标公司股票收到的股息；③ 空头头寸所得利息（扣除借券成本与卖空收购方股票应付的股息）；④ 要约价被提高的可能性，尤其在出现竞购方时。
• 下行风险：若交易未能完成——目标公司股价通常跌回公告前水平、甚至更低；收购方股价可能上涨，使空头头寸产生亏损。必须记住的不对称性：失败交易的损失可能远超成功交易带来的收益。

困境证券策略（distressed securities）

对正在进入、处于、或正走出破产的公司的证券建立投机头寸。

• 收益机会：买入公司股份并持有至其走出破产；购买因许多机构投资者与养老基金被禁止持有而定价有吸引力的非投资级债券；银行可能出售部分困境贷款以清理资产负债表，创造买入机会；贸易索赔（trade claims）也可能有吸引力，因为原始持有人往往缺乏专长或意愿在破产过程中持续参与。结果是投资者可能以相对其风险调整价值的显著折价取得这些证券或索赔。
• 两种获利方式：① 买入并持有进入重组的公司证券，预期其价值在公司走出该过程后上升；② 分析公司资本结构中优先级与次级头寸的定价，寻找同一发行人各类证券之间的错误定价——例如重组期间优先级证券可能相对次级证券升值，投资者可在价格调整前买入优先级、卖空次级。
• 主动 vs 被动投资者：主动投资者可能（1）通过参加债权人委员会影响重组过程；（2）监督 workout 过程（可能包含庭外重组或庭内破产程序）以保护自身利益；（3）在法律程序中争取改善自身地位。被动投资者则不参与，偏好较不复杂、分析与监控耗时较少的困境投资。
• 挑战、风险与关键考量：这些公司往往现金流不稳、流动性有限、资本结构复杂，不确定性显著；估值困难、回收估计可能不可靠、重组或破产过程可能远比预期更长；困境证券常不流动，调整或退出头寸会冲击价格。结果还高度依赖法律与监管因素，包括法院裁决、债权人谈判、债务人持有资产（DIP）融资、以及破产法可能的变动。来自其他困境投资者的竞争、业务状况意外恶化、或新优先债的发行，都可能进一步侵蚀回收价值。因此这一策略需要财务分析、法律程序与公司重组方面的专门知识。

组合层风险（portfolio-level）与投资层风险（investment-level）

• 组合层风险三项：基准问题（benchmarking issues）——对冲基金没有天然合适的业绩基准；幸存者偏差（survivorship bias）——失败或关闭的基金从数据库中消失，使历史业绩被系统性高估；无关业务应税收入（unrelated business taxable income, UBTI）——在债务融资收入对本来免税的投资者变成应税时产生，通过离岸对冲基金投资可帮助缓解。
• 投资层风险七项：交易对手风险、利益冲突、关键人风险（key person risk）、策略失败、风格漂移（style drift）、监管变化、以及压力市场中的相关性骤升。

源文 Figure 91.1 把投资层风险按四类归拢：业务风险（运营控制、客户构成、资本基础变化、交易对手风险、利益冲突、薪酬结构）、人员风险（关键人风险、诚信、专注与激励、团队深度与广度）、策略风险（策略失败、风格漂移、杠杆、流动性集中、相关性不稳定）、系统性风险（监管变化、主经纪商倒闭、压力市场相关性骤升、大型金融机构倒闭）。

增量风险之一二：杠杆与监管

• 杠杆（leverage）：对冲基金频繁用杠杆放大结果，形式包括表内杠杆（直接借款）与表外杠杆（如衍生品）。收益为正时杠杆是强力盟友，为负时是难缠的对手——放大损失与放大收益同样有效；杠杆还会提高基金对流动性冲击的敏感度。需要强调的一点：对冲基金的大部分杠杆是以基金持有的现金或资产作抵押的，真正无抵押的借款很少见。（源文按策略列示杠杆数据，取自 2020 年美国财政部金融研究办公室的统计。）
• 监管（regulation）：潜在投资者必须自行尽职调查，因为对冲基金受到的监管显著少于开放式共同基金。美国《1940 年投资顾问法》下的私人顾问豁免（private adviser exemption）曾使顾问在客户少于 15 名时免于注册（源文另处将同一豁免写作"少于 15 只基金"，见下口径注）。全球金融危机（GFC, 2007–2009）提醒市场：对冲基金是通过其高度受监管的交易对手——尤其是银行——被间接监管的。危机后，2010 年多德-弗兰克法案要求管理资产至少 $150 百万的所有对冲基金顾问向 SEC 注册、保存详尽记录并供 SEC 查阅、任命首席合规官（CCO）、并接受 SEC 定期检查。

增量风险之三四五：卖空、透明度、风险容忍

• 卖空（short selling）：借入股份、缴纳担保品、按要求追加担保品、最终在平仓时归还借入的股份。多头下行有限（金融资产价值不能为负），空头下行理论上无限（股价没有上限）。轧空（short squeeze）发生在被大量做空的股票价格快速上涨、迫使空头买入平仓时——这种被迫买入会进一步加速股价上涨。著名例子是 2021 年 GameStop（GME）轧空。
• 透明度（transparency）：许多对冲基金试图套取市场中被感知的定价无效率，但当一笔交易因参与者过多而变得拥挤时，利润机会会迅速消失，因此对冲基金对具体策略往往高度保密——这使投资者更难监控风险、也更难评估策略是否与自己的预期一致。此外，退出闸门（exit gates）与其他流动性限制会约束那些担心策略转向的投资者。
• 风险容忍（risk tolerance）：对冲基金管理人的风险容忍通常高于多数开放式共同基金管理人，其薪酬结构常常激励他们承担更多风险；他们还能接触更广的投资机会（包括更新、更创新的策略）；并且频繁使用衍生品——衍生品有助于缓释风险，但也引入使风险评估更困难的复杂性。

口径注：关于私人顾问豁免的规模门槛，源文正文一处写作"少于 15 名客户"，另一处正文与篇末习题答案写作"少于 15 只基金"（同一豁免的两种表述）。本章按"客户"一侧呈现，并在此说明出入，读者遇题时以题目给出的一侧为准。

对冲基金对系统性风险的影响

系统性风险＝对更广金融体系或经济造成扰乱的威胁。对冲基金可通过两条关键路径助长系统性风险：第一，策略失败可能触发传染——若被迫以甩卖（fire sale）价格平仓；第二，对冲基金可能给向其贷款或充当其交易对手的金融机构造成巨额损失。

• 1998 年 LTCM 倒闭凸显了监控流动性与杠杆的重要性，也证明：通常独立运行的资产，在极端市场压力下可能变得高度相关、同向运动。
• 2006 年 Amaranth Advisors 倒闭引发了对对冲基金系统性风险的质疑。英格兰银行的结论是：关键中介机构对系统性风险的贡献远大于对冲基金，对冲基金甚至可能以降低风险的方式促进风险转移。但这一观点并不普遍——批评者认为对冲基金的杠杆与复杂的非线性策略会抬高系统性风险。
• GFC 期间：贷款人通过迫使对冲基金平仓来追加担保品，由此产生的甩卖助长了传染、并使本来不相关的资产类别出现重大损失。这些效应被杠杆与计算机驱动的卖出放大；压力期的追加保证金、投资者赎回、风险偏好下降都会加大抛压。若涉及对冲基金的基金（funds of hedge funds），情况会进一步恶化——它们的赎回会级联到下层对冲基金，形成瀑布式的额外抛售。

缓释的三条路径：① 银行采取更保守的放贷做法；② 对冲基金组合降低杠杆并提高分散化；③ 合理的监管。关于第三条要特别记住一个反直觉点：针对对冲基金与私募股权机构过度严格的监管，可能因减少这些投资者提供的流动性而对金融市场产生意料之外的负面影响——对冲基金常常充当"最后的投资者"，承接困境证券等传统投资者不愿承担的风险。

银行对对冲基金的暴露：三类风险

• 收入风险（revenue risk）：银行通过交易、清算、托管、证券借贷、融资与报告等活动从对冲基金赚取可观的费用与服务收入；多家对冲基金同时倒闭会实质性削减这条收入流。
• 信用风险（credit risk）：保证金贷款由担保品担保，但标的资产价值可能比预期更快地下跌，从而使银行担保不足。
• 交易对手风险（counterparty risk）：银行通过信用违约互换（CDS）与其他场外（OTC）合约等衍生品交易承担暴露。

Archegos（2021）：其违约凸显了高杠杆投资实体能对银行造成多大风险。Archegos 虽是家族办公室而非对冲基金，但它使用总收益互换（total return swaps）创造出的暴露与对冲基金杠杆高度相似。崩塌时瑞信（Credit Suisse）亏损约 $50 亿，其他银行合计再亏约 $50 亿；这一事件向银行体系发出清晰警示，促使银行要求对冲基金降低杠杆。

美国框架：两个豁免、私募发行、多德-弗兰克

• 《1940 年投资公司法》('40 法）要求所有共同基金向 SEC 注册，附带定期报告并对杠杆、卖空与业绩费设限。这些限制对做对冲基金不切实际，但可用两个关键豁免规避注册：Section 3(c)(1)——投资者少于 100 名；Section 3(c)(7)——仅限"合格购买者（qualified purchasers）"，即投资资产超过 $500 万的个人；不过依赖 3(c)(7) 的基金若投资者达到 500 人以上，必须按《1934 年证券交易法》('34 法）注册。
• 管理人层面：《1940 年投资顾问法》下的私人顾问豁免使顾问在少于 15 名客户时免于注册，许多对冲基金公司刻意把结构维持在门槛之下。此外，对冲基金通过把福利计划参与限制在基金总资产的 25% 以下，避免触发 ERISA（1974 年雇员退休收入保障法）的要求。
• Regulation D（Reg D）：对冲基金通过私募发行而非公开发行来营销，即不向公众广告；Reg D 下只能接受"合格投资者（accredited investors）"——净值至少 $250 万，或前两年每年收入 $250,000 且合理预期能维持该水平。但 Reg D 的 Rule 506 允许最多 35 名非合格投资者。
• 监管浪潮的节奏：美英总体维持对对冲基金有利的监管环境，但两国对可能使某些投资者优于其他投资者的旁函（side letters）都持严格看法。美国方面：SEC 2004 年曾试图要求注册，2006 年被哥伦比亚特区联邦上诉法院推翻，此后 SEC 再未成功强制注册；2007 年总统金融市场工作组拒绝广泛新监管、转而鼓励行业自愿指引；但 Madoff 欺诈案与 GFC 的动荡重新引发审视，最终使对冲基金被纳入 2010 年多德-弗兰克华尔街改革与消费者保护法。
• 多德-弗兰克 Title IV（《私募基金投资顾问注册法》）取消了投资顾问法下的私人顾问豁免——"15 名客户"门槛不再相关，对冲基金管理人现在必须向 SEC 注册。Title IV 还要求对冲基金向 SEC 与金融稳定监督委员会（FSOC）提交报告，使监管者能监控管理资产规模（AUM）、杠杆、交易对手暴露与投资策略；并引入 Form PF：AUM 至少 $150 百万的顾问每年申报详细运营与组合信息，AUM 超过 $15 亿的每季度申报。

国际监管路径

• 欧洲针对对冲基金的监管比美国、英国严格得多：管理 AUM 超过 €100 百万的对冲基金面临覆盖杠杆、投资策略、风险暴露与营销活动的广泛报告要求；在欧盟注册的基金可享 EU Passport，跨境管理与营销相对便利。欧洲监管者还施加了净空头头寸披露、裸卖空限制、衍生品强制中央清算、全部衍生品交易报告以及旨在减缓高频交易的措施。
• 国家差异：葡萄牙严格监管衍生品市场；法国更强调限制杠杆；德国则设法让银行更难向包括对冲基金在内的某些高杠杆投资工具放贷。
• 亚太：新加坡（2010）要求资产超过 $250 百万的对冲基金向新加坡金融管理局（MAS）注册，受监管基金须向投资者与 MAS 提供季度未审计报告与年度审计报告，并须取得 MAS 的资本市场服务牌照。香港依《证券及期货条例（SFO）》监管，把对冲基金活动界定为证券交易、杠杆外汇交易与期货合约，基金须按具体业务活动取得对应牌照；SFO 还列出建议的报告与披露做法，并对向潜在客户营销设限。中国的框架较独特：基金分为政府支持与私人两类（私人部分仍处早期），主要监管机构为中国证监会（CSRC）；CSRC 禁止中国对冲基金使用杠杆，并把卖空限于沪深 300 指数中的 50 只证券，同时不允许券商用客户股份便利做空——这使做空成本极高，约每年 10%。与 CSRC 的严格限制相对，中国保监会（CIRC）曾鼓励保险公司用自有资本设立可从事类对冲基金策略的资产管理公司。

监管三关切与行业自律

高层面上，监管者关注三件事：① 投资者保护——确保对冲基金不欺诈投资者，做法是把参与限制在被认为足够成熟、能评估对冲基金风险的投资者范围内；② 市场诚信——监控对冲基金是否利用内幕信息交易，适用与全市场相同的规则与执法机制；③ 金融稳定——防止对冲基金扰乱市场，做法是限制杠杆并要求及时、准确地缴纳担保品。

行业自律：有人主张对冲基金行业应加强自我监管，另类投资管理协会（AIMA）为此发布了《对冲基金估值良好实践指南》。当对冲基金管理人（如伦敦的 Man Group、美国的 Blackstone 等）成为公开上市公司时，公众审视也会增加——这带来更多透明度，也让投资者获得间接接触对冲基金行业的渠道。

注册地、法律实体与主从结构

• 注册地（domicile）：对冲基金策略性选择注册地以最小化税收、减少监管。在美国，特拉华州因法律环境有利而常见。离岸基金最常设在开曼群岛（55%）、英属维尔京群岛（15%）与百慕大（10%）。要注意：注册地选择能降低基金层面的税，但管理人仍须就其所赚费用纳税，投资者也仍须在居住地就其投资收益纳税。
• 法律实体：通常采用有限合伙（limited partnership）——对冲基金管理人作为普通合伙人（GP），投资者作为有限合伙人（LP）。这一结构通常组织为开放式合伙：基金可向新投资者发行新份额，也可按合伙协议约定的锁定期（lockups）与闸门（gates）为想退出的投资者赎回份额。
• 主从结构（master-feeder）：常用于避免多层课税并让免税投资者以税务有效的方式参与。主基金是汇集全部资本、进行全部交易活动的实体，由多个feeder 载体出资，每个 feeder 面向不同投资者群体——通常是一个在岸 feeder、一个离岸 feeder。对美国注册的对冲基金而言，离岸 feeder 一般供非美国投资者与美国免税投资者（如养老金）使用。
• 专业支持体系：要有效运转这套结构，对冲基金需要会计师、律师、审计师、行政管理人以及独立估值专业人士来确定基金的净值（NAV）；还依赖主经纪商（prime broker）提供借贷、交易对手服务、交易执行、清算与结算。

税务动机：2-and-20 与 carried interest

• 对冲基金管理人有强烈的税务动机采用合伙制。典型的 2-and-20 收费结构＝2% 管理费＋20% 业绩费。管理费按普通收入课税；而业绩费（又称 carried interest，附带权益），若产生该收益的标的资产持有至少一年，可按更低的资本利得税率课税。
• 这一所谓"carried interest 漏洞"使业绩费得以按资本利得而非普通收入课税，大致使管理人的税负减半。
• 2008 年之前，管理人还可递延管理费的纳税：依《国内税收法典》Section 457，他们可选择把费用推迟到以后纳税年度收取，从而管理纳税时点。该漏洞于 2008 年被取消。
• 取消 carried interest 优惠的努力曾多次尝试：2008 年一次失败，2021 年拜登政府时期又一次失败。目前该条款仍然存在，但未来可能变化——这是对冲基金管理人持续密切关注的领域。

什么是私募信用（private credit）

• 定义：来自双边协议的非银行企业信贷，不包括公开证券与商业银行。过去三十年，私募信用主要由资产管理人从机构投资者募资（封闭式基金结构），再用这些资金贷给中端市场公司。
• 服务对象：年收入约 $100 百万至 $10 亿的中型企业——它们的借款需求超过多数单一商业银行能合理提供的规模，但又不足够大到可以公开发债。
• 条款特征：贷款通常直接在贷款人（资产管理人）与借款人之间设立。总成本（如利息支出）很可能高于传统银行贷款；但私募信用允许远为灵活的条款定制（例如递延付息），并可更多使用保护贷款人的条款（如限制分红分配、股份回购、资产出售）。
• 关系管理通常优于银行贷款与公开债——这在与逾期贷款打交道时提供更大灵活性，从而提高回收、降低违约。

典型投资者与借款人

• 投资者：典型是投资期限长的机构投资者——养老金、保险公司、主权财富基金、家族办公室。它们通常采用与私募股权相似的封闭式基金结构；其他可能的结构包括商业发展公司（BDC）与抵押贷款义务（CLO）。
• 借款人：中小型公司（例如信息技术、医疗）。借款常按浮动利率进行，抵押要求与条款多于借款人向银行借款时会遇到的，且条款更贴合其经营。私募信用借款人一般被视为比高收益债或杠杆贷款发行人风险更大——它们往往盈利较弱且／或杠杆较高，因此常不符合传统银行融资条件；但它们通常有私募股权（PE）支持者且与贷款人关系牢固，从而同时降低流动性与偿付风险。

与其他贷款／固定收益工具的对比

• 私募信用的替代方案包括传统银行贷款与公开发债。
• 广泛辛迪加贷款（broadly syndicated loan）：当一笔贷款的金额或风险被认为对单一贷款人过高时，由多个贷款人向同一借款人提供。
• 杠杆贷款（leveraged loan）：面向高杠杆企业实体的广泛辛迪加贷款；因此这类贷款很可能是非投资级并具有高利率。

私募信用的增长

• 2007–2009 年金融危机之后数年，私募信用经历爆发式增长。在长期低利率的环境里，它成为对借款人越来越有吸引力的融资替代。
• 随着金融机构监管要求趋严，保险公司倾向于进入私募信用放贷市场——其资本占用与风险要求不如商业银行那般沉重。若这类监管继续加码，可能有更多资金转向私募信用。
• 银行日益放弃对风险较高的中型企业的贷款，私募信用似乎已成为受欢迎的替代，增长惊人，规模约达 $2.1 万亿（2023 年，含贷款与未投放资本）。作为对比，这一规模与全球高收益债市场相差不大。
• 欧洲与亚洲的增长显著，但私募信用主要在北美管理。
• 虽然最初的重心是（现在仍是）中型借款人，私募信用贷款人已把客户群扩展到更大的企业实体——它们本来会通过辛迪加贷款或公开发债融资。借款的定制化性质、加上相比公开发债更少的披露与成本，很可能是这一转移的原因。
• 在美国与亚洲，私募信用过去五年的年增长率约 20%；欧洲同期平均约 17%。截至 2023 年 6 月，在美国、欧洲与亚洲，私募信用分别约占企业信用总额的 7%、1.6%、0.2%。
• 简言之，私募信用的增长与私募股权的增长同步；并且相当大一部分私募信用涉及借款人由 PE 机构支持。

私募信用的回报（相对其他资产类别）

• 2020 年以来：私募股权明显跑赢私募信用；私募信用与自然资源表现相近、略优于房地产；私募信用明显跑赢标普 500 与风险投资。
• 金融危机后约 十年：私募信用跑赢私募股权与房地产，同期私募股权与房地产的回报相近。
• 但约 2020 年出现显著变化——私募股权回报大幅跃居私募信用之前。
• 另需注意：私募信用约在 2008 至 2016 年跑输自然资源，此后两者回报相近。

为什么私募信用可能危及金融稳定

• 信贷正从安全、受监管的实体转向透明度更低、监管更少的私募信用机构。银行贷款受严格监管，公开债须广泛披露；相比之下私募信用监管极少，标的贷款无评级、无交易、条款不标准化。私募信用缺乏透明度，使重大风险难以被及时发现。
• 目前可用的信息不足以对私募信用对金融稳定的影响做彻底分析。相关风险广泛且可能有重大系统性影响，但这些风险尚未被清晰理解；而且私募信用的突然、快速上升尚未经历一次严重的市场修正，因此其长期稳定性尚未得到恰当检验。
• 就目前而言，私募信用风险似乎属中等：资产与负债期限匹配尚可、杠杆相对较低，流动性与关联性风险看似较低。同时，鉴于近年急升，有必要保持警惕。例如，鉴于对业务的竞争，私募信用承销标准下降的风险始终存在——这会抬高预期损失，并可能使任何风险管理工具失效。随着私募信用供给增加，可能出现风险溢价下降与条款趋于宽松，因为机构努力继续从放贷中产生收入。

可能的系统性风险（逐条）

• 信用：借款人往往规模小且高杠杆。由于私募信用贷款主要是浮动利率，任何加息都会伤害借款人，可能导致大量违约，从而削减贷款人盈利。
• 投资者损失：鉴于底层资产相对缺乏知识与透明度，投资组合中大量持有私募信用的投资者（如保险公司与养老金）可能在突然的经济下行中蒙受巨亏。
• 流动性：随着私募信用基金扩展到更广的公众投资者，流动性较差的私募信用基金可能在大量投资者同时试图撤资时遭遇流动性风险。
• 关联性：众多参与者（借款人、基金、投资者）各自进行杠杆交易，形成"杠杆迷宫"。例如，若某基金在受压市场中遭遇大额资本催缴，任何违约或缺口都可能对其它参与者产生多米诺效应，从而导致整个经济体的融资减少。
• 估值：私募信用基金存在估值风险。该资产类别尚无充分的价格发现机制，几乎没有监管监测，借款人透明度不足，无法客观、彻底地确定暴露。例如，未实现损失可能被基金经理尽可能递延，而当真需要实现时可能一次性爆发，从而触发一波违约。
• 金融稳定：当金融部门各群体（养老金、PE 机构、保险公司）都持有私募信用时，金融稳定风险便出现；信息普遍缺乏使监管者无法恰当检视这些群体的风险、判断任何外溢效应。
• 行为：随着更多（不成熟）投资者投资私募信用，行为风险出现——可惜私募信用的风险与／或对撤资的约束可能未被向这些投资者恰当说明。

六类风险分述

• 信用风险：私募信用借款人对利率上行高度敏感，因为几乎所有贷款都是浮动利率。在此情形下，借款人常获得临时宽限——未付利息被直接加到未偿债务上、留待日后偿还。若借款人持续产生不足的现金流来付息并减少债务，贷款人便面临违约风险。同时，私募信用的历史损失低于高收益债、与杠杆贷款相近；PE 机构的支持确实降低了违约，且多数私募信用贷款要求抵押品也降低了信用损失。周期性仍有疑问：有证据表明，在常规资金来源严重受限的受压市场中（如 2020 年 3 月），私募信用资金仍持续可得；同时，可得的私募信用资金量与股市回报呈正相关；也有数据支持"银行放贷标准越严"与"新增私募信用放贷减少"之间的正相关。
• 流动性风险：为减少非流动底层资产（如私募企业贷款）造成的流入流出错配，私募信用基金施加诸多限制（如长期锁定）以减少对投资者的现金流出。然而基金的放贷活动会增加现金流出与流动性风险；此外，半流动的常青（evergreen）基金结构（基金持续接受新资本并做新投资）的使用增加也抬高流动性风险。鉴于底层资产的性质，私募信用 CLO 与封闭式基金不太可能允许基金赎回，这大幅缓释流动性风险；另一方面，半流动基金仅在特定时点允许投资者赎回，从而可能吸引机构投资者之外的更多投资者（如个人投资者）。其他赎回限制包括可撤资上限（闸门，gates）或赎回请求后的延付（暂停，suspension）。通过限制赎回期数，基金能更好地控制流动性风险；但实践中，以半流动结构吸引新散户可能需要更频繁的赎回期，反而抬高流动性风险。另一种流动性风险出现在私募信用基金向借款人提供信贷额度时：若许多借款人同时突然提款，基金可能需要额外现金流，这可能迫使通过投资者的资本催缴融资，从而把流动性风险转移给那些投资者。
• 杠杆风险：尽管私募信用基金相比银行似乎使用的杠杆极少，但整个体系内部存在多层杠杆——杠杆不只在基金层面，投资者、基金与借款人也可能使用杠杆。由于缺乏相关信息，几乎无法确定杠杆对整体金融稳定的集体影响。使用杠杆的私募信用投资者通常包括养老金与保险公司，这类杠杆使它们面临潜在的信用降级与违约；此外，当它们在受压市场须满足保证金与抵押品催缴时，其庞大体量可能对其它市场参与者产生负面外溢。基金内部的杠杆可通过特殊目的载体（SPV）与更复杂的结构实现，包括抵押基金义务——把基金的有限合伙权益移入 SPV，以减少基金现金流出并容纳更多投资者。私募信用借款人往往高杠杆，因为除向私募信用基金借款外，它们实质上还向支持它们的 PE 机构借款。总体而言，杠杆可能掩盖报表缺陷，在资金减少或抽离的时期造成巨亏与对其它市场的负面冲击：借款人违约导致基金损失与投资者损失；资本催缴要求可能带来巨额融资需求，最终导致金融体系的资金来源枯竭——因为所有贷款人同时寻求减少放贷。
• 估值风险：私募信用估值的用处有限，因为可比交易很少或没有、估值不频繁、且没有二级市场来佐证估值。在经济下行中，陈旧估值最终可能促成投资者大规模争相撤出私募信用基金（不过如前所述，赎回限制可能已有效消除这种流动性风险）。由于私募信用资产（如长期贷款）不流动，难以获得准确估值；这类贷款为双方专门设计，使寻找可比交易成为难题。市场估计与外部估值师虽被使用，但其评估可能仍过于主观并受某些偏差影响。总体而言，会计准则与私募信用基金监管均未规定估值应如何进行；对已有的估值，也没有一致的方法论可用于有意义的比较。一项关于私募信用估值的研究得出结论：私募信用资产价格对冲击的敏感度低于高收益债与杠杆贷款资产价格；但私募信用资产适用额外的估值折价，抵消了较低的价格敏感度，而估值折价在经济下行期加大。与公开债相比，私募信用贷款的价值变动更小、更不敏感，这意味着其价格与净值可能在连续数个季度显著不同，形成陈旧估值。陈旧估值有高估的可能，或使更敏锐的投资者在估值减值之前撤出资金（但鉴于众多赎回限制，任何挤兑风险已大幅最小化）。此外，私募信用估值充满估计误差与可靠数据缺乏，因此更频繁的估值未必有用，甚至可能带来更大的市场波动——事实上，更频繁的估值可能使注意力更多放在短期结果上，从而抵消私募信用较长期的投资优势。另一方面，陈旧估值也有明显劣势：估值不频繁妨碍投资者准确评估风险并做出有效投资决策；陈旧估值可能显示高于实际的当期回报——这有利于试图吸引新投资者的管理人，但显然误导投资者；此外，陈旧估值可能高估资产价值，从而导致多付管理费；鉴于损失可能被递延，陈旧估值很可能低估损失，使投资者错误评估其投资风险。
• 关联性风险：就关联而言，私募信用基金与 PE 机构、银行及机构投资者相连。相当多的私募信用管理人本身就是 PE 管理人；此外，许多在私募信用市场借款的企业由 PE 发起人支持或"担保"，这显著降低信用风险。PE 与私募信用之间的紧密联系意味着一方的弱点可能影响另一方；而且管理人之间众多的关联也抬高利益冲突风险。银行对私募信用机构放贷似乎没有过度暴露（低于总资产的 1%），且由于放贷以有担保方式进行，暴露进一步受限。养老金与保险公司是私募信用的主要投资者，但其暴露限于管理资产（AUM）的约 3%。养老金与保险公司继续持有更多非流动资产，私募信用在这方面颇有助益；同时，两类机构都大量使用衍生品。由于养老金在私募股权与私募信用（两者均不流动）上投资巨大，当面临衍生品头寸引发的保证金与抵押品催缴时，其流动性风险更大。受 PE 影响的人寿保险公司可为 PE 机构提供可靠的现金流（收取的保费），用于投资 PE 机构自己设立与运营的非流动资产；这类公司持有的非流动资产多于其他人寿保险公司，但这并未转化为更强的偿付能力资本比率——事实上，受 PE 影响的人寿保险公司的偿付能力资本比率弱于平均，若违约突然增加可能迅速吞噬其监管资本；而底层非流动资产（如资产支持证券）本身带杠杆，会使情况更糟。私募信用基金可能对投资者施加突然的资本催缴，增加流动性风险；养老金与保险公司的未催缴资本承诺可能超过其在私募信用的现有投资。例如，私募信用资产有时被纳入缴费确定型（defined-contribution）养老金计划，而 DC 计划允许受益人在短期内在投资选项间切换；但鉴于投资私募信用基金的长期性质，时间上存在冲突，也可能给私募信用行业带来流动性风险。
• 承销标准：私募信用的突然快速上升，导致银行与公开债市场对较大企业借款人的竞争大为加剧。有时银行与其它贷款人会与私募信用机构合作提供更大贷款。不幸的是，这导致承销标准下降（例如贷款定价过低或与风险水平不相称）以及私募信用贷款人施加的条款不再严格。若出现高违约率的不利经济事件，银行与其它贷款人可能面临巨亏。

总体方向与六项建议

• 总体方向：由于私募信用的巨幅增长可能威胁金融稳定，有必要建立更强的控制来监管它，因此全球需要更强的监督与监管。美国与欧盟已专门扩展监管以应对系统性风险，亚洲各辖区亦然。监管重点在于冲突、行为、估值与披露。管理私募信用风险最有效的方法是跨部门、跨境地强化监管与监督活动——这需要不同辖区的当局合作，以确保充分理解私募信用的风险与影响，以及它对其它资产类别与系统性机构的可能连带效应。
• ① 信用：对保险公司与养老金而言，不存在监测底层贷款资产信用状况的要求，因而相当依赖内部估值与外部信用评级机构，而这些可能提供不了多少信心。持有大量私募信用的基金应聚焦于更严格的流程（类似银行所用的），以监测结构化产品与直接放贷中私募信用的表现；此外，鉴于可能出现重大负面系统性影响，承销政策与流程以及信用风险需要仔细审查。
• ② 流动性：迄今已为应对流动性错配做出明确努力。然而，许多私募信用基金中开放式结构以及慷慨的赎回政策确实带来一些流动性错配风险，对由非流动资产构成的基金尤其如此。许多不成熟投资者在受压经济条件下试图撤资的可能，是需要应对的流动性风险。限制资金流出的可能关键补救包括：监管者只允许封闭式基金、允许更不频繁的赎回、强制要求更长的赎回通知期与更长的结算期。另一项补救可包括更严格的规则，在存在重大流动性错配暴露时强制使用流动性管理技术与压力测试。最后，为教育投资者，应有要求确保关于投资风险与赎回限制的披露彻底且可理解。
• ③ 杠杆：总体而言，可用信息不足以恰当确定私募信用所使用杠杆的程度。例如在基金内部，所报告的内容可能遗漏或模糊相互关联的众多杠杆来源（如 SPV、feeder/master 基金）；其它数据缺失与不同国家、部门之间报告口径的不一致，妨碍对总杠杆的整体监督。私募信用机构从银行借款再贷给其它借款人；就此而言，应要求私募信用机构向银行证明其有强健的流动性管理流程，这类流程可包括：资金来源受限时的压力测试、杠杆资产减值的压力测试、以及借款人突然大额用信的压力测试。为克服杠杆报告的数据缺陷，可在境内外实施更多报告要求，并加强监管者之间的合作。当认定杠杆水平过高并可能导致负面系统性影响时，监管者可能需要施加杠杆上限。
• ④ 估值：现行监管不考虑资产估值，责任往往落在机构投资者自身去确定自己的估值；监管缺乏可能导致同一资产因所用估值方法不同而产生显著估值差异。显而易见的解决方案是监管者对各实体所用的估值方法实施更严格的监督。当估值重大且／或容易出错时，可能需要施加更频繁的外部估值；此外应对估值进行审计，以发现估值方法与内控中的缺陷并及时纠正。就估值而言，关键风险在于非流动与半流动资产资产的减值——这类损失必须被准确确定并在适当期间确认。
• ⑤ 关联性：取决于各国与各部门监管严格程度的差异，更多私募信用风险可能被承担在规则更松的国家与部门（即监管套利）。事实上，监管套利可能正助推保险公司与养老金大量持有私募信用；这两类机构之间众多的相互关联及其潜在的重大系统性影响，应是对监管者的警示。与杠杆风险类似，关联风险的数据缺乏可能需要监管者之间的跨境合作以确保恰当监督（尤其当风险更集中时）；在更本地层面，不同部门的监管者也需要合作，以确定需要哪些额外信息、了解更多关联风险并减少任何传染风险。监管套利试图寻找最有利（最宽松）的监管，可能发生在本地与国际两个层面；因此，集中风险的存在可能需要跨部门、跨境统一风险评估流程，以减少或消除监管套利。
• ⑥ 行为：随着更多不成熟投资者进入私募信用、且存在利益冲突的可能（私募信用基金同时处于交易双方），有必要考虑基金的行为风险以避免冲突。例如，私募交易可能对一方不公平，因为这类交易没有市场定价的内置约束。行为监管者必须确定存在哪些行为风险，并在存在利益冲突时建议增加披露。例如，允许投资者更频繁赎回可能促使管理人操纵估值以阻止赎回，或把赎回条件设为把赎回资金投入管理人控制的其它投资。监管者应把投资者最佳利益放在首位（例如销售做法是否公平、对客户的投资适配性是否得到充分处理）；必须建立控制以确保散户投资者充分理解信用与流动性风险以及赎回限制。

私募市场投资动机（六项）

• 资产分类：私募市场帮助私营企业通过权益、可转债与传统债等广泛证券融资。对私营企业的权益投资称为私募股权（PE），债务投资称为私募债（PD），对私有不动产的投资称为私人不动产（PRA）。私募股权投资最终可能通过在公开市场上市而转为公开交易；此外，一些成交量有限的上市公司通过称为私募配售的私募交易筹资，这类交易称为对公开权益的私募投资（PIPEs）。
• ① 业绩与分散：私募市场投资有潜力产生高于公开市场资产的回报；它们也可能通过在市场不确定期对冲传统资产表现而提供分散好处。
• ② 控制与价值创造：私募投资者可以监督、引导并影响公司表现——这种控制程度在公开市场通常不可得，除非投资者持有非常大的所有权份额。私募投资者还可贡献资本、行业关系与运营专长，这些都能支持并增强私营企业内的价值创造过程。
• ③ 更广的投资域：私营企业远多于上市公司，这创造了独特分散的机会。全球私营企业超过 3 亿家，而上市公司约 5.2 万家——私募市场提供对更广泛行业与商业模式的暴露，形成比仅公开市场更分散的投资域；私募投资者还可投资于企业生命周期的各个阶段。
• ④ 绝对回报潜力：许多投资者追求私募投资，是为了寻找与公开市场表现相关性较低的绝对回报。
• ⑤ 更广的地理覆盖：私募投资提供对公开市场不发达或不存在的地区的暴露，扩展分散机会并有助于减少本国偏好（home country bias）。
• ⑥ 专门投资结构：一些私募投资者寻求特定的风险暴露；私募 FOF 与共同投资等结构可提供传统投资渠道可能没有的独特机会。

六种投资结构

投资结构决定资本如何汇集、管理与治理，也界定管理人与投资者的权利与义务。

• ① 直接投资（direct investment）：投资者取得某私营公司或资产的所有权权益。此结构提供高度控制，但需要大量专长与主动参与；它带有高集中度风险，除非持有许多头寸，否则分散有限。成功的直接投资通常需要强大网络来获取机会，并需理解私募市场投资常依赖本地存在与关系；投资者与私营企业之间的信息不对称也可能是挑战。创业者、家族办公室与收购投资者常用此法；众筹是直接投资的另一种形式。杠杆收购与困境债等若干策略一般无法通过此形式获得。
• ② 私募基金（private funds）：基金是最常见的机构投资结构。投资者资本被汇集，专门管理人（即普通合伙人，GP）做出投资与监督决策。此法提供分散好处，但限制个人投资者可得的控制程度。机构与大型私募投资者常用此结构，养老金也参与；在某些辖区，散户投资者可能被允许投资某些类型的私募基金。最常见的基金结构是封闭式有限合伙。
• ③ 私募 FOF（funds of funds）：投资者把资本配置给一只本身投资于私募市场基金组合的基金。相比投资单只基金，此法增强分散，但引入额外一层管理费。它常被经验有限的私募投资者用作进入私募市场的入口，也吸引高度重视分散的投资者。在各类私募市场选项中，此结构最接近被动投资的方式。
• ④ 管理账户（managed accounts）：按投资者特定授权定制的独立账户。授权可以是全权委托（管理人做出全部投资决策）或顾问型（投资者保留否决权）。全权委托授权通常涉及业绩费（carried interest），顾问型授权则往往不含。管理账户为大型投资者提供定制与透明度，但依赖与管理人谈判，且通常需要大额资本承诺。寻求定制方案的机构最可能是此结构的使用者。
• ⑤ 特殊目的载体（SPV）：为持有某项特定资产或一组资产而设的实体。SPV 可以权益或债务结构，虽然它们常被用来便利对 PRA 的投资。寻求对某笔特定交易或资产定向暴露的较成熟投资者常考虑此结构。
• ⑥ 证券化（securitization）：在证券化结构中，资产（通常为债务）被汇集并分为风险与收益特征不同的分层（tranches）。虽然这些证券可以公开交易，但此结构引入额外复杂性并降低透明度。想要特定风险特征或想转移某些风险的投资者最可能使用此法。

结构对比（源文 Figure 93.1，五维度）：直接投资＝参与度高／分散低／流动性极低／成本低／控制高；私募基金＝参与度低到中／分散中到高／流动性极低／成本＝管理费与业绩费／控制低；私募 FOF＝参与度极低／分散极高／流动性极低／成本高于私募基金／控制极低；管理账户＝参与度中／分散高／流动性极低／成本与管理人协商／控制中；SPV＝参与度不定／分散低／流动性极低／成本＝设立与维护费／控制不定；证券化＝购买后无参与／分散高／流动性高于私募基金／成本＝分层费／控制无。

此外，私募市场的权益投资（即私募股权）可结构为普通股或优先股——优先股可通过协商纳入特定权利与保护，因此并非所有优先股都提供相同特征或影响力。债务投资（即私募债）可结构为可转换或不可转换，并有不同程度的优先级别：可转债通过其债务成分提供下行保护、通过转股权提供上行潜力；债务安排可组织为优先、次级或劣后权利，对不同债权人提供不同优先级别。

内部收益率（IRR）

• 定义：IRR 是最常用的私募股权业绩指标。它反映已投资本的年化回报并纳入现金流时点，很适合多年期投资项目以及比较相互竞争的投资。
• 主要问题：早期现金流会人为抬高 IRR，这可能促使基金经理偏好短期收益而非更高的长期回报——该时点问题可通过使用零时点 IRR（又称修正 IRR，MIRR）缓解。由于 IRR 不纳入风险，它有时会激励管理人追逐风险更高的交易。此外，管理人可能通过动用信用额度来延迟资本催缴，从而缩短持有期并人为抬高所报 IRR。
• 优点：直观且易于解释；纳入货币时间价值；被业界参与者广泛接受与使用。
• 缺点：只衡量已投放资本（而非承诺资本）；未做风险调整；对现金流时点高度敏感（造成操纵空间）；假设现金流按 IRR 再投资；当使用信用额度加速分配时可能高估业绩；不纳入明确基准或更广的市场背景。

已投资本倍数（MOIC）与三个子指标

• 定义：MOIC 衡量一项投资相对已投资本创造了多少价值，计算方式为（总分配＋任何剩余资产的当前价值）÷ 已投资本总额。MOIC 为 1.0（即 1x）表示盈亏平衡——投资者恰好收回了最初投入的资本金额。
• TVPI（总价值／已缴资本）：主要 MOIC 指标，＝（分配＋剩余价值）÷ 已缴资本，也可表示为 DPI 与 RVPI 之和。由于包含剩余价值，若基金经理抬高资产估值，TVPI 可能被操纵。
• DPI（已分配／已缴资本）：＝分配 ÷ 已缴资本。由于完全依赖已实现现金流，它不受估值操纵影响，在已发生足够变现（基金已产生足够现金退出）时往往是首选指标。其局限是：已实现现金流所反映的经济条件可能与影响剩余未实现资产的不同。
• RVPI（剩余价值／已缴资本）：＝剩余价值 ÷ 已缴资本。随着基金投资的资产升值，它自然上升；与 TVPI 一样，若剩余价值被高估，RVPI 可能被操纵。
• 优点：聚焦绝对表现；与金额规模无关，使跨基金比较直截了当；比 IRR 更不易被操纵；基于现金流的子指标（如 DPI）稳健。
• 缺点：只衡量已投放资本；未做风险调整；忽略货币时间价值（包括持有期）；不能年化；不纳入明确基准或更广的市场背景。

公开市场等价物（PME）

• 定义：PME 通过用指数（如标普 500）的收益率贴现基金全部现金流，把私募股权投资的业绩与公开市场基准比较；贴现后分配之和 ÷ 贴现后资本催缴之和，PME 大于 1.0 表示相对基准跑赢。PME 在完全变现的基金上效果最好，且准确实施需要把每笔分配与其对应的资本催缴配对以反映正确的持有期。Cambridge Associates 开发了修正 PME（mPME）来近似这一计算——mPME 提供更稳健的管理人价值创造衡量，且更不易被操纵。
• 优点：纳入明确基准以提供市场背景；有助于中和市场周期对业绩评价的影响；以更不易被操纵的方式衡量管理人价值创造。
• 缺点：只衡量已投放资本；对基准选择敏感；合适的基准未必总是存在；在完全变现的基金上最可靠。

三者的共同局限

三个业绩指标的一个共同缺点是它们只衡量已投放资本，而非承诺资本。这一局限忽略了未催缴资本的现金拖累（cash drag），也给那些承诺超过最终打算投放金额的投资者带来挑战——鉴于基金不催缴全部承诺金额的趋势。例如，投资者可能承诺其目标配置的 110%，预期实际只约 60% 会被催缴。虽然这种做法帮助投资者达到目标敞口，但如果承诺被意外全额催缴，也会造成过度配置（overallocation）甚至违约的风险。

主要风险类别

• 系统性风险：虽然私募资产通常与公开市场指数相关性低，但它们仍暴露于广泛宏观风险，如经济下行、通胀变化与利率政策变化。利率风险对高度依赖杠杆的策略尤为相关。由于私募资产不流动，某些市场风险（如外汇风险）可能比公开市场更难对冲；私募资产的长持有期进一步增加对冲难度。系统性风险通常通过情景分析、压力测试以及评估相对公开市场等价物的表现来监测。
• 不流动性风险：私募市场投资不在公开交易所交易，通常长期锁定、退出机会有限。计量不流动性风险涉及评估投资期限、预期可变现的时间（与融资流动性风险相关），以及机会成本的流动性含义。
• 信用风险：信用风险对私募债投资最相关，含两个成分。第一是回收风险——借款人违约时资本可能损失；这对困境投资者尤其重要，尽管私募债管理人总体上展现出较强的限制回收损失的能力。第二是信用事件风险——公开交易信用市场的负面发展可能外溢到私募债资产。
• 结算风险：与交易对手交易时结算风险始终存在。不过私募市场投资者通常进行广泛的尽调，这有助于降低此风险（相对公开市场交易中常见的情形）。
• 信息不对称：私募投资不受与上市公司同等程度的监管，这限制了可用信息的数量与质量；因此尽调对投资者尤为重要。报告与审计的频率与严格程度有助于投资者评估与监测此风险。
• 估值风险：估值风险之所以在私募市场出现，是因为交易不频繁且可比数据常有限；陈旧定价与估值主观性都是重要关切。与陈旧定价相关的一个问题是分母效应（denominator effect）——把过时的私募资产估值与高度流动的公开资产价值相比较，导致扭曲的比较。估值风险可通过第三方评估、现金流折现分析、有可比时使用可比，以及遵循国际私募股权与风险投资估值（IPEV）指引来评估。
• 战略资产配置（SAA）风险：当长期配置偏离市场中性基准时，SAA 风险出现。此风险不只是设定目标权重，因为与可投资性、准入及私募资产独特特性相关的约束，会限制投资者维持期望配置的能力。由于私募资产价值相比公开市场价格调整缓慢，某些权重差异可能是人为的，这可能导致不必要的再平衡。SAA 相对市场中性基准的显著偏离，也可能在募资期间给私募基金管理人带来挑战。
• 战术资产配置（TAA）风险：TAA 风险与市场择时相关。机会性的暴露调整可能有益，但若预测不准也会导致错误。在私募市场，此风险更具挑战，因为今天做出的资本承诺可能数年后才被投放。共同投资与二级市场交易可帮助投资者更及时地调整私募市场暴露。投资者也可能在强势表现期后增加对私募资产的配置，这反映顺周期行为。时间分散——通过在 5 至 7 年期间跨多个年份（vintage years）配置——有助于缓解此风险。
• 代理风险：把控制权委托给基金管理人会引入代理风险。此风险可通过检视费用结构（包括 carried interest）、潜在利益冲突以及基金治理框架的强度来评估。
• 运营风险：运营风险对私募债与 PRA 投资者尤为相关，涉及公司或资产层面的违约风险、回收困难与运营失败。此风险可用历史违约与损失统计、条款合规情况以及彻底的运营尽调来评估。
• 选择风险：选择风险反映选错管理人或交易的可能。此风险不对称，因为顶尖管理人的表现可能与垫底者差异巨大；顶尖 5% 与垫底 5% 管理人之间的巨大离散，也给通常依赖收益正态分布假设的蒙特卡洛模拟带来挑战。
• 报告风险：私募市场的报告风险指基金管理人披露的业绩指标与估值未能完全反映经济现实的可能——或出于有意操纵，或出于测量与披露的结构性局限。此风险由透明度有限、报告不频繁、相对公开市场监管更少所驱动；确定基金净值（NAV）时涉及的主观性也助长报告风险。DPI 比 TVPI 或 RVPI 更少暴露于此风险，因为它基于已实现现金流。

计量私募市场风险的工具

• 业绩离散度：评估宏观风险的一种方法是监测最高与最低 pooled average TVPI 之间的差距。此指标可能受异常值影响，使用多年滚动平均有助于细化该差距。差距大说明宏观条件对回报影响更大。业绩离散度也可用于监测选择风险——把某基金的 TVPI 与其类别的 pooled average 比较，是评估选择风险的一种方法。
• 比较 DPI 与 TVPI：评估报告风险的一种方法是把完全基于已实现现金流的 DPI，与依赖管理人确定的 NAV 估计的 TVPI 比较；两者差距大可能提示潜在的报告风险。
• 检视组合权重：把投资者的组合权重与目标配置或市场中性组合比较，可评估 SAA 风险。在此语境下，市场中性组合反映相关私募市场配置的地理与策略构成。
• VaR 与压力测试：这些工具可用于为策略特定风险建模最坏结果，包括宏观冲击与流动性下降期。
• 年份分析：比较不同 vintage year 的回报，有助于评估市场择时对业绩的影响，并考察风险如何跨经济周期变化。
• 尽调复核：定性复核可用于确认实际发生的风险是否与投资时的预期一致；识别出的任何差距都有助于强化未来的尽调流程。
• 违约与损失率：对私募债投资，跟踪历史违约率与损失统计为评估回收风险提供有用基准。

共同投资（co-investing）

• 做法：共同投资指私募投资者与私募市场基金并肩直接投资某笔特定交易，通常由基金管理人邀请。此结构一般提供比通过基金本身投资更低的费用。基金管理人可能在完成一笔超过其常规投资限额的交易、需要额外资本时，提供共同投资机会。准入通常限于与管理人有牢固关系的大型成熟投资者；这些机会常短通知出现，需要加速尽调与决策。一些管理人还提供专门的共同投资载体，把共同投资交易的准入正式化。
• 优点：更低费用——共同投资者通常支付更低、有时甚至不支付管理费或业绩费（相比主基金投资者），但仍分摊交易与尽调成本；更大控制——可瞄准特定交易，更精确地塑造暴露与期望的组合权重；更高净回报潜力——因费用更低，共同投资常产生高于通过主基金投资的费后回报；学习与准入——提供宝贵经验、强化与普通合伙人的关系，并带来传统基金承诺可能无法获得的机会。
• 缺点：逆向选择——共同投资者可能被提供吸引力较低或超出基金管理人核心专长的机会；共同投资交易流也可能顺周期，即机会常在高估值时出现。速度与复杂性——常需加速尽调与快速决策，可能迫使投资者在准备不足的情况下行动。资源与专长要求——有效的共同投资需要大量内部资源、专门专长与快速评估交易的能力；缺乏这些能力的投资者往往跑输。集中与分散风险——共同投资通常比标准基金暴露更大、更集中，组合可能因此更不分散、更受单笔交易风险影响；许多共同投资涉及杠杆收购或基建项目，增加非预期集中的风险。法律与治理风险——共同投资者通常是被动参与者，对交易结构、管理决策或退出时机影响有限；相比通过主基金投资的有限合伙人，他们常接受更少的法律保护。

通过中介化载体投资私募市场的利弊

• 好处：专长——基金管理人在获取、尽调、结构设计、监督与退出投资上带来专长；鉴于私募市场的复杂性，这些能力对缺乏专门技能的投资者很有价值，可降低其运营风险。降低风险——分散是中介化的关键好处，汇集资本使投资者能接触更广的交易、行业与地域；专业管理还可能带来更低的损失率，进一步降低风险。交易流准入——管理人常能获得多数个人投资者无法获得的吸引人的投资机会；随着私募市场竞争更激烈、更专业化，这一好处尤为重要。成本与资源共享——汇集资产让投资者分摊获取、分析与持续监督相关的高昂成本，否则这些成本可能使个人投资者无法直接参与私募市场。
• 挑战：高费用——获得专业管理团队代价高昂，投资者通常同时支付管理费与 carried interest，形成天然的业绩门槛。委托-代理风险——普通合伙人的目标未必总与有限合伙人一致；这种错配可能造成治理与业绩问题，包括滥用或不当行为的可能。缺乏透明度——中介化在投资者与底层资产之间引入层次，限制投资者监测或影响投资的能力；信息不对称可能源自披露有限、估值不频繁、专有管理做法以及现金流时点的不确定。盲池风险——许多私募市场基金（包括私募股权与私募债基金）结构为盲池（blind pool），即投资者在不知确切将收购哪些资产前就承诺资本；虽有策略指引，但最终由基金管理人决定资金如何部署，可能产生投资者本不会直接选择的暴露。不流动性风险——资本被长期承诺，无赎回权且二级市场选择有限；若需要流动性，投资者可能不得不接受对 NAV 的显著折价。尽调要求——投资者必须对基金策略、管理人业绩记录、治理结构与运营流程做彻底尽调，以降低跑输或不当行为的风险。潜在利益冲突——冲突可能以多种形式出现：例如同时投资同一公司的股与债的基金，可能面临股东与债权人之间相互竞争的激励；共同投资机会的分配也可能产生冲突。

基金失败的八类原因

• ① 投资决策差：可能是一连串决策（"多米诺效应"），也可能是对某一笔投资下了经过精心计算的赌注却失手。
• ② 欺诈：可有多种形式，包括会计欺诈（如虚报资产账面价值或虚报收入）、估值欺诈（如虚报资产市场价值）以及挪用资金。
• ③ 极端事件：本应以极低概率发生、或完全出乎意料的事件（如市场崩盘）。
• ④ 过度杠杆：与投资决策差相关。杠杆是双向的——它放大收益，也同样放大损失。
• ⑤ 流动性不足：同一时间需应付过多资本提取与赎回，造成现金流吃紧、无法满足全部提款与赎回。
• ⑥ 控制薄弱：与欺诈密切相关。缺乏监督可能导致承担过度风险，损失大到足以使基金破产。
• ⑦ 质疑不足：在委员会式决策过程中，可能出现一位主导成员左右决定，或成员因担心而不敢提出自己已发现的、足以质疑该管理人／该投资的合理担忧。理想做法是鼓励全体尽调团队成员在适当时扮演"魔鬼代言人"，尽早、尤其要在进入委员会阶段之前提出合理质疑。
• ⑧ 对回报关注不足：试图降低运营风险的基金有时会过度补偿——实施过多控制，最终承担过多费用而未能产生足够回报。理想状态是在产生强劲回报与承担合理风险水平之间取得健康平衡。

尽职调查的要素

• 投资之前，投资者须对潜在投资管理人做尽调，涉及评估管理人、基金与投资策略。虽然投资背景、管理人声誉（含教育与从业经历）与过往业绩历来是关键考量，但它们本身已不再足够。
• 额外要素是评估投资流程与风险控制。起点是审阅基金的招募说明书或发行备忘录；此外可做归因分析，判断回报如何产生——是来自管理人的技能与掌控、运气，还是管理人无法控制的因素？回报的量级是否与所承担的风险量级相称？
• 另一个相关要素是评估基金的运营与业务模式：是否存在保护投资者资金的内控与政策？这些控制是否足够稳健以发现并防止欺诈活动？是否对管理人设定限额（超过某金额或频率的交易须经更高层批准）？前台与后台之间是否有恰当的职责分离？资产估值的流程与频率如何？费用结构如何，是否存在超过某一门槛后的额外费用？赎回是否有任何限制或禁售期？
• 最终，投资者应以客观、无偏见的心态评估潜在管理人及其策略，不要被管理人过去的成功冲昏头脑。

管理者评估的四个主题

管理者评估不应被轻视，可拆为四个领域：策略、所有权、业绩记录、投资管理。

• 策略：管理人是否遵循特定投资风格（如成长、价值）？基金是否存在当前"趋势"或对特定证券、行业、板块的专精？过去一年基金如何改变投资风格或再平衡持仓，鉴于预期市场条件又考虑哪些变化？基金的换手率与流动性水平如何，用什么市场信号决定退出或进入某一头寸？有哪些限制潜在损失的机制？投资过程中定量分析与建模的使用程度如何，模型是否经过开发与检验？卖空是用于产生超额利润还是对冲，至今成效或损害如何？组合是否使用衍生品，用于对冲还是投机？交易执行流程如何，是否存在中央交易台以最大化效率？对私营公司证券的投资程度及其在整体策略中的角色？最大化当期回报与长期基金成长之间的取舍？基金是否曾关闭或向投资者返还资本？
• 所有权：所有权权益常有助于对齐投资团队与投资者的利益，也有助于吸引与留住优质员工，从而增强并／或持续为投资者创造强劲回报。因此潜在投资者应询问投资团队成员（如交易员、组合经理、研究分析师）是否持有公司所有权。
• 业绩记录：管理人／基金的过往业绩与同业、或与遵循相同／相似投资理念的基金相比如何？过往业绩是否经第三方审计或核验？是否有足够长的业绩历史以做趋势与／或归因分析？在市场下行期表现如何？投资回报相对投资资产规模如何？当年创造那些业绩的投资团队是否大多仍在公司任职？
• 投资管理：面试中可问——管理人生成超额回报的策略是什么？如何应对艰难的市场时期？参考人核查可包括：前雇主（该管理人是领导者还是跟随者？主动还是被动？团队合作者还是个人主义者？）、现任与前任同事、客户及其它独立方（注意一致性；若评价不一，应追问解释或向管理人索取澄清）、现任与前任投资者（与管理人的投资经历有何好坏）。背景核查可包括：取得管理人的全面背景调查报告；审阅管理人向 SEC 及各州证券监管机构提交的 Form ADV（含业务概况以及费用、所提供服务、利益冲突、关键人员背景等更详细信息）；管理人是否一贯展现诚信（可查公开数据库与 SEC 网站寻找过去或当前的诉讼或犯罪行为）；是否展现强个人财务责任感（可查个人信用报告与破产记录）；管理人陈述的表述是否准确（可向现任或曾与其合作的审计师与经纪商求证）；管理人在关联方交易中的参与程度如何。

风险管理流程的六个评估领域

• 风险：评估适用的系统性风险因素（多数或全部基金共有的常规市场风险）与非系统性风险因素（特定于该管理人、基金或策略的风险）；确定是否存在关于测量与监测风险的书面政策与程序；确定是否存在接收这些测量的风险委员会，若存在，报告频率如何；评估各类员工中风险管理文化的程度（例如员工在日常基础上参与管理与缓释公司风险的积极程度）；评估用于量化风险的信息技术资源（例如是否可靠、是否在交易员与组合经理之间一致地测量项目）；识别任何风险模型的存在与结构——其输入与假设是什么？是否经过检验、是否稳健？
• 证券估值：识别基金资产中通过可靠市场价格客观估值的比例，与由经纪商或通过模拟较主观估值的比例；检视估值的独立性——估值由基金行政管理人（通常更独立）还是由基金经理（通常较不独立）执行？确定价格是否可为估值目的而被覆盖，若是则由谁覆盖、是否有文件记录或审批流程？
• 组合杠杆与流动性：评估杠杆来源以及当前与历史杠杆水平；计算当前流动性水平并观察其随时间的变化——当前水平尤其相关，因为它影响组合的投资容量以及能否承接更多投资资本；在既定投资策略内，过度杠杆且／或流动性不足可能使实际回报与预期显著不同（即不再"苹果对苹果"），从而需要调整预期回报。
• 尾部风险暴露：分析基金信息，判断其回报分布是否具有偏度或峰度；与管理人讨论尾部风险的可能，确定管理人是否已充分缓释，或投资者是否需采取进一步行动。
• 风险报告：投资前审阅风险报告；投资者应定期（如月度、季度、年度）收到这些报告，无论由内部还是第三方编制；分析关键风险指标并与其它相似基金比较，用于基准比较以及判断基金是否存在异常风险。
• 基金条款与投资策略的一致性：检视基金的一般费用结构，判断是否与相似基金一致；识别是否存在超过某一门槛（如高水位线、门槛收益率）后的额外费用；评估向管理人支付高费用是在寻求市场 alpha（公平）还是获取 beta（不公平）；识别赎回是否存在限制或禁售期。

运营尽调的三块

• 内控评估：起点是考察人员的资质与态度——例如 CEO 是否相信控制与合规？内控人员是否有足够的技术与工作经验恰当履行合规职责？是否受过恰当培训、是否持续扩展合规技能？中台与后台经理在执行监督职责上是否足够有经验？关键内控人员可能需要背景核查。检视基金的政策与程序也有用，相关文件可能覆盖交易、衍生品使用、交易处理等；但一个缺点是这类文件往往笼统，只表明"有意建立强控制环境"——换言之，仅读文件几乎无法保证政策与程序真被遵守或有效。若基金主动取得关于控制有效性的审计报告与意见，通常是好迹象，若有应予以审阅。尽调还应检视内部或外包的合规系统，具体项目如道德准则（若有）以及对员工交易与关联方交易的限制。还应调查基金如何处理场外衍生品及其它交易对手带来的交易对手风险——是否通过与不止一个交易对手交易来缓释？交易对手是否每日被监测风险？最后应评估公司治理的有效性：是否贯穿整个组织？内控"违规"的案例是否被跟进、采取恰当补救并防止再犯？
• 文件与披露：须向基金法律顾问确认其参与起草基金文件原版及后续修订的程度，并确认该律所是否仍担任基金法律顾问；应对文件做实物检查，寻找文件标注日期之后是否有改动。应以 Form ADV、认购协议、投资管理协议等其它文件相互印证发行备忘录的条款——一致性在此很重要；与费用、赎回权、流动性、锁定相关的条款应仔细审查，必要时向管理人澄清。发行备忘录中披露的利益冲突应仔细审视：披露不清晰可能是红旗，值得与管理人进一步讨论或要求独立信息。同样，风险披露不清晰或不充分也值得进一步调查；对非常笼统或无关的风险因素的讨论可能令人担忧。尽调的焦点是管理人：起点是确定管理人权限的范围——条款是非常宽泛（可能更冒险）还是相当具体？管理人在杠杆使用量、或投资于特定证券／板块／行业的比例上是否受限？管理人是否可在欺诈、重大过失或恶意之外的行为中获得免责？此外应考虑管理人对投资者的报告义务（如经审计财务报表、基金收入与交易的税务处理披露）。分析财务报表时应先确保审计意见无保留（即审计师认为财务报表无重大错报）；资产负债表与利润表应与基金投资策略一致（例如高杠杆基金应在利润表有高利息费用、在资产负债表有高负债），任何不一致应及时与管理人讨论；此外附注（同样经审计）应仔细审阅，因为其对关键项目（如或有负债、关联方交易）提供比报表正文更详细的信息。基金向管理人支付的费用应仔细审查并重新计算，并与发行备忘录相互印证；特别要检查亏损年份是否仍支付了激励费。最后应检查普通合伙人对基金的净出资水平——任何基金提款都应被质疑。
• 服务商评估：基金可能为交易执行、信息技术、估值、核验与资产保管聘请第三方服务商。评估实际服务商的起点，是检视其审计师出具的内控函及其经审计财务报表；进一步尽调可通过面谈讨论服务商的角色来进行。

业务模式风险

评估业务模式风险需要判断管理人是否既懂经营业务、又能产生高回报。可能导致基金失败与关闭的典型风险包括：缺乏现金与营运资本、缺乏继任计划、短时间内赎回过多。可通过以下任务评估：检视收入与费用的性质（收入项是稳定、经常性还是一次性的？成本能否削减，还是正在失控上升？）；计算来自变动激励费或业绩费（在市场下行时可能不实现）的收入占比；评估管理费（收入）与运营费用之间的缺口有多重要；考虑现有营运资本（尤其现金）是否足以覆盖一段合理期间的收入短缺与／或费用超支；确定预算的编制频率与覆盖期间；确定基金在管理资产规模与所需业绩水平上的盈亏平衡点，并与当前（实际）及未来（预计）数额比较；确定是否有足够人员或产能来扩大基金的投资资产基础；确定相关个人是否投有关键人保险，以及是否存在继任计划。

欺诈风险

即便在投资前已对管理人与基金做了广泛尽调，欺诈风险仍始终可能存在。可通过判断以下因素是否存在来评估：频繁的关联方交易（包括通过关联方经纪商交易或使用关联方估值师）；频繁的非流动性情形（包括非流动性投资的显著集中，尤其是仅由管理人估值的那些）；作为被告的频繁诉讼（尤其是涉及欺诈主张）；不合理的高（声称）投资回报；管理人频繁个人交易与基金所持相同或相似的证券；频繁的卖空交易。

欺诈风险可通过以下行动缓释：查 SEC 网站是否有先前的监管违规；查法院记录是否有先前诉讼、查破产记录是否有财务不负责的例子；向服务商询问其胜任能力及与管理人的独立性；对管理人做广泛的背景核查。

尽调问卷（八个方面）

设计良好、且被受访者彻底而诚实回答的尽调问卷，能为潜在投资者提供有价值的信息，并可能给出一份需进一步评估的关注清单。问卷应包含以下询问：① 管理人一般信息（在监管机构的适当注册确认；所有权形式与结构；关键股东识别；参考人核查；过往业绩信息；业务联系方式）。② 基金一般信息（费用；锁定期；赎回政策；主经纪商；基金董事；行政管理人；合规方面的审计师与法律顾问；财务方面的受托管理资产、投资容量与历史业绩；历史回撤水平）。③ 执行与交易以及服务商（可提供关于交易处理速度与准确性的洞察，以及是否存在关联方服务商——后者可能对潜在投资者构成红旗）。④ 第三方研究政策（有助于确定基金的研究信息来源，从而评估基金在投资过程中所做尽调的程度与质量）。⑤ 合规流程（内部法律顾问的存在与参与程度、反洗钱政策与程序的存在，可帮助确认基金及其管理人有以合乎道德／法律边界内方式运营的意愿）。⑥ 灾难恢复与业务连续性计划、保险覆盖与关键人条款（可对公司的稳定性、从而对所投资金的安全性提供一定保证）。⑦ 投资流程与组合构建（使潜在投资者能就基金的整体风险回报特征是否与其投资目标一致做出知情决策）。⑧ 风险控制（如杠杆、流动性、资产集中度、组合分散、市场风险因素，让投资者更完整地了解投资风险以及管理人如何试图管理与缓释）。

此外，财务报表的存在——尤其若为无保留意见的审计报表——提供关于基金的客观、历史财务信息，可用于评估业绩；关于所投资资产构成的信息也可能有帮助；最后，中期报表（未必经审计）可提供更及时的信息，使潜在投资者能对基金做更当前的评估。

预警信号与会计追问

财务困境的早期发现至关重要。区分困境的症状与底层问题可能很难，判断观察到的变化反映的是暂时性、季节性波动还是更永久的周期性问题也同样困难。关键会计追问包括：盈利是否来自核心经营？当前会计政策是否人为抬高了盈利能力？准备金会计政策是否有变化？是否存在重组或重整调整？债权人是否显示出担忧迹象？是否在核销坏账？税负相对所报盈利是否偏低？

财务指标 vs 非财务指标

• 财务指标：违约条款（covenant）被触发；财报迟交；使用创造性会计（如表外融资或或有负债）；盈余美化（如售后回租安排、先计提资产减值再在出售时确认收益、提前确认收入、递延费用）。
• 非财务指标：不必要地复杂的公司结构；董事会成员或高管辞职；变更公司财年末日；更换审计师；未能及时履行承诺；风险容忍度的重大变化。

困境的成因

• 杠杆与经营业绩的组合：债务水平与经营业绩之间始终存在取舍，有三种大致结果——① 过度杠杆＋稳健业务模式：债务额度被完全提取，拐点通常是周期下行；现金流通常稳定在违约点以下约 10%，收入往往在 3 年内恢复。② 平均杠杆＋经营疲弱：收入与利润率都显著下滑；违约可能发生在周期下行期间，也可能与下行无关；现金流可能比违约点低逾 50%，收入恢复可能需 5–10 年。③ 过度杠杆＋经营疲弱：债务额度常被完全提取，收入与利润率大幅下滑；违约很可能由周期性事件触发；现金流可能比违约点低 70% 或更多，收入恢复可能需要很长时期。
• 未预期负债：通常与债务无直接关系，但可对现金流产生重大负面影响。① 侵权责任——源于涉及人身或财产损害的索赔，可能表现为集体诉讼（把众多个人索赔打包成可能很大的和解金额）；常被管理层低估，因为它们属低概率事件，而判决金额往往超出预期；保险可能覆盖也可能不覆盖损失；金融市场通常假设最坏情形并据此对证券价格打折。② 合同责任——当合同安排因情况变化而变得不利时产生；在某些情况下，这类风险在收购另一家公司时被继承；由于有问题的条款往往事先不为人知，很难完全防范这种暴露。
• 表现远低于预期：这是财务困境最常见的成因。两个触发事件示例——① 经济下行：商业周期不可避免、衰退周期性发生；关键挑战是判断是下行本身在驱动恶化，还是管理决策与战略才是根本原因。② 产品或服务缺乏竞争力：需求随时间演变，客户偏好变化可使现有产品或服务过时。
• 信心危机：这类情形常与欺诈相关。两个主要关注点——① 历史信息的可靠性：一旦财务欺诈被揭露，所有先前报告的财务信息都变得可疑；重要的是评估信息传染的可能，并判断数据可靠性是否存在实际的分界点。② 流动性与破产可能性：必须评估欺诈是否可能触发流动性问题或提高破产风险；关键考量包括现金余额、信贷额度可得性，以及贷款被加速到期的风险。
• 不现实的业务计划：三类常被证明不现实的计划——① 杠杆收购（LBO）：融资结构假设可通过资产出售或持续经营产生足够现金来降低杠杆，当这些预期落空时困境出现。② 整合（roll-ups）：把多家较小公司合并为更大实体的策略依赖预期的规模经济，实践中预期的成本节约可能未能实现。③ 新进入者过多：高利润率与强劲盈利潜力会吸引多家公司进入新行业；当进入者数量超过底层需求时，由此产生的供给过剩会给所有竞争者带来问题。

重组：按困境类型选路径

合适的方法取决于经营恶化是否暂时性、公司是否首次陷入困境、或此前的扭亏努力是否已经失败。三条路径及其选项、工具与资金来源如下：

• 暂时性困境：选项＝购买条款空间（purchase covenant headroom）、减债、注资。 工具＝修改贷款条款、通过拍卖回购债务、通过并购探索价值或寻求处置。资金来源＝主要是发起人或股东，很少来自新的外部渠道。
• 首次陷入困境：选项＝修改条款并延长到期日、折价回购债务、对整个债务结构做信用投标（credit bid）。工具＝困境信用投标或债务交换、困境并购、协议式强行重组（cramdown）或债转股。资金来源＝主要是新的外部渠道，很少来自发起人或股东。
• 此前重整已失败：选项＝超级优先融资（super senior funding）、债转股。工具＝由破产程序驱动的强行重组或消灭次级权益、由破产程序驱动的债转股、新的超级优先融资。资金来源＝几乎完全来自贷款人（老贷款人、新贷款人或困境贷款人）。

如果公司债务活跃交易，其交易价格水平能提供关于底层问题与可能解决方案范围的线索：债务交易水平反映公司债务当前市价相对其全额偿还价值的比例，是市场对困境严重程度与潜在重组选项预期的指标。

补充资本：四种筹资方式

除重组外，另一种常见做法是补充资本。它可能无法解决根本问题，但能为公司争取时间——理想情况下让业务度过困难期或等条件改善；但也可能给低效管理层更多时间进一步侵蚀价值。四种常见筹资方式：

• 资产出售：价格对困境投资者是关键考量；若能取得高于公允市场价值的价格，出售可能有利。通常在破产申请之前更容易取得有利价格，因此时机很重要。
• 有担保融资：若公司有未设押资产（尚未被质押为担保品的资产），可据此借款。但实践中此选项常受限——到公司陷入困境时，最有价值的资产往往已在早先的重整努力中被质押。
• 售后回租（sale-leaseback）：公司把资产出售给投资者并立即回租以保留经营使用；此法在保留资产使用权的同时提供资本注入。租约还可设计为表外，使杠杆看起来更低。
• 股权发起人：持股超过 50% 的私募所有者通常对困境投资者是正面因素——多数股权持有人只有在债务求偿被满足后才能实现价值，从而对齐激励。在股权高度分散的上市公司中，这一机制更难实现。

降杠杆：增权益或减债务

总体上可通过增加权益或减少债务实现。注资常被贷款人作为重整流程的一部分而要求；来自现有投资者的资本通常能较快安排，引入新投资者则因必要尽调而可能更慢。减债有多种形式：

• 公开市场回购：在公司打算回购不超过约 20% 的未偿债券时最有效；简单、快速、低成本且不张扬。在困境情形中债券通常以折价回购。若公司还有以折价交易的困境银行债务，贷款人往往要求可用现金先偿还银行债务，之后才轮到非银行债务。
• 直接向债券持有人购买：公司可与个别债券持有人直接谈判。许多情况下是债务持有人主动联系公司，希望取得高于公开市场的价格。
• 现金要约收购（cash tender offer）：一般用于公司希望赎回大部分未偿债务时。要约向所有债券持有人开放，并规定严格条款，如接受截止日、购买价格与公司将购买的最大债务金额。
• 交换要约（exchange offer）：缺乏足够现金的公司可用新证券交换持有人现有的困境债务以降低杠杆。交换要约可以是强制性（coercive）的——即警告不参与者可能处于不利地位；也可以是非强制性的——即通过强调机会的吸引力来鼓励参与。

五项现实限制

• 流动性：最容易的降杠杆路径（如折价回购债务）在公司缺乏足够多余现金时可能不可行。
• 时机：重要的是考虑距下一次预期流动性事件还有多久；若公司需要快速取得流动性，某些筹资方式不可行（例如出售一个业务单元可能需要很长时间）。
• 规模（magnitude）：问题的严重程度取决于时间与可用资源两者；时间短加上流动性有限，可把小问题变成大问题。
• 复杂度：资本结构层次越多，重组越困难；大量有担保银行债务可能因限制性条款而限制选项——评估困境公司的选项时必须理解所有关键条款与约定。
• 可分割性（severability）：有些公司同时拥有核心与非核心业务单元，可出售非核心单元以降低杠杆而不伤害核心业务；只有核心业务的公司往往缺乏这种灵活性。

庭外重组（OCR）

在 OCR 中，公司与债权人直接谈判修改现有义务的条款，任何金融权益的交换都是自愿的。关键要素有三：

• 参与方：由谁代表债权人谈判取决于债务类型。对由单一贷款人或少数贷款人持有的银行债务，识别谈判方很简单；对辛迪加贷款，通常由指定代理行牵头谈判。涉及债券时流程更复杂：债券持有人通常由一小群关键投资者组成的债券持有人委员会代表；虽然契约受托人是债券的正式代表，但受托人通常会在行动前寻求债券持有人的广泛共识，以最小化法律风险。
• 变更的实施：对银行贷款实施重组变更相对直接——多数情况下，持有大部分银行债务的持有人可批准对所有贷款人有约束力的修订；但某些条款（如到期日、利率或担保品的变更）需要全体银行债权人一致同意。与债券持有人实施变更更为微妙：若债券持有人委员会同意重组条款，执行可相对快速；若需更广泛的参与，公司可能需进行正式的交换或要约收购，可能需大量时间与精力。
• 可行性与 holdout：OCR 依赖自愿参与，因此若债权人选择不参与（holdout），流程可能被破坏。当不参与的债权人相信可获得比合作者更好的条件时，holdout 问题便出现；但若不参与者过多，重组可能失败并触发代价高昂的破产，使所有人处境更差。

应对 holdout 的两种办法：一是未来经济杠杆的隐含威胁——主要困境投资者常在多个交易中往来，因此阻碍某笔交易的债权人可能在未来谈判中面临不利待遇。二是使用强制机制——例如要约中包含条款，在要约被多数接受后修改不参与者的债券以移除保护性条款；另一例是把交换要约与请求支持预打包破产（prepackaged bankruptcy）相结合，使破产威胁变得可信，并在必要时简化流程——预打包破产有时可在不足六周内完成。

庭内重组（ICR）与 Chapter 11

• 当重组不可行时，法院通常会介入管理破产程序。公司往往向金融市场发出即将申请的讯号，使投资者为可能的部分损失做准备；有经验的困境债务投资者通常会形成判断，预测哪些公司可能走 OCR、哪些走 ICR。破产案件在向破产法院提交申请时正式开始，选择提交时机与管辖地都涉及策略考量。
• 进入 Chapter 11 破产（一种重整程序）后，公司必须追求四个主要目标：① 稳定运营并取得申请后继续运作所需的流动性；② 制定前瞻性业务计划，以最大化公司及／或资产的价值；③ 识别所有负债并确定其优先级；④ 为重整后的公司建立新的资本结构。
• Chapter 11 程序需要一份重整计划——一份概述所有利益相关方与负债将如何被处理的法律文件。求偿人被按相似特征与共同利益分组（classes），同一类别的所有成员必须获得相同待遇。典型类别及其可能的受偿：第 1 类行政求偿（申请后费用以及律师、会计师等专业顾问的成本）；第 2 类超级担保求偿（DIP 融资，即破产期间的债务人持有融资，优先于所有其它求偿）；第 3 类优先求偿（应付员工的申请前义务金额）；第 4 类超级担保求偿（申请前的高级有担保贷款人与有担保票据持有人的求偿）；第 5 类高级无担保求偿（申请前的贸易债权人、高级无担保贷款人与无担保票据持有人的求偿）；第 6 类权益（申请前股东的股权利益）。

三大法律风险

困境投资者需要理解流程中各方的角色以及各自掌握的谈判杠杆，驾驭这些动态需要策略思维与一定的博弈技巧。在各类债权人中，无担保债权人面临的风险最高。此外，投资者应理解三项关键法律风险：

• 求偿中止令（stay on claims）：破产法院可暂时阻止债权人收回其求偿或执行其担保品。
• 优惠（临界）期（preference / twilight period）：法院会审查破产前不久完成的交易，以确保没有某一债权人类别被不当优待。
• 上游担保（upstream guarantees）：指子公司为母公司的债务提供担保的情形；一些辖区限制上游担保的使用，另一些则允许。

BMIS 的背景与成长

• 2008 年 12 月，世界见证史上最大庞氏骗局之一的崩塌。Bernard Madoff 经营一家看似成功的财富管理业务超过 17 年；其投资方法被广泛视为业内最有效者之一，他称之为"split-strike conversion"策略，据称产生 8%–12% 的稳定年回报。与 Madoff 一起投资被视为排他性机会，常限于富有、人脉广、社会地位显赫的人。BMIS 崩塌时，损失远超个人投资者，波及慈善机构、养老金、对冲基金、对冲基金的基金、银行与名人。
• 事后看，如此庞大的欺诈能多年未被发现几乎难以置信。从监管者到投资者，很少有人提出正确的问题——而对冲基金行业的基本实践尽职调查基本缺位。Madoff 在金融界的声誉与影响力如此之大，以致许多人不敢质疑或批评他，担心损害自己的职业或关系。后续调查揭露了欺骗的全貌，导致 Madoff 被捕、定罪并判处 150 年监禁；投资者损失总额估计高达 $50bn，成为史上最大的金融欺诈之一。
• 历史沿革：BMIS 创立于 1960 年，起初是一家经纪业务公司，为客户报出买卖报价并执行场外（OTC）交易。公司是技术的早期采用者，很快聚焦电子交易。Madoff 后来发现纽约证券交易所一项称为 Rule 390 的规则——该规则允许在交易所交易大厅及其专家做市商之外交易纽交所上市股票；由于纽交所会员被禁止为交易所上市股票做市，这一发现给 Madoff 带来了扩展公司交易业务的竞争优势。
• 因发现 Rule 390，Madoff 成为当时处境艰难的辛辛那提证券交易所（CSE）的会员，并投资升级其计算机系统，把 CSE 改造为美国第一家完全电子化的证券交易所。其公司从交易的买卖价差中获利——当时价差以分数（如八分之一或四分之一）而非美分报价。BMIS 开始为纽交所上市股票做市，并为纽交所以外的公司执行订单。为吸引业务，BMIS 向引导订单经其执行的经纪商支付每股 $0.01，这种做法迅速帮助其夺取了相当大的交易量份额——1989 年超过 5%、2008 年约 10%；不过这种"为订单流付费"的模式在业内颇具争议。
• Madoff 也是 NASDAQ 股票市场发展的关键人物，曾任 NASDAQ 董事会理事，最终成为其董事会主席。他在推动电子交易与市场现代化方面的领导力为其赢得华尔街的显著尊重；这种"行业创新者与可信市场参与者"的声誉，后来为其投资顾问业务提供了可信度，并吸引那些视 Madoff 为金融先驱的投资者。
• 业务结构：到 1980 年代末，经纪业务利润率收缩、竞争加剧，促使 Madoff 在与经纪业务同一栋楼里设立了一家独立的投资顾问公司。投资顾问业务与经纪业务并行运作，模糊了两者界限，并造成可能使监管监督复杂化的利益冲突。虽然 Madoff 常被描述为对冲基金经理，但事实并非如此：其公司管理若干全权账户——按其 2008 年的 Form ADV 载有 23 个账户，管理资产（AUM）约 $17bn、权益资本 $700m。这些账户大多是feeder funds，它们在 BMIS 开立经纪账户并授予公司完全交易权限。feeder funds 向全球投资者营销，充当 BMIS 与最终投资者之间的中介；因此多数投资者并非 BMIS 的直接客户，而是 feeder funds 的客户。
• 这一区分是理解 Madoff 故事的核心：向 Madoff 公司提供资本的个人与机构只能对其投资的 feeder funds 做尽调，而无法对 BMIS 本身做尽调。Madoff 不允许投资者参观其办公室、提问或与他直接互动；结果投资者不得不依赖 feeder funds 去做关键的尽职调查，因为他们自己无法进行这项评估。

声称的策略与业绩

• Madoff 称其专有方法为 split-strike conversion——本质上是保护性看跌与备兑看涨的组合，用于同时限制上行与下行暴露。该策略相对直接，在期权交易者中通常称为领口（collar）或牛市价差；有时被称为"度假交易"，因为一旦建立，头寸在期权临近到期前通常无需关注。
• 三步：① 建立一个与 S&P 100 高度相关的股票组合多头头寸；② 卖出 S&P 100 的价外看涨期权，名义价值约等于股票组合；③ 买入 S&P 100 的价外看跌期权，名义价值约等于股票组合。
• 机制：股价上涨时，股票组合的收益最终被空头看涨头寸不断增加的负债抵消，形成回报上限；反过来，多头看跌头寸建立了下限，因为股价跌破某点后，股票组合的下跌被看跌期权的收益抵消。领口常被用来利用期权偏斜（skew）——即看涨期权权利金高于同类看跌期权权利金的情形，从而降低对冲的整体成本。
• 业绩声称：Madoff 声称组合大部分时间持有现金，且该策略在短周期内实施、通常少于 30 天；他承诺通过此法取得 8%–12% 的稳定年回报。报告这些结果的 feeder funds 确实在 17 年间表现出极为一致的正收益。然而最重大的红旗之一是：Madoff 的投资顾问业务从未录得任何一个下跌年份，其历史上超过 95% 的月份为正收益。虽然回报量级与 S&P 100 相当，但 Madoff 所报结果的波动率远低得多。

崩塌与自白

• 出人意料的是，Madoff 并非通过调查被发现，而是向家人自白其投资顾问业务是"一个巨型庞氏骗局"。自白发生在 2008 年 12 月 10 日；当晚其子向美国当局举报，他于次日被捕。Madoff 被控证券欺诈，家族资产被冻结，并指定了接管人监督 BMIS。
• 要注意，Madoff 并非出于悔意或诚实才自白。到 2008 年末，金融市场动荡、投资者恐慌，赎回请求以 BMIS 再也无法满足的速度涌入。Madoff 试图筹集额外资本，但无法足够快地筹到；此时他向儿子、妻子与兄弟承认这"全是一个大谎言"。若市场下行未加剧，骗局可能还会持续一段时间。这种情形与次贷危机类似——只有在资产价格上升时才能维持，一旦价格开始下跌，整个结构就崩塌了。

运营红旗（八条）

• 缺乏独立服务商：BMIS 几乎内部包办所有投资服务。典型基金中，交易执行、托管、基金管理与投资管理由不同实体承担；BMIS 内部完成所有这些角色，使其远更容易操纵业绩结果并可能挪用资产。
• 利益冲突：BMIS 对其部分自营策略同时充当经纪交易商与做市商；这种双重角色为自我交易创造了机会，并移除了重要的独立监督层。
• 可疑的审计机构：尽管管理 $17bn 资产，BMIS 使用的却是一家三人会计师事务所（Friehling & Horowitz），办公面积仅 550 平方英尺。合伙人之一 Jerome Horowitz 已年近八旬且基本不活跃，David Friehling 是唯一执业会计师；该事务所甚至向美国注册会计师协会声明其没有审计客户。相比之下，Madoff 的 feeder funds 通常由大型事务所（如 KPMG）审计，这带来了一种可信度的错觉；但这些大所依赖 Friehling & Horowitz 的工作而未核实其合法性。
• 家族成员占据要职：Madoff 的家族占据公司许多高级职位，包括其兄弟、儿子、侄女与侄子，这引发了对独立性与监督的严重担忧。监管文件还报告称，仅一到五名个人管理该投资顾问业务——对于一家管理 $17bn 的公司，这个数字小得不合情理。
• 异常的费用结构：BMIS 不收管理费或业绩费，只收取交易的经纪佣金。这使 feeder funds 得以向其自身投资者收取高费用。鉴于 Madoff 声称的成功，他放弃数百万管理费几乎没有道理，这本应引起投资者怀疑；这种安排很可能也鼓励了 feeder funds 忽视潜在红旗。
• 缺乏透明度与沟通受限：feeder funds 被禁止在营销材料与发行文件中提及 Madoff 或 BMIS；Madoff 不披露 AUM，这在一个以公布规模与成功著称的行业里很罕见；投资者通常不被允许参观 BMIS，现场尽调被拒绝或被严格限制；Madoff 还拒绝回答关于其投资策略的问题。
• 迟至 2006 年才向 SEC 注册：BMIS 直到 2006 年才注册为投资顾问——当时一项监管变化堵上了允许 Madoff 通过把 feeder funds 计为"客户"来规避注册的漏洞。即便 SEC 后来逆转该规则，Madoff 也未注销注册，这可能给投资者一种受监管监督的虚假安全感。
• 使用纸质交易确认单：BMIS 依赖邮寄的纸质交易单，而非提供电子账户访问。这种做法加上缺乏第三方核验，使公司有可能事后伪造交易确认单以匹配所报业绩结果。

投资红旗（四条）

• 黑箱策略：split-strike conversion 策略长期看可以盈利，但必然会产生一些负收益月份；而 Madoff 所报结果中这样的时期完全不存在。回报近乎完美的一致性本应引起怀疑。投资者试图把这种"好得不真实"的业绩合理化——归因于卓越的选股、用做市利润平滑结果、或用杠杆提升回报；有些人甚至猜测 Madoff 从事抢先交易（front running），这在美国属非法行为。实际上没有任何合法解释能说明其业绩；该策略实质上是一个黑箱。
• 可疑的风格暴露：Madoff 声称的 split-strike conversion 策略包含指数多头、卖出看涨、买入看跌；但对其回报的定量风格分析显示的暴露模式与该策略本应产生的恰好相反，意味着 Madoff 所报交易要么被虚假陈述、要么从未执行。对其业绩数据的统计分析本应引起对"实际发生了什么交易（如果有的话）"的严重警觉。
• 不合逻辑的 Form 13F 申报：BMIS 按规定提交的 Form 13F 显示其持有一些非 S&P 100 的小型公司的小额头寸，这与 Madoff 声称策略聚焦 S&P 100 股票不一致。Madoff 声称他在每季度末把组合转为现金以避免公众检视其头寸；但考虑到 AUM 的规模，每季度移动如此巨额资金既不切实际也不可信。
• 不可能使用的 S&P 100 期权：Madoff 声称其策略使用 S&P 100 期权而非 S&P 500 期权。这在实践上将极其昂贵且几乎不可能，因为 S&P 100 期权流动性更差、交易远不广泛。在管理 $17bn 的情况下，其交易会显著推动市场，但并未观察到此类价格波动。Madoff 还声称以 OTC 方式交易来解释缺乏可见性，但这一解释站不住脚：交易对手会连年亏损、面临巨额信用暴露并需要对其头寸对冲，但没有任何证据表明这些发生过。没有可确认的交易对手，说明这些交易从未真正执行。

MDS 方法概述

• 前提：GFC 前，压力测试是 VaR／跟踪误差的\"附加品\"，依赖历史关系——GFC 中历史关系断裂，模型失效
• 替代：情景分析允许前瞻性事件估计，但缺乏构建框架 → MDS 提供结构化框架，汇聚多元意见
• Surowiecki 三标准：①专业知识（每个人有他人没有的信息）②独立性（不受群体思维影响）③聚合机制（私人观点→集体评估）
• 流程：风险管理者／投资者／经济学家定期识别当前议题（通胀、贸易政策、货币政策）→ 定义理想化结果集 → 转化为对政策变量的瞬时冲击 → 用马氏距离评估合理性 → 通过协方差矩阵审查 → 迭代至集体版本 → 估值引擎计算 P&L
• 价值：主观性不可避免，但 MDS 使其透明、可质疑、可精炼——迭代反馈是有效组合风险管理的核心

条件压力测试框架

MDS 可视为条件压力测试：M 个风险因子受 K 个政策变量冲击，其余 M−K 个非政策因子冲击由多元回归隐含生成。

• 回归公式：r_j = Σ_k=1^K β_j,k · r_k + ε_j（j = K+1, ..., M）——估计 β 等价于估计 M 因子协方差矩阵
• 组合 P&L：R̃_portfolio = Σ_k L_kS_k + Σ_j L_jS_j（S_j = 隐含冲击 = Σ β̃_j,kS_k）
• 非线性组合：含期权性（非线性收益）的头寸须用完全扰动向量完全重估值，不能用线性近似

马氏距离（Mahalanobis Distance）

马氏距离是多变量 z 分数的推广，考虑数据点间的相关性，识别多变量离群值。

• 公式：MD(r, Σ) = √[(r − μ)^T Σ⁻¹ (r —— μ)]——μ 为均值向量，Σ⁻¹ 为政策变量协方差矩阵的逆
• 解释：度量冲击向量离分布中心有多少个标准差（考虑相关性结构）
• 用途：评估专家提出的冲击向量的合理性——与历史数据高度不一致的冲击＝离群值

情景 z 分数、波动率 z 分数与相关 z 分数

• 情景 z 分数：Z(r, Σ) = MD(r, Σ) / √n——除以 √n 防止分数随变量数 n 增大而上升；比较两个情景时，z 分数越低越合理
• 风险尺（risk ruler）：将历史事件按情景 z 分数排列（如美国降级 z=1.8、美联储缩减 z=2.5、中国股灾 z=3.1、GFC z=5.2、信用危机 z=5.3），为假想事件匹配标准差
• 波动率 z 分数：V(z) = √(z^Tz / n)——假设所有冲击间相关为零，只隔离幅度分量
• 相关 z 分数：C(r, Σ) = Z(r, Σ) / V(z)——用幅度归一化后的结果；＞1.0 表示协方差矩阵可能无法充分捕捉联动性，接近 0 表示一致
• 性质：相关 z 分数取决于各因子 z 分数的符号与相对大小，不取决于绝对大小——所有冲击加倍不会改变相关 z 分数

协方差矩阵选择

同一组冲击用不同时间窗口的协方差矩阵会得出不同的风险尺。三种方法：

• 慢数据：长回溯期（如事件前 5 年周数据、等权）——GFC 的 z 分数＝5.2
• 快数据：短回溯期（如事件前 1 年周数据、等权）——GFC 的 z 分数＝4.2
• 近期数据：当前协方差矩阵（可能含事后动态）——GFC 的 z 分数＝23.9
• 建模原则：如果建模市场崩盘，应使用经历类似崩盘的时期的数据——危机中有风险资产的相关性会飙升，只用\"正常\"数据会低估压力严重性

五步流程

• Step 1：定义市场事件——两层不确定性（事件是否发生 + 市场如何反应）。四条准则：①低概率但合理（已知风险已被定价，目标是尚未被定价的风险）②精确定义（预期市场影响的规模与方向须明确）③影响相关市场（如价值/成长因子冲击对纯美债组合无意义）④可识别催化剂
• Step 2：选政策变量——少量、简单、代表市场动态。避免多重共线性：如果新变量对已有变量的调整 R² ≥ 90%，不新增。需要更多变量时用资产块：不同组隐含因子回归不同政策变量子集
• Step 3：校准冲击幅度——两种方法：①找类似历史时期 ②设目标频率（情景 z 分数＝至少如所提情景极端的频率）
• Step 4：生成非政策因子冲击——用协方差矩阵从政策冲击隐含推导出其余因子冲击。矩阵选择至关重要：时间窗口须反映所建模情景的条件（如模拟 QE 退出对短端利率的影响，应用短期利率波动更大的时期）
• Step 5：估计组合 P&L——用隐含冲击与因子暴露计算组合 P&L。含期权性的组合须完全重估值

减少主观性的指导方针

• 假想情景须足够精确，能清晰转化为市场因子冲击
• 关键风险因子之间不应高度相关
• 选定的风险因子须限制在少量、简单但能捕捉关键市场动态的集合内
• 用情景 z 分数评估合理性、幅度与相对规模
• 协方差矩阵的数据样本须与情景冲击的性质一致

五大挑战

• ① 内在主观性：依赖专家判断定义假想但合理的市场冲击。没有 universally accepted 的情景构建框架 → 不一致与 ad hoc 决策。缺乏最佳实践研究 → 组织须自建内部框架 → 偏见与群体思维风险
• ② 事件→量化冲击的转换：将宏观经济发展为转化为具体政策变量冲击高度主观，因参与者专业知识与视角不同而有显著差异。可能过度依赖有根据的猜测而非稳健的结构模型
• ③ 简单 vs 精确的权衡：太多政策变量引入冗余或高相关因子（尤其市场条件变化时）→ 降低情景结果可靠性；太少又无法捕捉情景本质
• ④ 协方差矩阵校准与选择：冲击幅度与协方差矩阵的时间窗口／机制对情景结果有实质性影响。\"正常\"vs\"压力\"市场数据对同一组冲击产生非常不同的结果。没有 universally accepted 的窗口选择规则 → 主观性 + 错估风险
• ⑤ 冲击设计与合理性评估：非政策因子冲击由协方差结构驱动，如果历史矩阵选择不当则无法反映当前市场条件。合理性测试（马氏距离／情景 z 分数）是统计性的，但仍需判断\"什么算合理、什么算极端\"

组织与流程因素

• 成功实施需要风险管理者、经济学家与投资者之间的有效沟通与多元观点整合
• 避免群体思维、保持透明、允许建设性挑战
• \"强制透明\"的结构化过程有价值，但最终输出仍取决于底层假设的质量与构建情景的纪律性

四要素框架与三条防线

• ① 流动性风险测量：识别、评估、量化关键风险源（交易流动性 + 融资流动性）
• ② 流动性风险管理：监控基金流动性 profile、评估赎回风险 vs 限额、维持缓冲与管理流动性转换
• ③ 组合经理流动性风险意识：定期与 PM 讨论流动性风险、及时升级重大关切至 CRO/CIO
• ④ 赎回工具箱：了解后备流动性工具（非常规措施），准备在必要时启动
• 三条防线：第一道＝组合经理（负主要责任）、第二道＝独立风险管理职能、第三道＝定期审计（验证前两道是否遵守政策）

核心目标：平衡三方利益

基金须平衡赎回者、认购者与剩余持有者的利益——为离场投资者创造流动性的方式不应让剩余股东持有不流动组合。关键变量：市场条件（正常 vs 压力）、头寸规模、交易成本、潜在市场影响。

固定收益流动性风险的三大挑战

• ① 碎片化：固定收益市场证券数量庞大（市政债约百万 CUSIP），仅小部分每日交易，活动集中在大型与近期发行
• ② 数据建模：TRACE 提供每日价格与成交量，但交易量封顶——高收益＞$1m、投资级＞$5m 只报\"超封顶\"；真实成交量是 $6m 还是 $60m 影响巨大；模型用历史模式推断但未来可能不同
• ③ 估值复杂度：结构越复杂、估值越难（类似独特房产估值——永远没有完美可比）
• GFC 后转变：从\"价格接受者\"（请求报价、接受最优）转向\"价格制造者\"（设定价格、寻找交易对手）→ 二级市场更薄、买卖价差更宽、大额交易价格影响更大 → 许多管理人大额交易拆分为小额订单
• 数据改善：FINRA 2025 年起提供 CUSIP 级别未封顶交易量（延迟六个月）；欧洲 MiFID II 提供日内快照与一个月延迟的低流动性债券数据

天数变现法（Days-to-Liquidate）

• 公式：days to liquidate = 交易规模 ÷（参与率 × ADV）
• 交易规模：基于历史赎回模式、组合杠杆、衍生品暴露等因素个案评估
• 参与率：不造成显著市场冲击的 ADV 百分比——固有难度准确估计；实际交易量通常低于理论容量
• 潜在流动性（latent liquidity）＝ 市场理论容量 − 可观测交易量；可用 ADV 分布的 90 百分位等尾部度量估计
• ADV：指定窗口日均交易量（如 20 日或 60 日）；可用公司数据、交易所或第三方供应商数据，也可含建模输入（债券存量、买卖价差）

低频债券建模：随机森林回归

• 问题：低频交易债券的历史数据稀疏——天数变现法无法直接用
• 分解：E(V_t+1^b) = p_t+1^b × E(V_t+1^b | TRADE)——①交易发生概率 × ②发生时的预期交易量
• 方法：随机森林回归——适合处理非线性、缺失数据与大量解释变量
• 数据补充：用可比债券数据填补缺口；用交易商库存信息（挂出买卖报价）推断潜在可交易量
• 方差问题：日度交易量大幅波动导致估计量大幅波动——ADV 可能是流动性的保守度量

T 成本模型（Transaction Cost Model）

• 公式：estimated t-cost = [k₁ × BAS] + [k₂ × D × S ×（交易名义额 ÷ ADV）^γ]
• 两项：第一项＝固定成本（佣金、买卖价差 BAS）；第二项＝市场冲击成本（与参与率的 γ 次方成正比，γ 通常 0.5）
• 参数：k₁、k₂＝回归系数；D＝价差久期；S＝期权调整价差；γ＝市场冲击形状参数
• 执行缺口（implementation shortfall）= （交易价格 − 基准价格）/（基准价格 × 10,000）——基准价＝盘中前五分钟中间价（最佳实践）；前日收盘价引入大量回报噪声（从昨日收盘到执行之间的市场驱动价格变动被计入成本）
• 数据质量：固定收益市场缺乏透明与及时定价 → 估计可能含噪；须考虑测量误差（尤其误差相对于被测值较大时）
• 回归加权：按交易金额加权观测值以处理大量小额 odd-lot 交易
• 数据缺失：用相似证券群组（OAS、久期、收益率、买卖价差）与机器学习（聚类、树模型、神经网络）辅助

赎回瀑布三层（Redemption Waterfall）

• Layer 1：现金及高流动性资产——三种用途：①应对日常/非计划赎回\"噪声\"（最小化交易成本）②支持使用衍生品叠加回报的投资策略 ③战略响应市场条件
• Layer 2：比例或风险恒定资产卖出——当赎回超过 Layer 1 时卖出不流动持仓；须保持剩余组合的风险 profile 不变
• Layer 3：短期借款——反向回购、透支、信用额度；'40 Act 基金借款上限＝总资产的 33.3%

非常规措施（Extraordinary Measures）

• 临时借款：透支、回购、银行信贷、基金间借贷——美国零售基金可用；欧洲 UCITS 不可
• 实物赎回（in-kind）：将特定资产直接转让给赎回投资者——某些资产类型、大型机构；监管允许但实际应用有限
• 闸门（gates）：部分赎回上限（如基金资产的 10%）——欧洲 UCITS 可用；美国共同基金不可
• 价格机制：摆动定价（swing pricing，净流超过阈值时调整 NAV，将交易成本转移给交易投资者——欧洲 UCITS 广泛使用；SEC 2025 拟议规则中）；PRV（purchase redemption values，美国 OCC 监管的集合信托基金 CTFs 可用）
• 暂停（suspension）：完全停止赎回——最极端；美国共同基金须 SEC 明确批准
• "破玻璃"测试：法律、运营、风险、交易团队须提前演练确保快速启动

HRaR 模型与流动性优化

• HRaR（历史赎回风险）：用历史基金流量的 99 百分位五天赎回情景——挑战：①新基金无历史 ②特质行为难建模 ③托管人阻碍透明度
• 机器学习：处理大量因素与非线性关系；估计给定时间 horizon 的赎回上界——数据可用性/质量仍是障碍
• 流动性优化：最大化 Σ p_i,tm_i，约束包括赎回义务（如两天内 $200m）、ADV 约束（p_i,tm_i ≤ v_ir_j）、市场容量（Σ_{∈S_j} p_i,tm_i ≤ c_j,t）、时间滞后（p_i,t = 0 for d_i < t）、风险阈值（跟踪误差约束）

非流动资产四特征

• ① 大多数资产类别都有某种程度不流动：大盘股年化换手 >100%（秒级交易）vs 房地产 5–7%（交易间隔数月到数十年）；基础设施投资期限 50–60 年（最长 99 年）；艺术品 40–70 年
• ② 市场规模庞大：美国住房抵押贷款市场 $16 万亿（2012）、机构房地产 $9 万亿 vs 纽交所+纳斯达克总市值约 $17 万亿；非流动资产总财富超过传统流动性股票与债券市场
• ③ 占投资者组合主体：个人投资者约 90% 总财富在非流动资产（不含人力资本）；美国高净值个人约 10% 配置艺术品与珠宝（外国 20%）；大学捐赠基金从 1990s 的 5% 升至约 25%；养老基金从 1995 的 5% 升至约 20%
• ④ 流动性也会枯竭：GFC 中货币市场冻结（回购与商业票据）、拍卖利率证券仍冻结（六年以上）；全球流动性危机至少每十年一次

市场不完美与不流动性

• 市场参与成本（clientele effect）：需要专业知识/资本/经验的市场参与者越少 → 流动性越低
• 交易成本：税费、佣金、私募股权的尽调成本（律师、会计师、投行）
• 搜索摩擦（search frictions）：难以找到交易对手——复杂结构化产品、整栋办公楼买家；无论交易成本多高，交易可能需要数周、数月甚至数年
• 信息不对称：恐惧对手知道更多 → 不愿交易 → 流动性增加；极端时市场崩溃（\"柠檬市场\"）
• 价格影响：大额交易推动市场 → 流动性问题
• 融资约束：不流动资产多由债务融资（如房产高杠杆）→ 信贷获取受损时无法交易

三类回报偏差

• ① 幸存者偏差：差基金停止报告或从未开始报告→数据库只含活着的→回报偏高；共同基金低 1–2%、非流动资产市场低达 4%
• ② 样本选择偏差：高价时才出售（等物业价值恢复再卖）→ 记录高点→alpha 偏高（VC alpha 从 >90% 修正为 −7%；月回报降 2–5%）、beta 偏低（SML 变平）、方差偏低（风险低估）
• ③ 低频交易：beta、波动率、相关性被低估；季度回报比日度回报看似波动性更低；与其他资产类别的相关性被人为压低

去平滑（Unsmoothing）

• 方法：用过滤算法向报告回报添加噪声以恢复真实波动
• 影响：1990s 房地产回报从 −5.3% → −22.6%；NCREIF 2008Q4 从 −8.3% → −36.3%；标准差从 2.25% → 6.26%；与标普 500 相关性从 9.2% → 15.8%
• 含义：非流动资产的真实风险远高于报告回报所暗示的水平

类间 vs 类内溢价

• 类间证据微弱（Ilmanen 2011，1990–2009）：VC 16–17%、收购 ~13%、林业 ~12%、对冲基金 ~12%、房地产 ~8%、股票 ~4%、现金 ~4%——但：①报告回报高估（偏差） ②风险低估（去平滑后更高） ③无市场指数可投 ④依赖管理人技能（无法分离因子风险与 alpha）→ 类间溢价不可收割
• 类内证据较强：同一资产类别内不流动性资产收益更高——IG 债 7%、垃圾债 22% 的收益率变动可由流动性解释；国债 on/off-the-run 利差（危机时 T-bond 价格比 T-note 低 >5%）；公司债买卖价差每增 1bp → 收益利差增 >2bp；股票非流动性因素（买卖价差、成交量、换手率、Amihud 度量、价格影响、信息不对称、报价规模/深度、交易频率、零回报数、自相关性）→ 非流动性风险溢价 1–8%

四种收割方式

• ① 配置非流动资产类别（被动分配，如房地产）
• ② 选择类别内不流动资产（流动性证券选择）
• ③ 做市商（DFA 模式：折价买入急售股票、溢价卖出小盘股；选择完全披露信息的对手方避免逆向选择）
• ④ 动态因子策略（多不流动、空流动；再平衡＝逆向操作——别人想卖时买、想买时卖）——最易实施、效果最大

• 不流动资产不产生更高风险调整后回报（研究显示调整后不如标普 500）
• 代理问题：依赖管理人技能、难以监控外部管理人
• 许多公司单独管理不流动资产（而非整体组合）
• 高特质风险：无\"市场\"组合（NCREIF 含数千物业，个人无法持有数千物业）
• 吸引力：市场低效、信息不对称、高交易成本排除竞争、alpha 广泛分散——适合有技能与资源的投资者（哈佛、耶鲁、斯坦福）

AI 模型分类

• AI/ML 模型（成熟预测工具）：自然语言处理（NLP）、神经网络、决策树、聚类算法——已广泛应用于欺诈检测、例行任务自动化、预测分析
• 复杂 AI 模型（前沿创新）：大语言模型（LLM）、深度学习、强化学习——GenAI 可基于用户提示生成新内容（文本、图像、视频）

资本市场四大功能与 AI 赋能

• 机构/客户画像：更准确识别目标、偏好与约束
• 资产配置：改善分析精度与预测技术、优化战略配置、从另类与非结构数据中提取可操作信号
• 交易执行：增强流动性管理与操作效率、最小化市场冲击、支持更有效价格发现
• 风险管理：简化合规监控、生成定制化风险洞察、开发高级风险情景、实现动态风险感知

价值创造与市场流动性

• 最强领域：高流动性公开市场（股票、上市衍生品、国债、外汇）——AI 可从动态变化中持续学习
• IMF 调查：27 家公司回应；受访者指出市场流动性与管理人 AI 采用率之间存在强相关
• 关键收益：提升生产力与效率、改善非结构数据处理、收窄买卖价差、交易算法设计与执行成本节约
• 人机协同：受访者强调人类必须"in the loop"——理解 AI 策略、主动管理监管与伦理风险

算法交易占比与市场集中

• 美国市场：股票约 70%、期货 >50%、期权 >40%、固定收益 <10%
• 高固定成本效应：大型公司最受益，小公司多外包 AI 能力；市场活动集中于少数主导者
• 非银金融机构（NBFI）：持有全球金融资产 >50%，敏捷性高、监管约束少，从 AI 整合中获益更大

"流动性飞行"（Flighty Liquidity under Stress）

• 高频交易者：压力期减少订单撤单（step back from market）
• 机构投资者：压力期增加隐藏订单（hidden orders，部分或完全不在订单簿显示，以限制价格冲击）
• 净效应：整体流动性恶化——尽管有复杂交易技术，"流动性飞行"使市场更脆弱

GenAI 对算法交易的影响

• 正面：降低参与门槛（改善测试、编码、交易自动化）；帮助跨资产类别自动化交易
• 负面：可能放大现有算法交易风险；AI 策略的顺周期性可导致更高且更顺周期的交易量

四大风险类别

• ① 操作风险增加：AI 系统故障、第三方服务中断
• ② 压力期波动与速度增加：算法互动可触发安全资产抛售与大规模卖出
• ③ cyber 与市场操纵加剧：deepfake、虚假信息传播、模型/数据 poisoning 攻击
• ④ 监测与透明性挑战：活动从银行转向 NBFI（监管更轻）；AI 生成的组合跨市场关联

四大脆弱性（rdg101）

• ① 第三方依赖与服务商集中：少数公司提供云服务与 AI 芯片；AI 供应链垂直整合；数据聚合市场整合→供应商失败可产生系统性后果
• ② 市场相关性上升：共同训练数据源+相似模型→同向交易；预训练核心模型共享架构→输出天然相关→闪崩概率增加、流动性压力加剧
• ③ cyber 风险：GenAI 降低攻击门槛；LLM 可被利用实施攻击；攻击面扩大（prompt injection、模型/数据 poisoning）
• ④ 模型风险/数据/治理：LLM 幻觉（高信心但错误的输出）；训练数据不透明；危机期更难监控与验证模型

三类其他脆弱性

• 欺诈：GenAI 生成 deepfake、假证件、绕过安全检测
• 虚假信息：社媒放大→压力期更具说服力与规模性
• 错配（misalignment）：AI 系统行为偏离监管/法律预期——如学习合谋策略抬价、传播触发银行挤兑的虚假信息

供给侧三驱动

• ① 技术发展：嵌入向量处理非结构数据（深度学习）；Transformer 架构（注意力机制+位置编码+前馈组件，并行处理）；GPU 算力提升使更大模型更低成本训练
• ② 数据发展：非结构数据（图像、视频）增长；合成数据补缺（但引入数据质量与模型可靠性问题）
• ③ 商业模式发展：云计算提供灵活服务交付；预训练模型降低自建成本；开源模型趋势（免费、可定制）

需求侧三驱动

• ① 盈利：增收（更定制产品+改善客户获取+降流失）+ 降本（自动化+生产力提升）+ 改善风控
• ② 竞争：跟上全面利用 AI 的同行——可带来创新与更低价格，但保障与测试不足时引入风险
• ③ 监管：用 AI 强化合规（数据保护、AI 治理、国际标准）

金融服务业用例

• 客户导向：信贷评估（ML 补充传统评分）、行为定向营销、保险定价与风险管理、LLM 聊天机器人
• 运营导向：模型风险管理、资本优化、代码生成、市场影响分析、波动性与流动性风险建模、内容生成、信息检索、遗留代码现代化、语音转录
• 交易与组合管理：强化学习交易执行、市场情绪分析（LLM 识别词间关系）、组合管理自动化
• 监管合规：欺诈检测、反洗钱（AML）、反恐融资（CFT）；AI 生成金融犯罪报告
• 监管科技（SupTech）：央行用 AI 增强信息收集、统计编制、支付系统监督；用 GenAI 审查检查文件、起草检查报告、生成定制化错误消息

监管最佳实践

• 机构责任：不论 AI 系统内部开发或外部采购，机构负全部责任
• 标准机构关注：AI 使用治理、透明性与可解释性、外包实践、数据质量与偏见、报告要求、有意义的人类监督
• 国际机构：FSB、BCBS、BIS、NIST（2024 AI 框架）、IOSCO、各国监管机构
• 监管方式偏好：受访者认为 best practices 与 flexible guidelines 比 strict rules-based regulation 更有效

政策优先级

• 市场速度与波动：评估熔断器质量、算法测试（受控与压力环境）、保证金充分性
• 第三方依赖：映射关键 IT 基础设施与 AI 服务商互联；AI 系统全生命周期网络安全保障
• 不透明性治理：要求机构映射 AI 模型/数据源/基础设施互联；NBFI 须自我识别并披露 AI 信息
• OTC 市场韧性：收集与传播 OTC 交易详细信息；调整流动性框架、扩大中央清算激励、非清算衍生品保证金

AI 系统性挑战

• 更高波动与速度：算法互动可触发安全资产抛售；AI 模型在重大负面事件（如 COVID-19）中可能停机或产生不一致输出
• 更大监测挑战：活动从银行转向 NBFI→透明性下降；AI 组合跨市场关联→相关性上升
• cyber 与操纵：deepfake/虚假信息；模型训练数据被污染→错误投资决策
• 第三方运营风险：过度依赖少数 AI 模型/IT 服务商→系统性脆弱

私募信贷基金（PCF）特征

• 结构：封闭式、非上市→资本锁定 5-8 年→降低流动性与期限错配风险
• 策略：直接贷款（浮动利率+广泛契约）、夹层贷款（次级债+股权权利）、资产抵押贷款（大量抵押品）、困境债务投资（大幅折价购买）
• BDC：美国 PCF 市场约 1/5；上市+开放式特征→吸引零售投资者
• 集中度：PCF 组合高度集中（HHI 远低于银行）→专业筛选与监控→但暴露于行业特定下行

四大增长驱动

• ① 宽松货币政策：低政策利率→银行利润受压（浮动利率资产贬值快于固定利率负债）→PCF 浮动利率结构不受限→PCF 补位
• ② 银行低效：FI 指数低（银行不愿贷中小企业）→PCF 减少/免除抵押品要求+目标性契约→补位
• ③ 监管严格：资本要求提高→银行不愿贷风险企业→PCF 更灵活→接盘
• ④ 企业杠杆上升：PCF 愿贷高杠杆企业→企业杠杆上升与 PCF 扩张正相关

BIS 回归结果（45 国 2010-2019）

• FI 指数：影响最大——系数 -1.679 至 -1.906；-1 SD → PCF 贷款增约 33%
• 政策利率：第二重要——系数 -0.03；-1 SD → PCF 增约 12%
• 监管严格：系数 0.463 至 0.667；+1 SD → PCF 增 2%-4%
• 企业杠杆：系数 0.001；+1 SD → PCF 增 <1%（影响最小）

资本成本趋同机制

• 银行 CoE 上升：2010-2019 因市场风险上升与监管更严→银行 CoE 大幅增加
• BDC CoE 稳定：BDC CoE 自 GFC 以来持续低于银行且未大幅增加
• BDC 杠杆增加：BDC 更多使用债务融资（替代昂贵股权）→WACC 下降→CoE 仅适度上升
• 银行资金优势收窄：约 250bps（2010-2019）——CoE 上升贡献≈杠杆替代贡献
• CoD 差异：BDC CoD 略高于银行（但差距小）→对收窄贡献很小

PCF 贷款特征

• 更灵活条款：定制契约、更快执行
• 目标借款人：被银行拒绝的企业——抵押品有限、杠杆高、会计透明度低
• 利率：通常高于银行贷款（但灵活性与速度补偿）

地缘风险两渠道

• 经济渠道：贸易/供应链/资本流动/生产能力中断→基本面受损→资产价格下跌
• 市场情绪渠道：不确定性上升+风险厌恶+信心下降→估值压缩→波动性增加

股价反应刻度

• 特定冲击：平均 -0.3%（国家特定地缘风险事件）
• 重大事件：-3%（≥2 SD 以上区域冲击，如重大冲突）
• 严重事件：-9%（极端事件，如战争）
• 跨境传导：地理/经济接近国家跌幅放大 2.5 倍
• VIX：地缘冲击后通常飙升→尾部风险上升→全球事件影响可持续 6 个月

主权风险与 GPR beta

• 主权 CDS：EM +180bps vs AE +40bps（重大冲突后一个月）
• 脆弱国家：储备低于中位数 +100bps；制度质量低于中位数 +120bps
• 安全资产：避险国债收益率下降（美/英/德/瑞/日）
• GPR beta：能源/国防 = 正（受益于军费与油价）；消费 = 负（需求走弱）；俄乌后能源板块 GPR beta 溢价由负转正
• 期权市场：看跌期权与尾部风险保护溢价在重大地缘冲击后急剧上升

案例：俄乌冲突 vs 中美关税

• 俄乌冲突：欧洲市场跌幅大于其他 AE（能源依赖+经济联系紧密）；有子公司企业一周内跌约 2.5%；国防/能源板块反向上涨（投资者预期军费+油价上升）
• 中美关税：中国股价平均 -4%（2019 年 5 月美国关税宣布后 -8%）；美国企业较温和 -1.3%（2018-2024）；中国报复性关税后美国企业 -1.6%-1.8%
• 基金流动：债券基金 10% 敞口 → 资产流 -2.3% + 回报 -1%；股票基金 10% 敞口 → 一周 -6% + 六个月 -8%

稳定区域特征

• 财政渠道：联邦支出、税收政策、服务生产、转移支付
• 货币渠道：公开市场操作+政策利率→债券收益率/借款成本/资产价格/汇率
• 安全区：两政策重叠→经济健康增长→"稳定区域"
• 边界特征：①随国变化 ②难以精确量化 ③形状/大小/位置不断变化 ④部分渐变（人口/金融创新）部分突变（大宗商品/疫情）⑤监管与外汇干预可改变
• 安全边际：财政政策不应推到极限——须留意外结果余地

两阶段演变

• Phase 1（1960s-80s 中）：高通胀→高政策利率→债务激增→转向价格稳定优先
• Phase 2（80s 中-疫情）：金融自由化+全球化→低通胀→低利率→公共债务大规模增加→金融衰退取代通胀衰退（更持久）
• COVID 后：大规模财政刺激→快速反弹→高通胀+高公共/私人债务+资产价格高企→金融脆弱性上升

高公共债务的三大挑战

• ① 财政紧张：创纪录债务+支出压力+更高利率+增长放缓→债务服务成本预计升至 GDP 6%
• ② 高债务 vs 货币紧缩：高债务制约加息（可能触发主权债务危机）→财政主导（fiscal dominance）
• ③ 金融稳定风险：主权债务作为抵押品/价值储存→评级下调→银行-政府反馈循环（银行持有主权债作抵押+政府是最终担保人）

央行资产负债表与利率-增长差

• 央行扩表：GFC 后 AE 央行购买达未偿国债 25%-50%→缩短债务期限→降低借款成本→减少央行对财政转移
• 利率-增长差：利率 < GDP 增长→公共财政可持续；利率 > 增长→经济放缓→支出受限
• 历史规律：更高通胀→更高公共债务（通胀短期改善财政但长期加重债务）