议程：分析、评价和决策支持系统

《风险-收益分析：理性投资的理论与实践（第2卷）》议程：分析、评价和决策支持系统,页面无弹窗的全文阅读!

投资组合理论源于两个传统：

（1）风险和不确定性下的理性行为理论

（2）运筹学（OR）

第一个传统为我们确定了作为投资者或代表投资者应寻求的目标。第二个传统提供了实现这些目标，或至少使投资选择朝着实现这些目标的方向变动的方法。两个传统都起着至关重要的作用。不能达成的目标是没有意义的，而高效地实现错误的目标则更糟糕。

运筹学运用最优化模型或模拟模型，或者将二者结合起来寻求更好的决策。通常最优化技术就能找出高度简化（或许太简化了）的实际问题的准确答案，而模拟技术对关于世界的更加精细模型的试探解进行检验。特别地，简化模型的最优解，是能够在更复杂的模拟模型中进行检验的试探解的一种。

本卷给出了有关最优化和模拟分析的原理、方法与建议，特别是第7章给出了怎样设计、执行和记录一个重要模拟分析的建议，该建议的核心是模拟编程的EAS-E（实体、属性、集合和事件）视图。尽管这种关于待模拟系统的视图是各种SIMSCRIPT程序语言（在第7章介绍）的一部分，但也可独立于它们使用。特别地，第7章利用JLMSim股票市场模拟程序阐述了EAS-E的概念。JLMSim股票市场模拟程序是运用EAS-E世界观设计的，用C++语言编写的。

第7章也讨论了马科维茨（Markowitz，1991）提出的“生命周期博弈”模拟程序。这一模拟程序能够模拟金融规划过程，投资组合选择是这个过程的一部分。该模型的最终目的是协助发展出更好的金融规划程序，包括作为金融规划“博弈”中一种“行动”的投资组合选择过程在内。在接下来的章节，一个反复出现的主题关注的是为获得能够产生有意义结果的生命周期博弈模拟程序所需解决的问题。

第7章最后以GuidedChoice（GC）DSS为例讨论了金融决策支持系统（DSS）。一个DSS有一个边界，计算机的优化程序、模拟程序、探试程序和必要的簿记在边界内，一般决策者在边界外。后者可能包括金融顾问和“客户”。边界使内外两侧可以进行交流。生命周期博弈模拟程序的主要目标是将理性的金融DSS的边界移动到超出投资组合选择的范围，以更一般地将金融规划包括在内。将对DSS发展的讨论放在第7章，是因为我们建议在DSS和模拟程序的规划、执行和记录中，运用EAS-E视图。我们从用于设计和记录GC DSS数据库的EAS表中广泛选取内容，来说明这一点。

本卷余下的大量内容集中于最优化技术，包括精确的和近似的技术。特别地，第8章分析了：①冯·诺依曼和摩根斯坦的著作《博弈论与经济行为》（Theory of Games and Economic Behavior）（von Neumann and Morgen-stern，1944）中的概念，包括整个博弈的效用的概念；②贝尔曼（Bellman，1957）的动态规划（DP）原理。后者表明多时期博弈的期望效用极大化问题的求解，可以简化为一系列单期期望效用极大化问题的求解。这进而用到条件期望值的基本定理。第8章详细探讨了条件概率和条件期望值，包括对它们作为信息的解释以及它们与多期博弈动态规划解的关系。

第9章介绍了莫辛（Mossin，1968）和萨缪尔森（Samuelson，1969）模型，以及运用动态规划方法求得的其最优解。模型的解意味着随着单一参与者临近退休，他并不会变得更谨慎。这导致了大量有关以下问题的讨论：①这对于长期投资意味着什么？②怎样修正模型以使得可行的“滑行路径”是最优的？莫辛萨缪尔森工作的副产品也将在第9章讨论。

鉴于投资组合有多个利益相关者，第10章考虑了投资组合选择的社会选择层面。该章回顾了阿罗（Arrow，1951）的“不可能定理”及古德曼和马科维茨（Goodman and Markowitz，1952）、希尔德雷思（Hildreth，1953）、卢斯和雷法（Luce and Raiffa，1957）等对该定理的回应。该章还提出了我们自己的社会选择规则。

第11章“评价和近似”讨论了理性决策者被假设能够胜任的最优化计算与一般决策者及其计算机的有限能力之间的差别。1特别地，该章还包括：①对马科维茨（Markowitz，1959）在这一领域建议的评论；②近似求解动态博弈的马科维茨和范戴克算法；③布莱和马科维茨考虑税收的投资组合分析（tax-cognizant portfolio analysis，TCPA）；④我们关于“桶”试探法的观点。

第12章介绍了专家关于计算的前景的看法，以及马科维茨关于怎样最佳地利用未来的计算能力构建金融（或其他）决策支持系统的观点。

在本卷中，我们不讨论随机线性规划（stochastic linear programming，SLP）模型，原因见第8章注释4。基于如下原因，我们也不讨论连续时间模型：

（1）连续时间方法所要求的数学水平远远超出了本卷假定读者掌握的水平；2

（2）不像连续时间模型通常假设的那样，证券价格不随时间连续变化，市场不是完全流动的，并且投资者不能够连续地调整所持有的投资组合。这一点对于实践非常重要。3

（3）为得到宝贵的显式解，通常需要一些额外的反事实假设。例如，布莱克和斯科尔斯（Black and Scholes，1973）的期权定价模型假设标的股票价格或指数的对数是一个布朗运动。而马科维茨和乌兹曼（Markowitz and Usmen，1996）表明，在标准普尔500指数（S&P500）的对数每日波动的情形中，一个贝叶斯主义者将会改变信念，反对布莱克斯科尔斯假设，支持其为具有4~5个自由度的学生t分布，后者的可能性大约是前者的1070倍。

使用杠杆并假设标的收益分布是几何布朗运动的金融产品，金融危机期间其价格经常暴跌。

运筹学专家构建的用于满足某种实际需要的每一个模型，都会涉及如下假设：现实十分复杂，它的哪些方面需要在模型中体现，怎样将一些“未看见的力量”如收益产生过程纳入模型中。不管对真实世界做出什么假设，都需要对首要的假设（包含各种纳入因素和假设条件的“模型”）进行检验。最初这样的检验可能是通过回溯测试或蒙特卡罗方法实现，但最终的检验要靠实践中的经验。模型构建者应准备好基于这些经验对模型进行修正。显式可优化的模型在如下意义上是不可靠的，即模型的微小变化可能导致模型从已求解状态变成未求解状态。“未求解”可指从“很容易再次求解”到“无法求解”之间的任何情形。这两个极端之间的情形是，“凭借这个解可以获得博士学位”。

实际建模者不会仅依赖像显式可求解的模型那样不可靠的方法论。然而，必须承认，连续时间模型可能启发了能够在更加精细的离散事件模型中进行检验的试探法。关于默顿及其追随者对连续时间模型的研究工作的全面考察，参见默顿的著作（Merton，1990）。

在市场动力学和投资组合选择的分析中，关于模拟法相对可解析求解模型的优点，我们的观点并非独一无二的［参见Levy，Levy，and Soloman（2000）的概述］，但它们与今天普遍接受的方法相去甚远。例如，一个博士生运用超级计算机进行一项运算，尽管花费了数十个小时，结果仍不收敛，为此他向马科维茨咨询意见。该项运算是求解方程，这些方程考虑了对所提出问题极为重要的某些非流动性特征，经济学文献通常忽视了这些特征。马科维茨指出，如果这位博士生用模拟法而非寻求方程的数值解，那么他的模型能够更加现实——考虑了那些看起来对问题至关重要的因素，而不是只略微超出现有文献。并且，他只需花费所花费时间的一小部分进行计算机运算，就能够集中地探究问题，获得与他寻求的数值解几乎同样精确的解。最后，如果他以数值解来回答特定的问题，或用变化的参数来显示权衡曲线，那么数值解只有直观的意义。应用模拟法的一个更为可信的模型能够回答相同的问题，并产生相同的权衡曲线。

这位博士生说他考虑一下。大约一两个星期后，他报告说他同课堂上的一位资深教授进行了交流，教授同意如果运用模拟法，可以使模型更加现实和更有价值。但根据教授的观点，这样做的问题是所得到的结果可能永远无法发表。由于该博士生打算在这个不发表就发臭（publish-or-perish）的行当中寻找一份工作，他继续从事寻求方程数值解的研究（最终运算结果收敛了，他也获得了博士学位，并找到了一份工作）。

创造性的论文并非没有发表。它们最终都发表了，而且有着广泛影响、赢得各种奖项以及经常被引用。正如马克斯·普朗克（Max Planck）的名言所说：“科学进步源自一个个葬礼。”长江后浪推前浪，那些捍卫旧思想的人终将被那些准备好转向新思想的人所取代（当然，此处表达的观点究竟是大势所趋，还是像一些人所认为的那样是死胡同，尚需拭目以待）。