1. 54.投资组合的概念
   1. LOS
      1. 解释：均值-方差分析及其假设， 计算预期的回报率和标准差， 2或3个资产的组合
         1. 假设
            1. 所有投资者：风险厌恶；
            2. 所有资产的预期回报率：已知；
            3. 所有资产回报率的VAR & COV：已知；
            4. 缺少卖空限制→均值-方差关系不稳定；
            5. 投资者仅需知道预期回报率、VAR,COV，去确定最优组合；
            6. 无需知道：偏度(skewness)、峰度(kurtosis)和分布的其他特点；
            7. 市场没有摩檫。
            8. 无：交易成本&税收。
         2. 60.组合的期望值E&方差Var.gif
      2. 描述：最小方差与有效边界， 解释求解最小方差边界的步骤
         1. 54.Min(VAR)边界：E(R) vs VAR.GIF
            1. 估计：
            2. E(R),VAR,ρ；
            3. Optimization w(i)：
            4. 54.最小VAR边界的求解：优化w(i).GIF
            5. Caltulation：
            6. 针对各种 target return，重复步骤2.
         2. Efficient Frontier Portfolios：
            1. E(R)=C:
            2. min(VAR(i))；
            3. VAR(i)=C:
            4. max(E(R))；
      3. 解释：分散化的收益，2个资产组合的相关系数和多资产组合的资产数目怎样影响分散化的收益
      4. 计算：n个股票的等权重方差， 解释，CAL&CML及其关系， 计算一个变量的值，给定其余变量
         1. 60.组合的期望值E&方差Var-等权重.gif
         2. 60.组合的期望值E&方差Var-等权重-s(i)=s(j).gif
         3. CAL vs CML:
            1. 54.CAL-图.GIF
            2. 54.组合的期望值E&方差Var-加入无风险资产.gif
            3. 1-w(t):
            4. R(F)的权重；<0:投资者需以RFR借入的资金；
            5. 54.CAL方程.gif
            6. 54.CML图.GIF
            7. 54.CML方程.gif
            8. CAL vs CML:
            9. CAL vs CML:
            10. tangency portfolio：
            11. market portfolio；
            12. 唯一；
            13. weights:
            14. MV；
            15. 每个投资者的期望：
            16. 每个都不一样；
            17. CAL是CML的特例；
            18. 新风险资产是否加入原组合：
            19. 54.组合的期望值E&方差Var-加入风险资产.GIF
            20. 60.组合的期望值E&方差Var-加入风险资产-判断公式.gif
      5. 解释：CAPM，包括它的基础假设和结论
         1. CAPM
            1. 54.CAPM的图SML.gif
            2. 60.证券市场线SML=CAPM.gif
            3. Slope:
            4. =E(Rmarket)-RFR；
            5. Intercept=RFR
            6. 60.证券市场线SML=CAPM-Beta.gif
            7. 假设：
            8. 投资者只需考虑E(R),VAR,COV；
            9. 所有投资者有相同的预期，对风险资产：E(R),VAR,COV；
            10. 所有资产是：marketable,市场是 perfectly competitive；
            11. 投资者是 price takers：独立买卖，且对价格无影响；
            12. 投资者能以RFR借进/出，&没有卖空限制；
            13. 市场无摩擦：没有税&交易成本。
            14. Implications of Assumption:
            15. 所有投资者 tangency portfolio & combine：相同；
            16. 所有投资者 weight(Ai)=%MV(Ai)；
            17. CAPM的图形SML，成立；
            18. 系统风险β，是唯一有价的市场风险。
         2. 54.SML vs CML.GIF
      6. 解释：SML,β，R(M)，夏普比率，计算这些变量的值，给定其他变量
      7. 解释：市场模型， 陈述与解释市场模型的预测， 关于资产回报率，VAR、和COV
         1. 市场模型假设
            1. 60.市场模型估计-Unadjusted β-假设.gif
            2. 误差期望值=0
            3. 不同资产的误差项不相关；
            4. R(M)与误差项不相关。
            5. 市场模型前提：2个风险来源
            6. 系统风险；
            7. 非系统风险；
         2. 60.市场模型估计-历史(Unadjusted) β.gif
            1. E(Ri)
            2. VAR(Ri)
            3. COV(Ri,Rj)
      8. 计算：adjusted β， 解释adjusted and historical β的用法， 作为未来β的预测
         1. 60.市场模型估计-adjusted β.gif
      9. 解释：最小方差边界不稳定 的原因和导致的问题
         1. 原因
            1. 统计的输入参数，不确定性的存在：预期回报率，VAR，COV
            2. 时间不稳定性
            3. “过度拟合”问题"overfitting"
      10. 描述并比较： 宏观因素模型， 基础模型， 和统计因素模型
          1. 因素的类型
             1. 宏观经济因素模型
             2. "Sruprises" In Variables
             3. :realized value- predicted value;
             4. Not: Level or Value of Variables；
             5. 54.宏观经济模型ROA方程.gif
             6. F(QS)=y(BB-rated bond)-y(Treasury bond)
             7. 54.基础因素模型ROA方程.gif
             8. bi1,2:standarized sensitivity of stock i to its factor;
             9. 基础因素模型
             10. BV/P
             11. market capitalization
             12. P/E
             13. financial leverage
             14. 统计因素模型：统计因素的选择
             15. factor analysis models
             16. 最好地解释历史收益率的，COV，的组合
             17. principal components models
             18. 最好地解释历史收益率的，VAR，的组合
          2. 更重要的原因
             1. 解释资产回报率更有效
             2. 提供更详细风险分析
      11. 计算：2只股票的组合的 预期收益率，给定必要的 宏观因素模型对每只股票
          1. 宏观经济因素模型的结构
             1. 60.宏观经济因素模型-K因素.gif
             2. 实际通胀=预期的通胀+Surprise inflation
             3. 60.宏观经济因素模型-K因素-2阶.gif
      12. 描述：套利定价理论(APT)， 包括它的基础假设和它与多因素模型的关系， 计算预期ROA，给定资产的因素敏感性和因素风险溢价， 并确定是否套利机会存在，包括怎样去开发一个套利
          1. 套利定价理论APT与因素模型
             1. 假设
             2. 一个因素模型描述资产回报率；
             3. 有很多资产，能形成充分分散的组合，以消除具体资产的风险；
             4. 在充分分散的组合中，不存在套利机会。
             5. APT方程
             6. 60.宏观经济因素模型-APT方程.gif
             7. λ(i):
             8. risk premium for each unit of factor risk; 每个单位风险因素i的风险溢价；
             9. 套利：
             10. 54.APT多-空组合套利条件、回报率.gif
      13. 解释：active risk的来源， 阐述跟踪误差，和信息比率， 解释 factor portfolio & tracking portfolio
          1. 分析风险的来源
             1. Active risk squared
             2. Active risk squared=s²(R(p)-R(B))；
             3. Active risk squared=Active factor risk+Active specific risk
             4. Active factor risk
             5. (组合的因素敏感度-同一系列因素下基准的敏感度)；
             6. Active specific risk idiosyncratic risk
             7. (组合的单个资产的权重-基准的单个资产的权重)；
             8. 60.多因素模型-Active Specific Risk.gif
             9. FMCAR(j) 因素对积极风险的 平方的边际贡献
             10. 60.多因素模型-FMCAR(j).gif
             11. tracking error(TE)
             12. TE=s(R(p)-R(B))
             13. Information Ratio(IR) 意义：单位active risk的 平均active return
             14. 60.多因素模型-信息比率IR.gif
             15. tracking-error volatility(TEV)
             16. tracking risk(TR)
      14. 比较：CAPM & APT 基础假设和结论， 解释为什么投资者 可能挣到持续的溢价， 对exposure to dimensions of risk unrelated to market movements
          1. 分析收益的来源
             1. Active return = R(p) - R(B)
             2. 60.多因素模型-主动收益率.gif
             3. CAPM:假设只存在系统风险来源，β
             4. APT：多个风险因素。
          2. 估值方法
             1. 低估&买入：CAPM:
             2. Predict(E)>CAPM Required Return
      15. 教材
          1. 介绍
   2. 均值-方差分析
      1. 最小方差边界及相关概念
         1. 假设
            1. 所有投资者：风险厌恶；
            2. 所有资产的预期回报率：已知；
            3. 所有资产回报率的VAR & COV：已知；
            4. 缺少卖空限制→均值-方差关系不稳定；
            5. 投资者仅需知道预期回报率、VAR,COV，去确定最优组合；
            6. 无需知道：偏度(skewness)、峰度(kurtosis)和分布的其他特点；
            7. 市场没有摩檫。
            8. 无：交易成本&税收。
      2. 扩展到3个资产的案例
      3. 54.Min(VAR)边界：E(R) vs VAR.GIF
         1. 60.组合的期望值E&方差Var.gif
      4. 分散化与组合的规模
         1. 60.组合的期望值E&方差Var-等权重.gif
         2. 60.组合的期望值E&方差Var-等权重-s(i)=s(j).gif
      5. 组合加入无风险资产
         1. 54.CAL-图.GIF
            1. 54.组合的期望值E&方差Var-加入无风险资产.gif
            2. 54.CAL方程.gif
         2. 54.CML图.GIF
            1. 54.CML方程.gif
         3. CAL vs CML:
            1. CAL vs CML:
            2. tangency portfolio：
            3. market portfolio；
            4. 唯一；
            5. weights:
            6. MV；
            7. 每个投资者的期望：
            8. 每个都不一样；
            9. CAL是CML的特例；
         4. 60.组合的期望值E&方差Var-加入风险资产.gif
            1. 60.组合的期望值E&方差Var-加入风险资产-公式.gif
            2. 54.组合的期望值E&方差Var-加入风险资产.GIF
      6. CAPM
         1. 54.CAPM的图SML.gif
            1. 60.证券市场线SML=CAPM.gif
            2. Slope:
            3. =E(Rmarket)-RFR；
            4. Intercept=RFR
            5. 60.证券市场线SML=CAPM-Beta.gif
         2. 假设：
            1. 投资者只需考虑E(R),VAR,COV；
            2. 所有投资者有相同的预期，对风险资产：E(R),VAR,COV；
            3. 所有资产是：marketable,市场是 perfectly competitive；
            4. 投资者是 price takers：独立买卖，且对价格无影响；
            5. 投资者能以RFR借进/出，&没有卖空限制；
            6. 市场无摩擦：没有税&交易成本。
         3. Implications of Assumption:
            1. 所有投资者 tangency portfolio & combine：相同；
            2. 所有投资者 weight(Ai)=%MV(Ai)；
            3. CAPM的图形SML，成立；
            4. 系统风险β，是唯一有价的市场风险。
      7. 均值-方差组合选择规则：介绍
         1. 现有组合相关的决策
            1. 单个投资的比较
            2. 加入一个投资(i.e RFR)到已有组合
         2. 确定资产配置
         3. 54.SML vs CML.GIF
   3. 均值-方差分析 的实践因素
      1. 均值-方差优化 的估计输入
         1. 历史估计的个数
            1. E(R)
            2. VAR
            3. COV
         2. 市场模型假设
            1. 60.市场模型估计-Unadjusted β-假设.gif
            2. 误差期望值=0
            3. 不同资产的误差项不相关；
            4. R(M)与误差项不相关。
            5. 市场模型前提：2个风险来源
            6. 系统风险；
            7. 非系统风险；
         3. 市场模型估计：
            1. 历史β(Unadjusted)
            2. 60.市场模型估计-历史(Unadjusted) β.gif
            3. adjusted β
            4. 60.市场模型估计-adjusted β.gif
            5. 通常：a0=1/3,a1=2/3→Adjusted.β＞β(当：β＜1时)
      2. 最小方差边界 的不稳定性
         1. 原因
            1. 统计的输入参数，不确定性的存在：预期回报率，VAR，COV
            2. 时间不稳定性
            3. “过度拟合”问题
   4. 多因素模型
      1. 多因素模型的 因素与类型
         1. 更重要的原因
            1. 解释资产回报率更有效
            2. 提供更详细风险分析
         2. 因素的类型
            1. 宏观经济因素模型
            2. "Sruprises" In Variables
            3. 不是: Level or Value of Variables；而是:超过预期的水平;
            4. 基础因素模型
            5. BV/P
            6. market capitalization
            7. P/E
            8. financial leverage
            9. 统计因素模型：统计因素的选择
            10. factor analysis models
            11. 最好地解释历史收益率的，COV，的组合
            12. principal components models
            13. 最好地解释历史收益率的，VAR，的组合
      2. 宏观经济因素模型的结构
         1. 60.宏观经济因素模型-K因素.gif
         2. 实际通胀=预期的通胀+Surprise inflation
         3. 60.宏观经济因素模型-K因素-2阶.gif
      3. 套利定价理论APT与因素模型
         1. 假设
            1. 一个因素模型描述资产回报率；
            2. 有很多资产，因此投资者能形成充分分散的组合，以消除具体资产的风险；
            3. 在充分分散的组合中，不存在套利机会。
         2. APT方程
            1. 60.宏观经济因素模型-APT方程.gif
      4. 基础因素模型的结构
         1. 60.基础因素模型的结构-标准化的β.gif
      5. 当前实践中的多因素模型
         1. Chen et al. 因素
            1. 通胀
            2. 包括未预期的通胀和△预期通胀
            3. 利率期限结构相关的因素
            4. 长期国债收益率-单月T-bill收益率
            5. 反映市场风险与投资者风险厌恶的因素
            6. 高利率债券-低利率债券
            7. 行业产值
         2. 基础因素模型
            1. 公司基础因素
            2. 公司股份相关的因素
            3. 宏观经济因素
      6. 应用
         1. 分析收益的来源
            1. Active return = R(p) - R(B)
            2. 60.多因素模型-主动收益率.gif
         2. 分析风险的来源
            1. Active risk squared
            2. Active risk squared=s²(R(p)-R(B))；
            3. Active risk squared=Active factor risk+Active specific risk
            4. Active factor risk
            5. (组合的因素敏感度-同一系列因素下基准的敏感度)；
            6. Active specific risk
            7. (组合的单个资产的权重-基准的单个资产的权重)；
            8. 60.多因素模型-Active Specific Risk.gif
            9. FMCAR(j) 因素对积极风险的 平方的边际贡献
            10. 60.多因素模型-FMCAR(j).gif
            11. tracking error(TE)
            12. TE=s(R(p)-R(B))
            13. Information Ratio(IR) 意义：单位active risk的 平均active return
            14. 60.多因素模型-信息比率IR.gif
            15. tracking-error volatility(TEV)
            16. tracking risk(TR)
         3. Factor Portfolios
         4. 创造一个跟踪组合
      7. 结论
2. 55.主动的组合管理理论
   1. LOS
      1. 判断：主动组合管理， 当证券市场接近有效时
         1. 最终目标：Equilibrium
         2. 原因：
            1. Economic Theoritical:
            2. 使MV(A)→FV；
            3. Empirical:
            4. 一些基金经理能有超常表现。
            5. 即使市场有效：
            6. 寻求Sharp比率最大化的E(R) & VAR最优风险资产组合；
            7. RFR→最优风险资产组合。
            8. 即使市场有效：
            9. risk-averse程度不同，配置不同。
         3. 需要：
            1. Develop capital market forecasts:
            2. E(R),VAR,COV:Stocks/bonds,real estate,international stocks/bonds;
            3. 形成最优风险组合 max(reward/risk)
            4. Allocate funds across the major risky asset classes;
            5. 满足投资者风险 厌恶程度的要求：
            6. Allocate funds between RF asset and optimal risky portfolio;
            7. Rebalance the portfolio as change in:
            8. Capital market forecasts;
            9. Investor's risk aversion.
      2. 描述：Treynor-Black 模型的步骤与方法， 对证券选择
         1. 简介
            1. 模型的要素
            2. 主动投资管理的证券分析能深入分析，仅有限的股票；
            3. 为了有效分散化，市场指数组合是基准组合，它被认为是被动组合；
            4. 投资管理公司提供的宏观预测，预测被动(市场指数)组合的，预期收益率和VAR；
            5. 证券分析的目标，是形成必需的有限数量证券的主动组合。被认为错误定价的经分析的证券，是主动组合的组成的指导；
            6. 宏观经济预测被动指数组合，主动组合的组成预测，被用于确定最优风险组合，该最优组合，是被动和组东组合的一部分；
            7. 模型不用行业波动的原因
            8. 就像不完美的市场短线操作能力有很大的价值，分类T&B提出的证券分析有类似的潜在值。
            9. T-B模型概念上容易建立；
            10. 模型适用于分散化的组织。
            11. 主动、被动管理; 最优风险&无风险 资产配置
            12. 63.Treynor-Black建模 主动、被动管理的最优组合.gif
            13. 63.Treynor-Black建模 最优风险&无风险资产配置.gif
         2. Treynor-Black 计算
            1. 每只股票:α; Expected Excess Returns(Rpre); δ²(ε):
            2. 63.α(i),EER(Ri),δ2(εi).gif
            3. α<0:short sell securities,卖空证券；
            4. n↗：→效果↗，误差↘；
            5. Active Portfolio：
            6. 63.Active Portfolio-α(A.P),β(A.P),δ2(A.P).gif
            7. 63.Active Portfolio-w(OptimalRisky)&w(Index).gif
            8. 63.Treynor-Black建模 R(i)-R(F).gif
            9. Optimal Risky Portfolio:
            10. 63.T-B建模 组合A的E(R).gif
            11. w(A)∈w(Risk Portfolio)
            12. Active Portfolio w(A):
            13. w(A)=(A)²=α²(A.P)/δ²(ε(A.P))
            14. A=α/δ(ε)
            15. 55.InformationRatio.gif
            16. δ²(ε):Standard Deviation(%);
            17. Optimal Risk Portfolio w(Risk Portfolio)=SR²:
            18. SR²=SR²(M)+A²
            19. SR(M) ↔SR(E.Index)
            20. =[E(R(M))-Rf]/δ(ε(M)); E(R(M)):E(R(Passive Equity Portfolio))%
            21. 63. Sharpe比率.gif
            22. Modigliani-squared M²：
            23. 63.构建portfolio-M2.gif
      3. 解释：分析师预测α的 准确性怎样计算，预测 的估计怎样与 Treynor-Black法相一致
         1. 用R²来校正α,步骤：
            1. 收集时间序列α预测
            2. 63.T-B行业建模 已实现的α.gif
            3. 计算相关系数ρ：预测的αvs已实现的α
            4. 55.InformationRatio.gif
            5. ρ²→R²
            6. 调整预测的α：α*R²
         2. 63.T-B行业建模 被解释的方差的比率.gif
         3. 63.T-B行业建模 已实现α的预测的方差.gif
         4. 63.T-B行业建模 估计已实现的α预测的回归.gif
      4. 教材
         1. 主动管理的诱惑
            1. 63.投资在风险市场组合的比例y.gif
   2. 主动组合管理的目标
      1. 63. Sharpe比率.gif
      2. Capital Allocation Line(CAL)
   3. Market Timing
      1. Valuing Market Timing as an Option
      2. The Value of Imperfect Forecasting
         1. 牛市预测成功率P1
         2. 熊市预测成功率P2
         3. 把握市场时机的能力
            1. P1+P2-1
         4. 不完美的预测能力
            1. =(P1+P2-1)*C；
            2. C：the (call option)value of a perfect market timer.
   4. 选股：Treynor-Black模型
      1. 简介
         1. 模型的要素
            1. 主动投资管理的证券分析能深入分析，仅有限的股票；
            2. 为了有效分散化，市场指数组合是基准组合，它被认为是被动组合；
            3. 投资管理公司提供的宏观预测，预测被动(市场指数)组合的，预期收益率和VAR；
            4. 证券分析的目标，是形成必需的有限数量证券的主动组合。被认为错误定价的经分析的证券，是主动组合的组成的指导；
            5. 宏观经济预测被动指数组合，主动组合的组成预测，被用于确定最优风险组合，该最优组合，是被动和组东组合的一部分；
         2. 模型不用行业波动的原因
            1. 就像不完美的市场短线操作能力有很大的价值，分类T&B提出的证券分析有类似的潜在值。
            2. T-B模型概念上容易建立；
            3. 模型适用于分散化的组织。
         3. 子主题 5
            1. 63.Treynor-Black建模 主动、被动管理的最优组合.gif
            2. 63.Treynor-Black建模 最优风险&无风险资产配置.gif
      2. 组合构建
         1. 开发资本市场预期(E(r(M),s(M))
            1. M：被动管理的市场指数组合；
            2. A：主动管理的市场指数组合；
         2. 判别有限的错误定价的证券
            1. 63.Treynor-Black建模 证券i的预期α(i).gif
            2. β(A)=COV(R(A),R(M))/δ²(M)
         3. 确定每个被错误定价证券的权重
            1. 63.Treynor-Black建模 R(i)-R(F).gif
            2. 63.Treynor-Black建模 证券i的权重w(i).gif
         4. 确定A,M的权重
            1. 63. Sharpe比率.gif
         5. 配置资金到组合P和无风险资产
            1. 投资于无风险资产的形式：
            2. Lend w% A to：
            3. 现金，银行存款；
      3. Treynor-Black 计算
         1. 每只股票的α
            1. 63.Treynor-Black建模 证券i的预期α(i).gif
         2. 确定每个被错误定价证券的权重
            1. 63.Treynor-Black建模 R(i)-R(F).gif
            2. 63.Treynor-Black建模 证券i的权重w(i).gif
         3. 组合A的α
            1. 63.Treynor-Black建模 组合A的预期α(A).gif
            2. 63.Treynor-Black建模 组合A的预期α(A)-2证券的权重、α.gif
         4. 组合的E(R(A))
            1. 63.T-B建模 组合A的E(R).gif
         5. 组合A的预测s
            1. 63.T-B建模 组合A的预测s.gif
         6. 组合A的COV(A,M)
            1. 63.T-B建模 组合A的COV(A,M).gif
   5. 多因素模型与主动组合管理
   6. α值不完美的预测与T-B行业建模的用法
      1. 用R²来校正α
         1. 收集时间序列α预测
            1. 63.T-B行业建模 已实现的α.gif
         2. 计算相关系数ρ：预测的αvs已实现的α
            1. 子主题 1
         3. ρ²→R²
         4. 调整预测的α：α*R²
      2. 63.T-B行业建模 估计已实现的α预测的回归.gif
      3. 63.T-B行业建模 已实现α的预测的方差.gif
      4. 63.T-B行业建模 被解释的方差的比率.gif
3. 58.剩余风险与回报：信息比率
   1. 定义："alpha" 和 "information ratio" in both their ex post and ex ante senses
      1. Active Return VS Risk
         1. 58.IR,Residual Risk.gif
      2. Information Ratio(IR) 意义：单位active risk的 平均active return
         1. 60.多因素模型-信息比率IR.gif
   2. 比较 the information ratio and the alpha's T-statistic
   3. 解释：主动管理的目标，就 value added 而言；
      1. 子主题 1
         1. 58.Value Added.gif
   4. 计算：剩余风险的最优水平，给定管理者的能力水平和投资者的风险厌恶程度；
      1. 子主题 1
         1. 58.最优ω.dib
         2. 58.Value Added.gif
      2. 特定的主动策略 与风险厌恶程度无关
         1. 58.特定active strategy与风险厌恶程度无关.gif
   5. 评判：为什么特定的主动策略与风险厌恶程度无关
4. 59.主动管理的基本原则
   1. 定义："information coefficient" 和 "breadth"，描述他们怎样参与决定信息比率；
      1. information coefficient
         1. 管理者预测准确性的度量；
      2. Breadth(BR)
         1. BR=2(个预测/月)*12(个月/年)=24(个预测/年)；
      3. 信息比率IR
         1. IR=IC*BR^0.5；
      4. Additivity Principle
         1. IR(F)²=IR(Fi)²+IR(EQ)²=IC(FI)²*BR(FI)+IC(EQ)²*BR(EQ); IR(F)： 公司的信息比率； IC(FI),BR(FI)：固定收益分析师(Fixed income analyst)的IC,BR； IC(EQ),BR(EQ)：权益分析师(Equity analyst)的IC,BR。
         2. 假设：an optimal implementation of alphas across both the asset classes.
   2. 描述怎样变化：一个投资策略的：剩余风险的最优水平,&增加值VA，←信息效率IC和宽度BR
      1. VA*:
         1. VA*=IR²/4λ=IC²*BR/4λ；
   3. 对比：market timing 和 security selection，就 宽度breadth 和 需要的投资技能；
      1. IC:
         1. IC=2(Nc/N)-1; N：管理者就市场方向做的N次下注； Nc：下对的注；
   4. 描述：信息比例怎样变化，当初始投资策略被讨论，和其他策略或信息来源
      1. 假设
         1. 依赖：信息效率为IC的信息源；
         2. 附加：第二信息源；
         3. 测量信息宽度BR时，基础信息源不相关；
      2. 复合信息系数IC(COM)
         1. IC(COM)=IC*[2/(1+r)]^0.5； IC：初始信息系数； r：2个信息源的相关系数。
   5. 描述：主动管理的基本原则的假设
      1. 管理者：
         1. 知道：自己懂什么，不懂什么，投资恰当；
      2. 信息源：
         1. 相互独立，→每个对赌都基于新信息；
      3. 信息系数：
         1. 在每个对赌中相同，→做预测用到的技能是相同的；否则： 我们能把bets归类到"skill buckets"，&用 additivity principle。
5. 56.投资组合管理过 程和投资政策报告
   1. LOS
      1. 解释：投资组合观点的重要性
      2. 描述：组合管理过程的步骤，步骤的组成
      3. 解释：投资政策说明书IPS的角色，在组合管理过程中，描述其元素
      4. 解释：资本市场预期和IPS， 投资者的投资期限，怎样 影响资产配置策略的决定
         1. Strategic Asset Allocation
            1. Passive *
            2. 子主题 1
            3. Active *
            4. Semi-active, risk-controlled active, enhanced index strategies
      5. 比较：投资期限的类型， 为特定投资者确定投资期限， 评估其对组合选择的影响
         1. 目标
            1. 风险
            2. 风险,对个体:
            3. Required spending needs;
            4. Long-term wealth target;
            5. Financial strength;
            6. Liabilities;
            7. 56.个人&机构投资者的投资目标.GIF
            8. 回报率
         2. 约束条件
            1. 流动性
            2. 期限↗→take on risk↗
            3. 税收考虑
            4. Legal& Regulatory 因素
            5. 独特环境
      6. 证明：道德行为，作为蛮力投资组合的要求，的合理性
      7. 定义：投资目标与约束条件，解释&区分其类型
      8. 教材
         1. 介绍
         2. 54.组合计划&构建
            1. 编写投资政策说明书的原因
            2. IPS的主要组成
            3. 风险&回报目标
            4. 意愿VS能力
            5. 1.能力ability
            6. 个人财富背景
            7. 2.意愿willing/好恶desire
            8. 观点、信念desire;
            9. his present INV portfolio;
            10. 投资限制
            11. 流动性
            12. 投资期限
            13. 税金负担
            14. income tax & capital gains tax
            15. 法律
            16. 个人特殊情况
            17. 资产分类
            18. 投资组合的构建
   2. 投资管理
   3. 投资组合的角度
   4. 组合管理的过程
   5. 组合管理过程逻辑
      1. 计划步骤
         1. 判别投资者的目标与约束
            1. 投资限制
            2. 流动性
            3. 投资期限
            4. 税金负担
            5. 法律
            6. 个人特殊情况
         2. 创建IPS
         3. 形成资本市场预期
         4. 创建战略资本配置
      2. 执行步骤
      3. 反馈步骤
      4. 组合管理的定义
   6. 投资目标与合约
      1. 目标
         1. 风险
         2. 回报率
      2. 约束条件
         1. 流动性
         2. 期限
         3. 税收考虑
         4. 拉鬼因素
         5. 独特环境
   7. 过程的动态
   8. 组合管理的未来
   9. 组合管理的道德责任