論文投資學 Quantified Dialogues

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文和我們一起踏入投資的專業世界論文大綱:這些文本探討了長期資本管理公司 (LTCM) 的失敗及其對風險管理的影響。文章討論了 LTCM 如何錯誤地估計其風險，特別是透過其對「風險價值」(VaR) 模型的使用，該模型未能充分捕捉市場波動性和流動性緊縮。LTCM 的策略，例如其趨同套利交易和高槓桿操作，使其極易受到市場衝擊。內文討論:1. LTCM 的成立、策略與初期成功2. LTCM 的災難性失敗3. LTCM 失敗的關鍵原因分析4. 對風險價值 (Value-at-Risk, VaR) 模型及其限制的批判性分析5. LTCM 失敗對金融機構風險管理的教訓與影響資料來源: Jorion, Philippe. "Risk management lessons from long‐term capital management." European financial management 6.3 (2000): 277-300.Powered by Firstory Hosting

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文和我們一起踏入投資的專業世界論文大綱:該文本探討了1998年全球金融危機，特別強調了流動性溢價在危機期間的動態變化。它詳細闡述了長期資本管理公司 (LTCM) 的「近乎破產」事件，並指出金融模型在其中扮演的角色有限，主要問題在於LTCM從流動性提供者轉變為需求者。文章批判了靜態風險管理措施，如傳統的資產負債表和Value-at-Risk (VAR)，認為它們在極端市場壓力下無法準確捕捉風險。內文探討:一、 危機爆發的原因：二、 危機產生的影響：三、 對全球金融市場產生的結構性變化資料來源: Scholes, Myron S. "Crisis and risk management." American Economic Review 90.2 (2000): 17-21.Powered by Firstory Hosting

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文和我們一起踏入投資的專業世界論文大綱:此文章探討了人工智慧驅動的動態資產配置如何提升波動金融市場中的投資組合最佳化。文章中比較了多種機器學習模型（如深度強化學習、深度類神經網路和樹狀集成模型）與傳統方法，如Markowitz平均數-變異數和Black-Litterman模型。作者利用2007年至2022年的美國市場數據進行實證分析，顯示機器學習策略在夏普比率和最大回檔幅度方面均顯著優於傳統基準。特別是在2020年COVID-19市場崩盤期間，人工智慧模型展現了其適應市場劇烈變化的能力，有效降低了風險並保護了資本。內文討論:A. 機器學習到底是怎麼「學」會投資策略的？B. 為什麼傳統的資產配置方法不夠用，要改用 AI？C. 如果市場資料一直在變，那 AI 會不會學到過去沒用的東西？D. 機器學習的模型會不會因為「過度擬合」而在真實市場失敗？E. 在高波動的市場裡，AI 真的能比人類判斷得更好嗎？F. 這篇論文提到的「自適應資產配置」跟一般的動態配置差在哪裡？G. AI 做投資配置時，會不會因為黑箱問題，投資人根本不知道為什麼它要這樣配置？H. 如果 AI 模型需要很多資料，那新手投資人怎麼可能有這些數據？I. 投資報酬率真的能因為 AI 提升嗎？還是只是換一種複雜的方法？J. 如果 AI 模型突然做出錯誤判斷，投資人要怎麼知道什麼時候該停用它？資料來源: Olanrewaju, Ayobami Gabriel, et al. "AI-driven adaptive asset allocation: A machine learning approach to dynamic portfolio optimization in volatile financial markets." Int J Res Finance Manag 8.1 (2025): 320-32.Powered by Firstory Hosting

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文和我們一起踏入投資的專業世界論文大綱:這份NBER工作報告深入探討了動態資產配置在面對事件風險時的影響，其中事件風險指的是可能導致股價和波動性突然大幅變化的重大事件。文章利用了Duffie、Pan和Singleton (2000)的雙跳模型，此模型將股價和其回報的波動性視為跳躍擴散過程，並提供了最佳投資組合問題的解析解。研究發現，事件風險顯著改變了最佳投資策略，使投資者更不願意承擔槓桿或賣空頭寸，行為上像是其部分財富可能變得不流動。內文討論:A. 什麼是「事件風險」（event risk）？它和一般市場波動的差別在哪裡？B. 如果事件風險是不可預測的，那投資人要怎麼在配置上事先準備？C. 為什麼作者要用跳躍過程（jump process）來描述資產價格？這是不是代表市場會突然大跌？D. 如果事件風險發生時，我是不是只能被動承受損失？有沒有什麼保護的方法？E. 動態資產配置在事件風險下跟一般情況有什麼不同？F. 論文提到避險策略，那是不是要一直買保險或選擇權來防禦？G. 如果事件風險的機率很低，為什麼還要花心力去考慮它？H. 事件風險會不會讓長期投資策略失效？I. 勞動收入或其他穩定現金流在事件風險下有幫助嗎？J. 論文最後說最優策略取決於風險厭惡程度，那新手投資人怎麼知道自己適合哪一種？資料來源: Liu, Jun, Francis A. Longstaff, and Jun Pan. "Dynamic asset allocation with event risk." The Journal of Finance 58.1 (2003): 231-259.Powered by Firstory Hosting

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文和我們一起踏入投資的專業世界論文大綱:這篇文章深入探討了在存在通貨膨脹且僅有名目資產可供選擇的情況下，有限期投資者的動態資產配置問題。文章首先建立了一個分析框架，用於推導投資者在通膨環境下的最佳投資策略和間接效用，並給出了封閉形式的解決方案。作者接著校準了其模型，使用了美國國庫債券殖利率和消費者物價指數（CPI）的月度數據，以及年度數據。研究結果顯示，動態策略的效益和投資組合中的期限效應，高度取決於實際利率的均值回歸特性。內文討論:A. 論文裡提到通貨膨脹對資產配置有影響，那通膨會不會把所有投資回報都吃掉？B. 為什麼在模型裡要同時考慮「實質資產」和「金融資產」？這兩者的差別是什麼？C. 通膨會讓投資組合的風險變大嗎？還是只是回報的不確定性增加？D. 為什麼作者用了隨機過程來描述通膨？通膨不是政府數據可以直接預測的嗎？E. 如果利率和通膨是一起變動的，那我要怎麼知道什麼時候該調整投資？F. 論文裡有提到動態配置，那是不是代表我要一直頻繁調整我的投資組合？G. 為什麼效用函數可以衡量我對通膨風險的厭惡？這跟一般「怕風險」有什麼不一樣？H. 勞動收入在通膨下也要被考慮進資產配置，這是不是代表上班族在高通膨時期更難投資？I. 通膨對股票和債券的影響差在哪裡？是不是股票比較能抵抗通膨？J. 論文最後提到長期和短期的配置會不同，那我應該怎麼分辨自己是要採取長期還是短期策略？資料來源: Brennan, Michael J., and Yihong Xia. "Dynamic asset allocation under inflation." The journal of finance 57.3 (2002): 1201-1238.Powered by Firstory Hosting