投资证券的分层综合投资组合的制作方法
本申请要求于2014年1月23日提交的美国临时专利申请No.61/930,807的权益，其全部内容通过引用并入到本文中。本申请与于2014年3月17日提交的申请No.14/216,390和于2014年3月17日提交的申请No.14/216,936有关，这两个申请的全部内容通过引用并入到本文中。
技术领域
本发明总体上涉及使用用于构建投资证券的分层综合投资组合的逻辑数据模型的计算机化技术。
背景技术：
投资组合的管理已经成为重要的理论和研究的主题。投资组合理论考虑：应该怎样投资财富，以及针对给定量的投资组合风险怎样通过仔细地选择各种资产的比例来使投资组合的预期收益最大化，或者相当于针对给定水平的期望收益怎样通过仔细地选择各种资产的比例使风险最小化。尽管可以预期某一收益率，但是投资组合中的个体持股的评估可能向上偏离或向下偏离所预期的收益率。这种相对于期望值的向上或向下变动已知为方差(variance)或波动性。随着时间的过去，理论上证券应该具有针对预期的波动和收益的有效边界。根据理论，具有较高预期风险的证券将具有较高的预期收益。
标准普尔500是世界上最大的股票基准。数万亿美元根据该基准投资或根据以该基准为基准的资金投资。自从1999年末，广泛的市场指数例如标准普尔500已经经历了长期的广泛的股票指数的收益表现不佳。例如，在1999年末的根据标准普尔500的投资者10年后在2010年末降低了接近20％。直到2012年底为止，针对这些1999年末的投资者包括许多大的养老基金和捐赠基金，标准普尔500才具有正收益。在该相同时段期间，持有政府债务或公司债务的广泛基金已经具有正收益，在该时段期间公司债务比政府债务挣得多。这种溢价是由于公司债券与政府债券相比具有额外风险。这些市场具有其年度的上下波动，但是在合理的时间段，这些证券都具有正收益以及具有基于风险所预期的差异。针对股票指数例如标准普尔500不能进行这些主张，标准普尔500相对于持有公司债务或政府债务的较低风险指数在长时间段期间内在绝对基础上贬值以及实际上表现不佳。
标准普尔500像大部分广泛的市场指数一样是市值加权的。这意味着个体公司在指数中的权重与关于指数中的其他公司的市值成比例。标准普尔500没有被控制成确保：单个证券或具有共同风险的一组证券不变成投资组合的太大的一部分。也就是说，在广泛的市场指数中没有使用科学领域和工程过程中使用的下述控制类型，在所述控制类型中，总体控制用于限制总体的一部分可能对被测量的整个总体的影响。这些控制限制正反两方面的影响。在总体研究中，控制用于产生潜在总体的标准模型。因为对当前用于投资股票证券的基准不存在控制，则不确保：从1999年末至现在的这些历史收益是股票证券总体上的表示。所有已知的是，加权策略(在没有控制的情况下的市值加权)在较长的时间段已经造成了低于平均收益。
自1999年以来的主要指数的结果似乎与投资证券的定价的主要理论和有效市场的理论不一致。关于有效市场的大部分工作遵循马科维茨(Markowitz)和夏普(Sharpe)的开拓性工作，例如默顿(Merton)等其他人后来对该开拓性工作进行了值得注意的添加。其理论表明：以预期产生相对于其他投资证券的风险调整后的收益的等级来对个体证券进行定价，以及通过遵循某些规则，证券的投资组合在任意给定的时段或在几个时段期间具有较高的可能性获得该风险调整后的收益率。马科维茨和其他人提出的规则被设计成帮助投资者和管理者通过分析给定证券的各种可能的投资组合来选择最有效的投资组合设计。
通过选择没有精确地一起“移动”的证券，模型向投资者示出了怎样降低其风险。该领域的基本模型已知为均值-方差模型，因为该模型基于各种投资组合的预期收益(均值)和标准偏差(方差)。当开发原始的均值方差模型时，马科维茨假定：针对给定风险给出最大收益的投资组合或者针对给定收益给出最小风险的投资组合是有效投资组合。因此，使用下面的规则来选择投资组合：(a)从具有相同的收益的投资组合中，投资者将倾向于选择具有较低风险的投资组合，以及(b)从具有相同风险等级的投资组合中，投资者将倾向于选择具有较高收益率的投资组合。尽管个体证券在较长时段可能表现不佳，但是针对有效投资组合构建开发的规则被设计成降低关于证券的投资组合表现不佳的可能性。
对于现代投资组合和发展了有效市场假设的理论投资组合之间的不一致的一个解释是：现代投资组合比理论示例具有更大的规模和复杂性。理论模型倾向于使用个体证券以及在由单位数和低的两位数的一些证券组成的投资组合内描述多样化。在由1974年的雇员退休收入保障法案(ERISA)创建的个人退休账户(IRA)，以及在1976年引入的第一指数基金之后，从20世纪80年代开始在20世纪90年代扩展的共同基金繁荣之前，发表了许多基础文章。马科维茨在金融期刊上公开的关于投资组合选择的文章写于1952年。根据由纽约证券交易所(NYSE)在1952年进行的第一股东调查，仅6.5百万美国人拥有普通股票(大约4.2％的美国人口)。早在由ERISA、全球化与现代技术创建共同基金繁荣以前，以及早在投资者开始认识到管理这样大的基金的独特问题以前，夏普于1963年撰写了文章“ASimplified Model for Portfolio Analysis”，以及于1970年撰写了他的书“Portfolio Theory and Capital Markets”。
现代投资组合管理数万亿美元，以及为了降低对非系统风险的暴露，投资组合要求具有多样的风险组的许多证券。在这种规模下，建立有效的投资组合是具有挑战性的。如今由普通的机构进行的投资的绝对规模已经呈指数地增长。此外，证券的潜在总体已经以多相性和复杂性的方式增长。在美国，共同基金的总投资在2012年是13万亿美元。美国公共证券按照公司数量不到总的全球证券的20％。此外，大部分美国公司主要依赖于全球经济。这种多样性和互联性每年都在增加。控制包含在公司的这种投资组合中的非系统性风险的需求每年也在增加。
这导致了几个问题：1)测试资本化模型的时间段太短并且应当给予更多的时间；2)风险和收益不一定关联的理论错误；3)市值加权证券投资组合的低效设计，以及需要具有与该模型形成对比的控制的其他示例。换言之，需要用于构建投资证券的投资组合的新的标准情况，以及通过将马科维茨和夏普的方法论和基本原理应用到现在的大规模基金的复杂性来解决现在的公司的复杂性和现在的基金的规模和多样化增加的情况。
当前的系统分类在建立这些大规模现代投资手段的潜在有效投资组合的新模型中造成了困难。这些系统与金融方面的基本文章类似，在出现大数字化数据库之前创建，以及按照该时代的数据库例如杜威十进制系统(Dewey Decimal System)和标准工业分类系统来建模。这些系统将分级的股票进行分类。每个分类是每个股票具有单个父类的固定层级；父类具有单个父类等。每个父类具有描述，但是不具有使得在一个父类下的股票与另一父类下的股票关联的具体内在属性的概念。在没有该描述的情况下，很难理解公司将暴露于哪些多变的风险，因此，难以理解在大的投资组合中的许多公司怎样共享类似的风险或相关的风险。分类的这些类型的困难在现在的公司复杂度和现在的基金的增加的规模和多样化下变得越来越明显。尽管事实是市值加权策略的最大风险中的一个是缺乏针对单个风险暴露、泡沫价格或大量的非系统性价格校正的控制，但是当前存在有限的工具来系统地解决这些问题。因此，需要由能够提供这些工具的当前数据处理支持的并且能够建立多个不同的投资组合以测试每个投资组合的效率和测试标准情况的多元分类系统。
波动性
定价的波动性在每次价格波动时持续发生。波动性是投资组合绩效的重要因素，以及这些价格波动对投资组合增长创造了阻碍。例如，每天的波动性已经示出伤害了杠杆式交易所交易基金(ETF)的收益。(参见TonyCopper，Alpha Generation and Risk Smoothing Using Managed Volatility(2010))。
在努力降低波动性对投资组合的影响时，已经提出了各种加权方案。例如，在美国专利No.8,306,892中描述的一个方法通过基于市值、国内生产总值以及地理区域而计算权重来操作。在美国专利No.8,131,620中描述的另一示例中，基于市值和正的股息收益来对证券的投资组合进行加权。存在许多其他的投资组合加权方案。这些加权方案中没有一个完全实现了马科维茨模型，特别地，标准化风险/收益是要求将证券的数量与特别证券之间的关联程度相匹配的统计过程。
一些示例例如在美国专利No.8,005,740中描述的示例使用北美工业分类系统(NAICS)部分用于加权。基于NAICS或全球工业分类标准(GICS)的加权方案通过其在固定层级的位置来关联公司。存在固定的NAICS和GICS层级的两种主要的限制：1)在没有共同父类的情况下任何条目是不相关的并且不能比较；2)仅在相同父类中的任何条目能按照GICS或NAICS用于限定组的度量标准来进行比较(组的名称指示将其分离的度量标准，例如“消费者”vs“商业广告”可以与客户群有关)。
在没有控制的情况下，证券的随机组从一个时间段至另一时间段可以具有显著估值上下摆动的时段。这些价值的较大摆动可能不是由变量例如计量属性或如“增长”或“价值”股票的指定引起的。反之，这些价值的较大的摆动可能是由包括该组的单个公司的特定固有属性引起的。估值摆动可能由下述引起：例如，公司长期依赖特定商品，当该商品突然失去其价值时；对于公司或工业的产品在需求前景方面存在过度繁荣以及产品不满足需求；公司具有长期的固定成本合同以及其产品竞争者可达到的实际成本改变；或者公司在产品混合方面具有权重过高的某些资产以及产品种类失去其价值；或其他原因。
对于随机泡沫存在许多原因。在一些情况下，随机泡沫是广泛的市场(也称为系统)泡沫；在其他情况下，随机泡沫被限制到构成组(例如资产类或工业)。存在表面看是系统的(因为其制造了很多，例如因特网泡沫)但是是非系统的某些事件。不论哪种情况，对投资者的收益的影响可能是非常负面的。
随机漫步理论表示不能解决波动性和基于股票的投资证券的收益的明显随机性。随机漫步理论认为：基于股票的投资证券的大部分随机选择将与基于股票的证券的主动式管理选择做得一样好。随机漫步理论是指数基金的根本原因，并且是对学术界的被动型指数基金的广泛支持。随机漫步理论“采取其逻辑极端…即蒙着眼睛的猴子朝上市股票扔飞镖时可能选择将与由专家选择的投资组合表现一样好的投资组合。(B.Malkiel,A Random Walk Down Wall Street,第10版，2012)
许多不同的加权策略已经被提出以处理这种基于股票的投资证券的随机波动性的问题。这些指数与债务股票指数相比表现不佳，由此突出了这些被动型指数不断地受相同的随机假设困扰。
历史上，医疗保健也受相同的随机问题困扰。在医疗保健中，该假设被设计为随机病人转到具有相同概率接收随机回应的随机医生。在现代医疗与现代统计控制组之前，许多人认为随机回应的概率是非常高的。医疗保健产业通过创造详细的病人个人档案和使用来自这些个人档案的信息开发的统计方法论来缓慢地解决该问题以控制给定总体的潜在特征。该工作随着每个疾病区域和政府机构研究并且理解一系列自然偏差而递增地发生，直到进化出发达的领域特定架构。
本文中描述的系统和方法可以通过控制影响投资证券的风险和收益的总体随机性的特定类型的随机事件来在投资管理中使用。投资证券的随机运动对收益造成了阻碍，尤其由事件例如破产或非系统性泡沫的破裂引起的较大的向下运动。在这些情况下，不预期投资证券将会反弹到之前存在的水平。在这些情况下，因为市场突然识别到受影响证券定价过高，则该证券被重新定价。
非系统性泡沫和破产与非系统性因素(例如与特定投资证券关联的资产、公司或产业的潜在固有属性)关联。证券的较大投资组合的风险管理的主要问题是不能控制这些类型的事件的发生。如果投资组合疏忽地在具有共同泡沫或破产风险的证券或证券组上权重过高，则收益极大地受投资组合中的相对少量的证券影响。在一些情况下，在特定非系统性变量方面的权重过高已经对投资组合产生了类似系统性的影响。这明显地是因特网泡沫的情况。在日历年度2000年，市值加权的标准普尔500下降了9.09％。这是标准普尔500历史上最差的一年。在那年，有16只股票下降了49.8％，同时其余的市场上升了4.28％。对于投资者不幸的是，这16个公司都是移动信息、存储信息或处理信息的行业，是总的投资组合的24.8％。
之前的提高投资组合收益的努力出现了至少两个问题：1)许多次优组，以及2)不能控制组之间或每一组内的变化或关联来确保每一组以可预测的特定组的方式来操作。现有的证券的大规模的多样投资组合对其构成组缺乏控制，以及市值加权或甚至加权都没有解决总体控制的问题。
规模的问题
针对多个原因，上述问题在大规模的证券投资组合中是特别严重的。在没有可靠和有效的系统属性以及使用分层综合分级的分层系统的情况下，特别难以控制与证券关联的不同属性。以下提出了为什么难以规模管理的各种示例原因。
(a)所有权的宪章限制：对于许多基金和基金管理者，对其可以拥有的公司的比例具有限制。例如以5％持股，存在13-D文件和监督。许多基金将不会或者不能跨过这个门槛。
(b)所有权的流动性限制：基金拥有的个体证券越多，基金越难以根据股票的流动性进行出售。此外，因为规模，许多基金对所有权具有绝对美元限制或美元等价物限制。如果基金具有50十亿美元来投资，则1百万美元投资可能被认为太少了。
(c)较大的基金需要大量的证券来填充投资组合：由于上述识别的因素以及其他实际问题，较大的基金由于流动性问题和所有权问题需要投资大量的公司。遍及经济系统，存在许多联结，以及公司的数量越多，越难以跟踪和监督来自这些联系的潜在联结和风险。这些联结的主要部分是由于与公司的供应商、产品、产业、业务、地理位置等关联的非系统属性引起。对于具有大量证券的投资组合来说，非常易于变得过于集中在非系统性风险分类上。在没有用于控制这些不同属性的可靠和有效的属性系统以及分层综合分级的情况下，理解不同的潜在风险组和控制不同的潜在风险组是困难的。
(d)投资者不挑选全部合格的公司来投资的事实在于：由于上述识别的因素以及许多更多的实际问题，较大的基金需要投资较大的公司。在该组中可利用的公司随着时间而改变。此外，随着时间流逝，这些证券取决于在任意给定时间点处什么公司存在于哪一分类而具有可变的权重以及不同地聚集。除了随着时间改变之外，该产业、部门或公司选择也随着地理位置而改变。实际上，相比于驱动产品的潜在货币，部门差异可能是在地理位置之间的价格变动的更大的原因。例如，在技术股票方面，美国投资组合比欧洲和拉丁美洲投资组合更重要。欧洲和拉丁美洲在商品和原材料方面相对较重要。如果基金经理的目标是货币差异，则控制这些部门变化是重要的。首先，应理解在任意给定时间点和任意特定地理位置或分类中存在不同的潜在风险组，然后，用当前已知的技术不能够控制这些不同的潜在风险。
(e)属性风险是多维的，因为属性风险是集中的风险：单个或多个属性有助于区分个体公司的风险。例如，对处于半导体行业的公司进行识别是可区分的风险。此外，由于半导体的种类是所需要的原材料和客户的特性，则半导体的种类(例如，存储、处理、连接)是重要的。这些变化然而重要的因素经常被聚集在大规模基金的一个分类中。当前系统的现有分类倾向于基于全球进行标准化并且不能在这些因素之间进行区分。对于现有的大规模投资组合来说，不能表示联结的多属性风险是明显的限制。
如果不更好地控制投资组合和尤其是大规模投资组合，则非系统性事件可能出现具有系统性影响。以下提供了非系统性事件的示例。已知和现有的系统没有解决针对证券的大规模投资组合的组分的随机波动的系统性影响的潜在统计学原因。然而，在改进的控制的情况下，可以限制非系统性事件的影响。
技术实现要素：
可以通过下述方式形成分层综合投资组合：选择一组投资证券；根据与一个或更多个识别的投资证券风险关联的属性将证券分层到部分中；以及基于部分的分层位置将相应的投资组合权重分配给部分。属性可以选自可能的值的全域。可以在任何任意点或分层位置包括个体投资证券、成组的任意选择的投资证券或任意的分层位置施加另外的正偏差和负偏差。
与投资证券关联的特定属性可以用于通过将特定权重分配给风险组来对投资证券进行分层和对投资证券在投资组合中的持股进行加权，在风险组中，持有潜在的证券以满足总体的投资证券的任何风险目标。例如，对风险组进行分层的目标中的一个可以是减少属性特定的波动性阻力对作为整体的投资组合的影响。
多属性风险综合可以通过下述方式提供工具来管理风险：通过设计所述综合来利用管理者期望发生的事件减少来自这些属性的潜在风险或使来自这些属性的潜在风险最小化，和/或增加来自这些类型的风险的潜在收益或使来自这些类型的风险的潜在收益最大化。
在一些实施方式中，可以通过基于投资证券的固有属性来给具有风险属性的证券贴标签和应用限制对个体属性的暴露的加权方案来创建分层综合投资组合。该处理的结果是下述加权的投资组合：跨多个风险属性分类对风险进行分层，以及根据组内的属性种类来对个体组和子组中的风险进行分层，以获得可以由目标得分表示的期望的风险分布。
附图说明
图1示出了用于创建分层综合投资组合和对投资证券进行加权的示例方法。
图2示出了用于创建分层综合投资组合和对投资证券进行加权的示例方法。
图3示出了具有三个等级的示例分层。
图4示出了与示例三个等级的分层一致的示例数据集。
图5示出了用于创建分层综合投资组合和对投资证券进行加权的示例方法。
图6示出了用于计算分层综合投资组合的权重的示例方法。
图7示出了用于创建具有目标得分的分层综合投资组合的示例方法。
图8A至图8B示出了表示为限定层级语句或条码的示例语法。
图9图示地示出了语法元素之间的示例关系。
图10示出了用于分层综合投资组合加权的示例计算机化系统。
具体实施方式
风险介绍
证券是代表在公开交易公司中的所有权位置(股票)、与政府部门或公司的债权人关系(债券)、或由期权代表的所有权的权利的金融工具。证券是代表金融价值的类型的可互换、可协商的金融工具。发行证券的公司或实体已知为发行商。证券的价格基于其在所有权的时间期间的预期收益。进而，预期收益是基于与证券关联的潜在实体的预期质量和绩效。
用增值预期或收益预期或潜在风险预期或这些收益的方差来进行投资性产业的投资。投资证券具有两个主要的绩效指标：在特定时间段的收益率和获得预期收益率的概率或风险。这两个指标是关联的：预期风险越高，则预期收益越高。换句话说，更高等级的风险应该由更高等级的收益来补偿。收益的概率与针对给定投资证券的预期的结果的方差关联。针对投资性产业要求的实际收益可能受包括下述的许多因素约束：市场条件、给定的投资资本的提供或预期的通货膨胀或通货紧缩。然而，针对给定时间的给定市场，关于投资证券的相关的收益率将包括与下述有关的风险：投资证券的种类有关的风险和与投资性产业关联的潜在产业或属性。
证券根据其收益特性和预期而改变。每种证券代表在特定公司的特定的所有权位置。每种类型例如债券、股票工具或衍生物具有其自身的特定所有权和投资特性。来自证券的预期收益是基于证券的类型和其特性，以及与由证券代表的所有权有关的关联实体的潜在绩效。对于任何证券，预期收益和实际收益可以是实质上不同的。预期收益与实际收益之间的差异是证券的风险。
投资证券中存在两种主要类型的风险。第一种类型，系统性风险或市场风险，指的是影响总效果例如广泛的市场收益、整体经济系统资源持有或总收入等的事件。在许多环境下，例如地震和主要的天气灾害等事件造成总体风险，因为这些事件不仅影响资源的分布而且影响资源的总量。第二种类型，非系统性风险(也已知为特殊风险或商业风险)，指的是与证券关联的实体由于任意数量的因素在财富方面经历改变或甚至失败的风险。系统性风险与总体投资领域的总的风险有关。非系统性风险与证券具有所有权位置的实体的实体特定风险有关。
投资证券的预期收益率(和波动性)取决于包括市场力量和依赖于特定投资证券和其潜在的特性的力量的因素。前者的力量是系统性的以及影响广义类的证券。后者是具体和特定于依赖每个特定投资证券的特定属性的每个特定投资证券。依赖于后者的投资证券收益的变动依赖于特定证券的特定属性。
非系统性风险
非系统性风险或商业风险特定于与证券关联的特定实体的质量和属性。特定商业的财富改变或甚至破产与商业自身的固有属性有关。这些属性包括任意数量的因素，该因素包括商业、商业管理/员工、商业业务、商业产品、商业客户、商业客户的客户、供应的有效性、商业供应商的实力或商业的特定资质和债务。与这些事物中任一种有关或这些事物的任意组合有关的事件可能引起商业的财富改变，以及按照这样做，改变与实体关联的商业的预期收益。
除了个体公司之外，如果证券的投资组合过于暴露于或者过于集中在特定非系统性风险上，则该投资组合可能受这些非系统性风险影响。针对具有投资组合的一个主要原因是通过下述方式降低对非系统性风险的这种暴露：将投资组合分散在具有独特非系统性风险的许多投资上，使得非系统性风险不会实质地改变总的投资组合的财富或预期收益。这种策略对于能够将投资组合以相对较小量分散投资于相对少量的个体证券的个体投资者是相对容易的。然而，这种策略已经证明对于较大规模的投资者例如具有数十亿美元或数十亿美元等价物要投资的养老基金或捐赠基金是困难的。这些大规模的投资者必须在任意给定时间点在成百上千个证券上投资代表数十亿美元的价值。对于具有这种投资规模的投资者，使投资组合的非系统性风险因素的影响最小化已经证明非常困难，以及投资者倾向于在较大产业泡沫上权重过高，以及受反复的技术泡沫和在大的破产或较大降级类的金融工具(例如抵押贷款证券)上持续权重过高的负面影响。本文中公开的发明提供了一种对于投资组合管理者系统地控制不成比例并且负面地影响大规模投资组合的这些非系统性投资组合风险的方法。
属性
本文中描述的系统可以通过向与投资证券关联的公司分配一个或更多个属性来操作。本文中描述的方法可以在计算装置上实现以使用与公司关联的属性或与潜在的投资证券关联的投资证券有关的属性来对投资证券进行细分。这些属性可以用作与事件例如破产或泡沫关联的特定风险的标记。这些属性使投资组合管理者可以根据特定属性将投资组合进行分层或细分成组，其中，每一组代表与特定属性相关的风险。这些父类组的层级的子类具有组之间的特有风险以及与其父类共享的共有风险。
在对投资组合进行分层之后，权重可以被分配给分层的单元，以及可以执行对基于系统性的加权的重构计划。用这种方式，投资组合管理者可以理解和管理投资组合中的特定风险。此外，可以通过任意地针对分层的单元设置的权重来设计特定风险。在一些实施方式中，管理者可以使用权重以形成不同的组和子组的多个等级的层级来确定在过程的开始的预期风险，然后根据预期的风险结果来对组进行加权。
本文中描述的方法基于投资性产业特定的属性来计算针对下述投资证券的投资组合的权重，所述投资证券的投资组合具有与相同的投资证券的未控制的投资组合不同的特定性质。如以下更详细地描述的，本发明通过建立投资证券的投资组合，使用投资性产业特定的属性来减少个体投资性产业收益的随机性，所述投资证券的投资组合通过在受控的总体组的投资组合上以受控的方式对特定属性和其风险进行分层来降低特定投资性产业属性的风险的影响，总体组表示通过共有属性限定的组以及包括共享与组关联的属性的特定投资证券的组。
分层
为了控制非系统性风险，投资组合管理者必须控制存在于任何投资组合中的商业特定风险。这些风险可以是公司相关风险、产业相关风险、产品相关风险、客户相关风险或供应商相关风险，等等。投资组合变得越大，对于投资组合管理者越难以理解投资组合暴露于什么特定非系统性风险。本文中描述的风险组分层的方法减少了对作为整体的投资组合的属性特定波动性的负面影响。
本文中描述的系统可以用于创建对大量商业属性进行识别的标准化条码。所述系统可以将具有标准化属性的标准化条码分配给投资组合中的证券。基于这种条码的属性，投资组合中存在的特定非系统性风险暴露可以被识别和控制。当特定非系统性风险暴露被识别时，该方法可以用于通过限制投资组合暴露于这些风险来控制这些非系统性风险。
所述系统可以用于创建特定风险组的分层的层级，通过应用用于识别非系统性风险的计算的权重或用户提供的权重来跨这些经分层的风险组分配投资组合上的证券以及选择对经分层的风险组的预期的暴露。因此，分层可以用来系统地控制对非系统性风险的暴露。然后，可以通过创建再平衡规则来随着时间管理这些暴露，所述再平衡规则在适当的周期计划表上重设投资组合对这些识别的非系统性风险的暴露。用这种方式，可以系统地确定和管理大规模证券投资组合对大量非系统性风险的暴露。
具有共有固有属性或一组属性的商业与和该属性或该组属性关联的事件相关。相关性的指标将随着特定商业的属性的重要等级而改变。例如，如果所有网络设备公司共享相同的客户，则主要客户(如北电网络、巨人网络公司)的损失将影响所有公司。然而，相比于北电网络不到公司商业的5％的情形，北电网络是该公司的仅有的客户的情形的影响更大。用这种方式，由属性限定的风险组中的成组公司向投资组合管理者提供对与和事件有关的特定属性相关的组中的证券进行分组的方法。此外，大部分属性进而是较大属性组的一部分。共享北电网络的所有公司都是网络设备组的一部分，网络设备组进而是通信设备组的一部分，通信设备组进而是较大的数字技术组的一部分。用这种方式，使用特定属性使投资组合管理者通过宽分类和窄分类以及这些分类对个体证券的重要性来对证券进行分组。
分层的处理可以包括：将总体划分成独立的子集(称为层)，在所述独立的子集内可以放置特定总体的独立样本。分层是统计学中的重要工具，在统计学中，为了创建特定总体的样本集，将总体划分成部分或子集(已知为层)，在特定总体中，被选择的样本的分配的比例来自每个层。通过创建被分配了限定比例的限定子集，统计学能够对总体结果创建有意义的控制。
分层总体的结果被称为控制组，因为子集的组分和权重被限定并且可以被测试。在任何总体中，倾向于存在总体的子集具有与作为整体的总体不同的特征的随机变动。这些异常的子总体的影响可以通过将总体分组成预期不同地表现的子总体然后确保在研究作为整体的总体时使用每个子总体中的一些来减轻。作为示例，如果在研究工人的产量，可以发现工人在星期一早上比这周的其他时间效率低。然而，如果对一年中工作的20天进行随机采样，则可能随机地接收异常地偏向星期一的样本集。因数据集偏向工作低效的一个时段，因此这不是工作的代表。为了努力消除这种偏差，可以将总体集合跨针对一周的每一天的一个子集组成的五个子集进行分层。当进行随机采样时，将给每个子集分配等量的工作日，使得由均具有等量的示例天的五个子集组成整个样本。用这种方式，分层可以限制样本集的偏差，并且增加了代表结果的概率。
分层方法学在上面引用的实例中是普遍的。分层提供下述控制，所述控制可以：1)确保作为整个总体的代表的无偏差的样本集；或者2)确保特定偏差来创建期望的但是不是必须的潜在总体的代表的结果。前者的示例是临床试验或社会科学中的试验。在这些情况下，试验者试图形成可以改变假设以调查假设怎样影响受控总体的代表样本集。后者的示例是风险管理，在风险管理中，不同的总体子集是不相关的并且具有高度相异存在或波动。在这种情况下，分层可能想要将样本集偏向特定子类例如具有相对较高波动或较低波动的子集。在两种情况下，分层使得统计者能够基于实现的分层模型的类型来建立具有可预测结果的样本集。在经分层的采样中，基于成员的共享属性或特征来形成层。这些属性可以基于总体的相关量的度量标准，例如总体的规模、速度或寿命。此外，属性可以基于物理可识别属性例如头发的颜色、皮肤的颜色或眼睛的颜色、惯用右手或惯用左手。
在投资证券的环境下，投资证券的值可以直接或间接与下述相关：1)资产的类型或与证券直接或间接关联的操作的类型，和/或2)与资产关联的特定属性或与证券直接或间接关联的操作。
综合投资组合的总预期收益可以根据每个个体投资证券的预期收益和其在综合投资组合中的权重来确定。综合投资组合的总波动性可以根据个体投资证券的波动性和权重和这些个体投资证券彼此的成对相关性来确定。因此，可以控制总体的波动性，以及可以通过将投资组合分层成具有相对较高的组内相关性和相对较低的组间相关性的组来降低总体波动性。通过将投资证券划分成相关聚类，即基于与风险对应的共享和不共享的属性形成的组，可以控制波动性。
限定
投资证券：如本文中使用的，投资证券被限定为可以代表下述中任一种或所有的金融工具：公司(股票)或资产集合中的所有权位置；与公司的债权人关系；通过发行商的资产直接或间接确立的个体或政府机构(债券)；或由期权或其他衍生工具代表的权利或所有权。投资证券可以是代表与实体关联的一种金融价值的可互换、可协商的金融工具。投资证券的价值可以基于证券的类型、与发行商的关系类型以及与证券直接或间接关联的资产类型和债务类型。
属性：由投资证券代表的实体可以与属性关联。系统可以识别与实体关联的多种属性。作为非排除性示例，系统可以对下述属性种类进行操作：(1)与全域有关，或(b)固有的。与全域有关的属性可以是例如评分系统，指定为高/低量的证券或增长/价值证券。系统可以被配置成识别多种类型的固有属性。作为非限制性示例，固有属性的类型可以是：语法结构的固有属性，上下文属性、计量属性以及基于市场的属性。一些固有属性还可以被认为是绝对的。计量属性示例可以是总债务以及基于市场的属性示例可以是市值。上下文属性的示例可以包括：(a)地理位置属性，(b)属于公司的资产的属性(例如，针对航运公司的“大集装箱”与“小集装箱”)，(c)与产品有关的属性(例如，“奢侈”与“不奢侈”服装物品)，(d)与客户有关的属性(例如，特定客户的列表)，以及(e)与供应商有关的属性(例如，特定供应商的列表)。系统可以识别不同类型的属性的任意组合。
多个属性的任意组合可以形成为综合属性。固有属性的任意组合可以被认为是综合固有属性，同时，相关属性的任意组合或固有属性和相关属性的任意组合一起可以形成为综合相关属性。综合属性可以被限定为新的单个属性。
在一些情况下，属性可以被限定为包括与关联于投资证券的实体有关的属性，以及相应地排除了投资证券自身的属性。对于那些实施方式，系统可以被配置成限定属性以特别地排除与下述有关的属性：投资证券的类型(例如股票、债务或衍生物)和投资证券的特征，例如偏好、到期日、持续时间或成交价。在那些配置中，因为锁所包括的属性与投资证券所关联的公司或资产相关，不是与投资证券自身相关，因此那些被排除的属性不被考虑为属性。
在一些实施方式中，固有属性可以被限定为排除计量属性和绩效属性。所包括的固有属性可以是投资证券关联的潜在实体或资产的重要性质、特征或固有特性。例如，固有属性可以限定：公司做什么，例如制造或运输；与公司的产品有关的属性，例如车辆、计算机、沙发以及车辆、计算机或沙发的类型；与公司的客户有关的属性，例如顾客或企业；与客户的客户有关的属性；与企业的地理位置有关的属性或与企业的个体业务有关的属性；与产品和公司用于提供其产品的材料有关的属性；与公司可以运营的多元产业或产业部分中的任一种有关的属性；与公司的商业结构有关的属性，例如整合的、非整合的、向前整合的、向后整合的或网络的；基于公司的管理、决策和策略的管理或策略，例如独特的风险；财务杠杆；与商业贸易的特定商业或国家关联的多元政府或宏观经济风险中任一种有关的属性；与由作为其贸易核心的商业所识别的计量风险或贸易风险关联的属性；或与依赖于由投资团体的特定商业或部门的分类关联的风险。在任意给定的时间点，这些属性因素中的任一种或与这些属性因素有关的产业事件可以影响与关联于具有这些属性的实体的投资证券关联的风险。尽管固有属性可以提供有关的订购或配售，但是固有属性不一定是字面排名的。
在一些实施方式中，与全域有关的属性可以被限定为包括基于下述中任一种的特性：等级评定系统；评分系统，该评分系统在某时间点比较实体的基于比率的计量或绩效特征或与投资证券关联的资产，然后对通过投资证券相关的得分进行评分的投资证券进行分组；或者通过任意类型的评分系统进行识别的任意系统，所述任意系统将基于相同的实体、产品或资产的评分在不同的时间给该相同的实体、产品或资产赋予不同的识别值；以及排名系统。在这些系统中，因为这些系统是基于在给定时间点的度量来对投资证券进行分组的时间点度量系统，则相同的实体或相同资产组可以在不同的时间点被分配不同的值。满足分类的证券依赖于在该时间点的公司或资产组的得分，不一定依赖于被评分的特定潜在商业或资产组。
分层综合单元：如在本文中使用的，分层综合单元被限定为用于投资证券的分层组织，包括：1)由一个或更多个属性限定的父类组，其中，父类组的所有成员共同具有用于限定父类组的属性；以及2)父类组的至少两个子组，子组可以被认为是父类组的子类和/或彼此的同胞类。子组的所有成员共同具有用于限定子组的属性。此外，子组的所有成员共同具有用于限定子组的父类组的属性。任何分层综合单元和分层综合单元中的子单元可以包括遵从其父类单元或子单元的规则的任意数量的其他子单元。在一些情况下，分层综合单元可以包括仅父类组和两个子单元。在其他情况下，分层综合单元可以包括与原始综合单元父类将支持的规模和多样性一样多的部分。
分层综合投资组合：如在本文中所使用的，分层综合投资组合被限定为包括至少两个分层综合单元，其中，综合单元中的父类的属性代表风险组，使得：1)父类风险组相对于其他父类风险组具有不同的风险分布；以及2)包括风险组中的投资证券的所有子单元被限定为分层综合单元。
尽管分层综合单元的父类组中可以存在其他限制条件，但是综合单元父类可以满足与成员共享特定共有属性或共有属性集合的条件。多个分层综合单元的父类群组可以包括：限定为创建综合单元的投资组合以便通过包括分层综合投资组合的综合单元解决限定的差别风险的分层综合投资组合。
语法结构属性
上述属性可以表示为限定分层综合单元的结构和分层综合投资组合的域特定语法。可以通过使用域特定语法和域特定语法位置来限定结构，包括对与关联于语法位置的域特定数据实体有关的属性进行识别。语法标签可以具有使语法位置彼此相关的关系属性。
如在本文中所使用的，语法可以被认为是一组规则。语法位置是基于该规则集合的有效位置。数据库中的符号可以用于标记数据实体。语法标签可以用于标记符号与规则之间的关联。语法标签基于语法建立的该规则集合来将由符号标记的数据实体与域中的其他数据实体进行关联。语法加标签的处理提供了用于关联域特定信息的手段。获得域中的信息以及利用与域中的信息有关的规则来对该信息加标签。语法标签可以是动态的。
用于分层综合单元的语法标签可以是用作标签的标记的表达式。这样的表达式可以遵守能够以BNF记法中的语法表达式或等价元记法表示的语法。包含具有可能值范围的元素的语法的任何表达式或子表达式可以分层次地组织，在这种情况下，表达式或子表达式描述包括多维空间内的区域或连续的子区域的维度。默认地，按照层级指定的语法元素按照层级内从顶部到底部的连续等级，根据表达式内的语法元素的位置从左至右来解释。
语法可以代表提供连续的专门化的层级坐标；专门化的程度随着层级的深度而增加。语法还可以按照多个等级提供逐步序列化；序列化的程度随着在连续的等级处的元素的数量的增加而增加。
此外，对于下述两者，按照连续的专门化等级和/或序列化程度，语法元素共享近似语法位置：
a)在层级中的语法元素的父类；以及
b)在相同域中按照相同的语法跨不同层级的类似位置中的语法元素的同胞类。
如果语法元素基于其层级专门化或序列位置而相对靠近其他元素，则语法元素可以被认为具有近似语法位置。这些关系允许比较跨语法位置的值。作为默认，按照层级指定的语法元素在给定的层级的等级内被按字母表顺序组织和/或按数字组织。
属性的语法标签通过将数据实体分配给共用语法标签集合中的元素来将数据实体与共享属性联系起来。语法标签根据数据实体的语法关联将数据实体与域中的其他数据实体进行关联。因此，语法标签内在地将共享语法标签的数据实体进行分组和/或聚集。在一些情况下，语法标签可以用于创建在以下更详细地讨论的针对投资组合的规范模型。
在图8A和图8B中示出了语法的示例表示。在图9中示出了语法的图形表示。
投资组合架构创建
构建证券的大规模投资组合因为许多原因是具有挑战性的。其在没有可靠和有效的属性系统以及使用分层综合层级来控制不同属性的分层系统的情况下是困难的。本文中描述的系统及方法能够独立地和一起地设计和管理基于大规模的风险暴露。
所设计的投资证券的综合是下述一组证券：根据用于构建综合的潜在证券的总体或潜在风险组来设计(或选择)成具有与未受控的组不同的风险/收益分布。
包括投资证券的分层综合投资组合可以基于类似种类的实体的动态组合来产生下述新单元，所述新单元包括被组合来创建新实体的组分中的每一组分的一部分，所述新实体具有与分别获得的潜在组分不同的特性。动态特性意为投资证券的特性随着时间变化和改变。投资综合可以被配置成占有该动态特性以创建随着时间流逝基本上维持投资综合的特性的可靠综合。
用于使用针对投资证券的域特定语法来建立分层综合投资组合的方法可以包括以下步骤：1)对具有共同风险属性的投资证券进行分组；2)将经分组的投资证券分层为下述子组：a)与不同风险关联，同时b)仍与其所属的组的风险特性关联。
在一个实施方式中，分层综合投资组合可以包括对多个投资证券和关联权重的标识。作为非限制性示例，可以使用根据图1中示出的示例方法的计算机化处理来执行标识和加权。如在图1中所示，该方法可以首先生成分层投资组合架构(1125)，然后生成投资证券和权重的结果列表(1150)。在初始步骤中，分层模块(1105)可以接收作为输入的投资证券属性(1120)和属性规则的层级(1122)，投资证券属性(1120)和属性规则的层级(1122)都可以存储在一个或更多个计算机化数据存储设备中。作为非限制性示例，投资证券属性可以选自以上限定中提供的那些示例。可以使用其他属性和其他属性类型。
如上所述，可以由针对投资组合架构的语法提供属性规则。语法规则可以限定属性与和关联于属性的投资证券之间的关系。
分层模型(1105)还可以包括选择子模块(1110)，用以接收作为输入的来自用户的对属性和/或规则的选择(1121)。在一些实施方式中，可以预定规则和/或规则的结构。例如，在图8A至图8B中示出了包括用于描述公司的规则的语法。在其他实施方式中，可以由用户编辑预先存在的规则集合，或可以由用户限定该规则结合。规则，如在图8A至图8B中示出的那些规则，限定语法元素之间的关系。然后，由用户选择的属性被应用到语法。在其他实施方式中，用户可以被提供有用于创建新规则(1121)的接口，然后，新规则(1121)被输入到分层模块(1105)。
在一些实施方式中，规则语句可以是针对实体或实体关联的投资证券基于其属性而返回真或假的、以“属性”“运算符”“值”形式的布尔语句。在一些实施方式中，规则可以是将一个或更多个规则语句进行组合(经由布尔运算符)的布尔表达式。在图9中的线示出了示例规则。
在一些实施方式中，规则的层级可以在下述约束下来限定为一组两个或更多个规则之间的关系，该关系对应用这些规则的顺序进行了限定：所述约束为，在层级的一个节点处不满足规则的任何实体或实体的投资证券将不会通过父类的子类中任一个的规则。分层子模块(1115)可以被配置成基于规则的层级(1122)、投资证券属性(1120)(在该阶段是可选的)、关于规则的创建和选择规则的输入(1121)、或投资证券的其他标识的列表(1131)来创建分层投资组合架构(1125)。然后，分层投资组合架构(1125)可以被电子地表示以及存储在计算机化数据存储设备上。
规则可以用作基于属性对实体和投资证券进行过滤的语句。层级可以用于对规则之间的关系进行限定，所述关系指定应用规则的顺序。从高等级排除的任何公司也将从较低等级组排除。可以通过改变限定父类或子类的属性中的一个(或更多个)而改变任何父类或子类的总体来配置本文中描述的多属性系统。
在图3和图4中示出了所得到的分层投资组合架构的示例图形和文本表示。图3示出了示例属性和其语法位置。图3中示出的基于属性的规则在图4中图示地呈现。图3中示出的规则描述了高层次等级，高层次等级包括：具有不动产的企业位置(1；1205)以及设备材料制造商(2；1210)的两个组。图3中的规则还描述了不动产开发商的企业位置(1.A；1215)、不动产运营商(1.B；1220)、REIT/不动产出租商(1.C；1225)、用于信息处理设备的材料制造商(2.A；1230)、用于非信息处理设备的材料的制造商(2.B；1235)。在分层架构的等级二处示出了这些企业位置。图4中的规则包括几个第三等级关系。第三等级限定了：用于在不动产开发商(1.A；1215)下的客户不动产开发商(1.A.i；1240)、工业不动产开发商(1.A.ii；1245)的关系；在不动产运营商(1.B；1220)下的北美不动产运营商(1.B.i；1250)、欧洲不动产运营商(1.B.i；1255)以及亚洲不动产运营商(1.B.i；1260)的关系；以及REIT/不动产出租商(1.C；1225)下的低杠杆REIT(1.C.i；1265)和杠杆的REIT(1.C.ii；1270)。在组(2.A；1230)和组(2.B；1235)下示出了另外的关系，但是没有在此进一步描述。
许多属性可以用于创建投资组合架构。投资组合架构可以包括嵌套的层级的组。作为非限制性示例，在一些实例中，可以通过引用在全域中的所有实体共有的属性来形成这些组，使得在每一等级处，全域的每个元素精确地在一个组中。在一些实施方式中，这些组可以被细分为任意数量的子类子组，以及对于原始父类组中的每个组数量不需要是相同的，以及这种细分处理可以进行任意次，每次以“由上向下”的方式向层级添加等级。在一些实施方式中，分层综合单元被用于建立较大的分层综合单元，以及以“由底向上”的方式创建层级。在一些实施方式中，可以使用“由上向下”和“由底向上”方式的组合。无论构成方法如何，产生的分层投资组合架构(1125)可以包括根据限定的属性规则分层地布置的属性集合的电子表示。
投资证券的加权
分层综合投资组合可以包括一个或更多个分层综合，一个或更多个分层综合通过相应地对分层综合的组分进行加权来维持限定的风险暴露。
可以用各种方式来调整本文中描述的分层，以使用户能够控制投资证券的整体，从而控制由与投资证券的总体关联的事件引起的结果。投资组合收益的偏差可以基于对下述中的任一种或所有进行的改变来创建：1)投资证券的总体的改变；2)对投资证券的总体进行分层(投资组合架构)的方式；以及，3)在分层层级内的任意位置处对分层单元进行加权的方式。
当已经确定了投资组合架构时，可以针对投资证券确定加权。作为非限制性示例，加权函数可以是下述任意函数：针对分层投资组合架构中的特定组，返回0与1之间的值，该值指示与分层投资组合架构中的该组的同胞有关的、关联于该组的权重。在一些实施方式中，在每个等级处的所有同胞的加权函数的和可以等于1。
在一些实施方式中，证券的权重仅是其在层级中的位置的函数。作为非限制性示例，权重可以被在给定的父类组的子类中的所有子类之间均匀地划分。也就是说，如果第一等级包含10个组，每个组将被给出10％的权重。如果这些组中的一个包含4个子组，则每个子组将可以被给出其父类组的25％的权重，所得到的权重为25％*10％＝2.5％；同时，如果不同的顶等级组具有5个子类组，每个子类组权重为20％*10％＝2％。可以针对每一等级重复该处理，最终产生每个底等级组的权重。类似的处理可以应用到每个底等级组内的证券，产生全域的每个证券的权重。
在一些实施方式中，可以通过计算机如下地执行加权算法：
在其他实施方式中，任何组的权重可以是该组的公司的属性的函数。作为非限制性示例，可以通过在全域中的证券共有的属性中的一个或更多个属性的函数来对组(使用任何属性来形成)进行加权。作为非限制性示例，可以在与组中的所有证券的总债务成比例的该组的父类组内对组进行加权。在一些实施方式中，函数取决于单个属性，在其他实施方式中，函数取决于多个属性。在一些实施方式中，相同的函数用于对架构中的每个组进行加权。在其他实施方式中，不同的函数可以用于对层级中的不同组进行加权。在一些实施方式中，可以通过计算机如下地执行加权：
参照图1的示例，计算机化的加权模块(1130)接收分层投资组合架构(1125)。如在图2中所示，加权模块还可以被配置成接收投资证券的标识(1131)，以及与投资证券关联的投资证券属性的标识(1132)。然后，加权模块可以生成投资证券和权重的列表(1150)。在图6中进一步详细地示出了加权模块。如图所示，该系统可以接收待加权的投资证券的选择和/或标识(1305)。待加权的投资证券可以位于上述分层层级的任意一个点或多个点处。然后，可以计算针对当前等级的单个证券的权重和证券组的权重(1310)。在一些实施方式中，可以在分层层级的顶等级处开始计算。在当前等级，可以识别针对该等级的加权方案和规则(1315)。可以通过将未处理的权重比例除以n来计算权重系数，n是投资证券的数量或证券组的数量(1320)。作为非限制性示例，参照图4，顶等级权重对于组1可以被计算为50％以及对于组2可以被计算为50％。在第二等级，组1A至组1C可以分别以.50*.33＝0.165或16.5％进行加权。
在权重的计算之前或之后，可以施加任意正加权偏差或负加权偏差(1325)。通过对权重进行加、减、乘、除或其他运算来施加偏差。施加到一个组或投资证券的任何偏差要求对应的相反偏差被施加到在相同组或相同等级的对等组中的其他地方。如果可以到达底等级以及完成了底等级加权，则可以终止加权处理。否则，可以在下一等级继续处理。
然后，经加权的投资证券的电子表示可以被作为指示输入到作为非限制性示例的交易所交易基金(EFT)或其他金融工具，例如对冲基金、共有基金、有限责任合伙或其他投资工具。
在可替选的实施方式中，可以重新排列用于分层和加权的方法的步骤。例如，投资证券的列表可以被引入到投资组合设计处理的任何地方。投资证券和/或重组处理可以在分层之前被选择以创建对特定全域的暴露。分层架构、加权方案和/或再平衡方案中任一种可以在选择投资证券之前或选择投资证券之后被选择或选中。
可以对用于创建上述投资证券的投资组合的步骤进行替选的排序和变化。例如，参照图1，对投资证券(1131)的识别可以被提供至分层模块(1105)。在该布置中，分层子模块可以生成投资证券的分层投资组合架构(1125)，然后，分层投资组合架构(1125)被输入到加权模块(1130)。
重组和重新加权
此外，一些实施方式可以包括周期性地重组所指定的权重以维持期望的风险暴露。分层投资组合可以包括：通过对分层投资组合的组分相应地加权和周期性地重组指定的权重以维持期望的风险暴露从而维持限定的风险暴露的一个或更多个分层复合单元。参照图1、图2以及图5中示出的实施方式，可以在任意点执行示出的步骤以基于修改的输入例如修改的加权规则来创建重新加权的投资组合。参照图5，在其他实施方式中，可以通过独立的重新加权模块(1155)来提供重新加权。重新加权模块(1155)接收被分配给投资组合层级位置的目标暴露(1151)的列表。然后，重新加权模块选择新的投资证券以包括在分层综合投资组合中。
分层综合投资组合评分
使用本文中所述的方法，可以针对分层投资组合计算得分。得分可以是投资组合的特征，并且可以在多个环境下使用。在一些实施方式中，目标得分可以是期望投资组合达到的可计量的数。在其他实施方式中，目标得分可以是投资者想要投资组合具有的属性集合。投资组合得分可以是根据投资组合计算的值或值的矢量，所述值或值的矢量可以与针对该投资组合的投资者具有的目标得分进行比较。目标得分可以是理论值或估计值。
目标得分可以用作优化投资组合的方式。投资者可以挑选目标得分，然后该系统可以用来建立针对该得分的经优化的分层综合投资组合。可替选地，目标得分可以用来建立反映潜在总体的绩效的投资组合。也就是说，目标得分可以是期望总体如何执行的度量，以及分层综合可以用来度量总体的绩效。给定经加权的投资组合的投资证券的列表和目标得分，可以基于投资组合导出的属性来计算投资组合的得分。
目标得分可以基于投资组合的特征来形成对期望投资组合怎样执行或管理者想要投资组合怎样执行的估计。目标得分可以通过度量下述中的任一种或所有的绩效来获得：个体公司、随机采样的个体公司、分层单元和/或综合。
目标得分还可以被识别为投资者要求作为投资目标的一部分的目标得分。在此，投资者可能想要使用分层综合来达到预定目标得分。通过基于共有属性来建立组，可以形成风险组。然后，可以对这些风险组进行适当地加权来获得目标得分，从而产生具有已知偏差的投资组合。
在一些实施方式中，分层综合投资组合可以被设计成满足用户限定的目标得分。作为非限制性示例，目标得分可以包括下述中任一种或所有：(a)绝对收益目标(例如，预期滚动速率)，(b)风险/收益度量(例如，夏普比率、索提诺比率、或阿尔法(alpha))，或(c)由波动性度量的风险目标(例如，跌势差或贝塔(beta))。在一些实施方式中，目标得分可以是值或元素的一维矢量或多维矢量，例如，上面提供的那些示例。例如，目标得分可以是[实际收益–无风险利率]/[预期收益–无风险利率]，其中，目标得分大于或等于一。
以下参照图7描述了根据一个实施方式的用于构建具有目标分数的分层综合的方法。作为初始步骤，用户建立通过识别投资证券的全域来投资的总体(7005)。例如，总体可以是美国的金融公司和能源公司。接下来，对证券的全域进行过滤(7015)。然后，对公司的总体进行分层(7020)。通过该处理，基于共有特征将公司放入到分层单元、层级的组中。
在总体分层之后，识别将用于评估投资组合的度量标准。使用的度量标准可以取决于被分层的总体。例如，用于投资级债券投资组合的度量标准可以是预期产出或预期波动，同时股票投资组合的度量标准可以是预期风险和预期收益。当已经识别了度量标准时，可以建立目标得分(7010)。目标得分是用户想要看到投资组合获得的目标，由所识别的度量标准来度量目标。例如，投资级债券投资组合的目标得分可以是投资者想要投资组合获得的预期产出和预期波动。以下描述了目标得分的示例实施方式。
当设置目标得分时，可以创建设计的综合投资组合(7020)。综合可以是两个或更多个分层单元的组合。综合可以被设计成达到目标得分。可以通过下述方式设计综合：对分层单元和分层单元内的公司策略地进行加权(7025)，以及对分层单元内的公司进行重新加权(7030)。加权和重新加权处理可以包括改变总体的构成(在满足总体标准的总体中添加或删除组分)。
可以根据目标得分来测试综合(7035)。如果目标得分被接受，则然后处理可以达到完成。如果没有满足目标得分，则然后可以调整下述各种参数中的一些或所有，包括1)层级规则(例如，架构)，2)加权规则，3)通过层级和加权进行过滤的全域，以及4)重新平衡/重新构造策略。可以重复处理直到创建具有满意得分的投资组合为止。
分层综合可以用作优化投资组合的方式。如上所述，设计的综合可以被构造成满足目标得分。在此，目标得分可以被视为投资目标。例如，目标可以是建立下述综合，所述综合的收益、绩效、方差、和/或其他质量与目标得分中所概括的相匹配。
因此，代替建立潜在总体的最具代表性的投资组合，可以创建下述投资组合：地对较低等级的组策略性进行加权使得投资组合将与其目标得分最近似地匹配。在此，满足投资组合和建立综合使得能够识别总体内的明显不同的风险组。因为这些风险组被识别，则可以策略地跨风险组分配权重以满足目标得分。
在投资证券中，投资者主要关心的是风险和收益。因此，在一些实施方式中，目标得分可以反应相对于投资组合的风险和收益特征而量化的投资组合的投资目标。建立投资综合的目标是通过综合设计和对潜在组分进行加权来设计风险和收益。所设计的投资综合可以产生能够可靠地获得理论估计的综合得分(通过将受多个属性影响的个体证券数据相组合来计算)。
使用本文中描述的方法，综合可以被设计成提高这些固有特性。可以创建特定特性以在特定环境下使用。在投资证券中，可以形成综合以管理综合得分。分层综合可以用来获得目标得分。分层使得能够在投资组合内对识别的风险进行分组。因此，当创建满足目标得分的设计投资组合时，可以更好地定性和定量地理解投资组合将暴露的风险。
针对分层综合投资组合的投资统计
根据本文中描述的方法生成的投资组合可以使用已知的统计分析的修改版(包括阿尔法(alpha)、贝塔(beta)以及夏普比率和索提诺比率)来评分。可以基于标准分层模型投资组合和关于标准投资组合的变型来生成评分。例如，分层的阿尔法可以被计算为对关于标准分层投资组合的风险调整后的溢价。还针对分层投资组合计算相对于分层标准化市场的分层贝塔，在分层投资组合中，分层标准化市场被限定为具有为1的贝塔。
在一些实施方式中，由于市场可以被限定为总市场的上下文子集的分层投资组合，则标准分层的贝塔还可以根据上下文限定。例如，作为非限制性示例，上下文子集可以被限定为部门、产业、地理位置、时间、词典术语等。
针对分层投资组合的标准情况
马科维茨假定建立几个投资组合以确定最有效地代表分组的一个投资组合。建立单个模型以测试最有代表性的该处理是怎样建立标准模型。在建立标准模型中，存在对被估计成从标准情况获得的潜在总体和目标得分的控制。在金融理论中，使用个体证券的投资组合来假定投资组合开发的该模型。存在由于针对投资证券、市值加权投资组合的当前标准情况没有获得由理论所假定的目标得分或收益率的事实而引起的不一致。
使用本文中描述的系统和方法，可以限定标准分层投资组合。分层单元可以用作用于建立标准模型和开发标准目标得分的工具。可以使用可靠和有效的投资证券的种类来对投资证券的总体进行细分，以使标准研究有效。用户可以开发标准得分以测试假设和使在其他分层投资组合的比较研究中使用的基准有效。系统可以被配置成使得标准分层投资组合可以用来导出目标得分。可以相对于基准标准目标得分来限定针对分层投资组合的目标得分，例如目标阿尔法得分。
在初始步骤，可以限定理论得分或估计得分。使用基于改变下述中的任一种或所有的调整：1)投资证券的总体的改变；2)怎样对投资证券的总体进行分层；以及3)怎样在分层层级内对分层单元进行加权，投资组合可以被设计成：1)创建针对给定总体的代表结果(在本文中被称为正常情况)；2)偏向第一方向的结果；或3)偏向第二方向的结果。
取决于怎样进行调整，偏差可以朝向投资证券的特定总体集内的总体子集例如地理位置组或时间组或特定固有属性类(或属性类的子集)。在针对给定总体的分层层级内，可以通过层级结构自身(通过结构或属性选择)或分配给特定层级单元的加权来管理特定偏差(或特定偏差的缺乏)。
非标准综合是被设计成根据标准情况变化的综合。距标准情况的方差被认为是设计或算法的阿尔法。使用本发明，负方差可以被设计为针对短的投资位置的阿尔法。设计的正的方差可以被设计为针对长的投资位置的阿尔法。例如，分布可以是标准(基于标准情况)或非标准的。非标准分布可以是正偏(向标准的右方)或负偏(向标准的左方)。如上所述，对权重的调整可以用来生成具有这些类型的分布的投资组合。
数据集标准化和概率形成
金融基准指数经常用于评估金融工具的绩效。标准普尔500指数是针对面向股票的基金的一个这样的基准指数的示例。雷曼兄弟综合债券指数是针对债券基金的基准指数。标准普尔500指数是市值加权的，使得个体股票的市值用于对指数中的股票的值进行加权。因此，相对大的公司的市值的改变对指数具有不成比例的影响。由于代表相对较大公司的工具在价值上波动，则跟踪这些指数的基金也经历了对应的价值上波动。
根据本文中描述的方法的数学处理可以应用到较大的经济数据集合以减少结果(例如投资收益)的波动和随机性。在一些实施方式中，多变量算法可以用来组织较大的数据集。所述方法可以用来生成因果关系并执行实时分析。
该系统还可以被配置为对表示投资证券的数据集进行标准化。标准化处理包括基于与投资证券关联的实体的属性的统计分类。用于标准化的属性可以是上述那些类型的属性，或与关联于证券的实体的业务和资产有关的其他属性。
多个投资证券可以被组织到统计分类中。可以由系统提供用于在属性中选择的用户接口。系统可以包括统计分类编辑器(在一些实施方式中被称为辞典编辑器)。统计分类可以被限定在使用编辑器的系统内。单独地或彼此结合地，统计分类可以被限定成上述属性中的任意一个或更多个。还可以基于上述的语法和编码系统来限定统计分类。在一些情况下，统计分类还可以是分层单元。
破产示例
下面的示例示出了用于投资证券的综合的使用情况。在该示例中，创建了投资级公司债务证券的分层综合投资组合。
投资级债务是具有明确的预期收益率和明确的风险的特定种类的证券。每个债券由第三方评级机构来评级。该评级获得债券发行商对债务的违约的可能性。在违约风险的情况下，违约风险是在这样的证券的投资中的最适当风险中的一个风险，具有相同评级的公司债券将具有类似的到期收益，持有其他变量(例如到期)、常数。假定按照预期进行了所有支付(息票支付和票面价值)，则到期收益是债券持有者在给定的债券的当前价格下持有到期债券将得到的年收益率。换句话说，到期收益是是债券的现金流的当前价值与债券的当前价值相等的贴现率。对于具有来自这些机构的类似评级的所有债券，针对给定到期日的收益将是相同的或在非常窄的范围内。也就是说，投资级公司债务证券的表现可预测。
尽管不同的投资级债务证券可以具有相同的违约概率，但是触发违约的一个或更多个事件可以根据发行商而变化。也就是说，不同的公司会面临与公司的特定固有价值和其业务有关的不同的风险因素。虽然这些因素中的一些因素对于该公司可能是唯一的，但是其他因素对于成组的公司可能是共有的。这样的风险总体上可以包括：产业风险、产品风险、客户风险、对利率的敏感性、地理位置、政治、或公司的控制之外的经济因素、或与公司的CEO或管理有关的风险。存在可能依赖于公司的违约风险的许多公司特定的属性。这些属性可以包括但不限于：
1)金融杠杆：一些公司比其他公司或多或少地用杠杆；
2)基于属性的资产或固有操作：这样的属性不是计量属性或绩效属性，而是限定公司做什么的属性，例如制造、运输的属性；与公司的产品例如车辆、计算机或沙发以及车辆、计算机或沙发的类型有关的属性；与公司的客户例如顾客或企业有关的属性；与客户的客户有关的属性；与企业或其个体业务的地理位置有关的属性；与产品和公司使用来提供其产品的材料有关的属性；与公司可能操作的多元产业或产业部分中任一种有关的属性；与公司的商业结构有关的属性，例如整合的、非整合的、向前整合、向后整合或网络的；与商业贸易的特定贸易或国家关联的多元政府或宏观经济风险中任一种有关的属性；与由作为其贸易的核心的商业所识别的计量风险或贸易风险关联的属性；或与依赖于由投资团体的特定商业或部门的分类关联的风险。在任意给定的时间点，这些因素中的任一种或与这些因素有关的产业事件中的任一种可能引起或增加任何特定公司破产的风险。
3)管理或战略：公司基于其管理、其决策以及战略具有独特的风险。
4)公司资产价值：破产(违约的一种)根本地改变由单个公司发行的投资证券的价钱。在申请破产时，基于进行的操作的收益的假定改变成包括清算方案和公司的每个个体投资证券的权利的分析。在这种情况下，投资者基于在发行公司的资本结构中的投资证券的位置来评估其接收关于给定证券的支付的能力。投资证券可以已经被指定为清算优先。如果公司的潜在财产被出售或处理，则这些清算优先级指定哪个证券得到哪些收益以及什么时候得到。
这些属性中的每一个是针对固定收入投资者的违约风险或破产风险的潜在来源。这些属性中的一些可以与公司的组有关(例如，生产车辆的公司、或业务位于新奥尔良的公司)。因此，没有控制特定属性的投资组合可能疏忽地暴露于集中的特定风险。当组的成员违约破产或申请破产时，还会影响在该组的其他公司。
本发明包括用于以下述方式来建立投资级公司债务证券的分层综合投资组合的方法：通过管理暴露于任何特定公司或产业的投资组合来限制对破产风险、公司事件以及其他这样的非系统性风险因素的暴露。在市值加权债务投资组合中，以与相对于在投资组合中所有发行的总规模的发行规模成比例地对证券进行加权。在这样的非管理的加权方案中，对于发行大量的债务的公司或产业可能在投资组合中权重过高。如果这些公司或产业中的一个公司或产业具有负面事件例如破产，则将会剧烈地影响投资组合自身。分层综合投资组合是限制对计算的量的特定暴露的工具，以及针对个体公司以及广泛的产业或宏观经济的影响进行限制。
应用本发明管理投资级公司债务投资组合的违约风险提供了一个实施方式的示例。每个债务证券具有直接依赖于公司的潜在资产的清算的价值的风险等级。这种风险与关联于供给的市场风险和债务证券自身的需求明显分离，以及与可能影响在给定时间点的给定投资证券所需要的收益率*例如在该时间点的无风险利率)的市场因素分离。
本文中描述的系统避免这样的非系统性风险遍及投资组合；也就是说，所述系统能够减小或消除单个证券或证券组的重大影响。这可以通过基于非系统性属性对风险组(层)中的公司进行分组例如对具有类似的产品、或类似的客户基础的公司一起分组来获得。适当地执行的分层确保单个的非系统性风险不会代表对作为整体的投资组合的重大风险。在这样的分层综合中，破产风险遍及足够的独特的组传播以使任一个组或公司的破产的影响最小化。
本发明可以用于如下地创建层。对于投资级债券，存在三种类型的降级或破产的原因：1)公司特定的风险；2)产业特定的风险；以及3)产品特定的风险。给定评级的投资级债券应当具有相同概率的降级风险或破产风险，但是该评级不提供关于破产的可能原因的信息。实际地，针对相同评级的债券，可能引起发行商违约的因素可能在根本上不同。然而，这些破产因素本质地与发行公司的固有属性有关。使用这些属性，可以基于与发行商的破产因素有关的债券发行商的特性来将债券分组成风险组。可以重复该处理以形成嵌套的风险组层级，其中，每个子组具有其自身的风险而且还具有与父类组关联的风险。然后，这些风险组是可以用于构建分层投资综合的层。通过跨这些层对投资进行分层，可以基本上减轻单个公司或产业的负面事件可能严重影响投资组合的机率。
产业风险示例
下面的示例示出了对于投资证券的分层综合的另外的使用情况。在该示例中，创建了根据标准普尔900指数的股票的投资证券的综合。该综合是包括来自各种产业的美国公司发行的大盘股和中盘股证券的宽基(broad-based)指数。该全域是标准普尔500指数和标准普尔400指数的结合，标准普尔500指数和标准普尔400指数分别跟踪大盘公司和中盘公司。在一段时间期间，这样的股票全域应当显示与无风险投资例如美国短期国库券有关的一致的收益溢价。
在该示例中，将市值加权的标准普尔900的收益与设计成使用本发明的方法构建的分层综合的证券的相同全域的收益进行比较。与这900个公司的功能特征有关的属性用来创建在功能上将类似的公司分组在一起的分层嵌套的层。这些层用来根据本文中描述的方法确定针对每个证券的权重。投资组合被按季度地重新平衡，将每个证券返回其初始权重。
分层在特定产业经历负面价格震动(通俗地称为产业泡沫“破裂”)的环境下提供重要益处。随着产业泡沫增长，该产业中的公司的市值增长，因此，该产业在市值加权投资组合中的权重增长。在市值加权基金(其对个体公司的权重和类似的公司组的权重缺乏基于属性的控制)中，这样的泡沫可以造成对特定风险组的无意的过度暴露，所述特定风险组包括仅影响特定产业的风险。当权重过高的产业泡沫崩溃时，投资组合比例失调地受损。即使产业泡沫之外的公司合理地表现，权重过高的公司的负收益会产生针对整个投资组合的负收益。
然而，在分层综合投资组合中，可以通过对全域进行分层使得层与不同的产业风险对应来基本上减轻产业泡沫的风险。用这种方式，产业特定的风险被隔离，以及不能比例失调地引起投资组合中的负面表现。
从1997年至2000年的信息技术股票的增长和崩盘例证了分层综合投资组合的益处。使用语法构成的属性，限定了行业功能涉及移动、存储、或处理信息的公司的组。该组中的公司包括：微软、思科、因特尔、AOL、高通和其他这样的信息技术公司。
在标准普尔900中的二十个最大的这样的信息技术股票在19世纪90年代后期权重增长，使得到2000，这二十个股票主导了投资组合。在1997年、1998年以及1999年底，这二十个股票分别共同加权为标准普尔900的11.8％、13.7％以及20.4％。在2000年，当泡沫崩盘时，这些股票贬值了42.3％，同时作为整体的标准普尔900获利了-6.9％。排除这些信息公司，标准普尔900的其余的公司获利了6.8％。也就是说，2000年的“整体市场”衰退不是系统性故障；而是未受控的过于暴露于单个产业的结果。
在分层综合投资组合中，可以控制这样的产业特定的风险。在示例分层综合投资组合中，相同的二十个信息公司被设定在2.0％的权重，以及按季度地调整到该权重。在2000年，该隔离的组表现不好(贬值了59.7％)，但是在该组之外，示例分层综合投资组合具有可观的收益。排除这二十个公司，示例分层综合投资组合获利21.3％。总体上，在2000年，示例分层综合投资组合获利17.6％，超过准确相同的全域的市值加权投资组合了24.5％。
与相同全域的示例分层综合投资组合的表现相比的市值加权标准普尔900的表现示出了分层可以怎样防止非系统性产业风险性影响整个投资组合。
系统架构
本文中描述的系统和方法可以以软件或硬件或其中的任意组合来实现。本文中描述的系统和方法可以使用彼此可以或不可以物理或逻辑分离的一个或更多个计算设备来实现。此外，本文中描述的方法的各个方面可以组合或合并成其他功能。在图10中示出了用于实现本发明的示例计算机化的系统。
在一些实施方式中，所示出的系统元素可以被组合到单个硬件装置中或分离成多个硬件装置。如果使用多个硬件装置，则硬件装置可以物理地定位为彼此靠近或彼此远离。
所述方法可以以可从计算机可用存储介质或计算机可读存储介质中访问的计算机程序产品来实现，计算机可用存储介质或计算机可读存储介质提供程序代码以供计算机或任何指令执行系统使用或与计算机或任何指令执行系统结合使用。计算机可用存储介质或计算机可读存储介质可以是可以包含或存储程序的任何装置，程序供计算机或指令执行系统、装置、设备使用或与计算机或指令执行系统、装置、设备结合使用。
适于存储和/或执行对应的程序代码的数据处理系统可以包括直接或间接耦接至计算机化数据存储设备例如存储元件的至少一个处理器。输入/输出(I/O)设备(包括但不限于键盘、显示装置、指示装置等)可以耦接至系统。网络适配器还可以耦接至该系统以使数据处理器能够变成通过介入私有网络或共有网络来耦接至其他数据处理系统或远程打印机或存储设备。为了提供与用户的交互，可以在具有下述装置的计算机上实现特征，所述装置包括：显示装置例如LCD(液晶显示装置)或用于向用户显示信息的另一种类型的监视器、以及键盘和输入装置例如用户可以通过其向计算机提供输入的鼠标或跟踪球。
计算机程序可以是可以在计算机中直接或间接使用的一组指令。本文中描述的系统和方法可以使用下述编程语言来实现：例如FlashTM、JAVATM、C++、C、C#、Visual BasicTM、JavaScriptTM、PHP、XML、HTML等或编程语言的组合，包括编译语言或解释语言，以及可以以任何形式部署，包括例如独立的程序或作为模块、部分、子程序、或适于在计算环境下使用的其他单元。软件可以包括但不限于固件、驻留软件、微码等。在实现编程模块之间的接口时可以使用协议例如SOAP/HTTP。本文中描述的部件和功能可以使用适于软件开发的任何编程语言在可视环境或不可视环境下执行的任何桌面操作系统来实现，操作系统包括但不限于：不同版本的微软WindowsTM、AppleTM MacTM、iOSTM、UnixTM/X-WindowsTM、LinuxTM等。该系统可以使用网络应用框架例如Ruby on Rails来实现。
处理系统可以与计算机化的数据存储系统进行通信。数据存储系统可以包括非关系型数据存储部或关系型数据存储部例如MySQLTM或其他关系型数据库。可以使用其他物理和逻辑数据库类型。数据存储部可以是数据库服务器，例如Microsoft SQL ServerTM、OracleTM、IBM DB2TM、SQLITETM、或任何其他数据库软件、关系型或其他方面的。数据存储部可以存储识别语法标签的信息和对语法标签进行操作需要的任何信息。在一些实施方式中，处理系统可以使用面向对象编程以及可以以对象的形式存储数据。在这些实施方式中，处理系统可以使用对象-关系映射(ORM)来在关系型数据库中存储数据对象。本文中描述的系统和方法可以使用任意数量的物理数据模型来实现。在一个示例实施方式中，可以使用RDBMS。在这些实施方式中，RDBMS中的表可以包括表示坐标的列。在经济系统的情况下，表示公司、产品等的数据可以存储在RDBMS的表中。表可以具有数据之间的预定关系。表还可以具有与坐标关联的修饰成分。
用于执行指令的程序的适当的处理器包括但不限于：通用和专用目的的微处理器以及任何类型的计算机的仅有的处理器或多个处理器或核中的一个。处理器可以接收和存储来自计算机化的数据存储装置例如只读存储器、随机存取存储器、只读存储器和随机存取存储器两者、或本文中描述的数据存储装置的任意组合的指令和数据。处理器可以包括工作上控制电子装置的操作和性能的任意处理电路或控制电路。
处理器还可以包括用于存储数据的一个或更多个数据存储装置，或者可以工作上耦接成与用于存储数据的一个或更多个数据存储装置进行通信。作为非限制性示例，这样的数据存储装置可以包括：磁盘(包括内部硬盘和可移除磁盘)、磁光盘、光盘、只读存储器、随机存取存储器和/或闪速存储装置。适于可知地包含计算机程序指令和数据的存储装置还可以包括：所有形式的非易失性存储器，包括，例如，半导体存储器装置，例如EPROM、EEPROM、以及闪速存储器装置；磁盘例如内部硬盘和可移除磁盘；磁光盘；以及CD-ROM和DVD-ROM光盘。处理器和存储器可以由ASIC(专用集成电路)来实现，或并入到ASIC中。
本文中描述的系统、模块以及方法可以使用软件元素或硬件元素的任意组合来实现。本文中描述的系统、模块以及方法可以使用单独或彼此结合地操作的一个或更多个虚拟机来实现。任何可应用的虚拟化方法可以用于将物理计算机器平台封装到硬件计算平台或主机上运行的虚拟化软件的控制下执行的虚拟机中。虚拟机可以具有虚拟系统硬件和访客操作系统软件。
本文中描述的系统和方法可以在下述计算机系统中实现：包括后端部件、例如数据处理器的计算机系统或包括中间件例如应用服务器或因特网服务器；或包括前端部件的计算机系统例如具有图形用户界面或因特网浏览器的客户端计算机；或其中的任意组合。系统的部件可以通过任意形式的数字数据通信或数字数据通信的介质例如通信网络来连接。通信网络的示例包括例如LAN、WAN以及形成因特网的计算机和网络。
本发明的一个或更多个实施方式可以用其他计算机系统配置来实施，包括：手持设备、微处理器系统、基于微处理器的消费电子产品或可编程消费电子产品、小型计算机、大型计算机等。本发明还可以在分布式计算环境下实施，在分布式计算环境下，通过经由网络连接的远程处理装置执行任务。
虽然已经描述了本发明的一个或更多个实施方式，但是，各种改变、添加、置换和其等同方式包括在本发明的范围内。
在实施方式的描述中，参考了形成实施方式的一部分的附图，附图通过图示的方式示出了要求保护的主题的具体实施方式。要理解的是，可以使用其他实施方式，并且可以进行改变或变化例如结构改变。这样的实施方式、改变或变化不一定偏离了相对于意图要求保护的主题的范围。虽然在本文中的步骤可能以某一顺序呈现，但是在一些情况下，可以改变顺序使得在不改变所描述的系统和方法的功能的情况下，在不同的时间或以不同的顺序提供某些输入。还可以以不同的顺序执行所公开的步骤。此外，本文中的各种计算不必须以所公开的顺序来执行，以及可以易于实现使用可替选的计算顺序的其他实施方式。除了被重新排序之外，计算还可以被分解成具有相同结果的子计算。
- 还没有人留言评论。精彩留言会获得点赞！