第15章 高盛资产管理：“我知道看不见的手依然存在”
1984年，费雪·布莱克从麻省理工学院来到高盛。到纽约后，很快他就宣布了一个不朽的发现:“市场在查尔斯河沿岸比在哈得逊河沿岸更有效。”
布莱克的妙语对他在高盛的同事来说是个好消息。在华尔街，高盛向来处于最具进取性的交易公司行列，而进取型交易看来却与布莱克坚定推崇的在各方面由资本资产定价模型和均衡构成的理念不合拍。幸好布莱克意识到了华尔街和马萨诸塞州剑桥的不同，大家都松了口气。事实上，布莱克很快成为了对固定收益和股票投资等一系列盈利性策略进行定量模型开发的积极推动者。与此同时，高盛的员工们逐渐懂得了如何从布莱克奇特的举措和个性中获益。
1986年的一天，布莱克对一个应聘固定收益研究职位一、名叫鲍勃·利特曼( Bob Letterman)的人进行面试。利特曼在明尼苏达大学获博士学位，曾短暂任教于麻省理工学院，但是他的主要兴趣在于计量经济学—统计方法在经济及金融预测上的应用。布莱克并不看好计量经济学，因为计量经济学不认为均衡是决定因素。实际上，布莱克两年后在一篇标题直白的文章—《计量模型的困境》中声称“某些经济变量很难估计，我就称它们为‘无法观测值’，其中有两个是股票市场预期回报和债券风险溢价”。但是，计量经济学家们依然在尝试。
面试一开始，布莱克就问利特曼:“是什么让你觉得计量经济学家对华尔街有用?”利特曼为自己进行了有力的辩护，使得布莱克尽管质疑计量经济学的价值，但并未反对利特曼的应聘。虽然利特曼始终未能让布莱克转变为一位积极的计量经济学家，但他们却最终成了一对极富创造力的搭档。这带来了意想不到的效果:布莱克成功地让利特曼转变为一位积极的均衡论者。正如利特曼对我说的，“费雪的见解成了我的职业。”
不久，他们合作创建了衍生工具、对冲策略、风险管理和资产配置策略模型。所有这些工作在1992年到达了顶点：不朽的布莱克一利特.曼模型( Black-Litterrnan Model)诞生了。“布莱克一利特曼模型结合了预期回报的均衡理论和多种积极型管理策略，取得了巨大的成就。这种成就相当于让纽约扬基队(Yankee)的球迷和波士顿红袜(Red Sox)的球迷共处一室而不发生口角。
利特曼这样解释均衡预期回报:“均衡是指资产的预期回报与它们的价格化风险暴露成一定比例的一种状态。资本资产定价模型是个有用的近似模型，尽管人们可以接受更复杂，也许更现实的多期的多种价格化风险的均衡模型。”
刚开始，利特曼在高盛从事固定收益研究，随后转任全公司的风险管理部门总管。这是个有趣的任命，给利特曼带来了极大的权限，但是他却希望高盛能将自己从员工管理部门调往业务管理部门。他渴望能找到机会将自己和布莱克创立的整套理论应用于实践。1993年，利特曼曾试图说服乔恩·考钦(Jon Corzine )把自己调往投资组合管理部门，考钦当时是公司执行合伙人，之后被选为新泽西参议员，随后任州长。但是，考钦的回答却是，“不行，鲍勃，我们还有很多更重要的事等你做。”
利特曼密切关注着资产管理业务的发展。克利夫·阿斯尼斯(Cliff Asness )是芝加哥的金融学博士，曾做过尤金·法马的助教。阿斯尼斯于1994年组织过定量研究小组。1995年，他发起成立了全球阿尔法基金(Clobal Alpha Fund ) 。该基金获得了出人意料的回报率；1996年达92. 8 % ; 1997年为34. 8%。利特曼惊叹:“看起来这钱很好赚。”他告诉我。阿斯尼斯和他的团队在1997年底离开了高盛，创立了AQR资本管理公司(AQR Capital Management。该公司现在已经是一个市值300亿美元的欣欣向荣的资产管理机构。
随着阿斯尼斯的离开，利特曼终于来到了资产管理部门，负责定量策略和创建风险管理模式(他随后脱离了风险管理，因为风险管理部门总管雅各布·罗森加登(Jacob Rosengarten )被提升为直接向决策总管报告)。利特曼现在负责定量股票部门，这个组织自8年前成立以来一直由鲍勃·琼斯(Bob Jones ）总管，管理着近1000亿美元各种股票投资组合。这些组合大多是只做多头模式（ long- only format )，但也有少量运用于多头/空头策略，包括对冲基金。利特曼同时也负责定量策略部门，该部门管理其他所有事务，主要是对冲基金、固定收益证券以及全球战术资产配置(global tactical asset allocation , GTAA )。目前，它由马克·卡哈特(Mark Carhart)和雷·伊万诺夫斯基(Ray Iwanowski )共同管理。此外，利特曼也看管全球投资战略，一个由库尔特·温克尔曼(KurtWinkelmann管理、针对客户的咨询业务，包括风险预算、资产配置和资产/负债管理。利特曼称自己的工作是“一支队员们不上场的棒球队的教练”。在利特曼的领导下，回报很高且增长迅速，总资产达千亿美元。
当我询问利特曼他到底在管理多少资产时，他回答:“有件事可以确定—我们曾是个低风险的定量部门，但现在就机构内部直接管理的对冲基金而言，我们无疑是世界上最大的对冲基金管理者。除此之外，我应该给出简单的回答，但事实却有点复杂。”他是对的：他的回答十分复杂，但也透露了很多高盛资产业务管理模式。
“我们管理两种不同类型的资产，不包括采取的波动性调整，”利特曼解释道，“管理的部分资金属于传统策略。在这种情况下，资金直接归客户所有。剩下的部分构成可转移阿尔法策略(portable alpha strategy )，我们通常称之为重叠。”
利特曼接下来举了个例子。“假设在可转移阿尔法策略中，有客户要求我们管理一个10亿美元名义投资组合中的部分资金。可转移阿尔法策略意味着跟踪期内平均误差不超过100个基点(1%点)的规定基准。与指数基金之类消极型策略不同，这实际上要求我们在当天结束时为客户创造1000万美元的主动性风险，或称为跟踪误差。但由于这是可转移阿尔法策略，我们不需要真正投资10亿美元的客户资金，而是通过实施衍生工具策略实现目标。这只需要大约4000万美元的保证金来为这个策略融资。”随后，就这一概念的另一种情形，他补充道:“如果在直接管理而非可转移阿尔法策略的情形下，客户可只签订20亿美元、50个基点的主动性风险合同。这样我们就可以用同样的方法管理4000万美元资金。但此时，我们称之20亿美元名义资产。”
结果是对被管理资产的一套多方面的计量。利特曼认为仅是名义资产的增加不足以代表高盛的经营水平。高盛区分低波动性投资组合与高波动性投资组合，认为这一区分对对冲基金和可转移阿尔法策略来说尤其重要。一个4%波动性的100亿美元投资组合大致上相当于16%波动性的25亿美元投资组合。
“重点是我们所有决定和策略所考虑的中心都是波动性，”利特曼说，“我们并不回避风险，因为与费雪同事一起，我们确信预期回报直接随风险变动—这就是费雪的意思和我在提到均衡时的意思。这个信念是我们所有策略的中心。认为世界趋于均衡的均衡理论是我们认识世界的核心。我知道看不见的手依然存在。”
日常的投资组合管理需要不断发展，利特曼意识到人们不能只是坐在那里任凭均衡的力量主宰:“我们决心牢牢控制住波动性以使其不超出客户对可容忍的基准风险和跟踪误差的规定。波动性从来不好对付。”
因为波动性不好对付，投资者必须控制他们的理财管理者接受主动性风险的数量。管理者的冒险会使投资组合偏离基准规定多远?在任一时点，真实的投资组合与反映客户风险厌恶和对市场预期回报的长期观点的既定组合的区别有多相近？
如利特曼认为的，“创建投资组合就是如何适当配置风险。大多数人遗忘了这一点，也没有足够重视它。”
任一投资组合的风险都是内在有限的商品。更为重要的是，客户的风险容忍总量也是内在有限的商品。客户预见性地将稀缺资源分配到.多位管理者手中，从而在对客户和投资组合管理者来说均是资源稀缺的环境中，风险管理成了资源分配的过程。这一点有更普遍的意义。不仅仅投资组合风险是有限商品，客户的风险容忍量也是有限的。限制规定得越明确，投资组合管理也就会越成功。
对于任何稀缺资源分配来说，预算都是适当的。用利特曼同事杰森·戈特利布(Jason Gottlieb)的话说，风险预算是“风险分化的诊断工具，目的是确定整个组合中风险的来源和程度……以帮助我们弄清一个项目就其主动性风险而言是否得到了适当的回报。”
风险预算在3方面具体规定了实际投资组合与客户政策组合之间的出入:资产配置、贝塔值或“管理者的投资组合对规定基准幅度的敏感度”和股票选择风险。股票选择风险由经贝塔效应调整后发生的跟踪误差来表现。“高股票选择风险率，”戈特利布解释说，“是产生高质量风险的一个典型信号。”
股票选择是“高质量风险”，因为不管选择单个证券来增加价值有多难，它总比抓市场时机或者在部门间(例如，资本物品对比消费产品)或形式上(例如，增长对比价值)下赌注的风险小得多。选择证券容易分散风险，因为存在上千种机会可供选择。而如果对高于或低于整个资产级别和形式或部门进行投资，风险就只能通过小量的机会来分散。这意味着在市场时机或管理形式上走错一步所产生的后果都比在一个由大量单只股票组成的投资组合中错把股票A选成股票B的后果更严重。
成功投资的最佳途径对投资者关键性的第一步要求是了解市场有效性，弄清“如何通过调整所吸纳的风险使我们的投资表现优于基准?”这个问题的答案引出了以下的选择:“我们如何在积极型管理和被动型管理中选择?”人们越是坚信市场有效性，就会越多地投资于被动型管理。
这段话应该在投资过程一开始就被提出来。“你必须决定如何在阿尔法和贝塔之间进行分配，”利特曼解释道，“耶鲁和哈佛都认为市场并非完全有效，并且回报可以从与市场不相关的风险中获取，所以他们直接选择阿尔法。”利特曼的观点有所不同:“我的看法类似于费雪·布莱克，认为市场十分有效，但不是完全有效。”
以上关于市场有效性的说法是布莱克和利特曼建立模型的基础;市场有效性的观点仍然是利特曼负责下所有资产管理的核心因素。利特曼用直接出自《投资革命》的论据发展了布莱克的发现。“像我们这样的人，”他对我说，“十分专业和富于创造性的投资组合管理者，会使市场朝有效的方向变动。有我们创造的回报，我就不必担心当前市场是否完全有效。但是一直以来，它们正快速地变得更加有效。世界正走向量化，变得没有秘密了!阿尔法已经供不应求，难以获得了。关键在于细节，感谢上帝，还好存在很多细节。这就是为什么像我们这样的计量分析师能获取那样的回报的原因。”
利特曼喜欢把他的思想转化为有形的东西。“就像是钓鱼，”他说，“过去你想得到鱼，只要把线撒出去然后等待就行。但现在鱼变得越来越少了，你就必须得运用更好的技术而不仅仅是撒线。少数明白这点的人钓到了很多鱼。尽管如此，我们使世界趋于均衡，这样风险与预期回报变得相关，想通过积极型管理获取回报也就变得越来越难。”
这一观点与布莱克30年前的观点一样。“我们每天都能在市场上看到，”利特曼继续道，“我们在世界上最具流动性的市场上进行操作，但我们也作用于那些市场上的价格。我们越来越难以确定事物是否有吸引力。预期回报是高于还是低于均衡价值?人如果失重的话，就会飘浮在空中。我们自己永远不会达到平衡，但是平衡却是重力的中心。市场正在发挥作用。”
他的讲话并不仅仅是哲学上的沉思。它会转变为指导如何在一个近乎有效的市场上操作的具体意见。比如，利特曼解释说:“像卖掉福特同时买入GM这样的短期交易机会很快会被套利者利用而消失。只有在执行交易时采取最有效的方法，才能继续赚钱。我们把重点放在长期目标，在包括货币、股票和债券在内的各个方面寻找获利机会。这样的投资对交易商来说时间太长，但我们可以接受—这个长度我们可以坚持。”
杰若米·格兰森( Jeremy Grantham)是Grantham , Mayo、Van Otterlo。投资管理公司的主席兼首席规划师(Chief Strategist )。他与几大专做短期机会操作的机构投资者很熟。当被提供需要较长时间才能回收的投资项目时，他显得害怕和不耐烦。反复考虑保罗·萨缪尔森对此将发表怎样的看法，格兰森在一封给客户的信中解释了他的这种偏见，“理论上，长期很美好，但是现实中代理机构需要顾虑约3年的投资限度，这对于接受平均回报中的主要风险缩减效益来说，时间太短。所以为了避免痛苦，代理机构宁愿选择离开。”
格兰森从各类投资者离开以避免痛苦的投资倾向中，得出了一个著名的结论。这一过程导致股票市场比在较长期观点盛行时更具波动性，而“这导致了……类似1929年大危机的外部事件对经济产生重大影响……现在具有讽刺意味的是，很多被赋予了运用长期的天生的绝好优势的机构却在多数情况下选择不运用它。”
与之相反，只要能控制波动性，高盛就会把波动性当成机会。分散化策略是控制波动性的主要方式，所以高盛所有的策略都会被分散投资于全球各个市场。但是阿尔法是积极型管理中一种游戏的名字，而冒险选择长期的自由增加了产生阿尔法的可能性。结果黄金出现在投资者彩虹的底部:高夏普比( Sharpe Ratio )。夏普比衡量回报与风险的比率。具体来说，夏普比是投资组合实现的回报减去无风险资产回报的值，除以该回报的波动性得到的比率。这个值越高越好—对美元来说更是如此。
利特曼密切关注着他监管的投资组合的夏普比。“在盈利好的月份之间，我们一直都有损失。什么事都不容易。尽管如此，我们连续10年创造夏普比为1.0，这意义非同一般。在整个市场中，波动性是预期回报的3 -5倍。”我问利特曼他是否认为高盛可能在不确定的未来保持高夏普比。“当然不能，”他回答，“我们也不可能创造无限的财富。有些东西必须付出……每天都有新的竞争对手出现，而且他们懂得很多。学术界50年来一直在谈论这种情况。”
如利特曼再三重复的，“全都是风险管理。”但是重视风险管理并不意味着利特曼认为不论何时低风险总是优于高风险。关键在于控制。在夏普比一定时，较高的风险意味着较高的回报，因为夏普比是用回报除以风险;如果夏普比为常数，则增加风险就会导致更高的回报。
很多投资者不愿接受主动性风险，利特曼对此感到疑惑。给出一定的股票市场暴露—也就是贝塔—利特曼认为不论假设夏普比为何值，总存在一个最优主动性风险量。多数投资者都很少接受主动性风险，他们的总风险中有90%以上来自贝塔—来自市场本身的波动性。这样的话，他们就像是在预期得到的阿尔法值与主动性风险波动值之比仅仅是0.01一0.05的情况下进行选择一样。这个数字极其微小。利特曼进一步解释道:“比如，如果预期夏普比仅为0. 25—这是股票市场夏普比的近似值，那么你就应该在贝塔和主动性风险之间平均分配风险。如果预期夏普比高于0.5—回报相当于所受波动性的一半，那么很明显你希望投资组合以主动性风险为主。”
保守的投资者持有一半投资于股票、一半投资于固定收益证券的分散性投资组合，在长期渴望获得正回报，但他们应该现实些。利特曼的团队估计，长期股票溢价比债券高出3 -4个百分点，尽管目前很多经济学家认为低于这个数。那么这个五五开的投资组合长期内可创造大概1. 5%一2. 0%的税费前真实回报(剔除通货膨胀因素)。“不接受更多风险就不可能获得更高的回报，”利特曼说，“但是你没必要将整个投资组合置于高风险模式下。如果能找到可将集中的头寸转到创造阿尔法的能力上的高素质的积极型管理者的话，那么你就可以期望在较少增加整个投资组合风险的同时产生较大的回报。”
此外，许多投资者都没有意识到分散对获取高额回报的作用。“考虑一下对冲基金的回报，”利特曼建议道，“你必须向对冲基金投入100%的资金以获取3%的主动性风险，因为回报是如此的分散。而机构投资者在对冲基金的投人少于10%的影响微乎其微己”
高盛的定量管理业务就像蜜蜂爱花蜜一样，热衷于高波动性。如利特曼相信的，如果市场上风险与回报密切相关而趋于均衡，则波动性是扩充资本的好方法。假设你可以接受在短期内回报的大幅波动，那么你就有机会在期内获得更高的回报。这样，为客户将10亿美元投资于高波动性市场就会比投资相同数额在低波动性市场产生更高的回报。
“最好的情况是，”利特曼补充说，“当一个高素质的管理者提供一个高波动性的资金，如果该资金只包含阿尔法—没有对市场本身变动的系统性暴露，那么投资者只要通过确定投入的资金量即可随时管理风险暴露了。这与投资者运作低波动性资金形成了鲜明对比:为达到相同的回报能力，投资者必须运用杠杆且支付高额费用。”
这个观点对于对冲基金的投资者来说有重要的意义。很多对冲基金不提供纯阿尔法而是阿尔法和贝塔的晦涩混合，使投资者对整个投资组合的风险管理变得更复杂。为了使高素质对冲基金管理者扩大其阿尔法头寸，投资者必须向基金投人额外资金。该行动要涉及支付更高的费用，另外客户仍然有相对不分明的更高的贝塔风险。
风险管理和对风险的渴望虽然重要，但只是高回报这枚硬币的一面。在真实世界中，交易费用会让一切变得不同，因为低交易费用鼓励积极型战略而高交易费用将抑制积极型战略。
由于技术进步和竞争作用，定量分析团队现在只需在股票交易中支付部分费用，有时甚至零费用。这就在所有最复杂交易方法上产生了高技术的需求。例如，有一个电子网络，投资者可以通过计算机或程序匿名地进行相互交易。在交易中，交易者只根据大宗股票组合本身的特征而非持有者的个人姓名来竞价。在算法交易这个新兴的程序中，头寸不是针对每笔大宗交易，而是在一系列交易后进行清算或累积的。然后，计算机根据任一给定时刻的价格波动显示市场将接受还是拒绝交易，做出交易决定。如果价格波动显示交易将背离投资者想要成交的价格，则计算机就会拒绝交易。
“这一过程容许新的策略，”利特曼继续说，“但到时我们将更强大，这就使得我们在交易时对价格的影响力也同时增强。所以我们十分关注减少交易费用。账面上投资组合总能赚钱，但问题在于现实。对于高盛这样的大型投资者来说，衡量和减少对市场的影响是至关重要的。甚至在资产配置的过程中，市场影响也很重要。事实上，我们每天都在通过交易，对全球市场进行实验。每次进行交易时，我们都会观测我们的交易引起的市场波动。尽管我们是大机构，但是影响还是很难发现。我们希望能保持这样。”
很多高盛的资产管理工作都源于1992年建立的布莱克一利特曼模型。布莱克和利特曼的这个模型来源于反直觉理论。该理论认为，投资者可以在同一个投资组合中结合积极型管理和被动型管理。据此，布莱克一利特曼模型描述了这样一种策略:有一个由两个单独的子投资组合构成的单一投资组合，其中一个子组合反映均衡，预期回报与投资组合和市场的协方差相关，另一个则反映管理者关于资产类别的预期回报或资产类别是单一证券预期回报的积极型观点。有趣的是，布莱克和利特曼是如何把一个基于市场有效性的投资组合与一个基于非有效性赌博的投资组合结合成为一个融合两个观点的投资组合的。
这种对均衡与积极型管理奇怪的混合成了解决了资产配置的基础方法均值/方差最优化模型中存在的难题。这可以追溯到1952年，哈里·马科维茨的著名论文《投资组合选择》(见《投资革命》，第41一60页)。在这篇论文中，马科维茨提出“有效投资组合”的概念，认为它是指最大化每单位风险(方差或波动性)的预期回报或者说最小化每单位回报的风险的投资组合。这种最优化通过结合每种资产的预期回报和风险的估值与每种资产和可供考虑的其他各种资产的协方差(关联性的上下波动)，在供考虑的资产中选择有效的投资组合。目标是最大化投资组合的预期回报而最小化所有协方差以使投资组合尽可能的分散。
但是，这种最优化模型存在一个难题。如职业投资者描述的那样，最优化模型“表现不佳”，明显偏向于与其他资产有低协方差的资产和高相关性的投资组合。这些特征往往主导对每种供考虑资产预期回报和风险的估值。两套输入值有任何不一致，比如预期回报与风险之间—这种情况在输人值被分别估值的情况下经常发生—最优化模型就会认为存在机会。优化者们青睐的许多资产(比如房地产、木材、私募股权和新兴市场股票)都有相对低的流动性或高波动性的回报或可被归人明显的莱博维茨所谓的龙险。如果大比例推荐这类型资产的最优化模型表现不良，则传统型投资组合持有者会对此感到不满。这可能因为交易这些资产十分昂贵，或者对于保守型投资者来说，它们太具风险或反传统。如果这种情况发生，那么最优化模型的表现就不良了。
指定一定的百分比，使最优化模型配置于那些投资者不愿持有的资产的量占总投资组合的比例不超过该百分比，可以改善最优化模型的表现。尽管这些约束可以改善最优化模型的表现，但也带来新问题:过多的约束稀释了当初采用最优化模型的好处。
1989年，高盛的定量分析师们首次关注到最优化模型为何表现失常的问题，也就在利特曼成为固定收益研究部门总管后不久。日本的高盛固定收益管理部门总管让利特曼开发一个适于日本投资者的全球固定收益投资组合。这项任务很快扩展成了为全球的高盛客户制定固定收益投资组合的全球模型。
对于这项任务，利特曼不知如何下手，于是决定去咨询布莱克。布莱克对这项挑战很感兴趣，但他并不习惯于在现实条件下思考模型。一如既往，均衡仍然是布莱克考虑问题的出发点，但这次利特曼担心布莱克带给自己更多的是困惑而非启示。他回忆道:“对我来说，质疑均衡中会发生什么是代数上的有趣练习，并不是一个重要的问题。但是费雪告诉我整个问题可以用简单的均值/方差最优化来解决。于是我离开到计算机室，打开最优化模型，发现了人人都知道的事:最优化模型表现不良—除了我，人人都知道。我之前从没操作过最优化模型。”
对成熟市场上的全球债券投资组合来说，这个问题尤为重要，因为债券回报与汇率跨越国界而高度相关。这种关联将不可避免地导致最优化模型的不良表现。在这种情况下，输人值是6个月内债券回报的预期值。对一国预期哪怕只是1/20个百分点或5个基点(利特曼数据的不确定性远高于5个基点)的变动，都会极大地改变投资组合的推荐权重。要使最后得出的是可接受的投资组合，那么对最大及最小持有量的主要约束就至关重要。这样的话，最优化模型无疑是表现不良且实际无效的。
绝望中，利特曼慌忙地回去找布莱克抱怨最优化模型的表现。“不良表现是出了名的，”布莱克回答道，“这就是为什么人们在使用最优化模型时对输出值加以约束的原因。”利特曼反对这种说法。“那没有价值，”他反驳道，“输人你想要的，再得出它。”
布莱克提出来另一种选择。他当时刚好发表了一篇论文，是关于用均衡理论来解决在全球投资组合中需对冲多少外汇风险的问题的。“这篇论文没有提及最优化模型的表现;它主要讨论的是货币对冲。利特曼认为布莱克的观点太过学术性，对该方法的实用价值表示怀疑。
但是利特曼明自，尝试布莱克的方法比一切从零开始要有效得多。他意识到货币问题在全球投资组合中的重要性，但不知道应在多大程度上对冲货币波动。布莱克在关于全球对冲的论文中提出，可以通过权衡货币波动风险与投资组合预期回报进行最优化，从而得出问题的答案。不附加任何约束和观点地将固定收益资产和货币的均衡预期回报以及每种可选资产的波动性和协方差输入最优化模型。这样，最优化模型会得出应持有的全球固定收益市场投资组合以及根据费雪全球对冲比需对冲的货币。利特曼的第一反应是“真棒—这提供了一个完美的开始，如果你没有想法，那么就让市场设定投资组合吧。”
这是重要的第一步。利特曼一直采用的是经济学家的输入值导致了他所谓的“疯狂组合”。这反映了最优化模型对输入值的敏感性。“既然反映经济学家观点的投资组合不成立，”他指出，“我就应该遵循费雪的建议，将假设转为所有预期回报与资产和市场的协方差成比例的均衡的情况。这样，我就可以利用均衡的假设和经济学家的观点了。”这听起来容易，但利特曼的第一次尝试却以失败告终。他对两个输人值进行线性组合，但除非投资者将大部分权重放在费雪的均衡输入值这边，否则组合没有任何意义。即使经过调整，市场组合的偏离仍难以解释。
利特曼不愿就此放弃。他根据另一重要的思想将均衡和经济学家观点这两个信息来源结合到一起，即利用贝叶斯模型将新信息和已知信息相结合。曰这种贝叶斯分析将相关性考虑在内。利特曼采用的这种方法运用了表现相似的两种资产应有相似预期回报的思想。此外，贝叶斯方法还提供了很大的自由度:不必对每种资产进行假设;根据不同的观点增加或减少置信水平;甚至可提出对投资组合的看法。
“喔，这能行!”利特曼欢呼道。在无约束的背景下，现在最优化模型可以推荐持有一部分市场投资组合和一部分代表个人观点的投资组合的最优投资组合了。此外，如果偏好于均衡，你就不必了解每种单个资产。而当你确实对单个资产有想法时，最优化模型会将这一想法运用到在一定程度上与其相关的其他资产上。这样就避免了疯狂组合。现在你能得到基于自己观点的置信水平和此观点应配置的风险量(头寸大小)的可接受的投资组合了。现在，最优化模型表现良好!“没有人信任最优化模型，”利特曼说，“可我们发现了如何让人们信任它。”
现在已经没必要向最优化模型输入每种可选单个资产的预期回报预测值了。相应地，注意力也已经从单个资产转移到了整个投资组合，利特曼这样描述这种新方法:
投资者关注一种或多种观点，每种观点都是对他选择的游子组合回报的预期。……我们称这样的投资组合为“观点投资组合”（然后）投资者被要求说明每种观点投资组合预期回报及置信度，即预期回报的标准差……(然后)最优组合是市场资本化均衡组合与观点投资组合的加权组合……观点投资组合的权重是由投资者个人观点中包含的预期回报所表达的程度和置信度决定的函数。
布莱克一利特曼模型还有另一个有趣的特点。投资者仍可在最优化模型中输入约束条件。最常见的约束是只允许买空而不允许卖空。另一方面，无约束的最优化会根据每种资产的持有情况，建议在可选的投资组合中卖空某种类型的资产。
感受着布莱克对均衡研究的执著和高盛对积极型管理的追求的完美结合，利特曼总结道:“对问题的管理重组可以更普遍地运用于……以及十分有助于在资产管理中运用定量回报预测模型。”有了布莱克一利特曼模型，投资者可以放松对最优化过程的约束条件，却仍能得出可接受的组合。
这种不受限的约束条件的方法产生了可喜的结果，引起资产管理的革命。眼看着资产增加，利特曼引以为豪。但是受管资产并非他的首要目标。依他看，策略能创造多少回报远比受管资产的数量重要。
测试的结果使利特曼和他的同事们意识到均衡理论不只限于学术上。事实上，尽管高盛的业务是创造阿尔法而非贝塔，均衡的概念还是对于他们所做的每个项目均有所帮助:“如果你想要贝塔，就去找先锋(Vanguard) , BGI或道富公司(State Street ) ,”利特曼说。将布莱克一利特曼模型均衡引入阿尔法研究只是又一种观点，并不意味着向被动型管理的转变。布莱克一利特曼模型的主要贡献在于，在不对最优化模型附加过多约束条件而导致其扭曲的情况下，运用最优化模型得出合理的结论。
“如今我们拥有了一个阿尔法工厂，”利特曼宣称，“可我们如何出售产品呢?我们以管理基于定量的低风险股票投资组合出名。但自从科技泡沫破灭后，世界发生了改变。旧式的股票选择进入了我们的视野。”这个回答为他们的策略披上了新的外衣。
可是要如何才能做到?考虑一个传统的只做多头投资组合，投资管理者偏好的资产占较大权重，而不受偏好的资产则占较低权重。假设该投资组合对于其基准的跟踪误差为2%。如果客户可接受4%的跟踪误差，则管理者可将已超权重的资产的持有量翻倍。但是管理者如何处理不受偏好资产的低权重呢?在持有量很小的情况下，再减持一半将毫无意义，因为持有量将很快见底而达不到预期的效果。
唯一的选择就是将该多头投资组合与一个空头投资组合相结合。利特曼发现，当投资组合被设定的跟踪误差为4%一5%之间时，在投资组合中仅持有30%的空头就已足够，而在全球背景下，这个比例可达到40% 。
利特曼开始考虑另一个极大地区别于通常的只做多头投资组合的方法:彻底放弃基准，平分多头与空头。2003年，高盛根据此原则推出了一款市场中性产品。该策略是高盛积极型股票操作的无约束版:不考虑贝塔和多头/空头。它是全球性，适用于所有市场，包含约1500只股票。该产品利用杠杆作用使持有的空头和多头的波动性高达8%一10%。如果不利用杠杆，该组合将产生较低的自然波动性，因为投资者会同时对预期上涨和下跌的股票下注。利用杠杆意味着对于每100美元的投资规模，高盛需买卖约400美元的股票。
利特曼对该产品很自豪。“它是绝无仅有的，纯粹的阿尔法，且具有高度波动性—伟大的创意。它回报巨大而且增长迅速。”2005年的一天，利特曼阅读了一份报告称该策略已拥有和卖空近150亿股票，当时该产品下已有近40亿受管资金。他想:“呀，我们肯定是市场上最大的卖空者之一了!”经过一番核查，他发现尽管单笔头寸业务量都不是很大，但总体上说，公司的确已是市场上最大的卖空者之一了。
这项基金的成功促使利特曼将该方法与他在许多其他投资管理公司看到的方法作对比:“这个行业一个最糟糕的问题就是人们不像宣称的那样接受风险。他们不管理自身的风险，这是在犯罪。他们不注意也不知道自己在做什么。他们不降低费用，只降低风险。而我们利用杠杆保持8%一10%的波动性。”
利特曼借用他于2004年早期的一篇重要论文《主动性风险之谜:对资产管理行业的启示》( The Active Risk Puzzle ; Implications for the’ Asset Management Industry），表达了对其他投资者所作所为的不耐烦。这篇论文开头就对主动性
风险之谜做了解释。我们知道主动性风险与市场风险不相关—市场不会随着投资组合表现的好坏而升降。换言之，试图打败市场几乎不会增加投资组合的整体风险。“那么退休基金投资组合的管理者们为什么只配置很小一部分到主动性风险呢?”利特曼想。许多退休基金对主动性风险的配置在50一200个基点，这意味着他们能容许回报偏离基准的范围在0.5%一2%之间。当大多退休基金管理者的回报不相关或相关系数较低时，这种对主动性风险的低 配置就更奇怪了。仅仅基于分散化可以减少风险的思想，这些基金就应让个人管理者接受更多的主动性风险。
利特曼认为这种现象确实是个谜;他在思考如何解释。也许少量的主动性风险就意味着这些基金的投资官们只预期从他们的管理者那儿获取微薄的头寸价值的是。如果真是这样的话，这些投资官们一定相信市场是高度有效的。更奇怪，他们一定认为他们中没有人可以选出有超常表现的积极型管理者。最有可能的情况是，投资官不愿接受对等风险—如果接受较高波动性头寸，他们就得冒相对策略基准短期不良表现过多的风险。而此时其他基金的跟踪记录就会好于他们。如果是这样，他们为什么会产生积极型管理费用呢?
尽管要解释主动性风险之谜恐怕得结合行为动机和代理冲突，利特曼相信“这种情况不可能持续下去……所有基金都仅接受一点点主动性风险不是最优的。”他已经看到了改变的迹象，一些大型的退休基金接受了更多的主动性风险和更少的市场风险。
态度转变的一个重要原因是可转移阿尔法的流行，可转移阿尔法允许在不 影响既定组合标的资产配置基础上的主动性风险策略。对积极型管理者们放松不必要约束的信号很明显。事实上，传统的选择股票而不受空头约束的管理者已逐渐过时，代之以低风险强化指数产品或高风险多头/空头对冲基金。与传统的投资组合策略不同，强化指数产品和对冲基金解决了通过识别表现不良的股票创造阿尔法所存在的问题。强化指数基金降低这些股票的权重，而相应地提高被看好股票的权重;对冲基金则可以卖空预期价值被高估的股票。
然而，利特曼接下来警告道:“构造阿尔法的最大约束是创造主动性风险所需的资金，而不是主动性风险水平本身……如果对资金来源存在附带约束条件，则投资策略应以每单位资金的阿尔法值为基础进行判断……那么通过借款增加资金来源可能更有利……认识到主动性风险水平不是重要约束条件非常重要……构造最优投资组合需要进行一系列不同的权衡。”
该篇论文总结出一个有趣的预测:
对阿尔法的需求会使市场更有效……而当市场变得更有效时，发现市场机会就会更困难。因为发现市场机会需要基金层面的技术，而且这是一种零和博弈。我们认为董事会和首席投资官们会更加重视开发优于其同行的可持续发展技术或使指数策略违约的成本降到最低，从而解决主动性风险之谜的技术……“协议交易”的到来指日可待。
布莱克一利特曼模型的成功开创了一个全新的积极型管理策略，高盛将其称之为“最优倾斜型投资组合”。“倾斜”这个词常用于指实际投资组合与其相应基准间风险和回报的不同。在对冲基金中，则是指计算多头与空头的最优均衡。布莱克一利特曼最优倾斜投资组合是最优化模型在“观点投资组合”中的风险配置—通过组合中多头与空头的头寸来表现对未来的一种或一套观点。它是人们“本能喜好的—有意义的投资组合”。利特曼这样描述。
“刚开始，”利特曼回忆道，“当费雪和我最初建立布莱克一利特曼模型时，我们用经济学家的观点或者说是用一个市场对比另一个市场来思考问题。但是现在，我们的观点更精细，例如，用价值对比成长或用累积型回报公司对比大量现金流公司。我们通过构造投资组合表现这些观点。那么最优倾斜投资组合就是对所有人们持有的观点投资组合的风险配置。”换句话说，最优倾斜投资组合是对所有观点投资组合的某种融合。
但这种组合的确切特征是由什么决定的呢?由于有关投资组合全都是多头/空头，涉及的资金很少或根本没有，所以人们配置的主要是风险。而夏普比是无风险回报与回报波动之比，因而它能很好地指导这一过程。
设想是一回事而实施又是另一回事。账面上，最优倾斜投资组合几乎每月都有盈利，但现实中，每种投资组合都会产生交易费用。"比较账面投资组合和实际投资组合，你就会注意到实现的阿尔法值很小而且不确定。”利特曼指出。
尽管如此，这个过程却是十分灵活的，它允许投资者构造各种投资组合—高风险或低风险的，有约束或无约束的。“我们在经营一家阿尔法工厂，”利特曼说，“任意一天我们通过一个最优倾斜投资组合来表达一组观点，但可以有许多不同的实际最优组合。这些投资组合都是最优的，但由于各种原因而有所不同—它们可能有不同的基准、约束条件、主动性风险水平。即使这些特征都相同，它们也会因为大小或投资时间长短及交易费用的不同而不同。”
关键通常在于细节，而高盛擅长经营细节复杂的策略。这都源于高盛简单的投资组合管理理念。这一行的竞争十分激烈，而且还在随着时间的推移变得更加激烈。费雪·布莱克刚加人高盛时也许承认“市场在查尔斯河沿岸比在哈得逊河沿岸更有效”，但即使在1984年，市场也很难被打败，而现在它更接近于真正有效了。在我们的市场上，均衡是强大且深入的力量，在全球市场上它也正逐渐变得强大且深入。
像利特曼所坚信的那样，如果真是这样的话，投资理念以及均衡思想将成为投资者构造投资策略的基础。投资理念的4个要素都围绕风险管理—均值/方差模型、资本资产定价模型、有效市场假说(包括莫迪利亚尼一米勒模型)以及期权定价理论。虽然积极型投资组合管理者积极地寻求阿尔法，他们也不可能控制结果。所以运用投资策略的整个过程必须把重点放在风险管理上。这才是技术真正重要的地方。
高盛追随着迈伦·斯科尔斯，识别可管理的风险同时避免或对冲所有其他风险。结果显而易见且令人印象深刻。