从LTCM看对冲基金交易策略

《从LTCM看对冲基金交易策略》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、案例分析：从LTCM看对冲基金交易策略长期资本管理公司的历史获利的法宝之一：数学模型获利的法宝之二：杠杆交易LTCM进行的交易－债券利差交易LTCM进行的交易－股票衍生品交易长期资本管理公司的陨落投资及风险管理借鉴美国长期资本管理公司的历史美国长期资本管理公司（（Long-TermCapitalManagement，简称LTCM）是一家主要从事定息债务工具套利活动的对冲基金。该基金创立于1994年，主要活跃于国际债券和外汇市场，利用私人客户的巨额投资和金融机构的大量贷款，专门从事金融市场炒作，与量子基金、老虎基金、欧米伽基金

2、并称为当时国际四大“对冲基金”。美国长期资本管理公司的历史在1994年到1997年间，长期资本管理公司业绩辉煌而诱人，其交易策略是“市场中性套利”：即“通过电脑精密计算，发现不正常市场价格差，资金杠杆放大，入市图利。”因而，以成立初期的12.5亿美元资产净值迅速上升到1997年12月的48亿美元，净增长2.84倍，每年的投资回报率分别为：1994年28.5%、1995年42.8%、1996年40.8%、1997年17%。美国长期资本管理公司的历史成功操作：1996年，LTMC大量持有意大利、丹麦、希腊政府债券，而沽空德国债券

3、。根据LTMC模型预测，随着欧元的启动，上述国家的债券与德国债券的息差将缩减，后来市场表现与LTMC的预测惊人的一致，LTMC因此获得巨大收益。美国长期资本管理公司的历史冒险操作：LTCM在世界各地持有巨量基于优质债券与高风险债券之间的价差会缩小的套利合约，同时他们在股票波动幅度减小上也下了很大的赌注。从1998年5月到9月，短短的150多天LTCM资产净值下降90%，出现43亿美元巨额亏损，仅余5亿美元，走到了破产边缘。美国长期资本管理公司的历史辉煌破灭：1998年9月23日，美联储出面组织安排以MerrillLynch、

4、J.P.Morgan为首的15家国际性金融机构注资37.25亿美元购买了LTCM90%的股权，共同接管了LTCM，从而避免了它倒闭的厄运。美国长期资本管理公司的历史LTCM的管理成员被投资人称为“梦幻组合”：集学者、政客、交易员于一体。约翰.麦利威瑟（JohnMeriwether）：LTCM掌门人，被誉为能“点石成金”的华尔街债券套利之父。罗伯特.默顿（RobertMerton）：1997年诺奖获得者，同时也是哈佛大学教授，金融学届泰斗极人物，为华尔街培养了包括艾里克.罗森菲尔德在内的好几代交易员。美国长期资本管理公司的历史

5、马尔斯.斯科尔斯（MyronScholes）：1997年诺奖获得者，与费舍尔、布莱克共同创立了著名的布莱克—斯科尔斯期权定价模型，在华尔街在华尔街拥有极高的声誉。大卫.莫里斯（DavidMullis)：美国前财政部副部长及美联储副主席。艾里克.罗森菲尔德（EricRosenfeld)：前所罗门兄弟债券交易部主管。LTCM获利的法宝之一：数学模型斯科尔斯和默顿这两位金融工程的著名学者，将金融市场的历史交易资料、已有的市场理论和市场信息有机结合在一起，形成了一套较完整的电脑数学自动投资模型。如果两者出现偏差，电脑立即建立起庞大的

6、债券和衍生工具组合，大举入市投资；经过市场一段时间调节，放大的偏差会自动恢复到正常轨迹上，此时电脑指令平仓离场，获取偏差的差值。获利的法宝之一：数学模型在具体操作中，LTCM遵循“市场中性”原则，即不从事单方面交易，仅以寻找市场或商品间效率落差而形成的套利空间为主，通过对冲机制规避风险，使承受的市场风险最小化。比如：基于历史数据的分析结果，LTCM的模型得出结论，美国公司债和国库券之间现在价差偏大，不久将来肯定会缩小。于是买入价低的公司债券，卖出价高的国库券，完成对冲交易。获利的法宝之一：数学模型但是这套以电脑程序为基础的数

7、学自动投资模型有一些致命之处：模型假设前提和计算结果都是在历史统计基础上得出的。但是历史统计永远不可能完全覆盖未来现象，LTCM的投资策略是建立在投资组合中两种证券的价格波动相关性的基础上。例如LTCM成立初期，核心交易策略之一，沽空德国债券并且持有意大利债券，就是建立在经由大量历史数据所证明的二者正相关性。因为二者正相关，才能在赚取利差的同时，又顺道对冲利率波动的风险。但是历史数据的统计过程往往会忽略一些小概率事件，亦即上述两种债券的负相关性。二、获利的法宝之一：数学模型又如股市和债市，统计数据告诉我们的一定是二者负相关，

8、一涨一跌；然而2001年的911恐怖攻击事件，美国股市和债市同时下跌，二者变成正相关，因为金融机构需要钱，同时卖出手上的股票和债券。如果某对冲交易员同时买进美股和美债进行对冲，那么他会在911时看到二者同跌带来巨大风险。这类小概率事件发生的机会可能并不象统计数据反映的那样小，如果一旦发生，