本文介绍了Roger Aliaga-Diaz等人于2020年发表在The Journal ofPortfolio Management上的文章Portfolio Optimization with Active,Passive, and Factors: Removing the Ad Hoc Step。作者提出了一个能够同时进行主动、被动和因子配置的全面的组合优化框架，同时考虑了每种收益来源的不确定性以及投资者的风险偏好。
　　文章研究背景：投资者在构建包括主动、被动和因子策略的单期投资组合时，通常分两个步骤进行：第一步是确定投资组合在各核心资产类别之间的配置比例；第二步是确定每种资产类别中主动、被动和因子策略的占比。但是这种两步决策的方法存在一定的局限性，一方面是忽略了各个策略之间的相关性，另一方面是不能全方位地匹配投资者的风险偏好。因此，作者通过一种基于预期效用理论的投资组合优化方法，解决了这些限制。
　　模型的构建方法：
　　模拟资产收益分布：对于市场和因子收益，采用随机预测模型模拟资产回报的分布和不同资产之间的相关性矩阵。对于主动alpha，首先计算经因子调整后的alpha及其跟踪误差，再采用蒙特卡罗方法模拟分布。
　　预期效用最大化：作者基于幂效用函数刻画投资者对风险的偏好，并将其分解为市场、因子和主动的三个部分；以预期效用最大化为目标，计算最优的资产配置权重。
　　模型的应用：一方面，文章指出可以使用因子投资工具来替代主动alpha，从而节约投资成本。另一方面，通过比较经过模型优化后的因子投资组合和等权配置因子的组合，夏普比率得到明显提升。
　　风险提示：本报告仅作为投资参考，基金过往业绩并不预示其未来表现，亦不构成投资收益的保证或投资建议。因各国情况不同，海外经验仅供参考。