(通讯员：刘国桐）2018年10月26日下午，南加州大学MICK SWARTZ 副教授应金沙集团官网邀请做客文澜学术系列讲座，在文波楼205开展了主题为“Factors Affecting the Returns of Long/Short Equity Hedge Fund Categories”的学术讲座。金沙集团3354cm龚强教授、曾志雄教授以及众多学生参与了本次讲座。
MICK SWARTZ 现为南加州大学Clinical Finance 系教授，主要教授EMBA及MBA课程。于2017年5月获得南加州大学研究生教学奖。他主要研究投资学，公司金融，衍生物，对冲基金等方向，并在风险管理和法律事务方面为对冲基金和投资者提供咨询。
MICK SWARTZ最开始先介绍了本文的思路。他首先以养老基金和大型机构决策因素引入，指出他们大多根据资产类别的平均回报做出决策，有关回报和风险的历史信息都包含在分析中。并指出过去的文献表明，股权投资遵循CAPM和Fama-French模型，所以本文结合了CAPM和Fama-French模型，并添加了其他因子，包括下行风险因子，动量风险因子和流动性风险因子。从而观察加入这些因子后预测模型是否会更加优化。
然后MICK SWARTZ为同学们详细介绍了十种股票对冲类别，介绍了“股票对冲”“定量方向”“市场中性”等名词的含义。期间就股票对冲收益率问题和同学们进行了互动。介绍完这些后，教授介绍了对冲基金策略回报模型的模型估计、选择和诊断方法，讲述了ARCH模型在使用过程中需要的如平稳性、异方差性这样的修正问题。
接下来教授进入了本篇论文的重点，即提出了本文的贡献。首先，教授指出本文分析了10个HFRX 股票对冲的个人策略月度回报的风险特征，这些特征从未出现在之前的对冲基金文献中，具有较大意义。其次，他介绍了文中提到的三个新的因子，即最开始提到的下行风险因子，动量风险因子和流动性风险因子，并介绍数据的选用以及各因子的运行结果。通过分析股权对冲基金的回报，以及利用这些模型预测收益的结果，本文发现当这些新的因子与Fama-French模型相结合时，对冲基金回报的风险测量值比传统变量更好。最后，他发现这些特定战略模型比使用Schwarz信息准则（SIC）的所有十种策略中关于对冲基金的先前文献中的模型更加简约和高效。虽然结果有一些不足，即在市场中性和能源、基础材料类别的研究中，新添加因子并未明显优化预测模型。但教授仍然提出，这些因子仍然对于对冲基金的收益预测有很大意义。
在介绍完论文后，MICK SWARTZ副教授还耐心回答了老师同学们关于对冲基金收益以及Fama-French模型因子的相关问题，全场学生收获颇丰，最后讲座在掌声中圆满结束。
