嗨，从没放弃的小努力你好：
也就是CF yield对吧
是的，就是把组合当成一个债券，组合的每一期现金流就是债券的Coupon，组合的最后一笔现金流就是债券的本金，组合的期初构建价格就是债券的期初成本。
有了现金流，有了期初的价格，可以写出折现公式，折现公式反算出来的就是折现率YTM，对于组合来讲，这个折现率就是Cash flow yield。他本质也是一组现金流的内部报酬率IRR。
还需要掌握什么计算或者概念吗
没有。CF yield不是考纲要求，只是为了理解用组合构建duration-matching才引出来的中间概念。
是不是完全用不到这个指标？
基本用不上，题目只是为了严谨，会列出来cash flow yield，且cash flow yield基本一致，这是为了控制变量让组合的Cash flow yield一致，然后比较分析dispersion等数据可以判断convexity的大小。
因为cash flow yield自身也会影响convexity大小，让组合的cf yield一致，就避免了这个分析因素，可以聚焦到dispersion, cash flow的离散程度对convexity的影响。
考题怎么说才要选con大，越大越好的呢
看题目和债券策略。主动投资策略，不做match liability的策略，就是只投资债券赚取收益这种。这时候如果预测利率发生改变，此时就应该找convexity大的债券，因为涨多跌少的性质，利率下降债券价格涨得更多，convexity带来更多收益；利率上升，债券价格下跌，convexity避免下跌过多。总之convexity会带来涨多跌少的优势。
同时，在主动投资策略时，如果预测利率不发生改变，这时候应该找convexity小的债券，因为convexity是债券的优质属性，convexity大的债券价格也高、策略构建成本高，如果预测利率不发生改变，花了大价钱买了高convexity的债券，但由于利率没变，所以无法享受convexiy涨多跌少的好处，所以是花了钱没有享受好处，这会拖累投资收益。
是在免疫这里，是要资产的convexity包住负债的convexity且选最小的也就是资金相对最集中的对吧
是的。免疫策略不是主动投资策略，免疫策略属于被动的债券投资策略。
免疫策略最好的状态就是让资产的各项duration/convexity数据与负债的各项duration/convexity数据一致，让资产copy负债特征。
但具体在做duraiton matching时，会让资产的现金流比负债分散，包裹住负债，所以资产convexity天然比负债convexity大。
但同时为了提高免疫的效果，就要保证资产与负债的数据接近，所以又要求资产的convexity在满足大于的条件下又尽可能地小。
dispersion不可得，通过公式验证，将con作为dispersion的替代是这样吗？
是的
PV MD MacD BPV con这一堆指标在一起，有没有一个优先的比较顺序，先看哪个再看哪个
单期负债single liability匹配，先找macaulay duration和负债差不多接近的，然后再找convexity最小的。PV基本用不上，题目要么不给，要么默认满足条件。
多期负债multiple liabilities匹配，关注BPV和convexity，先看BPV差不多大，再找convexity大于负债convexity的，然后在满足以上2个条件后，找convexity最小的。PV也是基本用不上。
MD MacD BPV这些是要和lia非常近似才行？那PV呢？一定要PVa＞PVl还是只要等于就行呢？书上是说大于等于，但是其实我觉得大于反而会有利率风险，当利率上升的时候，BPVa不是会下降更多？
是的，资产数据与负债近似or相等，至于多近算近，这个没有统一标准，要看题目给的数据，在题目给的3个组合里面找相对近的，反正肯定会有差异大的直接排除。PV大于等于即可。
如果看BPV的话，就不用关注PV了，因为BPV同时考虑了duration和market value，衡量的就是1单位利率改变引起的资产价值的变动金额。
如果资产与负债的BPV相等，就说明利率改变1单位，引起的资产、负债的价格变动金额是一致的，这已经满足了免疫条件。多期负债匹配里面，看BPV就够用了，所以题目基本不给PV或者PV是默认满足条件。
针对structural risk最大这个问题,是要一定要conA大于包住conL再谈风险吧，在符合大于的组合里面再选一个con最大的？
是的。但做题直接挑Convexity最大的就行，因为3个组合里，convexity最大的一定是structural risk最大的，否则题目就没办法考查了。
----------------------------------------------虽然现在很辛苦，但努力过的感觉真的很好，加油！
