你按过去最惨的一次亏损来定仓位，就像按几次试航遇到的最大浪头设计载重：样本太短，风浪可能被低估，船也就装得太满。这项研究关注的正是最大回撤（Maximum Drawdown，净值从历史高点跌到随后低点的最大幅度）如何被估错，以及误差会让投资决策付出多少成本。
研究没有只盯着某一个历史回撤，而是用 Bootstrap——反复重抽已有收益数据、生成许多模拟历史——估计最大回撤的完整分布。据 Hamburg Financial Research Center 介绍，作者比较了三种 Bootstrap 方法和多种全球股债配置，并在三类现实决策情境中衡量偏差的经济成本。结果显示，Politis–Romano stationary bootstrap 最精确：它按随机长度的数据块抽样，尽量保留收益的时间依赖，因而更适合回撤这种取决于涨跌路径的指标。
这件事值得留意，因为低估回撤会让风险预算——投资者预先设定的风险上限——放出过大的仓位；高估则会错失持有风险资产的机会。作者称，更准确的估计可减少资产配置和动态风控中的错误决策。不过现有材料未披露误判成本的具体数字。