Louis K. C. Chan
伊利诺伊大学香槟分校金融学教授。
代表作
Institutional Trades and Intraday Stock Price Behavior（与 Josef Lakonishok 合著，JFE 1993）——Chan-Lakonishok 1993。
本 wiki 第一篇用"可识别身份的真实机构成交"做价格冲击的论文。 37 家机构、两年半、超过 100 万笔成交，占 NYSE+AMEX 成交金额的 5%。
两个核心发现
1. 买卖冲击不对称：按本金加权平均的交易后收益，买入 0.05%、卖出 0.08%。论文的判断是——买入后的价格行为像"新信息"，卖出后的价格行为像"流动性回补"。
2. 冲击的主导因素是"身份"而非规模：市值与相对交易规模都有影响，但最主要的影响来自交易背后那位基金经理的身份。
数据来源的特殊性
数据由 SEI (Securities Evaluations Inc.) 提供——感谢 Gil Beebower 与 Vasant Kamath。逐笔的买卖方向与管理公司身份都已知，这是绝大多数机构交易研究做不到的。
与本 wiki 的关系
concepts/microstructure/机构交易的买卖不对称 (Buy-Sell Asymmetry in Institutional Trading) 页把本文（价格侧）与 Keim-Madhavan 1995（行为侧）、Ren & Zhong 2011（A 股）串成跨市场一致证据。
相关
Josef Lakonishok · concepts/microstructure/机构与散户的订单流差异
组合优化一侧：预测协方差与选择风险模型
Chan, Karceski & Lakonishok 1999 — On Portfolio Optimization（与 Jason Karceski、Josef Lakonishok 合著，NBER WP 7039）。
这篇是 Chan 从市场微观结构转向组合优化的一篇：结论是少数几个因子就能抓住协方差的一般结构，加因子不再提升预测力（一因子模型 ≈ 十因子模型），而真正区分风险模型优劣的是把目标从"最小化总波动"换成"最小化跟踪误差"——此时按属性匹配基准的启发式方法反而打败标准因子优化（九因子模型 4.01% → 按九个属性匹配 3.01%）。详见协方差估计与预测的方法选择。论文实体页见Chan-Karceski-Lakonishok 1999 论文页。
值得注意的是这篇刻意不处理期望收益——作者明说期望收益"出了名地难预测"且 MVO 对它极度敏感。这与Black-Litterman 模型的分工一致：BL 管 \mu，这篇管 \Sigma。