Why then does Buffett rely heavily on private companies as well, including insurance and reinsurance businesses? One reason might be that this structure provides a steady source of financing, allowing him to leverage his stock selection ability. Indeed, we find that 36% of Buffett’s liabilities consist of insurance float with an average cost below the T-Bill rate.

Тем не менее, это не отменяет его наличие, рычаг — же необязательно должна быть маржа брокера?

Buffett's Alpha(https://www.nber.org/papers/w19681)

Оттуда: Berkshire Hathaway имеет коэффициент Шарпа, равный 0,76, что выше, чем у любых других акций или взаимных фондов с историей, насчитывающей более 30 лет, и у Berkshire есть значительная доля традиционных факторов риска. Тем не менее, мы обнаруживаем, что альфа становится незначительным при контроле подверженности факторам Betting-Against Beta и Quality-Minus-Junk. Кроме того, мы оцениваем, что левередж Баффета в среднем составляет 1,6 к 1. Доходность Баффета, похоже, не являются ни удачей, ни магией, а скорее вознаграждением за использование рычага в сочетании с акцентом на дешевые, безопасные, качественные акции.

С 8 июля 2019 года для клиентов со стандартным уровнем риска (КСУР), которые торгуют фьючерсными контрактами, требования к гарантийному обеспечению увеличатся приблизительно в полтора — два раза. Это связано с тем, что в рамках ЕДП мы будем учитывать  фьючерсные контракты в соответствии с новыми требованиями Банка России.

Для клиентов c повышенным уровнем риска (КПУР) ничего не изменится. 

Напоминаем, что с 1 июля изменилась методика расчёта маржинальных показателей

voron2019, вы в теории вероятности и статистике разбираетесь? Вам нужно матожидание доходности — вы его не знаете. Можно сделать предположение, что оно у всех эмитентов постоянное во времени, хотя это заведомо не так. Но допустим так. Тогда вы можете собрать прошлые данные и оценить это матожидание, но это будет лишь с оценка с некой погрешностью. Теория вероятности позволяет оценить величину вашей ошибки в оценке среднего. Если вы собрали данные за 24 месяца она в первом приближении равна 2 * СКО / 24^0,5. Если взять в качестве характерной средней доходности в месяц 1%, а СКО 6%, то точность вашей оценки  среднего будет 1% ± 2,5%, то есть формально ужасная (вы даже не сможете достоверно понять отрицательная она или положительная). И это мы еще оценкой достоверности ковариации не озаботились. 

В результате вы берете абсолютно недостоверные оценки, а как следствие получаете абсолютный мусор на выходе. Марковиц не работает в лоб. Можно чего-нибудь с этим сделать — в принципе можно. Я обычно рекомендую https://www.amazon.com/Robust-Portfolio-Optimization-Management-Fabozzi/dp/047192122X