第6章 投资组合构建模型
考虑期望收益、风险和交易成本之间的平衡。
过于强调交易机会会因忽略风险而带来损失;
过于强调风险会因忽略交易机会而造成收益不足。
过于强调交易成本使系统瘫痪,不愿意承担更新投资组合成本而持仓时间很长。
组合构建模型主要分为两大类。
第一类是基于规则的模型。依赖于宽客的直觉
第二大基于优化的。优化程序使用算法去寻找达到宽客所定义目标的最优路径,
算法：:设计的一步步的规则,引导使用者从初始点到达终点。
目标：目标函数(objective function)。
基于规则的投资组合构建模型
基于规则的投资组合构建模型有4类:
相等头寸加权:某一头寸好到值得拥有,就不再需要其他信息来决定其规模.
隐含假设:金融产品具有同质性,不需要根据其风险或其他指标加以区分。
基本论点:可通过在尽可能多的头寸上进行多样化投注来减缓风险.
相等风险加权:据头寸的波动性(或风险的其他度量指标,如下降幅度)来反向调整头寸规模。波动性越大(小)的头寸,分配的权重就越小(大)
缺点。无论使用何种方法对风险度量,通常都是一种回顾型度量
阿尔法驱动型加权:
理念:阿尔法模型可以决定头寸可能具有的吸引力,这个信号是合理决定头寸规模的最佳途径
收益锐减:这些模型通常会具有最强的信号。随着趋势延续,头寸规模不断增加,在趋势反转时仍持有最多头寸。
决策树加权:综合使用阿尔法模型、风险模型和交易成本模型。
前两类模型最为简单,核心理念是等权重,只是在如何给出同等权重的方式上有所不同。
阿尔法驱动型投资组合构建模型主要依赖阿尔法模型来进行头寸规模选择和投资组合构建。
决策树方法,主要是以某种顺序使用一系列规则来决定头寸规模
投资组合最优化工具
基于:现代投资组合理论(modern portfolio theory,MPT)。
MPT的核心原理:投资者一贯是风险厌恶型的,这意味着如果两种产品收益相同但风险水平不同,投资者会偏好低风险产品。
均值方差优化技术:基于MPT构建投资组合的一种常用方法。均值和方差是传向优化器的两个输入变量,输出变量是在各个风险水平上具有最高收益的一系列投资组合。
有效边界(efficient frontier):在不同风险水平下可以达到最高可能收益的一系列投资组合.
优化本质：去寻找分析师所给定目标函数(objectivefunction)。通过算法在各种可行的产品组合中进行定向搜索,以实现最优化的目的
优化工具输入变量：期望收益。期望风险（可接受最大波动率）。期望相关性
优化技术：
1，无约束条件的优化方法
2.带约束条件的优化方法
可包含风险模型的集成，包括惩罚项和硬性约束条件等。
3.布莱克-李特曼优化方法
4.格里诺德-卡恩方法:优化要素投资组合
优势：投资组合的数量更加易于管理,根据在阿尔法模型中所使用的单个因素的数量,通常不会超过20个
5.重新取样效率
6.基于数据挖掘的最优化方法
投资组合构建模型的输出
量化投资组合构建模型的输出：目标投资组合，理想的头寸及各个头寸的规模。
宽客如何选择投资组合构建模型
略
小结
两大类投资组合模型，基于规则的模型采用启发式的方法,而投资组合优化工具则采用了现代投资组合理论的逻辑思路。