首页   注册   登录
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python 学习手册
Python Cookbook
Python 基础教程
Python Sites
PyPI - Python Package Index
http://www.simple-is-better.com/
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
datayes2015
V2EX  ›  Python

Markowitz 动态配仓策略

  •  
  •   datayes2015 · 2016-09-02 11:12:53 +08:00 · 1505 次点击
    这是一个创建于 1234 天前的主题,其中的信息可能已经有所发展或是发生改变。
    设定大风险厌恶系数时, Markowitz 配仓方法能够实现稳定的高收益

    最大回撤 5.8%,波动率 7.9%,并且年化收益达到 16.8%;调仓少、幅度小,看来有相当的可操作性

    策略思想
    采用 Markowitz 均值方差模型对于分散化的资产(ETF 基金)进行配仓

    采用动态信息更新协方差矩阵与收益向量

    为避免资产过于集中带来风险,设置单个资产仓位不超过 30%的约束

    即:

    max(u ′∗w−λ/2∗w ′∗Σ∗w)
    ∑w=1
    0≤w≤0.3
    上式中: u 为资产的预期收益率, w 为资产权重,λ为投资者风险厌恶系数,Σ为方差协方差矩阵


    采用 Larry Swedroe 的 5/25 方法动态确认调仓频率,即:

    1) 当某个资产的 position 变动超过 5%,做一次 rebalance

    2) 当某个资产相对于自身原始仓位变动超过 25%,做一次 rebalance

    结论

    设定大风险厌恶系数时, Markowitz 配仓方法能够实现稳定的高收益

    最大回撤 5.8%,波动率 7.9%,并且年化收益达到 16.8%;调仓少、幅度小,看来有相当的可操作性


    注:关于 Markowitz 均值方差模型更加详细的介绍可以看量化分析师的 Python 日记 [第 15 天:如何在量化平台上搞一个 wealthfront 出来] https://uqer.io/community/share/5670da3c228e5b8d81f00a87




    回测情况



    用到的一些 ETF 如下,包含世界范围内的多类资产






    概览回测期间持仓情况,可见 2014 年底有一次大幅换仓,之前主要持有美股 ETF ;之后黄金 ETF 与债券 ETF 比例有所提升。

    3 回复  |  直到 2016-09-02 16:05:38 +08:00
    Karblue
        1
    Karblue   2016-09-02 11:58:04 +08:00   ♥ 1
    看起来好高端的样子。
    qiukun
        2
    qiukun   2016-09-02 15:10:34 +08:00
    众筹策略
    server
        3
    server   2016-09-02 16:05:38 +08:00
    这广告,太深奥了
    关于   ·   FAQ   ·   API   ·   我们的愿景   ·   广告投放   ·   感谢   ·   实用小工具   ·   3245 人在线   最高记录 5168   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.3 · 22ms · UTC 04:48 · PVG 12:48 · LAX 20:48 · JFK 23:48
    ♥ Do have faith in what you're doing.