推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› 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
这是一个创建于 2791 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。
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。
 |
1
Karblue 2016-09-02 11:58:04 +08:00  1
看起来好高端的样子。
|
 |
2
qiukun 2016-09-02 15:10:34 +08:00
众筹策略
|
 |
3
server 2016-09-02 16:05:38 +08:00
这广告，太深奥了
|
Select Language