QIML详解：QEPM组合优化方式总结

使用因子模型构建投资组合中，关键的一步就是确定个股票的权重。在Quantitative Equity Portfolio Management（QEPM）的第九章节，作者从实用角度条理清晰的阐述了各种组合优化的方式。

今天的文章，QIML为给大家总结一下！

根据因子值分配股票权重时，可以按照是否有一个基准目标分为两大类（比如中证500指数增强策略就是以中证500指数为基准目标）。无具体对标基准的组合优化，可以有简单的经验法则，比如等权和市值加权；也可以基于MVO的框架，进行凸优化求解。有基准的组合优化，一种是基于指数被动跟踪的管理，常常使用跟踪误差最小化；而基于指数增强的主动管理策略，则大多使用基于跟踪误差的风险调整收益。

我们把组合优化的方法详细的整理到以下脑图里，供大家学习，主要内容参考自QEPM第二版：

大家可以单击放大，或在文末下载原图

上图中我们涉及到一个根据因子值调整组合权重的案例，我们这里做详细介绍：

假设我们已经选出30个股票，且他们的市值权重如上表Relative Market-Cap Weigh所示，我们现在希望按照因子值（Z-Score）大小调整权重，但因子值最大的股票的权重偏离不能超过 （这里设定为2%）。那我们需要按以下步骤操作：

• 对因子值重新计算Z-Score
• 计算权重调整乘数m：等于 除以Z-Score的最大值（ ）
• 每个股票调整后的权重

组合优化最核心就是三个目标：收益最大、风险最大、风险调整收益最大。不同的组合优化方式主要取决于：

1、风险和收益的表达方式

2、不同的目标与不同约束条件的组合

QEPM一书给我们系统总结了不同的优化方式的优缺点，并在后续章节有具体的应用案例，给了我们很有用的参考。