我们将探索以风险为核心的方法，从下往上建立股票投资组合，然后系统地从上往下管理整个投资组合风险。我们的目标是，相对于传统的市值加权指数，能够得到更高预期回报率和更低的下行风险。...图1：将风险管理理论应用于股票 2、不基于收益预测的最优投资组合 市值加权指数在构建时，往往集中在规模最大的股票上（图2）。重要的是，确定每只股票的权重时，并不考虑其风险或其可能带来的分散化。...然后，用股票的波动率和因子暴露构建协方差。第二种方法，我们用层次化聚类的方法来规则化一个传统的协方差矩阵。该聚类基于股票的联动性来找到的聚合的股票组。我们用平均法平滑各组之间的相关性。...有效降低风险意味着减少风险敞口，从而降低获得股票风险溢价的潜力。为了使risk overlays有效，它们降低投资组合风险的幅度必须大于降低投资组合回报的幅度。...图11显示了使用Risk Overlay之后的Risk-Aware-Levered投资组合的净风险暴露。关于如何叠加Risk Overlay，下一小节有详细的解释。
单只股票的预期回报 投资组合的预期收益提供了可以从投资组合中获得多少回报的估计。风险评估给出了投资者在持有这个投资组合时所需要承担的风险估计。...投资组合的回报和风险都是取决于单只股票的回报和风险，及其单只股票在整个投资组合中的组成份额。...其中一个最常见的措施就是调整投资者投资组合中的股票权重。 在这里我们将讨论个股的权重如何影响投资组合的这两个参数。...回报的标准偏差可以计算为方差的平方根。 ? 至此，我们已经学会了如何去计算单只股票的投资回报和回报风险，那么接下来我们就可以去学习如何计算投资组合的投资回报和回报风险。...对于如下的投资组合，权重显示在表中。 ? 让我们看看我们如何使用 Python 来计算这个投资组合的权重。
股票走势预测是对股票价格未来走势的预测，在投资中起着至关重要的作用。因为同行业的股票价格是高度相关的，所以市场中的股票之间的信息是可以共享的。...在以前的工作假设中股票和信息之间的联系是固定的，从而忽略了股票和信息之间的动态相关性，从而限制了预测结果。现有方法忽略了隐藏概念携带的宝贵共享信息，这些信息衡量股票的共同性超出了手动定义的股票概念。...所提出的框架同时利用股票的共享信息和个人信息来提高股票趋势预测性能。真实世界任务的实验结果证明了框架在股票趋势预测方面的效率。投资模拟表明，论文的框架可以实现比基线更高的投资回报。...HIST 框架 作者引入了一个在人类专家预定义概念之外的股票概念（例如股票行业、行业和主营业务），并使用股票特征编码器提取每只股票的时间特征（论文中的 2 层 GRU 网络）。...t+1 回报，他们看到 HIST 的 IC 最高 该方法的 Python 源代码和所有其他基线可以在第一作者的 github 存储库中找到： https://github.com/Wentao-xu
一个投资者可以通过投资多只股票，从其多样性中获利。主要是因为从中可以减少投资组合的风险。...随机生成投资组合 目前我们有四只股票，那么在投资组合里我们应该如何对这四只股票进行资产配置呢？如果我们的资金为1，那么我们要对每只股票赋以相应的权重，使得权重加起来为1 。...首先，它生成一些随机的投资组合并得到相应的结果（投资组合的回报、波动性和夏普比率）以及每个投资组合里对应的权重。然后，找到夏普比率最高的投资组合，并用红星将夏普比率最高的投资组合标记起来。...下面的函数是用于获得夏普比率最大的投资组合的。在Scipy的优化函数中，没有“最大化”的功能，因此作为一个目标函数，需要找到被最小化的变量值。...由图可知，风险最低的股票是谷歌，大概为0.18 。但在最优投资组合中，最低的风险可以达到0.16 ，并且比谷歌有更高的回报率。
VaR通常按以下格式构架： “我们下个月的投资组合VaR为250,000元 ，置信度为95％” 这意味着，以95％的置信度，我们可以说投资组合的损失在一个月内不会超过250,000元 在这篇文章中，我将引导您完成在股票投资组合中计算该指标的步骤...计算投资组合的VaR的步骤 为了计算投资组合的VaR，您可以按照以下步骤操作： 计算投资组合中股票的定期收益 根据收益创建协方差矩阵 计算投资组合均值和标准差 （根据投资组合中每只股票的投资水平加权）...用指定的置信区间，标准差和均值计算正态累积分布（PPF）的反函数 通过从步骤（4）的计算中减去初始投资，估算投资组合的风险价值（VaR） 1）计算投资组合中股票的定期收益 # 创建我们的股票投资组合...3）计算投资组合的平均值和标准差 # 计算每只股票的平均收益 returns.mean() # 计算整个投资组合的平均回报， # 对投资权重进行归一化 avg_rets.dot(weights) #...对照正态分布检查我们的股票分布 如计算部分所述，我们假设在计算VaR时，我们投资组合中股票的收益呈正态分布。
股票走势预测是对股票价格未来走势的预测，在投资中起着至关重要的作用。因为同行业的股票价格是高度相关的，所以市场中的股票之间的信息是可以共享的。...在以前的工作假设中股票和信息之间的联系是固定的，从而忽略了股票和信息之间的动态相关性，从而限制了预测结果。现有方法忽略了隐藏概念携带的宝贵共享信息，这些信息衡量股票的共同性超出了手动定义的股票概念。...所提出的框架同时利用股票的共享信息和个人信息来提高股票趋势预测性能。真实世界任务的实验结果证明了框架在股票趋势预测方面的效率。投资模拟表明，论文的框架可以实现比基线更高的投资回报。...HIST 框架 作者引入了一个在人类专家预定义概念之外的股票概念（例如股票行业、行业和主营业务），并使用股票特征编码器提取每只股票的时间特征（论文中的 2 层 GRU 网络）。...通过使用基于图的神经网络，整体架构可以描述为： 作者评估了 HIST 框架对两个流行且具有代表性的股票组合：沪深 100 和沪深 300。
面板汇总统计数据中，我们计算的RCP的平均值为32%，标准差为81%。告诉我们，一般投资者购买的股票过去一年的回报率比市场回报率高32%，这表明他们追逐的平均回报率相当高。...（QIML备注：这段解释不知如何从表3中得出）。 表3的结果表明了一个一致的信息：RCP较高的投资者可能是不成熟的。...投资者投资于股票市场的财富（Log(AvgInvest)）对预测未来收益没有显著关系。较高的HHI指数意味着投资组合的多样化程度较低，与较低的未来收益密切相关。交易更频繁的投资者未来的回报也更低。...这表明，即使在控制了所有其他投资者特征之后，RCP仍然是捕获投资者行为的一个有意义的措施。在后面的第5节中，我们将说明这也适用于股票回报预测。 什么样的股票会吸引喜欢追涨的投资者？...蓝色实线指的最高零售股票中RCO多空组合的收益，而橙色虚线最低零售股票RCO多空组合的收益。RCO和零售份额是独立的双重分类。我们可以看到，RCO在高零售股中的表现要好得多。
前言 因子策略的开端，要从Fama-French 在资本资产定价模型上提出三因子模型说起，其在原有的市场因子Beta上，加上市值因子SMB和账面市值比因子HML，指出Beta不能完全解释不同股票回报率的差异...如何衡量因子策略基金相对于 传统主动型基金的alpha? 单因子，即一个可以描述股票某方面特征的因素；风格因子投资是通过量化标准筛选出具备某种特征因素的股票，期望这些股票能产生超越大盘收益的策略。...但需要注意的是,上表中的"Buy and hold"并不是单纯地买入持有就不管了，而是每个月要将投资组合再平衡到目标权重，这种操作有机会会使投资组合获得额外的再平衡收益。...另外，从投资者角度来看，因子基金的投资者由于主观的择时或换仓，并不能获得与买进并持有基金的收益。这是由于基金过去的超额收益(基金历史回报) 回报投资者作为投资该基金的主要因素。...但无论如何，我们可以得出一个很明显的结论：在实际操作中，因子投资与理想中的"投资圣杯"是有差距的。
传统时序动量策略 根据Moskowits(2012)，传统的时间序列动量策略的收益可以有以下等式表示，及每一期买入或卖出的股票根据该股票过去252天的收益确定，并使用目标波动率确定每只股票的权重。...在每个单独的任务中有各自的全链接层（FNN）进行学习（参数独立）。 主要任务：构建时序动量组合 从上文的基于目标波动率的传统时序动量策略可以看出，确定每只股票权重有两个因素：动量的方向和股票的波动率。...在主要任务中，我们直接预测股票的权重，那么组合的收益率就由上面的上式变为以下等式： r_{t, t+1}^\rho=\frac{\sigma_{t g t}}{S_t} \sum_{i=1}^{S_t}...此外，我们的大量实验还表明，所提出的MTL-TSMOM在构建更好的风险调整后的投资组合方面优于现有的基准。...最后，我们提出的模型显示与美国MSCI总回报指数的回报相关性较低，因此对现有的股票和债券投资组合来说，它是一个极具吸引力的分散投资工具。
投资优化的核心问题就是，投资者如何将现有的财富在可投资的风险资产中合理分配，以实现诸如既定风险下收益最大化或者累计收益率最大化等投资目标。...现代金融学界的核心课题之一，也即投资组合优化问题，就是研究在不确定环境下如何理性购买并合理配置金融产品，从而实现收益率与风险间的均衡。...投资组合理论通常也称为分散投资理论，其核心思想就是不把所有的鸡蛋放进同一篮子里面，即研究在资金有限和期望收益不确定的情况下，投资者该如何分配现有的资金，从而规避掉金融市场中的风险，实现收益最大化。...诺贝尔经济学奖得主马科维茨（Markowitz）提出的投资组合理论被广泛用于组合选择和资产配置中。该理论中的均值-方差分析法和有效边界模型可用于寻找最优的投资组合。...（2）夏普最优组合的选择 其实我们更想在收益和风险之间找到平衡点，夏普比率这个变量能帮我做出更好的决策，它计算的是每承受一单位的风险所产生的超额回报。
动机和背景 投资组合管理是最大化投资组合回报的过程。投资组合经理根据他们对风险的偏好，代表客户做出交易决策。...他们在决定他们应该在投资组合中持有哪些股票以平衡风险和获取最大回报之前，分析不同的资产的优势和劣势。这使得投资组合管理变得困难。...夏普比率的计算方法是，从投资组合的收益中减去无风险利率，并将该结果除以投资组合超额收益的标准差。 ? 夏普比率较高意味着更好的风险调整回报。...可以看出，后者的回报率为20％，具有类似1.7夏普比率的风险。 ? 图11：“好”投资组合图 图12中的情节是针对夏普比率> = 2且<3（更好）的投资组合。...总结 金融机器学习最近才发展起来，很难找到合适的资源。此外，股票价格预测通常被认为是一个难题，也是大多数投资组合经理不完全依赖它的原因之一。我们已经展示了使用LSTM构建神经网络对于这个问题是可靠的。
MPT假设投资者是规避风险的，也就是说，给定两种预期回报率相同的投资组合，投资者会选择风险较小的那一种。思考一下。你只会在高风险股票具有高回报率的情况下才会买入。 但如何量化风险呢?...投资组合也可以建模为一个向量。 因此，一个特定投资组合的收益由这些向量的内积给出，它是一个随机变量。最重要的问题是: 我们如何通过比较随机变量(对应于不同的投资组合)来选择一个“最佳”的投资组合?...根据Markowitz模型，我们可以将问题表述为， 给定一定数量的资金(比如1000美元)，我们应该在这三种股票中各投资多少，以便(a)一个月的预期回报率至少达到一个给定的阈值，(b)最小化投资组合回报率的风险...要建立必要的数据，关键是要从月度价格数据表中计算出回报率矩阵。...总结 在这篇文章中，我们讨论了如何使用一个影响深远的经济学理论中的关键概念来构想出一个简单的股票市场投资优化问题。
股票的负回报率一部分可以用2009年的因子崩溃解释。 在本篇报告中，我们将研究如何提高美国市场上的动量因子表现，或者说，让变色龙再次伟大。 【结论】 · 2000年以来，美国市场上动量因子表现很差。...计算过去12个月（不包括上个月）的股票回报，取前10%和后10%的股票构建多空、beta中性的组合。仅考虑市值超过10亿美元的股票。组合月度调仓，交易成本10bp。...过去20年以来，动量因子的表现不佳，特别是在考虑了交易成本的情况下。2000年科技泡沫时期波动很大，2009年股票市场刚从全球金融危机中恢复时，又出现了严重崩溃。 ?...基于此，我们使用了交叉模型，通过多个指标同时对股票进行排序，并展示了与其他六个因子组合的结果。 我们发现所有组合相较于仅使用动量因子，都会带来更高的回报，这也反映了分散化的好处。...如果动量因子很贵，投资者应该避免在动量因子上的暴露。 因子可以通过多空投资组合构建，对于动量因子，多头组是表现好的股票，空头组是表现差的股票。这两个组合可以通过PB等估值指标进行分析。
分层测试法的思路是在统一的规则下， 利用单因子构建投资组合进行回测，然后对投资组合的表现进行全面评价，通过投资组合的表现说明因子的有效性。...一般会把每一组当成一个投资组合，即每期构造5个投资组合，去看五个投资组合各自的表现，好的因子应该使各组合收益曲线明显分离，并且收益各组之间收益关系是单调的。...组合收益率/净值 组合收益率/净值是分层测试法里评价因子有效性最重要的指标，在计算日度收益率的基础上，计算组合月度，年度的收益率，并与基准收益率相比较，可以明显看出因子的效果。...则从第t期到t+1期的组合收益率为 ? 当然这里计算对数收益率也是可以的。 近似计算方法，每次首先计算出每只股票的收益率，再算他们的市值加权平均作为组合的收益率，用公式表示如下： ?...个人感觉，编程实现上来说，即使是第二种方法，想快速计算投资组合的逐日收益率也不是想象中那么简单的事情，循环效率非常低。 2. IC IC定义为当期各股票因子值与下一期各股票收益率的相关系数。
属性2：较低的商业周期风险 在商业周期低迷时期，防御型股票的投资应能带来积极的回报。...资产周转率、投资和盈利能力也可能与我们的属性相关联，尽管这取决于它们如何定义和/或它们如何影响资本结构。从理论上讲，增长是一种风险因子，而非防御性因子。 实证中，上述因子防御性表现怎么样？...在分析日期之后的一年内总回报为正和/或到2021年底总回报大于-30%的股票的L值为0。...这种做法有几个目的：首先，它为我们提供了一个月度特征回报的时间序列，可以用来衡量商业周期的敏感性；其次，它证明了哪些变量具有横截面解释力；第三，它使我们能够观察到哪些特征在2000年至2021年期间产生了超额回报...在我们所有的测试中，低投资的结果平淡无奇。 最后，我们证实了我们的先验，即成长性完全不适合防御型投资者。 附录
在文章的下面部分，我会展示如何按照预测中常用的几个指标来衡量一个模型的性能。算法非常简单，只是使用纳斯达克100指数中每只股票的最后价格。...股票市场的一个 "典型事实 "是，从长远来看，价格会增加价值。这背后的主要驱动因素，即股票风险溢价，是由于风险投资产生的回报超过了无风险利率的平均水平，其方式与超额风险成正比。...马丁格尔模型是一个明智的基准，但不是一种投资策略在时间序列分析中，马丁格尔模型是一个拥有预期未来价值等于当前价值这一特性的序列。...该模型指出，预期的区间回报率为零！这是不可能的。如果我预期回报率为零，那么在市场上投资就没有任何意义。我不仅积极地投资于市场，多年来，我一直作为自营交易员操作，既为摩根士丹利等机构，也为自己的账户。...计算马丁格尔法的预测指标上面的代码片段提供给你一个Pandas Dataframe，其中包含纳斯达克100指数中每只股票的价格历史。为了计算每只股票的马丁格尔效应，我们所要做的就是循环计算相关指标。
2、持有大盘股票是过去五年的发展方向 含义：相对于等权重的投资组合和非大市值的投资组合，市值加权的投资组合看起来很好。 3、动量并未死亡。 含义：没有迹象表明动量应当被遗弃。...4、价值（例如，高账面市值比）在大盘股中看来已经死亡，但在小股票仍存在获利希望 含义：在大盘股中暴漏价值敞口的投资者可能需要考虑改进一下。...每只ETF的持有量在市值上均按百分比排名，并绘制如下（100％= AAPL，AMZN，MSFT类型的股票） ? 我们认为这一形象证实了我们的第一个论断：标普500指数显然集中暴露在大盘股。...为了说明这一点，让我们看看过去5年来越来越多的“小盘股”投资组合的业绩指标，标准普尔500指数的风险敞口最低，而“Small Decile”投资组合的风险敞口最大： SP500 = SP500总回报指数...关键的一点是，在大市值股票池之外，因子的表现往往不同（通常情况下要好得多）。尽管如此，在过去的五年中，美国的大市值Beta已经碾压了所有其它的因子。
在过去十年中，企业业务模式从投资不动产、厂房和设备等实物资产转变为非实物、无形资产，虽然无形资产会推动公司的盈利能力和运营效率，但根据标准会计管理，不能被视为企业账簿上资本化的有形资产。...这表明，基于账面价值的价值策略的回报率的制度变化，可能是由于推动价值和魅力股票不一致的制度变化驱动的。 不一致和价值的另一种定义 另一种衡量价值的方法是收益率，它是公司收益与其市值的比率。...在不一致之处寻找价值 具体来说，我们每天为每只股票分配两个标签——一个是基于账面价格比的三分位数，另一个是基于盈利能力和运营效率的三分位数。...然后形成两个等权重的股票投资组合，即被低估（称为一致价值）和被高估（称为一致魅力），并创建一个市场中性组合，做多一致价值投资组合，做空一致魅力投资组合. 我们将这种新的投资组合称为一致价值策略。...下图显示了价值和全等价值策略的累积每日回报. 结 论 基于账面价值比的价值策略是传统和最流行的价值标识符，在全球金融危机之前的7-8年里，它的利润相当可观，但自那以后一直在下。
本篇案例就旨在介绍如何使用Python进行量化投资，我们将从数据获取、数据清洗、数据可视化、构造有效投资组合几个方面介绍Python在量化交易中的应用。...stock_portfolio.cov()*365 4.基于最优夏普比率构建股票投资组合 4.1如何计算投资组合的收益与方差 接下来进入到投资组合领域，我们需要寻找最优的投资组合。...4.3寻找最优夏普比率的投资组合 我们已经知道了如何计算夏普比率，那么如何寻找最优的夏普比率呢？...因此，我们将上面的投资组合中各个股票的权重W设为自变量，因为这里是求最小化，我们定义负的Sharp Ratio作为目标函数。...： opts_sharpratio['x'].round(3) 此时的Sharp ratio是： -min_sharp_ratio(opts_sharpratio['x'].round(3)) 如果我们想找到最小化投资组合方差的投资组合
使用统计因子风险模型来识别风险 对于系统性投资者来说，嵌入在投资组合构建过程中的风险模型是风险管理的主要工具。...让我们以2022年在我们的全球发达市场中出现的一个未知因子为例。图2表示这个因子的组成，每个形状代表一个单独的公司。颜色表示公司在未知因子投资组合中的投资组合权重，黄色表示多头暴露，绿色表示空头暴露。...此外，'+'因子完全集成在SFRM框架内，从而保留了统计风险模型的所有属性，并使得投资组合风险测量或控制无缝进行。 为了看看这个框架是如何工作的，我们回到中国海外上市的风险。...在将这个额外的风险因子加入SFRM模型并估计每只股票对其的敞口后，这个因子干净地将海外中国上市与新兴市场证券的其余部分隔离开来（见图6）。...这意味着，SFRM+可以捕捉到SFRM最初未捕捉到的额外海外上市风险（见图8）。我们相信，通过更好地识别和捕捉SFRM+结构的额外宏观风险，可以在投资组合内执行更明智的风险/回报权衡。
领取专属 10元无门槛券
手把手带您无忧上云
