通过投资组合理论 探究因子组合优化方法

[dapanji]

续上，初次简单地使用资产组合有效前沿理论，计算得到的两种组合，比主观指定的组合差，原因可能如下

1、使用方法没对。流程出错。
2、可能应该参照主观指定权重的流程，先在类内优化，再在类间优化一次。
3、这种方法不适合运用在“单品种多因子”模型中，进行因子权重优化。

目前尚未搞清楚是哪种原因。明天再研究和测试。

[dapanji]

https://ww2.mathworks.cn/videos/getting ... 68762.html

跟着这个视频简单地做了些模仿。

记录一下几个主要步骤：
1、输入市场数据
2、生成资产组合
3、计算均值和方差
4、设置投资限制
5、优化投资组合

[tmtmaya]

17年之后，大部分策略都不好使了，市场缺失波动率，也没有持续性大行情，就今年大行情的品种多一点。

[dapanji]

17年之后，大部分策略都不好使了，市场缺失波动率，也没有持续性大行情，就今年大行情的品种多一点。

整体波动率是下来了。

但市场局部机会也挺多的，只不过各品种方向不同，行情发动时间不同步，所以还要选品种，不容易把握。
而且往往下决心拿住， 就是亏大钱的机会

即使螺纹钢，也有行情，不过以前生效的方法或者指标效果变差了。

[tmtmaya]

是的，尺度变小，时间变短是大趋势吧，
毕竟博弈市场，时间空间两个维度的较量，天平一倾斜，就快速到达平衡位置。
能选对大行情的品种，也就没必要去做单一品种了。

[dapanji]

首先是这一篇
https://cloud.tencent.com/developer/article/1395644

里面比较详细地讲述了原理，还附有python代码，感觉看完这一篇，再自己动手实践一下，基本上就足够了。

不过我主要用的是Matlab，所以再看看有没有相关的文献和示例。
掌握方法以后，我会尝试套用到螺纹钢的模型上进行优化。

使用Matlab复现了一下这篇文章所述的内容
可能由于曾经分红，价格复权（但又没有完全准确复权）过，所以计算所得数字不完全一样，但总体结论一样：
要夏普比率高，不买Google，要低风险，大仓位买Google

把这个方法套在股票和商品因子上进行权重配置，也许不太对

[dapanji]

是的，尺度变小，时间变短是大趋势吧，
毕竟博弈市场，时间空间两个维度的较量，天平一倾斜，就快速到达平衡位置。
能选对大行情的品种，也就没必要去做单一品种了。

所以为什么要用因子投资
只要因子有效，基本上能选中有行情的品种，权重未知而已。
实际上避免了选不中品种的尴尬。

另外，将商品按某种特性组合成因子去投资，好处是，变成了一个净值曲线（很可能）稳定向上的标的，省去了判断方向的烦恼。

[tmtmaya]

因子之间好像也是互相影响的，当某个因子过了某个值的时候，另一个因子就会受影响，
比如，库存足够低的时候，市场就不会去关注供应。利润足够低的时候，市场也不会去关注库存。
我举的例子不一定准确，但感觉好像有这么一层关系在里面，
可以搞一个复杂的模型，通过相关性，最后得出当下有效的因子。
不过，搞来搞去，最后还是要落到图形上，所以，还是你之前投票那种模式简单易懂一些~~~

[dapanji]

因子之间好像也是互相影响的，当某个因子过了某个值的时候，另一个因子就会受影响，
比如，库存足够低的时候，市场就不会去关注供应。利润足够低的时候，市场也不会去关注库存。
我举的例子不一定准确，但感觉好像有这么一层关系在里面，
可以搞一个复杂的模型，通过相关性，最后得出当下有效的因子。
不过，搞来搞去，最后还是要落到图形上，所以，还是你之前投票那种模式简单易懂一些~~~

说得没错，因子之间有相关性，所以我介绍的这个方法里面，有个中间步骤是要计算它们的协方差。
关联性越大的资产（因子）合起来以后的总权重会变得越小。

至于投票模式，最近跑起来确实一般，不知道是不是因为震荡的原因
反而是橡胶的短线模型跑得还可以（说白了其实主要是吃期现的基差）

[tmtmaya]

我觉得，这个模式有点工业化流水线的味道，懂得人不需要搞这个，
完全是给不太懂的人，去按图索骥进行操作的~~~