如图我们明显可以看出有效前沿的样子，计算机帮助我们验证了有效前沿。
资产分配计算结果如下：
请您在浏览www.blackrock.com/cn (资产配置 “本网站”)前仔细阅读本网站使用条款，其中包含访问网站的当地法律限制、公开发售限制(包括中国用户合规声明)和其他信息使用及免责条款。如果您继续访问和使用本网站，则表示您已阅读并理解本网站使用条款，并同意受其约束。如果您不同意本网站使用条款，则请勿继续访问和使用本网站。
访问网站的当地法律限制
公开发售限制
本网站所载信息仅供参考，从本网站获得的任何资料与任何特定个人或实体的投资目的、财务状况、投资方式或需求等无关。本网站所载信息和文件不会构成根据任何相关法律法规作出的公开发售，或由任何人士在以下任何情况下要约或推介出售基金份额：(1) 任何司法管辖区，法律禁止作出要约、推介或分销本网站所述任何基金份额，(2) 由任何不具备资格作出有关要约或推介的人士要约或推介，或 (3) 向任何法律禁止接受该要约或推介的人士要约或推介。
中国用户合规声明
就中华人民共和国(就此目的而言不包括香港和澳门特别行政区或台湾)(“中国”)用户而言，本网站所述基金的资料仅提供给已获得合格境内机构投资者(QDII)资格并获得批准投资本网站所述基金的金融机构，并非为其他任何中国个人或实体所设置。其他中国个人或实体不能仅依赖本网站信息或文件作出投资决定，在投资之前应向其专业顾问或QDII咨询意见。本网站所述基金未在中国注册或经过有关监管部门批准，因此贝莱德不构成依照《中华人民共和国证券法》、《中华人民共和国证券投资基金法》或其他有关法律法规在中国境内向中国用户投资者发出认购所述基金的要约或要约邀请。同时，本网站所包含的信息和文件亦不构成证券投资顾问服务或提供投资意见服务，不得被视为投资任何所述基金或产品的招揽或建议。中国用户系基于自己的主观意愿浏览或使用本网站及其所述信息和文件。贝莱德未指示或要求任何中国用户向其名下投资人或其他QDII推广本网站。如果中国用户决定投资本网站所述基金，其应承诺遵守中国法律法规并获得相应的投资资格或批准。任何中国用户均无权就使用或依赖本网站及其所述信息或文件而向贝莱德提出任何权利主张或索赔。
中国用户一经同意接受本合规说明即视为向贝莱德作出以下声明：
“本人作为本公司的正当合法授权代表登陆贝莱德网站和查阅网站上的信息和文件，并将遵守QDII法律法规及其他相关法律法规使用这些信息和文件。”
不对任何信息做出保证
利用tusharepro进行投资组合优化
不会飞的猫儿朵 于 2020-07-11 20:01:52 发布 1670 收藏 资产配置 36
利用tusharepro进行投资组合优化
tushare-pro是在旧版本tushare的基础上改进的API接口，本文利用tushare-pro接口搜寻股票，并进行投资组合的优化。这里的优化主要基于马科维兹投资组合理论。
马科维兹投资组合理论
MPT模型的假设
1、投资者在考虑每一次投资选择时，其依据是某一持仓时间内的证券收益的概率分布
2、投资者是根据证券的期望收益率估测证券组合的风险
3、投资者的决定仅仅是依据证券的风险和收益
4、在一定的风险水平上，投资者期望收益最大；相对应的是在一定的收益水平上，投资者希望风险最小
目标函数： m i n 1 2 σ 2 = 1 2 X T V X min\frac< ^<\text>>=\frac< ^>VX m i n 2 1 σ 2 = 2 1 X T V X
限制条件 : u = r p T X ; 1 T X = 1 u=< _
>^X; < ^>X=1 u = r p T X ; 1 T X = 1
模型的符号解释
1. X X X 表示资产分配的权重，这里假设不准卖空，所以 X i X_i X i 都非负。
2. V V 资产配置 V 表示的需要资产之间的协方差矩阵，是非退化的。
3. r p r_p r p 表示需要投资的资产的预期收益率向量，常常用均值期望向量 ( E ( r 1 ) , E ( r 2 ) , E ( r 3 ) , E ( r 4 ) , ⋯ ) \left(E(< _>),E(< _>),E(< _>),E(< _>),\cdots \right) ( E ( 资产配置 r 1 ) , E ( r 2 ) , E ( r 3 ) , E ( r 4 ) , ⋯ ) 来表示。
4.这里用方差表示投资风险，至于 σ 2 \sigma^2 σ 2 前面的1/2，目的是为了在进行拉格朗日乘数法的时候便于运算和推导。
Ok，现在进行实际数据的一个应用。
利用tushare-pro进行股票数据的收集
给资产随机分配权重，假设不允许空头
结果如下：
开始进行组合的优化，这里优化的目标主要有两方面，1是夏普系数尽量大；2是方差即风险尽量小。这里备注一下，由于进行的是规划问题，需要用到python的科学计算模块即scipy的优化器optimize，这里不作关于这个模块的介绍，会单独抽时间来介绍这方面的知识。
Sharp ratio 优化
结果所示，
如图我们明显可以看出有效前沿的样子，计算机帮助我们验证了有效前沿。
资产分配计算结果如下：
10 月底，《中央国民经济和社会发展十四五规划和 2035 年远景目标建议》发布了，今天的周报我想来分析一下这个规划和建议对我们投资的影响 。
GDP 年化 4.7%
我们从规划中的 GDP 目标开始——「预计 2035 年我国 GDP 规模将较 2020 年翻一番，超过 200 万亿元」。
这句话意味着什么呢？从 2020 年到 2035 年，中国的 GDP 需要以年化 4.7% 左右的速度增长。
根据这个数据，我们可以毛估估一下我们未来 15 年的收益预期。
1）一个国家中的 GDP 中，70% 的部分是由企业创造的，并且企业的盈利能力要要高于个人和其它部门。假设我们投资了中国的全部企业，大概我们可以获得年化 5 ～ 6% 左右的增长速度；
2）上市公司是所有企业中的一部分，它们的整体盈利能力要超过全部企业的平均水平。如果我们投资中国所有的上市公司，大概我们可以获得年化 6 ～ 7 % 左右的增长速度；
3）宽基指数中的企业是上市公司中的一部分，指数编制的特点和方式，保证了它们是上市公司中头部的企业。如果我们可以通过沪深 300、中证 500 以及中概股等指数覆盖了中国经济未来 15 年主要的发展方向，大概我们可以获得年化 7 ～ 8 资产配置 % 左右的增长速度。
根据上面的结论，如果中国能实现年化 4.7% 资产配置 左右的经济增长，我们有可能可以通过指数获得年化 7% ～ 8% 左右的年化收益。
如果未来 15 年 GDP 的预期增长是年化 4.7% 的话，债券的收益一定会被过去 20 年要低不少，这个道理很简单，如果借钱的利率超过了增长速度，谁还愿意去借呢？
我们假设未来 15 年债券的平均年化收益可以做到 3%，这是第二个基础。
几种武器
有了 8% 和 3% 的两个基础，我们再来看看武器库中有哪些武器可以帮助我们获取更高的收益。
1）武器 1：基于估值的低买高卖
但总有少数的时间，我们可以一眼看出胖瘦，2018 年底，我们不用太多的知识也知道那时的市场非常冷清、估值很便宜，而 2015 年中，我们也很容易知道那样火爆的市场持续不了太久。
提高多少呢？得看市场里的「疯子」和「傻子」有多少。换句话说 ，他们所犯错误的大小，决定了我们能收获多少超额收益。
保守估计，基于估值的低买高卖，可以帮我们提高 1% ～ 2 % 左右的年化收益。
2）武器 2：增强型指数
同样拿「沪深 300 指数增强」为例，比如通过在这 300 只股票里面选取核心仓位（比如 70% 以上仓位），其它部分做一些优化操作；比如通过分析量化因子指标，选取各种因子比如「分析师情绪」来获取超额收益；比如还可以用「配对交易」，通过像「美的」、「格力」这样股票的价差波动来赚取超额收益……
这些操作有的成功有的失败，但积小胜为大胜。在散户较多的 A 股市场，还是有不少空间。
保守估计，增强型指数基金，可以帮助我们提高 1% ～ 2% 左右的年化收益。
3）武器 3：主动型基金
未来 15 年，如果你能找到好的基金经理，可以帮助我们提高 2% 资产配置 ～ 3% 的年化收益。
4）武器 4：打新股
前两天嘉禾老师给我发了一个他自己做的 Excel 文件，里面统计了今年的打新收益率，把我吓了一跳，一个 20 万左右的账户，今年打新带来的收益率超过了 10%。
但是这个武器比较麻烦。首先，由于当前打新规则的限制，一个最优的打新账户的市值在 30 万元左右，如果你更更多资金需要打理，就需要分散到家人的账户。
这样目标就很清晰，如何配置底仓以获取接近于指数的收益？比如在沪深 300 中挑选最大的 30 家公司等权配置，比如按照「神奇公式」的持仓来配置 ……
当然，当未来 A 股的注册制逐渐落地，发行制度也进一步改革之后，打新红利有可能会消失，这个武器也会失效。
5）武器 5：债券型基金
因此，大概率我们通过债券基金可以拿到年化 资产配置 4% 左右的年化收益率。
这里，我简单罗列了 5 种我们可以用到的武器。其实，这样的武器还有很多，篇幅有限，留待以后再说。
资产配置
比如，你一共有 1000万的资产，有 950 万在银行理财，50 万放在在股市。你每天因为这 50 万瞎操心，期待找到更好的股票或者基金，赚更多的钱。
50 / 1000 * 20% = 1%
这么一想是不是有点儿可怕？折腾了半天，对你整体资产的影响，只有 1%。
我的两个好朋友，E大和张潇雨，都对我说过同样的观点：对大多数人来说，最先要做的根本不是选基金、买股票，而是根据自己的情况做好资产配置。
资产配置决定了绝大部分的收益。
以我为例，我过去 15 年通过投资赚了不少钱，更重要的原因，不是我股票或者基金选的好，而是我把我的大部分资产都投入到了市场中。
如果你有 1000 万，希望在未来的几年把这 1000 万变成 2000 万，但你只有 20% 的仓位配置在股市上，而把大部分仓位放到类固收产品上（比如债基和「稳稳的幸福」），这个配置能达到你的目标吗？
【国盛量化】资产配置的四种范式：赔率、胜率、趋势与拥挤度 | 量化专题报告
基于赔率指标的单一资产择时是有可能需要承担左侧风险和时间成本的，那么如果我们基于赔率指标同时配置多个投资标的，并且设置一定的止损和波动率限制，是否能够将单一资产择时的左侧风险和时间成本进行对冲和平滑？ 从实证结果来看，基于多资产赔率的资产配置策略能够有效解决单一资产择时所面临的左侧风险和时间成本问题。 从2014年以来，该策略年化收益为8.8%，年化波动率为2.6%，最大回撤为3.2%，夏普比率高达3.23。
在专题报告《资产配置 vs 风险配置：打造一个系统化的宏观风险配置框架》中，我们利用Factor Mimicking方法将低频的传统宏观变量转化为高频的宏观隐含因子，解决了宏观因子的高频化问题。然而仍有两个问题悬而未决：
根据我们在第三章节的研究，大类资产有50%-70%的波动是可以被五个宏观风险因子所解释的，那么资产的时序动量是不是可以进行更精细的分解呢？ 我们按照下面公式将大类资产的收益对五个高频宏观风险因子的收益进行回归， 其中资产收益被五个宏观风险因子所拟合的部分，我们称之为宏观beta动量，而不能被宏观风险因子所拟合的残差部分，我们称之为特质alpha动量。
特质alpha 动量策略的逻辑是寻找有阶段性超额收益的资产 。因此，策略属于灵活激进类型，收益较高，但是回撤相对较大，年化收益为8.4%，最大回撤为4.0%。特质alpha 动量策略与第二章中基于赔率的资产配置策略有一定的相似性，两者均是捕捉资产偏离宏观基本面的定价误差，因此两者均有“做多波动率”的基本特征。
于股票市场而言，衡量拥挤度的方式是多样的， 我们下面以成交金额和行业分歧度构建一个简单有效的股票拥挤度信号 。从图表43的结果来看，高拥挤度一般预示着未来有较高的回撤风险，如2008年、2010年、2015年和2018年。
对于债券市场而言， 资产配置 我们以10年期国开债到期收益率-10年国债到期收益率作为债券市场的拥挤度指标 。国开-国债利差可以作为债券市场拥挤度指标的逻辑是：10年期国开债久期较长、交易量大，因此常被交易盘（广义基金）用于进行波段交易，因此如果交易盘因为投机需求大量做多国开债，则会大幅压缩国开-国债利差，因此我们以国开-国债利差作为衡量债券市场交易拥挤度的核心指标。
近年来，以全天候策略为典型的被动资产配置策略非常流行，但是其应用在国内的资产配置实践中依然存在较多的局限性：比如可配置资产的种类和数量较少、不能使用较高的杠杆以及收益风险比较低等问题。 本篇报告通过阐述四种不同的投资范式，最终提供一个大类资产配置的系统化主动管理框架。 图表54是我们目前对大类资产、风格资产和行业资产在赔率、胜率、趋势和拥挤度四个维度上的总结，表格的用法有两个：
林志朋 S0680518100004 [email protected]
刘富兵 S0680518030007 [email protected]
利率债收益预测框架 | 20200514 ]article_adlist-->
风险配置新思路：宏观风险平价策略 | 20200206 资产配置 ]article_adlist-->
可转债的择时与择券 | 20191104 ]article_adlist-->
资产配置 vs 风险配置：打造一个系统化的宏观风险配置框架 | 20190911 资产配置 ]article_adlist-->
因子择时的三个标尺：动量、离散度与拥挤度 | 20190311 ]article_adlist-->
扫二维码 3分钟开户 稳抓“科技牛”！