0. 金融资产组合模型进化全图鉴

目录

      • 0. 前言
        • 0.1 专栏主旨
        • 0.2 本文主旨
      • 1. 资产组合模型进化路线
      • 2. 资产组合模型量化回测实现
      • 3. 金融量化难点通俗解释

0. 前言

0.1 专栏主旨

本专栏【金融资产组合模型进化论】以马科维茨资产组合模型为起点,带领读者一步步感受、体验金融资产组合模型的优化、进化的演变,目标是能让所有读者都能看明白的金融资产组合模型理论+因子理论+时序模型,使读者对金融资产有一个框架的、高纬度的认识。

0.2 本文主旨

本文为记录专栏中,金融资产组合模型的进化路线,让读者全面地了解、观察其进化路线。并可以快速导航找到自己想要的模型。

1. 资产组合模型进化路线

注意:
已经实现的可以直接点击名称跳转指定文章。

模型(链接) 全称 简称 预期收益计算方式 含义 待优化点 代码下载
马科维茨资产组合模型 (MPT) Modern Portfolio Theory MPT 历史平均收益率作为预期收益率估计 通过分散投资平衡风险和收益,使用夏普比率进行组合权重优化 过度依赖历史数据 None
MPT+CAPM Capital Asset Pricing Model enhanced MPT MPT-CAPM 使用Beta系数和市场风险溢价计算:E(Ri) = Rf + βi(E(Rm) - Rf) 在MPT框架下引入系统性风险(Beta)来改进收益预测 线性关系假设 None
MPT+FF3 Fama-French Three Factor Model enhanced MPT MPT-FF3 E(Ri) = Rf + βi(Rm-Rf) + siSMB + hiHML 在MPT框架下加入市场、规模(SMB)和价值(HML)三个因子来提高预测准确性 数据质量要求高,实操难度大 None
MPT+FF5 Fama-French Five Factor Model enhanced MPT MPT-FF5 E(Ri) = Rf + βi(Rm-Rf) + siSMB + hiHML + riRMW + ciCMA 在FF3基础上增加盈利能力(RMW)和投资风格(CMA)因子,进一步提高预测能力 数据质量要求高,实操难度大 None
MPT+FF5+AI识别政策信息(Qwen-Max) Fama-French Five Factor Model enhanced MPT enhanced Qwen-Max MPT-FF5-Qwen-Max E(Ri) = Rf + βi(Rm-Rf) + siSMB + hiHML + riRMW + ciCMA 在FF5基础上给予AI一定权力修改资产组合模型的权重 需要AI工作流确保执行流程 None
MPT+FF5+AI识别政策信息(DeepSeek-V3) Fama-French Five Factor Model enhanced MPT enhanced DeepSeek-V3 MPT-FF5-qwen-max E(Ri) = Rf + βi(Rm-Rf) + siSMB + hiHML + riRMW + ciCMA 在FF5基础上给予AI一定权力修改资产组合模型的权重 需要AI工作流确保执行流程 None
MPT+FF5+AI识别研报信息(Qwen-Long) Fama-French Five Factor Model enhanced MPT enhanced Qwen-Long MPT-FF5-Qwen-Long E(Ri) = Rf + βi(Rm-Rf) + siSMB + hiHML + riRMW + ciCMA 在FF5基础上给予AI一定权力修改资产组合模型的权重 需要AI工作流确保执行流程 None
预告项目:
引入高阶矩 Higher Moments in Portfolio Optimization HM 考虑偏度和峰度等高阶统计矩:E(Ri) = μ + γ Skewness + κ Kurtosis 在原有马科维茨模型基础上引入更高阶的统计矩以更精确地捕捉资产收益分布特性 计算复杂度较高 None
动态风险预算 Dynamic Risk Budgeting DRB 根据市场条件动态调整投资组合的风险配置:E(Ri) = f(Market Conditions, Risk Tolerance) 根据市场条件的变化动态调整投资组合的风险配置,提高风险管理的灵活性和适应性 需要实时监控市场条件 None
MPT+机器学习 Machine Learning enhanced MPT MPT-ML 使用机器学习算法预测收益率:E(Ri) = ML(特征集) 利用机器学习方法捕捉非线性关系和复杂模式,增强MPT 模型可解释性差 None
MPT+LSTM Long Short-Term Memory enhanced MPT MPT-LSTM 使用LSTM网络预测时序收益率:E(Ri) = LSTM(历史序列数据) 利用LSTM的长期记忆特性捕捉金融时间序列的长期依赖关系 对历史序列长度敏感 None
MPT+Transformer Transformer enhanced MPT MPT-TR 使用Transformer架构预测收益率:E(Ri) = Transformer(多源市场数据) 通过自注意力机制同时处理多源市场数据,捕捉复杂的市场相互作用 计算资源需求大,训练成本高 None

2. 资产组合模型量化回测实现

以下数据均由【1. 资产组合模型进化路线】中,已经实现的资产组合模型进行量化回测,回测方案:

  • 回测区间为2021-2024年,每年1月1日,根据资产组合模型算出仓位权重,持有1整年;
  • 基准指数均采用沪深300指数(000300.SH);
  • 无风险利率统一设定为3%;
  • 所有策略均使用backtrader框架实现回测。
  • backtrader的核心框架在第一篇文章:链接。
  • 点击策略名称可跳转指定量化回测文章。
特征维度 MPT策略 MPT-CAPM策略 MPT-FF3策略 MPT-FF5策略
核心模型 马科维茨均值方差模型 CAPM增强型MPT Fama-French三因子模型 Fama-French五因子模型
预期收益计算 历史平均收益率 基于Beta和市场风险溢价 市场、规模、价值三因子 市场、规模、价值、盈利能力、投资风格五因子
风险因子 协方差矩阵 系统性风险(Beta) SMB、HML因子 SMB、HML、RMW、CMA因子
优化目标 最大化夏普比率 最大化夏普比率 最大化夏普比率 最大化夏普比率
数据需求 股票历史价格 股票价格+市场指数 股票价格+市值+PB 股票价格+市值+PB+ROE+资产增长率
回测参数 - 初始资金: 10亿
- 手续费: 0.03%
- 滑点: 0.1%
- 初始资金: 10亿
- 手续费: 0.03%
- 滑点: 0.1%
- 初始资金: 10亿
- 手续费: 0.03%
- 滑点: 0.1%
- 初始资金: 10亿
- 手续费: 0.03%
- 滑点: 0.1%
投资范围 银行板块股票 银行板块股票 银行板块股票 银行板块股票
持仓限制 前10大权重 前10大权重 前10大权重 前10大权重
4年平均回测指标 - 年化收益率: 7.74%
- 年化波动率: 15.54%
- 夏普比率: 0.1908
- 最大回撤: 17.68%
- 年化收益率: 5.39%
- 年化波动率: 14.32%
- 夏普比率: -0.0170
- 最大回撤: 16.92%
- 年化收益率: 6.12%
- 年化波动率: 14.89%
- 夏普比率: 0.0845
- 最大回撤: 17.25%
- 年化收益率: 6.85%
- 年化波动率: 15.12%
- 夏普比率: 0.1265
- 最大回撤: 17.45%
模型特点 实现简单,依赖历史数据 考虑系统性风险,理论基础扎实 多因子模型,解释力更强 最完整的因子覆盖,但数据要求高
适用场景 市场稳定,历史具有代表性 关注系统性风险管理 注重规模和价值因子暴露 全面因子配置,机构投资者

3. 金融量化难点通俗解释

本系列文章主要目的是尝试使小朋友都能够明白晦涩难懂的金融量化知识。

名称 简述
阿尔法(α)和贝塔(β)系数 α衡量投资组合相对市场基准的超额收益能力;β衡量投资组合对市场波动的敏感度。两者共同构成CAPM模型的核心参数,用于评估投资组合的风险调整收益表现。
协方差矩阵 描述资产之间收益率的相互关系的矩阵,是现代投资组合理论中优化资产配置的关键工具。矩阵的对角线元素为各资产收益率的方差,非对角线元素为资产间的协方差。
市净率(PB) 股票市价与每股净资产的比率,反映投资者愿意为企业净资产支付的溢价水平,常用于评估重资产公司的估值水平。
市盈率(PE) 股票市价与每股收益的比率,反映投资者愿意为企业每一元收益支付的价格,是最常用的股票估值指标之一。
市销率(PS) 股票市价与每股销售额的比率,反映投资者愿意为每一单位销售收入支付的价格。它是一个相对稳定的指标,适用于评估亏损企业或盈利不稳定的企业。
股息率(DV) 股息相对于股票价格的比例,是衡量公司向股东分配利润能力的一个指标。高股息率可能表明公司的股票被低估或者公司具有较强的现金流生成能力。
以上四种估值指标合并理解 使用生动形象的方案比喻以上估值指标。
净资产收益率(ROE) ROE(Return on Equity,净资产收益率)是衡量企业盈利能力的重要指标,表示股东权益的收益水平,用以衡量公司运用自有资本的效率。
总资产收益率(ROA) ROA(Return on Assets,总资产收益率)是一种财务比率,用于衡量公司利用其总资产创造利润的效率。
投资资本回报率(ROIC) ROIC(Return on Invested Capital,投入资本回报率)是看企业经营所需资金的赚钱能力
以上三种盈利指标合并理解 使用生动形象的方案比喻以上估值指标。
毛利率 衡量企业盈利能力的一个重要财务指标,它表示的是企业在扣除销售成本之后,剩余收入占总收入的比例。
营业利润率 衡量企业经营效率的关键指标,它表示企业在扣除营业成本和期间费用后的利润占营业收入的比例。营业利润率反映了企业的日常经营获利能力,不包括营业外收支的影响。
净利率 反映企业最终盈利能力的核心指标,它表示企业在支付所有成本、费用和税金后,最终的净利润占营业收入的比例。净利率展示了企业的综合获利能力,包含了经营性和非经营性活动的所有影响。
以上三种销售利润率合并理解 使用生动形象的方案比喻以上销售利润率。
营业总收入 企业经营规模的基础指标,它表示企业在一定会计期间内开展主营业务和其他经营活动所取得的全部收入总额。营业总收入反映了企业的市场占有能力和经营规模,是企业经营成果的第一道指标。
归母净利润 反映上市公司真实盈利水平的重要指标,它表示归属于母公司所有者的净利润,即扣除少数股东损益后公司最终的盈利结果。归母净利润展示了公司实际能给股东创造的价值,是投资者最关注的核心指标之一。
扣非净利润 衡量企业持续经营能力的核心指标,它表示扣除非经常性损益后的净利润,反映企业主营业务的真实盈利能力。扣非净利润剔除了偶发性收支的影响,能更准确地反映企业的可持续发展能力。
以上三种成长能力合并理解 使用生动形象的方案比喻以上成长能力。

你可能感兴趣的:(金融资产组合模型进化论,人工智能,金融,python,大数据,机器学习)