Innovating Risk Modelling for Global Funds. A Principal-Component Engine With an AI Interpretation Layer for a Benchmark-less Global Innovation Fund
创建于 更新于
摘要
本文提出一套面向无基准全球基金的风险测量引擎，回归到协方差层面的风险分解，结合残差PCA与AI标注实现对主风险因子的可解释命名，并以四项独立信号（密度聚类错配、PRS、Bleed、时序门控）构建面向簇级的风险预算与决策表。代理组合在一年内实现+47.3%的总回报、最大回撤16.2%、夏普约2.04，验证了在无基准情境下对风险的内在理解和操作性决策的有效性；同时指出PCA作为风险测量工具的局限性，并提出未来扩展方向，如将PRS扩展为完整选股轴与增强信念分值等。[page::1]
