风险优化下的SmartBeta策略：基于一个统一的优化框架
由kyrie_fu创建，最终由kyrie_fu 被浏览 37 用户
摘要
基于风险的SmartBeta策略
传统基于风险的SmartBeta策略有最小方差组合（GM V）、等风险贡献组合（ERC）、最大分散度组合（MDP）和等权组合（EW）四个模型，它们均属于同一个优化族：最小方差优化问题加以不同约束
建立统一优化模型
我们建立了一个针对四个风险模型的统一优化框架（以下简称框架），通过调整框架下的三个参数(𝜆,𝛾,𝛿)即可得到每一种模型甚至是混合模型：𝒘∗(𝝀,𝜸,𝜹)=𝒂𝒓𝒈𝒎𝒊𝒏𝟏𝟐𝒘𝑻𝚺𝒘−𝝀𝓓(𝒘;𝜸)+(𝝀−𝟏)𝓑(𝒘;𝜹)基于框架我们可以更好地理解每一种模型对于分散化的侧重方向：GM V组合偏重于降低组合的波动而非分散化；EW组合在各个分散化指标表现优秀但不能有效降低组合波动，且Beta较大；ERC组合类似于EW组合的表现，但在降低波动方面更好；MDP表现类似于GM V组合，但Beta风险暴露地更多
构建动态基于风险的Smart Beta模
风险模型应该在市场情绪差（熊市）的阶段偏向于最小方差组合减小组合波动和控制回撤，在市场情绪好（牛市）的阶段偏向于等权组合博取更多的Beta收益。
基于以上思路，并借助框架，我们设计了依据市场状态的动态SmartBetaFOF组合，标的采用大类资产股-债-黄金，在回测区2005年12月30日-2020年7月30日内，动态组合收益（年化9.98%）显著高于传统风险模型，最大回撤（17.2%）、波动（6.26%）和夏普（1.13）明显优于基准等权组合。
正文
/wiki/static/upload/4b/4b65b762-35e3-425f-b44e-024b0af93c59.pdf
\