投资组合优化

投资组合优化是从金融角度出发，通过多元化的资产配置以降低风险并寻求最大化收益的过程。它涉及对不同资产类别的深入理解和前瞻性市场分析，以确定最佳的投资组合权重。通过现代投资组合理论，如马科维茨投资组合理论（MPT），投资者可以利用资产的历史回报和波动率数据，量化不同资产间的相关性，从而构建出具有理想风险-收益平衡的投资组合。在优化过程中，还需考虑投资者的风险承受能力、投资期限和市场预期等因素。持续监控和定期调整是优化投资组合不可或缺的部分，以确保投资组合与市场环境和投资者目标保持一致。

机器学习量化投资实战指南

本文14323字，阅读约28分钟

导语：本文旨在用精炼的语言阐述实操层面的机器学习量化应用方法，包括给出实践中一些常见、实际问题的处理方案，并结合了量化应用实例。读完后大家可以在本平台进行实践检验。

文章概览：

1.人工智能量化投资概述

2.人工智能技术简介

3.机器学习在量化投资中应用的具体方法解析

AI相对于传统量化投资的优势 传统的量化投资策略是通过建立各种数学模型，在各种金融数据中试图找出市场的规律并加以利用，力所能及的模式或许可以接近某一个局部的最优，而真正的全局“最优解”或许在我们的经验认知之外。如同不需要借助人类经验的Alpha Zero，不仅

更新时间：2024-12-05 02:26

从均值方差到有效前沿（文字版）

这篇文章的主要目的是介绍有效前沿这个理论工具和分析框架。我们由均值方差分析展开，逐步推演到有效前沿。然后，我们又说到有效前沿在投资或者量化中的应用场景，最后我们也总结了有效前沿的一些问题，尤其是敏感性问题。在教程中，特意加入了一些实验代码，可以让大家在阅读的过程中有更好的理解。

有效前沿

说到有效前沿（有些叫效率边界），就要提到马科维茨的投资组合理论了。

首先介绍下它的三大假设：

单一投资期，比如一年
流动性很高，无交易成本
投资者的选择基于最优均值方差

于是，我们可以开始推导有效前沿，在这之前，我们先约定一些数学符号：

rf：无风险利率
μ：风险

更新时间：2024-06-17 07:25

AI量化策略，我该如何理解你？

人工智能（AI）技术得到了飞速发展，其在各个领域的运用也不断取得成果。机器学习被评为人工智能中最能体现人类智慧的技术，因此开发AI量化策略可以理解为将机器学习应用在量化投资领域。

理解机器学习算法

机器学习算法太多，本文讨论只针对适用于金融数据预测的常用有监督型机器学习（Supervised Machine Learning）算法：StockRanker。假设我们要去预测某个连续变量$ Y$未来的取值,并找到了影响变量$ Y$取值的$K$ 个变量，这些变量也称为特征变量（Feature Variable）。机器学习即是要找到一个拟合函数$f(X_1,X_2,\ldots,X_K|

更新时间：2024-06-11 03:20

运用风险平价策略投资

风险平价策略的产生及概念

产生：雏形是Bridgewater的“全天候”，要建立一个在任何经济环境下都能表现不错的资产组合；但风险平价这一概念出现较晚，产生于2006年；2008年以前，风险平价策略还主要集中在股票、债券、大宗商品等传统的资产类别，仅有少数人利用了高收益债券、投资级债券及新兴市场债券的利差。2008年，AQR首次推出了其他风险因子otic/Alternative Risk Factor）,将对冲基金等作为该策略资产组合的一部分。

概念：基于目标风险水平，有多种e资产构成投资组合，并给组合中的不同资产分配相同的风险权重的一种投资策略。

更新时间：2024-06-11 02:44