2020开篇投资的基础资产标的如何用模型做资产配置未来是否可预测-吸收财讯

2020开篇投资的基础资产标的如何用模型做资产配置未来是否可预测

如SVM,最大熵或者很火的深度学习等等,限定个条件(资产配置的比例、单个资产的波动等),把参数或数字特征等于问题的解,然后通过对模型或过程的观察或抽样试验来计算这些参数或数字特征,最后给出所求解的近似值。

【吸收财讯】同人大有谦豫随 ->这一篇文章的诞生源自于一位朋友,他知道我一直用金融工程做模型,或者说量化的手段做投资,一直想让我写一写,最终,我下定决心要开始写一些文章,一方面要运用金融工程建模的手段,另一方面,要让更多的朋友找到方向,树立正确的投资理念。

首先我们先从投资的基础资产标的开始吧。我最喜欢的是ETF,为什么是ETF而不是股票或者主动管理型基金呢?ETF有这么几个优点:1、底层持仓透明且方便研究。这是相比较个股而言的,ETF就是跟踪某一个指数的,所以我们不需要知道具体某一个公司的业务如何,业绩怎么样,是否有财务作假(话说我以前也是花了很多时间做公司研究的,真的真的太累了,一般人恐怕很难以深入的对大量公司进行研究),只需要对指数或者行业整体有一个把控。2、整体风格明确,不受基金经理个人风格影响。这是针对主动管理基金而言的。很多主动管理型基金业绩很好,但是非常依赖于基金经理的个人能力,一旦基金经理离职了,就危险了,而ETF的规则非常明确,都有明确的风格,这非常适合于用金融工程手段进行分析,从而进行科学的配置。3、费用非常的低。我想大多数人可能都不知道吧,ETF的交易不用交0.1%的印花税。同时由于指数编制条件严格,从而整体换手率也较低;而主动管理型基金的换手率往往非常高(以后会专门写一篇文章,扒一扒分仓那些事情,这次先不提了),从而带来的隐性成本也非常高,同时ETF的管理费和托管费加起来往往也是低于主动管理型基金的。4、选择非常多样。国内目前ETF已经开始非常发达了,有大盘指数的沪深300ETF,上证50ETF,有主投行业的医药ETF,消费ETF、信息技术ETF,有特定风格的红利ETF,基本面ETF,也有投向海外的DAX 30,日经225,标普500和纳斯达区100,还有投向避险资产黄金的黄金ETF,选择余地远远大于国内股票,真正的可以做到用一个账户分散投资。

我重点选择了16个ETF作为基础的研究。接下来我详细的写下这16个品种,并且说明他们都代表了什么。

1、510300沪深300。这是一个市场指数,代表了中国大盘股的走势。这个ETF里面主要占比是制造业和金融业。

2、510050上证50指数。代表了市场规模最大的公司的表现,用行话说叫市值因子,其中的行业与沪深300占比类似。

3、519905。这个ETF代表了红利的状况,是市场中分红最好的公司。这个ETF里面,制造业占了6成,12%的金融行业和13%的房地产行业。

4、159928 消费ETF,这个ETF代表了消费行业的状况,也是这几年的大牛了。这个ETF可以通过研究消费行业增加值进行判断他们的成长状态。

5、512010 医药ETF,这里面目前75%的持仓都在医药行业上。

6、159910 这是深证市场里面基本面最好的120家上市公司。行业的分布于红利ETF大同小异。

7、159901 这是跟踪深证市场市值最大的100家上市公司,与510050相对应,只是市场不同。

8、159939 信息技术ETF,跟踪全指信息。这个行业一直是很牛的行业,每年的工业增加值都在20%以上。最近信息产业波动也很大,经过了一轮走牛,最近走的又很熊。需要注意的是,目前这个ETF真正在信息产业的仓位只有36%,而60%的仓位其实在制造业上。

9、159922中证500,这个代表了中盘这个规模的走势。

10、513500(161125可替代)这是国内可以合法合规的投资美股的一个途径,标普500ETF,以后再看到人家长牛就可别柠檬精了,有工具可以下手哦。

11、513100 纳斯达克ETF,同上,另外还有两个ETF跟踪这个指数。

12、513000 日经225 日本现在也能投了。

13、513030 这是欧洲的发动机德国的核心指数。

14、159920 中国香港。

15、511220 这是投资与国内城投债的ETF,作为固定收益资产。

16、518880 黄金ETF,这是人类历史上最古老的一般等价物,黄金。

通过这16个资产,我就可以实现各种配置。那么如何完善的配置这16个资产的比例呢?这个就是金融工程的工作了。想知道原理的朋友可以细细的读下面的文章,只想抄作业的也可以直接看最后的结论。

如何实现资产的配置呢,我们需要用的一种技术手段叫做蒙特卡洛模拟。它的原理简单地说就是,在一定的条件下,随机的重复很多很多次的实验,最后统计实验结果,从而得出结论。这个技术手段可以非常好的运用与金融市场上,帮助我们进行投资。

那么我们先达成一些共识。

1、 投资的收益率从何而来 投资股票也好,ETF也好(ETF本质上就是股票的集合,因此也可以看成是股票),本质的收益来源就是估值的增长和企业自身的成长。如果一个企业没有增长的话,十倍市盈率的股票意味着年化10%的收益,但是成长股在于,虽然现在收益少,可能50倍市盈率(2%的年化收益)但是明年整个行业都能增长30%甚至更多的话,那么可能回报也是非常好的。因此对于投资标的收益率,我们可以用100/现在的市盈率+行业的增长率进行预测。这个过程叫做资本市场假设。如果有兴趣,后面我可以再用一篇文章细细的聊资本市场假设的几种方法和优劣。

2、 投资的风险在哪里。从金融工程的角度看,投资风险来源于不确定性。对股票来说,即使看上去市盈率不高,成长性很好,但是如果财务作假了,那么所有的分析都是无效的,可能就直接退市了,这就是不确定性,这也是风险。对于ETF来说,一个指数退市的可能性基本是没有了,那么它的波动就是风险。以金融ETF(下面有图)为例,即使在10倍市盈率的时候买入,行业这些年也一直保持慢速增长,然而它却经历了14年大牛,15年股灾,之后几次起起伏伏,即使拉倒足够长的年限,依然带来了可观的回报,然而如果中间要用钱在大跌后取走了,或者忍受不了波动,提前离场了,那么很可能很大的亏损。这是因为人都是害怕波动,害怕不确定性的,即使知道十年后的结局,中间的波动依然会让人难以忍受。所以,对于风险,我们用的是方差这个指标来描绘他,因为方差代表了收益率的分布情况。

开篇第一作:用模型做资产配置 2020.3.1

3、 资产之间是否是相互关联的呢?大家想一想,沪深300指数暴跌之时,上证50是否出现过暴涨的情况?肯定是没有过的,因为这两个指数关联性太高了。但是标普500是有可能暴涨的,因为这是另一个国家的另一个市场,很可能影响不到他。然而有的时候依然会被影响,比如最近的新冠病毒,带来的全球市场暴跌。因此我们需要用一个方法去衡量到底市场之间相关联的情况如何,这个技术上叫做pearson相关性系数,算出相关性矩阵,我们就能知道几个资产之间的相关联性到底有多大。

4、 历史是否会重复呢?我相信历史会重复,但是不会简单的重复。下一个月的收益率大概率分布在过去120个月收益率之内,并且它出现的概率与过去基本一致。下一个月走势的互相影响程度,我相信也大致是和之前120个月一致的。

5、 未来是否可以预测呢?在金融工程的角度看,未来可以预测,但是未来不能精准预测。我们可以根据过去的一些特征,画出未来走势的可能性,但是并不能准确的知道最终能够走成什么样。蒙特卡洛干的就是预测的活儿,这个方法按照我们输入的一些特征,比如每个标的的波动率、标的的相关性矩阵,丢进去,在这个框架内随机模拟运行几十万几百万次,最后拿出来看看实现概率最高的答案是什么,这就是用金融工程手段进行资产配置的方法了。

经过了几十万次的模拟,我们得到的是一系列的最优解。这个最优解就是,如果要取得更高的收益,那么就得承担更多的不确定性(这就是风险和回报成正比的原因,但是前提是你能做出的就是理性的决策),所以这时候就可以根据自己的风险偏好,来选择合适自己的投资组合。这时候没有好与不好之分,只有因人而异。在这里我说说我的选择吧。

我做了一系列的限定条件,上述16个ETF中包含了4个国家,我要求四个国家的股票资产每个不能大于36%,也不能小于12%,这就保证了无论如何我都不将资产集中于任何一个国家的股票市场中。然后,我选择了我能接受的风险承担程度,是月度的标准差为3%。月度标准差为3%的意思是,如果走势特征与过去十年一致的话,95%的可能性一个月的波动在3%以内,这意味着一年的大概率回撤在10%以内,这个风险是我能够非常舒服的承担且接受的。目前测算的结果,次月收益的均值在0.68%,即年化在9%左右。这只是计算的预期值,并不代表下个月一定就赚到0.68%。下个月收益在3.68%到-2.32%之间,都属于正常情况。

最优解的答案在这里:

510300 沪深300 8%

510050 上证50 15%

161125 标普500 14%

513030 DAX 30 12%

513000 日经226 12%

511220 城投ETF 39%

总体而言可以看到,目前市场具有一定的风险,因此对于股票应该仓位稍微轻一点,同时黄金应该清仓了。

下一周应该会给大家讲一讲上述输入的参数,专业的词叫做资本市场假设,是怎么做出来的。

持仓我会每个月进行计算后再均衡,想要抄作业的同学,下个月会有新的作业出现。

mccd

膜拜大作!

richardbai

支持一下

时序 –

标准的没有择时的全天候策略

云南的小鹏 –

先mark,蒙特卡罗做资产配置还没接触过,期待楼主下月的讲解。
自己理解资产配置如果用统计量化的方法,基于风险的有风险平价策略等(如爆款稳稳的幸福用的配置策略),基于收益的话有FED模型等,基于风险收益的有均值方差(哈里·马科维茨1956年提出,后来获诺奖)等。如果不量化直接拍脑袋也有股债混合的策略(如二级债)。
哦,对了,统计套利不局限在资产配置的应用,比如基于协整的方法等等,那个不在此讨论范围。
很好奇楼主是怎么样的输入,怎么看上去有点像AI的各种算法,如SVM,最大熵或者很火的深度学习等等,限定个条件(资产配置的比例、单个资产的波动等),把参数或数字特征等于问题的解,然后通过对模型或过程的观察或抽样试验来计算这些参数或数字特征,最后给出所求解的近似值。
就像《随机漫步的傻瓜》,塔勒布描述用蒙特卡罗求圆周率一样,不知其所以然,但依然能够算出足够逼近的近似值。潜台词:我并不用懂逻辑,资产是什么我也不在乎,只要告诉我他们的历史数据,告诉我你想要的东西(预期收益和波动),我能给你造出最优(佳)的配置组合,虽然我也不知道为什么,我造出来你选择一个就好。

z7c9 –

mark

PilotM

组合只能赚经济发展的钱,赚不了市场波动的钱。

mccdrichardbai时序云南的小鹏z7c9PilotMefan
膜拜大作!
支持一下
标准的没有择时的全天候策略
先mark,蒙特卡罗做资产配置还没接触过,期待楼主下月的讲解。
自己理解资产配置如果用统计量化的方法,基于风险的有风险平价策略等(如爆款稳稳的幸福用的配置策略),基于收益的话有FED模型等,基于风险收益的有均值方差(哈里·马科维茨1956年提出,后来获诺奖)等。如果不量化直接拍脑袋也有股债混合的策略(如二级债)。
哦,对了,统计套利不局限在资产配置的应用,比如基于协整的方法等等,那个不在此讨论范围。
很好奇楼主是怎么样的输入,怎么看上去有点像AI的各种算法,如SVM,最大熵或者很火的深度学习等等,限定个条件(资产配置的比例、单个资产的波动等),把参数或数字特征等于问题的解,然后通过对模型或过程的观察或抽样试验来计算这些参数或数字特征,最后给出所求解的近似值。
就像《随机漫步的傻瓜》,塔勒布描述用蒙特卡罗求圆周率一样,不知其所以然,但依然能够算出足够逼近的近似值。潜台词:我并不用懂逻辑,资产是什么我也不在乎,只要告诉我他们的历史数据,告诉我你想要的东西(预期收益和波动),我能给你造出最优(佳)的配置组合,虽然我也不知道为什么,我造出来你选择一个就好。
mark
组合只能赚经济发展的钱,赚不了市场波动的钱。



相关推荐