分享
注册
1分钟入驻>
+微信
首发回答
1. 量化构建流程
因子挖掘与验证：
通过统计检验（如 Fama-French 三因子、Barra 多因子模型）筛选有效因子（如估值、动量、质量），排除过度拟合因子。
风险模型驱动：
使用协方差矩阵、历史模拟法或蒙特卡洛模拟计算组合风险（如 VaR、ES），确保行业、风格暴露分散。
最优化求解：
基于 Markowitz 均值 - 方差模型或 Black-Litterman 模型，在风险预算内最大化预期收益，可引入约束条件（如单只股票仓位≤5%、行业偏离度≤3%）。
2. 基本原则
分散化：
跨行业（如科技 + 消费 + 医药）、跨市值（大盘 + 小盘）、跨因子（成长 + 价值 + 波动）分散，降低非系统性风险。
再平衡纪律：
定期（如每月）或阈值触发（如单资产权重偏离目标 ±2%）时调仓，避免过度集中。
成本控制：
量化模型需计入交易佣金、冲击成本、税费等，优先选择流动性好、换手率低的组合。
3. 进阶方法
机器学习组合优化：
使用随机森林、神经网络预测资产收益相关性，动态调整权重；
情景分析：
模拟经济衰退、利率飙升等极端场景下的组合表现，预留压力测试缓冲空间。
发布于2025-5-22 01:26 武汉
当前我在线
直接联系我
秒答
关注
分享
追问
踩 
举报
搜索更多类似问题 >
2863
电话咨询
咨询
18164174979 
