浅析资产配置的几方

本文深入探讨了资产配置的多种方法,包括Mean-Variance Optimization(MVO)、Minimum Variance、Maximum Diversification和Risk Parity。文章强调理解不同模型背后对参数的假设,指出在参数难以预测时,等权配置成为选择。文章通过数学模型和实验表明,不同配置方法在特定参数条件下等价于MVO,强调了准确估计参数对资产配置的重要性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

转 浅析资产配置的几种方法

作者:石川,北京量信投资管理有限公司创始合伙人,清华大学学士、硕士,麻省理工学院博士。知乎专栏:https://zhuanlan.zhihu.com/mitcshi。未经授权,严禁转载。

摘要:使用任何一个资产配置模型,绝不是简单的把不能猜的参数忽略掉、把能猜的参数扔进去,而是要明白它到底配了什么。

1、引言

The most important key to successful investing can be summed up in just two words —— asset allocation.

不夸张的说,资产配置是投资中最关键的一环。无论我们有多少个收益源、多少因子,最终都要力争在最小化投资组合风险的前提下实现更高的收益。这正是资产配置(asset allocation)。

谈到资产配置,最著名的要数 Mean-Variance Optimization(MVO)模型,它的数学表达式如下:

其中 ω 是资产权重向量、μ 和 Ω 分别为预期收益率向量以及协方差矩阵、δ 是风险厌恶系数。当不考虑任何约束是,上述 MVO 问题的最优解是:

如果考虑所有资产权重加起来占资金量 100%,即 Σω = 1,则可以将上述最优解中的等号换成“正比于”符号,它和最终的权重只差一个 scaling factor 而已:

对于权重为 ω 的投资组合,其夏普率为:

数学推导可以证明,最大化投资组合夏普率的 ω 也正比于 (Ω^{-1})μ,因此 MVO 的最优解 ω_{mvo} 可以最大化投资组合的夏普率。这就是它吸引人的原因。

当然,由于对输入(μ 和 Ω)非常敏感,且事前预测未来的 μ 和 Ω 异常困难(Ω 中包括资产自己的波动率 σ_i 以及资产间的相关系数 ρ_ij),MVO 在投资实务中也没少被人诟病。为了避免猜 μ 和 Ω 的问题,人们又相继提出了很多其他的资产配置方法,诸如:equal weight、minimum variance、maximum diversification 以及 risk parity(又称 equal risk contribution)。

在实际资产配置中,由于 μ_i、σ_i、ρ_ij 中的一个或多个难以预测,我们舍弃 MVO 并退而求其次选择上述这些方法之一。无论采取哪种方法,我们都希望最大化投资组合的

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值