投资组合优化

{{membership}}

https://bigquant.com/experimentshare/78b2cb544e1b4f108ed767acf490c133

\

{{membership}}

https://bigquant.com/experimentshare/54316bdc161f4dd888f55dbabc0545c6

\

{{membership}}

https://bigquant.com/aistatic/codeshare/?id=651c6c32-c6b0-47c7-9a13-2fc57884c237

https://mp.weixin.qq.com/s/vX4I9SpKRF3_HKQOGhtZcQ

https://bigquant.com/experimentshare/6202fc78d2a44a509a5e422b68890491

\

\

\

• 点击新建对话，创建一个新对话

• 点击输入框，开始与QuantChat交流

• 您可以直接输入以下对话

![{w:100}](/wiki/api/attachments.redirect?id=df515aaf-cef1-460

导语

最近的一项研究表明，在所有资产超过20亿美元的企业养老金基金中，超过80%拥有超过10位投资经理，在所有资产超过5000万美元的基金中， 不到三分之一的基金拥有一名投资经理。许多雇佣多名经理的基金只关注经理选择的过程。直到现在，一些基金才开始认识到，它们必须制定一种界定基金经理资产管理能力的方法， 并对构成投资管理过程的各个环节——投资基准、市场时机和证券选择——的绩效贡献进行评估。基准、时机和证券选择的相对重要性只有在我们有一个清晰和完整的方法 将收益归因于这些因素时才能确定。本文根据Brinson的理论研究投资基准、市场择时和证券选择对投资组合总收益的影响。我们的目标是确定

谢谢小Q， 感谢BQ。四周年快乐\~

昨天收到了小Q寄来的礼物，好开心啊，双11不用我自己去买了。。。。一如既往的清新风。我已经猜到了，上一年是保温杯，今年是茶壶，下一年可不可以送包枸杞 ，

问题1 \n

问题2

解答

问题1：中证1000目前没有加入到预计算因子，我们讨论下看是否加进去。

问题2：工程师处理中。

问题

https://bigquant.com/experimentshare/98c1a63396fa4a7e9b2bc1e552b124ae

\

问题

risk parity和有效前沿的关系

解答

https://bigquant.com/experimentshare/b8f47d84d34840d0a0c35f5b8ee4f9d9

\

模型板块包含了AI算法模型，多因子模型等一些研究内容。

\

策略案例

https://bigquant.com/experimentshare/5c76d204e7f146a4b2840f9b47a9d732

\

策略案例

https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a

\

策略案例

https://bigquant.com/experimentshare/2a00653732244481a8a60eabac272d5a

\

摘要

基金相似度问题在学界和业界都有相关的研究和讨论，但这些研究中关于比较不同计算方法的差异以及基金相似度在实际投资中的应用探讨并不多。

本篇报告总结了业界和学界常见的几类基金相似度算法，提出几类应用场景，并尝试在一些实际应用场景下进行探讨和比较。

从基金相似度的计算方法来看，余弦相似度、欧式距离等方法各有优劣。基金相似度的衡量应该取决于投资者对于“基金相似”的定义以及应用场景，例如是选择定义“基金相似”为持仓结构的形似，还是持仓权重的神似。

应用场景一：寻找限制申购的替代基金

通过计算基金与其他基金的相似度，找到与限购基金最相似且处于正常申购状态的基金。从结果来

报告摘要

研究背景

被动管理基金通常密切复制跟踪指数的投资组合。完全复制指数策略在很多情况下由于指数权重变化产生的股票交易成本，以及较小权重股票的流动性成本，导致成本高昂。部分指数复制的方法能够极大降低交易和流动性成本，因此在实践中被普遍使用。

部分复制指数方法介绍

简单选择：根据特定选择标准对成分股排名，选择排名最高固定数量的成分股构建组合，缺点是可能无法完全复制指数。优化选择：通过解决具有条件约束的优化问题来选择跟踪投资组合中的资产，缺点是模型复杂并且计算量很大，可能包含冗余资产。覆盖指数结构：通过分层抽样和分层聚类等方法选择资产来模拟指数结构，缺点是

摘要

G-Resarch作为ICML 2022的钻石赞助商，其研究人员和工程师参加了今年在美国巴尔的摩举行的会议。研究人员收集了他们最喜欢的2022年ICML论文并推荐给大家。

首先是来自机器学习工程师Casey Haaland的推荐，我们可以发现，机器学习工程师关注的论文更偏模型的结构及训练方法优化。

1. Fast Convex Optimization for Two-Layer ReLU Networks: Equivalent Model Classes and Cone Decompositions

**Fast Convex Optimizat

交易策略揭秘

Renaissance Technologies文艺复兴科技公司交易策略揭秘记录！该短片中详细介绍了文艺复兴科技公司多年来如何开发各种交易策略，从早期的均值回归到利用内核方法等等。

https://www.bilibili.com/video/BV1ae4y1f7Em

\

分享头部量化私募团队、策略、深度资料等

\

摘要

来自：Finance Research Letters 48 (2022)

作者：Matthias X. Hanauera, Marina Kononovab, Marc Steffen Rappb

标题：Boosting agnostic fundamental analysis: Using machine learning to identify mispricing in European stock markets

股票基本面分析有效吗？分析师应该如何得出股票基本面价值?虽然理论文献已经开发了贴现现金流模型和其他高度程式化的基础估值模型，但BG（2

参考 https://wesmckinney.com/book/ 编写 Python For Quants - 用于量化投资的Python

论文原名

《Deep Learning for Portfolio Optimization》

论文作者

张子豪、斯蒂芬·佐伦、斯蒂芬·罗伯茨牛津曼数量金融研究所，牛津大学

引言

我们采用深度学习模型直接优化投资组合夏普比率。我们提出的框架规避了预测预期的要求回报并允许我们通过更新模型直接优化投资组合权重参数。我们交易交易所交易基金，而不是选择单个资产(ETF) 的市场指数以形成投资组合。不同资产类别的指数显示强大的相关性和交易它们大大减少了可用的范围可供选择的资产。我们将我们的方法与各种算法进行比较结果表明我们的模型在测试中获得了最佳性能期间，从 2011 年到