对不同的投资组合设置进行测试,以获得您所需的投资组合结果。当您已经创建分位数表现 (Q1 - Q5) 极佳的投资组合时,最好更改投资组合设置。
投资组合设置可以在现有的机器学习模型的基础上分层,为每个给定模型生成新的投资组合。例如,对于一个模型而言,除了 100% 多头和 0% 空头的投资组合设置外,您还可以拥有 130% 多头和 30% 空头的投资组合设置。根据对原始模型的选择,这将创建两个截然不同的独立投资组合。
更改投资组合设置不会产生额外的信用成本。通过尝试使用不同的投资组合,您便可以了解采用不同交易策略和配置策略的投资组合的表现。更改或添加投资组合时,同一模型的现有实时投资组合不会停止使用。您可以更改实时模型的投资组合设置,但它们需要一些时间进行更新(具体时间取决于股票的数量和回测的持续时间)。
证券细分
|
说明 |
允许每个公司的多只证券 (Allow multiple securities per company) |
允许机器(在同一时间)交易同一个公司的多只证券。如果设置为“打开 (ON)”,且一家公司已列出了优先股和普通股,则两者都将显示为该公司的可交易期权。如果设置为“关闭 (OFF)”,则系统将尝试根据交易量、流动性和股票类型来确定“正确的”交易证券。 |
允许存托凭证 (Allow depositary receipts) |
如果关闭此项设置,则股票代码以 .Y 和 .F 结尾的公司将无法在此模型内进行交易。将其打开,即可允许进行这些证券的交易。 |
价格清理 (Price cleaning) |
“价格清理 (Price cleaning)”可以消除证券中出现非常大的价格变动的情况,尤其是当每日变化大于 +500% 或 -83.33% 时。如果开启此选项,可能会使一些价格变化大的合法证券受到影响,但这样做的好处是可以防止这些证券给回测带来冲击。 |
为基准分配权重 (Allocate weight to benchmark) |
|
最低股价 (Minimum share price) |
您希望投资组合允许的最低股票价格。 |
|
|
多头 (Longs) |
|
多头百分比 (Percent to long) |
机器将尝试买入最高 X% 的股票,但要遵循指定的最低和最高限额。这基于每个“投资组合”,因此,如果您启用了行业中性,则它将为每个行业最高 X%。 |
最小多头数量 (Minimum number of longs) |
买入股票的最小数量。这基于每个“投资组合”,因此,如果您启用了行业中性,则它将为每个行业最小值。 |
最大多头数量 (Maximum number of longs) |
买入股票的最大数量。这基于每个“投资组合”,因此,如果您启用了行业中性,则它将为每个行业最大值。 |
每只股票的最小多头头寸 (Min. long position per stock) |
投资组合中多头头寸的最小权重。 |
每只股票的最大多头头寸 (Max. long position per stock) |
投资组合中多头头寸的最大权重。 |
投资组合中多头的百分比 (Percent of portfolio long) |
投资组合中所有多头头寸权重的确切总和。 |
|
|
空头 (Shorts) |
|
空头百分比 (Percent to short) |
机器将尝试做空最低 X% 的股票,但要遵循指定的最低和最高限额。这基于每个“投资组合”,因此,如果您启用了行业中性,则它将为每个行业最低 X% |
最小空头数量 (Minimum number of shorts) |
做空股票的最小数量。这基于每个“投资组合”,因此,如果您启用了行业中性,则它将为每个行业最小值。 |
最大空头数量 (Maximum number of shorts) |
做空股票的最大数量。这基于每个“投资组合”,因此,如果您启用了行业中性,则它将为每个行业最大值。 |
每只股票的最小空头头寸 (Min. short position per stock) |
投资组合中空头头寸的最小权重。 |
每只股票的最大空头头寸 (Max. short position per stock) |
投资组合中空头头寸的最大权重。 |
投资组合中空头的百分比 (Percent of portfolio short) |
投资组合中所有空头头寸权重的确切总和。 |
评估细分
|
说明 |
收盘价-收盘价估计量 (Close to close evaluation) |
为更贴近于标准基金业绩计算指标,我们不使用开盘价或 VWAP 价进行评估,而是使用“收盘价-收盘价估计量”。 |
投资组合起始价值 (Portfolio starting value) |
投资组合开始交易时的价值。如果回测的时间跨度为 2005 年至 2020 年,则 2005 年的起始值将是您在此处设置的值。 |
复合收益 (Compound returns) |
启用后,将使投资组合产生复合收益。 |
货币(Currency) |
您在计算投资组合时所使用的货币。请注意,如果货币与其汇率不同(即对标准普尔使用英镑),则将使用之前的收盘汇率进行计算。 |
交易细分
交易 |
说明 |
交易成本 (Trading cost) |
应用于每笔交易的成本。 |
初始加权 (Initial weighting) |
阿尔法权重 (Alpha Weight):通过初始加权,排名靠前的股票将具有较高的权重。 |
|
等权重 (Equal Weight):通过初始加权,被选入投资组合的所有股票将具有相等的权重。 |
|
市值权重 (Market Cap Weight):通过初始加权,对所有股票根据其前一天的市值进行加权。 |
调仓期 (Rebalance period) |
此时机器会对投资组合进行调仓。如果您希望在某个特定日期执行交易,则可以选择特定日期。 |
平稳期 (Smooth periods) |
使信号渐趋平稳的周期数 |
平稳加权类型 (Smooth weighting type) |
阿尔法权重 (Alpha Weight):信号的强度在实现平稳的过程中很重要。例如,如果某只股票在周期 A 中的分数为 5 星,在周期 B 中的分数为 2 星,则您在这 2 个周期间的平稳度为 7/2 = 3.5。 |
|
等权重 (Equal Weight):在这一点上,我们只关心信号的方向。例如,如果在周期 A 中的分数为 5 星,在周期 B 中的分数为 2 星,则您在这 2 个周期间的平稳度为 0/2 = 0(周期 1 为 +1,周期 2 为 -1) |
启用止损 (Enable stop loss) |
启用后,会对投资组合实施止损。当超过止损水平时,会强制卖出证券。所有交易都将在下一个交易时间(即开盘价模型中的下一日开盘时间)进行。 |
止损阈值 (Stop loss threshold) |
达到阈值后将卖出头寸。例如,10%/止损,当头寸损失 10% 时,机器将卖出部分头寸(通过止损百分比来定义)。 |
止损卖出百分比 (Stop loss percentage to sell) |
触发止损后,机器将卖出的头寸的百分比。 |
启用止盈 (Enable Stop Gain) |
启用后,会对投资组合实施止盈。当超过止盈水平时,会强制卖出证券。所有交易都将在下一个交易时间(即开盘价模型中的下一日开盘时间)进行。 |
止盈阈值 (Stop gain threshold) |
达到阈值后将卖出头寸。例如,10%/止盈,当头寸盈利 10% 时,机器将卖出部分头寸(通过止盈百分比来定义)。 |
止盈卖出百分比 (Stop gain percentage to sell) |
触发止盈后,机器将卖出的头寸的百分比。 |
在调仓日之间允许进行多次止损/止盈 (Allow multiple stop loss/gain between rebalance days) |
允许机器在调仓期内反复触发止损。例如,如果您在周一交易,且股票在一周内每天下跌 15%,而止损触发条件为 10%,则每天都会触发止损。如果关闭该止损条件,则每只股票在每个调仓期内只能触发一次止损。 |
限制市值 (Constrain market cap) |
强制加权值接近整个股票池的市值加权指数的目标权重。 |
最大市值差异 (Maximum market cap variation) |
每只股票可以在多大程度上偏离目标市值加权指数(正数或负数)。 |
市值弹性 (Market cap flex) |
股票的现有权重可以在多大程度上偏离目标市值的加权值(即,如果设为 75%,则 1% 的头寸不能超过 1.75%) |
最大所有权(Maximum ownership) |
允许投资组合拥有的某家公司的最大百分比。例如,如果一家公司的市值为 1 亿美元,而该百分比为 5%,则这个投资组合所拥有的该公司的市值不能超过 500 万美元。 |
周转率优化(Turnover optimization) |
|
周转率重要性(Turnover importance) |
|
执行延迟(Execution delay) |
此选项会将所选天数添加到交易的执行中。如果您选择“T+1”,且您的调仓期被设置为“每周(周一)(Weekly (Monday))”,则将在周二进行交易,以此类推。 |
缺失市值 (Missing market cap) |
替换任何缺失市值信息的金额(以百万为单位)。这会影响到最大所有权的设置。 |
黑名单(Blacklist) |
无 (None):不使用黑名单。 |
|
公司 (Company):您的组织的黑名单。 |
|
模型 (Model):仅为此模型创建的黑名单。 |
|
两者 (Both):为此模型创建的黑名单和您的组织的黑名单。 |
优化细分
|
说明 |
优化器类型(Optimizer) |
无优化 (No Optimization):无 |
|
降低风险 (Reduce Risk):优化器旨在降低投资组合的波动性。这往往会使整体表现达到最佳。 |
|
夏普比率最大化 (Maximize Sharpe):优化器旨在通过使用预期收益的样本外估值来使夏普比率最大化。预期收益的估值会对此优化器的性能产生巨大影响。 |
|
阿尔法最大化 (Maximize Alpha):优化器旨在根据预期收益的样本外估值来使预期收益最大化。预期收益的估值会对此优化器的性能产生巨大影响。 |
|
最小风险价值 (Min VaR) - 通过回顾过去一年中的拟议投资组合并尝试尽可能减少回撤,将风险价值降至最低。 |
|
最大风险价值夏普比率 (Max VaR Sharpe) - 通过回顾过去一年中的拟议投资组合,并尝试通过观察到的投资组合收益率与观察到的波动率来使夏普比率最大化,将风险价值夏普比率最大化。 |
|
偏差最小化 (Minimize Skew) - 通过尝试找到一组能够使收益更接近均值的投资组合权重,使投资组合偏差最小化。 |
优化器界限(Optimizer bounds) |
紧贴 (Tight):优化器将仅允许您投资组合中证券的加权水平紧贴(接近)其初始加权。 |
|
松散 (Loose):优化器将允许您投资组合中证券的加权水平稍稍偏离其初始加权。 |
|
广泛 (Wide):优化器将允许每个多头头寸或空头头寸最小权重和最大权重之间的几乎任何权重。 |
因子约束 (Factor Constraints) |
允许您选择因子,并限制解决方案偏离均值 (0) 的标准偏差数。例如,动量 = 下限 -0.5 和上限 +0.5。投资组合的动量敞口(在调仓日期)不会超出这些界限。因子的顺序非常重要。如果您有 10 个约束并且无法求解,它将使用前 9 个约束再次尝试求解,以此类推。 |
股息率 (Dividend Yield) |
如果启用此选项,则优化器将尝试求解历史股息率,即:股票池 + 下限 < 投资组合股息率 < 股票池 + 上限。 |
界限(相对于基准) (Bounds (Relative to Benchmark)) |
相对于优化器应针对的基准的下限 (LB) 和上限 (UB)。即,如果股票池股息率为 1%,下限 = 0.5%,上限 = 1%,则目标股息率将为 1.5% < 目标股息率 < 2%。 |
跟踪误差 (Tracking Error) |
如果启用此选项,则优化器将尝试求解小于指定数量的预期跟踪误差。此操作在样本外完成,事后跟踪误差可能会更高。 |
最大跟踪误差(相对于基准)(Maximum Tracking Error (vs Benchmark)) |
约束优化器所依据的事前跟踪误差量。 |
降低周转率 (Lower Turnover) |
如果启用此选项,则优化器将尝试求解次要目标,即在限制周转率的同时优化主要目标。 |
贝塔中性 (Beta Neutral) |
如果启用此选项,则优化器将加上或减去基准的单位,以使事前贝塔等于投资组合的净敞口。 |
主动风险 (Active Risk) |
将投资组合优化参数设置为相对于股票池的得分。即,如果您将“动量(Momentum)”设置为 0.5 至 1.0,股票池的市值加权得分为 0.2,则优化器将会求解 0.7 至 1.2。 |
使用持有期 (Use Holding Period) |
在优化器内设置任何协方差或其他计算,以使用持有期收益而不是每日收益序列 |
合并细分
|
说明 |
合并方法(Combination Method) |
叠加 (Overlay):使用交集方法,采用一个核心模型,并在其上叠加一个或多个模型。它以“德尔塔”为基础,其中,用于叠加核心模型的模型中的每个股票选择的得分均为从 -1 至 1(1 是最佳得分)。您可以基于该分数按德尔塔的百分比更改核心模型权重。因此,如果德尔塔为25%,则得分 0.50 会使核心模型得分修改 12.5% 的幅度。 |
|
合并:使用联合方法,采用一个核心模型,并在其上合并一个或多个模型。您可以在模型(包括核心模型)分组中为每个模型设置权重。 每个核心模型的得分从 -1 转换为 1,然后乘以权重。然后将每只股票每天的得分相加。 |
|
合并投资组合:合并来自 1 个或多个其他投资组合的优化后和经构建的投资组合。它使用生成的投资组合权重作为输入信号,而不是作为来自构成投资组合基础的模型的机器学习信号。 |
合并模型(Combine Model) |
您将使用选定的合并方法进行合并的模型/投资组合。 |
基准指标细分
|
说明 |
基准 (Benchmark) |
设置一个或多个基准以及每个基准的加权。 |
调整净敞口的基准 (Adjust Benchmark for Net Exposure) |
如果您的投资组合的净敞口大于或小于 100%,则这样将调整基准收益率以匹配该净敞口。 |
等权重基准 (Equal Weight Benchmark) |
不使用定义的基准,而是将基准设置为股票池的等权重(每个调仓期)版本。 |
行业中性等权重基准(Sector Neutral Equal Weight Benchmark) |
不使用定义的基准,而是将基准设置为股票池的“行业中性”等权重(每个调仓期)版本。这样需要采取行业权重,然后除以该行业的股票数量,因此每个行业将有不同的单个证券权重。 |
行业细分
|
说明 |
行业中性(Sector Neutral) |
将被构建为一系列投资组合,其中每个投资组合均与每个股票池行业的市值权重相匹配。这意味着“每个投资组合”的最小和最大股票数量变为“每个行业”的最小和最大股票数量。 |
行业中性价差(Sector Neutral Spread) |
行业中性价差是指机器可以偏离基准行业配置的幅度。这是针对净敞口进行调整的,即,如果您的净敞口为 0%,则目标行业配置将为 0%。 |
基于名称的行业权重 (Name Based Sector Weighting) |
将行业权重基于名称数。例如,如果指数中有 200 个名称,而金融股中有 20 家公司,则金融股的权重应为 10% (20/200)。 |
定义行业权重(Define Sector Weights) |
允许用户定义行业权重。如果禁用此选项,它将使用每个调仓日的市值行业权重来制定任何行业权重决策。如果启用此选项,它将使用您定义的权重。 |
单个行业权重(Individual Sector Weights) |
有三个不同的选项:空白 - 继续使用市值来确定此行业权重。零 (0) - 将此行业从股票池中完全删除。任何大于零的数字:这一数字将是整个回测过程中此行业的定义权重。请按照 100% 多头的股票池输入这些值,然后系统将自动进行所有调整(即,针对 65/35 投资组合)。 |
信号细分
说明 | |
周转率优化 (Turnover Optimization) |
周转率优化将减少信号级别的周转率,从而使排名列表更加稳定。 |
周转率重要性 (Turnover Importance):高重要性意味着该算法将旨在保持较低的换手率,调低换手率的重要性将使其变化更大。 | |
因子中和信号 (Factor Neutralize Signal) |
打开optimization process,将根据您的设置中和信号。这需要在投资组合构建之前完成(与优化不同),这有助于减少模型中的偏差。 0分是中性的,因此默认设置为LB = -0.25和UB = +0.25。 |
因子限制 (Factor Constraints):选择您希望信号受其限制的因子及其下限(LB)和上限(UB)。 |
|
行业中性 (Sector Neutral):使行业信号变中性,加上或减去行业内的中性差。 |
|
行业中性 (Industry Neutral):使信号行业变中性,加上或减去信号行业中性差。 |
|
部门中性差 (Sector Neutral Spread):信号偏离产业或行业中性差的数量。 |
ESG 细分
|
说明 |
最低环境百分位数(Minimum Environment Percentile) |
最低环境百分位数。得分介于 0 至 95 之间,代表行业和地区内的百分位得分。很少有股票在任何指标上都能得到 100% 的满分,所以我们将最高得分限制为 95 分。 |
最低社会百分位数(Minimum Social Percentile) |
最低社会百分位数。得分介于 0 至 95 之间,代表行业和地区内的百分位得分。很少有股票在任何指标上都能得到 100% 的满分,所以我们将最高得分限制为 95 分。 |
最低治理百分位数(Minimum Governance Percentile) |
最低治理百分位数。得分介于 0 至 95 之间,代表行业和地区内的百分位得分。很少有股票在任何指标上都能得到 100% 的满分,所以我们将最高得分限制为 95 分。 |