投资组合优化

更新

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/2023-06-30-SDQHrTSMW7

https://bigquant.com/codeshare/c3078960-1a56-4a00-9f9e-772917208528

\

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

https://bigquant.com/experimentshare/c2cf252d64b7408a8071f4d78f52a5ea

\

本文内容已经过期，不再适合平台最新版本，请查看以下最新内容，作为参考资料学习。

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

众所周知，Barra因子分析是目前行业内外最常用的因子分析体系。

然而在做Barra体系分析的时候常用的一个方式就是行业或市值中性化，今天主要用最易懂的语言介绍一下什么是barra因子分析体系，以及什么是因子中性化。在这里我会避开繁琐的数学公式，尽量深入浅出的让

本文内容已经过期，不再适合平台最新版本，请查看以下最新内容，作为参考资料学习。

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

\

策略案例

[https://bigquant.com/experimentshare/42bf93884b1246ad83c2874f06765732](https://bigquant.com/experimentshare/42bf93884b12

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[ht

https://bigquant.com/experimentshare/5715a53b7df741f9be882f46e44f444e

\

\

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

策略案例

https://bigquant.com/experimentshare/68b5d7cfac264dbda781c1fbcc6a4880

\

https://bigquant.com/experimentshare/d50ee96c36f84af6ad990409294db4cb

\

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

策略案例

https://bigquant.com/experimentshare/0f3871389f5846009ba425fe066d03b2

\

更新

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/5z65lqo5y2p5pw055qe6ywn5a55lqk5pit-6x1P1362eJ

策略案例

[https://bigquant.com/experimentshare/6b05d7bd134e420387acfa25c37b283f](https://bigquant.co

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

接口

• bigchart.Chart 定义建议 Chart文档

对于HeatMap（热力图）的 _type=”heatmap” 和 series_options：

bigcharts.Chart(
    ... 其他参数
    # 【设置图表类型】图表类型，具体参考各类型图表
    type_ = "heatmap",
    
    # 热力图中y传入的数据轴必须是两项，第一项表示的是y轴坐标轴的刻度数据第二项表示的

导语

本文挑选了著名的风险结构模型进行介绍，具体的细节并没有深入展开，旨在抛砖引玉，了解Barra对于风险结构模型的思维方式和理念。

多因子模型

相似的资产会有相似的回报，这是多因子模型的基本假设。由于某些特定的原因（因子），资产会表现的十分类似，例如价量变化、行业、规模或者利率变化。多因子模型就是为了发掘这些因子，并且确定收益率随因子变化的敏感程度。通常来说，多因子模型包括了宏观因子模型、基本面因子模型和统计因子模型。这几种模型在分析不同的大类资产风险收益的时候也有不同的效果。

实现原理

单个资产的多因子模型可以表示成：

![{w:100}

{{membership}}

https://bigquant.com/codeshare/075d9454-cde6-4306-a113-84fcae5b3248

\

https://bigquant.com/codeshare/4515d40b-c2f4-4439-a2c9-92931adb0c6d

\

摘要

本篇报告是投资组合优化系列的第二篇，主要围绕组合换手展开，内容分为影响因素、控制方法和实测分析，着重探析组合换手的根源、权衡与效率。

组合换手影响因素

通过量化投研流程、主观设定层级和权益基金特性这三种视角，讨论组合换手受到的影响。量化投研流程中，优化阶段以直接设置换手约束为主；信号阶段会受阿尔法时间特性影响；交易阶段会对成本建模并平衡换手与费率。主观设定层级中，由简至繁、由先及后，依次为监管合规风控、交易费用、优化求解以及阿尔法信号。权益基金特性方面，统计发现基金换手与基金规模、投资方法、投资风格和市场环境存在明显关联。

组合换手影响根源

在众多影响因素

摘要

2008年金融危机的爆发，使得风险均衡的理念迅速在资产管理实务界流行开来。那些致力于通过分散化投资来获取绝对收益的基金经理，纷纷将其作为资产配置的核心方案。但是，诸多实际案例也发现，纯粹的、不加任何杠杆的风险均衡策略很难产生具有吸引力的收益表现。为此，越来越多的研究者试图在经典的风险均衡策略中加入一些主动的管理，本文也是其中的一个尝试。首先，通过风险均衡策略给出中性配置，随后在相对中性组合一定跟踪误差的约束下，采用Black-Litterman模型完成资产配置。

风险均衡（Risk Parity）策略

首先，本文以国内资产的例子分析风险均衡组合的特征。为了和传统的分散化

\

https://bigquant.com/experimentshare/d845df2c36424de989e719fe3af29805

\

https://bigquant.com/experimentshare/5277de40609d4fffa7bbe6df2e5b1231

\

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

\

\