投资组合优化

投资组合优化是从金融角度出发，通过多元化的资产配置以降低风险并寻求最大化收益的过程。它涉及对不同资产类别的深入理解和前瞻性市场分析，以确定最佳的投资组合权重。通过现代投资组合理论，如马科维茨投资组合理论（MPT），投资者可以利用资产的历史回报和波动率数据，量化不同资产间的相关性，从而构建出具有理想风险-收益平衡的投资组合。在优化过程中，还需考虑投资者的风险承受能力、投资期限和市场预期等因素。持续监控和定期调整是优化投资组合不可或缺的部分，以确保投资组合与市场环境和投资者目标保持一致。

桑土之防：结构化多因子风险模型-华泰证券-20190612

摘要

华泰金工多因子风险模型能够实现准确可靠的风险预测和投资组合优化

在经典多因子模型框架的基础上，参考Barra多因子风险模型，构建华泰金工多因子风险模型。模型选择恰当、有效的共同因子，回归计算因子收益和特异性收益，进而估计因子收益协方差矩阵和特异性收益方差矩阵。之后，模型以波动率偏误统计量作为风险预测准确度的衡量指标，对因子收益协方差矩阵和特异性收益方差矩阵分别进行多步修正，有效提升风险估计的准确度。华泰金工多因子风险模型能够实现准确、可靠的风险预测和投资组合优化。

风险模型对因子收益协方差矩阵和特异性收益方差矩阵分别进行多步修正

多因子风险模型将对股票收益协

更新时间：2022-08-31 02:50

监督学习的方法介绍及金融领域应用实例-长江证券-20170727

摘要

机器学习系列报告

本系列报告试图系统全面性的介绍各种不同的机器学习方法，并且结合具体的在投资研究领域应用实例、交易策略及code示例，说明其应用情景和实现方法。机器学习的方法可以分为以下几类：监督学习、无监督学习、深度学习及其他机器学习方法（例如强化学习），对应到具体的模型上数量则更是繁多，目前大部分机器学习模型并未广泛的应用在投研领域，因此本系列主要偏重于在投研领域有应用潜力的模型及方法。此篇将以介绍监督学习方法为主

监督学习模型之回归类模型及其应用

与普通线性回归不同，监督学习中的惩罚回归模型和非参数回归，可以分别用于处理输入变量中存在大量线性相关性关系

更新时间：2022-08-31 01:52

因子跟踪(周/月报)

更新时间：2022-08-31 01:47

金工因子跟踪周报：3月波动率、换手率因子表现良好-华泰证券-20200406

/wiki/static/upload/b2/b2ee2101-bb57-4a2b-92e6-a192c81aa6be.pdf

更新时间：2022-08-31 01:44

商品期货量化趋势策略信号2022年08月29日

正文

/wiki/static/upload/cc/ccdb74be-b863-4da3-8f49-1f6faa26c18e.pdf

更新时间：2022-08-29 04:43

基本面量化

更新时间：2022-08-25 02:16

量化选股

更新时间：2022-08-25 02:16

股票及量化投资书籍分享

「股票及量化投资书籍分享」https://www.aliyundrive.com/s/4kajoeM7ock 点击链接保存，或者复制本段内容，打开「阿里云盘」APP 下载。

更新时间：2022-07-31 10:31

海外文献推荐第35期天风证券_20180411

摘要

因子投资模型增强：基于深度学习来预测基本面数据经过回测发现，如果能够预知未来的基本面数据并构建组合，则能够大幅跑赢传统方式构建的组合。并且，基本面数据之间的关系可能比基本面数据与价格之间的关系具有更高的信噪比。因此，作者根据过去5年的基本面数据训练一个深度神经网络来预测未来的基本面数据，结果表明较之于简单预测（假设未来数据和当前数据一致）模型，神经网络模型在MSE、年化收益、夏普比率等指标都有明显的提升。

消费者的眼睛是雪亮的：消费者评价的投资价值本文探究了消费者的评价是否包含着对投资有价值的信息。利用上买家对产品的评价信息，发现消费者的评价对于选股具有一定的价值。

通过做多异

更新时间：2022-07-27 10:34