Alpha系列——主动投资管理之信息率

• 实现平台：BigQuant—人工智能量化投资平台
• 可在文末前往原文一键克隆代码进行进一步研究

---

主动投资管理——信息率

前面文章为大家介绍了许多AI量化投资理念，这篇教程的主要目的是介绍主动投资组合管理的一些重要概念，帮助不熟悉这一领域的读者能够了解这个方法论的核心思想和价值。我们先介绍主动投资的概念，然后引入主动投资里最重要的概念——信息率。

接着我们分别从主动投资组合最优化框架，以及收益、风险的权衡展开，最后我们通过一个实际的主动投资组合的案例实验来结束讨论。

主动投资概念定义

之前我们已经介绍了经典的MPT，它的核心思想是市场是均衡的，不存在套利机会，投资者应该投资市场指数，从而分散股票的非特异风险并使得交易成本最低化。

但是，金融市场的从业人员、投资者一般都很难相信市场是完全有效的，甚至对于技术分析派的交易者，也会否认市场的弱势有效性。但是MPT确实有很多概念和工具值得我们借鉴，
于是，以Grinold为代表的主动投资理论便蓬勃发展起来，并且继承了MPT的诸多思想。

所谓主动投资是相对于被动投资而言的，假设有一家私募基金，投资者并且私募管理者以基金相对于沪深300指数的相对收益作为评估基金的标准，那么我们便认为沪深300指数期间的成分股权重作为这个资金投资组合的被动权重或者基准权重，
而基金任何偏离基准权重的情况都是基金的主动投资行为，因为基金管理者认为这些偏离能给组合带来相对于基准更高的风险调准后收益，也就是我们所谓的alpha收益或者风险调整后alpha。如果一个基金在整个投资期间没有任何主动权重，
那么它就是一只指数基金，因为它复制了指数组合，并且也获得了相同的指数收益。如果是一家对冲基金，它以绝对收益作为衡量自己业绩的标准，那么它的被动权重就是现金或者无风险资产，任何风险资产头寸都成为它的主动头寸。

一个基金管理者或者投资者采取主动投资，便是他认为他的主动行为上（如选股）相对于基准，能够提供额外的alpha收益，也就是说他相信自己在某些方面的投资能力能够创造alpha。主动投资组合管理便是一个系统的方法论和流程，
用以帮助相信具有alpha能力的投资者或者基金管理者来寻找和管理alpha。

主动投资组合

为简介易懂，我以下面的表格作为例子。我们的基准组合是一个包含四个股票的全额投资等权组合，在表格的第二列是我们的基准权重。然后在一个假设场景中，基金经理认为风险资产配置太高，于是降低到90%，无风险资产权重提升至10%。
基金经理根据自己的独特信息来源以及选股能力，给出了下一个投资期的股票预期收益。并基于预期收益信息，基金经理进一步调整了风险资产权重，对应的是表格中的基金权重，作为验证，我们可以计算得到基金权重的总和是100%。
在上面我们也说过了，主动投资的定义是于基准的偏离，也就是实际资产组合与基准组合的偏差，于是我们把基金权重减去基准权重得到了主动权重，在我们表格中的第三列。主动权重是相对偏离，所以它的权重是可以为负的，但是我们还
看到了一个有趣的现象，那就是主动权重的和为0，也就是说主动组合是一个现金中性组合。最后，我们还计算了组合的实际收益率为31.7%，基准为14.5%，也就是说我们实现了17%的alpha，或者说主动收益率。

基准组合	基准权重	主动权重	基金权重	预期收益	期末收益	期末资本收益
现金	0%	10%	10%	5%	5%	0.5%
股票1	25%	-15%	15%	10%	8%	1.2%
股票2	25%	15%	60%	50%	40%	24%
股票3	25%	-10%	-10%	-20%	-10%	1%
股票4	25%	0%	25%	15%	20%	5%
合计	100%	0%	100%	N/A	N/A	31.7%

预期收益率的构成

我们可以将预期收益率分解为四部分，分别是无风险收益（时间溢价）、业绩基准部分（风险溢价）、基准择时部分（超额业绩基准收益率）、alpha部分（预期残差收益率），即：

\begin{align*}
\mathbb{E}[r_i] = r_f + \beta_i \mu_b + \beta_i \Delta f_b + \alpha_i
\end{align*}

时间溢价 $r_f$

时间溢价表示投资者放弃当前资产的投资转而投资无风险资产所获得的收益。称之为时间溢价代表对时间的补偿。一般我们可以采取银行间拆借利率作为无风险资产收益率，比如shibor。

风险溢价 ${\beta }_{}$