【基金量化研究系列】大类资产配置研究（四）——基于马科维茨模型的资产配置研究

---

1. 引言

1.1 前文回顾

在上一篇文章中，我们简单介绍了基于股票、债券、黄金和现金四类资产的均衡配置策略。（详情请见【基金量化研究系列】大类资产配置研究（三）——多资产均衡配置策略）。到目前为止，前三篇文章中涉及的所有配置策略的思想均比较简单直观，而策略表现也还算不错，因此笔者认为这些策略对那些经验不足的小白投资者，或者资产管理时间有限的非专业投资者来说具有一定的参考意义。

然而，这些“简单”的资产配置策略却不免显得有些“粗糙”。例如在四资产均衡配置策略中，我们对各类资产的投资比例均为25%，但有读者可能会质疑：能不能将权重分配改为30%-30%-30%-10%呢？配置为35.2%-41.3%-13.5%-10%会不会更好呢？

因此，为了避免在资产配置过程中存在类似这样“拍脑门”的嫌疑，以进一步提升策略表现和科学性，我们需要借助更多的工具和模型。当然，这也就要求资管人有更多的量化手段和更高的量化水平。

在这篇文章中，我们就来简要探讨一下经典的马科维茨模型在中国市场资产配置中的应用吧~

1.2 数据收集与标的资产选取

本文以开源的Choice数据库作为本文的数据来源。

对于标的资产的选择，我们仍以“易方达沪深300ETF（510310）”与“国泰上证5年国债ETF（511010）”作为股票市场与债券市场的基准可投标的，并以“华安黄金易ETF（518880）”和“七日深圳国债逆回购R-007（131801）”作为商品和无风险资产的基准可投资标的。这些标的均可以在券商账户中进行交易。

1.3 基本假设

本文仍延续前文的基本假设，规定：
（1）市场中不允许融资做多与融券做空；
（2）建仓调仓过程中不允许借款、参与国债回购；
（3）每日仅在收盘时间以收盘价格进行交易；
（4）未特别规定，忽略调、建仓手续费。

---

2. 马科维茨模型简介

2.1 模型的建立

简单来说，所谓 马科维茨模型（Markowitz Model） ，是以期望收益-标准差作为衡量各资产的两个指标，并认为所有的投资组合都可以在这一框架之中找到相对应的坐标位置。而最优的投资策略则是投资者效用达到最大值的那一只组合。

注：囿于篇幅限制，本文不对该模型的具体细节进行展开，感兴趣的读者可以关注我的后续文章。在此预留一个接口：某篇后续文章

在加入无风险资产的前提下，可以将效用函数设定为夏普比率（Sharpe Ratio）。则可构造优化问题：
$$\text{max}\frac{r_p-r_f}{{\sigma }_p}=\frac{{\omega }^{T}r-(1-{\omega }_f)r_f}{({\omega }^T\Sigma \omega {)}^{\frac{1}{2}}}$$

s.t.

$$\begin{gathered} {\omega }^{T}1=1-{\omega }_f \\ {\omega }_i\ge 0，i=1,...,N,f \end{gathered}$$
其中，ω_i 表示第 i 类风险资产的权重；
ω 表示 n 类风险资产的权重向量；
ω_f 表示无风险资产的权重；
r_i 表示第 i 类风险资产的预期收益率；
r 表示 n 类风险资产的预期收益向量；
r_f 表示无风险利率；
r_p 表示资产组合的预期收益率；
σ_p 表示资产组合的波动率；
Σ 表示 n 类风险资产的协方差矩阵。

​或者写成如下的标准形式：

$$\text{min}-({\omega }^T$$