matlab资产配置,FOF投资的量化分析：资产配置模型

本文介绍了资产配置中最常用的三个量化模型：均值方差模型、Black-Litterman模型和风险平价模型。我们将具体介绍三个模型的配置思想、输入的参数、输出的结果、优缺点、适用条件、实现的算法。

在科学、合理地预测出各类资产的收益、风险和资产间的相关性后，我们可以运用多种量化模型得出最终的资产配置比例。常用的量化模型包括马科维茨的均值方差模型、Black-Litterman模型以及风险平价模型。马科维茨均值方差模型用收益率的标准差衡量风险，并通过给定预期收益率，最小化风险的方式构建投资组合的有效边界；Black-Litterman模型在均值方差模型的基础上，允许用户加入个人的主观观点；风险平价模型则侧重于对各类资产总体风险的配置。本文接下来的小节将具体介绍三个模型的配置思想、输入的参数、输出的结果、优缺点、实现的算法。表1对三个模型的以上几点内容作了简单的总结和对比。

表1 资产配置模型对比

1、均值方差模型

Markowitz(1952)首次提出了行情000900,诊股)组合理论(Modern Portfolio Theory,MPT)，他用数学语言衡量了投资组合的预期收益和预期风险，并通过组合优化确定最佳风险收益下的资产配置比例。这个组合优化的过程就是均值方差模型。

在均值方差模型中，投资组合的预期收益是组合中各类资产的预期收益的加权平均值，计算公式如下：

其中，E(rp)是投资组合的预期收益，wi是资产i的权重，E(ri)是资产i的预期收益，N是组合中资产的数量。

投资组合的预期风险是预期收益的标准差，计算公式如下：

其中，$\sigma$σp是投资组合的预期标准差，wi是资产i的权重，$\sigma_{ij}^2$σ2ij是资产i和资产j的协方差，σii是资产i的标准差，N是组合中资产的数量。

均值方差模型解决两个问题：一是给定预期收益，最小化预期风险；二是给定风险容忍度，最大化预期收益。两个问题的答案是一一对应的，我们以第一个问题为例，用数学语言描述均值方差模型如下：

资产数量有限的均值方差模型可以简单的通过Excel Solver求解。在不允许卖空(wi>0)的限制条件下，均值方差模型很可能没有解析解，此时我们可以使用二次优化算法(如Matlab中的quadprog函数，python的minimize 函数)求解模型数值解。

均值方差模型的输出结果是一系列(预期收益,预期风险)组合，以及相对应的资产配置比例，所有的预期收益和预期风险组合组成一条有效边界曲线。图1为使用FOF系统资产配置模块内嵌的均值方差模型计算得到的三类资产(沪深300、债券和金属期货)的有效边界曲线及预期收益为7%的资产配置比例图。

图1 沪深300、债券和金属期货的有效边界曲线及资产配置比例图

均值方差模型的优点在于求解过程相对比较简单，但缺陷也同样明显。最大的问题在于模型对输入参数非常敏感，尤其是对于预期收益率的敏感性：输入的预期收益的微小变化就有可能导致输出配置比例的巨大变化。而对于预期收益的估计恰恰是我们在长期研究中面临的最大挑战：以历史数据法为例，我们对于预期风险的估计相对有把握，资产间相关性的估计把握略低，而对于预期收益的估计则是完全没把握。为了尽可能保证均值方差模型输出结果的稳健性， Michaud(2008)试图利用Resample的方法，他利用原始资产收益