基于PCA模型的首个投资组合

        首先,这个组合是用JupyterLab写的,分了两部分,第一部分是模型的开发,第二部分是基于模型并用最新的数据来update,验证模型的有效性。由于两部分都写在一个文档里面,确切来讲没有时间戳能够证明这个模型的完成时间。

        Anyway,我还是想把模型最初的样子记录下来。

        用于模型开发调参的数据截止到2021年5月19日,在这一天,参数确定,模型生成。

        模型中心思想:每隔一段时间,对组合内的商品进行调仓。从持仓第一天开始,按比例投入100%资金,后续仅调仓或空仓,不再投入资金。

        确切来讲,这个略为简陋的投资组合是由两个组合数据直接平均出来的,所以还有改进的空间。

        组合1由黄金、原油、纳斯达克指数、沪深300指数组成。

        组合2由白银、上证50指数、创业板指、标普500指数组成。

        数据来自YahooFinance和Tushare。        

        一起来看看模型生成时的数据表现,截止到2021年5月19日。

        以下是组合1的数据表现,净值从1开始。

         以下是组合2的数据表现,净值同样从1开始。

        因为数据能回测的时间有点不一样,所以起始时间是不一样的。

        以下是投资组合的数据表现,净值从1开始,时间从2011年6月2日开始。 

        说实话,因为是5月份开发出来的模型,所以现在觉得把组合1和组合2直接按分别最初的净值1分别乘以0.5加权是有问题的。


        现在一起来看看模型的后续数据表现,截止到2021年10月7日。

        如果模型是work的,数据表现出来的应该是不断地创新高。

        组合1的表现(确实是创新高了)

        与沪深300的表现对比。

        如果调整了起始时间的话,表现稍差,但可以横向比较3个组合的表现。

          组合2的表现(模型让空仓了)

        与沪深300的表现对比。

        P.S. 组合净值不变的时候说明是空仓。

        投资组合的表现(这个已经想忽略了,虽然走势也还行)

        与沪深300的表现对比。

        具体年收益率如下(2021年的截止到10月7日),c_1、c_2、c_3分别代表组合1、组合2、投资组合。 

        总的来说,组合1和组合2都有表现不错的时候,所以最主要是看如何有机地结合起来。

        下次开始会在新文档继续更新数据,或许公开调仓记录。 

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于一个网格模型基于PCA进行扩增,可以按照以下步骤进行: 1. 数据准备:收集并准备网格模型的数据集。这些数据可以是网格模型的顶点坐标、法线向量、颜色等属性。 2. 数据标准化:对数据进行标准化处理,使其具有零均值和单位方差。这是为了消除不同属性之间的尺度差异,并确保各个属性对PCA的贡献权重是相同的。 3. 协方差矩阵计算:根据标准化后的数据计算协方差矩阵。协方差矩阵描述了数据之间的相关性。 4. 特征值分解:对协方差矩阵进行特征值分解,得到特征值和对应的特征向量。特征值表示了数据集在特征向量方向上的方差。 5. 特征值排序:按照特征值的大小对特征向量进行排序。通常选择特征值较大的前几个特征向量,因为它们对数据集的信息贡献最大。 6. 特征向量转换:将网格模型的原始数据投影到选取的特征向量上。这个过程可以通过矩阵相乘来实现。 7. 扩增:根据特征向量的结果对网格模型进行扩增。具体操作可以根据实际需求来决定,例如基于特征向量的得分来调整模型的形状或属性。 8. 重构:如果需要,可以将扩增后的模型重新转换回原始数据空间,恢复到原始网格模型的形态。 通过上述过程,我们可以基于PCA对一个网格模型进行扩增,以实现对模型形状和属性的调整和改变。重要的是,在进行操作之前需要对数据进行标准化和特征值分解,以确保得到有效的结果。同时,需要根据具体需求来选择特征值和特征向量,以便达到所期望的扩增效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值