被动型FOF产品规划方案（附代码）

被动型FOF产品规划方案（附代码）

前言

按照基本的投资策略，基金可以被分类为被动型基金和主动性基金。被动型基金主要投资于指数产品，主动性基金则会采取更加灵活多变的策略来选择标的资产池。但是，两者都需要对标的资产的权重进行优化。

本文将介绍了笔者设计的一个用于被动型FOF（“ Fund of Fund” ，中文 “基金中的基金” ）投资的产品方案设计思路，涉及到的调仓权重优化方法包括马科维兹优化、风险平价优化、Black-Litterman模型。

在连接至Wind 数据库的情况下，运行程序并输入您所需要的投资组合的起止日期、标的资产的代码、回测数据所使用的的时间窗口、调仓频率，您就可以得到投资组合在三种优化方法下每日的持仓权重。 （代码和数据于本文末下载）

资产配置模型

马科维兹模型

马科维茨的均值一方差组合模型(Markovitz Mean-Variance Model)用收益率序列均值来代表投资组合的收益，用收益率序列方差来代表投资组合的风险，以此来平衡投资组合的风险和收益。
投资组合预期收益的计算公式为：

$$E(R_p)=\sum _i{\omega }_{i}E(R_i)$$

投资组合预期方差的计算公式为：
$${\sigma }_p^2=\sum _i{\omega }_i^2{\sigma }_i^2+\sum _i\sum _{i\ne j}{\omega }_i{\omega }_j{\sigma }_i{\sigma }_j{\rho }_{ij}$$
用矩阵的方法来表示有效前沿：
$${\omega }^T\sum \omega -q\ast R^T\omega$$
用代码实现，如下：

#定义马科维茨优化的目标函数
def funs(weight,sigma):
    weight = np.array([weight]).T
    result = np.dot(np.dot(weight.T,np.mat(sigma)),weight)[0,0]
    return(result)

风险平价模型

风险平价模型即构造等风险投资组合，这里采用的是标的资产的波动率作为风险指标。

我们定义投资组合的波动率为：
$$\sigma (\omega )=\sqrt{{\omega }^{{}^{\prime }}\Sigma {\omega }^{{}^{\prime }}}$$
我们的目标是令标的资产i对投资组合波动率的风险贡献度为投资组合总风险的的1/N：
$$\sigma ({\omega }_i)={\omega }_i\ast \frac{\partial \sigma (\omega )}{\partial {\omega }_i}$$