2:42视频长度为2:42。
资产配置-分级风险平价
从系列:机器学习在金融中的应用
本例将引导您完成构建基于分层风险平价(HRP)的资产配置策略的步骤。
你会:
你会:
- 学习如何使用统计和机器学习技术将资产聚类到层次树结构中。
- 了解如何通过递归开发基于树形结构和风险平价概念的分配策略。
- 将其结果与均值方差资产配置进行比较。
在本视频中,我们将讨论分层风险平价投资组合的构建,它产生了一个更多样化的投资组合相比平均数-方差法在类似的风险。HRP的重点是风险的分配,而不是资本的分配。该算法分为三个阶段:树聚类、准对角化和递归二分。
阶段1:树聚类
我们首先使用统计和机器学习工具箱中的链接和树状图内置函数来构建和可视化层次树。分层聚类是找到资产之间的距离,并将它们分组到树中,以便分配可以通过树图向下流动。
阶段2:QUASI-DIAGONALIZATION
然后执行准对角线化,以便最大的值位于对角线上。这样,相似的投资放在一起,不同的投资放在很远的地方。
第三阶段:递归等分
现在,鉴于这个树形结构,我们准备使用风险平价的概念来分配资金。让我们考虑四个资产的例子。我们给所有资产分配一个单位权重。我们将当前列表分成左右两半。我们根据逆方差求出左右列表的权值。我们计算左右两半的总方差,以及分裂因子。最后,我们将两个一半的权重重新缩放。我们对每一半重复完全相同的算法:平分成左右两部分,计算权重和方差,并按比例缩放权重。当每个部分只有一个资产时,算法就停止了。
比较HRP和均值-方差投资组合
我们可以清楚地看到,与均值-方差框架相比,HRP产生了更加多样化的配置,后者将92%的配置集中在前6个股票上。驱动均值-方差极端集中的是其最小化投资组合风险的目标,但两个投资组合的风险非常相似。因此,任何影响6大持股比例的困境对均值方差的影响都将大于合的组合。
感谢收看。
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。