2:42视频长度为2:42。
资产配置-分级风险平价
从系列中:金融中的机器学习
本示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。
- 了解如何通过递归基于树结构和风险平价概念开发分配策略。
- 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结构,与均值-方差方法相比,对于类似的风险,它产生了更多样化的投资组合。HRP的重点是风险分配,而不是资本分配。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。层次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。
第二阶段:准对角化
然后执行准对角线化,以便最大的值位于对角线上。这样,类似的投资放在一起,不同的投资放在很远的地方。
阶段3:递归二分
现在,有了这个树形结构,我们就可以使用风险平价概念来分配资金了。让我们考虑四种资产的例子。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。我们根据逆方差找到左右链表的权重。我们计算左右两半的总方差,以及分裂因子。我们最终将两部分的权重按比例重新调整。我们对每一半重复完全相同的算法:分成左右两部分,计算权重和方差,并按alpha重新缩放权重。当每个部分只有一个资产时,算法就会停止。
比较HRP与均值-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%的配置集中在前六个持股上。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,然而这两个投资组合的风险非常相似。因此,任何影响六大主要投资组合配置的困境对均值-方差的影响都将大于对均值-方差的影响合的组合。
感谢收看。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。