量化交易模型從哪裡學?統計學表明，生日過的越多，活的就越久，我來為大家講解一下關于量化交易模型從哪裡學?跟着小編一起來看一看吧!

量化交易模型從哪裡學

統計學表明，生日過的越多，活的就越久

——文：八成倉位

本文是手把手系列的第三篇文章，這一回我們來深入淺出的探讨一下，資産配置繞不開的模型：Black-litterman模型。閱讀完本篇文章以後，能為你解答以下幾個尴尬場面：

1. 聊資産配置時，隻能喊經濟下滑了買債券黃金
2. 聊行業輪動時，隻能喊超配消費 科技
3. 聊投資風格時，隻能分為價值和成長

寫在正文前的BL模型簡介：學金融的小夥伴一定對馬科威茨這個名字久久不能釋懷，如果沒有他，金融學的發展和考試的難度至少要下降3個數量級。Black-litterman模型由高盛的兩位大佬發現提出，總體上可以看作是對馬可威茨模型的升華版，目前已經是國外資産管理機構主要運用的底層模型之一，在這個框架下管理着萬億資産。然而在國内的研究相對較少，僅華泰、海通、申萬等幾家券商研究所出過實證報告，這也與其運算的複雜性有關。總體來說：

Black-litterman模型 = 馬可威茨均值方差模型 投資者的觀點（情緒）

換一句更簡單的話來說：

Y資産的收益 = （曆史上它的均衡收益 投資者對它預期）的加權平均

BL模型特别特别強調的概念是加權，舉一反三的現在也許能大概get到，如果市場飛漲，投資者狂熱，自然投資者主觀的預期将占有更大的權重。那麼如何衡量這個權重，就是BL模型機智的地方了。

我可以計算天體運動的軌道，卻無法計算人性的瘋狂！——牛頓

不過，Fisher Black 和 Robert litterman告訴你，這還是多少可以計算的：就像前車突然打開了雨刷器 = 女司機，總有以小見大的标的物可以取巧的衡量人性。

（把BL模型誤認成是BS模型的有多少？）

/ 工具人1号：均值方差的故事 /

工具人1号突然發現，有些資産的收益情況符合正态分布，至此他走上了小康的道路：

“隻要在黃金價格處于左側的時候買入，在右側的時候賣出，這還不穩賺不賠！”

然而工具人1号在短暫的暴富後，又迅速的一貧如洗。他在網上訴苦時，别人告訴了他，這個正态分布的思想實際上就是均值方差模型。

籠統而言，馬科維茲的均值方差模型告訴了投資者，一個投資組合應當追求更高的收益與更低的風險之間的平衡（廢話...)，以及重點：怎麼計算X,Y,Z等等資産在一個投資組合裡的占有比例。

但是之所以實踐中幾乎沒有任何人僅憑着均值方差就賺到了錢，主要就是因為現實裡的資産很少長期符合正态分布，包括大宗商品、股票指數、乃至個股。

也許會局部符合，也許會短期符合，但是等散戶買入的時候，它就不符合了。

并且還有一個更常見的現象，某某股票的标準差和曆史收益率完美碾壓其他備選股票，那豈不是隻用這一個股票組成投資組合就可以了？

/ 所以當我們在說資産配置時，我們到底在說什麼？/

回到主題，理論和現實的沖突如何平衡，首先來看看不借助金融統計工具，分析師是基于什麼邏輯進行資産配置的：

上圖為當前經濟下行的大環境下，應當避免以及應當超配的行業。

下圖為總體的經濟運行周期中，各個階段應當配置的行業。

換句話說就是經濟差時回避和經濟高度相關的，買入和經濟不相關的。比如農林牧漁和必選消費品，經濟再差，人們也得吃飯。

上面兩張圖是一個籠統的配置方法，那麼每一個闆塊應當超配百分之多少的倉位，就要教給BL模型來計算了。

與古典模型相比，BL模型認可了投資者的主觀情緒對于行業漲跌幅的影響，并且認為在市場達到共識的階段裡，投資者的情緒對于股價往往起到主導作用。

/ Black-litterman 模型 /

BL模型基本框架涵蓋了以下幾個參數：

投資者的主觀觀點P 初始市值權重 W 市場均衡收益 N = 投資者期望收益 E(r）

投資者期望收益E(r) 馬科維茲均值方差 M = BL模型

以及：計算最優權重的公式 W1 = 風險厭惡系數 資産的協方差矩陣 期望收益率

（上面的 不是加減乘除的 ，是參數疊加，僅提供直觀感受）

完整公式：

（具體各參數的含義請見下文計算例子）

公式本身看上去複雜，實際運算時最重要的核心依然是如何定義投資者的觀點：

就像晴天前車打開了雨刷器 = 女司機....；

那麼？？？= 投資者看多某類資産？

（看到公式就想跑路的請留步！！）

/ 一個計算的例子 /

所以人性的“狂熱”怎麼衡量？

這麼衡量！

資金對某行業的追捧程度 = 對行業内公司發表觀點的個數K / 行業的公司數N

“顯而易見”，行業内的公司在T 1時相比T時吸引了更多研究員，以及研究報告，自然這個行業就會吸引更多資金的目光，所得到的數據也就越加可信。

某一年，基金經理Y對新募的50億資金開始建倉，他主要看好以下10個闆塊：能源、材料、工業、可選、消費、醫藥、金融、信息技術、通訊、公共事業。

Step 1：導出按市值計算該投資組合的基準配置權重并且計算均衡彙報

Step 2：計算投資組合的協方差矩陣

(偷懶了，随便用了個random值）

Step 3：計算按照市場基準配置（市值加權），組合的曆史回報，作為比較基準。

Step 4：形成主觀觀點 P。比如：

1）通訊行業未來1年的回報率被市場低估了-1%~ 2% ——絕對觀點

2）材料行業未來1年的回報率被市場高估了 3%~ 5% ——絕對觀點

Step 5：計算參數

K step4的觀點個數 = 2個

N 資産個數 = 10個

t 觀點标量 = K / N = 0.2

Σ 是Step2計算的協方差 （n*n的矩陣）

Q 觀點的收益向量矩陣= [7.044% 1.70%]

P 觀點矩陣 =

[ 0 0 0 0 1 0 0 0 0 0]

[ 0 0 0 0 0 0 0 0 -1 0]

也就是根據Step4形成的觀點，看多計為1，看空計為-1

實際情況中，往往會遇到既有看多，也有看空的情況，則計算看多之和/看空之和

Ω 觀點誤差的協方差對角矩陣（表示每個觀點的置信水平） =

[ 0.001% 0]

[0 2.0%]

實際情況中，可以以研究機構對于行業的研究報告份數 / 行業内公司數量作為初始的觀點置信度。

Π 投資組合的隐含均衡收益率 = step2中n * 1 的矩陣

Step 6：将計算出的各參數代回BL模型，求得各資産配置比例。

/ 實盤回測 /

表面看上去BL模型牽涉的參數計算複雜，實際上将一切教給計算機後，真正複雜的地方還是對于觀點矩陣P以及觀點的收益向量矩陣Q的構建。

實盤回測中，建議以季度為單位，取研究機構對于行業内公司的（評級上調數量 減 下調數量的平均值 ）/ （行業内公司的數量）作為基準構建P矩陣。

以wind一緻預期的淨資産收益率的變化率，代替超額收益率，構建Q矩陣。

以研究機構對于行業的研究報告份數 / 行業内公司數量作為初始的觀點置信度Ω 。

最後，限制最低投資倉位，避免0%權重的出現。

因為工作量較大，（比如構建P,Q矩陣時，可以給top研究機構賦予更大的值）大概海通zhe實證研究可以發一篇論文了，所以這裡就放一下華泰金工團隊的回測：

上圖：總體收益率回測

上圖：觀點變化情況（P矩陣）

上圖：觀點的收益向量（Q矩陣）

參考資料：

[1]林曉明.王湘.華泰證券.(2016.08).BL模型行業配置實證研究

[2]海通證券量化團隊(2017.09). Black-litterman模型的直觀理解

[3]王帥.王建滲.招商銀行資産管理(2018.11).量化資産配置模型研究報告

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!