组合独立的Smart Beta策略进行投资组合优化

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Combining Independent Smart Beta Strategies for Portfolio Optimization》
---
作者：
Phil Maguire, Karl Moffett, Rebecca Maguire
---
最新提交年份：
2018
---
英文摘要：
  Smart beta, also known as strategic beta or factor investing, is the idea of selecting an investment portfolio in a simple rule-based manner that systematically captures market inefficiencies, thereby enhancing risk-adjusted returns above capitalization-weighted benchmarks. We explore the idea of applying a smart strategy in reverse, yielding a \"bad beta\" portfolio which can be shorted, thus allowing long and short positions on independent smart beta strategies to generate beta neutral returns. In this article we detail the construction of a monthly reweighted portfolio involving two independent smart beta strategies; the first component is a long-short beta-neutral strategy derived from running an adaptive boosting classifier on a suite of momentum indicators. The second component is a minimized volatility portfolio which exploits the observation that low-volatility stocks tend to yield higher risk-adjusted returns than high-volatility stocks. Working off a market benchmark Sharpe Ratio of 0.42, we find that the market neutral component achieves a ratio of 0.61, the low volatility approach achieves a ratio of 0.90, while the combined leveraged strategy achieves a ratio of 0.96. In six months of live trading, the combined strategy achieved a Sharpe Ratio of 1.35. These results reinforce the effectiveness of smart beta strategies, and demonstrate that combining multiple strategies simultaneously can yield better performance than that achieved by any single component in isolation.
---
中文摘要：
Smart beta，也称为战略贝塔或因子投资，是一种以简单的基于规则的方式选择投资组合的想法，这种方式可以系统地捕捉市场的低效率，从而提高风险调整后的回报率，使其高于资本化加权基准。我们探讨了反向应用smart策略的想法，产生了可以做空的“坏贝塔”投资组合，从而允许独立smart贝塔策略的多头和空头头寸产生贝塔中性回报。在本文中，我们详细介绍了月度重估投资组合的构建，包括两个独立的smart beta策略；第一个部分是长-短beta中性策略，该策略源于在一组动量指标上运行自适应boosting分类器。第二个组成部分是最小波动率投资组合，它利用了低波动率股票往往比高波动率股票产生更高的风险调整回报这一观察结果。在市场基准夏普比率为0.42的情况下，我们发现市场中性成分的比率为0.61，低波动率方法的比率为0.90，而组合杠杆策略的比率为0.96。在六个月的现场交易中，组合策略实现了1.35的夏普比率。这些结果增强了smart beta策略的有效性，并证明同时组合多个策略可以产生比单独使用任何单个组件更好的性能。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Portfolio Management        项目组合管理
分类描述：Security selection and optimization, capital allocation, investment strategies and performance measurement
证券选择与优化、资本配置、投资策略与绩效评价
--

---
PDF下载：
-->

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：投资组合优化 smart 投资组合 Mart beta

组合投资组合优化的独立智能测试策略Phil Maguirea，？，Karl Mo ffetta和Rebecca MaguirebaiIrelandyNooth国立大学计算机科学系，Irelandb心理学系，IrelandyNooth国立大学，IrelandAbstract。智能贝塔，也称为战略贝塔或因子投资，是在一个简单的基于规则的平台上选择投资组合的想法，该平台系统地捕捉市场效率，从而提高风险调整后的回报率，使其高于资本化加权基准。我们探讨了在反向中应用smart策略的想法，使“bad beta”投资组合可以做空，从而允许独立smart beta策略上的多头和空头头寸产生betaneutral回报。在本文中，我们详细介绍了一个包含两个独立的smart beta策略的月度加权投资组合的构建；第一个组成部分是一种长-短beta中性策略，源于在一系列动量指标上运行自适应增压分类器。第二个组成部分是最小波动率投资组合，它揭示了低波动率股票往往比高波动率股票产生更高的风险调整回报。在市场基准夏普比率为0.42的情况下，我们发现市场中性成分的比率为0.61，低波动率方法的比率为0.90，而组合杠杆策略的比率为0.96。在六个月的现场交易中，组合策略实现了1.35的aSharpe比率。

这些结果加强了smartbeta策略的有效性，并证明同时组合多个策略可以产生比单独使用任何单个组件都更好的性能。关键词：智能测试版；要素投资；低波动异常；投资组合优化；方差最小化；最小波动率投资组合；多空策略、多元化1简介根据资本资产定价模型（CAPM），股票回报率应为贝塔系数的线性函数。换句话说，回报率应该反映出股票相对于市场的风险。该模型定义了投资组合的预期收益：？通讯作者：pmaguire@cs.nuim.ie2Phil Maguirea、Karl Moffetta和Rebecca MaguirebE（Ri）=Rf+βi（E（Rm）- Rf）+α，其中Rf是无风险回报率，βiis是投资组合i的回报与基准回报之间相关性的度量，Rmis是该基准资产的预期回报率（Perold，2004）。难以捉摸的α术语是从选择表现优于市场的多头头寸或表现不佳的空头头寸中产生的超额回报。在有效市场中（见Malkiel&Fama，1970），α系数的预期值为零。CAPM预测，即收益率应该是贝塔的线性函数，与观测值不匹配。最近关于smart beta的研究表明，通过遵循一些简单的规则，可以实现更高的风险回报绩效（例如，Amenc、Goltz和Martellini，2013；Kahn和Lemmon，2016）。例如，在过去50年中，世界各地的低波动性投资组合实现了高平均回报和小规模提取的理想组合，这与风险应以更高预期收益（例如。

Haugen&Baker，1991年；Clarke，de Silva&Thorley，2006年；Baker，Bradley&Wurlger，2011），这一效应被称为“最大的异常金融”（Baker等人，2011）。在过去五年中，包括贝莱德、莱格·马索纳和阿蒙迪在内的资产管理公司推出了数量迅速增加的智能贝塔基金，这些基金在主动管理和被动管理之间起着中转站的作用。smart beta战略中的资产管理从2008年的1030亿美元激增至2015年的6160亿美元（Mooney，2016）。2017年第一季度，投资者继续涌入smart beta基金，导致分配给这些战略的新资金增加了2000%，并导致警告称，这一切可能会大错特错（Mooney，2017）。目前，在全球ETF市场投资的4万亿美元中，智能贝塔基金占了七分之一。smart beta概念认为，根据一些简单的规则选择投资组合，可以超越主动经理人的直觉，从而消除侵蚀利润的大量费用。研究表明，smart beta策略无论从经验上还是从理论上，都能带来长期的优异表现（Mooney，2016；见Amec，Goltz，Martellini&Retkowsky，2011）。然而，就智能测试版是否真实而言，仍存在一些争议，因为它在实践中可以可靠且持续地被利用（例如，Li，Sullivan&Garcia Feij'oo，2014；Malkiel，2014）。许多似乎支持smart beta的因素可能只不过是通过数据挖掘发现的暂时异常（Arnott、Beck、Kalesnik&West，2016；参见Asness，2016）。这些异常可能很小，足以被交易成本侵蚀，也可能反映出一些统计上的怪癖，如未来偏差。Arnott等人（2016）认为，smart beta战略是不可持续的。

由于这类基金的人气飙升，价格的上涨反映了过去的表现，导致了“智能测试泡沫”。将独立的Smart Beta策略与投资组合优化相结合3我们的研究特别寻求解决这样一个问题：将Smart Beta策略组合在一起是否可以提供超出市场基准的实际利润。因此，我们采用每月重新加权策略，相关交易成本最低，因为几乎不需要重新平衡。我们也会在样本之外应用我们的策略，根据历史数据开发投资组合，并将其应用于真实的实时数据，从而消除任何未来偏见的可能性。最后，我们研究了多种独立策略的组合是否可以提高绩效。如果smart beta真的提供了卓越的回报，那么结合一组多样化的smart beta策略应该会带来风险，以奖励高于任何单一策略的绩效。2 Quantopian我们的算法通过在线众包对冲基金Quantopian进行测试。该服务允许用户通过基于Python的在线研究环境和单独的集成开发环境开发交易算法。用户可以获得多年来逐分钟的美国股票定价数据，以及基本业务数据和完整的回溯测试套件，可用于测试算法的过去性能。回溯测试套件旨在提供交易系统性能的真实表现，其特点是佣金和滑移模型，能够准确地说明开仓模拟头寸所涉及的交易成本，以及相关的买入/卖出成本。每月举行一次竞赛，允许Quantopian成员将他们的算法与其他用户的算法进行比较。

截至2016年7月，Quantopian拥有约85000名会员，指导资金为2.5亿美元（Bradley，2016）。2.1有利可图的对冲基金Quantopian的特点将资本分配给在持续交易期内满足一系列严格要求的性能最佳的算法。确定了以下要求：低市场敞口：贝塔系数是用于计算投资组合对整体市场变动敞口的常用指标。它衡量投资组合的波动性，并给出与资产相关的系统风险的感觉，描述投资组合回报与基准资产回报之间的相关性。贝塔系数高的资产的价格变动预计会反映基准资产的价格变动。与标准普尔500指数的收益率相比，β=（协方差（Ri，Rm））/（V方差（Rm））算法的β系数应在-0.3到+0.3之间。这可以通过适当的风险管理来实现，并确保投资组合始终处于对冲状态。4 Phil Maguirea、Karl Moffetta和Rebecca Maguireb一致性：另一个要求是，由交易算法生成的投资组合应始终显示大于1的夏普比率。夏普比率的计算方法是从aportfolio的收益中减去无风险利率，再除以其收益序列的标准差。换句话说，它是对投资组合每单位风险的预期回报的衡量。高夏普比率表明投资组合的回报是稳定的，产生的风险相对较小。主动交易算法：Quantopian要求投资组合每月至少一次或每天最多两次平衡其资本。

这种约束有助于确保投资组合绩效反映算法的质量，而不仅仅是幸运地选择股票。与同行的相关性较低：算法打开的头寸与其他用户交易算法打开的头寸的平均成对相关性必须在-30%到+30%之间。换句话说，一个成功的算法必须提供唯一的信息。3贝塔中性投资组合贝塔中性策略最真实的形式是始终保持“市场中性”，其股票在多头和空头头寸之间平均分配。Sorensen、Hua和Quin（2007）指出，多头空头股票投资组合的市场中立性会带来更高的风险调整回报，使这些投资组合对投资者更具吸引力。如果一个投资组合被设计为不受整体定向市场运动的影响，其市场贝塔值非常接近0，那么CAPM预期回报公式中的贝塔期基本上可以消除。这使得阿尔法术语成为影响回报的唯一因素，为这些策略起到了“纯阿尔法”的替代名称。回报来自于从一系列表现优于或低于市场的股票中挑选多头和空头头寸。在形成纯阿尔法交易方法时，必须通过对冲多头和空头头寸来精心管理风险。Granizo Mackenzie（2016）概述了制定长短股权战略的有趣想法。这涉及到获取股票的总体数据（例如，标准普尔500指数的组成部分），并按预定因素对其进行排名。然后，交易员在排名前N的股票上打开多头头寸，在排名后N的股票上打开空头头寸。回报来自两组股票的差异。

如果多头仓位总体表现优于空头仓位，则产生正回报；同样，如果他们表现逊于空头头寸，则会产生负回报。一个警告是，必须为N选择一个足够大的值，以限制特殊风险的暴露。如果选择了较大的N值，那么这些头寸的累积贝塔值将趋向于1，因为投资组合反映了市场的一个重要子集。这是组合投资组合优化的独立Smart Beta策略5 Smart Beta投资组合。同样，空头头寸或“不良贝塔组合”的贝塔系数将接近-1（也称为“另类贝塔系数”；见Jaeger&Pease，2008）。因此，将这两个投资组合组合在一起，将产生接近0的整体β值。我们的想法是使用一种新的智能beta策略来实现Granizo MacKenzie（2016）提出的排名，即动量振荡器。在技术分析中，振荡器是用来检查趋势反转的工具，可以用于价格和成交量。简言之，动量振荡器构成了一组基于最近价格趋势的计算，这些趋势在确定的范围内变化，以表明价格将在何处变动。例如，最近的上升趋势表明价格在一定时期内会有一个向上的运动，而下降趋势则相反。Jawade、Naidu和Agrawal（2015）研究了许多不同动量振荡器的性能。他们发现相对长度指数和

他们还强调了分析下跌趋势期间股票交易量的重要性。我们还包括另一个称为移动平均交叉（Moving average Crossover）的动量指标，该指标取两个不同时间段内资产的平均收盘价，并返回较短时间段平均值与较长时间段平均值的比率（Granizo MacKenzie，2016）。用于预测当前市场趋势的四个指标，即相对强弱指数、随机振荡、移动平均交叉和成交量，将在下文进行更详细的描述。相对强度指数（RSI）：相对强度指数是Wilder（1978）首次开发的指标。该指数旨在通过分析特定回望窗口内的收益和损失来衡量股票价格的上涨或下跌速度。它为股票的最新行为指定了一个介于0和100之间的值，其公式如下：RSI=100- 100/（1+RS），相对强度（RS）定义为：RS=（x天收益的平均值）/（x天损失的平均值）。在我们的分析中，我们计算了14天窗口内的相对强度。RSI指数是技术分析师最常用的交易工具之一。虽然这些分析师专注于图形方面，但RSI值可以用来确定趋势（Rudik，2013）。随机振荡器：随机振荡器由两个不同的信号组成，称为%k和%D信号。%D只是%k信号的一个3周期移动平均值，这有助于“平滑”它。%k=（最近收盘价-最近N天的最低价）/（最近N天的最高价-最近N天的最低价）6菲尔·马奎里、卡尔·莫菲塔和丽贝卡·马奎里本通常可以根据交易风格分配一系列不同的值。

我们采用了21天的时间框架（一个月的平均天数）来计算%k信号，从而反映了我们将分析股票回报的时间段。我们选择只使用随机振荡器产生的%D信号，因为它对噪声不太敏感，更适合机器学习过程。与RSI指示器一样，%k和%D信号生成的值介于0和100之间。随机振荡器信号通常与股票价格的时间序列一起绘制，当满足某些标准时，会生成“买入”和“卖出”信号（见倪、廖和黄，2015）。移动平均线交叉：移动平均线交叉是交易员使用的最流行的技术分析工具之一（Cai等人，2010）。Theidea与移动平均收敛-发散（MACD）技术分析工具密切相关。虽然更传统的做法是在股票价格时间序列旁边绘制MACD值图表，但我们决定分析MACD的最新值。Granizo Mackenzie（2016）将该值视为动量的度量，但警告称，在分析图表时选择一组特定的值可能会导致过度拟合。为了尽可能保持动量测量的通用性，我们选择使用单月移动平均线除以两个月移动平均线作为动量测量。Macrosover=（1个月简单移动平均数）/（2个月简单移动平均数）成交量：与分析每只交易股票的原始成交量不同，Quantopian提供了一个内置因子，称为平均美元成交量因子，它提供了一种通过忽略股票的个别价格来标准化成交量数据的简单方法。