跳至正文

投资组合构建

构建投资组合,而不是堆积策略。

AI 投资组合智能体结合现有持仓组合评审候选策略。投资组合分析利用可用的重叠历史数据,比较收益之间的关系、配置选择和风险贡献。

回撤与风险敞口审核

深入了解投资组合构建。

探索这一阶段如何为 AI 交易策略工厂提供支持。

检查共同敞口

相关性矩阵可以揭示走势相同的策略。有效押注有助于区分策略数量与独立敞口的数量。

比较配置方案

探索等权重、逆波动率加权和风险平价。每种方案都会改变历史投资组合分配资金和风险的方式。

审核整个信号库

综合解读投资组合的夏普比率、回撤、分散化程度和风险贡献。策略晋级还会考虑现有策略和可用的模拟交易容量。

结合现有持仓组合考量候选策略。

投资组合分析依赖足够的重叠收益数据。缺失的证据应保持可见,而不应被转化为令人安心的分散化评分。

  1. 对齐历史数据

    在共同观察窗口内比较策略。

  2. 衡量重叠程度

    检查相关性和有效独立押注。

  3. 比较权重

    综合研究配置与风险贡献。

  4. 审核准入

    将证据与 AI 投资组合审核和发布检查结合起来。

更多策略仍可能意味着同一个押注。

在解读组合收益之前,先了解各项关系。相关性和风险贡献描述的是投资组合的不同方面。

比较独立性与配置

在此示例中,A 和 B 的大部分收益行为相同。加入 C 会改变敞口组合,但权重和各自的波动率仍决定了每项策略贡献多少风险。

示例相关性矩阵:A 和 B 的走势高度接近,相关性为 0.80。C 与两者的相关性较低,分别为 0.10 和 0.20。这些是合成数值,并非当前投资组合的结果。

不同权重回答不同问题。

投资组合选择器会改变分析比较结果。选择某种方案不会提交交易所订单,也不会授权实盘资金。

横向滚动以查看全部列。

投资组合分析中可用的配置方案
方案配置方式解读
等权重为每个策略分配相同的资金权重。简单的资金平衡并不意味着风险相等。
逆波动率为波动率较低的策略分配更高权重。使用各策略自身的波动率;相关性仍会影响组合风险。
风险平价力求平衡各策略对投资组合方差的贡献。取决于估计的协方差和可用历史数据。

问题与解答。

更多问题与解答
我可以在哪里查看投资组合?

登录后的工作区中,“投资组合”部分会分析你已晋级的策略。要计算有意义的投资组合统计数据,需要足够的重叠收益历史。

更改配置选择器会使我的账户再平衡吗?

不会。它只会重新计算历史投资组合分析,不会更改交易所账户、提交订单或授权实盘配置。

什么是有效押注?

有效押注概括了相关性矩阵中存在多少独立变动。多个高度相关的策略,其表现可能更像一个押注,而不是多个相互独立的押注。

为什么相同的资金配置会产生不同的风险?

波动率和相关性决定每个策略对投资组合方差的贡献。较小的资金配置仍可能贡献较大的风险份额。

投资组合审核能保证分散化吗?

不能。它评估的是可用证据。在压力情境下,相关性和损失可能发生变化,因此历史分散化并不保证未来的保护效果。

这与信号库有什么关系?

信号库在一个策略内部组合预测。投资组合分析则组合多个策略的收益。两者针对不同层级的敞口,应结合起来审核。

探索相互关联的工作流程。

了解 AI 智能体、测试引擎和执行控制如何在策略工厂中协同工作。

Stratmill 是 AI 交易策略平台,不提供财务建议,也不是经纪商。回测和模拟交易结果均为假设性结果。交易存在亏损风险。