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。

探索这一阶段如何为 AI 交易策略工厂提供支持。
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。
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。
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。
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。
在共同观察窗口内比较策略。
检查相关性和有效独立押注。
综合研究配置与风险贡献。
将证据与 AI 投资组合审核和发布检查结合起来。
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。
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。
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。
| 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。 |
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。
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。
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。
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。
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。
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。
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。