檢查共同曝險
相關性矩陣可以揭示同步變動的策略。有效押注有助於區分策略數量與獨立曝險的多寡。
投資組合建構
打造投資組合，而不是堆疊策略。
AI 投資組合代理會依據現有投資組合的情況審查候選策略。投資組合分析會利用可取得且期間重疊的歷史資料，比較報酬之間的關係、配置選項與風險貢獻。
深入了解投資組合建構。
探索此階段如何為 AI 交易策略工廠做出貢獻。
比較配置方案
探索等權重、逆波動度加權與風險平價。每種方案都會改變歷史投資組合分配資本與風險的方式。
檢視整體投資組合
綜合評估投資組合的夏普比率、回撤、分散程度與風險貢獻。策略晉級也會考量現有策略與可用的模擬交易容量。
將候選策略與現有投資組合一併評估。
投資組合分析需要足夠的重疊報酬資料。缺失的證據應保持可見，而不是轉化為令人安心的分散化分數。
對齊歷史資料
在共用的觀察期間比較策略。
衡量重疊程度
檢視相關性與有效獨立押注數。
比較權重
一併研究配置與風險貢獻。
審查准入
將證據與 AI 投資組合審查及發布檢查結合。
策略變多，仍可能代表相同的押注。
先解讀關係，再解讀組合報酬。相關性與風險貢獻描述的是投資組合的不同面向。
比較獨立性與配置
在此圖示中，A 與 B 的報酬行為有很大一部分相同。加入 C 會改變曝險組合，但權重與個別波動度仍決定各自貢獻多少風險。
不同權重回答不同問題。
投資組合選擇器會變更分析比較的內容。選擇方案不會向交易所送出訂單，也不代表授權動用實盤資金。
水平捲動以查看所有欄位。
| 方案 | 配置方式 | 解讀 |
|---|---|---|
| 等權重 | 為每個策略配置相同的資本權重。 | 資本簡單平衡並不代表風險相等。 |
| 逆波動度 | 為波動度較低的策略配置較高權重。 | 使用個別波動度；相關性仍會影響組合風險。 |
| 風險平價 | 力求平衡對投資組合變異數的貢獻。 | 取決於估計的共變異數與可用的歷史資料。 |
常見問題解答。
更多問答我可以在哪裡檢視投資組合？
登入後工作區中的「投資組合」區塊會分析已晉級的策略。它需要足夠的重疊報酬歷史資料，才能計算有意義的投資組合統計數據。
變更配置選擇器會重新平衡我的帳戶嗎？
不會。它會重新計算歷史投資組合分析，不會變更交易所帳戶、送出訂單，或授權實盤資金配置。
什麼是有效押注？
有效押注概括相關性矩陣中存在多少獨立變動。多個高度相關的策略，其行為可能更像一個押注，而不是多個獨立押注。
為什麼相同資本會產生不同風險？
波動度與相關性決定各策略對投資組合變異數的貢獻方式。即使資本配置比例很小，仍可能貢獻很大一部分風險。
投資組合審查是否保證分散化？
不會。它會評估可取得的證據。在壓力情境下，相關性與損失可能發生變化，因此歷史分散化並不保證未來的保護效果。
這與訊號庫有什麼關係？
訊號庫會在單一策略內組合預測；投資組合分析則會組合多個策略的報酬。兩者處理的是不同層級的曝險，應一併審查。
探索相互連結的工作流程。
了解 AI 代理人、測試引擎與執行控制如何在策略工廠中協同運作。
Stratmill 是 AI 交易策略平台，不提供財務建議，也不是經紀商。回測與模擬交易結果均屬假設性結果。交易涉及虧損風險。