Alex Roumi,Mathworks
在此视频中,我们将讨论分层风险奇偶校验组合结构,与类似风险的平均方差方法相比,产生更多样化的产品组合。HRP侧重于风险的分配,而不是资本分配。该算法以三个阶段运行:树聚类,准对角线化和递归二分配。
第1阶段:树聚类
我们首先使用链接和树木内置函数,在统计和机器学习工具箱中找到,构建和可视化层次结构树。分层群集是在树中找到资产之间的距离,并将其分组到树中,以便分配可以通过树图向下流动。
阶段2:QUASI-DIAGONALIZATION
然后执行准对角化,以便最大的值位于对角线上。这样,相似的投资被放在一起,而不同的投资被放在很远的地方。
第3阶段:递归分类
现在,鉴于这种树结构,我们已准备好使用风险奇偶校验概念分配资金。让我们考虑四个资产的例子。我们为所有资产分配单位权重。我们将当前列表分成左右一半。我们发现基于逆差的左右列表的重量。我们计算左半角的总方差,以及分裂因子alpha。我们最终通过alpha重新归类两半的重量。我们重复每一半的完全相同的算法:Botect到左右部分,计算权重和方差,并通过Alpha重新归类权重。当我们每个部分有一个资产时,算法停止。
比较HRP和均值-方差组合
我们可以清楚地看到HRP与平均方差框架相比产生了更加多样化的分配,它将92%的分配集中在六个持股上。什么驱动器平均方差极度集中的目标是最大限度地减少投资组合的风险,但两个投资组合都有非常相似的风险。结果,影响六个顶级持股的任何痛苦情况将对比平均方差更大的影响合的组合。
谢谢你的观看。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。