在这段视频中我们将讨论风险分层平价投资组合构建产生一个更多样化的投资组合的均值-方差方法相比,一个类似的风险。合关注风险的分配,而不是分配资本。聚类算法在三个阶段:树,quasi-diagonalization,递归二分。
阶段1:树聚类
我们第一次使用的联系和系统树图内置函数,在统计和机器学习的工具箱构建和可视化分层树。层次聚类是找到资产和组织成一个树之间的距离,这样分配可以流下游通过树图。
阶段2:QUASI-DIAGONALIZATION
Quasi-diagonalization然后执行,所以沿着对角线最大的价值所在。通过这种方式,类似的投资被放置在一起,不同的投资远。
阶段3:递归二分
现在,鉴于这个树结构,我们准备安排资金使用风险平价概念。让我们考虑四个资产的例子。我们为所有资产分配一个单位重量。我们平分成左右半当前列表。我们发现左边和右边列表的权重基于逆方差。我们计算的总方差左右半,以及分裂因子α。我们终于重新调节两部分的权重由α。我们对每一半重复相同的算法:平分为左右部分,计算权重和方差,重新调节α的权重。该算法停止当我们每节有一个单独的资产。
比较合均值-方差投资组合
我们可以清楚地看到,合产生一个更多样化的分配相对于均值-方差框架,集中92%分配上面六个控股公司。驱使极端浓度均值-方差最小化的目标是投资组合的风险,而投资组合都有一个非常类似的风险。因此,任何哭笑不得影响六大股票的分配将会有一个更大的对均值-方差比的影响合的组合。
感谢您的收看。
