投资组合管理附录
SurgeFlow 如何将投资组合管理理论映射到基准选择、主动收益、归因、风险预算、模拟和实施规则。
类别:投资组合
本附录的范围
本附录规定了如何使用投资组合、回测、因子和 AI 因子代理界面。回测是证据分类账,投资组合是仅显示的因子策略篮子风险界面,因子是构建和发布门槛源,AI 代理必须在将因子视图转变为投资组合评论之前引用这些界面。 - 回测:主动收益、跟踪误差、IR、归因、重采样和数据质量标签 - 投资组合:等权重因子策略篮子风险、幸存者因子、相关性、VaR/ES 和持股深入分析 - 因子:构建门槛、发布状态、因子方向和时点控制 - AI 因子代理:仅解释层,绝不是不支持的推荐引擎
基准和主动收益合约
投资组合管理证据始于基准。可用的基准应该代表机会集,可投资或可廉价复制,在测量窗口之前发布可验证的权重,并在窗口之后及时生成收益数据。主动收益只有在基准被命名后才有意义:主动收益=投资组合收益-基准收益。头寸层面的版本是主动权重=投资组合权重-基准权重,因此增值来自于增持表现优于基准的资产或减持落后于基准的资产。 - 市值加权指数:当范围广泛且类似于基准时的默认市场比较器 - 等权宇宙:有用的遗留诊断,但并不总是一个现实的可投资基准 - 因子中性基准:当询问策略篮子是否在共同因子暴露后增加选股价值时首选 - 非基准回报:仅显示业绩,而非主动管理证据
主动管理账本
回测分页应被视为主动管理分类账。夏普比率衡量每单位总风险的超额回报。信息比率衡量每单位主动风险的主动收益,其中主动风险是跟踪误差。活跃份额衡量持有量与基准的差异程度。击球率和命中/未命中诊断显示频率,但它们不能取代幅度感知 IR。 - 跟踪误差=投资组合收益的标准差减去基准收益 - 信息比率 = 平均主动收益 / 跟踪误差,注明期限和年化率 - Alpha 和 Beta 是回归诊断;阿尔法不应被视为纯粹的技能,除非基准和因子控制是可信的 - 命中率高,如果亏损周期长,仍然会亏损;在主动收益、回撤和IR旁边阅读它
基本法解释
主动管理分类账使用基本法作为纪律检查:预期IR由预测技能、有效广度和转移系数驱动。信息系数是预测信号与实现的主动收益之间的关系。广度是真正独立投注的数量,而不仅仅是股票的数量。转移系数衡量在约束、流动性、成本、周转率和风险门槛之后预测如何有效地转化为实际权重。 - 实用视角:FL_IR = IC x sqrt(有效广度) x 传递系数 - 即使在股票数量很高的情况下,投注之间的高度相关性也会降低有效广度 - 只做多、换手率、流动性和持仓限制降低转移系数 - 当约束更加严格时,激进的主动风险目标可以降低已实现的IR
投资组合管理中的因子模型
多因子模型将原始持有量转化为可解释的风险敞口。在 SurgeFlow 中,因子模型支持三项工作:回报归因、风险归因和投资组合构建。由于市场 beta、风格暴露、证券选择或剩余成分,策略篮子可能看起来很强大。投资组合用户应该单独阅读这些内容,而不是将总回报视为一个无差别的分数。 - 收益归因:单独基准收益、因子倾斜、证券选择、成本拖累、残差 - 风险归因:估计哪些因子和相关性会导致波动性、VaR、ES 和回撤风险 - 构建:使用因子暴露、协方差、VIF 和门槛状态来避免冗余下注 - 残差:大量无法解释的残差是一个警告,表明模型可能缺少部门、国家、流动性或事件风险
风险预算和下行诊断
风险管理是一个限制系统,而不是一个数字。VaR 估计指定置信水平下的损失阈值。预期损失或 CVaR 估计超出该阈值的平均损失。回撤捕获路径损伤。情景和敏感性分析询问投资组合在特定冲击下的表现,包括近期历史中未充分体现的事件。 - VaR:对于与概率相关的损失阈值有用,但对历史、波动性和相关性假设敏感 - ES/CVaR:尾部严重程度的信息更丰富,因为它看起来超出了 VaR 截止值 - 最大回撤:每日波动可能隐藏的路径相关损害 - 情景和敏感性测试:除仓位限制、风险敞口限制、止损限制和主动风险限制之外的最终压力筛选
回测和模拟学科
回测是历史条件下的假设。可信的流程将策略设计、模拟和输出审核分开。它必须标记生存偏差、前瞻偏差、报告滞后、数据窥探和 p-hacking 风险。滚动窗口回测保留了时间顺序;历史模拟对观察到的回报进行重新采样;蒙特卡罗模拟从假设的联合分布中得出,因此在很大程度上取决于分布选择和协方差校准。 - 时点数据可防止前瞻和生存污染 - 多个测试变体需要更强的证据阈值和样本外确认 - Bootstrap和历史模拟有助于测试采样运气,但仍与观察到的历史相关 - 蒙特卡洛增加了灵活性,但正常假设可能会低估偏差、厚尾和尾部依赖性
实施和产品感知成本
投资组合优势只有在扣除实施成本后才能使用。对于单一股票策略篮子,这意味着成交额、利差、流动性、市场影响、借贷或卖空限制(如果适用)以及税收假设。对于 ETF 或基金工具来说,它还意味着费用比率、跟踪误差、溢价/折价行为、创造/赎回机制以及总拥有成本。SurgeFlow 应标记哪些成本被建模、哪些是占位符以及哪些在当前界面之外。 - 总回报:未计算交易成本模型 - 净回报:仅在规定的成本模型之后,而不是在每次现实世界的摩擦之后 - 成本拖累:必须与成交额和流动性一起阅读 - ETF/基金换算:跟踪误差和产品成本可以消除纸面因子优势
如何使用Live工具
使用投资组合分页检查因子套、幸存者门、风险准备情况、最高持有量、因子相关性和分布诊断。使用回测来询问在成本和样品质量标签之后,策略篮子是否与正确的比较器相比增加了活性价值。使用“因子”分页确认基础因子是否可发布且是最新的。仅在这些源界面一致后才使用 AI 因子代理。 - 在没有回测和因子门支持的情况下,请勿将仅显示的投资组合策略篮子推广到交易中 - 当问题是管理者技能或主动价值时,更喜欢与基准相关的指标 - 当问题是资本保值时,更喜欢下行诊断 - 将丢失、过时或仅草稿的数据视为获得可信结论的障碍
附录
用于投资组合管理的操作摘要。 - 基准优先:主动收益仅相对于指定的、可投资的、及时的基准而存在。 - 主动管理:一起读取IR、跟踪误差、主动份额、IC、广度、传递系数和样本大小。 - 归因:单独因子倾斜、证券选择、风险权重、成本拖累和残差。 - 风险预算:VaR、ES/CVaR、回撤、情景、敏感性、头寸限制和止损规则是补充工具。 - 回测:区分滚动回测、引导/历史模拟和蒙特卡罗;标记生存、前瞻、报告滞后和数据窥探风险。 - 实施:成交额、流动性、点差、市场影响、跟踪误差、费用和税收决定纸面 alpha 是否可以被使用。