金工高智威|熵池模子：若何将纯主动看点纳进量化设置装备摆设模子

金选·核心看点

摘 要

本文是国金证券Beta猎手系列的第二篇陈述，次要是想从设置装备摆设组合权重优化的角度往提拔设置装备摆设模子的组合表示。以往的组合设置装备摆设模子有各类的短处，我们期看通过引进新的模子框架(熵池模子)使得设置装备摆设模子的适用性更强。

我们起首通过熵池模子（Entropy Pooling）与BL模子的比照，阐明两者在整体构想上是一致的，不外熵池模子能够视做BL模子的延展，在BL模子的看点形式单一、正态假设对散布欠估量等方面做出了优化，可以融进形式多样化、范畴愈加广的看点。连系现实利用场景，本文举例阐明主看投资者利用的比力型看点与宏看外部因子看点等都能放进设置装备摆设模子，并利用非参数办法提拔估量准确性，得到较为不变的成果。

理论介绍部门，我们依序解析了熵池模子的三个输进变量，然后着重讲解模子利用的“模仿样本扩容”、“相对熵最小化”与“看点池化”等办法及其理论细节，从各方面完全阐明模子的理论优势。

随后本文查验了熵池模子在利用上的效果，发现较BL模子年化收益、颠簸率和回撤掌握方面，熵池模子都有更好的表示。我们利用基于景气宇估值因子的行业轮动设置装备摆设做为模仿场景，次要对熵池模子的各个方面做了七项查验：

一、利用正态与非参数办法的熵池模子与BL模子成果比照，发现熵池模子较BL模子在年化收益、夏普比、换手率掌握等方面都有提拔；

二、构造排序型看点与颠簸率看点，比照零丁放进与合并放进的成果，证明熵池模子能对多品种型看点的信息停止有效合成，设置装备摆设效果跟着信息增加而提拔；三、比照利用更大化夏普比、最小化风险与风险平价三种优化函数的效果，发现非参数办法的熵池模子对效用函数愈加不变；

四、比照不重抽样、重抽样100次与重抽样1000次的熵池模子效果，发现恰当次数的重抽样确实可以提拔估量的稳重性；

五、比照输进汗青样本长度为1年、2年与3年的模子成果，发现模子效果并不是样本增长而更不变，需要根据现实投资情状抉择参数；

六、将10年国债利率做为外部因子输进模子，证明熵池模子可以有效操纵外部因子看点，看点输进具有极高的乖巧性；

七、实现了输进样本与优化样本的别离，比照成果也证明我们的改进契合逻辑，能带来更好的设置装备摆设效果。

最初本文摸索了熵池模子在实在投资中的利用效果，并详细给出了两个设置装备摆设计划。

一是行业轮动设置装备摆设计划，我们仍然利用基于景气宇估值因子的行业轮动模子，时间范畴从2010年1月至2023年2月，每月从中信一级中挑选前5行业等权设置装备摆设做为基准组合。熵池模子战略同时利用排序型看点、颠簸率看点与10年国债利率的外部因子看点，输进3年样本、优化1年样本，利用更大化夏普比做为效用函数。基准战略的年化收益为12.45%，夏普比率0.364；而熵池模子的年化收益进步到16.50%，夏普比率进步到0.464。

展开全文

二是股债设置装备摆设计划，我们利用宏看事务因子生成股票的设置装备摆设信号以及响应的基准战略，时间范畴从2005年1月至2023年2月，基准战略年化收益21.97%，夏普比率1.631。本文利用宏看因子设置装备摆设信号构造排序型看点叠加外部因子的设置装备摆设战略一年化收益到达23.82%，夏普比为1.624；叠加颠簸率看点的战略二年化收益为24.52%，夏普比率为1.677。添加投资相对约束后，利用排序加外部因子看点的战略三年化23.76%，但颠簸得到掌握，夏普比达1.681；利用三种看点的战略四更是年化24.47%，夏普比达1.737。

风险提醒以上成果通过汗青数据统计、建模和测算完成，在政策、市场情况发作改变时模子存在失效的风险。