CN111680824A - 一种量化资产配置方法及装置 - Google Patents

一种量化资产配置方法及装置 Download PDF

Info

Publication number
CN111680824A
CN111680824A CN202010397826.1A CN202010397826A CN111680824A CN 111680824 A CN111680824 A CN 111680824A CN 202010397826 A CN202010397826 A CN 202010397826A CN 111680824 A CN111680824 A CN 111680824A
Authority
CN
China
Prior art keywords
constraint
objective function
asset
assets
alternative
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010397826.1A
Other languages
English (en)
Inventor
胡长胜
胡杨瀚超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hebei College of Industry and Technology
Original Assignee
Hebei College of Industry and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hebei College of Industry and Technology filed Critical Hebei College of Industry and Technology
Priority to CN202010397826.1A priority Critical patent/CN111680824A/zh
Publication of CN111680824A publication Critical patent/CN111680824A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明适用于资产配置技术领域，提供了一种量化资产配置方法及装置，包括：以最大化单笔或多笔投资组合的整体期望收益率为目标建立目标函数max(z)，为所述目标函数添加约束条件，所述约束条件包括第一约束条件、第二约束条件和风险上限约束条件，根据所述约束条件对所述目标函数进行求解，得到n笔投资在m种备选资产上应分别配置的金额。本发明避免了传统均值‑方差分析中求解二次规划问题的繁琐，能够解决多维度的投资需求，且配置结果的现实可操作性强。

Description

一种量化资产配置方法及装置
技术领域
本发明属于资产配置技术领域，尤其涉及一种量化资产配置方法及装置。
背景技术
资产配置是指根据投资需求将投资资金在不同资产类别之间进行分配，现代资产配置理论由Harry Markowitz于1952年提出，其均值-方差分析法被广泛应用于投资组合选择和资产配置实践中。
目前，常见的量化资产配置方法多基于均值-方差分析模型及其各类修正模型来实现。该方法理论严谨，但在实践应用中所能解决的投资需求单一，仅能针对确定的风险要求约束下的单笔投资进行量化资产配置，无法满足多维度的现实投资需求，如统一配置多笔不同风险要求的投资、配置有流动性要求的投资等，并且该方法对备选资产的设定较理想化，即仅将收益率和波动率视为资产的固有属性，所得配置结果的现实可操作性差。
发明内容
有鉴于此，本发明实施例提供了一种量化资产配置方法及装置，以解决现有技术中的量化资产配置方法无法满足多维度的现实投资需求，以及所得配置结果的现实可操作性差的问题。
本发明实施例的第一方面提供了一种量化资产配置方法，包括：
以最大化单笔或多笔投资组合的整体期望收益率为目标建立目标函数max(z)；其中，z＝eTWE，e为1-向量，W为待求解变量，表示n笔投资在m种备选资产上应分别配置的金额，W＝{W1,W2,…,Wn}T＝{W1,W2,…,Wm}，
Figure BDA0002488327620000011
Figure BDA0002488327620000012
E为m种备选资产的过往收益率，E＝{e1,e2,…,em}T；
为目标函数添加约束条件；该约束条件包括第一约束条件W≥0，其中，0为0-矩阵；该约束条件包括第二约束条件We≤A，其中，A为n笔投资的金额，A＝{a1,a2,…,an}T；该约束条件包括风险上限约束条件
Figure BDA0002488327620000021
(v1＝1,2,…,h-1；v2＝v1+1,v1+2,…,h)，其中，b为投资的未来潜在最大回撤比例上限，p为备选资产回溯期内历史价格指数，h为回溯期内的总期数；
根据约束条件对目标函数进行求解，得到n笔投资在m种备选资产上应分别配置的金额。
本发明实施例的第二方面提供了一种量化资产配置装置，包括：
目标函数建立单元，用于以最大化单笔或多笔投资组合的整体期望收益率为目标建立目标函数max(z)；其中，z＝eTWE，e为1-向量，W为待求解变量，表示n笔投资在m种备选资产上应分别配置的金额，W＝{W1,W2,…,Wn}T＝{W1,W2,…,Wm}，
Figure BDA0002488327620000022
Figure BDA0002488327620000023
E为m种备选资产的过往收益率，E＝{e1,e2,…,em}T；
约束条件添加单元，用于为目标函数添加约束条件；该约束条件包括第一约束条件W≥0，其中，0为0-矩阵；该约束条件包括第二约束条件We≤A，其中，A为n笔投资的金额，A＝{a1,a2,…,an}T；该约束条件包括风险上限约束条件
Figure BDA0002488327620000024
(v1＝1,2,…,h-1；v2＝v1+1,v1+2,…,h)，其中，b为投资的未来潜在最大回撤比例上限，p为备选资产回溯期内历史价格指数，h为回溯期内的总期数；
求解单元，用于根据约束条件对目标函数进行求解，得到n笔投资在m种备选资产上应分别配置的金额。
本发明实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述的量化资产配置方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述的量化资产配置方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：
本方法基于均值－回撤分析，将最大化单笔或多笔投资组合的整体期望收益率作为配置目标，将风险定义为投资组合的未来潜在最大回撤比例，同时兼容风险上限、流动性等多种约束，避免了传统均值-方差分析中求解二次规划问题的繁琐，能够满足多维度的投资需求，且配置结果的现实可操作性强。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的量化资产配置方法的实现流程示意图；
图2是本发明实施例提供的量化资产配置装置的结构示意图；
图3是本发明实施例提供的电子设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
参见图1，其示出了本发明实施例提供的量化资产配置方法的实现流程示意图，详述如下：
步骤S101，以最大化单笔或多笔投资组合的整体期望收益率为目标建立目标函数max(z)。
在本发明实施例中，可以将最大化单笔或多笔投资组合的整体期望收益率作为资产配置目标，建立目标函数max(z)，其中，z＝eTWE，e为1-向量，即单位向量，W为待求解变量，是一个n列m行的矩阵，表示n笔投资在m种备选资产上应分别配置的金额，W＝{W1,W2,…,Wn}T＝{W1,W2,…,Wm}，
Figure BDA0002488327620000041
Figure BDA0002488327620000042
E为m种备选资产的过往收益率，E＝{e1,e2,…,em}T，，在本发明实施例中，以由回溯各种备选资产历史业绩得出的过往收益率代表其期望收益率。
步骤S102，为目标函数添加约束条件；该约束条件包括第一约束条件、第二约束条件和风险上限约束条件。
在本发明实施例中，为了获得n笔投资在m种备选资产上应分别配置的金额，需要为目标函数添加约束条件，该约束条件包括第一约束条件W≥0，其中，0为0-矩阵，即配置金额非负；该约束条件还包括第二约束条件We≤A，其中，A为n笔投资的金额，A＝{a1,a2,…,an}T，即各笔投资配置金额不超过投资总额；该约束条件还包括风险上限约束条件
Figure BDA0002488327620000043
(v1＝1,2,…,h-1；v2＝v1+1,v1+2,…,h)，其中，b为投资的未来潜在最大回撤比例上限，p为备选资产回溯期内历史价格指数，h为回溯期内的总期数；在本发明实施例中，可以由回溯投资组合历史业绩得出的过往最大回撤比例代表其未来潜在最大回撤比例，并将风险定义为投资组合的未来潜在最大回撤比例，得到目标函数的风险上限约束条件。
可选的，在上述步骤S102中，若各笔投资存在流动性需求，则可以根据流动性需求向约束条件中添加流动性约束条件。
其中，若流动性需求为：
对于未来f个依次排列的期限t1,t2,…,tf，各笔投资于各期限前需依次回收的金额为D＝{D1,D2,…,Dn}T，其中，
Figure BDA0002488327620000044
对于未来f个依次排列的期限t1,t2,…,tf，各备选资产的封闭期限为C＝{c1,c2,…,cm}，其中，cj∈{t1,t2,…,tf}(j＝1,2,…,m)；
则根据流动性需求向约束条件中添加的流动性约束条件为：
Figure BDA0002488327620000051
可选的，在上述步骤S102中，若备选资产存在起投金额限制，则可以向约束条件中添加起投金额约束条件；
起投金额约束条件可以为WTe≥Q，其中，Q为m种备选资产的起投金额，Q＝{q1,q2,…,qm}T。
可选的，在上述步骤S102中，若备选资产存在资产的整份配置限制，则可以向约束条件中添加整份配置约束条件；
整份配置约束条件可以为eTWj–gjsj＝0(j＝1,2,…,m)，其中，s为备选资产的单份价格，g为待求解变量且为整数，表示备选资产应配置的份数。
步骤S103，根据约束条件对目标函数进行求解，得到n笔投资在m种备选资产上应分别配置的金额。
可选的，在上述步骤S103中，若备选资产不存在资产的整份配置限制，则可以使用单纯形法对目标函数进行求解。
在本发明实施例中，当不存在资产的整份配置限制时，目标函数和约束条件组成的规划方程组为一线性规划问题，具有mn个决策变量及(mn+n+nh(h-1)/2+nf+m)个约束条件，其中由风险上限约束提供nh(h-1)/2个约束条件，由可选的流动性约束提供nf个约束条件，由可选的起投金额约束提供m个约束条件，使用单纯形法可以对该规划方程组求解。
可选的，在上述步骤S103中，若备选资产存在资产的整份配置限制，则可以使用分支定界法对目标函数进行求解。
在本发明实施例中，当存在资产的整份配置限制时，目标函数和约束条件组成的规划方程组为一混合整数线性规划问题，具有mn个不必须取整数值的决策变量、m个必须取整数值的决策变量及(mn+n+nh(h-1)/2+nf+2m)个约束条件，其中由风险上限约束提供nh(h-1)/2个约束条件，由可选的流动性约束提供nf个约束条件，由可选的起投金额约束提供m个约束条件，由整份配置约束提供m个约束条件，使用分支定界法可以对该规划方程组求解。
可选的，在上述步骤S103中，当存在起投金额限制时，建立2x个方程组，确定使目标函数值z最大的方程组的解，得到n笔投资在m种备选资产上应分别配置的金额；其中，x为起投金额不为0的备选资产的个数。
在本发明实施例中，当存在各种备选资产分别设定的起投金额限制时，由于各种备选资产可以配置，也可以不配置，因此对于起投金额不为0的备选资产是否配置的各种情况分别建立规划方程组(有x个起投金额不为0的备选资产，则需建立2x个方程组)，取其中目标函数值z最大的情况，得到n笔投资在m种备选资产上应分别配置的金额。
以下为本发明实施例的一个具体应用场景：
某信托公司向投资者甲、乙共募集资金1000万元构成资金池进行资产配置，其中甲、乙分别委托{300,700}万元，并分别要求未来投资回撤不得超过{5％,10％}。其中，甲有100万元将在1年内赎回，另外100万元将在3年内赎回；乙有200万元将在1年内赎回。目前市场上有3种投资产品(备选资产)可供配置：产品壹的过往年化收益率为2％，前2年至今各期价格指数为{1,1.02,1.04}，具有封闭期0年，起投金额为0万元，每份价格为1万元；产品贰的过往年化收益率为3％，前2年至今各期价格指数为{10,9.5,10.6}，具有封闭期2年，起投金额为0万元，每份价格为30万元；产品叁的过往年化收益率为5％，前2年至今各期价格指数为{100,120,110}，具有封闭期3年，起投金额为100万元，每份价格为50万元。则：
(1)以最大化单笔或多笔投资组合的整体期望收益率为目标建立目标函数max(z)
Figure BDA0002488327620000061
(2)为目标函数添加约束条件
添加第一约束条件
Figure BDA0002488327620000071
添加第二约束条件
Figure BDA0002488327620000072
添加风险上限约束条件
Figure BDA0002488327620000073
Figure BDA0002488327620000074
Figure BDA0002488327620000075
Figure BDA0002488327620000076
Figure BDA0002488327620000077
Figure BDA0002488327620000078
添加流动性约束条件
Figure BDA0002488327620000079
Figure BDA00024883276200000710
添加起投金额约束条件
Figure BDA00024883276200000711
添加整份配置约束条件
Figure BDA00024883276200000712
(3)根据约束条件对目标函数进行求解
a.上述目标函数和约束条件组成的规划方程组为混合整数线性规划问题，其不必须取整数值的决策变量为
Figure BDA00024883276200000713
其必须取整数值的决策变量为g壹、g贰、g叁。使用分支定界法求得目标函数的解
Figure BDA0002488327620000081
Figure BDA0002488327620000082
g壹＝120、g贰＝6、g叁＝14，其目标函数值为z＝42.8。
b.由于产品叁存在不为0的起投金额限制，故对于不配置产品叁的情况同样建立目标函数
Figure BDA0002488327620000083
为目标函数添加约束条件
Figure BDA0002488327620000084
Figure BDA0002488327620000085
Figure BDA0002488327620000086
Figure BDA0002488327620000087
Figure BDA0002488327620000088
Figure BDA0002488327620000089
Figure BDA00024883276200000810
Figure BDA00024883276200000811
Figure BDA00024883276200000812
Figure BDA00024883276200000813
Figure BDA00024883276200000814
使用分支定界法求得目标函数的解
Figure BDA00024883276200000815
g壹＝100、g贰＝30，其目标函数值为z＝29。
c.在所有情况中使目标函数值z最大的解为
Figure BDA00024883276200000816
Figure BDA0002488327620000091
g壹＝120、g贰＝6、g叁＝14，进一步得出2笔投资在3种备选资产上应分别配置的金额为产品壹120万元、产品贰180万元、产品叁700万元。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图2示出了本发明实施例提供的资产配置装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
如图2所示，资产配置装置2包括：
目标函数建立单元21，用于以最大化单笔或多笔投资组合的整体期望收益率为目标建立目标函数max(z)；其中，z＝eTWE，e为1-向量，W为待求解变量，表示n笔投资在m种备选资产上应分别配置的金额，W＝{W1,W2,…,Wn}T＝{W1,W2,…,Wm}，
Figure BDA0002488327620000092
Figure BDA0002488327620000093
E为m种备选资产的过往收益率，E＝{e1,e2,…,em}T；
约束条件添加单元22，用于为目标函数添加约束条件；该约束条件包括第一约束条件W≥0，其中，0为0-矩阵；该约束条件包括第二约束条件We≤A，其中，A为n笔投资的金额，A＝{a1,a2,…,an}T；该约束条件包括风险上限约束条件
Figure BDA0002488327620000094
(v1＝1,2,…,h-1；v2＝v1+1,v1+2,…,h)，其中，b为投资的未来潜在最大回撤比例上限，p为备选资产回溯期内历史价格指数，h为回溯期内的总期数；
可选的，约束条件添加单元22还用于，若各笔投资存在流动性需求，则根据流动性需求向约束条件中添加流动性约束条件；
其中，若流动性需求为：
对于未来f个依次排列的期限t1,t2,…,tf，各笔投资于各期限前需依次回收的金额为D＝{D1,D2,…,Dn}T，其中，
Figure BDA0002488327620000095
对于未来f个依次排列的期限t1,t2,…,tf，各备选资产的封闭期限为C＝{c1,c2,…,cm}，其中，cj∈{t1,t2,…,tf}(j＝1,2,…,m)；
则根据流动性需求向约束条件中添加的流动性约束条件为：
Figure BDA0002488327620000101
可选的，约束条件添加单元22还用于，若备选资产存在起投金额限制，则向约束条件中添加起投金额约束条件；起投金额约束条件为WTe≥Q，其中，Q为m种备选资产的起投金额，Q＝{q1,q2,…,qm}T。
可选的，约束条件添加单元22还用于，若备选资产存在资产的整份配置限制，则向约束条件中添加整份配置约束条件；整份配置约束条件为eTWj–gjsj＝0(j＝1,2,…,m)，其中，s为备选资产的单份价格，g为待求解变量且为整数，表示备选资产应配置的份数。
求解单元23，用于根据约束条件对目标函数进行求解，得到n笔投资在m种备选资产上应分别配置的金额。
可选的，求解单元23还用于，当不存在资产的整份配置限制时，使用单纯形法对目标函数进行求解。
可选的，求解单元23还用于，当存在资产的整份配置限制时，使用分支定界法对目标函数进行求解。
可选的，求解单元23还用于，当存在起投金额限制时，建立2x个方程组，确定使目标函数值z最大的方程组的解，得到n笔投资在m种备选资产上应分别配置的金额；其中，x为起投金额不为0的备选资产的个数。
图3是本发明实施例提供的电子设备的示意图。
如图3所示，该实施例的电子设备3包括：处理器30、存储器31以及存储在存储器31中并可在处理器30上运行的计算机程序32。处理器30执行计算机程序32时实现上述资产配置方法实施例中的步骤，例如图1所示的步骤S101至S103。或者，处理器30执行计算机程序32时实现上述装置实施例中各单元的功能，例如图2所示单元21至23的功能。
示例性的，计算机程序32可以被分割成一个或多个单元，一个或者多个单元被存储在存储器31中，并由处理器30执行，以完成本发明。一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序32在电子设备3中的执行过程。例如，计算机程序32可以被分割成，目标函数建立单元21、约束条件添加单元22和求解单元23，各单元具体功能如下：
目标函数建立单元21，用于以最大化单笔或多笔投资组合的整体期望收益率为目标建立目标函数max(z)；其中，z＝eTWE，e为1-向量，W为待求解变量，表示n笔投资在m种备选资产上应分别配置的金额，W＝{W1,W2,…,Wn}T＝{W1,W2,…,Wm}，
Figure BDA0002488327620000111
Figure BDA0002488327620000112
E为m种备选资产的过往收益率，E＝{e1,e2,…,em}T；
约束条件添加单元22，用于为目标函数添加约束条件；该约束条件包括第一约束条件W≥0，其中，0为0-矩阵；该约束条件包括第二约束条件We≤A，其中，A为n笔投资的金额，A＝{a1,a2,…,an}T；该约束条件包括风险上限约束条件
Figure BDA0002488327620000113
(v1＝1,2,…,h-1；v2＝v1+1,v1+2,…,h)，其中，b为投资的未来潜在最大回撤比例上限，p为备选资产回溯期内历史价格指数，h为回溯期内的总期数；
求解单元23，用于根据约束条件对目标函数进行求解，得到n笔投资在m种备选资产上应分别配置的金额。
该电子设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该电子设备可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是电子设备3的示例，并不构成对电子设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如该电子设备还可以包括输入输出设备、网络接入设备、总线等。
处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器31可以是电子设备3的内部存储单元，例如电子设备3的硬盘或内存。存储器31也可以是电子设备3的外部存储设备，例如电子设备3上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器31还可以既包括电子设备3的内部存储单元也包括外部存储设备。存储器31用于存储计算机程序以及电子设备3所需的其他程序和数据。存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种量化资产配置方法，其特征在于，包括：
以最大化单笔或多笔投资组合的整体期望收益率为目标建立目标函数max(z)；其中，z＝eTWE，e为1-向量，W为待求解变量，表示n笔投资在m种备选资产上应分别配置的金额，W＝{W1,W2,…,Wn}T＝{W1,W2,…,Wm}，
Figure FDA0002488327610000011
Figure FDA0002488327610000012
E为所述m种备选资产的过往收益率，E＝{e1,e2,…,em}T；
为所述目标函数添加约束条件；所述约束条件包括第一约束条件W≥0，其中，0为0-矩阵；所述约束条件包括第二约束条件We≤A，其中，A为n笔投资的金额，A＝{a1,a2,…,an}T；所述约束条件包括风险上限约束条件
Figure FDA0002488327610000013
其中，b为投资的未来潜在最大回撤比例上限，p为备选资产回溯期内历史价格指数，h为回溯期内的总期数；
根据所述约束条件对所述目标函数进行求解，得到n笔投资在m种备选资产上应分别配置的金额。
2.如权利要求1所述的量化资产配置方法，其特征在于，若各笔投资存在流动性需求，则根据所述流动性需求向所述约束条件中添加流动性约束条件；
其中，若流动性需求为：
对于未来f个依次排列的期限t1,t2,…,tf，各笔投资于各期限前需依次回收的金额为D＝{D1,D2,…,Dn}T，其中，
Figure FDA0002488327610000014
对于未来f个依次排列的期限t1,t2,…,tf，各备选资产的封闭期限为C＝{c1,c2,…,cm}，其中，cj∈{t1,t2,…,tf}(j＝1,2,…,m)；
则根据所述流动性需求向所述约束条件中添加的流动性约束条件为：
Figure FDA0002488327610000021
3.如权利要求1所述的量化资产配置方法，其特征在于，若备选资产存在起投金额限制，则向所述约束条件中添加起投金额约束条件；
所述起投金额约束条件为WTe≥Q，其中，Q为所述m种备选资产的起投金额，Q＝{q1,q2,…,qm}T。
4.如权利要求1所述的量化资产配置方法，其特征在于，若备选资产存在资产的整份配置限制，则向所述约束条件中添加整份配置约束条件；
所述整份配置约束条件为eTWj–gjsj＝0(j＝1,2,…,m)，其中，s为备选资产的单份价格，g为待求解变量且为整数，表示备选资产应配置的份数。
5.如权利要求1所述的量化资产配置方法，其特征在于，所述根据所述约束条件对所述目标函数进行求解包括：
若备选资产不存在资产的整份配置限制，则基于单纯形法对目标函数进行求解。
6.如权利要求1所述的量化资产配置方法，其特征在于，所述根据所述约束条件对所述目标函数进行求解包括：
若备选资产存在资产的整份配置限制，则基于分支定界法对目标函数进行求解。
7.如权利要求1所述的量化资产配置方法，其特征在于，所述根据所述约束条件对所述目标函数进行求解，得到n笔投资在m种备选资产上应分别配置的金额包括：
当备选资产存在起投金额限制时，建立2x个方程组，确定使目标函数值z最大的方程组的解，得到n笔投资在m种备选资产上应分别配置的金额；其中，x为起投金额不为0的备选资产的个数。
8.一种量化资产配置装置，其特征在于，包括：
目标函数建立单元，用于以最大化单笔或多笔投资组合的整体期望收益率为目标建立目标函数max(z)；其中，z＝eTWE，e为1-向量，W为待求解变量，表示n笔投资在m种备选资产上应分别配置的金额，W＝{W1,W2,…,Wn}T＝{W1,W2,…,Wm}，
Figure FDA0002488327610000031
Figure FDA0002488327610000032
E为所述m种备选资产的过往收益率，E＝{e1,e2,…,em}T；
约束条件添加单元，用于为所述目标函数添加约束条件；所述约束条件包括第一约束条件W≥0，其中，0为0-矩阵；所述约束条件包括第二约束条件We≤A，其中，A为n笔投资的金额，A＝{a1,a2,…,an}T；所述约束条件包括风险上限约束条件
Figure FDA0002488327610000033
其中，b为投资的未来潜在最大回撤比例上限，p为备选资产回溯期内历史价格指数，h为回溯期内的总期数；
求解单元，用于根据所述约束条件对所述目标函数进行求解，得到n笔投资在m种备选资产上应分别配置的金额。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN202010397826.1A 2020-05-12 2020-05-12 一种量化资产配置方法及装置 Pending CN111680824A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010397826.1A CN111680824A (zh) 2020-05-12 2020-05-12 一种量化资产配置方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010397826.1A CN111680824A (zh) 2020-05-12 2020-05-12 一种量化资产配置方法及装置

Publications (1)

Publication Number Publication Date
CN111680824A true CN111680824A (zh) 2020-09-18

Family

ID=72434106

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010397826.1A Pending CN111680824A (zh) 2020-05-12 2020-05-12 一种量化资产配置方法及装置

Country Status (1)

Country Link
CN (1) CN111680824A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113537847A (zh) * 2021-09-17 2021-10-22 广州粤芯半导体技术有限公司 产能规划方法及可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113537847A (zh) * 2021-09-17 2021-10-22 广州粤芯半导体技术有限公司 产能规划方法及可读存储介质

Similar Documents

Publication Publication Date Title
Milward What is structural adjustment?
Yaman et al. A hybrid approach to cardinality constraint portfolio selection problem based on nonlinear neural network and genetic algorithm
Jung et al. International reserves for emerging economies: A liquidity approach
Budianto et al. Research Mapping the Operating Profit Margin (OPM) Ratio in Sharia and Conventional Banking: VOSviewer Bibliometric Study and Library Research
Divényi et al. Algorithm design for European electricity market clearing with joint allocation of energy and control reserves
Fernández et al. GPU parallel implementation for asset-liability management in insurance companies
CN110276674A (zh) 数据处理方法及系统、存储介质、电子装置
Snihovyi et al. Implementation of robo-advisor services for different risk attitude investment decisions using machine learning techniques
Huang et al. Index tracking model, downside risk and non-parametric kernel estimation
Magnani et al. Efficiency of dynamic portfolio choices: An experiment
CN111680824A (zh) 一种量化资产配置方法及装置
Cohen et al. Inefficiency of CFMs: hedging perspective and agent-based simulations
Britchenko Innovative approaches to business management in conditions of economic instability
Nguyen et al. Assessing the performance of Vietnam’s banks in the era of free trade agreements
Babaei et al. Von Neumann–Gale dynamics and capital growth in financial markets with frictions
US10679291B2 (en) Methods and systems for maximizing share purchase under an employee stock purchase plan with limited payroll deductions
CN110059865B (zh) 一种资源的优化处理方法及装置
Zhou et al. Optimal investment and risk control policies for an insurer in an incomplete market
Nafi’Addawami et al. Effect Of Ijarah Revenue, Mudharabah Financing And Third-Party Funds On The Profitability Of Islamic Commercial Banks
Kakulia The Characteristics of Transformation of Institutional Changes and Georgia
CN108629674A (zh) 拍卖收益的分配方法及终端设备
Lin et al. Pricing VIX derivatives with free stochastic volatility model
Zahid et al. Impact of safta on capital market integration of South Asia: evidence from cointegration analysis
DeMiguel et al. Multiperiod portfolio optimization with many risky assets and general transaction costs
Kvrgić et al. SMEs ecosystem and banking finance support in Serbia

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200918

RJ01 Rejection of invention patent application after publication