Sunday Quant Scientist · 第 3 章 组合优化与风险管理

Sunday Quant Scientist · 第 3 章 组合优化与风险管理

章节摘要:本章是流水线的第三个工位,也是全书最厚的一章——组合怎么配、风险怎么量。单只股票再好也不如分散,但怎么分散是门学问。本章讲五大方法:skfolio 风险平价与回测(QS011,sklearn 风格 API)、riskfolio 全功能演示(QS014,有效前沿+可视化+Excel 报告)、HRP 层次风险平价(QS022,聚类+递归规避协方差求逆)、CVaR 条件风险价值手写实现(QS040,尾部损失期望)、Kelly 凯利公式最优杠杆(QS031,数值积分最大化复利增长)。读完本章,你掌握了从"风险均衡分配"到"最优杠杆"的完整组合工具箱。

本章工位

组合优化两大流派:风险均衡(Risk Parity/HRP,不预测收益只管风险) vs 收益最优(Markowitz/Kelly,需预测收益)。前者更稳健。

学习目标

阅读完本章,你应当能够:

1. 理解风险平价(按风险贡献分配)与反波动率(权重∝1/σ)的区别。
2. 用 riskfolio 画有效前沿、风险贡献、导出 Excel 报告。
3. 说清 HRP 为什么比传统马科维茨稳健(聚类规避协方差求逆)。
4. 手写 VaR/CVaR(percentile + 尾部均值)。
5. 用数值积分(scipy.optimize.minimize_scalar)求 Kelly 最优杠杆。

子章节导航

01 skfolio 风险平价与回测(QS011)

sklearn 风格 API(RiskBudgeting fit/predict);train_test_split(shuffle=False 时序不 shuffle);InverseVolatility 反波动基准;Population 画 composition/cumulative returns/contribution;skfolio vs riskfolio 范式差异。

02 riskfolio 全功能与有效前沿(QS014)

25 资产+5 因子 ETF;assets_stats(method_mu/cov='hist', d=0.94 EWMA);rm='MSV' 半标准差最大化 Sharpe;20 点有效前沿;6 种 plot_*(series/frontier/pie 甜甜圈/table/risk_con);excel_report 一键导出。

03 HRP 层次风险平价(QS022)

Marcos López de Prado 提出;plot_dendrogram 系统树图(single linkage 聚类);HCPortfolio.optimization(model='HRP');HRP 不需要预估收益只靠协方差结构,比马科维茨稳健;codependence 可换 gerber1/tan。

04 CVaR 条件风险价值手写实现(QS040)

90 只 OEX 成分;手写 value_at_risk(np.percentile) + cvar(尾部 nanmean);VaR 是分位点、CVaR 是超过 VaR 的损失均值更不乐观且满足次可加性;Basel III 偏好 CVaR;直方图双线对比。

05 Kelly 凯利公式最优杠杆(QS031)

^GSPC 年收益;norm_integral 用 quad 数值积分 -∫log(1+fs)·pdf(s)ds;minimize_scalar(method='bounded', bounds=[0,2]) 最大化期望对数增长;f 可>1(需杠杆);f.shift() 防前视偏差;Kelly(收益最大化) ↔ CVaR(风险度量)对偶。

前置知识与后续延伸

前置知识:第 1-2 章(拿数据算收益);numpy/scipy 基础。

后续延伸:第 6 章用 quantstats 评估组合绩效;Kelly/CVaR 的仓位可结合第 4 章因子信号。